【正文】 頻監(jiān)控系統(tǒng)的關(guān)鍵技術(shù)技術(shù)中研究的一個(gè)重要問(wèn)題。這樣就會(huì)產(chǎn)生與陰影有關(guān)的一系列問(wèn)題，如陰影會(huì)造成：(1) 運(yùn)動(dòng)目標(biāo)形狀的變化，即目標(biāo)和陰影常連成一塊形成前景的目標(biāo)塊，陰影形狀會(huì)隨目標(biāo)的運(yùn)動(dòng)和光照方向的改變而發(fā)生改變，所以造成目標(biāo)形狀改變；(2) 目標(biāo)的合并，即陰影會(huì)把不相連的若干單個(gè)目標(biāo)相互連接在一起；(3) 目標(biāo)丟失，即運(yùn)動(dòng)目標(biāo)落在另一個(gè)運(yùn)動(dòng)目標(biāo)的陰影里；(4) 假目標(biāo)的出現(xiàn)，即目標(biāo)與陰影分離時(shí)，陰影成為獨(dú)立目標(biāo)。目前的運(yùn)動(dòng)目標(biāo)檢測(cè)方法之所以都不能區(qū)分運(yùn)動(dòng)目標(biāo)和運(yùn)動(dòng)陰影，這是由于陰影具有兩個(gè)重要的視覺(jué)特征：(1) 陰影明顯地不同于背景，而在運(yùn)動(dòng)目標(biāo)檢測(cè)過(guò)程中被理解為前景；(2) 陰影與產(chǎn)生陰影的運(yùn)動(dòng)目標(biāo)具有相同的運(yùn)動(dòng)屬性，很難區(qū)分。因此，被陰影覆蓋區(qū)域的圖像除在亮度上表現(xiàn)出明顯變化外，其色度并沒(méi)有呈現(xiàn)出太多變化。在實(shí)際應(yīng)用中進(jìn)行陰影檢測(cè)時(shí)，一般認(rèn)為陰影有如下特點(diǎn)：(1) 被陰影所覆蓋的像素點(diǎn)比原背景亮度低，不顯著改變所覆蓋的背景顏色和紋理；(2) 陰影總是與形成陰影的運(yùn)動(dòng)目標(biāo)相關(guān)聯(lián)；(3) 被陰影所覆蓋的背景點(diǎn)色調(diào)會(huì)對(duì)藍(lán)色造成很大的影響；(4) 陰影形狀是目標(biāo)形狀在背景上的投影，但是形狀與運(yùn)動(dòng)目標(biāo)的形狀基本不同，差距很大；(5) 陰影與產(chǎn)生陰影的目標(biāo)具有相同的運(yùn)動(dòng)屬性。直射光線被部分阻擋的部分叫做半本影（Penumbra，又叫半影）。投射陰影是由于物體阻擋光線后在背景上形成的部分，這就是要從結(jié)果中去掉的陰影。陰影通?？煞譃橥渡潢幱埃–ast Shadow）和自身陰影（Self Shadow）兩類(lèi)。為此，本文引入了基于RGB顏色空間的陰影檢測(cè)和去除方法進(jìn)行運(yùn)動(dòng)目標(biāo)陰影的檢測(cè)與去除；利用數(shù)學(xué)形態(tài)學(xué)方法來(lái)完成對(duì)目標(biāo)區(qū)域的修整與重建。但在變化像素中，除了運(yùn)動(dòng)目標(biāo)外還存在許多由各種干擾所引起的變化像素，這些可能會(huì)使原本分離的目標(biāo)區(qū)域合并或引起目標(biāo)變形等。該算法的特點(diǎn)是每個(gè)高斯分布不僅帶有權(quán)值，而且具有優(yōu)先級(jí)，像素點(diǎn)與某個(gè)高斯模型相匹配后，就將該匹配的高斯分布的參數(shù)進(jìn)行更新，權(quán)值進(jìn)行提高，而其它高斯分布的權(quán)值則相應(yīng)地降低，每次對(duì)參數(shù)與權(quán)值進(jìn)行更新之后，對(duì)每個(gè)高斯分布再重新計(jì)算優(yōu)先級(jí)和進(jìn)行排序。