.214 北京科技大学学报 第30卷 (ri.j.k gi.j.bi.j.counti.j) 标为(i,j)的背景像素和待分割像素,向量OB.和 k=0,…,KfU1 mi.j.tmp. O.之间的夹角0的大小体现了B,和两个像 素颜色上的差异,因而可以用其来表示色度差.处 2运动目标检测 于阴影区内的像素,其色度差较小并且分布较均匀, 2.1变化区域检测 而目标区像素的色度差波动较大,可以由下式 当前帧图像的变化区域检测过程如下, 求出: (1)以式(1)为匹配条件,在集合M.中搜索, 0=arccos 0B0 (2) 如果存在一个与当前像素相匹配的模型,则判定当 前像素为背景,同时,对匹配的模型依照1.2中() 所述进行更新, (②)如果M,中没有与当前像素匹配的模型, 则判定当前像素为前景,并且对M,j中的mi,j.temp 进行如下更新: rij.tempi.j.temp(1-B月十月,: gi.jtmp←gi.j.tmp(1-月)+g: bi,-iemp←bi,j.tmp(1-十%。; count..iemp十十; 图2色度差示意图 Fig.2 Chromatic difference if(count i.j.tempcount i.j.K) then mi.j.kmi.j.temp; 如前所述,仅从色度差来判断一个像素是否为 其中,β为背景更新速率,其大小决定了当场景中景 阴影是不够的,还应该考虑其邻域内纹理的变化程 物发生移入移出现象时,背景更新的快慢,经过上 度.交叉熵(cross entropy)4是信息论中一种用来 面的分割,再进行面积滤波,得到初步的运动变化 度量两个概率分布P=p0,p1,…,Pn-1}和Q= 区域, {g0,g1,…,ga-1之间信息量差异的量,其定义为: 2.2阴影消除 D(P,Q)= (3) 经过初步分割所得到的变化区域中,包含了运 是咖行 动目标和阴影,阴影往往导致目标之间产生不必要 其对称形式为: 的连接,或者使其外形扭曲,从而给视觉系统的后续 D(P:Q)= "Pi (4) 处理如目标跟踪、目标识别等带来很大的不便,因此 应该尽可能将其消除, 以CMXN和FM×v分别表示当前图像和背景图 像中以当前像素为中心的MXN邻域像素集合,并 近几年,不少学者针对阴影消除提出了很多新 颖的方法,可以概括为两类:一类是基于场景和目标 有CM×N={c,li=0,1,,M;j=0,1,…, 几何特征的方法0山,另一类是基于阴影像素和参 N,FMxx={fli=0,1,…,M;j=0,1,…, 考背景像素之间色度不变性的方法2].第1种 N{,若将邻域内各通道亮度值分布看作是一种概 方法要求对场景和目标有先验知识,第2种方法则 率分布,则邻域CM×N和BM×N之间的对称交叉熵 可以定义为: 基于阴影区域和对应的背景区域有着相似的亮度或 仔 色度以及空间几何特征(如边缘信息)这一特点,适 CER= Pr(cii)+ 产Pa(cnPa) 用范围比较广泛 经研究发现,当阴影区域的亮度大大低于所对 台台 PR(fi.j)In Pn(fi.i) PR(ci.j) (5) 应背景区域的亮度时,仅仅利用色度差来进行阴影 分割会产生比较严重的误分割现象,考虑到阴影区 CEc= 好 Pa(ci.i 2∑Pa(c-lpcf) =0=0 域往往与背景有着相同或相近的纹理及边缘特征, Pc(fii) 本文采用色度差信息和局部交叉熵相结合的方法, Pe(Pe(cp) (6) 进行阴影消除. 图2为色度差示意图,分别以B,和h,表示坐 S三ma加B PB(ci.j)( rijkgijkbijkcount ijk) k=0…K}∪{mijtemp}. 2 运动目标检测 2∙1 变化区域检测 当前帧图像的变化区域检测过程如下. (1) 以式(1)为匹配条件在集合 Mij中搜索 如果存在一个与当前像素相匹配的模型则判定当 前像素为背景.