基于顏色物體移動(dòng)定位的圖像算法研究

江漢大學(xué)物理與信息工程學(xué)院 謝光福 王中明 高文帥 史珮?lè)f

引言：在人工智能領(lǐng)域，將圖像處理技術(shù)應(yīng)用于顏色識(shí)別和定位跟蹤具有很強(qiáng)的優(yōu)勢(shì)，應(yīng)用很廣，其算法的研究越來(lái)越多。本文采用CamShift算法對(duì)顏色以及定位跟蹤算法進(jìn)行整合，抗干擾性強(qiáng)，捕捉顏色目標(biāo)快速、準(zhǔn)確，在使用過(guò)程中取得較好的效果。

1.攝像頭的顏色處理算法

相較于COMS傳感器的攝像頭，CCD攝像頭在靈敏度、分辨率以及噪聲方面有比較大的優(yōu)越性，再對(duì)采集到的圖像進(jìn)行進(jìn)一步的算法優(yōu)化：

1.1 圖像的獲取以及處理

利用普通 CCD 攝像頭獲取周?chē)h(huán)境圖像，對(duì)獲取的圖像進(jìn)行平滑濾波處理：

1.1.1 高斯算法處理。高斯濾波器是一種線性濾波器，能夠有效對(duì)攝像頭得到的圖像進(jìn)行噪聲處理。其原理是取濾波器窗口內(nèi)的像素的均值作為輸出，相比于均值濾波器對(duì)圖像模糊程度較小。

1.1.2 中值濾波的基本原理是把數(shù)字圖像或數(shù)字序列中一點(diǎn)的值用該點(diǎn)的一個(gè)鄰域中各點(diǎn)值的中值取代，讓四周的像素值靠近的真實(shí)值，從而孤立的噪聲點(diǎn)。在圖像處理中,常用于保護(hù)圖像邊緣信息,是平滑噪聲的經(jīng)典方法

基于兩種濾波器各自的特性，故在程序中同時(shí)用兩種濾波器對(duì)圖像進(jìn)行處理達(dá)到互補(bǔ)的目的，在減少噪聲方面具有更好的效果。

1.2 顏色空間轉(zhuǎn)換

由于 HSV 顏色空間具有較好的穩(wěn)定性，將RGB顏色模型轉(zhuǎn)換為HSV顏色模型，排除光線等因素影響。RGB顏色空間到 HSV顏色空間的數(shù)學(xué)轉(zhuǎn)換公式：

其中此中R、G、B、為RGB色彩空間的赤色、綠色和藍(lán)色3個(gè)分量的值，H、S、V為HSV即色相(Hue)、飽和度(Saturation)、明度(Value)。通過(guò)采用這種函數(shù)轉(zhuǎn)換的方法得到相應(yīng)的HSV顏色參數(shù)，接下來(lái)就是對(duì)得到的HSV圖像進(jìn)行通道分離，分別為 H（色度通道圖像）、S（飽和度通道圖像）及 V（亮度通道圖像）。本系統(tǒng)中對(duì)目標(biāo)進(jìn)行顏色選取，通過(guò)創(chuàng)建滑動(dòng)條返回想要顏色參數(shù)的閾值，這樣做的目的是能在目標(biāo)顏色不均勻時(shí)候手動(dòng)選取相應(yīng)的顏色范圍。

2.攝像頭的運(yùn)動(dòng)物體處理算法

2.1 CamShift 跟蹤算法

CamShift算法由MeanShift算法通過(guò)迭代算法的方式進(jìn)行運(yùn)算，在搜索跟蹤過(guò)程中對(duì)于視頻序列中的每一幀采用MeanShift來(lái)尋找最優(yōu)迭代結(jié)果，加上對(duì)圖像灰度相似度的度量，兩者協(xié)同作用，實(shí)現(xiàn)目標(biāo)跟蹤。

2.2 CamShift算法

CamShift算法是對(duì)MeanShift迭代算法的改良，將目標(biāo)的顏色直方圖模型將圖像轉(zhuǎn)換為顏色概率分布圖，初始化一個(gè)搜索窗口的位置和大小。調(diào)整目標(biāo)形態(tài)，根據(jù)上一幀得到的圖像處理結(jié)果自適應(yīng)調(diào)整搜索窗口的位置和大小、定位出當(dāng)前圖像中的目標(biāo)靶中心。具體步驟可以理解為三步：

①反向投影。RGB顏色空間對(duì)于光照變換比HSV空間敏感，為了將運(yùn)動(dòng)中光線影響程度降低，就需要將RBG顏色空間轉(zhuǎn)換為HSV顏色空間，并且提取所需的H（色相）通道。對(duì)H通道分量做直方圖，在直方圖中代表不同的H分量值的像素和概率密度，即可以得到顏色概率密度表。再用顏色密度概率對(duì)應(yīng)的值替換到相應(yīng)的顏色像素，得到顏色密度概率分布圖，此過(guò)程即為反向投影，也是CamShift算法的基礎(chǔ)。