如果T值取的比較大，那么混合模型就可以容納重復(fù)運(yùn)動(dòng)的背景導(dǎo)致的多種背景顏色。N是能達(dá)到這一比例的“最好”的高斯分布的數(shù)量，即前面N個(gè)最可能的分布。為了判定Xt是屬于前景像素還是背景像素，首先根據(jù)每個(gè)模型的ω/σ值來(lái)給模型排序，比值越大，表示具有較大的ω和較小的σ，因此排序越前的高斯分布，越能描述背景模型。在每一時(shí)間里，選擇每一點(diǎn)的混合高斯模型中的一個(gè)或多個(gè)高斯分布作為背景模型，其它的則作為前景模型。 運(yùn)動(dòng)目標(biāo)的檢測(cè)與提取由于有噪聲的影響，背景圖像庫(kù)中某些圖像的有些像素點(diǎn)并不能真正地代表背景，用這類(lèi)像素建立的高斯分布模型是應(yīng)該被去除。這種方法的一個(gè)顯著優(yōu)點(diǎn)：當(dāng)某些值被歸為到背景時(shí)，現(xiàn)存的背景模型并沒(méi)有被破壞，原來(lái)的背景顏色一直存在于混合模型中直到被新的背景顏色所取代。(2) 如果在K個(gè)分布中沒(méi)有找到與當(dāng)前像素匹配的高斯分布，那么可能性最小的高斯分布將被新的高斯分布所替代。1/α為表示變化快慢的時(shí)間常數(shù)，α越小，權(quán)值更新的越慢，時(shí)間常數(shù)越大；α越大，權(quán)值更新的越快，時(shí)間常數(shù)越小，混合高斯模型中主高斯分布對(duì)背景適應(yīng)性越好，更有利于背景模型的更新，但對(duì)于內(nèi)部顏色比較一致的運(yùn)動(dòng)目標(biāo)，則目標(biāo)的運(yùn)動(dòng)方向后半部分容易檢測(cè)為背景（因?yàn)榍鞍氩糠挚赡芤呀?jīng)更新為背景了），這樣就造成了目標(biāo)的漏檢。對(duì)于匹配的模型Mk,j=1，其余的模型（不匹配的分布）為0。匹配的方法是把高斯分布ηk按權(quán)值與方差之比ω/σ從大到小排列，然后選擇Xt與均值μj,t1,k足夠接近的第一個(gè)高斯分布作為匹配的高斯分布，即Xt滿足下列判別式： （）其中，上式表示Xt服從第j個(gè)高斯分布(1＜j＜K)。更新方法的思想是對(duì)于圖像給定點(diǎn)的最新值Xt，與K個(gè)高斯分布分別進(jìn)行匹配，如果有某個(gè)高斯分布ηk與它匹配，則用當(dāng)前值Xt去更新這個(gè)ηk的各項(xiàng)參數(shù)；如果沒(méi)有任何一項(xiàng)分布ηk與它匹配，就用一個(gè)代表當(dāng)前值Xt的新的分布去代替現(xiàn)有混合高斯分布中的一個(gè)分布項(xiàng)。為了增強(qiáng)背景模型的適應(yīng)性，需要根據(jù)實(shí)際的情況，對(duì)背景模型進(jìn)行實(shí)時(shí)地更新。在當(dāng)前時(shí)刻t點(diǎn)(i, j)的概率分布可用下面的公式來(lái)表示： （） （）其中，ωij,k,t是t時(shí)刻第k個(gè)混合高斯分布的權(quán)值，μij,k,t、Σij,k,t分別為第k個(gè)高斯分布的均值和方差，η是高斯概率密度函數(shù)。K值的選取一般由計(jì)算能力和內(nèi)存來(lái)決定，K值越大，模型雖然能體現(xiàn)越復(fù)雜的場(chǎng)景，但同時(shí)計(jì)算量也將大幅增加，消耗更多的計(jì)算時(shí)間。因此，對(duì)每個(gè)像素點(diǎn)用多個(gè)高斯模型混合表示。但背景場(chǎng)景往往不是絕對(duì)靜止的，例如由于樹(shù)枝的搖擺運(yùn)動(dòng)，背景圖像上的某一像素點(diǎn)在某一時(shí)刻可能是樹(shù)葉，可能是樹(shù)枝，也可能是天空，每一種狀態(tài)的像素點(diǎn)顏色值都是不同的。