CN103440628B - 一种去除视频运动目标阴影干扰的方法 - Google Patents
一种去除视频运动目标阴影干扰的方法 Download PDFInfo
- Publication number
- CN103440628B CN103440628B CN201310379421.5A CN201310379421A CN103440628B CN 103440628 B CN103440628 B CN 103440628B CN 201310379421 A CN201310379421 A CN 201310379421A CN 103440628 B CN103440628 B CN 103440628B
- Authority
- CN
- China
- Prior art keywords
- pixel
- component
- value
- moving target
- obj
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种去除视频运动目标阴影干扰的方法,其先获取运动目标的二值图像中各个像素点的RGB值,分别计算各个像素点的亮度分量值和色度分量值,然后根据计算得到的所有像素点的亮度分量值得到运动目标的亮度分量图,根据计算得到的所有像素点的色度分量值得到运动目标的色度分量图,由此将影子在亮度和色度方面的影响去除,然后再根据运动目标的亮度分量图计算运动目标的形态学梯度纹理分量,得到运动目标的纹理特征图,最后将运动目标的亮度分量图、色度分量图和纹理特征图相或,得到去除阴影干扰后的运动目标图;优点是运动目标的影子被去除,不会对后续检测结果产生不良影响,提高了后续检测的精度。
Description
技术领域
本发明涉及一种视频信号的处理方法,尤其是涉及一种去除视频运动目标阴影干扰的方法。
背景技术
在智能交通事件检测系统中,大多将具有交通违章检测、识别及处理功能智能视频检测系统的作为智能交通系统的子系统。例如Citilog系统可以检测违章停车、违章逆行、违章占道和车辆超速等,在实际应用中取得了较好的效果。但是,由于智能交通事件检测系统中的监控设备拍摄的视频中的运动目标一般都存在影子,影子的存在导致两个或多个运动目标被检测出来以后会被连接在一起,从而使多个运动目标变成了一个目标;因此在对视频进行分析处理时,需要将检测目标的影子去除。
现有的去除影子的方法一般为:由于阴影的亮度比背景低,而色度和背景近似,所以通过计算运动物体的亮度和色度,判断物体是属于阴影还是运动目标。但是该方法中当运动目标的颜色比较深、与阴影亮度近似的时候,会将运动目标也误检成阴影,从而对检测结果产生不良影响,以致不能清晰地还原交通事故现场。
发明内容
本发明所要解决的技术问题是提供一种去除视频运动目标阴影干扰的方法。本发明的方法可将运动目标的影子去除,避免影子对检测结果产生不良影响,提高检测精度。
本发明解决上述技术问题所采用的技术方案为:一种去除视频运动目标阴影干扰的方法,包括以下步骤:
①采用背景建模算法提取视频中的运动目标,得到运动目标的二值图像;
②获取运动目标的二值图像中各个像素点的RGB值,分别计算各个像素点的亮度分量值,根据计算得到的所有像素点的亮度分量值得到运动目标的亮度分量图BYImg;
③分别计算各个像素点的色度分量值,根据计算得到的所有像素点的色度分量值得到运动目标的色度分量图BHImg;
④根据运动目标的亮度分量图计算运动目标的形态学梯度纹理分量,得到运动目标的纹理特征图BGImg;
⑤将运动目标的亮度分量图、色度分量图和纹理特征图相或,得到去除阴影干扰后的运动目标图RESULT=BYImg+BHImg+BGImg.
