基于顏色空間的目標(biāo)識別與跟蹤

摘要：在目標(biāo)識別技術(shù)發(fā)展越來越迅速的今天，單純的目標(biāo)識別已經(jīng)滿足不了環(huán)境和需求的變更，人們更希望在一組視頻，或者視頻監(jiān)控中，針對一特定目標(biāo)，用計算機(jī)持續(xù)的標(biāo)定出選定物體在當(dāng)前視野范圍內(nèi)的位置，進(jìn)而不需要人時刻關(guān)注這一物體的動向。對此本文實(shí)現(xiàn)了針對物體的顏色屬性，在顏色空間中對其進(jìn)行識別與跟蹤。針對自主設(shè)定的顏色閾值，自動識別當(dāng)前環(huán)境中最明顯的具有該顏色的物體，并在視頻的每一幀中都能跟蹤到該物體。經(jīng)試驗，該方法識別效率高，跟蹤速度快，具有廣闊的應(yīng)用前景。

關(guān)鍵詞：OpenCV;目標(biāo)識別;物體追蹤;圖像處理

1引言

從計算機(jī)被研制出現(xiàn)在世界上到現(xiàn)在計算機(jī)技術(shù)已經(jīng)面向廣大人民的階段，對物體的識別與物體的跟蹤是計算機(jī)視覺研究方面的一個比較關(guān)鍵的子路線。然而由于對運(yùn)動著的物體的辨識和跟蹤工程它本身就很具有復(fù)雜性，所以識別與跟蹤這個方向到現(xiàn)在還是有很多的挑戰(zhàn)。最常見的智能監(jiān)控系統(tǒng)，像一些人流量極大的場所，要確保人身財產(chǎn)安全，通常就會設(shè)置識別與跟蹤的監(jiān)控設(shè)備。通過算法由程序?qū)梢赡繕?biāo)進(jìn)行定位并分析其行為，倘若真正發(fā)生異常時，監(jiān)控系統(tǒng)會智能發(fā)出警報，以達(dá)到提醒人去處理的目的，將人的生理反映會隨時間減弱的問題最小化。這項技術(shù)，特別是在軍事上的一些武器導(dǎo)航、無人機(jī)觀測，軍事偵察具有重大意義[1]。

2系統(tǒng)設(shè)計與實(shí)現(xiàn)

（1）顏色識別。本模塊主要實(shí)現(xiàn)的是將所需識別的目標(biāo)顏色在一幀畫面中分離出來，OpenCV中的inRange（）函數(shù)它在這個部分的作用將視頻中的每一幀進(jìn)行二值化處理，并且通過給定閾值將顏色過濾出來。該函數(shù)方法可以對多通道圖像進(jìn)行處理。方法所需數(shù)據(jù)的意義是判斷檢測目標(biāo)數(shù)組中的元素值是不是和另外設(shè)置的兩個數(shù)組的元素值之間值相匹配的。這部分的數(shù)組存儲的本質(zhì)上也就是Mat矩陣或者向量，該inRange函數(shù)會在輸出圖像中得到被其二值化后的二值圖像[3]。

簡單的對這個過濾顏色解釋，這個方法是在判斷Mat類型的源圖像src中每一個像素的每一個通道的值是否在[lowerb，upperb]之間。其中l(wèi)owerb表示最小像素值，upperb最大像素值。在程序中Scalar（lowerb，lowerg，lowerr）和Scalar（upperb，upperg，upperr）。其中l(wèi)owerb表示藍(lán)色像素最小值，lowerg表示綠色像素最小值，lowerr紅色像素最小值。upperb表示藍(lán)色像素最大值，upperg綠色像素最大值，upperr紅色像素最大值這里要注意集合的開閉。如果結(jié)果為是開區(qū)間，那么在Mat類型的結(jié)果圖像dst相應(yīng)像素位置填上255，如果結(jié)果不是閉而是開，則是0[2]。

針對單通道圖像來講：dst（I） = lowerb（I）0 ≤ src（I）0 < upperb（I）0，如果這是一幅灰度圖像（圖像為純灰色，可以是有彩色圖像轉(zhuǎn)化過來的，每個像素只有一個通道）的某個像素的灰度值在我們設(shè)定好的的高和低閾值范圍之見，則在Mat類型的dst圖像中使得該像素值為255，否則使其設(shè)置成為0，這樣就可以將一幅真實(shí)的畫面轉(zhuǎn)化成為了一幅二值化圖像并輸出在顯示屏上。

