一种结合YUV色彩空间和纹理的阴影检测

李炜

摘要：在传统的智能检测算法中目标检测时，往往阴影和需要被检测的物体一起检测出来，这样会给后续的处理带来诸多的不便，而且易造成较高的虚警率。该文提出了一种结合YUV色彩空间和纹理特征的阴影检测，可以提高阴影检测的稳定性，进而很好的完成阴影检测，达到了实际应用的需求。

关键词：运动目标阴影检测；YUV色彩空间；目标分割；图像纹理

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2014）30-7168-02

1 概述

运动物体与背景的分离是智能监控检测的重要一步，然而在实际的应用场景中运动物体和阴影一起被检测成前景，这样会影响后续的目标识别和分割。因此，对前景的阴影检测和去除十分有必要，国内外的许多学者对此也进行了深入的研究。现有的阴影抑制方法主要有：基于属性和基于模型的阴影检测算法。基于模型的阴影检测方法对于比较复杂的模型具有计算量大、实时性较差的缺点。基于颜色空间的阴影检测的实时性较强，但在某些环境中其稳定性较差。

经过上面讨论并结合实际业务对实时性的需求，本文首先对阴影进行分析，决定采用YUV色彩空间结合纹理共同完成检测目标阴影的去除，以改善单独采用色彩空间效果差、鲁棒性不强的缺点。经实验表明本文提出的方法可以很好的区分运动目标和阴影区，提高阴影检测的稳定性，达到了实际应用的需求。

2 阴影分析及在不同色系的特征

当光线被物体遮挡时，便会产生阴影.阴影的状态一般受环境光的强度、物体的透明度以及地面的质地等因素的影。响通常情况下，阴影会导致对应区域的强度发生很大的变化，而色度的变化则不明显[1]。由于阴影和运动物体都跟背景存在不同，且两个同步运动，因此阴影的运动前景一起检测为前景。

阴影检测算法选取的色彩空间的不同会对检测结果产生一定的影响。颜色空间用来表示彩色图像中色度和亮度信息的不同标准。通常，颜色空间所有可能的颜色和亮度信息用三个分量来表示，例如，RGB有红、绿、蓝三个颜色分量。但是，RGB 颜色空间不能有效的区分色度和亮度信息。目前，有多种颜色空间可以将图像的色度分量和亮度分量区分开，例如，HSV，YUV等颜色空间。然后，比较图像当前帧和背景帧的亮度和色度变化来检测阴影区。Kumar等人[2]研究YUV 颜色空间不敏感对明亮的光线区域，并有很低的误检测率、漏检测率及高的正确检测率。

本文用YUV 颜色空间进行阴影的初步检测，YUV 将色度分量和亮度分量区分开来，并和RGB 颜色空间是一种线性变换关系，如下式（1），（2），（3）所示：

Y= 0.299*R + 0.587*G + 0.114*B （1）

U= -0.147*R - 0.289*G + 0.436*B （2）

V= 0.615*R - 0.515*G - 0.100*B （3）

3 纹理的变换

物体表面纹理具有很强的稳定性，阴影覆盖前后纹理不会发生缩放或旋转。由于纹理在光照变化时具有的稳定性，纹理检测阴影有着较好的鲁棒性和更高的准确率。LBP是基于图像空间域局部关系的图像纹理描述算子，通过对像素与相邻同等间距上的邻域像素的灰度变化二值化，形成对该像素所在位置的纹理变化模式的描述。它的数学表达如下式：

4 阴影的去除

在RGB空间对阴影的检测相对比较复杂，为了更好地进行阴影的处理和减少计算量，把颜色空间从RGB 转换到YUV空间。归一化的颜色空间对阴影引起的像素点色度、亮度值的变化更不敏感且鲁棒性较强。因此，该文采用归一化的YUV 色彩空间进行阴影抑制。算法如下：

1） 根据（1）（2）（3）式完成对检测出来的目标区域RGB空间到YUV空间的转换。

2） 归一化YUV色彩空间，其中， ，根据阴影区和背景区色度变化不明显，初步判定阴影。其具体方法如下：首先，确定当前像素点与背景像素点的亮度值的差值Y，如果Y大于0，则该像素点不是阴影。如果差值为定值Y且则当前像素点是阴影点。其中，初步确定阴影区域。、是背景像素值的颜色空间归一化值，是当前像素值的颜色空间归一化值.是为了避免噪声影响选取的值。