同时对匹配的模型依照1∙2中(iii) 所述进行更新. (2) 如果 Mij中没有与当前像素匹配的模型 则判定当前像素为前景并且对 Mij 中的 mijtemp 进行如下更新: rijtemp← rijtemp(1—β)+βrt; gijtemp←gijtemp(1—β)+βgt; bijtemp←bijtemp(1—β)+βbt; count ijtemp++; if (count ijtemp>count ijK) then mijK● mijtemp; 其中β为背景更新速率其大小决定了当场景中景 物发生移入移出现象时背景更新的快慢.经过上 面的分割再进行面积滤波得到初步的运动变化 区域. 2∙2 阴影消除 经过初步分割所得到的变化区域中包含了运 动目标和阴影.阴影往往导致目标之间产生不必要 的连接或者使其外形扭曲从而给视觉系统的后续 处理如目标跟踪、目标识别等带来很大的不便因此 应该尽可能将其消除. 近几年不少学者针对阴影消除提出了很多新 颖的方法可以概括为两类:一类是基于场景和目标 几何特征的方法[10—11]另一类是基于阴影像素和参 考背景像素之间色度不变性的方法[12—13].第1种 方法要求对场景和目标有先验知识第2种方法则 基于阴影区域和对应的背景区域有着相似的亮度或 色度以及空间几何特征(如边缘信息)这一特点适 用范围比较广泛. 经研究发现当阴影区域的亮度大大低于所对 应背景区域的亮度时仅仅利用色度差来进行阴影 分割会产生比较严重的误分割现象.考虑到阴影区 域往往与背景有着相同或相近的纹理及边缘特征 本文采用色度差信息和局部交叉熵相结合的方法 进行阴影消除. 图2为色度差示意图分别以 Bij和 Jij表示坐 标为( ij)的背景像素和待分割像素向量 OBij和 OJij之间的夹角θ的大小体现了 Bij 和 Jij 两个像 素颜色上的差异因而可以用其来表示色度差.处 于阴影区内的像素其色度差较小并且分布较均匀 而目标区像素的色度差波动较大.θ可以由下式 求出: θ=arccos OBij OJij |OBij||OJij| (2) 图2 色度差示意图 Fig.2 Chromatic difference 如前所述仅从色度差来判断一个像素是否为 阴影是不够的还应该考虑其邻域内纹理的变化程 度.交叉熵(cross-entropy) [14]是信息论中一种用来 度量两个概率分布 P={p0p1…pn—1}和 Q= {q0q1…qn—1}之间信息量差异的量其定义为: D(PQ)= ∑ n-1 i=0 piln pi qi (3) 其对称形式为: D(P∶Q)= ∑ n-1 i=0 piln pi qi + ∑ n-1 i=0 qiln qi pi (4) 以 CM× N和 FM× N分别表示当前图像和背景图 像中以当前像素为中心的 M× N 邻域像素集合并 有 CM× N ={cij|i =01… M;j =01… N}FM× N={f ij|i=01…M;j =01… N}.若将邻域内各通道亮度值分布看作是一种概 率分布则邻域 CM× N和 BM× N之间的对称交叉熵 可以定义为: CER= ∑ M-1 i=0∑ N-1 j=0 PR( cij)ln PR( cij) PR( f ij) + ∑ M-1 i=0∑ N-1 j=0 PR( f ij)ln PR( f ij) PR( cij) (5) CEG= ∑ M-1 i=0∑ N-1 j=0 PG( cij)ln PG( cij) PG( f ij) + ∑ M-1 i=0∑ N-1 j=0 PG( f ij)ln PG( f ij) PG( cij) (6) CEB= ∑ M-1 i=0∑ N-1 j=0 PB( cij)ln PB( cij) PB( f ij) + ·214· 北 京 科 技 大 学 学 报 第30卷