車輛陰影去除方法和裝置的製作方法

2023-09-22 23:28:55 2

專利名稱：車輛陰影去除方法和裝置的製作方法
技術領域：
本發明涉及圖像處理領域，尤其涉及一種車輛陰影去除方法和裝置。
背景技術：
在視頻監控中，由於光線受到目標物或者障礙物的影響，視頻圖像中的目 標物往往含有陰影。陰影不是固定不變的，它隨著光照強度、方向等因素在不 停的變化，因此，它不能作為物體的一部分參加識別，否則會導致識別的失敗。 所以有必要採取有效的方法去除目標的陰影，為目標的正確識別提供條件。
目前一種去除陰影的方法為基於運動物體幾何信息的方法，該方法建立一 個運動物體的能夠區別出陰影部分的幾何模型，對其中的陰影區域進行消除處 理，從而達到去除陰影的目的。但是，該方法需要對陰影區域建立複雜的模型， 計算量較大，不適合在工程實時應用。
當前比較適合於工程實時應用，特別是識別車輛的交通監控應用的去除陰 影的方法為基於陰影顏色信息的方法，其思想是在一定的亮度條件下，同一物 體在陰影區內和不在陰影區內的色調是近似一致的，如果均勻成比例的減少某 種彩色的全部係數，則只有亮度在變化，而色調是不變的，這在一定程度上給 出了陰影的顏色特徵規律，從而識別出目標物上的陰影。該方法的具體實現方
式有很多種，如在rgb彩色空間中，用矢量來表徵像素點，並以當前圖中的像 素點矢量與對應的背景點的矢量相減得到能表徵亮度和色度的彩色模型，以此
建立背景模型；在hsv彩色空間利用色度、飽和度和亮度信息建立背景模型，
以檢測和識別陰影；利用陰影的光學特性並結合紋理特徵，採用區域生長的方法檢測陰影等。基於陰影顏色信息的方法在實驗室會得到比較不錯的結果，但 在交通監控現場，可能會因為天氣的原因或者監控景物距離太遠而造成彩色信 息的丟失或者缺損，這樣會影響陰影去除效果，尤其當要監控的車輛顏色與背 景顏色比較接近時，比如黑色車輛，基於陰影顏色信息的方法往往不能準確區 分黑色車輛和陰影的邊界，也就不能準確消除該車輛周圍的陰影。

發明內容
本發明的實施例提供一種車輛陰影去除的方法和裝置，能夠準確消除車輛 周圍的陰影。
為達到上述目的，本發明的實施例釆用如下技術方案 一種車輛陰影去除的方法，包括
以白車為標準建立基於灰度的陰影模型； 後續車輛套用所述陰影模型去除陰影。
進一步的，還包括定時更新陰影模型，並根據更新後的陰影模型調整白 車判別閾值為前一個陰影模型的車輛區域佔目標車輛區域比例的60%。
所述定時範圍為10到30分鐘。
其中，所述以白車為標準建立基於灰度的陰影模型的步驟包括 預先設定白車判別閾值；
獲取背景圖像和目標車輛區域圖像，將兩幅圖像進行灰度轉換；
將目標車輛區域圖像與背景圖像相減，結果為正數的區域認定為實際的車 輛區域；結果為負數的區域認定為實際的陰影區域；如果實際的車輛區域佔目標車輛區域圖像的比例大於所述白車判別閾值， 確定目標車輛為白車，將白車的實際的陰影區域的位置和所佔比例設定為陰影 模型。
進一步的，所述以白車為標準建立基於灰度的陰影模型的步驟還包括
如果實際的車輛區域佔目標車輛區域圖像的比例小於所述白車判別閾值， 對下一目標車輛進行是否為白車的判別，直到確定目標車輛為白車，建立陰影模型。
所述白車判別閾值為整體圖像中實際的車輛區域佔目標車輛區域圖像比 例的6 0% ，所述陰影區域為預設值。
所述陰影區域的預設值為10°/。至60%。
所述陰影區域的預設值的優選值為20%。