所述的步骤②中得到亮度分量图的具体步骤为:
②-1获取运动目标的二值图像区域内的每个像素点的RGB值;
②-2根据公式YOBJ(Xi)=0.299Ri+0.587Gi+0.114Bi计算每个像素点的亮度分量值,其中Xi表示第i个像素点,i为正整数,YOBJ(Xi)表示像素点Xi的亮度分量值,Ri表示像素点Xi的红色分量值,Gi表示像素点Xi的绿色分量值,Bi表示像素点Xi的蓝色分量值;
②-3将视频中马路亮度分量灰度的平均值记为YRA,其中YRA通过将马路亮度分量中的所有灰度值相加后除以马路像素个数得到,如果YOBJ(Xi)>YRA,则将像素点Xi标记为1,如果YOBJ(Xi)≤YRA,则将像素点Xi标记为0,将每个像素点的亮度分量值与YRA进行比较,得到运动目标的亮度分量图
所述的步骤③中得到色度分量图的具体步骤为:
③-1获取运动目标的二值图像区域内的每个像素点的RGB值;
③-2根据公式和
计算各个像素点的色度分量值,其中Xi表示第i个像素点,i为正整数,HOBJ(Xi)表示像素点Xi的色度分量值,Ri表示像素点Xi的红色分量值,Gi表示像素点Xi的绿色分量值,Bi表示像素点Xi的蓝色分量值;
③-3将视频中马路色度分量灰度的平均值记为HRA,其中HRA通过将马路色度分量中的所有灰度值相加后除以马路像素个数得到,设定色度阈值为TH,TH的取值为0.09HRA,如果HOBJ(Xi)与HRA的差的绝对值小于TH,则将像素点Xi标记为0,如果HOBJ(Xi)与HRA的差的绝对值大于等于TH,则将像素点Xi标记为1;
③-4将每个像素点的色度分量值与HRA的差的绝对值和TH进行比较,得到运动目标的色度分量图
所述的步骤④中得到运动目标的纹理特征图的具体步骤为:
④-1根据公式计算各个像素点的形态学梯度纹理分量值,其中GOBJ(Xi)表示像素点Xi的形态学梯度纹理分量值,g为3×3大小的结构元素,表示以g对YOBJ(Xi)作膨胀卷积,表示以g对YOBJ(Xi)作腐蚀卷积;
④-2将视频中马路纹理分量灰度的平均值记为GRA,其中GRA通过将马路纹理分量中的所有灰度值相加后除以马路像素个数得到,设定纹理阈值为TG,TG的取值为0.09GRA,如果GOBJ(Xi)与GRA的差的绝对值小于TG,则将像素点Xi标记为0,如果GOBJ(Xi)与GRA的差的绝对值大于等于TG,则将像素点Xi标记为1;
④-3将每个像素点的形态学梯度纹理分量值GOBJ(Xi)与GRA的差的绝对值和TG进行比较,得到运动目标的纹理特征图
与现有技术相比,本发明的优点在于本发明中引入了纹理分量判断阴影,由于深色运动目标虽然亮度较低,但其纹理特征通常和阴影的纹理特征有着较大的差别,相对而言,阴影的纹理特征更接近于马路,从而避免了将深色运动目标误判成阴影的问题,可将运动目标的影子去除,避免影子对检测结果产生不良影响,提高检测精度。
具体实施方式
以下结合实施例对本发明作进一步详细描述。
实施例:一种去除视频运动目标阴影干扰的方法,包括以下步骤:
①采用背景建模算法提取视频中的运动目标,得到运动目标的二值图像;
②获取运动目标的二值图像中各个像素点的RGB值,分别计算各个像素点的亮度分量值,根据计算得到的所有像素点的亮度分量值得到运动目标的亮度分量图BYImg;
③分别计算各个像素点的色度分量值,根据计算得到的所有像素点的色度分量值得到运动目标的色度分量图BHImg;
④根据运动目标的亮度分量图计算运动目标的形态学梯度纹理分量,得到运动目标的纹理特征图BGImg;
⑤将运动目标的亮度分量图、色度分量图和纹理特征图相或,得到去除阴影干扰后的运动目标图RESULT=BYImg+BHImg+BGImg.
