运动人体阴影检测算法
计算机工程与设计ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＤｅｓｉｇｎ２０１０，３１（７）１５１９?多媾体技术?
运动人体阴影检测算法
张杰，丁广太
（上海大学计算机工程与科学学院，上海２０００７２）
摘要：为了抑制运动人体检测与跟踪中运动人体阴影的影响，提出了一种基于光照模型和图像纹理特征的阴影检测算法。首先依据光照模型理论，将互相关函数引入算法，并根据背景图像和当前图像对应像素点的互相关函数值判断其是否为阴影点。在此基础上，依据图像的纹理特征，将交叉熵函数引入算法，对互相关函数判断为非阴影点的像素，进行二次判断。该算法利用泰勒级数将交叉熵函数中的对数和除法运算转化为乘法运算，简化了运算过程．通过白天和晚上两种条件下的实验，验证了算法的准确性和有效性。
关键词：阴影去除；互相关函数；交叉熵函数；运动检测；运动跟踪
中图法分类号：ＴＰ３９１．４１文献标识码：Ａ文章编号：１０００．７０２４（２０１０）０７．１５１９－０４
Ｓｈａｄｏｗｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｏｆｍｏｖｉｎｇｂｏｄｙ
ＺＨＡＮＧＪｉｅ．ＤＩＮＧＧｕａｎｇ—ｔａｉ
（ＣｏｌｌｅｇｅｏｆＥｎｇｉｎｅｅｒｉｎｇａｎｄＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＳｈａｎｇｈａｉＵｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ２０００７２，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｔｏｓｕｐｐｒｅｓｓｔｈｅｉｍｐａｃｔｏｆｔｈｅｓｈａｄｏｗｏｆｔｈｅｍｏｖｉｎｇｂｏｄｙｉｎｄｅｔｅｃｔｉｎｇａｎｄｔｒａｃｋｉｎｇｍｏｖｉｎｇｔａｒｇｅｔｓ，ａｓｈａｄｏｗｄｅｔｅｃｔｉｏｎａｌｇｏｆｉｔｈｍｂａｓｅｄ０１１ｉｌｌｕｍｉｎａｔｉｏｎｍｏｄｅｌａｎｄｉｍａｇｅｔｅｘｔｕｒｅｃｈａｒａｃｔｅｒｉｓｔｉｃｉｓｐｒｅｓｅｎｔｅｄ．Ｆｉｒｓｔｌｙ，ｔｈｅｃｒｏｓｓ－ｃｏｒｒｅｌａｔｉｏｎｆｕｎｃｔｉｏｎ（ＣＣＦ）ｂａｓｅｄＯｉｌｉｌｌｕｍｉｎａｔｉｏｎｍｏｄｅｌｉｓｉｎｖｏｌｖｅｄ，ａｎｄｗｈｅｔｈｅｒａｐｉｘｅｌｉｓａｓｈａｄｏｗｐｏｉｎｔｉｓｄｅｔｅｒｍｉｎｅｄｂｙｉｔｓｖａｌｕｅｏｆｔｈｅＣＣＦ．Ｔｈｅｎ，ｔｈｅｃｒｏｓｓ－ｅｎｔｒｏｐｙｆｕｎｃｔｉｏｎ（ＣＥＦ）ｂａｓｅｄｏｎｉｍａｇｅｔｅｘｔｕｒｅｃｈａｒａｃｔｅｒｉｓｔｉｃｉｓｐｒｏｐｏｓｅｄ．ＣＥＦｉｓｕｓｅｄｔｏｅｖａｌｕａｔｅａｎｏｎ－ｓｈａｄｏｗｐｉｘｅｌｊｕｄｇｅｄｂｙＣＣＦ．ＡｃｃｏｒｄｉｎｇｔｏｔｈｅＴａｙｌｏｒｓｅｒｉｅｓ，ｌｏｇａｒｉｔｈｍａｎｄｄｉｖｉｓｉｏｎｉｎＣＥＦａｒｅｔｒａｎｓｆｏｒｍｅｄｉｎｔｏｍｕｌｔｉｐｌｉｃａｔｉｏｎ．Ｆｉｎａｌｌｙ，ｂｙｍａｋｉｎｇｅｘｐｅｒｉｍｅｎｔｓｕｎｄｅｒｄａｙａｎｄｎｉｇｈｔｃｏｎｄｉｔｉｏｎｓ，ｔｈｅｖａｌｉｄｉｔｙａｎｄｅｆｆｉｃｉｅｎｃｙｏｆｔｈｅｐｒｅｓｅｎｔｅｄａｌｇｏｒｉｔｈｍｉｓｄｅｍｏｎｓｔｒａｔｅｄ．
