【正文】 按照一定比例構(gòu)成的。陰影是有顏色的，但由于遮擋，一般情況下，陰影區(qū)域中的像素亮度值要比非陰影區(qū)域小，特別是R、G二個(gè)分量都比較小。根據(jù)此性質(zhì)，提出利用直接差分算子T和協(xié)方差算子COV進(jìn)行陰影區(qū)域的判斷并去除陰影[19]。(1) 直接差分算子，設(shè)中心像素的位置為(i,j)，相應(yīng)的顏色分量值為f(i,j)，則差分算子表示為： （） 高斯拉普拉斯模板(i1, j1)(i1, j)(i1, j+1)(i, j1)(i, j)(i, j+1)(i+1, j1)(i+1, j)(i+1, j+1)該算子的數(shù)學(xué)意義就是用高斯拉普拉斯模板與彩色圖像上的各顏色分量作卷積運(yùn)算，卷積運(yùn)算的結(jié)果用T表示，它可作為判斷某一個(gè)像素點(diǎn)是否位于陰影區(qū)域的閾值。當(dāng)然，對于不同的圖像，閾值的大小是不一樣的。(2) 協(xié)方差差分算子協(xié)方差算子可以通過對直接差分算子的改進(jìn)而得到。，取中心像素和其鄰域八個(gè)像素的平均值m，即 （）因此，關(guān)于中心像素的協(xié)方差表示為 （）不過僅僅通過亮度來得到的檢測效果不好，而且閾值的確定也比較困難。所以，我們運(yùn)用顏色的不變性來檢測并去除陰影。可以通過下式得到運(yùn)動(dòng)物體和陰影的候選區(qū)域 （）其中，為包含有陰影和運(yùn)動(dòng)目標(biāo)的候選區(qū)域；、為估計(jì)的背景圖像的各顏色分量；、為當(dāng)前圖像的各顏色分量；、為設(shè)定的閾值。由于圖像的顏色不變性，所以無論是在陰影區(qū)域還是在光線下，每個(gè)像素點(diǎn)的顏色特性都是一定的。對于常見的不變量有、。這里我們采用模型： （） （） （）其中，、的取值范圍均為。但是當(dāng)RGB分量落在趨于黑色的向量中時(shí)，不變性就會(huì)非常的不穩(wěn)定，因此要把、值中小于30的部分全部去掉。 前景目標(biāo)去噪與重建盡管采用基于RGB顏色空間的陰影檢測方法能夠較好的對陰影進(jìn)行去除，但總有一些前景像素會(huì)被錯(cuò)誤地檢測為陰影像素，這樣就會(huì)造成前景目標(biāo)的失真，數(shù)學(xué)形態(tài)學(xué)理論可以用來重建原始圖像。重建的方法：(1) 對去除陰影后的圖像M用一個(gè)可濾掉斑點(diǎn)的結(jié)構(gòu)單元進(jìn)行膨脹，膨脹后的圖像與M進(jìn)行邏輯“與”運(yùn)算，就可以得到去除斑點(diǎn)噪聲的目標(biāo)的二值圖像M’ （）其中，3的結(jié)構(gòu)元素，初值在中心。 去除斑點(diǎn)的結(jié)構(gòu)單元(2) 針對M’中極小部分陰影被誤檢成前景，還有部分噪聲不能很好被去除的情況，可采用數(shù)學(xué)形態(tài)學(xué)濾波的方法去除，濾波采用的方法根據(jù)噪聲、目標(biāo)大小而定。濾波后得到的圖像記為： (3) 將去除噪聲的二值圖像進(jìn)行膨脹后，再與前景二值圖像進(jìn)行邏輯“與”運(yùn)算，就得到目標(biāo)重建后的二值圖像 （）其中，SE為膨脹結(jié)構(gòu)單元，它的大小通常由感興趣的目標(biāo)區(qū)域的大小來決定。 實(shí)驗(yàn)結(jié)果為了驗(yàn)證基于RGB顏色空間陰影去除算法的可行性，我們對所拍攝的圖像序列進(jìn)行了實(shí)驗(yàn)，待檢測的圖像序列的分辨率為640480像素，實(shí)驗(yàn)平臺(tái)為MATLAB軟件。(a) 原圖(b) 未進(jìn)行陰影去除(c) 陰影去除 陰影去除結(jié)果示意圖根據(jù)上一節(jié)所述，通過公式可以得到去除陰影的前景二值圖像。(a)所示是所拍攝的圖像序列的原始圖像，(b)為未進(jìn)行陰影去除所得到的運(yùn)動(dòng)前景檢測結(jié)果，(c)為根據(jù)本文說討論的基于RGB顏色模型進(jìn)行陰影去除后所得到的二值圖。，采用基于RGB顏色空間的陰影去除算法，可以有效地將陰影從運(yùn)動(dòng)區(qū)域中分離開來，從而得到更符合真實(shí)目標(biāo)的運(yùn)動(dòng)區(qū)域，便于后續(xù)地跟蹤、識(shí)別等處理。雖然投射的陰影部分基本都被去掉了，不過也有一些不屬于陰影的部分但與陰影部分顏色十分相似的目標(biāo)區(qū)域也被去掉了，在目標(biāo)區(qū)域留下了空洞。