CN101447028B

CN101447028B - 车辆阴影去除方法和装置

Info

Publication number: CN101447028B
Application number: CN2008101793927A
Authority: CN
Inventors: 刘微; 李向荣
Original assignee: Qingdao Hisense Electronic Industry Holdings Co Ltd
Current assignee: Qingdao Hisense Electronic Industry Holdings Co Ltd
Priority date: 2008-12-10
Filing date: 2008-12-10
Publication date: 2011-09-21
Anticipated expiration: 2028-12-10
Also published as: CN101447028A

Abstract

本发明公开了一种车辆阴影去除的方法和装置，涉及图像处理领域，为解决现有技术不能准确消除车辆周围的阴影的问题而发明。本发明实施例提供的方法，包括如下步骤：以白车为标准建立基于灰度的阴影模型；后续车辆套用所述阴影模型去除阴影。本发明适用于野外图像监控。

Description

车辆阴影去除方法和装置

技术领域

本发明涉及图像处理领域，尤其涉及一种车辆阴影去除方法和装置。

背景技术

在视频监控中，由于光线受到目标物或者障碍物的影响，视频图像中的目标物往往含有阴影。阴影不是固定不变的，它随着光照强度、方向等因素在不停的变化，因此，它不能作为物体的一部分参加识别，否则会导致识别的失败。所以有必要采取有效的方法去除目标的阴影，为目标的正确识别提供条件。

目前一种去除阴影的方法为基于运动物体几何信息的方法，该方法建立一个运动物体的能够区别出阴影部分的几何模型，对其中的阴影区域进行消除处理，从而达到去除阴影的目的。但是，该方法需要对阴影区域建立复杂的模型，计算量较大，不适合在工程实时应用。

当前比较适合于工程实时应用，特别是识别车辆的交通监控应用的去除阴影的方法为基于阴影颜色信息的方法，其思想是在一定的亮度条件下，同一物体在阴影区内和不在阴影区内的色调是近似一致的，如果均匀成比例的减少某种彩色的全部系数，则只有亮度在变化，而色调是不变的，这在一定程度上给出了阴影的颜色特征规律，从而识别出目标物上的阴影。该方法的具体实现方式有很多种，如在RGB彩色空间中，用矢量来表征像素点，并以当前图中的像素点矢量与对应的背景点的矢量相减得到能表征亮度和色度的彩色模型，以此建立背景模型；在HSV彩色空间利用色度、饱和度和亮度信息建立背景模型，以检测和识别阴影；利用阴影的光学特性并结合纹理特征，采用区域生长的方法检测阴影等。基于阴影颜色信息的方法在实验室会得到比较不错的结果，但在交通监控现场，可能会因为天气的原因或者监控景物距离太远而造成彩色信息的丢失或者缺损，这样会影响阴影去除效果，尤其当要监控的车辆颜色与背景颜色比较接近时，比如黑色车辆，基于阴影颜色信息的方法往往不能准确区分黑色车辆和阴影的边界，也就不能准确消除该车辆周围的阴影。

发明内容

本发明的实施例提供一种车辆阴影去除的方法和装置，能够准确消除车辆周围的阴影。

为达到上述目的，本发明的实施例采用如下技术方案：

一种车辆阴影去除的方法，包括：

以白车为标准建立基于灰度的阴影模型；

后续车辆套用所述阴影模型去除阴影。

进一步的，还包括：定时更新阴影模型，并根据更新后的阴影模型调整白车判别阈值为前一个阴影模型的车辆区域占目标车辆区域比例的60％。

所述定时范围为10到30分钟。

其中，所述以白车为标准建立基于灰度的阴影模型的步骤包括：

预先设定白车判别阈值；

获取背景图像和目标车辆区域图像，将两幅图像进行灰度转换；

将目标车辆区域图像与背景图像相减，结果为正数的区域认定为实际的车辆区域；结果为负数的区域认定为实际的阴影区域；

如果实际的车辆区域占目标车辆区域图像的比例大于所述白车判别阈值，确定目标车辆为白车，将白车的实际的阴影区域的位置和所占比例设定为阴影模型。

进一步的，所述以白车为标准建立基于灰度的阴影模型的步骤还包括：

如果实际的车辆区域占目标车辆区域图像的比例小于所述白车判别阈值，对下一目标车辆进行是否为白车的判别，直到确定目标车辆为白车，建立阴影模型。

所述白车判别阈值为：整体图像中实际的车辆区域占目标车辆区域图像比例的60％，所述阴影区域为预设值。

所述阴影区域的预设值为10％至60％。

所述阴影区域的预设值的优选值为20％。

一种车辆阴影去除的装置，包括：

阴影模型建立模块：获取白车的车辆区域图像，用于以白车为标准建立基于灰度的阴影模型；

阴影模型套用模块：存储来自所述阴影模型建立模块的阴影模型，并在后续车辆套用所述阴影模型去除阴影。

进一步的，还包括：

定时更新模块：用于控制阴影模型建立模块进行定时更新，并将更新后的阴影模型发送给阴影模型套用模块进行去除阴影操作。

本发明实施例提供的车辆阴影去除的方法和装置，以白车为标准建立基于灰度的阴影模型，由于白车在灰度上与阴影差距最大，最容易将阴影识别出来，在后续车辆套用所述阴影模型，能够较为准确地消除哪怕是颜色与阴影最接近的车辆周围的阴影。