一種車輛陰影去除的裝置，包括
陰影模型建立模塊獲取白車的車輛區域圖像，用於以白車為標準建立基 於灰度的陰影模型；
陰影模型套用模塊存儲來自所述陰影模型建立模塊的陰影模型，並在後 續車輛套用所述陰影模型去除陰影。
進一步的，還包括
定時更新模塊用於控制陰影模型建立模塊進行定時更新，並將更新後的 陰影模型發送給陰影模型套用模塊進行去除陰影操作。
本發明實施例提供的車輛陰影去除的方法和裝置，以白車為標準建立基於灰度的陰影模型，由於白車在灰度上與陰影差距最大，最容易將陰影識別出來， 在後續車輛套用所述陰影模型，能夠較為準確地消除哪怕是顏色與陰影最接近
的車輛周圍的陰影。


圖1為本發明方法實施例一流程圖； 圖2為本發明方法實施例二流程圖； 圖3為本發明裝置實施例一結構圖。
具體實施例方式
下面結合附圖對本發明實施例車輛陰影去除的方法和裝置進行詳細描述。 本發明方法實施例一如圖1所示，包括
5101、 以白車為標準建立基於灰度的陰影模型。
5102、 後續車輛套用所述陰影模型去除陰影。
由於現有技術基於陰影顏色信息的陰影消除方法在實際監控過程中，可能 因彩色信息的丟失或者缺損，影響陰影去除效果的問題，本實施例將彩色信息 轉換為灰度值進行處理。另外，深色車與陰影不論是在色彩還是灰度上都較為 接近，現有基於陰影顏色信息的陰影消除方法不能準確將二者區分，本實施例 以白車為標準建立陰影模型，由於白車在灰度上與陰影差距最大，最容易將陰 影識別出來，在後續車輛套用所述陰影模型，能夠較為準確地消除哪怕是顏色 與陰影最接近的車輛周圍的陰影。
本發明方法實施例二的場景為對某車道上行駛的車輛的監控，需要除去車輛陰影。如圖2所示，包括以下步驟
5201、 預先設定白車判別閾值。
根據前期建立的陰影模型確定陰影所佔比例，根據實驗統計，所述陰影區 域的預設值一般在10%至60%之間，本實施例取優選值20%。
那麼，本實施例前期建立的陰影模型中，非陰影區域為1-20°/ =80%。
據此，白車判別閾值為整體圖像中實際的車輛區域佔目標車輛區域圖像 比例的60%，也就是80%*60%=48%。
5202、 獲取背景圖像和目標車輛區域圖像，將兩幅圖像進行灰度轉換。
所述背景圖像為車道上沒有車輛時的圖像，當車道上行駛來一輛汽車時， 再拍攝一張圖像，是為目標車輛區域圖像。將兩幅圖像分別進行灰度轉換。
5203、 將目標車輛區域圖像與背景圖像相減，結果為正數的區域認定為實 際的車輛區域；結果為負數的區域認定為實際的陰影區域。
一般來講，目標車輛區域圖像包括車輛區域和陰影區域，以及一部分背景 區域。通常，實際的車輛要比背景更亮，反映在灰度值上就是車輛區域的灰度 值大於背景圖像中相應位置背景區域的灰度值，所以做差的結果為正；於此相 反，實際的車輛陰影要比背景更暗，反映在灰度值上就是陰影區域的灰度值小 於背景圖像中相應位置背景區域的灰度值，所以做差的結果為負。由此，可以 初步區分出目標車輛區域圖像中的車輛區域和陰影區域。
5204、 如果實際的車輛區域佔目標車輛區域圖像的比例大於所述白車判別 閾值，確定目標車輛為白車，將白車的實際的陰影區域的位置和所佔比例設定 為陰影模型。在實際當中，有些時候，車輛要比背景更暗，比如深色車輛，這樣灰度值 大於背景圖像的車輛區域會比較小，相比之下，淺色車輛灰度值大於背景圖像 的車輛區域會比較大，這時用白車判別閾值進行判斷，實際的車輛區域佔目標