3） 结合LBP纹理算法对初步确定的疑似阴影区域进行纹理相似性度量，进一步得到更为准确的阴影候选区域。

4） 最后利用类似于文献[4]的误判处理获得最终的运动阴影，并对图像进行形态学处理。

5 实验与分析

实验以Visual Studio 2008 为开发环境，在Intel（R） Core（TM） i3-2330M CPU @2.20GHZ的机子，采用改进的高斯混合背景模型获得运动物体及背景重建。为了验证算法的有效性，本次选取具有代表性的视频序列进行测试Campus和Intelligent Room，其中Campu是室外场景，Intelligent Room为室内场景。

为了对本文提出的算法进行比较，采用文献[5]提出的阴影检测率 η 和阴影判别率 ζ 进行效果评价。

其中：是正确检出的阴影像素的数目，是阴影像素被误判为运动前景的个数， 是运动前景像素被误判为阴影的数目。表一为其实验结果：

由表1 可得，无论在阴影检测率还是阴影判别率上，相比文献[10]提出的算法，该文方法都明显较高。

6 总结

本文提出了一种结合YUV色彩空间和纹理特征的阴影检测算法，较好地克服了使用色彩空间方法进行阴影检测稳定性差引起的误检问题，提高了阴影检测的稳定性，满足监控视频运动目标阴影去除的需要，同时满足系统实时性的要求，已在某武警勤务视频系统中得到应用。

参考文献：

[1] 李文军，陈涛.基于卡尔曼滤波器的等效复合控制技术研究[J].光学精密工程，2006（2）.

[2] 胡蕾，张伟，覃庆炎.几种图像去噪算法的应用分析[J].信息技术，2007（7）.

[3] 刘宏，李锦涛，刘群，等.融合颜色和梯度特征的运动阴影消除方法[J].计算机辅助设计与图形学学报，2007（10）.endprint

摘要：在传统的智能检测算法中目标检测时，往往阴影和需要被检测的物体一起检测出来，这样会给后续的处理带来诸多的不便，而且易造成较高的虚警率。该文提出了一种结合YUV色彩空间和纹理特征的阴影检测，可以提高阴影检测的稳定性，进而很好的完成阴影检测，达到了实际应用的需求。

关键词：运动目标阴影检测；YUV色彩空间；目标分割；图像纹理

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2014）30-7168-02

1 概述

运动物体与背景的分离是智能监控检测的重要一步，然而在实际的应用场景中运动物体和阴影一起被检测成前景，这样会影响后续的目标识别和分割。因此，对前景的阴影检测和去除十分有必要，国内外的许多学者对此也进行了深入的研究。现有的阴影抑制方法主要有：基于属性和基于模型的阴影检测算法。基于模型的阴影检测方法对于比较复杂的模型具有计算量大、实时性较差的缺点。基于颜色空间的阴影检测的实时性较强，但在某些环境中其稳定性较差。

经过上面讨论并结合实际业务对实时性的需求，本文首先对阴影进行分析，决定采用YUV色彩空间结合纹理共同完成检测目标阴影的去除，以改善单独采用色彩空间效果差、鲁棒性不强的缺点。经实验表明本文提出的方法可以很好的区分运动目标和阴影区，提高阴影检测的稳定性，达到了实际应用的需求。

2 阴影分析及在不同色系的特征

当光线被物体遮挡时，便会产生阴影.阴影的状态一般受环境光的强度、物体的透明度以及地面的质地等因素的影。响通常情况下，阴影会导致对应区域的强度发生很大的变化，而色度的变化则不明显[1]。由于阴影和运动物体都跟背景存在不同，且两个同步运动，因此阴影的运动前景一起检测为前景。

阴影检测算法选取的色彩空间的不同会对检测结果产生一定的影响。颜色空间用来表示彩色图像中色度和亮度信息的不同标准。通常，颜色空间所有可能的颜色和亮度信息用三个分量来表示，例如，RGB有红、绿、蓝三个颜色分量。但是，RGB 颜色空间不能有效的区分色度和亮度信息。目前，有多种颜色空间可以将图像的色度分量和亮度分量区分开，例如，HSV，YUV等颜色空间。然后，比较图像当前帧和背景帧的亮度和色度变化来检测阴影区。Kumar等人[2]研究YUV 颜色空间不敏感对明亮的光线区域，并有很低的误检测率、漏检测率及高的正确检测率。

本文用YUV 颜色空间进行阴影的初步检测，YUV 将色度分量和亮度分量区分开来，并和RGB 颜色空间是一种线性变换关系，如下式（1），（2），（3）所示：

Y= 0.299*R + 0.587*G + 0.114*B （1）

U= -0.147*R - 0.289*G + 0.436*B （2）

V= 0.615*R - 0.515*G - 0.100*B （3）

3 纹理的变换

物体表面纹理具有很强的稳定性，阴影覆盖前后纹理不会发生缩放或旋转。由于纹理在光照变化时具有的稳定性，纹理检测阴影有着较好的鲁棒性和更高的准确率。LBP是基于图像空间域局部关系的图像纹理描述算子，通过对像素与相邻同等间距上的邻域像素的灰度变化二值化，形成对该像素所在位置的纹理变化模式的描述。它的数学表达如下式：