本实施例中,步骤②中得到亮度分量图的具体步骤为:
②-1获取运动目标的二值图像区域内的每个像素点的RGB值;
②-2根据公式YOBJ(Xi)=0.299Ri+0.587Gi+0.114Bi计算每个像素点的亮度分量值,其中Xi表示第i个像素点,i为正整数,YOBJ(Xi)表示像素点Xi的亮度分量值,Ri表示像素点Xi的红色分量值,Gi表示像素点Xi的绿色分量值,Bi表示像素点Xi的蓝色分量值;
②-3将视频中马路亮度分量灰度的平均值记为YRA,其中YRA通过将马路亮度分量中的所有灰度值相加后除以马路像素个数得到,如果YOBJ(Xi)>YRA,则将像素点Xi标记为1,如果YOBJ(Xi)≤YRA,则将像素点Xi标记为0,将每个像素点的亮度分量值与YRA进行比较,得到运动目标的亮度分量图
本实施例中,步骤③中得到色度分量图的具体步骤为:
③-1获取运动目标的二值图像区域内的每个像素点的RGB值;
③-2根据公式和
计算各个像素点的色度分量值,其中Xi表示第i个像素点,i为正整数,HOBJ(Xi)表示像素点Xi的色度分量值,Ri表示像素点Xi的红色分量值,Gi表示像素点Xi的绿色分量值,Bi表示像素点Xi的蓝色分量值;
③-3将视频中马路色度分量灰度的平均值记为HRA,其中HRA通过将马路色度分量中的所有灰度值相加后除以马路像素个数得到。设定色度阈值为TH,TH的取值为0.09HRA,如果HOBJ(Xi)与HRA的差的绝对值小于TH,则将像素点Xi标记为0,如果HOBJ(Xi)与HRA的差的绝对值大于等于TH,则将像素点Xi标记为1;
③-4将每个像素点的色度分量值与HRA的差的绝对值和TH进行比较,得到运动目标的色度分量图
本实施例中,步骤④中得到运动目标的纹理特征图的具体步骤为:
④-1根据公式计算各个像素点的形态学梯度纹理分量值,其中GOBJ(Xi)表示像素点Xi的形态学梯度纹理分量值,g为3×3大小的结构元素,表示以g对YOBJ(Xi)作膨胀卷积,表示以g对YOBJ(Xi)作腐蚀卷积;
④-2将视频中马路纹理分量灰度的平均值记为GRA,其中GRA通过将马路纹理分量中的所有灰度值相加后除以马路像素个数得到,设定纹理阈值为TG,TG的取值为0.09GRA,如果GOBJ(Xi)与GRA的差的绝对值小于TG,则将像素点Xi标记为0,如果GOBJ(Xi)与GRA的差的绝对值大于等于TG,则将像素点Xi标记为1;
④-3将每个像素点的形态学梯度纹理分量值GOBJ(Xi)与GRA的差的绝对值和TG进行比较,得到运动目标的纹理特征图
Claims (3)
1.一种去除视频运动目标阴影干扰的方法,其特征在于包括以下步骤:
①采用背景建模算法提取视频中的运动目标,得到运动目标的二值图像;
②获取运动目标的二值图像中各个像素点的RGB值,分别计算各个像素点的亮度分量值,根据计算得到的所有像素点的亮度分量值得到运动目标的亮度分量图BYImg;
③分别计算各个像素点的色度分量值,根据计算得到的所有像素点的色度分量值得到运动目标的色度分量图BHImg;
④根据运动目标的亮度分量图计算运动目标的形态学梯度纹理分量,得到运动目标的纹理特征图BGImg;
⑤将运动目标的亮度分量图、色度分量图和纹理特征图相或,得到去除阴影干扰后的运动目标图RESULT=BYImg+BHImg+BGImg;
所述的步骤②中得到亮度分量图的具体步骤为:
②-1获取运动目标的二值图像区域内的每个像素点的RGB值;
②-2根据公式YOBJ(Xi)=0.299Ri+0.587Gi+0.114Bi计算每个像素点的亮度分量值,其中Xi表示第i个像素点,i为正整数,YOBJ(Xi)表示像素点Xi的亮度分量值,Ri表示像素点Xi的红色分量值,Gi表示像素点Xi的绿色分量值,Bi表示像素点Xi的蓝色分量值;
②-3将视频中马路亮度分量灰度的平均值记为YRA,其中YRA通过将马路亮度分量中的所有灰度值相加后除以马路像素个数得到,如果YOBJ(Xi)>YRA,则将像素点Xi标记为1,如果YOBJ(Xi)≤YRA,则将像素点Xi标记为0,将每个像素点的亮度分量值与YRA进行比较,得到运动目标的亮度分量图
2.根据权利要求1所述的一种去除视频运动目标阴影干扰的方法,其特征在于所述的步骤③中得到色度分量图的具体步骤为:
③-1获取运动目标的二值图像区域内的每个像素点的RGB值;
③-2根据公式和