第五章 總結(jié)與展望近年來，隨著國民經(jīng)濟(jì)的快速增長、社會(huì)的迅速進(jìn)步和國力的不斷增強(qiáng)，銀行、電力、交通、安檢以及軍事設(shè)施等領(lǐng)域?qū)Π踩婪逗同F(xiàn)場記錄報(bào)警系統(tǒng)的需求與日俱增，要求越來越高，視頻監(jiān)控在生產(chǎn)生活各方面得到了非常廣泛的應(yīng)用。雖然監(jiān)控系統(tǒng)己經(jīng)廣泛地存在于各公共場所，但實(shí)際的監(jiān)控任務(wù)仍需要較多的人工完成，而且現(xiàn)有的視頻監(jiān)控系統(tǒng)通常只是錄制視頻圖像，提供的信息是沒有經(jīng)過解釋的視頻圖像，只能用作事后取證，沒有充分發(fā)揮監(jiān)控的實(shí)時(shí)性和主動(dòng)性。為了能實(shí)時(shí)分析、跟蹤、判別監(jiān)控對象，并在異常事件發(fā)生時(shí)提示、上報(bào)，為政府部門、安全領(lǐng)域及時(shí)地決策、正確行動(dòng)提供支持，視頻監(jiān)控的“智能化”就顯得尤為重要。智能視頻監(jiān)控是利用計(jì)算機(jī)視覺技術(shù)對視頻信號(hào)進(jìn)行處理、分析和理解，在不需要人為干預(yù)的情況下，通過對圖像序列自動(dòng)分析監(jiān)控場景中的變化進(jìn)行定位、識(shí)別和跟蹤，并在此基礎(chǔ)上分析和判斷目標(biāo)的行為，在異常情況發(fā)生時(shí)及時(shí)發(fā)出警報(bào)或提供有用信息，有效地協(xié)助監(jiān)控人員處理危機(jī)，并最大限度地降低誤報(bào)和漏報(bào)現(xiàn)象。 研究工作總結(jié)運(yùn)動(dòng)目標(biāo)的檢測、跟蹤與識(shí)別是視頻監(jiān)控系統(tǒng)中的關(guān)鍵技術(shù)，而由于光照變化而產(chǎn)生的運(yùn)動(dòng)目標(biāo)陰影的檢測和去除直接關(guān)系到視頻監(jiān)控系統(tǒng)的整體性能。本文以運(yùn)動(dòng)目標(biāo)檢測和陰影去除相關(guān)的關(guān)鍵技術(shù)為研究內(nèi)容，旨在實(shí)現(xiàn)精確、穩(wěn)定的運(yùn)動(dòng)目標(biāo)檢測和陰影去除算法，以期為實(shí)現(xiàn)各種高層理解做好準(zhǔn)備。歸納起來，本文所作的研究工作主要包括以下方面：(1) 對經(jīng)典的運(yùn)動(dòng)目標(biāo)檢測算法（光流法、幀差法、背景差法）作了簡單的介紹，并對三種常用的方法的優(yōu)缺點(diǎn)進(jìn)行了比較。(2) 根據(jù)視頻監(jiān)控系統(tǒng)多為靜止的情況，選擇了以混合高斯模型為基礎(chǔ)的RGB顏色空間檢測方法。闡明了用混合高斯模型對背景建模的原因，描述了背景的混合高斯模型的建立、背景模型的更新和運(yùn)動(dòng)目標(biāo)的檢測、提取。(3) 在詳細(xì)分析了陰影產(chǎn)生的機(jī)理以及視覺特征的基礎(chǔ)上，對目前已經(jīng)存在的陰影檢測算法進(jìn)行了總結(jié)概括。(4) 針對前景中存在陰影這個(gè)問題，本文在分析了陰影的光學(xué)特性之后，對基于HSV顏色空間和RGB顏色空間的陰影檢測算法進(jìn)行了對比，最終決定采用了基于RGB顏色模型的陰影檢測并去除陰影的方法，并取得了良好的效果。 展望由于智能監(jiān)控系統(tǒng)是一項(xiàng)涉及很多項(xiàng)學(xué)科的技術(shù)，如何使智能監(jiān)控系統(tǒng)的魯棒性更強(qiáng)、準(zhǔn)確度更高和處理速度更快是一個(gè)長期的研究課題。從目前的技術(shù)來看，還有很多問題需要進(jìn)一步的深入探索，主要包括：(1) 多攝像機(jī)、多角度的視頻監(jiān)控系統(tǒng)越來越多的應(yīng)用到實(shí)際生活中。如何使多個(gè)攝像機(jī)協(xié)同工作，有效地發(fā)揮多視角的作用從而提高檢測的精確度，是以后工作中需要重點(diǎn)考慮的問題。(2) 智能視頻監(jiān)控系統(tǒng)中，運(yùn)動(dòng)目標(biāo)檢測算法得到的結(jié)果將送入高層的處理模塊（比如目標(biāo)跟蹤、目標(biāo)分類、目標(biāo)行為識(shí)別和理解等模塊），可將高層處理模塊的處理結(jié)果作為反饋融合運(yùn)動(dòng)目標(biāo)檢測模塊到算法中去，得到更加可靠的檢測結(jié)果。(3) 混合高斯模型方法仍可以加快其背景更新的速度，目前混合高斯模型對背景模型和前景模型都進(jìn)行了建模，可以考慮有選擇性的建模更新，從而增強(qiáng)算法的適應(yīng)性。