4 阴影的去除

在RGB空间对阴影的检测相对比较复杂，为了更好地进行阴影的处理和减少计算量，把颜色空间从RGB 转换到YUV空间。归一化的颜色空间对阴影引起的像素点色度、亮度值的变化更不敏感且鲁棒性较强。因此，该文采用归一化的YUV 色彩空间进行阴影抑制。算法如下：

1） 根据（1）（2）（3）式完成对检测出来的目标区域RGB空间到YUV空间的转换。

2） 归一化YUV色彩空间，其中， ，根据阴影区和背景区色度变化不明显，初步判定阴影。其具体方法如下：首先，确定当前像素点与背景像素点的亮度值的差值Y，如果Y大于0，则该像素点不是阴影。如果差值为定值Y且则当前像素点是阴影点。其中，初步确定阴影区域。、是背景像素值的颜色空间归一化值，是当前像素值的颜色空间归一化值.是为了避免噪声影响选取的值。

3） 结合LBP纹理算法对初步确定的疑似阴影区域进行纹理相似性度量，进一步得到更为准确的阴影候选区域。

4） 最后利用类似于文献[4]的误判处理获得最终的运动阴影，并对图像进行形态学处理。

5 实验与分析

实验以Visual Studio 2008 为开发环境，在Intel（R） Core（TM） i3-2330M CPU @2.20GHZ的机子，采用改进的高斯混合背景模型获得运动物体及背景重建。为了验证算法的有效性，本次选取具有代表性的视频序列进行测试Campus和Intelligent Room，其中Campu是室外场景，Intelligent Room为室内场景。

为了对本文提出的算法进行比较，采用文献[5]提出的阴影检测率 η 和阴影判别率 ζ 进行效果评价。

其中：是正确检出的阴影像素的数目，是阴影像素被误判为运动前景的个数， 是运动前景像素被误判为阴影的数目。表一为其实验结果：

由表1 可得，无论在阴影检测率还是阴影判别率上，相比文献[10]提出的算法，该文方法都明显较高。

6 总结

本文提出了一种结合YUV色彩空间和纹理特征的阴影检测算法，较好地克服了使用色彩空间方法进行阴影检测稳定性差引起的误检问题，提高了阴影检测的稳定性，满足监控视频运动目标阴影去除的需要，同时满足系统实时性的要求，已在某武警勤务视频系统中得到应用。

参考文献：

[1] 李文军，陈涛.基于卡尔曼滤波器的等效复合控制技术研究[J].光学精密工程，2006（2）.

[2] 胡蕾，张伟，覃庆炎.几种图像去噪算法的应用分析[J].信息技术，2007（7）.

[3] 刘宏，李锦涛，刘群，等.融合颜色和梯度特征的运动阴影消除方法[J].计算机辅助设计与图形学学报，2007（10）.endprint

摘要：在传统的智能检测算法中目标检测时，往往阴影和需要被检测的物体一起检测出来，这样会给后续的处理带来诸多的不便，而且易造成较高的虚警率。该文提出了一种结合YUV色彩空间和纹理特征的阴影检测，可以提高阴影检测的稳定性，进而很好的完成阴影检测，达到了实际应用的需求。

关键词：运动目标阴影检测；YUV色彩空间；目标分割；图像纹理

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2014）30-7168-02

1 概述

运动物体与背景的分离是智能监控检测的重要一步，然而在实际的应用场景中运动物体和阴影一起被检测成前景，这样会影响后续的目标识别和分割。因此，对前景的阴影检测和去除十分有必要，国内外的许多学者对此也进行了深入的研究。现有的阴影抑制方法主要有：基于属性和基于模型的阴影检测算法。基于模型的阴影检测方法对于比较复杂的模型具有计算量大、实时性较差的缺点。基于颜色空间的阴影检测的实时性较强，但在某些环境中其稳定性较差。

经过上面讨论并结合实际业务对实时性的需求，本文首先对阴影进行分析，决定采用YUV色彩空间结合纹理共同完成检测目标阴影的去除，以改善单独采用色彩空间效果差、鲁棒性不强的缺点。经实验表明本文提出的方法可以很好的区分运动目标和阴影区，提高阴影检测的稳定性，达到了实际应用的需求。

