一種運動車輛陰影的檢測方法與流程

本發明具體涉及一種運動車輛陰影的檢測方法。

背景技術：

基于視頻的實時動態交通信息采集子系統是智能交通系統的重要組成部分，運動車輛的準確、魯棒檢測是該子系統的關鍵技術之一。通常的運動車輛檢測方法都不能區別運動目標和運動陰影，通過幀差的運動和通過背景減除的運動檢測都將陰影作為前景檢測出來，這是因為陰影與車輛目標一起運動，陰影點常被誤檢測為目標點，從而引起車輛合并、車輛形狀失真等問題，造成車輛目標分割和跟蹤失敗。運動車輛陰影檢測之所以困難原因在于陰影和車輛具有兩個相同的視覺特征：陰影點和前景點在亮點和色度等方面都顯著不同于背景點；陰影和投射它們的車輛具有相同的運動屬性。

雖然基于特征的陰影檢測效果較好，但是在rgb顏色空間中，rgb顏色分量通常是緊密相關的，傳統算法是在三個顏色分量上獨立地進行陰影檢測，效果并不十分理想。

技術實現要素：

本發明要解決的技術問題是提供一種運動車輛陰影的檢測方法。

一種運動車輛陰影的檢測方法，包括以下步驟：

s1：采用幀間差分法獲得運動車輛輪廓和運動陰影輪廓；

s2：應用霍特林變換消除rgb顏色分量的相關性；

s3：構造陰影測度通過閾值進行陰影檢測。

進一步的，步驟s1的具體步驟如下：

1）根據kubelka-munk公式，在白色光照射下粗糙表面上任意一點表象能用下式模擬：

，

其中，是k時刻坐標（x,y）處像素點的圖像亮度，是k時刻目標表面的反射系數，是k時刻光源輻射度；

2）光源輻射度近似為：

，

其中和分別是周圍環境和光源的光線強度，是光源方向與目標表面法線方向之間的夾角；

3）加入如下約束：

①強光源；②背景和相機是靜止的；③背景是平坦的；

4）通過考慮當前幀和參考幀之間的差來計算輻射度，由固定背景的假設可知反射系數不隨時間而改變，和的差能表示為：

；

可得到，

；

通過閾值化幀差圖像就能檢測陰影點。

進一步的，步驟s3的具體步驟如下：

1）設公路交通場景圖中（i,j）處的像素點為，采集m個像素點組成訓練樣本集，計算它們的均值樣本、協方差矩陣、霍林變換矩陣a和相應協方差距陣；

根據公式：，求取；

根據公式：，求取；為（i,j）處的實際像素與該處樣本均值的差的霍特林變換，而為（i,j）處的樣本均值的霍特林變換；

2）令：，定義陰影測度t為：

，其中，，是樣本像素霍特林變換的第i個特征值；

3）對于x(i,j)，根據下述準則進行陰影檢測：

，

閾值和根據先驗知識來手動確定。

本發明的有益效果是：

本發明應用霍特林變換消除了rgb顏色分量的相關性，構造了陰影測度并通過間接的閾值化判斷達到陰影檢測目的，該方法能有效地抑制陰影并完整地分割出運動車輛目標。

具體實施方式

以下具體實施例對本發明作進一步闡述，但不作為對本發明的限定。

一種運動車輛陰影的檢測方法，包括以下步驟：

s1：采用幀間差分法獲得運動車輛輪廓和運動陰影輪廓；

s2：應用霍特林變換消除rgb顏色分量的相關性；

s3：構造陰影測度通過閾值進行陰影檢測。

步驟s1的具體步驟如下：

1）根據kubelka-munk公式，在白色光照射下粗糙表面上任意一點表象能用下式模擬：

，

其中，是k時刻坐標（x,y）處像素點的圖像亮度，是k時刻目標表面的反射系數，是k時刻光源輻射度；

2）光源輻射度近似為：

，

其中和分別是周圍環境和光源的光線強度，是光源方向與目標表面法線方向之間的夾角；

3）加入如下約束：

①強光源；②背景和相機是靜止的；③背景是平坦的；

4）通過考慮當前幀和參考幀之間的差來計算輻射度，由固定背景的假設可知反射系數不隨時間而改變，和的差能表示為：

；

可得到，

；

通過閾值化幀差圖像就能檢測陰影點。

步驟s3的具體步驟如下：

1）設公路交通場景圖中（i,j）處的像素點為，采集m個像素點組成訓練樣本集，計算它們的均值樣本、協方差矩陣、霍林變換矩陣a和相應協方差距陣；

根據公式：，求取；

根據公式：，求取；為（i,j）處的實際像素與該處樣本均值的差的霍特林變換，而為（i,j）處的樣本均值的霍特林變換；

2）令：，定義陰影測度t為：

，其中，，是樣本像素霍特林變換的第i個特征值；

3）對于x(i,j)，根據下述準則進行陰影檢測：

，

閾值和根據先驗知識來手動確定。