便利店防盗摄像头的图像阴影检测与光照不均校正原理

1. 图像阴影的成因与分类
   便利店监控画面中的阴影主要由货架遮挡、商品堆叠及人员走动形成，分为投射阴影（物体遮挡光源产生的深色区域）和附着阴影（物体自身背光面的阴暗区域）。投射阴影会掩盖商品细节，附着阴影则可能导致商品轮廓识别错误。

2. 阴影的物理光学特性
   阴影区域的光照强度通常仅为非阴影区域的1/5至1/10，且色温会因环境光反射产生偏移。例如荧光灯环境下阴影偏蓝，而暖光灯下阴影偏黄。阴影边缘存在半影区（Penumbra），该区域像素亮度呈梯度变化，需通过高斯混合模型进行过渡带检测。

3. 基于颜色恒常性的阴影初筛
   利用HSV色彩空间的色调一致性原理：阴影区域饱和度降低而色调保持稳定，通过设定饱和度阈值（通常0.1-0.3）和色调容差（±5°）可分离出潜在阴影区。同时检测亮度分量V的突变梯度，结合Canny边缘检测区分阴影边界与物体实体边缘。

4. 局部二值模式纹理分析
   对疑似阴影区域提取LBP特征，阴影区因光照不均会产生特定模式的纹理变化。通过对比相邻货架区域与地面区域的LBP直方图卡方距离，排除材质本身造成的暗色区域误判。

5. 光照物理模型重建
   采用Retinex理论分解图像为光照分量与反射分量。通过引导滤波估计环境光照图，阴影区对应光照分量的极低值区域。利用非线性校正函数对光照分量进行压缩重构，使阴影区亮度提升至与环境光协调的水平。

6. 多帧时序阴影验证
   结合连续视频帧进行动态分析：真实阴影会随光源移动（如人员走动产生的投影位移），而固定暗色区域则保持静止。通过光流法计算阴影区域的运动矢量，排除货架固有结构造成的伪阴影。

7. 自适应伽马校正
   根据阴影深度动态调整伽马值：对深度阴影（亮度<30/255）采用γ=0.4的强校正，对浅阴影（亮度30-80/255）采用γ=0.6的中等校正。校正后使用直方图匹配技术保持阴影区与非阴影区的色彩一致性。

8. 语义约束下的阴影修复
   基于YOLO检测到的商品位置信息，对校正后可能失真的商品标签区域进行局部色彩还原。例如饮料瓶标区域需保持原有饱和度，避免因整体亮度提升导致包装色失真。