CN101866492A - 一种基于vrg颜色空间提高运动检测质量的方法 - Google Patents

Abstract

本发明公开了一种基于VRG颜色空间提高运动检测质量的方法，其利用像素的二维颜色信息和亮度信息进行检测，具体步骤为：将图像的像素信息转换至VRG颜色空间；通过使用增强的颜色值对像素进行归一化来降低昏暗像素的色彩噪音；通过有选择地屏蔽特定亮度范围来消除运动物体的阴影；在VRG颜色空间内，使用常规的背景减除法来进行运动图像的检测。本发明提供的运动图像检测方法，定义简单有效，适用于实时系统，同时可以避免现有的两种颜色空间各自存在的弊端，在有效降低阴影对误报警的影响的同时，还能提高运动物体检测的敏感性和可靠性。

Description

一种基于VRG颜色空间提高运动检测质量的方法

技术领域

本发明属于图像处理的模式识别领域，典型应用于智能视频监控，具体涉及一种基于VRG的特殊颜色空间提高运动检测质量的方法。

背景技术

现有的主流实际应用的智能视频监控系统的运动检测算法通常使用灰度图像来实现。它们在算法层面上没有应用彩色信息，通常使用HSV，或者归一化的RGB等颜色空间。这2者都各自有各自的优点和缺点。

HSV空间对颜色的描述符合人对颜色的直观感受。HSV颜色空间将RGB颜色空间转换成Hue(色度)，Saturation(饱和度)以及Value(亮度)信息，每个维度所代表的物理意义不同。在此空间中，将亮度信息单独提出来可以对阴影有针对性地进行判断；如当亮度稍微低于背景模型，但是色度和饱和度非常接近时，此像素很有可能是被阴影覆盖的背景。但是由于原始图像的采集通常采用的是RGB格式，而再将RGB转换为HSV是较复杂的操作。对于实时监控系统来说，这些复杂的操作会增加原本就紧张的CPU的压力。另外，也正是由于HSV空间中每个维度所代表的物理意义不同，所以在此空间中进行前景背景的分离，缺乏直观的物理意义。所以在HSV空间上发现的图像“差别”和人眼的感觉较难匹配。

归一化的RGB空间计算起来非常简单。如果一个像素的颜色值定义为(R_i G_i B_i)，那么归一化的r_ig_ib_i定义为：

$r_i=\frac{R_i}{R_i+G_i+B_i}$

$g_i=\frac{G_i}{R_i+G_i+B_i}$

$b_i=\frac{B_i}{R_i+G_i+B_i}$

对RGB颜色空间进行归一化的直接目的是通过去除亮度信息从而避免阴影对运动检测的影响。由于r_ig_ib_i的和为1，上述三个方程中只有两个是独立的。所以对于背景减除法中背景和前景的实际分辨能力完全等效于在上面3个通道中任选两个组成的两维空间的分辨能力。此分辨能力的高低直接影响运动检测的敏感度及误报警率。归一化的r_ig_ib_i为了避免阴影的影响而付出了剔除全部亮度信息的代价。这有些得不偿失。亮度信息其实也是区分真实运动物体和背景的有效信号。由于亮度信息可以理解为多通道颜色信息的一种加权平均，所以它的值较单一通道的颜色值更稳定。尤其是在灰暗区域，由于单独的颜色通道的信号噪音很强，亮度值可能变成了唯一可以依赖地背景前景分辨信号。综上所述，由于亮度信息在归一化的过程中被剔除掉了，归一化的RGB空间实质上等效于一个两维空间。虽然归一化过程提高了抵抗阴影的影响能力，但是和三维颜色空间的运动检测方法相比，两维空间(即归一化的RGB空间)的运动检测的敏感度降低了，完全没有达到使用三维空间数据所能达到的程度。

另外，上述两种方法都遇到的一个问题就是，在图像的暗区，颜色信息的信噪比很低。即使在一般亮度区域，如果色彩的饱和度比较低(接近灰色)，色度信息通常也含有较大的噪音，直接比较颜色信号容易产生误报警。

所以，根据上述可以看出，提出一种针对运动检测常见问题的新的颜色空间是非常有必要的。其必须定义简单有效，适用于实时系统，同时可以避免上述两种颜色空间各自存在的一些弊端，在有效降低阴影对误报警的影响的同时，还需提高运动物体检测的敏感性和可靠性。

