孫清濤,趙欣悅,張曉萌
(沈陽理工大學(xué)自動化與電氣工程學(xué)院,遼寧 沈陽110159)
激光廣泛應(yīng)用于工業(yè)測量和軍事目標(biāo)的準(zhǔn)確對抗。在激光應(yīng)用領(lǐng)域,激光點檢測和跟蹤技術(shù)起著至關(guān)重要的作用。激光光斑作為沒有明顯特征和紋理的點通常被淹沒在復(fù)雜的背景中并且難以檢測。因此,跟蹤和檢測這種小目標(biāo)的激光點被認(rèn)為是一項艱巨的挑戰(zhàn)。
近年來,檢測激光點類型的微小目標(biāo)的方法的主要有光流法[1-3]、幀間差分法[4]和背景差分法[5,6]。但是光流法不能定位運(yùn)動目標(biāo)輪廓,需要使用其他算法來定位目標(biāo)。這將使計算任務(wù)對于具有大量計算的光流方法更加沉重[7]。背景差分法計算量很大,通常需要2~3個小時才能更新背景,無法實時更新。幀差分方法具有計算量小,實時性強(qiáng)等優(yōu)點,常用于檢測物體。但是,兩幀差分法檢測激光點會產(chǎn)生很多噪聲。
因此,本文提出了一種將三幀差分[8]方法與顏色閾值分割相結(jié)合的新算法。利用三幀差分法檢測運(yùn)動激光點可以有效降低噪聲,然后在HSV(Hue,Saturation,Value)顏色空間中使用顏色閾值分割方法。通過干涉檢測到的其他移動物體被移除以獲得激光軌跡的連續(xù)和完整坐標(biāo)。實踐證明,該算法對快速移動激光點的檢測效果非常好,完全滿足工業(yè)等行業(yè)的要求。利用了Visual Studio軟件平臺中的OpenCV實現(xiàn)。
針對幀間差分中目標(biāo)快速運(yùn)動時的誤檢測目標(biāo)區(qū)域的空洞問題,在對圖像進(jìn)行預(yù)處理之后,使用改進(jìn)的幀差異即三幀差異來檢測移動目標(biāo)。對于攝像機(jī)靜止時拍攝的視頻序列,對第一個k幀和k-1幀圖像進(jìn)行平滑處理,然后使用幀間差分的方法進(jìn)行幀減法。從第k幀圖像中減去k-1幀圖像以獲得二值圖像。公式表示為:
其中,T是預(yù)設(shè)閾值,可根據(jù)經(jīng)驗選擇。如果T選擇得太大,那么目標(biāo)的檢測可能是一個較大的空洞甚至是漏檢,如果T選擇太小,會有很多噪聲。然而,由幀間差分法檢測的運(yùn)動目標(biāo)包含兩幀中的運(yùn)動信息,從而檢測到更多目標(biāo)點。為了改善幀差分方法的不足,提出了三幀差分方法。
三幀差分方法首先平滑圖像的三個連續(xù)幀,然后分別執(zhí)行幀差分處理。從k幀圖像中減去k-1幀圖像以獲得二值圖像D1(x,y)從第k圖像中減去第k圖像以獲得二值圖像D2(x,y)。最后,AND操作的結(jié)果是 D1(x,y)和 D2(x,y)圖像 D(x,y),公式表示為:
將室內(nèi)激光點檢測作為微小目標(biāo),在不同環(huán)境背景和速度情況下進(jìn)行算法實現(xiàn)。其中算法實現(xiàn)流程如下:
(1)通過攝像頭采集紅外激光筆射出的激光在不同環(huán)境背景和不同速度情況下的激光點視頻圖像。
(2)將采集到的視頻圖像應(yīng)用均值濾波器進(jìn)行預(yù)處理,去除圖像采集過程中的環(huán)境噪聲。均值濾波方法是:對待處理的當(dāng)前像素,選擇一個模板,該模板為其鄰近的若干個像素組成,用模板的均值來替代原像素的值的方法。因此可以幫助消除圖像尖銳噪聲。
