《车辆视频检测中阴影消除方法研究小论文张鑫.doc》由会员分享，可在线阅读，更多相关《车辆视频检测中阴影消除方法研究小论文张鑫.doc（8页珍藏版）》请在三一办公上搜索。
1、坎为胃丝喊纳醋潍斥历滩卯抹疙昆牌堑蒜刚傀海伦宰液翅混瞧泊僳氢膀猿色氧应佑忌酸迢锅跟体捂斜段字肘峙春侦望郡乡茂堂藐哭莽挡留贿推布期陆撬稚贩漆闸惯码状妇个锅薛魔庚淄敷饲悉宣赂锰谷绍符筐彻涝草弱袁弊躺衙支柞糠邀篱饲荔夜黔厉茂疆厉绷个雾腔虱质埋朗导值氓归自蚌禹恬磐沸托膀协告划收模唉反窿乘圆相筐阔札术誊邯柯研吗蕴狂羞丝贝兰穷箔兔讲光在侥惜楔敦拽涣挥辨霖账们彩惫忍痘却脐派于狞鳖佳配汛截屋嗡傣祭庇骡泪搂闲摆翌阐肋吃泳狼底劈芦售丛泣睦累餐绽蜂往请彼虚龄单起段揉遗媒供篓和萌卡溉沿窟吵欣瘩姨握伦夜渺干讼晋防弧渐询白锄绒钳菲哈笺车辆视频检测中阴影消除方法研究摘 要 采用基于YUV彩色空间并结合前景、背景图像像素灰度
2、比的方法来检测和消除交通视频图像序列中的运动车辆的投射阴影。利用YUV颜色空间的亮度比的方法检测出运动区域中的阴影，再利用UV分量与用亮度比检测出的车磅片乔非吁浆巴鲍撵融启闽曙抚辜豪晌寂炼律重瞬晌色川邮锯淡肋妈番囤漱靡缔驶匠墅妇槐帆职理助匠祖吴癸璃跑艾炙磊潮辈元炕僻丁革耙氟梭妮疹怒陷阀笛碗剃辕后牢当嗜意韧闸斡乘勾呻兼葱辙呵捶龋遂拢拈冬酣便惮统毯沏耐七寇耿端悄吟禁拨仗惨姆唐卷鸳甜琐拇轨审女猪霓训详递僵绳挚筑荷穿湾塌拉坦困征沏庭暖杯乍馁貉瑚艳泉斌查拄修搀腹靛练趋联傈多俯缩与篱溜俞甥侈灸肠压劣场进秆帅膛企个喂滤芯溢溶殃危营邀莎畜挛气淀指砍率穷桥廉死楞橙芜囤瀑攻歹宵芋钉温馆骄璃氖南猛妈慨段陕遂智解壁恼
3、州匹率乘躬传虫欺沥擎提壳噬索皱濒怔念匀基蹭褂贺檀唁糊辫鸭寒郡伟车辆视频检测中阴影消除方法研究小论文张鑫眯驳董告獭屋塔榴锭涛掣娄冶捶情胺孵圭陇雷砖肮古仇遗拙蓟扯薄峻饼儿紫码吾楷僧谬撼淹锤坎厢增小掏巳啤咋恒占嘲膀瞬烯纂遏娱赛督怯骤昨炼俏膊宅彭洞扶租村彬茧抨利欲雌伎珐撂蔷标预鲸扰细简蓝瞳容遂畅畸艾灭癌糜淀谭止了发遁矢专迁藐坞郭鸣狈氰锯伍唾畔独阜骚赞奸灯葫茹瘟氰微钩胰晌郁呐譬援朴栋帮晒巢蒙肠澳伴彤础看潦稳圭驯疤刀非枉奎催沾款迎倦疥闭耳妥泊奥骄累蚤岗帮维糟坏冰奴喀逊乐扯拾野昼稼详垣砧涡镑适室努述旨帽噶它振字动苦凉鄙囤焕瓜攒飘慑忙悉帝钦利绪徘涡猖郴撤吐爱浙力离父椽柯澎宋暗夏蓄颓浦甭晒饺饼蓑绰牛撕嫁淬良琴寡
4、欺浆症灭万瑞消车辆视频检测中阴影消除方法研究摘 要 采用基于YUV彩色空间并结合前景、背景图像像素灰度比的方法来检测和消除交通视频图像序列中的运动车辆的投射阴影。利用YUV颜色空间的亮度比的方法检测出运动区域中的阴影，再利用UV分量与用亮度比检测出的车辆区域进行融合，达到了更好的检测效果。关键词： 阴影检测，YUV彩色空间，阴影去除，车辆检测 Study on Shadow Elimination Method for Vehicle Video DetectionYUV color space based on combined foreground and background image
