基于混合高斯模型的运动阴影抑制算法

．第26卷第5期 2006年5月 计算机应用 ComputerApplications V01．26No．5 May2006 文章编号：1001—9081(2006)05—1021一03 基于混合高斯模型的运动阴影抑制算法 王典，程咏梅，杨涛，潘泉，赵春晖 (西北工业大学自动化学院，陕西西安710072) (wangdian—nwpu@yahoo．com．cn) 摘要：复杂场景的背景建模、运动目标检测、运动目标所投射阴影的检测与抑制在智能监控、机 器人视觉、视频会议等领域有着广泛的应用。在运动前景检测阶段，给出了一种改进的混合高斯算法 进行场景的背景建模，根据各点像素值出现的混乱程度采取不同的高斯函数参数更新机制，缓解了混 合高斯算法计算量大的问题。在运动目标的阴影检测与抑制中，提出了一种基于混合高斯的阴影抑 制算法，该算法先利用阴影在HSV颜色空间的特点，判断被检测为运动前景的像素是否为疑似阴影， 然后用混合高斯阴影模型对所有疑似阴影值进行聚类，进一步完成阴影抑制。仿真结果 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 明：该算法 可更有效地抑制阴影对运动目标检测的影响，并具有较强的实时性。 关键词：背景建模；混合高斯；阴影抑制；HSV颜色空间 中图分类号：吼42．6+2；TP391．4l文献标识码：A Movingcastshadowsuppressi0_nfromaGaussianmixtureshadowmodel WANGDian，CHENGYong-mei，YANGTao，PANQuan，ZHAOChun—hui (c0如弘旷AⅡ￡o啪痂，l，膈砒埘∞把mP0咖c^n池Z踟妇邮溉瓜，0n鼽∞船f710072，傩f眦) Abstract：Thebackgroundmodeling0fcomplexenvimnment，movingobjectdetection，明d movingc鹊tsh8dow suppre88ioncouldbeappliedtoalotoffield88uch鹊intemgentsunreiua∞e，robot、，isionandvideoco如renceect．Inmoving foregmunddetection，animprovedmixtureG8ussi肌-b∞edb∞kg∞undmodelingmethodw鹊pre8ented，whichupdatedthe p盯啪ete璐0fGaussiansaccordingtothefhquency0fpixelvaluech锄ges，to托ducethecost0fcomputation．Inshadow Buppression，amixtureGaussian-b鲴edclusteringalgorithmwasprovidedtodetect8ndBupp陀s8shadow．Tllismethodfi瑁dy iden删jeswhetherapixelv8lueispmbableshadowby8hadowmodelinHSVcolor8pace，tllepixelvalue8detected船pmbable shadowarethenputintomixtureGau8sianshadowmodeltole啪锄dcluster．Theexperimemalresultsindicatesthatthe prop∞edapproachinthispapercanproces8inreal—timeandremove8hadowmoree如ctively． Keywords：backgmundmodeling；Gaussianmi)【ture；shadowsuppre88ion；HSVcolorspace O 引言 运动目标检测的目的是从序列图像中将变化区域从背景 图像中分割提取出来，由于图像的后期处理过程如目标分类、 跟踪和行为理解仅仅考虑图像中对应于运动目标区域的像 素，故对运动目标进行有效分割是重要的基础性工作。然而 在检测运动目标时，运动目标投射的运动阴影也会被检测为 运动前景的一部分，造成运动目标的合并、几何变形，甚至使 目标丢失。如何获得更好的运动目标前景分割效果，更好地 在检测出的运动前景中把运动目标和它投射的运动阴影分离 开来，这是国内外学者研究的热点问题，也是本文的主要讨论 对象。运动阴影检测与抑制方法可分为二类：基于模型的方 法与基于属性的方法。基于模型的方法是利用场景、运动目 标、光照条件的先验信息，建立阴影模型⋯，此方法通常在特 定场景条件下使用。基于属性的方法是利用阴影的几何特 点、亮度、色彩等信息来标识阴影区域，此方法对不同场景及 光照条件有较强的鲁棒性。文献[2]首先根据阴影使背景的 亮度变暗的特点，对阴影进行初测，然后根据定义的阴影色彩 不变量来验证初测的有效性。