行人視頻檢測中陰影檢測與去除方法設計

　　2.5 空間特征

　　考慮到圖像中陰影和目標本體相接但互不相交，對于不能判斷的像素及初步識別結果，按下述規則進行判斷和修正：（1）如果周圍像素點多數為“陰影”，則該點是“陰影”。（2）如果周圍像素點多數為“目標”，則該點是“目標”。（3）如果周圍像素點多數是目標而被判斷為“陰影”，則改判斷為“目標”。（4）如果周圍像素點多數是陰影而被判斷為“目標”，則改判斷為“陰影”。這里的多數是指相鄰8個像素點中5個以上。

　　3 實驗結果和分析

　　圖3、圖4是室外拍攝的視頻序列的處理結果，視頻序列共2 571幀，單幀圖像大小為354×288，圖3是第154幀圖像，圖4是第363幀圖像。

　　童車在圖3中作為背景被提取出來，而在圖4中成為前景。與圖3相比，圖4中光照有較大變化，圖3（d）、圖4（d）、圖5（d）表明模糊神經網絡分類器能有效地進行陰影去除。由圖5（d）可見，通過陰影去除，行人能被分隔開來，這樣有利于提高視頻檢測的準確率。

　　表1是對在不同路口拍攝的行人視頻進行行人檢測的結果，進行陰影去除后視頻檢測的平均準確率由61.52%提高到80.15%。

　　本文給出了一種新的陰影去除算法，該算法以YUV顏色空間為基礎，用模糊神經網絡分類器識別對像素點提取的光譜特征是否為陰影，網絡的結構和參數采用遺傳算法進行實時更新，最后結合運動目標與陰影的空間特征對分類結果進行修正。實驗表明，該方法能適應光照、場景的變化，通過陰影去除能明顯提高行人視頻檢測的準確率。

　　本文關于行人視頻檢測的研究尚處于起步階段，對視頻檢測中的遮擋問題、運動描述和行為理解問題還在進一步研究中。