一种基于混合高斯模型的运动阴影去除算法

为更好消除光照条件下运动物体阴影,在混合高斯模型(GMM)识别前景目标基础上,提出一种基于RGB颜色模型的阴影消除方法。在RGB颜色空间中,首先用混合高斯模型获取带有阴影的运动前景像素,利用该模型参数,估计该像素点的阴影模型误差,然后建立RGB阴影模型;由于阴影像素点像素值符合阴影模型,将该阴影模型作为混合高斯阴影建模(GMSM)的匹配条件,最终确定当前像素点是否为阴影像素。实验表明,算法在不同场景中都能使阴影去除达到满意效果,同时满足常规视频序列的实时性要求。

基于高斯混合模型的阴影消除算法

关于阴影消除是智能监控系统的重要组成部分,且对后续的识别和跟踪有很大的影响。根据改进的高斯混合模型检测出目标,用高斯混合阴影模型来检测阴影,并用高斯平滑滤波处理检测的结果。然后动态选择合适的阈值对图像做二值化处理,进一步对结果进行形态学滤波。经过整个过程的处理,得到了较为完整的轮廓,很好的消除了阴影,提高后续的识别和跟踪的准确性和可靠性。实验表明,算法能较好地消除阴影,且具有较好的实时性和鲁棒性。

一种改进的运动目标检测算法

针对目标检测过程中的背景变化、光照变化、阴影对检测的影响,提出了一种改进的运动目标检测算法。首先利用改进的统计方法建立了目标的背景模型,并实时地对背景模型进行更新,最后将检测出的目标采用融合HSV颜色信息和纹理特征的混合高斯阴影模型方法来去除阴影。实验结果证明,该算法在场景中有目标运动的情况下,能够准确地建立背景模型,并能去除阴影影响,提高系统的检测准确性。

改进视觉背景提取算法在室内的研究

针对传统视觉背景提取算法(visual background extraction algorithm,ViBe)在室内监控条件下容易产生“鬼影”现象以及阴影难以消除的问题,提出一种针对人物室内活动的改进ViBe算法.针对容易引入“鬼影”现象,采用一种外接矩形像素直方图的方法,利用运动目标区域直方图与邻域背景区域直方图相似度匹配,快速检测“鬼影”现象,设置鬼影点像素值并参与背景模型更新,从而快速消除“鬼影”现象.针对阴影难以消除的问题,采用YCbCr颜色空间与混合高斯阴影模型相结合的方法共同确定阴影区域,从而解决阴影问题.仿真结果表明,相较于传统的ViBe算法,本文算法能够有效的消除“鬼影”现象,解决阴影问题,运动目标检测的准确性也得到了有效提高.