论文部分内容阅读
视频内容分析要求比较精确的目标检测方法。常用的背景减方法在检测运动前景时也会检测到运动目标投射的阴影，将阴影区域误认为目标区可能造成运动目标粘连或者目标区域几何变形，影响后续内容分析，因此去除阴影对于提高视频内容分析的准确性非常重要。本文研究阴影去除问题并将其用于交通视频中的车辆运动方向估计，论文具体工作如下： 1.提出一种基于颜色统计特性的阴影去除方法。首先利用背景减得到包含阴影的候选目标区域。进一步，分析候选目标区域和背景在YCbCr颜色空间的差值统计特性，发现阴影区域有很强的规律性：色度分量与背景区域一致性很高，亮度分量有固定的差。根据上述规律，设计算法去除阴影区域。与光照无关图方法的对比实验结果表明，本方法能够很好的去除阴影区域，同时又保持了前景目标区域的完整性。 2.实现了基于光照无关图的阴影消除方法。方法要求图像中的物体表面满足朗伯模型以及光照条件为普朗克光源以及摄像机具有较为理想的窄带响应。另外如果原图像的颜色信息不够丰富，得到的光照无关图的像素的每个值都相近，导致处理结果很差。 3.面向交通视频分析，提出基于梯度的阴影去除方法，并将其用于车辆运动方向估计。首先进行前景检测，然后求取候选区域的边缘图像，进一步统计边缘图像水平和垂直方向的梯度积分，根据梯度积分去除阴影。最后计算相邻帧的区域差分估计车辆运动方向。实验结果表明，阴影对车辆运动方向的估计有很大的影响。