基于HSV颜色空间的阴影消除改进算法

许 锋 单大国

（中国刑警学院 辽宁 沈阳 110035）

基于HSV颜色空间的阴影消除改进算法

许 锋 单大国

（中国刑警学院 辽宁 沈阳 110035）

在目前的智能监控研究中，阴影消除是运动目标跟踪与检测的研究热点。根据公安工作的实际情况，针对阴影导致目标形状畸变和目标形状损失等问题，提出了一种基于HSV颜色空间的阴影检测及消除的改进方法：首先对序列图像进行预处理消除噪声干扰，然后利用阴影区域在色调和亮度上的特征，在HSV色彩空间实现对阴影检测并消除，最后采用形态学中的腐蚀和膨胀算法填充缺失的边缘轮廓。通过实验比对表明，该方法能较好地消除阴影，得到了较为完整的轮廓，同时具有较好的实时性和鲁棒性。

智能监控 阴影 HSV颜色空间 形态学

随着公安部“天网”、“天眼”工程的深入开展，监控已经遍布主要路口、重点要害部门、案件多发地带、公共复杂场所和人员流动密集区，如何提高视频资料利用效率和范围是目前面临的重要工作。智能监控技术在此情况下应运而生，它能够最大限度地利用监控视频中的关键信息，自动识别物体、发现场景中的突发情况并自动地报警和记录相关信息，可以在不增加人力、物力的情况下帮助办案人员处理多种突发状况，是目前视频监控领域最前沿的研究方向。[1]

智能监控技术的研究内容主要包括以下3个方面：运动目标检测、目标跟踪和行为分析，作为最前端的运动目标检测是后续目标跟踪和行为分析的基础。[2]在实际应用的过程中，光线照射在运动目标上会产生明显的阴影区域，如果不考虑阴影的作用效果，通常会造成多个目标合一、虚假目标、目标形状畸变，甚至严重情况下目标最终消失，直接影响后续处理的结果，所以说，在运动目标检测中阴影的检测和消除是不可忽略的关键性问题。

1 阴影消除算法概述

阴影的出现会增大运动目标的检测误差甚至造成错误，因此在过去的几十年中，国内外很多研究者进行了深入的研究。对于智能监控系统而言，目前主要通过如下两种方法来实现阴影检测及消除[3,4]：（1） 基于模型法，通过运动目标在监控画面中的先验知识构建阴影模型，然后根据此模型判断是否为阴影并进行消除；（2）基于特征法，通过对一些阴影内外保持不变或变化较小的属性特征，如亮度、色调、饱和度等作为参考依据，通过比较这些量的变化情况，进而判断是否为阴影并进行消除。[5,6]本文在研究HSV色彩模式特性的基础上，依据阴影与判别对象在H，S，V三分量中的不同表现，通过设定相应的阈值，最终实现在监控视频中对运动目标产生的阴影检测并消除。

2 基于HSV颜色空间特性的改进算法

针对上述阴影消除方法存在的不足，结合公安工作的实际情况，本文提出的改进方法，首先对序列图像进行预处理，然后利用HSV颜色空间的特性进行阴影自动判断与消除，最终通过形态学处理得到消除阴影后的图像，其具体的流程如图1所示。

图1 阴影消除流程图

2.1 图像预处理

监控系统受到条件限制和环境影响，其得到的视频影像多含有噪声成分，如椒盐噪声、高斯噪声和脉冲噪声等，这些噪声会影响图像的质量，模糊图像特征。为了提高阴影消除的效果，本文首先对视频图像进行中值滤波和高斯滤波，并使用双向直方图均衡处理，以突出图像边缘轮廓，增强抗干扰能力。

2.2 转换HSV颜色空间

监控视频拍摄过程中通常使用的是RGB颜色空间，为了得到更好的后续处理效果，通常将RGB转换为HSV颜色模式。相对于我们熟悉的RGB色彩模式，HSV色彩模式（H为色度，S为饱和度，V为亮度）更接近人眼视觉模型，利用此色彩模式可以直接表示颜色亮度信息，进而突出阴影及运动目标的差别。转换的公式有多种，其原理大致相同，本文选取如下的转化公式[7]：

式中，R,G,B的取值范围是[0,255]；H的取值范围是[0,360]；S的取值范围是[0,1]；V的取值范围是[0,255]；在实际图像处理中把H,S,V的取值范围归一化为[0,1]，然后按照下式重新调整分量的分布：

2.3 阴影的检测与消除

对于运动目标和其产生的阴影，人眼是十分容易分辨的，但如何让没有自我辨识能力的计算机识别运动目标产生的阴影是目前智能监控系统研究的难题之一。运动目标所在的位置信息、形状特征、监控画面表面特性以及光照情况等信息可以从连续的监控图像中得到，并且运动目标产生的阴影在颜色属性上明显与场景背景不同，基于以上的描述，可以构建阴影检测的一般方法。由于运动目标产生阴影处的亮度及饱和度比背景要暗，同时色彩基本不变，所以本文采用HSV色彩模式来判断阴影，具体公式如下：