发明内容

本发明提供一种基于VRG颜色空间提高运动检测质量的方法，其定义简单有效，适用于实时系统，同时可以避免现有的两种颜色空间(HSV颜色空间和归一化的RGB颜色空间)各自存在的弊端，在有效降低阴影对误报警的影响的同时，还能提高运动物体检测的敏感性和可靠性。

为了实现上述目的，本发明提供了一种基于VRG颜色空间提高运动检测质量的方法，该方法具体包含以下步骤：

步骤1、将图像的像素信息由原始的RGB颜色空间转换至VRG颜色空间；

其中，所述的VRG颜色空间是对现有的HSV颜色空间和归一化的RGB颜色空间的结合，定义为：

$v_i=\frac{R_i+G_i+B_i}{3}$

$r_i=\frac{R_i}{R_i+G_i+B_i}$

$g_i=\frac{G_i}{R_i+G_i+B_i}$

其中，(R_i G_i B_i)分别表示某一像素的RGB(红、绿、蓝)颜色值，r_i，g_i分别表示该像素归一化后的红、绿颜色值，v_i表示该像素的亮度信息；

步骤2、在VRG颜色空间中，通过使用增强的颜色值对像素进行归一化来降低昏暗像素的色彩噪音；具体步骤如下所示：

S＝R_i+G_i+B_i

S_S＝S+Δ

$v_i=\frac{S}{3}$

$r_i=\frac{R_i}{S_S}$

$g_i=\frac{G_i}{S_S}$

其中，Δ表示颜色增加的固定值，对于24位彩色图，Δ取值范围为[10，50]；S_S表示增加了固定值后的颜色和。

步骤3、在VRG颜色空间中，通过有选择地屏蔽特定亮度范围来消除运动物体的阴影；

步骤3.1、判断当前像素是否被阴影覆盖，若是，则执行步骤3.3；若否，则执行步骤3.2；具体判断步骤如下：

判断当前像素的亮度值v_i是否落在[α，β]的范围内，其中α的取值范围为[0.2，0.8]；β值在通常情况下设为1.0，在反阴影现象存在时，β的取值范围为[1.0，1.5]；

当判断得到亮度值v_i落在[α，β]的范围外时，表明该像素未被阴影覆盖，执行步骤3.2；

当判断得到亮度值v_i落在[α，β]的范围内时，表明该像素被阴影覆盖，执行步骤3.3；

步骤3.2、直接通过VRG颜色空间的三维颜色信息，计算图像中各像素的前景背景差值D，具体的计算方法为：

D＝|Δυ|+|Δr|+|Δg|；

或

$D=\sqrt{{\left(\mathrm{\Δ\υ}\right)}^2+{\left(\mathrm{\Δr}\right)}^2+{\left(\mathrm{\Δg}\right)}^2};$

其中，Δυ、Δr、Δg是通过将前景像素和背景像素的VRG颜色空间的相应颜色信息相减得到的；所述的前景像素值是当前图像的像素值；所述的背景像素值是通过常规的背景模型更新来获得；

步骤3.3、通过VRG颜色空间的R、G二维颜色信息，计算图像中各像素的前景背景差值D，即强制设置Δυ＝0；具体的计算方法为：

D＝|Δr|+|Δg|；

或

$D=\sqrt{{\left(\mathrm{\Δr}\right)}^2+{\left(\mathrm{\Δg}\right)}^2};$

其中，Δr、Δg和步骤3.2中一样，是通过将前景像素和背景像素的VRG颜色空间的相应颜色信息相减得到的；所述的前景像素值是当前图像的像素值；所述的背景像素值是通过常规的背景模型更新来获得。

步骤4、根据步骤3计算得到的前景背景差，在VRG颜色空间内，使用常规的背景减除法来进行前景背景的分离以及背景模型的维护，进行运动图像的检测。

本发明方法能有效地抑制剔除阴影，有效消除因运动物体阴影而造成的误报警；对于检测到的运动物体的轮廓较基于灰度图像的方法更为完整清晰，能有效增加运动检测的敏感性，这对智能视频监控系统中的后续步骤，如跟踪，分类等都具有极大的帮助。

