[發明專利]基于時空關系建模的移動陰影檢測方法

有效

• 申請號: 201810497909.0
• 申請日: 2018-05-23
• 公開（公告）號: CN109544605B
• 公開（公告）日: 2022-01-21
• 發明（設計）人: 方賢勇;孫磊;孫恒飛;傅張軍;孫皆安;王華彬;周健;汪粼波;劉天坤;王志斌;王民化
• 申請（專利權）人: 安徽大學
• 主分類號: G06T7/277
• 分類號: G06T7/277
• 代理公司: 合肥市科融知識產權代理事務所(普通合伙) 34126
• 代理人: 陳思聰

1.基于時空關系建模的移動陰影檢測方法，其特征在于：按如下步驟進行：

步驟1：初始化背景；

步驟2：讀取當前幀；

步驟3：采用HSV法和LBP法的兩步預處理；該步驟的具體方法為：使用mean-shift將當前處理圖像進行區域分割，獲得多個視頻區域，然后分兩步分別對顏色和紋理進行陰影區域與否的判斷，從而得到初始陰影種子：

通過HSV顏色空間分離出當前處理圖像的色度和強度，即獲取當前處理圖像的明暗信息；

通過LBP法獲得當前處理圖像的紋理信息；

設當前處理圖像包含個i區域，i的取值由mean-shift算法確定，每個區域均由明暗信息和紋理信息描述，則區域i的HSV和LBP聯合的陰影特征Q_i＝(H_i,S_i,V_i,L_i)，

其中：H_i、S_i、V_i表示區域i的三通道均值，L_i表示區域LBP特征向量；

若用C代表當前處理圖像，用B代表背景，則：C中陰影區域可表示為和其對應的背景區域可表示為滿足如下條件的即可選作侯選的陰影區域：

V_i^C表示的V均值，V_i^B則表示的V均值；τ_va、τ_vb、τ_s和τ_h是經驗優化的閾值；表示的S均值，表示的S均值；表示的H均值，表示的H均值；

隨后，對每一個區域作LBP直方圖，得出特征向量；然后計算當前幀的區域LBP特征向量與對應的背景區域LBP特征向量的歐式距離，通過閾值τ_l判斷，確定陰影區域：

步驟4：進行基于無強度陰影特征的似然概率計算；不考慮陰影特征的強度部分，這樣就得到無強度的陰影特征，即對于第i個區域R_i，其無強度特征Q′_i＝{H_i,S_i,L_i}；R_i是指每個區域；

步驟5：進行幀內基于陰影特征 分項比較的先驗概率計算；該步驟具體為：以區域R_j的標簽A_j作為參考,R_j同于R_i的定義；則相對于R_j的標簽是：

其中：‖·‖表示2-范式；θ(.)和η(.)是單改進的赫維賽德階躍函數階梯函數：

θ(.)表示為如果區域i和j的特征距離小于或等于ε_l，則返回值為1；若θ(.)大于ε_l，則為0；

η(.)表示為果區域R_i和R_j的亮度值的差小于或等于ε_v，則返回值為1；若η(.)大于ε_v，則為-1；

通過對當前區域R_i周圍的多個相鄰區域進行比較，得到相鄰區域的判斷標簽；這些判斷標簽被賦值為-1、0或1；其中，1為陰影；-1為非陰影；0為不能確定；針對這些判斷標簽，統計陰影和非陰影標簽的個數，可計算出作為陰影或非陰影的先驗概率：

其中，函數為kronecker delta函數，表示如下：

先驗概率ψ_i(A_i)即為幀內基于陰影特征分項比較的先驗概率值；

步驟6：進行幀間基于區域面積加權的先驗概率計算；該步驟具體為：假設：表示第t幀的特征值Q_i，得到與其對應范圍內最接近的k個陰影區域距離之和

其中：d∈{1,-1}表示含有陰景和非陰影兩個標簽類集 合；w(i,j)表示為和的陰影特征距離加權系數；

以u_i表示的面積，以u_j表示的面積，則w(i,j)可按如下公式計算：

得到如下的陰影和非陰景先驗概率

ξ_i(A_i)即為幀間基于區域面積加權統計的先驗概率值；

步驟7：利用MRF模型計算陰影分割結果；該步驟具體為：

設全圖像的區域集合為M，總個數為N，當前標簽集合為其中(A′_i∈{-1,1},i＝1,2,…,N)；

目標是在已知觀測數據A′的條件下，去求解最優的狀態場也就是最大化有：

如果單一區域似然統計量用 表示，則可以推導出

假設幀內區域和幀間區域匹配得到的陰影與非陰影概率分別用ψ_i(A_i)和ξ_i(A_i)表示，那么可用兩者加權之和βψ_i(A_i)+γξ_i(A_i)表示相鄰區域關系并作為勢函數，有：

這樣可以得到視頻幀的標簽為：

表示整個幀各個區域陰影與否的標簽集合，是待求的；

公式(15)可以簡化為：

其中，α和δ是參數，表示似然能量和與先驗能量的權重系數；花寫的表示由A₁,A₂,…,A_N構成的集合；

步驟8：判斷是否獲得最佳分割；

如是，進入步驟9；

如不是，返回步驟4；

步驟9：輸出當前幀的陰影檢測結果；如處理完全部幀的處理，則退出操作；反之，讀取下一幀并返回步驟3。