式中，lH(x,y)，lS(x,y)，lV(x,y)分别代表了新输入像素l (x,y)在HSV上的分量，BH(x,y)，BS(x,y)，BV(x,y)分别代表了背景像素值在HSV上的分量。若l(x,y)被认定为阴影，那么这点的SP(x,y)为0。其中参数0＜aS＜βS＜1，参数aS取值依据阴影强度：阴影投射强度越强，aS越小；βs用来提高适应噪声的鲁棒性，确保当前帧的亮度不能和背景太接近。参数τS及τH通过主观经验选取并适当调试。

在实际使用的过程中，为了满足不同的环境需要设置不同的参数阈值，使用起来十分不便。通过实验发现：运动目标的阴影只有亮度V降低，并且在HSV色彩模式中，阴影的三个向量和H¯+S¯+V¯比背景的向量和H¯b+S¯b+V¯b小，最终可通过比较两者的向量差来区分阴影，计算公式如下：

2.4 形态学处理

通常情况下，阴影消除后的图像存在离散的噪声，目标边缘也会出现断点现象，这些噪声不利于对感兴趣目标的进一步分析，所以当完成初步的阴影消除后，需要适当进行降噪处理。处理的一般方法是利用形态学运算，包括采用膨胀、腐蚀等运算去除孤立噪点并填充缺失的边缘轮廓，最终得到满意的处理效果。

3 实验结果分析

为了验证本文算法的有效性，采用国际上通用的标准视频序列Highway I及Intelligent room，分别对室内和室外监控环境进行了阴影检测及消除实验，并同文献[4]及文献[5]的检测结果进行了比较，其结果如图2～7所示。其中，a表示视频图像原图；b表示差分计算后的二值图；c表示采用文献[4]中阴影消除算法得到的图像；d表示采用文献[5]中阴影消除算法得到的图像；e表示采用本文算法进行阴影消除得到的图像。

图2 Highway I中第90帧视频处理结果

图3 Highway I中第104帧视频处理结果

图4 Highway I中第183帧视频处理结果

图5 Intelligent room中第280帧视频处理结果

图6 Intelligent room中第510帧视频处理结果

图7 Intelligent room中第840帧视频处理结果

通过上述序列图像可以明显发现光照产生的阴影，如果不进行处理将严重影响后续的运动目标检测及跟踪的精度。在室外光照条件下的Highway I视频中截取了第90、104和183帧，从检测和消除效果可以发现，文献[4]及文献[5]的算法虽然能够消除部分阴影，但是存在运动目标主体轮廓缺失、主体目标被当成阴影消除以及噪声干扰等问题，而本文的算法能够较好地检测并消除阴影，保证主体目标轮廓完整；对于室内光照条件下的Intelligent room视频中截取了第280、510和840帧，从检测和消除效果可发现，文献[4]、文献[5]及本文的算法都能较好地消除阴影，但文献中的算法得到的处理结果主体目标轮廓缺失并且噪声干扰明显，而本文的算法可以得到较完整的外部轮廓。总体来说本文的算法在室外光照条件下噪声的消除、阴影的检测及消除效果更为理想，也更贴近公安工作的实际需求，具有较高的实用价值。

4 结论

阴影是运动目标检测与跟踪中普遍存在的问题，严重影响检测精度，导致目标识别错误，本文分析了目前阴影消除的常用算法，根据公安工作的实际需求，采用基于特征法的HSV色彩模式来消除阴影，通过图像预处理，最终完成阴影检测与消除，得到轮廓较为完整的图像。实验的结果表明，本文提出的方法简单并且便于实现，对于消除阴影及噪声有一定的效果，并且得到的目标轮廓较为完整清晰，具有较好的实时性和鲁棒性。

[1]I.Haritaoglu，D.Harwood，L.S.Davis. W4：real-time surveillance of people and their activities [J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2000，22(8)：809-830.

[2]王典. 基于混合高斯的背景建模与阴影抑制算法研究[D].西安：西北工业大学，2006：25-32.

[3]Yoneyama A，Yeh C H，Kuo C C J.Moving cast shadow elimination for robust vehicle extraction based on 2D joint vehicle/shadow models[A].Proceedingsofthe IEEE Conference on Advanced Video and Signal Based Surveillance(AVSS’03)[C].Miami：IEEE Computer Society，2003：229-236.

[4]高海燕.人体步态识别研究[D].北京：北京交通大学，2010：33-41.

[5]Sanin A，Sanderson C,Lovell B C.Improved Shadow RemovalforRobustPerson Tracking in Surveillance Scenarios[A].2010 20th International Conferenceon Pattern Recognition [C].Madison：ConferencePublications，2010：142-151.

[6]胡园园，王让定.基于纹理不变性的运动阴影去除算法[J].计算机应用，2008，28（12）：3141-3146.

[7]石美红，申亮，龙世忠，等.从RGB到HSV色彩空间转换公式的修正[J].纺织高校基础科学学报，2008，21（3）：351-356.

（责任编辑：孟凡骞）

TP391.4

A

2095-7939(2015)02-0067-03

2015-01-16

辽宁省科技厅自然科学基金项目（编号：2013020008）。

许锋（1977-），男，山东莱州人，中国刑警学院声像资料检验技术系副教授，博士，主要从事声像资料检验鉴定研究。