基于HSV顏色空間的陰影消除改進算法

許 鋒 單大國

（中國刑警學院 遼寧 沈陽 110035）

基于HSV顏色空間的陰影消除改進算法

許 鋒 單大國

（中國刑警學院 遼寧 沈陽 110035）

在目前的智能監(jiān)控研究中，陰影消除是運動目標跟蹤與檢測的研究熱點。根據(jù)公安工作的實際情況，針對陰影導致目標形狀畸變和目標形狀損失等問題，提出了一種基于HSV顏色空間的陰影檢測及消除的改進方法：首先對序列圖像進行預處理消除噪聲干擾，然后利用陰影區(qū)域在色調和亮度上的特征，在HSV色彩空間實現(xiàn)對陰影檢測并消除，最后采用形態(tài)學中的腐蝕和膨脹算法填充缺失的邊緣輪廓。通過實驗比對表明，該方法能較好地消除陰影，得到了較為完整的輪廓，同時具有較好的實時性和魯棒性。

智能監(jiān)控 陰影 HSV顏色空間 形態(tài)學

隨著公安部“天網”、“天眼”工程的深入開展，監(jiān)控已經遍布主要路口、重點要害部門、案件多發(fā)地帶、公共復雜場所和人員流動密集區(qū)，如何提高視頻資料利用效率和范圍是目前面臨的重要工作。智能監(jiān)控技術在此情況下應運而生，它能夠最大限度地利用監(jiān)控視頻中的關鍵信息，自動識別物體、發(fā)現(xiàn)場景中的突發(fā)情況并自動地報警和記錄相關信息，可以在不增加人力、物力的情況下幫助辦案人員處理多種突發(fā)狀況，是目前視頻監(jiān)控領域最前沿的研究方向。[1]

智能監(jiān)控技術的研究內容主要包括以下3個方面：運動目標檢測、目標跟蹤和行為分析，作為最前端的運動目標檢測是后續(xù)目標跟蹤和行為分析的基礎。[2]在實際應用的過程中，光線照射在運動目標上會產生明顯的陰影區(qū)域，如果不考慮陰影的作用效果，通常會造成多個目標合一、虛假目標、目標形狀畸變，甚至嚴重情況下目標最終消失，直接影響后續(xù)處理的結果，所以說，在運動目標檢測中陰影的檢測和消除是不可忽略的關鍵性問題。

1 陰影消除算法概述

陰影的出現(xiàn)會增大運動目標的檢測誤差甚至造成錯誤，因此在過去的幾十年中，國內外很多研究者進行了深入的研究。對于智能監(jiān)控系統(tǒng)而言，目前主要通過如下兩種方法來實現(xiàn)陰影檢測及消除[3,4]：（1） 基于模型法，通過運動目標在監(jiān)控畫面中的先驗知識構建陰影模型，然后根據(jù)此模型判斷是否為陰影并進行消除；（2）基于特征法，通過對一些陰影內外保持不變或變化較小的屬性特征，如亮度、色調、飽和度等作為參考依據(jù)，通過比較這些量的變化情況，進而判斷是否為陰影并進行消除。[5,6]本文在研究HSV色彩模式特性的基礎上，依據(jù)陰影與判別對象在H，S，V三分量中的不同表現(xiàn)，通過設定相應的閾值，最終實現(xiàn)在監(jiān)控視頻中對運動目標產生的陰影檢測并消除。

2 基于HSV顏色空間特性的改進算法

針對上述陰影消除方法存在的不足，結合公安工作的實際情況，本文提出的改進方法，首先對序列圖像進行預處理，然后利用HSV顏色空間的特性進行陰影自動判斷與消除，最終通過形態(tài)學處理得到消除陰影后的圖像，其具體的流程如圖1所示。

