基于颜色物体移动定位的图像算法研究
2018-12-06江汉大学物理与信息工程学院谢光福王中明高文帅史珮颖
江汉大学物理与信息工程学院 谢光福 王中明 高文帅 史珮颖
引言：在人工智能领域，将图像处理技术应用于颜色识别和定位跟踪具有很强的优势，应用很广，其算法的研究越来越多。本文采用CamShift算法对颜色以及定位跟踪算法进行整合，抗干扰性强，捕捉颜色目标快速、准确，在使用过程中取得较好的效果。
1.摄像头的颜色处理算法
相较于COMS传感器的摄像头，CCD摄像头在灵敏度、分辨率以及噪声方面有比较大的优越性，再对采集到的图像进行进一步的算法优化：
1.1 图像的获取以及处理
利用普通 CCD 摄像头获取周围环境图像，对获取的图像进行平滑滤波处理：
1.1.1 高斯算法处理。高斯滤波器是一种线性滤波器，能够有效对摄像头得到的图像进行噪声处理。其原理是取滤波器窗口内的像素的均值作为输出，相比于均值滤波器对图像模糊程度较小。
1.1.2 中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值取代，让四周的像素值靠近的真实值，从而孤立的噪声点。在图像处理中,常用于保护图像边缘信息,是平滑噪声的经典方法
基于两种滤波器各自的特性，故在程序中同时用两种滤波器对图像进行处理达到互补的目的，在减少噪声方面具有更好的效果。
1.2 颜色空间转换
由于 HSV 颜色空间具有较好的稳定性，将RGB颜色模型转换为HSV颜色模型，排除光线等因素影响。RGB颜色空间到 HSV颜色空间的数学转换公式：
其中此中R、G、B、为RGB色彩空间的赤色、绿色和蓝色3个分量的值，H、S、V为HSV即色相(Hue)、饱和度(Saturation)、明度(Value)。通过采用这种函数转换的方法得到相应的HSV颜色参数，接下来就是对得到的HSV图像进行通道分离，分别为 H（色度通道图像）、S（饱和度通道图像）及 V（亮度通道图像）。本系统中对目标进行颜色选取，通过创建滑动条返回想要颜色参数的阈值，这样做的目的是能在目标颜色不均匀时候手动选取相应的颜色范围。
2.摄像头的运动物体处理算法
2.1 CamShift 跟踪算法
CamShift算法由MeanShift算法通过迭代算法的方式进行运算，在搜索跟踪过程中对于视频序列中的每一帧采用MeanShift来寻找最优迭代结果，加上对图像灰度相似度的度量，两者协同作用，实现目标跟踪。
2.2 CamShift算法
CamShift算法是对MeanShift迭代算法的改良，将目标的颜色直方图模型将图像转换为颜色概率分布图，初始化一个搜索窗口的位置和大小。调整目标形态，根据上一帧得到的图像处理结果自适应调整搜索窗口的位置和大小、定位出当前图像中的目标靶中心。具体步骤可以理解为三步：
①反向投影。RGB颜色空间对于光照变换比HSV空间敏感，为了将运动中光线影响程度降低，就需要将RBG颜色空间转换为HSV颜色空间，并且提取所需的H（色相）通道。对H通道分量做直方图，在直方图中代表不同的H分量值的像素和概率密度，即可以得到颜色概率密度表。再用颜色密度概率对应的值替换到相应的颜色像素，得到颜色密度概率分布图，此过程即为反向投影，也是CamShift算法的基础。
②MeanShift迭代算法。通过调整搜索窗的大小，移动搜索窗寻找目标位置质心，如果运动目标距离大于预设的固定阈值，则重复寻找目标质心，直到搜索窗口的中心与质心之间的距离小于预设定的阈值，反复迭代计算出目标在新一帧图像中的位置。
③调整目标形态。该算法的核心就体现在这一步骤。以搜寻到的目标为中心，通过膨胀腐蚀算法，适量扩大统计范围，通过计算膨胀范围内的颜色概率信息，判断目标大小、运动旋转角度等信息并重新计算出中心点。并且不断调整搜索窗口，将位置信息及时反馈，保持算法能够从上一帧计算结果得到迭代所需数据，保持了算法处理的连续性。
计算过程具体如下：
假设Carray(x,y)为对应坐标（x,y）点的H（色相）值；mij分别为统计范围内x方向i阶、y方向j阶颜色的矩值。
则调整后的目标运动旋转角度量（θ）、长度（L）、宽度（W）为：
经由过程MeanShift迭代算法搜刮窗口标定方针中间，在搜索窗口中尽量大的捕捉目标。采用腐蚀膨胀算法，对目标中心进行膨胀处理，给目标的边界添加像素，添加像素的大小将由参数设定决定。腐蚀算法将对目标周围出现的噪点进行识别，并且配合膨胀算法对目标边界上的噪点进行清除。在腐蚀膨胀算法的处理完成后，根据求得的θ、L、W，重新确定目标小球的位置信息，提取下一帧目标中心点进行MeanShift迭代。
CamShift 采用颜色密度概率信息作为判断依据，利用膨胀腐蚀算法对目标中心进一步扩大，使在搜寻目标的难度大大降低。在背景颜色与目标颜色相似的情况下，通过期做的空间图像转换所得到的阈值会很快区分背景颜色和目标颜色，从而对跟踪、识别准确度产生较好的效果，从而对CamShift算法的处理提高非常大的识别度。
2.3 结合空间图像转换的算法流程
在Camshift算法的基础上，结合颜色空间转换的思路，能够在背景颜色相近的情况下灵敏度有了较大的改善。通过空间图像的转换、阈值的设定、腐蚀算法等方法，极大限度的统计出一定范围内像素点的变化情况，并且通过腐蚀膨胀算法将目标前景里面的凸点填补和噪点的清除，在目标运动的过程中，动态判断该范围前景目标周围的背景环境区分，极大的减小了环境波动造成的误差漂移，抗干扰能力更强，而且在这个过程中对CamShift算法本身没有产生过多的计算量，使之适应力更强，该系统的算法流程图如图1所示。
图1 跟踪算法流程图
3.结束语
本文通过对颜色的空间转换、膨胀腐蚀算法和确立背景模型的方法，结合经典的CamShift跟踪定位算法。实验结果表明，此方法能对快速运动的物体进行快速、精确的定位以及跟踪。经验证表明，该算法运用于色彩鲜明的寻迹定位的图像识别具有良好的效果。