針對三通道圖像來講：dst（I） = lowerb（I）0 ≤ src（I）0 < upperb（I）0 ∧ lowerb（I）1 ≤ src（I）1 < upperb（I）1 ∧lowerb（I）2 ≤ src（I）2 < upperb（I）2，也就是說，三通道圖像要求相對較高，要求的每個通道的像素值都必須要在對性的合適闕值內(nèi)，不可越界，否則影響結(jié)果。

若這里單純使用inRange（）函數(shù)提取到的目標(biāo)物體顏色二值圖像有一定的誤差，還有一定的噪聲在其中，所以接下來我們還要有后續(xù)操作，使分離的結(jié)果更加精確。

（2）形態(tài)學(xué)開操作。即是兩種圖像處理的基本操作（膨脹和腐蝕）在一起通過操作順序的先后，對圖像操作的結(jié)果。開操作則先是對圖片進(jìn)行腐蝕操作，操作完畢后，再進(jìn)行一次圖片的膨脹操作的過程。開操作可以使提取到的目標(biāo)顏色物體的二值圖像輪廓變得平滑，使狹窄的間斷斷開和將畫面中細(xì)小的突出物消除。這里的孔洞指的是黑色的部分，突出物和小物體指的是白色的部分[4]。

觀察顏色過濾提取結(jié)果可以得知，單純地應(yīng)用inRange函數(shù)我們可以成功的找到我們想要的目標(biāo)顏色。但是仔細(xì)觀察二值圖像后我們發(fā)現(xiàn)，二值圖像中有一些誤差，也就是我們所說的噪點(diǎn)。

（3）尋找輪廓。在完成上述幾個模塊對目標(biāo)顏色物體的二值圖像進(jìn)行的一系列提取及增強(qiáng)準(zhǔn)確度和清晰度的操作后，我們可以從視頻畫面中清晰的得到運(yùn)動目標(biāo)的二值圖像，這些操作為本模塊的輪廓發(fā)現(xiàn)提供了鋪墊。

輪廓發(fā)現(xiàn)（find contour）操作的前提和基礎(chǔ)就是基于圖像邊緣提取下的，來進(jìn)行尋找對象物體輪廓的方法。所以邊緣提取的闕值會影響最終的發(fā)現(xiàn)結(jié)果[5]。

（4）外接矩形獲取。完成了上述的輪廓發(fā)現(xiàn)的步驟之后需要根據(jù)查找到的輪廓獲取該物體輪廓的外界矩形。通俗的來講就是，就是在查找輪廓完畢之后，獲取它的最大外接矩形并繪制，也就是標(biāo)記物體在圖像中的位置。

最終的實(shí)現(xiàn)結(jié)果如下：

3結(jié)論

基于顏色空間的識別和跟蹤的研究背景，對于理論基礎(chǔ)和現(xiàn)有的技術(shù)支持，明確了需求和全面且詳細(xì)的設(shè)計與實(shí)現(xiàn)過程。本系統(tǒng)實(shí)現(xiàn)了通過攝像頭獲取實(shí)時視頻畫面，通過計算機(jī)視覺和圖像處理的方法，完成了在已知當(dāng)前復(fù)雜環(huán)境背景下，準(zhǔn)確提取出計劃內(nèi)的目標(biāo)顏色。而且可以從程序編寫和系統(tǒng)設(shè)計的過程中找出提取顏色造成誤差問題所在，然后利用現(xiàn)有的圖像處理手段進(jìn)行多次的操作，使圖像處理結(jié)果越來越準(zhǔn)確。最后完成了對二值圖像的輪廓查找，并完成最終的理想效果，實(shí)現(xiàn)了對目標(biāo)物體顏色的實(shí)時跟蹤。

參考文獻(xiàn)

[1]望熙榮、望熙貴.OpenCV和Visual Studio圖像識別應(yīng)用開發(fā).人民郵電出版社.2017.10

[2]毛星云.OpenCV 3編程入門.電子工業(yè)出版社.2015.2

[3]黃韶杰.基于聚類的煤巖分界圖像識別技術(shù)研究.中國礦業(yè)大學(xué)博士論文.2015：24-25

[4]胡學(xué)龍.數(shù)字圖像處理（第3版）.電子工業(yè)出版社.2014.8

[5]張亮.基于OPENCV的輪廓檢測.西安工業(yè)大學(xué)課程論文.2015：30-35

作者簡介：姓名 李彬（1996—），男，漢族，遼寧沈陽人，2019級在讀研究生，單位：沈陽理工大學(xué)，研究方向：圖形圖像處理技術(shù)。