圖1 陰影消除流程圖

2.1 圖像預處理

監(jiān)控系統(tǒng)受到條件限制和環(huán)境影響，其得到的視頻影像多含有噪聲成分，如椒鹽噪聲、高斯噪聲和脈沖噪聲等，這些噪聲會影響圖像的質量，模糊圖像特征。為了提高陰影消除的效果，本文首先對視頻圖像進行中值濾波和高斯濾波，并使用雙向直方圖均衡處理，以突出圖像邊緣輪廓，增強抗干擾能力。

2.2 轉換HSV顏色空間

監(jiān)控視頻拍攝過程中通常使用的是RGB顏色空間，為了得到更好的后續(xù)處理效果，通常將RGB轉換為HSV顏色模式。相對于我們熟悉的RGB色彩模式，HSV色彩模式（H為色度，S為飽和度，V為亮度）更接近人眼視覺模型，利用此色彩模式可以直接表示顏色亮度信息，進而突出陰影及運動目標的差別。轉換的公式有多種，其原理大致相同，本文選取如下的轉化公式[7]：

式中，R,G,B的取值范圍是[0,255]；H的取值范圍是[0,360]；S的取值范圍是[0,1]；V的取值范圍是[0,255]；在實際圖像處理中把H,S,V的取值范圍歸一化為[0,1]，然后按照下式重新調整分量的分布：

2.3 陰影的檢測與消除

對于運動目標和其產生的陰影，人眼是十分容易分辨的，但如何讓沒有自我辨識能力的計算機識別運動目標產生的陰影是目前智能監(jiān)控系統(tǒng)研究的難題之一。運動目標所在的位置信息、形狀特征、監(jiān)控畫面表面特性以及光照情況等信息可以從連續(xù)的監(jiān)控圖像中得到，并且運動目標產生的陰影在顏色屬性上明顯與場景背景不同，基于以上的描述，可以構建陰影檢測的一般方法。由于運動目標產生陰影處的亮度及飽和度比背景要暗，同時色彩基本不變，所以本文采用HSV色彩模式來判斷陰影，具體公式如下：

式中，lH(x,y)，lS(x,y)，lV(x,y)分別代表了新輸入像素l (x,y)在HSV上的分量，BH(x,y)，BS(x,y)，BV(x,y)分別代表了背景像素值在HSV上的分量。若l(x,y)被認定為陰影，那么這點的SP(x,y)為0。其中參數(shù)0＜aS＜βS＜1，參數(shù)aS取值依據(jù)陰影強度：陰影投射強度越強，aS越??；βs用來提高適應噪聲的魯棒性，確保當前幀的亮度不能和背景太接近。參數(shù)τS及τH通過主觀經驗選取并適當調試。

在實際使用的過程中，為了滿足不同的環(huán)境需要設置不同的參數(shù)閾值，使用起來十分不便。通過實驗發(fā)現(xiàn)：運動目標的陰影只有亮度V降低，并且在HSV色彩模式中，陰影的三個向量和Hˉ+Sˉ+Vˉ比背景的向量和Hˉb+Sˉb+Vˉb小，最終可通過比較兩者的向量差來區(qū)分陰影，計算公式如下：

2.4 形態(tài)學處理

通常情況下，陰影消除后的圖像存在離散的噪聲，目標邊緣也會出現(xiàn)斷點現(xiàn)象，這些噪聲不利于對感興趣目標的進一步分析，所以當完成初步的陰影消除后，需要適當進行降噪處理。處理的一般方法是利用形態(tài)學運算，包括采用膨脹、腐蝕等運算去除孤立噪點并填充缺失的邊緣輪廓，最終得到滿意的處理效果。

3 實驗結果分析

為了驗證本文算法的有效性，采用國際上通用的標準視頻序列Highway I及Intelligent room，分別對室內和室外監(jiān)控環(huán)境進行了陰影檢測及消除實驗，并同文獻[4]及文獻[5]的檢測結果進行了比較，其結果如圖2～7所示。其中，a表示視頻圖像原圖；b表示差分計算后的二值圖；c表示采用文獻[4]中陰影消除算法得到的圖像；d表示采用文獻[5]中陰影消除算法得到的圖像；e表示采用本文算法進行陰影消除得到的圖像。

