行人视频检测中阴影检测与去除方法设计

　　视频图像中的阴影会影响行人的检测与跟踪［2-4］，因为阴影的存在会造成检测目标的变形、合并、甚至丢失，使得目标定位及计数不准确。近年来，科研工作者对图像中的阴影去除问题进行了大量研究，在这些研究方法中，考察的图像特征主要有三种：光谱特征、空间特征和时间特征［5］。光谱特征针对像素点，如灰度值、颜色信息等［6］，根据当前图与背景图的色差、亮度差值等判断像素点是否为阴影，或者对图像进行变换得到光照无关图［7］进而去除阴影；空间特征是针对某一区域或某一帧图像，根据检测到的图像的轮廓、纹理、边缘等信息判断是否为阴影，如利用图像的轮廓特征［8-9］，找到目标与阴影的边界线，对本体和阴影粗分，再建立阴影像素的高斯模板进行细分，既减少了计算量又能达到较好效果；时间特征一般都是与前两种特征结合使用，可以用于对阴影方向或运动速度的估算等，以进一步提高阴影去除效果。

　　本文提出一种新的基于YUV颜色空间的阴影去除算法，因为很多摄像头的输出信号采用YUV颜色空间，与基于RGB颜色空间的处理方法相比，省去了图像颜色空间转换的步骤，能提高处理速度。在图像特征上，本文结合像素点的光谱特征与图像整体的空间特征，首先通过亮度差和色差对像素点进行判断，再利用目标本体与阴影只相接不相交的空间特征，对去除结果进行修正，使其阴影去除效果更好。同时，为了使算法适应光照、场景等的变化，采用模糊神经网络进行目标本体与阴影的分类，用遗传算法对网络参数和权值进行自适应调整，以提高算法的鲁棒性。

　　1 YUV颜色空间

　　在色彩学上，为了可以准确定量地描述颜色，将色彩定义为三大属性：“Y”表示明亮度，即灰度值；“U”和“V”表示色度，作用是描述图像色彩及饱和度，用于指定像素的颜色。根据美国国家电视制式委员会NTSC制式的标准，白光的亮度用Y来表示，色差U、V由B－Y、R－Y按不同比例压缩而成，与红、绿、蓝三色光的关系可用式（1）描述，这也是常用的转换公式。YUV到RGB的转换公式则如式（2）所示。

　　式中，R、G、B的取值范围均为0~255。通常摄像机的数据以RGB、YUV或YCrCb的格式输出。采用YUV颜色空间的重要性是它的亮度信号Y和色度信号U、V是分离的。目前有很多种颜色空间可以将图像的色度分量和亮度分量区分开来，如HSV颜色空间，但是这种转换较为复杂，对于大型图像非常耗时，并且在亮度值和饱和度较低的情况下，采用HSV颜色空间计算出来的H分量是不可靠的。

　　在YUV颜色空间中，如果只有Y信号分量而没有U、V信号分量，则这样表示的图像就是黑白灰度图像。除去亮度信号后，由U和V单纯表现出色度。因此，如果要将U与V色差信号用色相及饱和度来表示，必须从含有三维空间的色点P投影到U-V平面的P′点，如图1（a）所示。U-V平面投影法在受到不稳定光源亮度的扰动时，对于目标色度有较大的精确性且不易辨识错误，但是当光源色温变化过大时，其饱和度和色相的增减变化不易掌握。因此，如果需要判定两个任意色点是否为同一色度时，必须确定其色相与饱和度都是相等的。如图1（b）所示，对两个色点P1与P2，当其与U轴的夹角α1=α2时，表示色相相等；当其与原点的距离L1=L2时，表示饱和度相等。当两者都相等时，表示色度完全相同。

　　对于光源亮度的不稳定因素，只要光源亮度不是极值（极亮或极暗），对于相似颜色，如深蓝色和蓝色，就有相近的色度关系。对运动目标本体和阴影，也有相近的色度，但亮度值差别较大，可通过计算当前图与背景图之间的亮度差值和色差来进行阴影去除。