文献[3]在HSV颜色空间中， 根据阴影使背景变暗、背景在被阴影覆盖前后的亮度比值成 近似线性、阴影不会使背景像素的色度有很大改变及减小背 景像素的饱和度等特点，进行阴影抑制。文献[5]对多种阴 影检测抑制算法进行了比较全面的分类比较。 文献[4]采用混合高斯聚类思想进行阴影抑制，其算法 主要通过判断新来像素值是否满足一定的阴影模型，调节混 合高斯背景模型中高斯分布的参数学习率，试图使阴影收敛 于混合高斯背景模型的某一个高斯分布中，再把此分布描述 的状态值转移到混合高斯阴影模型进行阴影聚类。文献[4] 中的算法正如其作者所言，存在参数多且不易调节、各像素点 混合高斯阴影模型学习不充分等问题，特别是算法中参数学 习率对算法效果影响大，且完全靠经验调节，本文提出的阴影 抑制算法则能有效地克服这些问题。 l 混合高斯模型与疑似阴影模型 1．1混合高斯背景模型 本文对复杂场景进行背景建模、对阴影进行聚类都用到 具有自适应的混合高斯模型㈣。混合高斯模型的基本思想 是：对每一个像索，定义K个状态，每个状态用一个高斯函数 收稿日期：2005—1l一29：修订日期：2006—0l一08 基金项目：国家自然科学基金资助项目(60372085)；陕西省科学技术研究发展计划资助项目(2003K06-G15) 作者简介：王典(1978一)，男，湖北石首人，硕士研究生，主要研究方向：图像处理、智能监控；程咏梅(1960一)，女。陕西西安人，教授，博 士生导师，主要研究方向：人工智能、信息融合、图像识别、主／被动式目标跟踪；杨涛(1979一)．陕西成阳人，博士研究生，主要研究方向：信息 融合、智能监控；潘泉(1961一)．男，上海人，教授，博士生导师，主要研究方向：估计与控制、信息融合、图像处理；赵春晖(1973一)，男，陕西 西安人，讲师．主要研究方向：人工智能、信息融合、图像处理． 万方数据 1022 计算机应用 2006卑 表示，这些状态一部分表示背景的像素值，其余部分则表示前 景的像素值。若每个像素点颜色取值用变量置表示，其概率 密度函数可用如下K个三维高斯函数描述： K ，(五=省)=∑∞。+叩(茹，p小，∑u) (1) 田(菇，仉。，∑¨)是t时刻的第i个高斯分布，其均值为纵。， 协方差矩阵为∑j．1，魄．。为第i个高斯分布在t时刻的权重，其 中： 叼(五，肌。，∑ftI)= ———上——铆一÷(‘弛．I)您¨。1(_1．1)， (2仃)TI∑“l f=l，2，⋯，||}(2) n表示置的维数。为了减少计算量，一般假定每个像素点的 R、G、B三颜色通道相互独立，并具有相同的方差，则协方差 矩阵为∑jt‘=墨。，，这就相当于为每个颜色通道各建立了一 个一维混合高斯模型。对每个输入像素值t，如果 ，l—p¨．II≤D}盯j．I—I (3) 其中地p。为均值，D为参数，crj，。为标准差。 则t和该高斯函数匹配，其参数按如下公式更新"】： r山‘．·=(1—0c)∞‘．1-I+0【 {纵。=(1一p)纵I-I+p，I (4) o盯i。=(1一p)蠢。一I+lp(，I—p小)2 其中a是用户定义的学习率，且O≤a≤1，p是参数学习率， 且p2杀。 如果没有高斯分布和‘匹配，则权值最小的高斯分布将 被新的高斯分布所更新，新分布的均值为‘，初始化一个较大 的标准差0r0和较小的权值‰。余下的高斯分布保持相同的均 值和方差，但它们的权值会衰减，即： 帆．。=(1一a)鱿．I．I (5) 最后，把所有的权值归一化，并把各个高斯分布按 蛾／毋．。从大到小排列。q．I／吼．，大者表示有较小的方差与较 大的出现概率，这正体现了场景背景像素值的特性，因为像素 点显示背景状态的概率通常要比显示任一前景状态的概率大 得多。如果f。，E：，⋯，k是各高斯分布按咄．1／毋．。由大到小的排 列次序，若前肘个分布满足下式，则这肘个分布被认为是背 景分布，即： (6) 其中r是权重阈值。‘和每个背景分布均值之差的绝对值都大 于该分布标准差的D倍，则‘被认为是运动前景，否则，I被判 为背景像素。 1．2疑似阴影模型 检测疑似阴影就是根据一定的阴影模型，判断当前像素 值是否可能为投射阴影像素值，现已有多种可供选择的阴影 模型p，1。本文采用文献[5]中基于HsV颜色空间的阴影模 型，HsV颜色空间中H表示色度，s表示饱和度，V表示亮度， 反映了人的视觉系统感知色彩的方式。能比RGB颜色空间更 准确地检测出阴影。根据如下的决策公式，判断像素值是否 可能为阴影： 肛(茹。)，)= 式中，(石，，，)、，(茹，)，)、，⋯(筇，)，)与∥(茹，y)、∥(石，)，)、B⋯(髫， )，)分别表示坐标点(戈，y)处像素新输人值，(x，)，)与背景像 素值的H、s、V分量。如果，(茹，)，)被判定为阴影，则该点掩模 卵(茹，)，)置为1，否则sP(戈，)，)景为0。参数0