计算各个像素点的色度分量值,其中Xi表示第i个像素点,i为正整数,HOBJ(Xi)表示像素点Xi的色度分量值,Ri表示像素点Xi的红色分量值,Gi表示像素点Xi的绿色分量值,Bi表示像素点Xi的蓝色分量值;
③-3将视频中马路色度分量灰度的平均值记为HRA,其中HRA通过将马路色度分量中的所有灰度值相加后除以马路像素个数得到,设定色度阈值为TH,TH的取值为0.09HRA,如果HOBJ(Xi)与HRA的差的绝对值小于TH,则将像素点Xi标记为0,如果HOBJ(Xi)与HRA的差的绝对值大于等于TH,则将像素点Xi标记为1;
③-4将每个像素点的色度分量值与HRA的差的绝对值和TH进行比较,得到运动目标的色度分量图
3.根据权利要求1所述的一种去除视频运动目标阴影干扰的方法,其特征在于所述的步骤④中得到运动目标的纹理特征图的具体步骤为:
④-1根据公式计算各个像素点的形态学梯度纹理分量值,其中GOBJ(Xi)表示像素点Xi的形态学梯度纹理分量值,g为3×3大小的结构元素,表示以g对YOBJ(Xi)作膨胀卷积,表示以g对YOBJ(Xi)作腐蚀卷积;
④-2将视频中马路纹理分量灰度的平均值记为GRA,其中GRA通过将马路纹理分量中的所有灰度值相加后除以马路像素个数得到,设定纹理阈值为TG,TG的取值为0.09GRA,如果GOBJ(Xi)与GRA的差的绝对值小于TG,则将像素点Xi标记为0,如果GOBJ(Xi)与GRA的差的绝对值大于等于TG,则将像素点Xi标记为1;
④-3将每个像素点的形态学梯度纹理分量值GOBJ(Xi)与GRA的差的绝对值和TG进行比较,得到运动目标的纹理特征图
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310379421.5A CN103440628B (zh) | 2013-08-27 | 2013-08-27 | 一种去除视频运动目标阴影干扰的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310379421.5A CN103440628B (zh) | 2013-08-27 | 2013-08-27 | 一种去除视频运动目标阴影干扰的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103440628A CN103440628A (zh) | 2013-12-11 |
CN103440628B true CN103440628B (zh) | 2016-05-11 |
Family
ID=49694320
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310379421.5A Expired - Fee Related CN103440628B (zh) | 2013-08-27 | 2013-08-27 | 一种去除视频运动目标阴影干扰的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103440628B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5804138B1 (ja) * | 2014-05-21 | 2015-11-04 | カシオ計算機株式会社 | 検出装置、検出方法及びプログラム |
CN109915888B (zh) * | 2018-06-04 | 2021-04-27 | 新昌县馁侃农业开发有限公司 | 电油汀型取暖器 |
CN110569840B (zh) * | 2019-08-13 | 2023-05-16 | 浙江大华技术股份有限公司 | 目标检测方法及相关装置 |
CN111768426B (zh) * | 2020-08-14 | 2024-01-26 | 台州市公安局 | 一种运动目标的检测方法、装置、设备及存储介质 |
CN114187219B (zh) * | 2021-12-06 | 2024-06-25 | 广西科技大学 | 基于红绿蓝二重差分的移动目标阴影实时消除方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101763646A (zh) * | 2009-12-30 | 2010-06-30 | 深圳大学 | 一种阴影检测的方法、装置及视频图像处理系统 |
CN102622763A (zh) * | 2012-02-21 | 2012-08-01 | 芮挺 | 阴影检测与消除方法 |
