基于HSV顏色空間的運動目標檢測方法

摘 要： 針對在目標檢測過程中光照變化對檢測結果的影響，提出一種基于HSV顏色空間的運動目標檢測方法。首先采用幀間差分分離出運動目標區域，將該區域轉換為HSV顏色空間，用形態學對區域進行處理，消除噪聲影響。然后利用各分量的相互獨立性及H分量對光照不敏感的特性，應用自適應閾值分割方法，對運動目標實現準確分割。實驗表明，該方法能夠實現對運動目標的準確檢測，消除幀間差分產生的圖像空洞，對光照變化劇烈的目標也能實現準確分割，具有較強的魯棒性。

關鍵詞： 目標檢測； HSV顏色空間； 幀間差分法； 自適應閾值分割法

中圖分類號： TN911?34 文獻標識碼： A 文章編號： 1004?373X（2013）12?0045?04

0 引 言

運動目標檢測是計算機視覺研究的一個重要領域，它是目標跟蹤和視頻圖像分析的基礎，在軍事、航空航天、智能交通、數字安防、醫學圖像處理等方面得到廣泛應用，具有很重要的應用價值和深遠的發展前景。所謂的運動目標檢測，就是針對視頻序列中的一幀或幾幀圖像，通過一定的算法或方法去除背景、提取感興趣前景的一項技術。它是后續視頻分析的和理解的基礎，也是目前國內外學術界研究的熱點之一[1]。

目前常用的目標檢測方法主要有以下幾種：背景差分法，幀間差分法和光流法[2?3]。背景差分法計算比較簡單，但是對場景的動態變化比較敏感，它的關鍵問題是如何建立有效的背景模型以及進行背景模型更新，如何將背景建模建為高斯模型或者混合高斯模型，并在處理過程中不斷更新。該方法存在2方面不足：一方面是初始背景圖像的獲取問題，需要人的事先攝制，而且更新時也需要人工干預；另一方面，在對背景差分圖像采用求取絕對值后，一般用單閾值完成分割，把比背景暗和比背景亮的兩部分運動目標做了對等處理，沒有對不同目標區分對待，因此存在著分割效果不理想等缺點[4]；幀間差分法是通過對兩幅相鄰幀圖像的相減，一方面是濾除圖像中的靜止景物；另一方面是保留運動物體，該方法的優點是對環境的光線變化不敏感，缺點是無法檢測出靜止車輛[5?6]；光流法既可用于運動目標的檢測，也可用于運動目標的跟蹤，特別是當運動物體重疊時，利用其光流場的分布，也可以進行檢測與跟蹤。但由于噪聲、多光源、陰影、透明性和遮擋性等原因，使得計算出的光流場分布不是十分可靠和精確。同時，光流計算的復雜度非常高，難以符合視覺監視系統實時處理的要求[7]。

為提高運動目標檢測的速度和精度，近年來學者們提出了一系列的改進，楊會鋒提出一種基于邊緣特征和改進K?均值聚類相結合運動目標檢測算法[8]，有效去除了背景中突然有物體移入或移出引起的虛假運動目標，同時能夠很好地克服噪聲帶來的影響，提高了運動目標檢測的準確性，但是該方法不能有效去除由于光照引起的與真實目標粘連的陰影的影響；夏瑜針對目前方法在復雜環境下很難有效檢測出運動目標的問題，提出了融合光流的分通道幀差目標檢測方法[9]，實現了對運動目標快速而準確的檢測。

叢楊提出一種利用圖像差分、局部光流法和目標匹配，實現視頻對象目標提取和跟蹤的方法，實驗表明，該方法可以穩定檢測和跟蹤視場中的運動目標[10]；對人等運動目標運動發生劇烈變化、變形、被部分遮擋等情況，也具有魯棒性；朱明旱提出了一種將幀間差分和背景差分相互融合的運動目標檢測算法[11]，該方法與背景幀差分時僅對幀差處理后的運動變化區域進行處理相比，大大地減少了其他區域對檢測結果帶來的影響，縮短了處理時間，允許在有運動物存在的情況下進行建模，準確率高，運算速度快，能滿足實時檢測的需要，但是在應對光照變化較大的情況效果不理想。

為此本文提出一種基于HSV顏色空間的運動目標檢測方法，能夠有效克服光照變化帶來的影響。

1 HSV顏色空間

根據計算機色彩理論，對每一種顏色在汁算機中有不同的表達方式，這樣就有了各種不同的顏色顯示格式。

HSV模型反應了人類觀察色彩的方法，它在色彩圖像處理和計算機視覺的研究中常被使用。這種格式是按照色度（Hue）、色度飽和（Saturation）和明亮值（Value）建立起來的。

