【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

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