附图说明

图1为本发明方法实施例一流程图；

图2为本发明方法实施例二流程图；

图3为本发明装置实施例一结构图。

具体实施方式

下面结合附图对本发明实施例车辆阴影去除的方法和装置进行详细描述。

本发明方法实施例一如图1所示，包括：

S101、以白车为标准建立基于灰度的阴影模型。

S102、后续车辆套用所述阴影模型去除阴影。

由于现有技术基于阴影颜色信息的阴影消除方法在实际监控过程中，可能因彩色信息的丢失或者缺损，影响阴影去除效果的问题，本实施例将彩色信息转换为灰度值进行处理。另外，深色车与阴影不论是在色彩还是灰度上都较为接近，现有基于阴影颜色信息的阴影消除方法不能准确将二者区分，本实施例以白车为标准建立阴影模型，由于白车在灰度上与阴影差距最大，最容易将阴影识别出来，在后续车辆套用所述阴影模型，能够较为准确地消除哪怕是颜色与阴影最接近的车辆周围的阴影。

本发明方法实施例二的场景为对某车道上行驶的车辆的监控，需要除去车辆阴影。如图2所示，包括以下步骤：

S201、预先设定白车判别阈值。

根据前期建立的阴影模型确定阴影所占比例，根据实验统计，所述阴影区域的预设值一般在10％至60％之间，本实施例取优选值20％。

那么，本实施例前期建立的阴影模型中，非阴影区域为1-20％＝80％。

据此，白车判别阈值为：整体图像中实际的车辆区域占目标车辆区域图像比例的60％，也就是80％*60％＝48％。

S202、获取背景图像和目标车辆区域图像，将两幅图像进行灰度转换。

所述背景图像为车道上没有车辆时的图像，当车道上行驶来一辆汽车时，再拍摄一张图像，是为目标车辆区域图像。将两幅图像分别进行灰度转换。

S203、将目标车辆区域图像与背景图像相减，结果为正数的区域认定为实际的车辆区域；结果为负数的区域认定为实际的阴影区域。

一般来讲，目标车辆区域图像包括车辆区域和阴影区域，以及一部分背景区域。通常，实际的车辆要比背景更亮，反映在灰度值上就是车辆区域的灰度值大于背景图像中相应位置背景区域的灰度值，所以做差的结果为正；于此相反，实际的车辆阴影要比背景更暗，反映在灰度值上就是阴影区域的灰度值小于背景图像中相应位置背景区域的灰度值，所以做差的结果为负。由此，可以初步区分出目标车辆区域图像中的车辆区域和阴影区域。

S204、如果实际的车辆区域占目标车辆区域图像的比例大于所述白车判别阈值，确定目标车辆为白车，将白车的实际的阴影区域的位置和所占比例设定为阴影模型。

在实际当中，有些时候，车辆要比背景更暗，比如深色车辆，这样灰度值大于背景图像的车辆区域会比较小，相比之下，浅色车辆灰度值大于背景图像的车辆区域会比较大，这时用白车判别阈值进行判断，实际的车辆区域占目标车辆区域图像的比例大于所述白车判别阈值(本实施例中初始设定为48％)，确定目标车辆为白车，否则不是白车，可以有效的将白色车辆鉴别出来。需要指出的是，本实施例所说的白车并不是严格意义上的白色车，只要满足白车判别阈值的浅色车即可。

S205、如果实际的车辆区域占目标车辆区域图像的比例小于所述白车判别阈值，对下一目标车辆进行上述判别，直到确定目标车辆为白车，建立阴影模型。

S206、后续车辆套用所述阴影模型去除阴影。

由于车辆区域与阴影区域往往是相连的，而用白车建立的阴影模型中，车辆区域的灰度要远高于阴影区域，所以二者界限非常明显，可以准确划定出阴影区域，后续车辆套用该阴影模型，即使是深色车辆也能较为准确的去除阴影。