本发明方法不可避免的将会增大数据处理量，但是由于计算机以及DSP(数字信号处理器)的处理速度不断的发展和提高，同时由于在实际应用中的各项优化措施，在数据处理量这方面的代价将不断得到改善。

具体实施方式

以下通过具体的优选实施例，对本发明做具体说明。

本发明提供了一种基于VRG颜色空间提高运动检测质量的方法，该方法具体包含以下步骤：

步骤1、将图像的像素信息由原始的RGB颜色空间转换至VRG颜色空间；

其中，所述的VRG颜色空间是对现有的HSV颜色空间和归一化的RGB颜色空间的结合，定义为：

$v_i=\frac{R_i+G_i+B_i}{3}$

$r_i=\frac{R_i}{R_i+G_i+B_i}$

$g_i=\frac{G_i}{R_i+G_i+B_i}$

其中，(R_i G_i B_i)分别表示某一像素的RGB(红、绿、蓝)颜色值，r_i，g_i分别表示该像素归一化后的红、绿颜色值，v_i表示该像素的亮度信息。

该新定义的VRG颜色空间可以非常简便地从原始的RGB颜色空间中转换而来，不会增加过多的数据处理量，相对于转换到HSV颜色空间，更方便简洁，而相对于归一化的RGB颜色空间，数据处理的操作相差无几，这对于实时智能视频分析系统是非常重要的。

另外，由于VRG颜色空间中的r，g这两维的物理意义是相同的(都是归一化后的颜色信息)，由它们所定义的距离在概念上更清楚；而不会像HSV颜色空间中每一通道都代表完全不同的物理意义，但同时又保留了图像像素的亮度信息。

步骤2、在VRG颜色空间中，通过使用增强的颜色值对像素进行归一化来降低昏暗像素的色彩噪音；具体步骤如下所示：

S＝R_i+G_i+B_i

S_S＝S+Δ

$v_i=\frac{S}{3}$

$r_i=\frac{R_i}{S_S}$

$g_i=\frac{G_i}{S_S}$

其中，Δ表示颜色增加的固定值，对于24位彩色图，Δ取值范围为[10，50]，本实施例中，Δ的缺省值为30；S_S表示增加了固定值后的颜色和。

该步骤2的所要解决的问题是，由于图像在在灰暗区域，纯颜色信息将变得很不稳定，颜色噪音信号较大，信噪比较低。所以在灰暗区域主要依靠亮度信息，而在色彩鲜艳明亮的区域则使用像素所有信号通道地信息(包括颜色信息)，而且这个步骤需要简单易行，过渡平滑。

所以上述步骤2中最关键的一步是颜色加深的步骤，通过将颜色和增加一固定值来实现；这个方法的好处是：在颜色灰暗区域，由于S_s不可能很小，故归一化后的r_i，g_i的值相应的就被压缩，直接造成在对背景和前景的距离估算中所起的作用被降低。而在颜色鲜明的区域，由于颜色值比该颜色增加的固定值相对较大，所以，其对r_i，g_i的影响较灰暗处要小得多。同时由于在亮度通道v_i中，此增加的固定值是一个线型叠加的关系，所以对由亮度通道对背景和前景的距离估算中没有任何影响。但是通过这个简单的步骤，确实现了在图像灰暗区域主要依靠亮度值，而随着色彩的鲜明程度的提高，色彩信号逐渐稳定，对色彩信号的依赖也逐步平滑提高的目的。

另外，如果图像中的某个像素的亮度值适度降低后，同时其颜色信息保持稳定，那么此像素被定义为被阴影覆盖。由于在运动检测当中通常不对阴影进行跟踪和报警，所以我们必须提前将检测得到的阴影过滤消除掉。所以必须进行下面所述的步骤3。

步骤3、在VRG颜色空间中，通过有选择地屏蔽特定亮度范围来消除运动物体的阴影；即在计算图像中各像素的前景背景差值的过程中，利用亮度信息来消除阴影的影响；

步骤3.1、判断当前像素是否被阴影覆盖，若是，则执行步骤3.3；若否，则执行步骤3.2；具体判断步骤如下：

当某个像素被阴影覆盖时，其亮度值如果适度降低，颜色信息却同时可以保持相对稳定；由于在运动检测当中通常不对图像阴影进行跟踪和报警，所以检测到的阴影应该被过滤消除掉；