這種基于混合高斯模型算法（MoG算法）的運(yùn)動(dòng)目標(biāo)檢測(cè)算法即繼承了大多背景差算法簡(jiǎn)單易于實(shí)現(xiàn)的特點(diǎn)，同時(shí)對(duì)背景中每個(gè)像素建立統(tǒng)計(jì)模型，進(jìn)行學(xué)習(xí)和更新，完全可以克服多模態(tài)的問(wèn)題，獲得比較準(zhǔn)確實(shí)時(shí)的背景，從而有效進(jìn)行運(yùn)動(dòng)目標(biāo)前景的提取[6]。前者在每個(gè)背景點(diǎn)上的顏色分布是比較集中的，可以用單個(gè)概率分布模型來(lái)描述（即只有一個(gè)模態(tài)）；后者的分布則比較分散的，需要多個(gè)分布模型來(lái)共同描述（即具有多個(gè)模態(tài)）。 基于RGB顏色空間的混合高斯模型在靜止攝像機(jī)條件下，運(yùn)動(dòng)目標(biāo)檢測(cè)的關(guān)鍵是背景圖像的描述模型即背景模型，它是背景差方法分割前景目標(biāo)的基礎(chǔ)。通常的解決辦法是系統(tǒng)需要時(shí)常對(duì)背景重新初始化，以防止錯(cuò)誤隨著時(shí)間不停地積累造成背景的失效。這種固定背景算法是假定背景在相當(dāng)長(zhǎng)的一段時(shí)間內(nèi)是不會(huì)發(fā)生變化的，然后以此為基礎(chǔ)求解運(yùn)動(dòng)區(qū)域。背景圖像為B(x，y)，則差分圖像可以表示為 （）(3) 對(duì)差分圖像做二值化處理,得到運(yùn)動(dòng)區(qū)域： （）其中，p為差分圖像中的任何一點(diǎn)，T為閾值。(2) 在像素模式下，用當(dāng)前圖像減去已知背景圖像來(lái)得到差分圖像。最簡(jiǎn)單的背景模型是時(shí)間平均圖像。背景差法必須要有背景圖像，并且背景圖像要隨著光照和外部環(huán)境的變化而實(shí)時(shí)更新，因此背景差法關(guān)鍵是背景建模及其更新。 背景差法背景差法相對(duì)于相鄰幀差法和光流法來(lái)說(shuō)簡(jiǎn)單且易于實(shí)現(xiàn)，是一種有效的運(yùn)動(dòng)目標(biāo)檢測(cè)算法，是固定攝像機(jī)對(duì)固定場(chǎng)景進(jìn)行視頻監(jiān)控時(shí)檢測(cè)運(yùn)動(dòng)目標(biāo)最常用的方法。另外，當(dāng)運(yùn)動(dòng)目標(biāo)面積較大，顏色一致時(shí)，容易在目標(biāo)內(nèi)部產(chǎn)生空洞，無(wú)法完整地提取運(yùn)動(dòng)目標(biāo)。相鄰幀差法的優(yōu)點(diǎn)就是相鄰兩幀的時(shí)間間隔很短，用前一幀圖像作為后一幀圖像的背景模型具備較好的實(shí)時(shí)性，而且其背景不積累、更新速度快、算法計(jì)算量小。其基本思想：如果一幅圖像的某一位置物體發(fā)生變化，那么對(duì)應(yīng)位置的灰度也將發(fā)生變化；而物體沒(méi)有發(fā)生變化的部分，其灰度則不發(fā)生變化或變化很小。 相鄰幀差法相鄰幀差法即圖像序列差分法，它利用兩幀圖像亮度差的絕對(duì)值來(lái)分析視頻和圖像序列的運(yùn)動(dòng)特性，確定圖像序列中是否有物體運(yùn)動(dòng)。對(duì)于視頻監(jiān)控系統(tǒng)來(lái)說(shuō)，所用的圖像基本都是攝像機(jī)靜止?fàn)顟B(tài)下攝取得，所以對(duì)有實(shí)時(shí)性和準(zhǔn)確性要求的系統(tǒng)來(lái)說(shuō)，純粹使用光流法來(lái)檢測(cè)運(yùn)動(dòng)目標(biāo)不太實(shí)際。