2 阴影分析及在不同色系的特征

当光线被物体遮挡时，便会产生阴影.阴影的状态一般受环境光的强度、物体的透明度以及地面的质地等因素的影。响通常情况下，阴影会导致对应区域的强度发生很大的变化，而色度的变化则不明显[1]。由于阴影和运动物体都跟背景存在不同，且两个同步运动，因此阴影的运动前景一起检测为前景。

阴影检测算法选取的色彩空间的不同会对检测结果产生一定的影响。颜色空间用来表示彩色图像中色度和亮度信息的不同标准。通常，颜色空间所有可能的颜色和亮度信息用三个分量来表示，例如，RGB有红、绿、蓝三个颜色分量。但是，RGB 颜色空间不能有效的区分色度和亮度信息。目前，有多种颜色空间可以将图像的色度分量和亮度分量区分开，例如，HSV，YUV等颜色空间。然后，比较图像当前帧和背景帧的亮度和色度变化来检测阴影区。Kumar等人[2]研究YUV 颜色空间不敏感对明亮的光线区域，并有很低的误检测率、漏检测率及高的正确检测率。

本文用YUV 颜色空间进行阴影的初步检测，YUV 将色度分量和亮度分量区分开来，并和RGB 颜色空间是一种线性变换关系，如下式（1），（2），（3）所示：

Y= 0.299*R + 0.587*G + 0.114*B （1）

U= -0.147*R - 0.289*G + 0.436*B （2）

V= 0.615*R - 0.515*G - 0.100*B （3）

3 纹理的变换

物体表面纹理具有很强的稳定性，阴影覆盖前后纹理不会发生缩放或旋转。由于纹理在光照变化时具有的稳定性，纹理检测阴影有着较好的鲁棒性和更高的准确率。LBP是基于图像空间域局部关系的图像纹理描述算子，通过对像素与相邻同等间距上的邻域像素的灰度变化二值化，形成对该像素所在位置的纹理变化模式的描述。它的数学表达如下式：

4 阴影的去除

在RGB空间对阴影的检测相对比较复杂，为了更好地进行阴影的处理和减少计算量，把颜色空间从RGB 转换到YUV空间。归一化的颜色空间对阴影引起的像素点色度、亮度值的变化更不敏感且鲁棒性较强。因此，该文采用归一化的YUV 色彩空间进行阴影抑制。算法如下：

1） 根据（1）（2）（3）式完成对检测出来的目标区域RGB空间到YUV空间的转换。

2） 归一化YUV色彩空间，其中， ，根据阴影区和背景区色度变化不明显，初步判定阴影。其具体方法如下：首先，确定当前像素点与背景像素点的亮度值的差值Y，如果Y大于0，则该像素点不是阴影。如果差值为定值Y且则当前像素点是阴影点。其中，初步确定阴影区域。、是背景像素值的颜色空间归一化值，是当前像素值的颜色空间归一化值.是为了避免噪声影响选取的值。

3） 结合LBP纹理算法对初步确定的疑似阴影区域进行纹理相似性度量，进一步得到更为准确的阴影候选区域。

4） 最后利用类似于文献[4]的误判处理获得最终的运动阴影，并对图像进行形态学处理。

5 实验与分析

实验以Visual Studio 2008 为开发环境，在Intel（R） Core（TM） i3-2330M CPU @2.20GHZ的机子，采用改进的高斯混合背景模型获得运动物体及背景重建。为了验证算法的有效性，本次选取具有代表性的视频序列进行测试Campus和Intelligent Room，其中Campu是室外场景，Intelligent Room为室内场景。

为了对本文提出的算法进行比较，采用文献[5]提出的阴影检测率 η 和阴影判别率 ζ 进行效果评价。

其中：是正确检出的阴影像素的数目，是阴影像素被误判为运动前景的个数， 是运动前景像素被误判为阴影的数目。表一为其实验结果：

由表1 可得，无论在阴影检测率还是阴影判别率上，相比文献[10]提出的算法，该文方法都明显较高。

6 总结

本文提出了一种结合YUV色彩空间和纹理特征的阴影检测算法，较好地克服了使用色彩空间方法进行阴影检测稳定性差引起的误检问题，提高了阴影检测的稳定性，满足监控视频运动目标阴影去除的需要，同时满足系统实时性的要求，已在某武警勤务视频系统中得到应用。

参考文献：

[1] 李文军，陈涛.基于卡尔曼滤波器的等效复合控制技术研究[J].光学精密工程，2006（2）.

[2] 胡蕾，张伟，覃庆炎.几种图像去噪算法的应用分析[J].信息技术，2007（7）.

[3] 刘宏，李锦涛，刘群，等.融合颜色和梯度特征的运动阴影消除方法[J].计算机辅助设计与图形学学报，2007（10）.endprint