周建平

摘要：水下環(huán)境一般較為復(fù)雜，因有光線折射散射等情況的出現(xiàn)加大了運動目標提取的難度，但若成功完成水下運動目標提取則能為社會發(fā)展提供很大的便利。因此，本文提出一種基于HSV顏色空間結(jié)合自適應(yīng)灰度閾值濾取的方法來對水下視頻中的運動目標前景進行提取。該方法是通過對泳池背景顏色特征的過濾結(jié)合自適應(yīng)計算灰度圖像的灰度閾值來提取水下視頻中運動目標前景圖像的。從實驗結(jié)果上可見，運用這種方法提取出的水下運動目標前景圖像的完整性更好，成功率高而且處理時間較短，較之傳統(tǒng)提取算法要更加的適用于水下環(huán)境。

關(guān)鍵詞：水下環(huán)境；HSV顏色空間；運動目標提取

中圖分類號：TP18 文獻標識碼：A 文章編號：1009-3044（2018）21-0230-03

Abstract： The underwater environment is generally more complicated，the difficulty of extracting the moving target is caused by the occurrence of light scattering and scattering.However，if the successful completion of underwater motion target extraction can provide great convenience for social development.This paper proposes a method based on HSV color space combined with adaptive gray level threshold filtering to extract the foreground of moving objects in underwater video.The method extracts the foreground image of the moving target in the underwater video by filtering the color feature of the swimming pool background and adaptively calculating the gray level threshold of the gray image.From the experimental results， it can be seen that the underwater moving target extracted by this method have better foreground image integrity， higher success rate and shorter processing time， and are more suitable for underwater environments than traditional extraction algorithms.

Key words： underwater environment； HSV color space； motion target extraction

視頻運動目標前景提取一直都是機器視覺領(lǐng)域上的重點和難點研究方向，而處于水下環(huán)境中拍攝得到的視頻處理起來的難度更是比正常的高，其原因主要在于水下環(huán)境中，光線的折射、散射以及水中懸浮顆粒浮動等等現(xiàn)象的存在導(dǎo)致了視頻處理時出現(xiàn)不同程度的干擾?，F(xiàn)如今，科技發(fā)展的速度越來越快，人民生活的水平越來越高，對強健體魄重要性的認知更是越來越廣泛。最近幾年來，人們越來越熱衷于游泳這種健身方式，但盡管這種健身方式好處多多，但還是會存在一定的危險。

每年因溺水身亡的人員不在少數(shù)，故而如果在技術(shù)上能開發(fā)出一套完善的溺水識別系統(tǒng)便能有效減少和預(yù)防游泳過程中因溺水而帶來的隱患問題。眾所周知，人體溺水的情況只會發(fā)生在水中，那么，要實現(xiàn)溺水識別將必須要克服處理水下環(huán)境視頻的種種困難，因此，一種有效的水下運動目標前景提取方法將會為溺水識別系統(tǒng)的開發(fā)打下良好的基礎(chǔ)。

基于上述原因，本文提出一種基于HSV顏色空間的水下運動目標前景提取的設(shè)計方案。該方案的目的是通過計算機對水下視頻的操作將運動人體前景和視頻背景分離，實現(xiàn)去除背景圖像保留運動前景二值圖像，從而達到運動前景圖像提取的目的。

1 HSV顏色空間濾取

直至今天，在機器視覺領(lǐng)域中，使用率較高的幾種運動前景目標檢測算法有：幀間差分法、背景差分法、混合高斯法和ViBe運功目標檢測算法等等，但無論是上述的哪一種算法在面對水下環(huán)境的情況下，其運動目標前景提取的效果都不理想。

HSV顏色空間模型主要參數(shù)有H、S、V三個子空間參量，其中S和V參量掌控著圖像中的飽和度和明度，基于此，結(jié)合本文實際的工作環(huán)境中主要影響前景提取的因素考慮，決定將圖像從RGB顏色空間轉(zhuǎn)換為HSV顏色空間后再分別分析各個子空間分量圖像的實際情況，提出一個有利于提取視頻中運動區(qū)域的方法。

圖1分別展示了視頻中游泳的某一幀原圖以及該幀對應(yīng)的，從RGB顏色空間轉(zhuǎn)換到HSV顏色空間中，H，S，V三個子空間分量對應(yīng)的灰度圖像。

從圖2中可見看到突出的人體區(qū)域，但同時也存在著人體區(qū)域部分空洞殘缺的情況，因此，考慮到V子空間分量圖像的完整性，通過與V子空間分量圖像進行加法運算就可以很好的彌補這方面的缺陷從而達到突出人體區(qū)域的圖像濾取目的，運算公式如下所示：