光流的研究是利用圖像序列中的像素強(qiáng)度數(shù)據(jù)的時(shí)域變化和相關(guān)性來(lái)確定各自像素位置的“運(yùn)動(dòng)”，即研究圖像灰度在時(shí)間上的變化與景象中物體結(jié)構(gòu)及其運(yùn)動(dòng)的關(guān)系。目前常用的運(yùn)動(dòng)檢測(cè)方法有光流法、相鄰幀差法、背景差分法。 運(yùn)動(dòng)目標(biāo)檢測(cè)算法概述運(yùn)動(dòng)目標(biāo)檢測(cè)是整個(gè)智能視頻監(jiān)控系統(tǒng)的第一部分，其目的是將運(yùn)動(dòng)目標(biāo)(如車(chē)輛，行人等)從圖像中提取出來(lái)，檢測(cè)效果的好壞直接關(guān)系到后續(xù)步驟，而且也關(guān)系到整個(gè)系統(tǒng)的優(yōu)劣和實(shí)用性。MOD處于整個(gè)視頻監(jiān)視系統(tǒng)的最底層，是各種后續(xù)高級(jí)應(yīng)用如目標(biāo)跟蹤、目標(biāo)分類(lèi)、目標(biāo)行為識(shí)別和理解等的基礎(chǔ)。設(shè)圖像集合的邊界為edge (A)，先用一個(gè)結(jié)構(gòu)元素B腐蝕A，再求取腐蝕結(jié)果和A差集就可得到edge (A)，則輪廓提取通過(guò)下式得到： （）第三章 運(yùn)動(dòng)目標(biāo)的檢測(cè) 引言運(yùn)動(dòng)目標(biāo)檢測(cè)（MovingObjectives Detecting, MOD）是指將圖像序列中發(fā)生變化的區(qū)域從背景中分割出來(lái)。通常，由于噪聲的影響，圖像在閾值化后所得到的邊界往往是很不平滑的，物體區(qū)域具有一些噪聲孔，背景區(qū)域上散布著一些小的噪聲物體，連續(xù)的開(kāi)運(yùn)算和閉運(yùn)算可以有效的改善這種情況。其定義為： （）閉運(yùn)算也是平滑圖像的輪廓，但與開(kāi)運(yùn)算相反，它具有填充物體內(nèi)細(xì)小空洞、連接鄰近物體、在不明顯改變物體面積的情況下平滑其邊界的作用。集合A被結(jié)構(gòu)元素B作閉運(yùn)算，記為AB。換句話說(shuō)，A被B開(kāi)運(yùn)算就是A被B腐蝕后的結(jié)果再被B膨脹。先腐蝕后膨脹的過(guò)程為開(kāi)運(yùn)算，先膨脹后腐蝕的過(guò)程為閉運(yùn)算。腐蝕是一種消除所有邊界點(diǎn)，使邊界向內(nèi)部收縮的過(guò)程，可以用來(lái)消除小且無(wú)意義的物體。其概念常定義為： （）上式表明對(duì)每一個(gè)像素，以該像素點(diǎn)為原點(diǎn)的腐蝕結(jié)構(gòu)B完全屬于A，則該像素屬于腐蝕結(jié)果的像素集合。(2) 腐蝕在數(shù)學(xué)形態(tài)學(xué)實(shí)際應(yīng)用過(guò)程中，腐蝕的運(yùn)算符用來(lái)表示。例如，一個(gè)物體顯示在二值圖像上可能受到噪聲等干擾，使得物體本身像素值為1的點(diǎn)相互分散又靠得很近，那么膨脹運(yùn)算可能會(huì)使這些像素點(diǎn)連通在一起，最終獲得完整的物體。膨脹運(yùn)算在數(shù)學(xué)形態(tài)學(xué)中的作用是修復(fù)原屬于一個(gè)整體的分開(kāi)的若干個(gè)像素點(diǎn)集合，即把圖像周?chē)谋尘包c(diǎn)合并到物體中。上式表明用B膨脹A的過(guò)程：先對(duì)B做關(guān)于原點(diǎn)的映射，再將其映像平移x，這里A與B映像的交集不為空集。