一种适用于复杂背景下色球检测跟踪算法.pdfVIP

一种适用于复杂背景下的色球检测跟踪算法 刘宏魁，周军 河海大学常州校区机电学院，江苏常州 (213022) E-mail ：nickliugz@ 摘 要：利用颜色特征进行检测和跟踪运动目标是一种实时性较好的方法，但该方法也存在 抗干扰能力不强的缺点。本文提出一种融合目标的颜色和形状信息的算法用以检测和跟踪移 动目标，选择了对光照条件不敏感的HSI 颜色模型，改进和使用了均值聚类（HCM ），Mean Shift 及圆周检测等算法，具有很好的抗干扰能力。实验显示该算法可行有效，运算速度很 快，适合在实时系统中使用。 关键词：HSI； 抗干扰能力；HCM； Mean Shift ； 圆周检测 1 引言 视频对象检测和跟踪是移动机器人视觉技术研究的重要内容之一。可靠的目标对象是移 动机器人对视频对象进行跟踪的基础[1] 。形状和颜色是目标对象的两大特征。基于边缘或轮 廓特征的运动目标分割方法取得了丰硕的研究成果，这些传统方法的基本思路是基于物体的 边缘和形状来进行目标对象特征的提取，而不重视图像的彩色信息。但随着彩色图像技术的 进步，色彩信息的应用范围已经扩展到包括移动机器人在内的很多领域，包括彩色图像分割， [2][3] 足球机器人的视觉控制系统，移动机器人的路径跟踪和导航等 。 可是由于实时性方面的要求，一般很少同时使用形状和颜色特征来识别目标，因此系统 [4] 的抗干扰能力就存在一定问题，在复杂背景中的检测和跟踪效果不佳 。 本文通过综合和改进几种基本算法，主要包括均值聚类算法，连同区域标记，Mean Shift 算法，边缘检测方法等算法，提出一种综合考虑目标的颜色和形状信息，采用跟踪对象与目 标相似程度作为标准来判定目标的检测和跟踪算法。经色球跟踪实验证明，该方法在实时性 和抗干扰能力方面表现出色。 2. 颜色模型选取 目前常用的颜色模型可分为两类，一类面向诸如彩色显示器或者打印机之类的硬设备， 最常用的是RGB彩色模型；另一类是面向以彩色处理为目的的应用，最常用的是HSI模型， 其中H 表示色调（hue ）,S 表示饱和度（saturation ）,I 表示密度(intensity, 对应成像亮度和 图像灰度) 。HSI模型有两个特点：其一，I 分量与图像的彩色信息无关；其二，H 和S 分 量与人感受颜色的方式精密相连。这些特点使该模型非常适合于借助人的视觉系统来感知彩 色特性的图像处理算法，因此本文选择HSI模型进行处理。 [5][6] RGB模型转换到HSI模型的公式如下 ： −1 (R −G ) +(R −B ) H cos { }, 2 ( − )2 +( − )( − ) R G R B G B ≠ ≠ , (2.1) R G or R B if B G then H 2π=−H 3 1 [min( , , )] S =− R G B