视频监控中的背景颜色恒常性算法研究

摘要

随着彩色图像数字技术和计算机技术的发展，视频监控被广泛应用于视频会议图像传输以及银行、交通、社区等重要部门的安全监控中。然而，传统的视频监控通常只能对当时场景进行实时录像和传输，而不能对一些异常事件及时做出响应，因而不能真正达到视频监控的目的。为了实现真正意义上的视频监控，研究和发展视频监控系统的自动化和智能化成为当前最具有广泛应用前景和研究价值的重要课题之一。 运动目标的识别和跟踪是视频监控的最终目标，而实现这一目标主要有两种方法：一是颜色识别，二是背景差。其中，颜色识别是通过颜色匹配来达到目标识别的目的，而背景差则是通过一个背景模型来去除视频图像上的背景像素从而实现运动目标识别。这两种方法的关键问题都是需要保证目标或背景颜色识别的稳定性和实时性。然而，由于受外界光源、噪声、背景轻微运动等因素的影响，视频图像的目标和背景颜色常常会因此发生不同程度的改变，甚至会严重影响系统目标识别的稳定性和准确性。视频监控中的颜色恒常性问题对保证运动目标识别和跟踪的鲁棒性具有非常重要的研究意义。 由于视频监控系统本身是一个计算机视觉系统，本文针对视频监控中的背景颜色恒常性问题，在人类视觉感知生物学原理和计算机视觉颜色恒常性理论和算法的基础上进行研究，提出了解决漫反射表面受点光源光强非均匀分布影响、镜面反射表面受点光源光强非均匀分布影响的同时还存在镜面反射效应、背景差技术的背景模型受强干扰和光源渐变影响等问题的几种颜色恒常性算法，初步实现正确估计出监控场景的背景颜色的最终目标。 现有的颜色恒常性算法大多是假定光源入射到表面的光强是均匀分布的情况下，采用计算或基于物理反射模型的方法来实现受光源色彩变化影响的颜色估计。在实际的点光源视频监控环境下，光源入射到背景表面的光强通常是非均匀分布的，而且这种非均匀分布常常会影响到系统颜色识别的稳定性。因此，对于点光源环境下的视频监控系统，传统的颜色恒常性算法不能适用。另一方面，视频监控背景差技术还存在背景模型受大量噪声、背景轻微运动的干扰以及光源渐变影响等问题，这些问题仅仅依靠传统的自适应颜色混合高斯模型通常也很难解决。针对上述问题，本文的主要贡献表现为如下5个方面： (1)提出了一种基于Lambertian反射模型的光强色调颜色估计算法。该算法通过对点光源环境下的光强非均匀分布对漫反射表面颜色识别影响的研究，主要解决漫反射背景表面的颜色恒常性问题。该算法大体分为两步：第一步，通过Lambertian反射模型推导出光强补偿估计算法，对背景的RGB颜色值进行估计；第二步，将光强补偿估计后的背景颜色转换到HSV颜色空间中再进行色调估计，从而实现背景颜色恒常性。性能评估和背景分割实验结果表明，光强色调颜色估计算法既充分利用了漫反射模型的物理特性，又利用了色调对阴影等明暗度的非敏感性，对非均匀光照下的漫反射表面的颜色识别具有较好的补偿作用。 (2)提出了一种漫反射不变性颜色估计算法。该算法通过对点光源光强非均匀分布下的漫反射物理特性的研究，推导出漫反射表面颜色不变性并结合颜色高斯模型实现背景颜色估计。性能评估测试和背景分割的实验结果表明，由于该算法充分利用了漫反射物理特性和背景颜色的统计信息，因此对点光源光强非均匀分布影响下的漫反射背景颜色识别具有比光照色调颜色估计等其它颜色估计算法更好的稳定性和准确性。 (3)提出了一种适用于镜面反射背景表面的Phong反射模型的颜色估计算法。该算法针对镜面反射表面存在点光源光强非均匀分布同时还存在镜面反射效应问题，通过对．Phong反射模型的研究，在漫反射颜色不变性基础上推导并建立了Phong反射模型并利用该模型实现对镜面反射背景的颜色估计。性能评估和背景分割实验结果表明，该算法对同时存在光源强度非均匀分布和镜面反射效应影响的镜面反射背景颜色识别具有良好的稳定性和适应性。 (4)提出了一种针对视频监控背景差技术的自适应区域高斯背景模型。针对视频监控的背景差问题，本文对背景模型受强噪声、背景轻微运动、光源渐变的影响进行了研究，提出了一种自适应的区域高斯背景模型，解决了背景模型受强噪声、背景轻微运动的干扰影响和光源渐变影响的问题。该模型的建立分为三步：第一步，通过颜色高斯模型建立视频背景差图像；第二步，对背景差图像上的残留扰动区域采用一种改进的连通域标记算法建立区域高斯模型；第三步，采用Kalman滤波技术实现区域高斯模型时序上的自适应性。性能评估和背景差实验结果证明，该模型对去除背景差图像上的噪声、背景轻微运动和光源渐变的影响具有比自适应颜色混合高斯模型更好的鲁棒性和自适应性。 (5)为了验证背景颜色恒常性算法在视频监控系统中的实际应用，本文设计和开发了两个分别采用颜色识别和背景差技术的视频监控系统——虚拟踩气球系统和高速公路车辆监控原型系统，并分别将漫反射不变性颜色估计算法和自适应区域高斯背景模型应用到这两个系统中。 虚拟踩气球系统是一个将视频监控和虚拟现实技术相结合的人机交互系统。该系统不仅具有一定的应用价值，而且具有广泛的计算机视觉和虚拟现实技术的研究价值。为了验证漫反射不变性颜色估计算法在视频监控系统中的实际应用，本文在系统中采用了漫反射不变性颜色估计算法来解决受点光源光强非均匀分布影响的虚拟气球周边的背景颜色识别问题。系统的实际运行效果表明，漫反射不变性颜色估计算法不仅满足了系统实时性需要，而且该算法建立在点光源漫反射物理模型和统计信息的基础上，更明确了视点与反射光光强在空间位置上的对应关系，因而更能保证点光源视频监控场景中的颜色识别稳定性和准确性。目前，本系统已在山东省科技馆投入正常运行。 高速公路多车辆视频监控原型系统采用背景差技术实现运动车辆识别和跟踪，该系统主要分为背景建模、目标识别和跟踪三大部分。为了验证自适应区域背景模型在视频监控系统中的实际应用，本文采用自适应区域高斯模型作为背景模型，并采用区域检测、特征匹配和Kalman滤波技术实现目标识别和跟踪。对真实环境下的高速公路视频图像进行模拟实验后的结果表明，自适应区域高斯背景模型不仅保证了系统对噪声、背景轻微运动等影响的抗干扰性，而且保证了系统对目标识别和跟踪的自适应性。综上所述，视频监控下的背景颜色恒常性问题是一个非常复杂的研究课题，同时也是保证系统稳定运行的关键。本文主要针对点光源光强非均匀分布影响下的漫反射表面颜色恒常性问题、点光源非均匀分布及镜面反射效应影响下的镜面反射表面颜色恒常性问题以及受强噪声、背景轻微运动、光源渐变影响下的背景模型的干扰和自适应问题进行了系统研究，并且这些研究成果必将为未来进一步开展更复杂场景下的视频监控研究工作奠定了有利的基础。

