摘 要： 提出一種視頻監(jiān)控中運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)陰影去除算法。該方法使用混合高斯背景建模初步得到運(yùn)動(dòng)目標(biāo)區(qū)域，在此基礎(chǔ)上利用陰影區(qū)域的色度、亮度信息與背景的差異，與局部二值紋理模式LBP（Local Binary Pattern）思想相或的方法來消除運(yùn)動(dòng)陰影，接著使用形態(tài)學(xué)的方法去除像素突變的邊緣部分。實(shí)驗(yàn)結(jié)果表明，該方法可以很好地保留前景圖像。
關(guān)鍵詞： YUV顏色空間；陰影去除；局部二值模式；形態(tài)學(xué)算法
目前已有許多陰影去除算法，主要分為基于模型的方法和基于屬性的方法。基于模型的方法需要事先利用場景、運(yùn)動(dòng)目標(biāo)和光照條件等建立陰影模型，根據(jù)陰影模型可以精確計(jì)算出陰影的形狀和位置，很多情況下一些先驗(yàn)知識很難獲得，只在一些特定的場合使用。基于屬性的方法主要利用陰影的顏色、紋理、梯度、邊緣等變化特性去除陰影。實(shí)驗(yàn)表明像素點(diǎn)被陰影覆蓋前和被陰影覆蓋后，該點(diǎn)顏色的亮度會變暗、飽和度有所下降，但色度變化不大[1]，所以基于顏色變化特性的陰影去除主要是通過轉(zhuǎn)化表示像素點(diǎn)顏色的空間，如從RGB轉(zhuǎn)化到HSV、YUV（YCbCr）、歸一化的RGB(rgb)等空間，利用上述特性去除陰影。紋理信息的陰影去除主要基于被陰影覆蓋的背景區(qū)域與覆蓋前相比只是亮度顯著變化，而紋理基本保持不變。但是，基于顏色特性的陰影去除算法容易把亮度低于背景、色度與陰影相近的目標(biāo)區(qū)域去除，所以基于LBP算子的紋理算法在紋理特征變化很小的區(qū)域往往失效，如天空、草地等相鄰像素的灰度值差異較小的情況。鑒于兩種算法的優(yōu)劣，本文提出一種陰影去除算法，該算法的主要流程如下：
(1)運(yùn)動(dòng)目標(biāo)檢測，利用混合高斯背景建模得到背景圖像以及前景的二值圖像。
(2)提取與二值前景圖像相對應(yīng)的當(dāng)前圖像、背景圖像處的R、G、B值，利用第1節(jié)以及第2節(jié)提到的方法同時(shí)計(jì)算當(dāng)前圖像與背景圖像各自的Y、U、V值及LCA值并去除陰影。
(3)圖像歸一化YUV顏色空間陰影去除結(jié)果與三通道同時(shí)應(yīng)用LCA值方法去除陰影所得結(jié)果相或。
(4)對兩種去除陰影方法相或所得前景圖像進(jìn)行形態(tài)學(xué)運(yùn)算得到最終去除陰影的前景圖像。
1 基于YUV顏色空間的陰影去除
1.1 YUV顏色空間
在RGB三通道上處理圖像非常復(fù)雜。為了更好地進(jìn)行運(yùn)動(dòng)目標(biāo)視頻檢測中對陰影的處理，把顏色空間從RGB轉(zhuǎn)換到Y(jié)UV空間。YUV顏色空間便于在灰度圖像和彩色圖像之間進(jìn)行轉(zhuǎn)換，即便于對顏色的色彩信息和亮度信息進(jìn)行分離。
YUV顏色空間中，Y表示亮度，U、V分別是R_Y 、B_Y的分量，又稱色度，描述色彩飽和度的信息。YUV顏色空間的優(yōu)點(diǎn)是它的亮度信息Y和色度信息（U、V）相互獨(dú)立，只需要U、V即可表示色彩信息。從視頻序列得到的圖像信息一般采用RGB顏色模型，轉(zhuǎn)換到Y(jié)UV顏色空間的傳統(tǒng)方法如下：
2 局部紋理陰影去除算法
2.1 局部紋理描述LBP算子
LBP算子[4]具有極強(qiáng)的灰度和旋轉(zhuǎn)不變性，相對較低的計(jì)算復(fù)雜度，是一種高效的局部紋理描述算子。LBP算子紋理描述原理為：選定某一像素為中心點(diǎn)，以半徑R為步長，比較中心點(diǎn)和與其相距R的鄰域點(diǎn)的灰度值，把中心點(diǎn)作為比較的閾值，得到一組代表半徑R內(nèi)灰度變化的二進(jìn)制值作為灰度變化的描述，并計(jì)算其LBP值：
2.3 LCA陰影去除
