电子产品世界

　　2.5 空间特征

　　考虑到图像中阴影和目标本体相接但互不相交，对于不能判断的像素及初步识别结果，按下述规则进行判断和修正：（1）如果周围像素点多数为“阴影”，则该点是“阴影”。（2）如果周围像素点多数为“目标”，则该点是“目标”。（3）如果周围像素点多数是目标而被判断为“阴影”，则改判断为“目标”。（4）如果周围像素点多数是阴影而被判断为“目标”，则改判断为“阴影”。这里的多数是指相邻8个像素点中5个以上。

　　3 实验结果和分析

　　图3、图4是室外拍摄的视频序列的处理结果，视频序列共2 571帧，单帧图像大小为354×288，图3是第154帧图像，图4是第363帧图像。

　　童车在图3中作为背景被提取出来，而在图4中成为前景。与图3相比，图4中光照有较大变化，图3（d）、图4（d）、图5（d）表明模糊神经网络分类器能有效地进行阴影去除。由图5（d）可见，通过阴影去除，行人能被分隔开来，这样有利于提高视频检测的准确率。

　　表1是对在不同路口拍摄的行人视频进行行人检测的结果，进行阴影去除后视频检测的平均准确率由61.52%提高到80.15%。

　　本文给出了一种新的阴影去除算法，该算法以YUV颜色空间为基础，用模糊神经网络分类器识别对像素点提取的光谱特征是否为阴影，网络的结构和参数采用遗传算法进行实时更新，最后结合运动目标与阴影的空间特征对分类结果进行修正。实验表明，该方法能适应光照、场景的变化，通过阴影去除能明显提高行人视频检测的准确率。

　　本文关于行人视频检测的研究尚处于起步阶段，对视频检测中的遮挡问题、运动描述和行为理解问题还在进一步研究中。

关键词： 阴影去除 模糊神经网络 行人视频检测 遗传算法