从物体对光的反射特性来看，阴影对像素亮度值的影响会集中在特定的范围之内，也就是被阴影覆盖的像素亮度值位于[α，β]的范围之内，其中，α的取值范围为[0.2，0.8]；当阴影越深时，α的值就越小；β值通常设为1.0；当存在“反阴影”现象，而需要消除反阴影时，β的取值将增大，具体的取值范围为[1.0，1.5]；所述的反阴影现象是指：由于局部光照增强而产生的亮度变化，例如阳光从云缝中直接照射出来而产生的亮度增强现象，这种现象和阴影的概念在数学本质上是相同的，只是数学符号相反；

所以判断当前像素是否被阴影覆盖，就只需要判断当前像素的亮度值v_i是否落在[α，β]的范围内，当亮度值v_i落在[α，β]的范围内时，执行步骤3.3，当亮度值v_i落在[α，β]的范围外时，执行步骤3.2；

步骤3.2、此时，由于根据步骤3.1的判断，当前像素的亮度值落在判断阴影的指定范围之外，表明当前像素未被阴影覆盖，故当前像素的亮度信息就可参与到前景背景的差异计算当中；由此直接通过VRG颜色空间的三维颜色信息，计算图像中各像素的前景背景差值D，具体的计算方法为：

D＝|Δυ|+|Δr|+|Δg|；

或

$D=\sqrt{{\left(\mathrm{\Δ\υ}\right)}^2+{\left(\mathrm{\Δr}\right)}^2+{\left(\mathrm{\Δg}\right)}^2};$

其中，Δυ、Δr、Δg是通过将前景像素和背景像素的VRG颜色空间的相应颜色信息相减得到的；所述的前景像素值是当前图像的像素值；所述的背景像素值是通过常规的背景模型更新来获得，对于所采用的不同背景模型，可采用不同的获得背景像素值的方法，具体的就不在此处作详细描述，其不属于本专利方法所讨论的范围；

步骤3.3、此时，由于根据步骤3.1的判断，当前像素的亮度值落在判断阴影的指定范围之内，表明当前像素被阴影覆盖，需要将该阴影消除，故强制设置Δυ＝0，使得当前像素由阴影影响所引起的亮度变化被剔除出前景背景的差异计算；由此只通过VRG颜色空间的R、G二维颜色信息，计算图像中各像素的前景背景差值D(即强制设置Δυ＝0)；具体的计算方法为：

D＝|Δr|+|Δg|；

或

$D=\sqrt{{\left(\mathrm{\Δr}\right)}^2+{\left(\mathrm{\Δg}\right)}^2};$

其中，Δr、Δg和步骤3.2中一样，是通过将前景像素和背景像素的VRG颜色空间的相应颜色信息相减得到的；所述的前景像素值是当前图像的像素值；所述的背景像素值是通过常规的背景模型更新来获得。

步骤4、根据步骤3计算得到的前景背景差，在VRG颜色空间内，使用常规的背景减除法来进行前景背景的分离以及背景模型的维护，进行运动图像的检测。

本发明方法能有效地抑制剔除阴影，尤其是在室内环境当中，人行走时在墙面、地面上所形成的影子得到了有效的控制和抑制，有效消除因运动物体阴影而造成的误报警；另外，对于检测到的运动物体的轮廓较基于灰度图像的方法更为完整清晰，能有效增加运动检测的敏感性，这对智能视频监控系统中的后续步骤，如跟踪，分类等都具有极大的帮助。

本发明方法不可避免的将会增大数据处理量，理论上限是基于灰度图像方法的3倍，但是由于计算机以及DSP的处理速度不断的发展和提高，同时由于在实际应用中的各项优化措施，图像速度保持在较灰度图相比的一半左右甚至更快，在数据处理量这方面的代价将不断得到改善。

Claims (9)