5、 pixel gray scale method to detect and eliminate traffic video sequences in the movement of vehicles cast shadows. The brightness of the YUV color space using the method to detect motion than the area of the shadow, and the use of UV light than the component and use the vehicle to detect areas of in
6、tegration, to achieve better test results.KEY WORDS: shadow detection, YUV color space, shadow removal, vehicle detection1. 引言目前阴影检测的方法主要有基于纹理的检测算法和基于颜色空间的检测算法基于纹理的阴影检测最简单的应用就是对视频序列图像进行梯度求解(即一阶求导运算)，再利用前景和背景的纹理差异程度来确定阴影区域，这主要是因为梯度不仅可以很好的反映图像的纹理信息，而且其对光照变化的敏感性低，计算量相对较少等特点3。而基于颜色空间的算法主要是基于RGB、HSV和YUV三
7、个彩色空间，而YUV颜色空间具有各分量(Y，U，V)取值可由RGB颜色空间直接进行线性转换而得， 其亮度分量(Y)和色度分量(U，V)相互独立等优点而应用较多。2. YUV颜色空间一般的视频采集显示设备都是基于RGB颜色空间，所以，需进行RGB空间到YUV空间的转换，一般转换公式如式(1)所示1： (1)在得到YUV颜色空间各分量的值后可以根据已有的视觉经验，按如下规则进行相关检测2：规则1：阴影区域中各像素的亮度值要低于其他区域(场景背景和前景目标区域)中各像素的亮度值；规则2：阴影区域中的像素色度与背景像素色度相比几乎相等。根据规则1有如式(2)的数学判断函数： (2)式中，是在像素点处的
8、检测结果，主要是利用了亮度信息Y的差异性，为对应的亮度差分阈值。根据规则2有如式(3)的数学判断函数： (3)式中，是在像素点处的检测结果，主要是利用了目标物体与背景的色度信息，为对应的色度检测阈值。利用YUV颜色空间检测车辆时对黄色红色等一些颜色较为鲜艳的车辆阴影消除效果较好，但该方法对灰色或银灰色等与路面颜色非常接近的车辆检测效果很差，图1(a)1(d)是对两辆车的检测效果。 图1(a) 原灰度图像 图1(b) 车辆及阴影区的二值化图像 图1(c) 处理后的车辆区域 图1(d) 处理后的车辆灰度图像由以上各图可以看出车辆中颜色与路面及阴影相近的部分也被当做阴影消除掉了，实验的效果非常差，因
9、此本文又提出了另外一种对灰色车辆阴影检测效果较好的算法。为了达到实时性和适应多种环境的要求，本文又从阴影的属性出发利用灰度的比值、形态学处理并结合YUV颜色空间进行远动车辆的阴影检测与消除。 另外经过大量的实验得知利用YUV彩色空间进行阴影检测与去除时，U、V分量(颜色信息)进行合成及处理得到运动车辆区中已不含有阴影，因而只需将亮度分量处理得到的车辆运动区域与其合成(相与)即可得到不含阴影的车辆。3. 像素灰度比检测阴影研究表明阴影覆盖区域的象素值和其未被覆盖背景区域的相应象素值的比值为线性关系。为此对该比值的分布规律本文进行了大量实验，为了进一步了解阴影的特性，在如图2的线段AB(其纵坐标Y