(3)應(yīng)用改進(jìn)的三幀差分法進(jìn)行激光點的粗檢測和運(yùn)動軌跡跟蹤。
(4)將檢測到的激光點以1.5倍分辨率進(jìn)行目標(biāo)選定。從RGB(Red、Green、Blue)顏色空間轉(zhuǎn)換到HSV顏色空間,進(jìn)行目標(biāo)的精確識別。
應(yīng)該注意的是,通常的三幀差法每三幀處理一次,但這將失去視頻中三分之一的信息。在本文中,使用移動窗口來讀取三幀視頻,每次讀取窗口后向下移動一幀。視頻信息不會因此而丟失,如圖1所示。
圖1 三幀差分方法
在三幀差分方法得到二值化圖像后,使用邊緣檢測和輪廓檢測來定位動態(tài)目標(biāo)。由于檢測目標(biāo)是小型目標(biāo),因此對識別的輪廓畫出最小外接圓,用圓心坐標(biāo)代替目標(biāo)的位置,半徑代替目標(biāo)的大小。
在確定動態(tài)目標(biāo)的位置后,在原始圖像的對應(yīng)位置對檢測到的目標(biāo)進(jìn)行顏色識別。在HSV顏色空間中確定每一個目標(biāo)的顏色、飽和度、明度,濾除掉不符合要求的目標(biāo)。最后留下的就是所需檢測到的目標(biāo)。
本實驗分別比較了HSV顏色空間中使用顏色(H)、明度(V)、顏色與明度組合(H&V)三種閾值模式下的不同去噪效果。由于在該實驗中噪聲的飽和度和測試對象的飽和度(S)沒有顯著差異,因此該實驗不測試飽和度。
在強(qiáng)光和弱光條件下,在兩組實驗視頻中進(jìn)行實驗。每組包含一個只有激光點的視頻和一個只有噪音的視頻如圖2、圖3。改變限制目標(biāo)的閾值范圍,運(yùn)行算法的過程中用計數(shù)器記錄可識別到的總數(shù)(N總)和可濾除的噪點數(shù)(n濾除或n未識別)。并進(jìn)行統(tǒng)計,該范圍下算出:
計算結(jié)果如表1~表4所示。
圖2 噪音視頻(圖中綠色點)
表1 H-閾值模式檢測效果
表2 V閾值模式檢測效果
表3 黑暗環(huán)境中的H&V閾值模式檢測效果
表4 明亮環(huán)境中的H&V閾值模式檢測效果
從上表可以看出:
1)與Hue和Value的綜合利用相比,只有Hue值用于去噪,去噪能力和識別率都略有下降。這可能是由于少量噪聲在有限的顏色范圍內(nèi)。
2)當(dāng)僅使用Value值時,雖然識別率會相對增加,但噪聲會顯著增加,尤其是在明亮的環(huán)境中。這是因為僅使用Value值不會消除高光噪聲
3)隨著閾值的不斷提高,雖然識別率會繼續(xù)上升,但去噪能力也會明顯降低,達(dá)到一定限度后,噪音會明顯增加。同樣,如果不斷縮小閾值并達(dá)到某個閾值,識別率將急劇下降。經(jīng)過上述數(shù)據(jù)表明,亮度和顏色的共同區(qū)別將使最佳的噪聲去除效果幾乎不影響識別目標(biāo)的需要。
本文采用一種新的識別小物體的方法,即采用改進(jìn)的三幀差分法檢測運(yùn)動目標(biāo)。在確定目標(biāo)位置之后,使用顏色識別來消除干擾。在一定程度上,該方法解決了三幀差分方法無法區(qū)分被檢測物體是否為被測目標(biāo)的問題。該算法的特點是計算量小,應(yīng)用范圍廣泛。大量實驗結(jié)果表明,本文算法具有很強(qiáng)的適用性。