目录

文摘

英文文摘

原创性声明和关于论文使用授权的说明

第1章 绪论

1.1研究背景与研究意义

1.2颜色视觉感知基本理论

1.2.1人眼视觉感知生物学原理

1.2.2颜色视觉感知物理模型

1.3视频监控中的颜色恒常性问题

1.3.1颜色识别问题

1.3.2背景模型问题

1.4颜色恒常性算法的研究现状

1.4.1计算颜色恒常性算法

1.4.2物理模型颜色恒常性算法

1.5本文的研究内容

1.6本文的组织结构

第2章 光强色调颜色估计算法

2.1引言

2.2光强色调颜色估计算法描述

2.2.1 Lambertian余弦定律

2.2.2漫反射表面颜色感知模型

2.2.3光强补偿估计

2.2.4光强色调颜色估计

2.3实验结果

2.3.1算法性能评估

2.3.2背景分割效果

2.4本章小结

第3章 漫反射不变性颜色估计算法

3.1引言

3.2漫反射不变性颜色估计算法描述

3.2.1漫反射颜色不变性判定

3.2.2求解I′λ|θ和I″λ|θ

3.2.3算法流程

3.3实验结果

3.3.1算法性能评估

3.3.2背景分割效果

3.4本章小结

第4章 Phong反射模型颜色估计算法

4.1引言

4.2Phong反射模型基本原理

4.3Phong反射模型颜色估计算法描述

4.3.1Phong反射模型的建立

4.3.2求解α′

4.3.3算法流程

4.4实验结果

4.4.1算法性能评估

4.4.2背景分割效果

4.5本章小结

第5章 自适应区域高斯背景模型

5.1引言

5.1.1初始化背景模型

5.1.2背景模型实时更新

5.2自适应区域高斯背景模型描述

5.2.1区域高斯背景模型描述

5.2.2区域检测算法

5.2.3背景模型自适应性

5.2.4背景颜色识别

5.3实验结果

5.3.1区域检测结果

5.3.2背景模型性能评估

5.3.3背景差效果

5.4本章小结

第6章 视频监控系统中的应用

6.1引言

6.2虚拟踩气球系统

6.2.1系统流程

6.2.2实验结果

6.2.3性能评估

6.3高速公路车辆监控系统

6.3.1系统流程

6.3.2实验结果

6.3.3性能评估

6.4本章小结

第7章 结束语

7.1全文总结

7.2展望

附录

参考资料

致谢

攻读博士学位期间发表的学术论文目录

在读期间参与科研项目情况

外文论文

Video-based Virtual-Reality Game System

An New Image Segmentation for Virtual Background