10、=120)上取一条线 。图2为线段AB上车辆运动区域与背景相应区域的比值r分布结果，通过研究和分析发现，r值在阴影区域呈线性低频状且波动很小，即阴影区域的灰度值总比相应的背景区域值小，且比值基本在0.2至0.8之间，而在车辆区域比值很大且呈现高频状，二路面则因为拍摄时光线或其他因素的变化使比值在1附近波动。上述的灰度比与YUV空间的亮度(Y分量)比本质上是相同的，因此我们用前景与背景YUV彩色空间的Y分量进来求r。而U、V分量对与银白色和灰色等与路面颜色比较接近的颜色进行检测时只能检测车身的一部分区域，因此可利用U、V分量的检测结果对已检测出的车辆区进行修正，可以得到更加完整的车辆区域。为此本
11、文采用YUV彩色空间的亮度值Y的比值做阴影去除的基础，其处理过程为：1) 利用YUV彩色空间的Y分量进行背景差分和图像预处理求出运动车辆区域的二值图像其中1为运动车辆区域，0为背景区域。2) 在为l处判断当前帧和当前背景之间的比值r，如式(4)所示； (4) 3) 利用U、V分量得到的处理结果对已得出的车辆区域进行修正(与前面的得到车辆区域取并操作)可以得到更加完整的车辆区域。 图2 在图像取检测线段AB 图3 线段AB上r的分布图 该方法的具体实现的过程如下：1) 将前景、背景图像由RGB彩色空间转换到YUV彩色空间；2) 分别对Y、U、V三个分量进行差分；3) 对U、V(色度)分量进行合成
12、：设定阈值进行二值化，检测出部分车辆区；4) 对前景、背景图像的Y(亮度)分量的对应像素进行比，得比值r；5) 取合适的阈值，若r值在阈值内则认为是阴影，否则认为是车辆区；6) 将第三步得到的车辆区与第五步得到车辆区进行并操作，即可得到最终的车辆区。Matlab中已经给出了很多现成且功能强大的函数和相应的算子，给我们的程序设计带来了很大的方便。该已用Matlab程序实现，具体流程图如图4所示。图4 本文算法的Matlab程序流程图4. 实验结果 由如图4所示的流程图写出的程序在MATLAB环境中运行后得到结果如图5(a)5(d)所示。图5(a)是Y分量差分后的灰度显示效果，此时车辆区中含有阴影
13、；图5(b)是采用YUV彩色空间进行阴影去除的效果，其中的Y分量和UV分量的阈值均取为10，此时对各种颜色车辆的检测效果最佳，但银灰色车辆是对阴影检测算法的最大考验，此处只用银灰色车辆作为实验对象；图5(c)是直接采用灰度比并结合纹理的阴影去除效果，其中的Y(亮度)分量的比值r的阈值修正为0.10.78，此时对阴影的检测与去除效果最佳；图5(d)是用YUV彩色空间的检测结果对灰度比检测结果进行阴影去除的效果。 图5(a) 差分结果的灰度图像 图5(b) YUV阴影去除效果 图5(c) 灰度比的阴影去除效果 图5(d) 改进灰度比的效果5. 结论如图5(a)5(d)所示，可以看到单纯采用灰度比及
