公路监控视频中运动车辆阴影的自适应消除方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN107220949A(43)申请公布日2017.09.29(21)申请号201710390395.4(22)申请日2017.05.27(71)申请人安徽大学地址230000安徽省合肥市蜀山区肥西路3号(72)发明人孙战里郑超(74)专利代理机构合肥市浩智运专利代理事务所(普通合伙)34124代理人丁瑞瑞(51)Int.Cl.G06T5/00(2006.01)G06T5/30(2006.01)G06T7/13(2017.01)G06T7/155(2017.01)G06T7/187(2017.01)权利要求书3页说明书6页附图2页(54)发明名称公路监控视频中运动车辆阴影的自适应消除方法(57)摘要一种公路监控视频中运动车辆阴影的自适应消除方法，该方法采集若干帧图像进行高斯背景建模，获得背景模型；将当前所需要处理的视频图像作为输入，用高斯混合模型检测运动目标，并确定运动目标区域；求出运动目标彩色图的梯度图，并与二值图进行融合填充，得到目标区域，并实现图片补偿；分别对补偿后图片的彩色运动物体和对应背景图求取二次梯度图并做差值；对差值图进行轮廓提取和图像分割获得完整的阴影区域；通过颜色空间及投影特征做进一步阴影检测，并消除阴影区域；用当前输入图片对背景模型进行更新后，返回视频图像输入步骤。本发明的优点在于：显著降低了噪声、光照变化等不利因素的干扰，能够实现运动车辆阴影快速而有效的自适应消除。CN107220949ACN107220949A权利要求书1/3页1.一种公路监控视频中运动车辆阴影的自适应消除方法，其特征在于：包括如下步骤：步骤1：采集前n帧图像，通过高斯混合模型实现背景建模，提取背景图片；步骤2：将当前所需要处理的视频图像作为输入，用高斯混合模型检测运动目标，并确定运动目标区域；步骤3：获取运动目标彩色图的梯度图，并与二值图进行融合填充空洞，得到完整的目标区域，实现图像补偿；步骤4：分别对补偿后图片的彩色运动物体和对应背景图求取二次梯度图并做差值，去除阴影；步骤5：对差值图进行轮廓提取，图像分割并得出较为完整的阴影区域；步骤6：通过颜色空间及投影特征进一步检测阴影，并再次去除阴影区域；步骤7：用当前输入图片对背景模型进行更新，返回步骤2。2.根据权利要求1所述的公路监控视频中运动车辆阴影的自适应消除方法，其特征在于：所述步骤1具体为：采集当前n帧图像，建立背景模型，得到背景图片；对于多峰高斯分布模型，图像的每一个像素点按不同权值的多个高斯分布的叠加来建模，每种高斯分布对应一个可能产生像素点所呈现颜色的状态，各个高斯分布的权值和分布参数随时间更新，当处理彩色图像时，假定图像像素点R、G、B三色通道相互独立并具有相同的方差，对于随机变量X的观测数据集{x1x2x3……xn},单个采样点xt＝(rt,gt,bt)服从的混合高斯分布概率密度函数为：式中wi,t为t时刻第i个高斯分布的权重，k为分布模式总数，μi,t为均值，τi,t为方差矩阵，η(xt,μi.t,τi,t)为t时刻第i个高斯分布，η通过下式计算：式中，δi,t为方差，I为三维单位矩阵，wi,t为t时刻第i个高斯分布的权重。3.根据权利要求2所述的公路监控视频中运动车辆阴影的自适应消除方法，其特征在于：所述步骤2具体包括：第一步：每个新像素值xt同当前k个模型进行比较，搜索均值偏差在2.5σ内的模型，即|xt-μi,t-1|≤2.5σi,t-1，作为和新像素匹配的分布模型；第二步：如果所匹配的模式符合背景要求，则该像素为背景，否则为前景；第三步：高斯权重wk,t按照下列公式进行更新，并对更新后的权重进行归一化，公式如下：wk,t＝(1-α)×wk,t-1+α×mk,t第四步：高斯分布的均值μt和方差σt分别按照下列公式进行更新：ρ＝α×η(xt,μi,t,τi,t)μt＝(1-ρ)×μt-1+ρ×xt2CN107220949A权利要求书2/3页对于单通道的灰度视频图像，协方差τi,t＝σt，α是自定义学习率，且α取[0,1]之间，α决定背景更新速率。第五步：如果第一步没有任何模式匹配，则权重最小的模式被替换，即该模式的均值为当前像素值，标准差为初始较大值，权重为较小值；第六步：各模式根据w/α2按降序排列，权重大，标准差小的模式排列靠前；第七步：选取B个高斯分布作为背景，B满足下列公式4.根据权利要求3所述的公路监控视频中运动车辆阴影的自适应消除方法，其特征在于：所述步骤3具体为：由于高斯模型对光照的鲁棒性比较差，直接求取梯度图做差会无法准确的检测阴影区域，所以先对运动物体的彩色图求梯度图，然后将得出的梯度图与运动物体二值图融合并使用opencv的漫水填充对空洞进行填充，再进行形态学后续处理，