周建平

摘要：水下环境一般较为复杂，因有光线折射散射等情况的出现加大了运动目标提取的难度，但若成功完成水下运动目标提取则能为社会发展提供很大的便利。因此，本文提出一种基于HSV颜色空间结合自适应灰度阈值滤取的方法来对水下视频中的运动目标前景进行提取。该方法是通过对泳池背景颜色特征的过滤结合自适应计算灰度图像的灰度阈值来提取水下视频中运动目标前景图像的。从实验结果上可见，运用这种方法提取出的水下运动目标前景图像的完整性更好，成功率高而且处理时间较短，较之传统提取算法要更加的适用于水下环境。

关键词：水下环境；HSV颜色空间；运动目标提取

中图分类号：TP18 文献标识码：A 文章编号：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

视频运动目标前景提取一直都是机器视觉领域上的重点和难点研究方向，而处于水下环境中拍摄得到的视频处理起来的难度更是比正常的高，其原因主要在于水下环境中，光线的折射、散射以及水中悬浮颗粒浮动等等现象的存在导致了视频处理时出现不同程度的干扰。现如今，科技发展的速度越来越快，人民生活的水平越来越高，对强健体魄重要性的认知更是越来越广泛。最近几年来，人们越来越热衷于游泳这种健身方式，但尽管这种健身方式好处多多，但还是会存在一定的危险。

每年因溺水身亡的人员不在少数，故而如果在技术上能开发出一套完善的溺水识别系统便能有效减少和预防游泳过程中因溺水而带来的隐患问题。众所周知，人体溺水的情况只会发生在水中，那么，要实现溺水识别将必须要克服处理水下环境视频的种种困难，因此，一种有效的水下运动目标前景提取方法将会为溺水识别系统的开发打下良好的基础。

基于上述原因，本文提出一种基于HSV颜色空间的水下运动目标前景提取的设计方案。该方案的目的是通过计算机对水下视频的操作将运动人体前景和视频背景分离，实现去除背景图像保留运动前景二值图像，从而达到运动前景图像提取的目的。

1 HSV颜色空间滤取

直至今天，在机器视觉领域中，使用率较高的几种运动前景目标检测算法有：帧间差分法、背景差分法、混合高斯法和ViBe運功目标检测算法等等，但无论是上述的哪一种算法在面对水下环境的情况下，其运动目标前景提取的效果都不理想。

HSV颜色空间模型主要参数有H、S、V三个子空间参量，其中S和V参量掌控着图像中的饱和度和明度，基于此，结合本文实际的工作环境中主要影响前景提取的因素考虑，决定将图像从RGB颜色空间转换为HSV颜色空间后再分别分析各个子空间分量图像的实际情况，提出一个有利于提取视频中运动区域的方法。

图1分别展示了视频中游泳的某一帧原图以及该帧对应的，从RGB颜色空间转换到HSV颜色空间中，H，S，V三个子空间分量对应的灰度图像。

从图2中可见看到突出的人体区域，但同时也存在着人体区域部分空洞残缺的情况，因此，考虑到V子空间分量图像的完整性，通过与V子空间分量图像进行加法运算就可以很好的弥补这方面的缺陷从而达到突出人体区域的图像滤取目的，运算公式如下所示：

2 自适应灰度阈值滤取

2.1 滤波处理与图像增强

正常环境下拍摄到的图片不可避免地存在一些外界因素带来的噪声影响，而本文的工作环境处于水下，由于水波的荡漾、光线变化、悬浮物运动等等因素的作用下这种干扰的情况将会更加的严重，不巧的是这种影响如果不能减弱甚至消除的话，在提取运动人体前景图像时，就会导致图像出现许多孔洞、断点和毛刺等情况的出现，这将使得后续对图像质量要求较高的人体骨架提取带来了非常大的麻烦，基于此，为了避免这种问题的出现，本文将采用维纳滤波和高斯滤波两种滤波方式对图像进行滤波处理，同时也采用Gamma校正和灰度直方图均衡化这两种方法对图像进行图像增强。进过滤波与增强后图像如图4所示。

2.2 自适应灰度阈值计算

灰度图像中每个像素点都对应着一个灰度值，也就是说，灰度图像中无论是背景区域还是本文所需的人体运动前景区域都是由许许多多灰度值不同的像素点按一定的空间顺序排列组成的。而基于图像的这个特点，提取人体运动前景目标也就相当于是完成将图像中组成人体前景目标的灰度区域保留下来，而将组成视频背景的灰度区域滤除出去的这样一个过程。而从这个角度出发，本文提出了一种用于提取水下运动前景的自适应灰度阈值计算的方法，其中，自适应灰度阈值计算的流程图如图5所示。

3 实验结果及分析

本次设计是在matlab[1]平台上进行开发研究的。通过上述一节计算得出灰度阈值，利用自适应灰度阈值滤除无关背景后，水下运动前景提取效果如图6、图7所示。

本次设计主要是采用常规室外游泳池作为工作场合，以该游泳池拍摄到的自由泳视频作为处理视频，其中，上述的图像均来源于拍摄视频中的视频单帧。

从上述提取效果图像可见，本文提出的基于HSV颜色空间结合自适应灰度阈值滤取的水下运动目标前景提取算法的效果明显，能够很好地实现运动前景图像和视频背景图像的分离，提取出具体的运动前景二值图像。虽然该算法尚不能做到平滑的提取出人体运动前景目标，但提取出的前景目标完整且成功的滤除了水下环境中大部分不可抗力因素的影响，可以很好地适应于水下环境中的运动目标提取。在此基础上就能为机器识别，骨架提取和网络训练等等方面提供了便利，同时也大大减低了水下环境复杂对水下视觉领域研究开发的难度，为针对水下环境的相关研究打下了一定的基础。

参考文献：

[1] 张志涌，刘瑞桢，杨祖樱.掌握和精通MATLAB[M].北京：北京航空航天大学出版社，1997.

[2] 白向峰，李艾华，李喜来，等.新型背景混合高斯模型[J].中国图象图形学报，2011，5（6）：984-988..

[3] 徐晶，方明，杨华民.计算机视觉中的运动检测与跟踪[M].国防工业出版社，2012.

[4] 李百惠，楊庚.混合高斯模型的自适应前景提取[J].中国图象图形学报，2013，18（12）：1620-1627.

[5] 蔡式东，杨芳.一种基于HSV空间和粗糙集的彩色图像分割方法[J].光电子技术，2011（1）：5-9.

[6] 张国权，李战明，李向伟，等.HSV空间中彩色图像分割研究[J].计算机工程与应用，2010（26）：179-181.

[7] 王莹莹. 泳池水下视频监控系统的设计与实现[D].北京工业大学，2014.

[8] 康朝红，刘鑫淼，黄静. 基于HSV颜色直方图的图像检索算法性能分析[J].电子制作，2017（7）：64-65.

【通联编辑：梁书】