Ｋｅｙｗｏｒｄｓ：ｓｈａｄｏｗｅｌｉｍｉｎａｔｉｏｎ；ＣＣＦ；ＣＥＦ；ｍｏｖｉｎｇｄｅｔｅｃｔｉｏｎ；ｍｏｖｉｎｇｔｒａｃｋｉｎｇ
０引言
运动人体检测是计算机视觉信息提取的一个关键步骤，是进行更高层次视频图像分析处理的重要基础，如人体跟踪、三维重建、虚拟现实等。由于光照等因素的影响，在检测到的运动人体图像中往往含有阴影，阴影和运动人体合在一起，往往会导致计算机对目标人体的提取和跟踪出现失误。因此，有必要对图像中的阴影进行检测和分析。运动阴影检测与抑制方法大致可分为二类：基于模型的方法与基于属性的方法川。基于模型方法的原理是利用场景、运动目标、光照条件等先验信息，建立阴影模型，以模型为依据进行判断，此方法通常在特定场景条件下使用；基于属性方法的原理是利用阴影的几何特点、亮度、色彩等信息来判断阴影区域，此方法对不同场景及光照条件有较强的鲁棒性。目前，国内外很多专家学者对视频序列中的阴影检测和去除进行了比较深入的研究，提出了很多有效的算法：ＥｌｉＡｒｂｅｌ等人提出基于颜色比率的算法，这种算法寻找阴影区域和非阴影区域像素点的ＲＧＢ值之间的一个比率常向量，然后把阴影区域像素点的ＲＧＢ值通过对角阵变换到非阴影区域的光照效果下嘲；Ｇ．Ｄ．Ｆｉｎｌａｙｓｏｎ等人提出的基于积分的阴影去除算法，是通过对差分图像求解偏微分方程来检测和去除阴影剀；王晓东等人提出的算法是建立在光照模型基础上的Ⅲ；李文斌等人提出的算法是建立在阴影与背景有相近的纹理特征的基础上的嘲。以上算法基本都是建立在理想光照条件基础上的，并且算法比较复杂，对在嵌入式平台上实现有一定的限制，为此，本算法将基于模型的方法和基于属性的方法相结合，对非理想光源条件下（如夜间微弱路灯光照条件下），运动人体阴影的检测起到了较理想的作用。同时，在降低算法复杂性方面也做了一定程度的改进。
１算法原理
目前，前景图像提取的主要方法有背景减除，时间差分以及光流法，基于对运算复杂性的考虑，本文采用自适应的混合高斯模型㈣提取运动前景图像。
收稿日期：２００９－０５．２５；修订日期：２００９．０７．２７。
基金项目：国家８６３高技术研究发展计划基金项目Ｑ００６ＡＡ０９２１３８）；上海市重点学科建设基金项目０５０１０３）；上海市教育委员会科研创新基金项目（０８ＹＺｌ６）。
作者简介：张杰（１９８４－），男，陕西眉县人，硕士研究生，研究方向为动态图像分析；丁广太（１９６６一），男，宁夏平罗人，博士，副教授，研究方向为图像处理、信息安全．Ｂｒｎａｉｌ：ｊｉｅｚｈａｎｇ＠ｓｈｕ．ｅｄｕ．ｃｎ
万方数据