HSV（Hue Saturation Value）模型是面向視覺感知的彩色模型，該模型是非線性的，既與人類顏色視覺感知比較接近，又獨立于顯示設備。

2 基于HSV顏色空間的運動目標檢測方法

首先采用幀間差分法分離出目標的大致區域，而后將該區域進行HSV空間轉換，進行數學形態學的區域處理，由于該區域中的大部分屬于目標區域，所以再對H分量進行自適應閾值分割，就能夠很好地分離出運動目標。

2.1 數學形態學的區域處理

本文采用數學形態學對圖像進行區域處理，基本方法有腐蝕、膨脹、開和閉運算。通過形態學的操作，可以清除背景殘留小噪聲，并且平滑被分割物體邊緣。腐蝕是一種消除邊界點，使邊界向內部收縮的過程。它可以用來消除小且無意義的物體，其結果使剩下的物體比處理前減少了一些像素。

2.2 H分量的自適應閾值分割

圖像差分后所得區域的2個特點：區域小，像素較少，便于計算；運動目標的顏色信息占據了大部分的區域，便于進行分割。在這種情況下，采用雙峰法的改進形式迭代法，對區域進行H分量的自適應分割。基本步驟如下：

（1）求出圖像H分量的最大值和最小值，分別記為HMAX和HMIN，令初始閾值[T0=HMAX+HMIN2]；

（2）根據閾值T將圖像分割為前景和背景，分別求出兩部分的平均值HO和HB。

（3）求出新閾值[T=HO+HB2]；

（4）若兩個平均值HO和HB不再變化（或T不再變化），則T為閾值；否則轉步驟（2）；

（5）輸出分割結果。

2.3 算法步驟

本算法主要是利用HSV顏色空間中各分量相互獨立這一特性。具體流程圖如圖3所示。首先輸入視頻序列中的前兩幀圖片，做差分運算，確定運動目標的大致區域；運用式（1）～式（3），將該區域轉換為HSV顏色空間模型，提取出H分量；對H分量進行形態學處理，進行一次閉運算，也就是運用式（4）進行一次腐蝕運算，而后再運用式（5）進行一次膨脹運算，能夠消除部分噪聲對檢測結果的影響；確定H分量最大值（HMAX）和最小值（HMIN），進行區域的自適應閾值分割；最后輸出分割結果。

2.4 仿真實驗結果及分析

（1）算法實現

（2）在亮度變化情況下的目標檢測

3 結 語

提出了一種基于HSV顏色空間的運動目標檢測方法，通過仿真實驗證明在一些背景信息比較豐富的情況下仍然能夠實現很好的檢測。本文采用幀間差分法與HSV顏色空間相結合的方法，實現對運動目標的準確選取。在應對光照變化方面，主要是利用HSV顏色空間中各分量之間相互獨立的特性，很好地克服光照帶來的影響。當然這種方法也有自身的缺陷：是對閾值的依賴度較高，選取合適閾值是個關鍵；對于存在兩種以上顏色特征的目標分割還存在困難，需要尋求一種科學的融合方法。

參考文獻

[1] 王斌，肖文華，張茂軍，等.采用時空條件信息的動態場景運動目標檢測[J].計算機輔助設計與圖形學學報，2012，24（12）： 1576?1584.

[2] 張娟，毛曉波，陳鐵軍.運動目標跟蹤算法研究綜述[J].計算機應用研究，2009，26（12）：4407?4410.

[3] MOTAMED C.Motion detection and tracking using belief indicators for an automatic visual?surveillance system [J].Image and Vision Computing， 2006， 24（11）： 1192?1201.

[4] 袁基煒，史忠科.一種圖像序列自動分割新方法[J].計算機工程與應用，2004，29（3）：146?148.

[5] DICKMANNS E D. The development of machine vision for road vehicles in the last decade [J]. IEEE Intelligent Vehicle Symposium， 2002， 1（6）： 268?281.

[6] TOYAMA K， KRUMM J， B.BRUMITT， et al. Wallflower principles and practice of background maintenance [C]// International Conference on Computer Vision. [S.l.]： ICCV， 1999： 255?261.

[7] JIE Shao， ZHOU S K， QIN fen?zheng. Moving object from moving platform [C]// Proceedings of 2004 17th International Conference on Pattern Recognition. [S.l.]： ICPR， 2004， 1： 215?218.

[8] 楊會鋒，曹潔，帥立國.一種改進的運動目標檢測方法[J].計算機工程與應用，2012，48（20）：206?210.

[9] 夏瑜，吳小俊，馮振華.一種融合光流的分通道幀差目標檢測方法[J].彈箭與制導學報，2012，32（1）：175?178.

[10] 叢楊，唐延東.基于光流方程和目標匹配的視頻圖像目標跟蹤方法[J].紅外與激光工程，2006，35（z）：312?315.

[11] 朱明旱，羅大庸，曹倩霞.幀間差分與背景差分相融合的運動目標檢測算法[J].計算機測量與控制，2005，13（3）：215?217.