(4) 目前運(yùn)動(dòng)目標(biāo)的檢測算法缺少一個(gè)統(tǒng)一評(píng)價(jià)標(biāo)準(zhǔn)，尤其是定量評(píng)價(jià)標(biāo)準(zhǔn)對分析一個(gè)目標(biāo)檢測算法是至關(guān)重要的。參考文獻(xiàn)[1] 趙俊。智能視頻監(jiān)控系統(tǒng)關(guān)鍵技術(shù)研究[D]。碩士學(xué)位論文，西安電子科技大學(xué)，2005[2] 楊健全。視頻監(jiān)控中的目標(biāo)檢測及陰影去除算法研究[D]。碩士學(xué)位論文，國防科學(xué)技術(shù)大學(xué)研究生院，2006[3] 吳亮。運(yùn)動(dòng)目標(biāo)提取、陰影和鬼影檢測及去除算法研究[D]。碩士學(xué)位論文，國防科學(xué)技術(shù)大學(xué)研究生院，2007[4] 張楊。運(yùn)動(dòng)目標(biāo)圖像的檢測與跟蹤[D]。碩士學(xué)位論文，中北大學(xué)，2005[5] 潘翔。運(yùn)動(dòng)目標(biāo)檢測[D]。博士學(xué)位論文，浙江大學(xué)，2003[6] 何東曉。智能視頻監(jiān)控中的運(yùn)動(dòng)目標(biāo)檢測方法研究[D]。研究生學(xué)位論文，中國海洋大學(xué)，2008[7] 陳永康。車輛視頻檢測算法研究[D]。碩士學(xué)位論文，吉林大學(xué)，2006[8] Nadimi S, Bhanu B. Physical models for moving shadow and object detection in video[J]. IEEE Transactions on PAT ERN Analaysis And Machine Intelligence,2004,26(8):10791087[9] Angie WKS, Wong KKY, Chung RHY, et al. Shadow Detection for Vehicles by Locating the Object Shadow Boundary[A]. In: The Seventh IASTED International Conference on Signal and Image Processing (SIP 2005)[C]. August 1517, 2005[10] Bevilacqua A, Roffilli M. Robust denoising and moving shadows detection in traffic scenes[A]. In: IEEE Computer Society Conference on Computer Vision and Pattern Recognition[C]. Dec 914, 2001[11] Hoang M A, Geusebroek J M. corlor texture measurement and segmentation[J]. Signal Processing, 2005, 85 (2): 265275[12] 胡園園，王讓定?；诰植考y理不變性的運(yùn)動(dòng)陰影去除算法[J]。計(jì)算機(jī)應(yīng)用，2008，28(12)：31413143[13] Gevers T, Smeulders AWM. Colour based Object recognition[J]. Pattern recognition, 1999, 32 (3): 453464[14] 黃建清，李中益，張利珍。基于視頻車輛目標(biāo)檢測的陰影去除的研究[J]。計(jì)算機(jī)與信息技術(shù)，2007，5(5)： 6569[15] 劉雪，常發(fā)亮，王華杰。運(yùn)動(dòng)目標(biāo)檢測中的陰影去除方法[J]。微處理機(jī)，2008，10(5)： 116121[16] 王寧。圖像的陰影檢測與去除算法研究[D]。碩士學(xué)位論文，北京交通大學(xué)，2008[17] Cucchiara R, Grana C, Piccardi M, et al. Detecting moving objects, ghosts and shadows in video streams[J]. IEEE Trans. on Patt. Anal. and Machine Intell, 2003, 25 (10): 13371342[18] 耿劍鋒。智能視頻監(jiān)控系統(tǒng)中關(guān)鍵技術(shù)的研究[D]。碩士學(xué)位論文，江蘇大學(xué)，2008[19] 王軍利，王樹根。一種基于RGB彩色空間的影像陰影檢測方法[J]。信息技術(shù)，2002，26(12)：78