23、户外视频序列中的阴影去除与基于熵距离的生成特征集

户外视频序列中的阴影去除与基于熵距离的生成特征集

户外视频序列中的阴影去除

实验设置与流程

为了评估阴影检测和去除系统的性能，在阳光充足的日子里采集了多个户外视频序列，以获得清晰的阴影。所有序列由静态相机以 360×290 像素的分辨率采集的彩色图像组成，场景中包含在通道或停车场内移动的人。具体流程如下：
1. 图像预处理 ：所有图像首先使用高斯核进行平滑处理。
2. 运动目标检测 ：使用特定技术检测运动物体。
3. 阴影检测与去除 ：对于每个检测到的边界框，应用阴影检测以去除阴影像素。

实验结果评估

视觉评估

通过展示采集序列中的一些帧以及分类掩码进行视觉评估。在掩码中，每个非黑色像素最初由变化检测模块分类为前景。前景像素进一步分类为阴影（红色像素）或真实运动物体（蓝色像素）。结果表明，阴影检测技术能够在保留大部分原始真实运动物体的同时去除阴影。

数值评估

为了数值测量误差，使用边界框进行评估。对于每个用于性能评估的帧，手动定义一个包围运动物体的边界框作为地面真值。然后将地面真值与变化检测模块检测到的边界框以及阴影去除后的新边界框进行比较。使用 Dice 系数来测量两个边界框之间的差异，其定义为：
[D = \frac{2|A \cap B|}{|A| + |B|}]
其中 (| \cdot |) 是给定边界框的面积。

实验结果如下表所示：
| 序列 | 无阴影去除 | 固定阈值阴影去除 |