S207、定时更新阴影模型，并根据更新后的阴影模型调整白车判别阈值为前一个阴影模型的车辆区域占目标车辆区域比例的60％。

所述定时范围最好为10到30分钟之间。

由于太阳角度和天气等因素的影像，车辆阴影的位置在一天当中是变化的，所以需要定时更新阴影模型，以达到准确定位阴影的目的。

另外，在摄像机固定的前提下，由于视角不同，每个车道的阴影比例是不同的，需要针对各个车道分别建立模型。

基于阴影颜色信息的方法在实验室会得到比较不错的结果，但在交通监控现场，可能会因为天气的原因或者监控景物距离太远而造成彩色信息的丢失或者缺损，这样会影响阴影去除效果，尤其当要监控的车辆颜色与背景颜色比较接近时，比如黑色车辆，基于阴影颜色信息的方法往往不能准确区分黑色车辆和阴影的边界，也就不能准确消除该车辆周围的阴影。本实施例将彩色信息转换为灰度值进行处理，可以避免颜色的缺损和丢失对阴影去除效果的影响。另外，本实施例以白车为标准建立阴影模型，由于白车在灰度上与阴影差距最大，最容易将阴影识别出来，在后续车辆套用所述阴影模型，能够较为准确地消除哪怕是颜色与阴影最接近的车辆周围的阴影。

本发明装置实施例一如图3所示，包括：

阴影模型建立模块1：获取白车的车辆区域图像，用于以白车为标准建立基于灰度的阴影模型。

阴影模型套用模块2：存储来自所述阴影模型建立模块的阴影模型，并在后续车辆套用所述阴影模型去除阴影。

进一步的，还包括：

定时更新模块3：用于控制阴影模型建立模块进行定时更新，并将更新后的阴影模型发送给阴影模型套用模块进行去除阴影操作。所述定时范围为10到30分钟。

其中，阴影模型建立模块1包括：

阈值预先设定子模块11：用于预先设定白车判别阈值。

灰度转换子模块12：用于获取背景图像和目标车辆区域图像，将两幅图像进行灰度转换。

作差子模块13：用于将目标车辆区域图像与背景图像相减，结果为正数的区域认定为实际的车辆区域；结果为负数的区域认定为实际的阴影区域。

建立模型子模块14：如果实际的车辆区域占目标车辆区域图像的比例大于所述白车判别阈值，用于确定目标车辆为白车，将白车的实际的阴影区域的位置和所占比例设定为阴影模型。

如果实际的车辆区域占目标车辆区域图像的比例小于所述白车判别阈值，用于对下一目标车辆进行是否为白车的判别，直到确定目标车辆为白车，建立阴影模型。

所述白车判别阈值为：整体图像中实际的车辆区域占目标车辆区域图像比例的60％。

所述阴影区域的预设值为10％至60％，优选值为20％。

本实施例以白车为标准建立基于灰度的阴影模型，由于白车在灰度上与阴影差距最大，最容易将阴影识别出来，在后续车辆套用所述阴影模型，能够较为准确地消除哪怕是颜色与阴影最接近的车辆周围的阴影。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims

1.一种车辆阴影去除的方法，其特征在于，包括：

以白车为标准建立基于灰度的阴影模型；

后续车辆套用所述阴影模型去除阴影；

预先设定白车判别阈值；

将目标车辆区域图像的灰度值与背景图像的灰度值相减，结果为正数的区域认定为实际的车辆区域；结果为负数的区域认定为实际的阴影区域；

如果实际的车辆区域占目标车辆区域图像的比例大于所述白车判别阈值，确定目标车辆为白车，将白车的实际的阴影区域的位置和白车的实际的阴影区域所占目标车辆区域图像的比例设定为阴影模型。

2.根据权利要求1所述的车辆阴影去除的方法，其特征在于，所述以白车为标准建立基于灰度的阴影模型的步骤还包括：

3.一种车辆阴影去除的装置，其特征在于，包括：

阴影模型建立模块：获取白车的车辆区域图像，以白车为标准建立基于灰度的阴影模型；

阴影模型套用模块：存储来自所述阴影模型建立模块的阴影模型，并在后续车辆套用所述阴影模型去除阴影；

其中，阴影模型建立模块包括：

阈值预先设定子模块：用于预先设定白车判别阈值；

灰度转换子模块：用于获取背景图像和目标车辆区域图像，将两幅图像进行灰度转换；

作差子模块：用于将目标车辆区域图像的灰度值与背景图像的灰度值相减，结果为正数的区域认定为实际的车辆区域；结果为负数的区域认定为实际的阴影区域；

建立模型子模块：如果实际的车辆区域占目标车辆区域图像的比例大于所述白车判别阈值，用于确定目标车辆为白车，将白车的实际的阴影区域的位置和白车的实际的阴影区域所占目标车辆区域图像的比例设定为阴影模型。

4.根据权利要求3所述的车辆阴影去除的装置，其特征在于，还包括：

定时更新模块，用于控制阴影模型建立模块进行定时更新，并将更新后的阴影模型发送给阴影模型套用模块进行去除阴影操作。