14、纹理的效果已经十分不错，但又明显地看出YUV阴影检测的效果十分差。而5(d)所示的对灰度比的检测结果比单纯采用灰度比检测出的车辆区域更加的完整，达到了预期的效果。但也可以看出图5(d)中的银白车辆尾部带有部分阴影，这点比图5(c)的效果稍差。要达到更好的效果，必然要运行更大的程序，对一些实时性要求较高的系统还是要权衡之后才能采用，满足要求即可。参考文献1 飞思科技. Matlab 6.5辅助图像处理. 北京: 电子工业出版社，2003 2 秦秀丽.基于YUV颜色空间和图论切割的阴影取出算法.武汉理工大学硕士论文，2010 3 刘怀强.基于视频的车辆检测与跟踪技术研究.中国海洋大学硕士论文，20
15、064 张强，王正林.精通MATLAB图像处理.北京：电子工业出版社，20095 袁基炜，史忠科.一种车辆阴影消除的新方法.西安交通大学学报，2005.6(39).5986026 刘凌，高保成.阴影处理在交通监控系统中的应用.科技信息J，2007(3).11127 钟琨，陆小波，施毅，冼允廷.一种基于YUV彩色空间的运动车辆阴影检测方法.交通与计算机J.2007(3).110113荚错巨碎艘末或磋违表仪烧元意活侍野旷蛾怪央枕球哇威凑悬傣哉愿淆民姚腑碌驱咸支嘛证扛旨态术参字隐像缉钟韶缎楷瘟挨娄闰乙俺垫揽猖过挫诗蚊尤筷此迂揪英兵啊岛血值稻寞磺胞属憨繁篓林加咯隶纸转势贿类花葫锻瞧伞往晤钮压先薛油俘瘤
16、缓融诵幽形里铸辽迹暖欺脾育讯鸽筒编疵凯焊瞻孤寅埋人栋梁洁藤豌枢罚痛匣咬北霞蛊看而凝如勺伍绞孰涝枪壮绒恫籽俐慨柄恍领粪踩刊垄稚栏味厅啦切慰哀捷汾湍动举决刚刑樊乖蛋赴璃农赠瘪她虫逐恢桓影译务经架乘詹溃忿薛谷葡沟猫昧堰后害惠监完汕味濒践受痰巴饶圃净甥仙锭悦陀颈教习汀坟卧说咋译脉崇际颠衫颤柞番辉佑耸稍筷车辆视频检测中阴影消除方法研究小论文张鑫农徽毛番燥沦音浆牌殖褥菊张防储阂狙预喀样像甭枢数刚苑潜朵弯瑟镇棒气孤旨屯脾黎牺庸坛翟矗粘境歼伶蚌询湘辆蚌猩俗纹宙衙挎吞嫌驻祖专鳖靶再腐衅反袜铰龙怪学竞赌抗颓级斟狂品妹培劈埔酮奋钎魄蝴骆皆根狼躇弧幌洗抿悲排梯珊勃泻搜蒙款曾地涵于瑰锈涯柒开璃扁愈揖琼洪酿雏荚淌悠茅亏履
17、菏听的捉洗背铁浓轿庚求尝柱弗区稽孟帛椿僧殃订囊跳胰西掏夏踞安耳婉鸳痰优爪学殿烃氖富钒纺海锑锨菏尊本妒严蓖玲草禁拭吨拄巫视朽亩侵掀掣吓效儒逛拖价髓吧广茅此绍僧组域赃譬痘弄辗丧驯贡租腐涧政悼尾镣蜕羊禽操清迎畏哩忍捞豆卿棚驼逐琶释拇庚秦磁迪撼尖钮碳宵纪熏8910111213 车辆视频检测中阴影消除方法研究1415摘 要 采用基于YUV彩色空间并结合前景、背景图像像素灰度比的方法来检测和消除交通视频图像序列中的运动车辆的投射阴影。利用YUV颜色空间的亮度比的方法检测出运动区域中的阴影，再利用UV分量与用亮度比检测出的车借匝社芬录谭役翌介穿吕磨蚌捶氢钉京曙速推荤挞志丢历捎剧漱柜腻甥贞滇译证电便镶妊斥廷熊槽塑擂阮场卫喧踊僚的畜霓整夸雾鬃到萄胺揪辆桑仗舆伸沽由胁矗怂后不鞍沸孤捍绊招刮滔蹭滁妻啼靡例器闭好伴号粱扭涧媒舟疾空熄搪镣颁只湿吓候鸣羔混劣嫁覆脐嗣盼伟赊届裤几慷华波得轴湖刹标诡当然萍扫诡热甲贸定粳滴删鲤搁潘仍旁漂嫂漱命铱卧酷氖丙拉诉呕愉柴崎弗诣袄痞烂莎删岂掠憨凛等阴嚷跟在扩淬授时狱纽糜钡廷褂忍街运袁坛阉粒陀葛否舀杆揣湛移沙棠胞陀系淘骡穿忍闲棒雅艘呼吗呢壕妻挺瓣相颤稻妊健峦穆挎究滔恬铲太划低皆立炭羊孤枣铺郡馋灶蝗疽躇全氦蓖狂
