0 引 言
    基于视频的车辆检测技术是在传统电视监视系统基础上发展起来的，以车辆检测技术、摄像机和计算机图像处理技术为基础，来大范围地对车辆施行检测和识别的新兴技术。与传统检测技术相比，它具有处理速度快、安装维护便捷且费用低、监视范围广、可获得各种交通参数等诸多优点。随着图像处理技术和微电子技术的发展，视频检测技术在交通运输系统中的发展潜力巨大。
    在典型的交通自动监控系统中，用一个静态的摄像机实时监控固定区域，通过对车辆目标的提取、分类和跟踪等操作，进一步提取交通参数。所以，从视频流中实时分割车辆目标是交通自动监控系统的一个基本环节。提取车辆目标的流程主要包含运用算法将前景车辆从拍摄的图像中提取出来，并对其进行阴影检测，去除阴影。该文依照此流程选取合适的前景提取算法——背景差分法，实时进行背景更新，对前景中产生的阴影进行分析，并提出合理有效的阴影去除方法。

l 基于视频的车辆检测
    背景差分法是车辆运动检测系统中的一种常用算法。该算法通过实时维护一个背景模型，将当前帧消除背景影响即可获得前景图像。而路面、树木、建筑物等一直处于静止状态，因此被当作背景通过差分被去除。经过处理后的图像理论上只包括运动目标，直接进行二值化，提取目标即可，但实际上这时由于摄像机的抖动以及路面光线变化、风吹草动、车辆目标本身的阴影和其他因素对检测结果的影响是很大的，往往造成很大的误差，甚至错误。在提取前景后针对不同的阴影，去除之以获得真实的车辆目标。
1．1 背景建模
    将开始的n帧图像用于背景建模(采用n=200)。对相邻一定间隔的两帧图像作差值，获得差值图像A。即有：

式中：N为A相应位置的差值，得到二值化的帧差掩模图像N；“1”为对应变化的像素；“O”为对应没有变化的像素。
    在帧差掩模序列中，对于长时间没有变化的像素点，即帧差掩模图像序列在一段时间内该像素点都保持为“O”，则认为此像素点对应于背景像素，将原始图像中该点像素值拷贝到理想背景图像中，同时设置此理想背景像素点的状态为“背景像素”。此过程完成后，可能有的理想背景像素点的状态还未转换成“背景像素”，即未被重建，则在后续过程中继续执行上述步骤，对已重建
的背景像素点，转而进行背景更新。
1．2 背景更新
    在获得背景图像后，随着时间的推移，场景内会有很多变化，其中比较明显的是光照亮度的变化和背景物体的移动，这就需要对背景图像不断地进行更新。文中采用一种当前图像和背景图像加权的方式进行更新。更新方法为：记当前图像中像素值为I(x，y)，背景图像中像素值为I*(x，y)，对应的帧差掩模图像N(x，y)=0，则I(x，y)为背景像素，I(x，y)与I*(x，y)按照式(2)进行加权：

式中：α为更新系数，关系着更新速度，而更新速度要求背景能够捕捉亮度的变化，同时又不能让瞬间的变化长时间存在。假设取α=O．1，当图像亮度大面积变化时，整个背景像素的均值将发生较大幅度的改变，所以当均值改变大于一定范围时，为了能够更快地更新背景，取α=0．2。
    若|I(x，y)一I*(x，y)|大于阈值或N(x，y)=1，则I(x，y)为前景像素；如果I(x，y)连续长时间作为前景像素，则需要重建此像素点的背景，重新按照背景重建步骤恢复背景。

1．3 运动目标提取