1.一种基于VRG颜色空间提高运动检测质量的方法，其特征在于，具体包含以下步骤：

步骤1、将图像的像素信息由原始的RGB颜色空间转换至VRG颜色空间；

步骤2、在VRG颜色空间中，通过使用增强的颜色值对像素进行归一化来降低昏暗像素的色彩噪音；

步骤3、在VRG颜色空间中，通过有选择地屏蔽特定亮度范围来消除运动物体的阴影；

步骤4、根据步骤3计算得到的前景背景差，在VRG颜色空间内，使用常规的背景减除法来进行前景背景的分离以及背景模型的维护，进行运动图像的检测。

2.如权利要求1所述的基于VRG颜色空间提高运动检测质量的方法，其特征在于，所述的步骤2中的对像素使用增强的颜色值进行归一化的步骤为：

S＝R_i+G_i+B_i

S_S＝S+Δ

$v_i=\frac{S}{3}$

$r_i=\frac{R_i}{S_S}$

$g_i=\frac{G_i}{S_S}$

其中，(R_i G_i B_i)分别表示某一像素在RGB颜色空间中的红、绿、蓝颜色值，r_i，g_i分别表示该像素归一化后的在VRG颜色空间中的红、绿颜色值，v_i表示该像素在VRG颜色空间中的亮度信息；Δ表示颜色增加的固定值，对于24位彩色图，Δ取值范围为[10，50]；S_S表示增加了固定值后的颜色和。

3.如权利要求1所述的基于VRG颜色空间提高运动检测质量的方法，其特征在于，所述的步骤3，具体包含以下步骤：

步骤3.1、判断当前像素是否被阴影覆盖，若是，则执行步骤3.3；若否，则执行步骤3.2；

步骤3.2、直接通过VRG颜色空间的三维颜色信息，计算图像中各像素的前景背景差值D；

步骤3.3、通过VRG颜色空间的R、G二维颜色信息，计算图像中各像素的前景背景差值D。

4.如权利要求3所述的基于VRG颜色空间提高运动检测质量的方法，其特征在于，所述的步骤3.1中，具体判断过程为：

判断当前像素的亮度值v_i是否落在[α，β]的范围内，其中α的取值范围为[0.2，0.8]；β值设为1.0；

当判断得到亮度值v_i落在[α，β]的范围外时，表明该像素未被阴影覆盖，执行步骤3.2；

当判断得到亮度值v_i落在[α，β]的范围内时，表明该像素被阴影覆盖，执行步骤3.3。

5.如权利要求4所述的基于VRG颜色空间提高运动检测质量的方法，其特征在于，当存在反阴影现象时，β的取值范围为[1.0，1.5]。

6.如权利要求3所述的基于VRG颜色空间提高运动检测质量的方法，其特征在于，所述的步骤3.2中，计算前景背景差值D的方法为：

D＝|Δυ|+|Δr|+|Δg|；

其中，Δυ、Δr、Δg是通过将前景像素和背景像素的VRG颜色空间的相应颜色信息相减得到的；所述的前景像素值是当前图像的像素值；所述的背景像素值是通过常规的背景模型更新来获得。

7.如权利要求3所述的基于VRG颜色空间提高运动检测质量的方法，其特征在于，所述的步骤3.2中，计算前景背景差值D的方法为：

$D=\sqrt{{\left(\mathrm{\Δ\υ}\right)}^2+{\left(\mathrm{\Δr}\right)}^2+{\left(\mathrm{\Δg}\right)}^2};$

其中，Δυ、Δr、Δg是通过将前景像素和背景像素的VRG颜色空间的相应颜色信息相减得到的；所述的前景像素值是当前图像的像素值；所述的背景像素值是通过常规的背景模型更新来获得。

8.如权利要求3所述的基于VRG颜色空间提高运动检测质量的方法，其特征在于，所述的步骤3.3中，计算前景背景差值D的方法为：

D＝|Δr|+|Δg|；

其中，强制设置Δυ＝0；Δr、Δg是通过将前景像素和背景像素的VRG颜色空间的相应颜色信息相减得到的；所述的前景像素值是当前图像的像素值；所述的背景像素值是通过常规的背景模型更新来获得。

9.如权利要求3所述的基于VRG颜色空间提高运动检测质量的方法，其特征在于，所述的步骤3.3中，计算前景背景差值D的方法为：

$D=\sqrt{{\left(\mathrm{\Δr}\right)}^2+{\left(\mathrm{\Δg}\right)}^2};$

其中，强制设置Δυ＝0；Δr、Δg是通过将前景像素和背景像素的VRG颜色空间的相应颜色信息相减得到的；所述的前景像素值是当前图像的像素值；所述的背景像素值是通过常规的背景模型更新来获得。