車輛區域圖像的比例大於所述白車判別閾值(本實施例中初始設定為48%)，確 定目標車輛為白車，否則不是白車，可以有效的將白色車輛鑑別出來。需要指 出的是，本實施例所說的白車並不是嚴格意義上的白色車，只要滿足白車判別 閾值的淺色車即可。
5205、 如果實際的車輛區域佔目標車輛區域圖像的比例小於所述白車判別 閾值，對下一目標車輛進行上述判別，直到確定目標車輛為白車，建立陰影模 型。
5206、 後續車輛套用所述陰影模型去除陰影。
由於車輛區域與陰影區域往往是相連的，而用白車建立的陰影模型中，車 輛區域的灰度要遠高於陰影區域，所以二者界限非常明顯，可以準確劃定出陰 影區域，後續車輛套用該陰影模型，即使是深色車輛也能較為準確的去除陰影。
5207、 定時更新陰影模型，並根據更新後的陰影模型調整白車判別閾值為 前一個陰影模型的車輛區域佔目標車輛區域比例的60%。
所述定時範圍最好為10到30分鐘之間。
由於太陽角度和天氣等因素的影像，車輛陰影的位置在一天當中是變化的， 所以需要定時更新陰影模型，以達到準確定位陰影的目的。
另外，在攝像機固定的前提下，由於視角不同，每個車道的陰影比例是不 同的，需要針對各個車道分別建立模型。基於陰影顏色信息的方法在實驗室會得到比較不錯的結果，但在交通監控 現場，可能會因為天氣的原因或者監控景物距離太遠而造成彩色信息的丟失或 者缺損，這樣會影響陰影去除效果，尤其當要監控的車輛顏色與背景顏色比較 接近時，比如黑色車輛，基於陰影顏色信息的方法往往不能準確區分黑色車輛 和陰影的邊界，也就不能準確消除該車輛周圍的陰影。本實施例將彩色信息轉 換為灰度值進行處理，可以避免顏色的缺損和丟失對陰影去除效果的影響。另 外，本實施例以白車為標準建立陰影模型，由於白車在灰度上與陰影差距最大， 最容易將陰影識別出來，在後續車輛套用所述陰影才莫型，能夠較為準確地消除 哪怕是顏色與陰影最接近的車輛周圍的陰影。
本發明裝置實施例一如圖3所示，包括
陰影模型建立模塊l:獲取白車的車輛區域圖像，用於以白車為標準建立基 於灰度的陰影模型。
陰影模型套用模塊2:存儲來自所述陰影模型建立模塊的陰影模型，並在後 續車輛套用所述陰影-f莫型去除陰影。
進一步的，還包括
定時更新模塊3:用於控制陰影模型建立模塊進行定時更新，並將更新後的 陰影模型發送給陰影模型套用模塊進行去除陰影操作。所述定時範圍為10到30 分鐘。
其中，陰影模型建立模塊l包括
閾值預先設定子模塊11:用於預先設定白車判別閾值。
灰度轉換子模塊12:用於獲取背景圖像和目標車輛區域圖像，將兩幅圖像進行灰度轉換。
作差子模塊13:用於將目標車輛區域圖像與背景圖像相減，結果為正數的 區域認定為實際的車輛區域；結果為負數的區域認定為實際的陰影區域。
建立模型子模塊14:如果實際的車輛區域佔目標車輛區域圖像的比例大於 所述白車判別閾值，用於確定目標車輛為白車，將白車的實際的陰影區域的位 置和所佔比例設定為陰影模型。
如果實際的車輛區域佔目標車輛區域圖像的比例小於所述白車判別閾值，
用於對下一目標車輛進行是否為白車的判別，直到確定目標車輛為白車，建立 陰影模型。
所述白車判別閾值為整體圖像中實際的車輛區域佔目標車輛區域圖像比 例的60°/。。
所述陰影區域的預設值為10%至60°/。，優選值為20%。
本實施例以白車為標準建立基於灰度的陰影模型，由於白車在灰度上與陰 影差距最大，最容易將陰影識別出來，在後續車輛套用所述陰影模型，能夠較 為準確地消除哪怕是顏色與陰影最接近的車輛周圍的陰影。