CN102842037A (zh) * | 2011-06-20 | 2012-12-26 | 东南大学 | 一种基于多特征融合的车辆阴影消除方法 |
-
2013
- 2013-08-27 CN CN201310379421.5A patent/CN103440628B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101763646A (zh) * | 2009-12-30 | 2010-06-30 | 深圳大学 | 一种阴影检测的方法、装置及视频图像处理系统 |
CN102842037A (zh) * | 2011-06-20 | 2012-12-26 | 东南大学 | 一种基于多特征融合的车辆阴影消除方法 |
CN102622763A (zh) * | 2012-02-21 | 2012-08-01 | 芮挺 | 阴影检测与消除方法 |
Non-Patent Citations (1)
Title |
---|
基于视频的城市道路车辆自动检测与跟踪;杨华;《中国优秀硕士学位论文全文数据库 信息科技辑》;20100215;第2.3节、3.3节、图2-5、图2-10,图3-5 * |
Also Published As
Publication number | Publication date |
---|---|
CN103440628A (zh) | 2013-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103440628B (zh) | 一种去除视频运动目标阴影干扰的方法 | |
CN102186089B (zh) | 单分量视频图像雨场去除方法 | |
JP4832227B2 (ja) | 物体検出装置および物体検出方法 | |
CN103093429B (zh) | 图像增强方法 | |
CN107808392B (zh) | 开放场景的安检车辆自动跟踪定位方法及系统 | |
CN105718923B (zh) | 一种基于逆投影图的夜间车辆检测与计数方法 | |
CN105005778A (zh) | 一种基于视觉背景提取的高速公路车辆检测方法 | |
JP2008064628A (ja) | 物体検出装置および物体検出方法 | |
CN104299214B (zh) | 小雨场景视频数据中雨滴的检测与去除方法和系统 | |
CN109785255B (zh) | 一种大面积图像修复方法 | |
CN104299210A (zh) | 基于多特征融合的车辆阴影消除方法 | |
CN102855627B (zh) | 基于光谱特性和拓扑关系的城市遥感影像阴影检测方法 | |
CN103164847A (zh) | 视频图像中运动目标阴影消除方法 | |
CN111008608A (zh) | 一种基于深度学习的夜间车辆检测方法 | |
CN107507140B (zh) | 基于特征融合的高速公路露天场景车辆阴影干扰抑制方法 | |
CN104933728A (zh) | 一种混合运动目标检测方法 | |
CN109035331B (zh) | 一种信号灯组的位置矫正方法及设备 | |
CN106815602B (zh) | 一种基于多层次特征描述的跑道fod图像探测方法及装置 | |
CN104299234B (zh) | 视频数据中雨场去除的方法和系统 | |
CN108846324B (zh) | 一种基于图像的道路团雾检测方法 | |
CN101982825B (zh) | 一种智能交通监控场景下的视频图像处理方法和装置 | |
CN111192275A (zh) | 基于暗通道先验理论的高速公路团雾能见度识别方法 | |
CN105321190A (zh) | 基于结构相似背景建模的运动目标检测方法 | |
CN111382736B (zh) | 车牌图像的获取方法和装置 | |
Xuehua et al. | Shadow removal of vehicles in a video system based on RGB chroma model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160511 Termination date: 20190827 |