行人視頻檢測中陰影檢測與去除方法設(shè)計

　　視頻圖像中的陰影會影響行人的檢測與跟蹤［2-4］，因為陰影的存在會造成檢測目標(biāo)的變形、合并、甚至丟失，使得目標(biāo)定位及計數(shù)不準確。近年來，科研工作者對圖像中的陰影去除問題進行了大量研究，在這些研究方法中，考察的圖像特征主要有三種：光譜特征、空間特征和時間特征［5］。光譜特征針對像素點，如灰度值、顏色信息等［6］，根據(jù)當(dāng)前圖與背景圖的色差、亮度差值等判斷像素點是否為陰影，或者對圖像進行變換得到光照無關(guān)圖［7］進而去除陰影；空間特征是針對某一區(qū)域或某一幀圖像，根據(jù)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(biāo)與陰影的邊界線，對本體和陰影粗分，再建立陰影像素的高斯模板進行細分，既減少了計算量又能達到較好效果；時間特征一般都是與前兩種特征結(jié)合使用，可以用于對陰影方向或運動速度的估算等，以進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(zhuǎn)換的步驟，能提高處理速度。在圖像特征上，本文結(jié)合像素點的光譜特征與圖像整體的空間特征，首先通過亮度差和色差對像素點進行判斷，再利用目標(biāo)本體與陰影只相接不相交的空間特征，對去除結(jié)果進行修正，使其陰影去除效果更好。同時，為了使算法適應(yīng)光照、場景等的變化，采用模糊神經(jīng)網(wǎng)絡(luò)進行目標(biāo)本體與陰影的分類，用遺傳算法對網(wǎng)絡(luò)參數(shù)和權(quán)值進行自適應(yīng)調(diào)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(jù)美國國家電視制式委員會NTSC制式的標(biāo)準，白光的亮度用Y來表示，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(zhuǎn)換公式。YUV到RGB的轉(zhuǎn)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(shù)據(jù)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(qū)分開來，如HSV顏色空間，但是這種轉(zhuǎn)換較為復(fù)雜，對于大型圖像非常耗時，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(xiàn)出色度。因此，如果要將U與V色差信號用色相及飽和度來表示，必須從含有三維空間的色點P投影到U-V平面的P′點，如圖1（a）所示。U-V平面投影法在受到不穩(wěn)定光源亮度的擾動時，對于目標(biāo)色度有較大的精確性且不易辨識錯誤，但是當(dāng)光源色溫變化過大時，其飽和度和色相的增減變化不易掌握。因此，如果需要判定兩個任意色點是否為同一色度時，必須確定其色相與飽和度都是相等的。如圖1（b）所示，對兩個色點P1與P2，當(dāng)其與U軸的夾角α1=α2時，表示色相相等；當(dāng)其與原點的距離L1=L2時，表示飽和度相等。當(dāng)兩者都相等時，表示色度完全相同。

　　對于光源亮度的不穩(wěn)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。對運動目標(biāo)本體和陰影，也有相近的色度，但亮度值差別較大，可通過計算當(dāng)前圖與背景圖之間的亮度差值和色差來進行陰影去除。