2 自適應(yīng)灰度閾值濾取

2.1 濾波處理與圖像增強

正常環(huán)境下拍攝到的圖片不可避免地存在一些外界因素帶來的噪聲影響，而本文的工作環(huán)境處于水下，由于水波的蕩漾、光線變化、懸浮物運動等等因素的作用下這種干擾的情況將會更加的嚴重，不巧的是這種影響如果不能減弱甚至消除的話，在提取運動人體前景圖像時，就會導(dǎo)致圖像出現(xiàn)許多孔洞、斷點和毛刺等情況的出現(xiàn)，這將使得后續(xù)對圖像質(zhì)量要求較高的人體骨架提取帶來了非常大的麻煩，基于此，為了避免這種問題的出現(xiàn)，本文將采用維納濾波和高斯濾波兩種濾波方式對圖像進行濾波處理，同時也采用Gamma校正和灰度直方圖均衡化這兩種方法對圖像進行圖像增強。進過濾波與增強后圖像如圖4所示。

2.2 自適應(yīng)灰度閾值計算

灰度圖像中每個像素點都對應(yīng)著一個灰度值，也就是說，灰度圖像中無論是背景區(qū)域還是本文所需的人體運動前景區(qū)域都是由許許多多灰度值不同的像素點按一定的空間順序排列組成的。而基于圖像的這個特點，提取人體運動前景目標也就相當于是完成將圖像中組成人體前景目標的灰度區(qū)域保留下來，而將組成視頻背景的灰度區(qū)域濾除出去的這樣一個過程。而從這個角度出發(fā)，本文提出了一種用于提取水下運動前景的自適應(yīng)灰度閾值計算的方法，其中，自適應(yīng)灰度閾值計算的流程圖如圖5所示。

3 實驗結(jié)果及分析

本次設(shè)計是在matlab[1]平臺上進行開發(fā)研究的。通過上述一節(jié)計算得出灰度閾值，利用自適應(yīng)灰度閾值濾除無關(guān)背景后，水下運動前景提取效果如圖6、圖7所示。

本次設(shè)計主要是采用常規(guī)室外游泳池作為工作場合，以該游泳池拍攝到的自由泳視頻作為處理視頻，其中，上述的圖像均來源于拍攝視頻中的視頻單幀。

從上述提取效果圖像可見，本文提出的基于HSV顏色空間結(jié)合自適應(yīng)灰度閾值濾取的水下運動目標前景提取算法的效果明顯，能夠很好地實現(xiàn)運動前景圖像和視頻背景圖像的分離，提取出具體的運動前景二值圖像。雖然該算法尚不能做到平滑的提取出人體運動前景目標，但提取出的前景目標完整且成功的濾除了水下環(huán)境中大部分不可抗力因素的影響，可以很好地適應(yīng)于水下環(huán)境中的運動目標提取。在此基礎(chǔ)上就能為機器識別，骨架提取和網(wǎng)絡(luò)訓(xùn)練等等方面提供了便利，同時也大大減低了水下環(huán)境復(fù)雜對水下視覺領(lǐng)域研究開發(fā)的難度，為針對水下環(huán)境的相關(guān)研究打下了一定的基礎(chǔ)。

參考文獻：

[1] 張志涌，劉瑞楨，楊祖櫻.掌握和精通MATLAB[M].北京：北京航空航天大學出版社，1997.

[2] 白向峰，李艾華，李喜來，等.新型背景混合高斯模型[J].中國圖象圖形學報，2011，5（6）：984-988..

[3] 徐晶，方明，楊華民.計算機視覺中的運動檢測與跟蹤[M].國防工業(yè)出版社，2012.

[4] 李百惠，楊庚.混合高斯模型的自適應(yīng)前景提取[J].中國圖象圖形學報，2013，18（12）：1620-1627.

[5] 蔡式東，楊芳.一種基于HSV空間和粗糙集的彩色圖像分割方法[J].光電子技術(shù)，2011（1）：5-9.

[6] 張國權(quán)，李戰(zhàn)明，李向偉，等.HSV空間中彩色圖像分割研究[J].計算機工程與應(yīng)用，2010（26）：179-181.

[7] 王瑩瑩. 泳池水下視頻監(jiān)控系統(tǒng)的設(shè)計與實現(xiàn)[D].北京工業(yè)大學，2014.

[8] 康朝紅，劉鑫淼，黃靜. 基于HSV顏色直方圖的圖像檢索算法性能分析[J].電子制作，2017（7）：64-65.

【通聯(lián)編輯：梁書】