陰影區(qū)域是一個(gè)半透明區(qū)域，被陰影覆蓋前后背景區(qū)的紋理近似不變[5]。本文使用2.2節(jié)提出的RGB三通道的LCA值表示半徑R內(nèi)中心像素點(diǎn)(xc，yc)處的局部紋理。本文陰影去除中半徑R選擇為1個(gè)像素距離，即p=8，且使用式(5)提取混合高斯背景模型獲得的含有陰影的前景像素點(diǎn)在當(dāng)前圖像與背景圖像中的局部紋理，通過比較它們的絕對差值，閾值化判斷前景像素點(diǎn)是否屬于陰影區(qū)域。因此陰影像素點(diǎn)SDtexture(x，y)可表示為：
5 實(shí)驗(yàn)結(jié)果與分析
本實(shí)驗(yàn)在VC平臺上實(shí)現(xiàn)，選取了室外強(qiáng)光、室外弱光以及室內(nèi)3個(gè)典型環(huán)境進(jìn)行實(shí)驗(yàn)，其中陰影去除結(jié)果如圖1所示。為了定量評價(jià)算法性能，本文采用類似參考文獻(xiàn)[6]中提出的陰影檢測率η和陰影的實(shí)際占有率δ進(jìn)行比較，利用它們之間的絕對差值σ作為客觀評價(jià)的依據(jù)。
從圖1的實(shí)驗(yàn)結(jié)果以及表1～表3可以看出，LCA算子優(yōu)于LBP算子的陰影去除結(jié)果，LCA算子可以保留很好的目標(biāo)輪廓與亮區(qū)信息，UV/Y（歸一化的YUV空間）空間優(yōu)于YUV空間，可以較好地保留目標(biāo)的暗區(qū)，兩者結(jié)合充分發(fā)揮了優(yōu)勢互補(bǔ)的作用，最后通過形態(tài)學(xué)運(yùn)算，可以得到較好的前景運(yùn)動(dòng)目標(biāo)。
本文提出了一種陰影去除算法，結(jié)合歸一化的YUV顏色空間與基于LBP紋理思想的LCA局部紋理描述可以很好地保留前景目標(biāo)，最后通過形態(tài)學(xué)運(yùn)算可以得到滿意的陰影去除結(jié)果。在實(shí)際應(yīng)用中，可以滿足視頻監(jiān)控中運(yùn)動(dòng)目標(biāo)陰影去除的需要。
參考文獻(xiàn)
[1] PRATI A，MIKIC I，MOHAN M，et al.Detecting moving shadows：algorithms and evaluation[J].IEEE transactions on pattern analysis and machine intelligence，2003，25(7)：918-923.
[2] 海因維希·朗格.色度學(xué)與彩色電視(第1版)[M].張永輝，譯.北京：中國電影出版社，1985：1-45.
[3] ZHOU J，HOANG J.Real time robust human detection and tracking system[C].In Computer Vision and Pattern Recognition，IEEE Computer Society Conference，2005：149-149.
[4] OJALA T，PIETIKÄINEN M，MAENPÄÄ T.Multiresolution gray-scale and rotation invariant texture classification with local binary pattern[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2002，24(7)：971-987.
[5] LEONE A，DISTANTE C，BUCCOLIERI F．A texture based approach for shadow detection[C].IEEE Conference on Advanced Video and Signal Based Surveillance，Washington，2005：371-376.
[6] PRATI A，MIKIC I，TRIVEDI M．Detecting moving shadows：algorithms and evaluation[J]．IEEE Transactions on Pattern Analysis and Machine Intelligence，2003，25(7)：918-923．