河北工业大学人工智能与数据科学学院, 天津 300130
为了同时检测本影与半影区域,提出并证明了阴影区域辐射的一致性属性。获取超像素区域轮廓内的点集合,将像素点集合(PCC)分为目标前景区域(目标PCC)和阴影区域(阴影PCC),利用所提出的基于区域生长的完整阴影检测与目标掩码增长算法,通过融合完整的阴影区域、完整的目标前景区域和ViBe掩码这三个部分,实现了前景目标掩码反向增长。在公开数据集中的实验结果表明,所提方法的阴影检测平均精度达到了82.5%,性能显著优于传统方法。目标掩码的平均增长率达到了8.84%,准确率达到了95%以上。
机器视觉 运动目标检测 移动阴影检测 区域生长
针对智能视频监控中运动阴影影响目标跟踪和识别准确性的问题, 提出了一种基于颜色和梯度直方图反投影的阴影检测算法。以视觉背景提取模型检测得到的运动目标区域为基础, 首先在HSI颜色空间利用亮度和色度信息筛选出阴影像素, 然后通过梯度直方图反投影的方法区分运动目标和阴影, 最后将上述两种方法的检测结果进行合理融合得到最终的阴影检测区域。与典型算法的对比实验结果表明, 所提算法有效提高了阴影检测的准确性和鲁棒性, 适用于运动目标的实时检测和识别。
运动目标检测 运动阴影检测 HSI颜色空间 梯度直方图 反向投影 moving object detection moving shadow detection HSI color space gradient histogram back projection
1 中国科学技术大学 信息科学技术学院，合肥 230027
2 中国科学院电磁空间信息重点实验室，合肥 230027
视频运动检测中，运动阴影常被误检为运动目标。针对这一问题，提出了一种利用哈尔型特性局部二元模 式(HLBP)检测运动阴影的方法。首先，提取每个检测到的运动像素及其对应背景像素的HLBP 特征向量。其次， 使用曼哈顿距离度量HLBP 纹理差异，获得纹理差异图。最后，利用最大类间方差算法(Ostu 算法)对纹理差异图 进行二值化处理，得到消除运动阴影后的目标结果。实验表明，该方法在多种室内外场景中能实时且有效地检测 出运动阴影，具有较强的实用性。
运动阴影检测 哈尔型特性局部二元模式 纹理差异 图像分割 moving shadow detection Haar local binary pattern texture difference image segmentation
