基于YUV顏色空間和圖論切割的陰影去除算法.pdf

1、隨著科學(xué)技術(shù)的發(fā)展和用戶需求的多樣化，智能視頻監(jiān)控系統(tǒng)也愈發(fā)體現(xiàn)出了其在安防領(lǐng)域中的重要作用。實(shí)現(xiàn)智能視頻監(jiān)控的第一步就是從指定的監(jiān)控場(chǎng)景中檢測(cè)并提取出運(yùn)動(dòng)物體(比如運(yùn)動(dòng)的人和車(chē)輛等)。而這些運(yùn)動(dòng)區(qū)域的準(zhǔn)確提取是后續(xù)的目標(biāo)跟蹤、識(shí)別、分類(lèi)等算法順利進(jìn)行的關(guān)鍵前提。然而，在實(shí)際的智能視頻監(jiān)控系統(tǒng)中，由于各種光線的存在，場(chǎng)景中的運(yùn)動(dòng)物體往往會(huì)攜帶有或大或小的陰影，并且陰影與產(chǎn)生陰影的運(yùn)動(dòng)物體具有相同的運(yùn)動(dòng)特征，這就使得陰影常與目標(biāo)對(duì)象一并被

2、檢測(cè)出來(lái)，影響了后續(xù)的圖像處理和理解。由此，陰影檢測(cè)去除成為了智能視頻監(jiān)控領(lǐng)域中一個(gè)技術(shù)上的熱點(diǎn)和難點(diǎn)。
　　 本文首先回顧和介紹了視頻監(jiān)控技術(shù)的發(fā)展歷史和研究現(xiàn)狀，并對(duì)智能視頻監(jiān)控技術(shù)中目前已有的常用的運(yùn)動(dòng)目標(biāo)檢測(cè)提取方法進(jìn)行了分析比對(duì)，重點(diǎn)分析了幀差法、光流法以及背景減除法的基本原理、各自的優(yōu)缺點(diǎn)及適用場(chǎng)合。從而確定了采用基于混合高斯模型(GMM)的背景減除法來(lái)獲取運(yùn)動(dòng)前景區(qū)域。實(shí)驗(yàn)證明GMM能夠?qū)?chǎng)景中光線的變化、樹(shù)葉或是

3、旗幟的反復(fù)運(yùn)動(dòng)具有較好的魯棒性。但GMM屬于運(yùn)動(dòng)分割，提取的前景運(yùn)動(dòng)區(qū)域中常包含有大片的陰影區(qū)域，所以需要在此基礎(chǔ)上進(jìn)行陰影的檢測(cè)與去除。
　　 針對(duì)運(yùn)動(dòng)物體所攜帶的陰影影響了目標(biāo)提取的準(zhǔn)確性問(wèn)題，本文分析總結(jié)了幾種現(xiàn)有的陰影檢測(cè)去除算法之后，提出了一種基于YUV顏色空間與圖論算法相結(jié)合去陰影的新方法。該方法的具體實(shí)現(xiàn)步驟主要是兩步：首先在由GMM獲取的前景運(yùn)動(dòng)區(qū)域中綜合考慮YUV顏色空間的亮度(Y)和色度信息(U，V)來(lái)檢測(cè)陰

4、影區(qū)域并結(jié)合形態(tài)學(xué)濾波等操作得到確定的陰影和目標(biāo)種子點(diǎn)集；然后將所獲取的種子點(diǎn)集映射成網(wǎng)絡(luò)圖，利用圖切割算法進(jìn)一步獲得運(yùn)動(dòng)目標(biāo)和陰影的優(yōu)化分割，從而得到相對(duì)精確，干凈，平滑的目標(biāo)信息。該方法在一定程度上弱化了YUV空間陰影檢測(cè)閾值不便設(shè)定的問(wèn)題，既降低了陰影檢測(cè)過(guò)程中的難度，又提高了檢測(cè)精度。
　　 最后，本文在VC++6.0環(huán)境下，借助OpenCV開(kāi)源計(jì)算機(jī)視覺(jué)庫(kù)編程完成了本文提出的算法。通過(guò)室內(nèi)室外環(huán)境的多次實(shí)驗(yàn)證明，本文算