1. 程式人生 > >【計算機視覺】基於Shading Model(對光照變化一定不變性)的運動目標檢測演算法

【計算機視覺】基於Shading Model(對光照變化一定不變性)的運動目標檢測演算法

光照模型(Shading Model)在很多論文中得到了廣泛的應用,如robust and illumination invariant change detection based on linear dependence for surveillance application、Making background subtraction robust to sudden illumination Changes以及Illuminatin independent change detection for real world image sequence(本文介紹的內容)。後面兩本文獻雖然是90年代的東西,但還是值得看看。先來簡單說說什麼是光照模型(Shading Model

)。光照模型就是給定一個觀察的畫素點Ip,其值是由照度(IlluminationIi和光照係數(Shading coefficientSp決定的,用公式表示如下:


          光照模型的完整形式可以用下圖來說明:


           由上圖和學過的知識可知,光照係數是由物體表面材料的反射因子和物體物理表面結構決定的。因此,對於某一位置,如果其物理表面結構沒有發生變化,那麼其光照係數將也不會發生;反之,如果物體表面結構發生變化,光照係數也會發生變化。

           基於以上的結論,光照係數是由物體的表面結構決定的,而相對於光照變化具有獨立性。因此,基於光照係數的目標檢測

演算法不僅可以準確,而且對光照變化具有強魯棒性。然而,光照係數卻事先無法得知,一般也不容易計算。但是,在視訊序列中,可以通過計算兩幀影象中某一區域的灰度比率(Intensity ratio來檢測光照係數的變化,以此進行運動區域的檢測。

          灰度比率的計算和檢測原理如下:




            通過式(17)得到灰度比率方差的舉止,如果計算得到的灰度比率方差的均值接近0,則表示該區域沒有發生變化;否則,就認為該區域發生了變化。

            該演算法的核心程式碼已經實現,經過測試,對光照具有較強的魯棒性(確實是具有魯棒性,突然的光照變化不會引起全域性大範圍的變化,即不會出現前景一片白的情況,但是小範圍內會出現白片的現象)。由於今天下班走得匆忙,程式碼下個星期更新附上。