是可以通過電腦程式來指令相關的硬體來完成，所述的程序可存儲於一計算 機可讀取存儲介質中，該程序在執行時，可包括如上述各方法的實施例的流程。 其中，所述的存儲介質可為磁碟、光碟、只讀存儲記憶體(Read-Only Memory, ROM)或隨機存儲記憶體(Random Access Memory, RAM)等。
以上所述，僅為本發明的具體實施方式
，但本發明的保護範圍並不局限於此，任何熟悉本技術領域的技術人員在本發明揭露的技術範圍內，可輕易想到 變化或替換，都應涵蓋在本發明的保護範圍之內。因此，本發明的保護範圍應 以權利要求的保護範圍為準。
權利要求
1、一種車輛陰影去除的方法，其特徵在於，包括以白車為標準建立基於灰度的陰影模型；後續車輛套用所述陰影模型去除陰影。
2、 根據權利要求1所述的車輛陰影去除的方法，其特徵在於，所述以白車 為標準建立基於灰度的陰影模型的步驟包括預先設定白車判別閾值；獲取背景圖像和目標車輛區域圖像，將兩幅圖像進行灰度轉換；將目標車輛區域圖像與背景圖像相減，結果為正數的區域認定為實際的車 輛區域；結果為負數的區域認定為實際的陰影區域；如果實際的車輛區域佔目標車輛區域圖像的比例大於所述白車判別閾值， 確定目標車輛為白車，將白車的實際的陰影區域的位置和所佔比例設定為陰影 模型。
3、 根據權利要求2所述的車輛陰影去除的方法，其特徵在於，所述以白車 為標準建立基於灰度的陰影模型的步驟還包括如果實際的車輛區域佔目標車輛區域圖像的比例小於所述白車判別閾值， 對下一目標車輛進行是否為白車的判別，直到確定目標車輛為白車，建立陰影模型。
4、 根據權利要求3所述的車輛陰影去除的方法，其特徵在於，所述白車判 別閾值為整體圖像中實際的車輛區域佔目標車輛區域圖像比例的60%。
5、 根據權利要求4所述的車輛陰影去除的方法，其特徵在於，所述陰影區域的預設值為10%至60%。
6、 根據權利要求5所述的車輛陰影去除的方法，其特徵在於，所述陰影區 域的預設值的優選值為20%。
7、 根據權利要求1所述的車輛陰影去除的方法，其特徵在於，還包括定 時更新陰影模型，並根據更新後的陰影模型調整白車判別閾值為前一個陰影模 型的車輛區域佔目標車輛區域比例的60%。
8、 根據權利要求7所述的車輛陰影去除的方法，其特徵在於，所述定時範 圍為10到30分鐘。
9、 一種車輛陰影去除的裝置，其特徵在於，包括陰影模型建立模塊獲取白車的車輛區域圖像，以白車為標準建立基於灰 度的陰影模型；陰影模型套用模塊存儲來自所述陰影模型建立模塊的陰影模型，並在後 續車輛套用所述陰影模型去除陰影。
10、 根據權利要求9所述的車輛陰影去除的裝置，其特徵在於，還包括定時更新模塊，用於控制陰影模型建立模塊進行定時更新，並將更新後的 陰影模型發送給陰影模型套用模塊進行去除陰影操作。
全文摘要
本發明公開了一種車輛陰影去除的方法和裝置，涉及圖像處理領域，為解決現有技術不能準確消除車輛周圍的陰影的問題而發明。本發明實施例提供的方法，包括如下步驟以白車為標準建立基於灰度的陰影模型；後續車輛套用所述陰影模型去除陰影。本發明適用於野外圖像監控。
文檔編號G06K9/40GK101447028SQ20081017939
公開日2009年6月3日 申請日期2008年12月10日 優先權日2008年12月10日
發明者微 劉, 李向榮 申請人:青島海信電子產業控股股份有限公司