【计算机视觉】【视频开发】智能视频分析中的光照强度突然变化的处理方法

    xiaoxiao2021-03-25  120

    在智能视频分析系统的研究过程中,尤其是对于一些工程应用来说,光照的突然变化是一个很棘手的问题。尽管,不少学者对光照的突然变化进行了大量的研究,而且也提出了相关的光照不变的算法(illumination invariant),对解决这类问题提供了一定的思路。一般都是通过计算光照不变特征来实现,文章包括:

          1)An Illumination Invariant Change Detection Algorithm.

          2)Bayesian Illumination-Invariant Motion Detection.

          3)robust and illumination invariant change detection based on linear dependence for surveillance application.

          4)reflectance ratio-a photometric invariant for object recognition_ICCV93.

          5)computing reflectance ratios from an image_PR93.

          6)Color Invariant Edge Detection

          7)Learning Photometric Invariance for Object Detection-IJCV2010

          8)making background subtraction robust to sudden illumination changes

          9)Object Detection Using Local Difference Patterns.

           尽管,以上论文中的方法都声称对光照变化具有不变性,但是在实际中,有很多是靠不住的,可能说对缓慢光照的变化具有一定的鲁棒性更准确。有些算法的复杂度也是可待商榷的(如making background subtraction robust to sudden illumination changes)。

           根据实际情况,本文提出两种解决光照突然变化的方法,一是多模式的背景模型,二是背景重建,我想这也应该是工程中应用较多的途径和思路吧。

           多模式背景模型就是对一个场景建立多种环境下的背景模型,算法检测环境的变化,自动选择背景模型。如对于光照条件正常的情况建立一个背景模型,进行保存;而对于背景较暗的情况建立一个背景模型,也进行保存;如果有多种情况,就建立多个背景模型。(而对于缓慢的光照变化现在应该有很多算法能够处理)。

          而对另外的背景重建的思路,现在已经有相当普遍的算法能够就一帧建立起背景模型(如SOBS、VIBE等)。在检测到有突然光照变化的情况下,就进行背景模型的重建,接着对运动进行检测。然而,在这种情况下,比较棘手的问题是如何判断光照的变化,很多论文上说的采用前景像素占整个图像大小的比例作为依据,然而该方法在实际中也常常误判率较高。本文介绍一种思路,而且经过试验也很不错,相比比率方法有了不少提高。

            思路如下:将整个图片进行分块,统计每一块的前景像素个数,当某块的前景像素大于某一个阈值时,则计数器+1,依次遍历整个图像,统计得到计数器的值,计算机计算器与整个图像块数的比值,比值大于某一阈值,则判断为光照突变。

             核心代码如下:

            1)图像分块

    // winSize default 32   void buildGrid( const Mat& input, vector<Rect>& grid, int winSize=32  )   {          grid.clear();       int height = input.rows;       int width = input.cols;       Rect rc;       for ( int i=0; i<height; i=i+winSize)       {           for ( int j=0; j<width; j=j+winSize )           {               rc.y = i;               rc.x = j;                  if (rc.x + winSize>width-1)                   rc.width = width-rc.x-1;               else                   rc.width = winSize;               if (rc.y+winSize>height)                   rc.height = height-rc.y-1;               else                   rc.height = winSize;               grid.push_back(rc);                        }       }          }  

    2)计算比值

    // winSize default 32, ratio default 1.0/winSize   bool isSuddenChange( const  vector<Rect>& grid, Mat& foreground, int winSize=32, double ratio=1.0/32.0)   {       int count = 0;       int gridSize = grid.size();          for ( int i=0; i<gridSize; ++i )       {           int nonZero = countNonZero( foreground(grid[i]));           double _r = double(nonZero)/(double)(winSize*winSize);           //if ( nonZero>32)           if ( _r> ratio)               count++;               }       double ratio = (double)count/(float)gridSize;       cout<<" NonZero ratio: "<<ratio<<endl;       if ( ratio > 0.60 )       {           imwrite("fore.jpg",foreground);           return true;       }       return false;   }  

    转载请注明出处:http://blog.csdn.net/kezunhai

    转载请注明原文地址: https://ju.6miu.com/read-7169.html

    最新回复(0)