1、隨著科學(xué)技術(shù)的發(fā)展和用戶需求的多樣化，智能視頻監(jiān)控系統(tǒng)也愈發(fā)體現(xiàn)出了其在安防領(lǐng)域中的重要作用。實(shí)現(xiàn)智能視頻監(jiān)控的第一步就是從指定的監(jiān)控場景中檢測并提取出運(yùn)動物體(比如運(yùn)動的人和車輛等)。而這些運(yùn)動區(qū)域的準(zhǔn)確提取是后續(xù)的目標(biāo)跟蹤、識別、分類等算法順利進(jìn)行的關(guān)鍵前提。然而，在實(shí)際的智能視頻監(jiān)控系統(tǒng)中，由于各種光線的存在，場景中的運(yùn)動物體往往會攜帶有或大或小的陰影，并且陰影與產(chǎn)生陰影的運(yùn)動物體具有相同的運(yùn)動特征，這就使得陰影常與目標(biāo)對象一并被

2、檢測出來，影響了后續(xù)的圖像處理和理解。由此，陰影檢測去除成為了智能視頻監(jiān)控領(lǐng)域中一個技術(shù)上的熱點(diǎn)和難點(diǎn)。
　　 本文首先回顧和介紹了視頻監(jiān)控技術(shù)的發(fā)展歷史和研究現(xiàn)狀，并對智能視頻監(jiān)控技術(shù)中目前已有的常用的運(yùn)動目標(biāo)檢測提取方法進(jìn)行了分析比對，重點(diǎn)分析了幀差法、光流法以及背景減除法的基本原理、各自的優(yōu)缺點(diǎn)及適用場合。從而確定了采用基于混合高斯模型(GMM)的背景減除法來獲取運(yùn)動前景區(qū)域。實(shí)驗(yàn)證明GMM能夠?qū)鼍爸泄饩€的變化、樹葉或是

3、旗幟的反復(fù)運(yùn)動具有較好的魯棒性。但GMM屬于運(yùn)動分割，提取的前景運(yùn)動區(qū)域中常包含有大片的陰影區(qū)域，所以需要在此基礎(chǔ)上進(jìn)行陰影的檢測與去除。
　　 針對運(yùn)動物體所攜帶的陰影影響了目標(biāo)提取的準(zhǔn)確性問題，本文分析總結(jié)了幾種現(xiàn)有的陰影檢測去除算法之后，提出了一種基于YUV顏色空間與圖論算法相結(jié)合去陰影的新方法。該方法的具體實(shí)現(xiàn)步驟主要是兩步：首先在由GMM獲取的前景運(yùn)動區(qū)域中綜合考慮YUV顏色空間的亮度(Y)和色度信息(U，V)來檢測陰

4、影區(qū)域并結(jié)合形態(tài)學(xué)濾波等操作得到確定的陰影和目標(biāo)種子點(diǎn)集；然后將所獲取的種子點(diǎn)集映射成網(wǎng)絡(luò)圖，利用圖切割算法進(jìn)一步獲得運(yùn)動目標(biāo)和陰影的優(yōu)化分割，從而得到相對精確，干凈，平滑的目標(biāo)信息。該方法在一定程度上弱化了YUV空間陰影檢測閾值不便設(shè)定的問題，既降低了陰影檢測過程中的難度，又提高了檢測精度。
　　 最后，本文在VC++6.0環(huán)境下，借助OpenCV開源計(jì)算機(jī)視覺庫編程完成了本文提出的算法。通過室內(nèi)室外環(huán)境的多次實(shí)驗(yàn)證明，本文算