結(jié)構(gòu)元素在形態(tài)變換中的作用相當(dāng)于信號(hào)處理的“濾波窗口”。結(jié)構(gòu)元素本身也是一個(gè)圖像集合，對(duì)每個(gè)結(jié)構(gòu)元素，指定一個(gè)原點(diǎn)，它是結(jié)構(gòu)元素參與形態(tài)學(xué)運(yùn)算的參考點(diǎn)。基本圖像形態(tài)結(jié)構(gòu)運(yùn)算有膨脹與腐蝕。數(shù)學(xué)形態(tài)學(xué)運(yùn)算主要用于如下幾個(gè)目的[6]：(1) 圖像預(yù)處理（去噪聲、簡(jiǎn)化形狀）；(2) 增強(qiáng)物體結(jié)構(gòu)（抽取骨骼、細(xì)化、粗化、凸包、物體標(biāo)記）；(3) 從背景中分割物體；(4) 物體量化描述（面積、周長(zhǎng)、投影、EulerPoincare特征）。數(shù)學(xué)形態(tài)學(xué)的數(shù)學(xué)基礎(chǔ)和所用語(yǔ)言是集合論?，F(xiàn)在，數(shù)學(xué)形態(tài)學(xué)可以用來(lái)解決抑制噪聲、特征提取、邊緣檢測(cè)、圖像分割、形態(tài)識(shí)別、紋理分析、圖像恢復(fù)與重建、圖像壓縮等圖像處理的問(wèn)題。數(shù)學(xué)形態(tài)學(xué)以嚴(yán)格的數(shù)學(xué)理論和集合理論為基礎(chǔ)，著重于研究圖像的集合結(jié)構(gòu)，形態(tài)學(xué)對(duì)圖像的處理基于結(jié)構(gòu)元素（structure element）的概念，而且結(jié)構(gòu)元素的選擇和圖像的某種特有信息有密切的關(guān)系，所以構(gòu)造不同的結(jié)構(gòu)元素可提供不同的圖像分析和處理方法，數(shù)學(xué)形態(tài)學(xué)中的集合表示圖像中的特定信息。HSV顏色空間能夠清晰地將顏色分為色度和亮度，而陰影不會(huì)改變背景的色度，故常用此顏色空間來(lái)進(jìn)行陰影檢測(cè)。來(lái)設(shè)定。同樣，將白色加入所選的色彩中時(shí)，則參數(shù)S減小而V保持不變。增加黑色即減小V而S保持不變。HSV對(duì)多數(shù)用戶來(lái)說(shuō)是一個(gè)較直觀的模型。在六邊形頂部的顏色強(qiáng)度最大。當(dāng)S=0時(shí)，只有灰度。當(dāng)S=1時(shí)，此時(shí)的得到最純的顏色，并不是白色。低的值提供一個(gè)中性、陰暗的顏色，而高的值提供一個(gè)強(qiáng)烈的、純的顏色。飽和度（S）指顏色的純度和濃度的大小。處，而青色在180176。黃色位于60176。六邊形的頂點(diǎn)以60176。色調(diào)用與水平軸之間的角度來(lái)表示，范圍從0176。例如，紅色、黃色、藍(lán)色或綠色。在六棱錐中，飽和度沿水平軸測(cè)量，而亮度值沿通過(guò)六棱錐中心的垂直軸測(cè)量。一方面，該模型可在彩色圖像中消除亮度分量的影響從而獲得色調(diào)和飽和度的彩色信息，因此它比其他彩色模型更利于開(kāi)發(fā)基于彩色描述的圖像處理方法；另一方面，HSV彩色模型能夠使人更自然、更直觀地解釋和感受顏色。當(dāng)人觀察一個(gè)彩色物體時(shí)，更習(xí)慣用色調(diào)、飽和度和亮度來(lái)描述它。亮度（V）是光作用于人眼時(shí)所引起的明亮程度的感覺(jué)，它與被觀察物體的發(fā)光強(qiáng)度有關(guān)。飽和度（S）指的是顏色的純度，即摻入白光的程度，或者說(shuō)是指顏色的深淺程度，對(duì)于同一色調(diào)