行人視頻檢測中陰影檢測與去除方法設計

　　視頻圖像中的陰影會(huì )影響行人的檢測與跟蹤［2-4］，因為陰影的存在會(huì )造成檢測目標的變形、合并、甚至丟失，使得目標定位及計數不準確。近年來(lái)，科研工作者對圖像中的陰影去除問(wèn)題進(jìn)行了大量研究，在這些研究方法中，考察的圖像特征主要有三種：光譜特征、空間特征和時(shí)間特征［5］。光譜特征針對像素點(diǎn)，如灰度值、顏色信息等［6］，根據當前圖與背景圖的色差、亮度差值等判斷像素點(diǎn)是否為陰影，或者對圖像進(jìn)行變換得到光照無(wú)關(guān)圖［7］進(jìn)而去除陰影；空間特征是針對某一區域或某一幀圖像，根據檢測到的圖像的輪廓、紋理、邊緣等信息判斷是否為陰影，如利用圖像的輪廓特征［8-9］，找到目標與陰影的邊界線(xiàn)，對本體和陰影粗分，再建立陰影像素的高斯模板進(jìn)行細分，既減少了計算量又能達到較好效果；時(shí)間特征一般都是與前兩種特征結合使用，可以用于對陰影方向或運動(dòng)速度的估算等，以進(jìn)一步提高陰影去除效果。

　　本文提出一種新的基于YUV顏色空間的陰影去除算法，因為很多攝像頭的輸出信號采用YUV顏色空間，與基于RGB顏色空間的處理方法相比，省去了圖像顏色空間轉換的步驟，能提高處理速度。在圖像特征上，本文結合像素點(diǎn)的光譜特征與圖像整體的空間特征，首先通過(guò)亮度差和色差對像素點(diǎn)進(jìn)行判斷，再利用目標本體與陰影只相接不相交的空間特征，對去除結果進(jìn)行修正，使其陰影去除效果更好。同時(shí)，為了使算法適應光照、場(chǎng)景等的變化，采用模糊神經(jīng)網(wǎng)絡(luò )進(jìn)行目標本體與陰影的分類(lèi)，用遺傳算法對網(wǎng)絡(luò )參數和權值進(jìn)行自適應調整，以提高算法的魯棒性。

　　1 YUV顏色空間

　　在色彩學(xué)上，為了可以準確定量地描述顏色，將色彩定義為三大屬性：“Y”表示明亮度，即灰度值；“U”和“V”表示色度，作用是描述圖像色彩及飽和度，用于指定像素的顏色。根據美國國家電視制式委員會(huì )NTSC制式的標準，白光的亮度用Y來(lái)表示，色差U、V由B－Y、R－Y按不同比例壓縮而成，與紅、綠、藍三色光的關(guān)系可用式（1）描述，這也是常用的轉換公式。YUV到RGB的轉換公式則如式（2）所示。

　　式中，R、G、B的取值范圍均為0~255。通常攝像機的數據以RGB、YUV或YCrCb的格式輸出。采用YUV顏色空間的重要性是它的亮度信號Y和色度信號U、V是分離的。目前有很多種顏色空間可以將圖像的色度分量和亮度分量區分開(kāi)來(lái)，如HSV顏色空間，但是這種轉換較為復雜，對于大型圖像非常耗時(shí)，并且在亮度值和飽和度較低的情況下，采用HSV顏色空間計算出來(lái)的H分量是不可靠的。

　　在YUV顏色空間中，如果只有Y信號分量而沒(méi)有U、V信號分量，則這樣表示的圖像就是黑白灰度圖像。除去亮度信號后，由U和V單純表現出色度。因此，如果要將U與V色差信號用色相及飽和度來(lái)表示，必須從含有三維空間的色點(diǎn)P投影到U-V平面的P′點(diǎn)，如圖1（a）所示。U-V平面投影法在受到不穩定光源亮度的擾動(dòng)時(shí)，對于目標色度有較大的精確性且不易辨識錯誤，但是當光源色溫變化過(guò)大時(shí)，其飽和度和色相的增減變化不易掌握。因此，如果需要判定兩個(gè)任意色點(diǎn)是否為同一色度時(shí)，必須確定其色相與飽和度都是相等的。如圖1（b）所示，對兩個(gè)色點(diǎn)P1與P2，當其與U軸的夾角α1=α2時(shí)，表示色相相等；當其與原點(diǎn)的距離L1=L2時(shí)，表示飽和度相等。當兩者都相等時(shí)，表示色度完全相同。

　　對于光源亮度的不穩定因素，只要光源亮度不是極值（極亮或極暗），對于相似顏色，如深藍色和藍色，就有相近的色度關(guān)系。對運動(dòng)目標本體和陰影，也有相近的色度，但亮度值差別較大，可通過(guò)計算當前圖與背景圖之間的亮度差值和色差來(lái)進(jìn)行陰影去除。