圖2 Highway I中第90幀視頻處理結果

圖3 Highway I中第104幀視頻處理結果

圖4 Highway I中第183幀視頻處理結果

圖5 Intelligent room中第280幀視頻處理結果

圖6 Intelligent room中第510幀視頻處理結果

圖7 Intelligent room中第840幀視頻處理結果

通過上述序列圖像可以明顯發(fā)現(xiàn)光照產生的陰影，如果不進行處理將嚴重影響后續(xù)的運動目標檢測及跟蹤的精度。在室外光照條件下的Highway I視頻中截取了第90、104和183幀，從檢測和消除效果可以發(fā)現(xiàn)，文獻[4]及文獻[5]的算法雖然能夠消除部分陰影，但是存在運動目標主體輪廓缺失、主體目標被當成陰影消除以及噪聲干擾等問題，而本文的算法能夠較好地檢測并消除陰影，保證主體目標輪廓完整；對于室內光照條件下的Intelligent room視頻中截取了第280、510和840幀，從檢測和消除效果可發(fā)現(xiàn)，文獻[4]、文獻[5]及本文的算法都能較好地消除陰影，但文獻中的算法得到的處理結果主體目標輪廓缺失并且噪聲干擾明顯，而本文的算法可以得到較完整的外部輪廓?？傮w來說本文的算法在室外光照條件下噪聲的消除、陰影的檢測及消除效果更為理想，也更貼近公安工作的實際需求，具有較高的實用價值。

4 結論

陰影是運動目標檢測與跟蹤中普遍存在的問題，嚴重影響檢測精度，導致目標識別錯誤，本文分析了目前陰影消除的常用算法，根據(jù)公安工作的實際需求，采用基于特征法的HSV色彩模式來消除陰影，通過圖像預處理，最終完成陰影檢測與消除，得到輪廓較為完整的圖像。實驗的結果表明，本文提出的方法簡單并且便于實現(xiàn)，對于消除陰影及噪聲有一定的效果，并且得到的目標輪廓較為完整清晰，具有較好的實時性和魯棒性。

[1]I.Haritaoglu，D.Harwood，L.S.Davis. W4：real-time surveillance of people and their activities [J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2000，22(8)：809-830.

[2]王典. 基于混合高斯的背景建模與陰影抑制算法研究[D].西安：西北工業(yè)大學，2006：25-32.

[3]Yoneyama A，Yeh C H，Kuo C C J.Moving cast shadow elimination for robust vehicle extraction based on 2D joint vehicle/shadow models[A].Proceedingsofthe IEEE Conference on Advanced Video and Signal Based Surveillance(AVSS’03)[C].Miami：IEEE Computer Society，2003：229-236.

[4]高海燕.人體步態(tài)識別研究[D].北京：北京交通大學，2010：33-41.

[5]Sanin A，Sanderson C,Lovell B C.Improved Shadow RemovalforRobustPerson Tracking in Surveillance Scenarios[A].2010 20th International Conferenceon Pattern Recognition [C].Madison：ConferencePublications，2010：142-151.

[6]胡園園，王讓定.基于紋理不變性的運動陰影去除算法[J].計算機應用，2008，28（12）：3141-3146.

[7]石美紅，申亮，龍世忠，等.從RGB到HSV色彩空間轉換公式的修正[J].紡織高?；A科學學報，2008，21（3）：351-356.

（責任編輯：孟凡騫）

TP391.4

A

2095-7939(2015)02-0067-03

2015-01-16

遼寧省科技廳自然科學基金項目（編號：2013020008）。

許鋒（1977-），男，山東萊州人，中國刑警學院聲像資料檢驗技術系副教授，博士，主要從事聲像資料檢驗鑒定研究。