②MeanShift迭代算法。通過(guò)調(diào)整搜索窗的大小，移動(dòng)搜索窗尋找目標(biāo)位置質(zhì)心，如果運(yùn)動(dòng)目標(biāo)距離大于預(yù)設(shè)的固定閾值，則重復(fù)尋找目標(biāo)質(zhì)心，直到搜索窗口的中心與質(zhì)心之間的距離小于預(yù)設(shè)定的閾值，反復(fù)迭代計(jì)算出目標(biāo)在新一幀圖像中的位置。

③調(diào)整目標(biāo)形態(tài)。該算法的核心就體現(xiàn)在這一步驟。以搜尋到的目標(biāo)為中心，通過(guò)膨脹腐蝕算法，適量擴(kuò)大統(tǒng)計(jì)范圍，通過(guò)計(jì)算膨脹范圍內(nèi)的顏色概率信息，判斷目標(biāo)大小、運(yùn)動(dòng)旋轉(zhuǎn)角度等信息并重新計(jì)算出中心點(diǎn)。并且不斷調(diào)整搜索窗口，將位置信息及時(shí)反饋，保持算法能夠從上一幀計(jì)算結(jié)果得到迭代所需數(shù)據(jù)，保持了算法處理的連續(xù)性。

計(jì)算過(guò)程具體如下：

假設(shè)Carray(x,y)為對(duì)應(yīng)坐標(biāo)（x,y）點(diǎn)的H（色相）值；mij分別為統(tǒng)計(jì)范圍內(nèi)x方向i階、y方向j階顏色的矩值。

則調(diào)整后的目標(biāo)運(yùn)動(dòng)旋轉(zhuǎn)角度量（θ）、長(zhǎng)度（L）、寬度（W）為：

經(jīng)由過(guò)程MeanShift迭代算法搜刮窗口標(biāo)定方針中間，在搜索窗口中盡量大的捕捉目標(biāo)。采用腐蝕膨脹算法，對(duì)目標(biāo)中心進(jìn)行膨脹處理，給目標(biāo)的邊界添加像素，添加像素的大小將由參數(shù)設(shè)定決定。腐蝕算法將對(duì)目標(biāo)周?chē)霈F(xiàn)的噪點(diǎn)進(jìn)行識(shí)別，并且配合膨脹算法對(duì)目標(biāo)邊界上的噪點(diǎn)進(jìn)行清除。在腐蝕膨脹算法的處理完成后，根據(jù)求得的θ、L、W，重新確定目標(biāo)小球的位置信息，提取下一幀目標(biāo)中心點(diǎn)進(jìn)行MeanShift迭代。

CamShift 采用顏色密度概率信息作為判斷依據(jù)，利用膨脹腐蝕算法對(duì)目標(biāo)中心進(jìn)一步擴(kuò)大，使在搜尋目標(biāo)的難度大大降低。在背景顏色與目標(biāo)顏色相似的情況下，通過(guò)期做的空間圖像轉(zhuǎn)換所得到的閾值會(huì)很快區(qū)分背景顏色和目標(biāo)顏色，從而對(duì)跟蹤、識(shí)別準(zhǔn)確度產(chǎn)生較好的效果，從而對(duì)CamShift算法的處理提高非常大的識(shí)別度。

2.3 結(jié)合空間圖像轉(zhuǎn)換的算法流程

在Camshift算法的基礎(chǔ)上，結(jié)合顏色空間轉(zhuǎn)換的思路，能夠在背景顏色相近的情況下靈敏度有了較大的改善。通過(guò)空間圖像的轉(zhuǎn)換、閾值的設(shè)定、腐蝕算法等方法，極大限度的統(tǒng)計(jì)出一定范圍內(nèi)像素點(diǎn)的變化情況，并且通過(guò)腐蝕膨脹算法將目標(biāo)前景里面的凸點(diǎn)填補(bǔ)和噪點(diǎn)的清除，在目標(biāo)運(yùn)動(dòng)的過(guò)程中，動(dòng)態(tài)判斷該范圍前景目標(biāo)周?chē)谋尘碍h(huán)境區(qū)分，極大的減小了環(huán)境波動(dòng)造成的誤差漂移，抗干擾能力更強(qiáng)，而且在這個(gè)過(guò)程中對(duì)CamShift算法本身沒(méi)有產(chǎn)生過(guò)多的計(jì)算量，使之適應(yīng)力更強(qiáng)，該系統(tǒng)的算法流程圖如圖1所示。

圖1 跟蹤算法流程圖

3.結(jié)束語(yǔ)

本文通過(guò)對(duì)顏色的空間轉(zhuǎn)換、膨脹腐蝕算法和確立背景模型的方法，結(jié)合經(jīng)典的CamShift跟蹤定位算法。實(shí)驗(yàn)結(jié)果表明，此方法能對(duì)快速運(yùn)動(dòng)的物體進(jìn)行快速、精確的定位以及跟蹤。經(jīng)驗(yàn)證表明，該算法運(yùn)用于色彩鮮明的尋跡定位的圖像識(shí)別具有良好的效果。