基于HSV顏色空間特征的ROI區域智能車目標物識別探討

吳依倫 魏矗 劉國寧 徐歆怡

摘要：文章基于HSV顏色空間特征的ROI 區域，深入研究了智能小車在簡單識別具體目標物的方法，首先對小車攝像頭接收到的圖像進行預處理，進而對處理后的圖像基于HSV顏色空間特征分割，最后用種子填充法結合HSV顏色空間系數的hu不變矩對圖像中目標物形狀檢測及判斷。借此方法成功識別出小車行駛過程中接收圖像中的目標物。

關鍵詞：HSV顏色空間；ROI區域；種子填充法；hu不變矩

現今計算機視覺技術廣泛應用與生物醫學、工業、國防與民用等領域，隨著計算機技術、高級控制策略、檢測與傳感技術的發展，人民的生活質量不斷變好，人們對日常生活中智能設備的要求與需求量也不斷提高。目標物識別是移動機器人的一個具體應用，在實際場景中，智能車檢測目標物時依然存在一些難點，小車運動時帶動攝像頭震動往往會使目標物變得模糊；光照條件不佳時會使目標物顏色失真嚴重；或被沿途其他物體遮擋等都會引起目標物不可避免的幾何失真等，都使小車無法檢測到目標物，達不到我們日常生活的要求。

1圖像預處理

實際場景中，圖像易受環境因素與噪聲等影響。計算機接收到圖像后往往質量不佳，達不到檢測標準。需對圖象處理便能提升圖象視覺效果，以便目標物的辨認。這主要是對圖象適量平滑、去噪或變換后突出主要目標物信息利于后續圖象分割。

圖像增強的方法可分為：空間域方法和頻域方法。前者直接處理圖像像素為基礎，后者一般是采用傅里葉變換等法修改圖像變換域為基礎，但從實時性考慮變換域是不可取的，兩者也不能較好結合使用。文章選用灰度圖增強法，即將采集到的圖像灰度化，減小圖像存儲量，增強圖像識別效率。文章用分段線性變換算法實現圖像的增強，變換后圖像的亮度更高，輪廓更清晰。下圖為matlab進行的圖象分段式線性變換增強的圖像：

4 結語

綜上，文章探討了一種基于HSV顏色空間特征的顏色比值特征的ROI 區域智能車目標物識別的方法并輔以HSV顏色空間系數加權的hu不變矩檢測目標物邊界形狀輪廓。此方法大大優化了智能小車在實地行駛時檢測與識別目標物的效果，在較少外界因素干擾下能較成功地根據特征提取出目標物的顏色與形狀，達到智能車對目標物的識別效果。

參考文獻

[1]瞿竟，張金，顧宴行，姚宇青，代月明.自平衡車路標識別與行駛控制系統設計[J].中國戰略新興產業，2018（16）：160.

[2]譚雪峰.自主導航農業機器人全方位視覺目標識別與跟蹤研究[J].農機化研究，2017，39（12）：53-57.

[3]付俊，楊治國.現代目標識別算法綜述[J].電腦知識與技術，2016，12（13）：173-174.

[4]張鴻鋒，李婉琪，曾昭君，麥志杰.Hu不變矩在圖像識別中的應用與實現[J].科技資訊，2014，12（30）：5-8.

[5]劉宣宣. 面向無人車的交通標志自動識別技術研究[D].沈陽理工大學，2013.

[6]周獻中，史迎春，王韜.基于HSV顏色空間加權Hu不變矩的臺標識別[J].南京理工大學學報（自然科學版），2005（03）：363-367.

（作者單位：徐州工程學院信電工程學院）