行人衣服颜色分类与表示方法

罗明利，王宁宁，张琳筠

（1．西华大学，成都 610039；2．成都东软学院，成都 611844）

行人衣服颜色分类与表示方法

罗明利1，王宁宁2，张琳筠2

（1．西华大学，成都 610039；2．成都东软学院，成都 611844）

颜色是图像处理和计算机视觉中应用最为广泛的特征之一，为了更好地对行人衣服颜色进行刻画，提出一种在HSV颜色空间下，基于直方图峰值分析的表示方法。通过对各通道直方图的峰值分析，对行人衣服颜色进行直观描述，并通过实验验证该方法的有效性。

HSV；峰值；分类

0 引言

特征提取是图像模式识别与计算机视觉算法研究中至关重要的环节，已经成为计算机视觉领域的研究热点。一个高度复杂的特征也许能够解决问题（进行目标跟踪、目标检测等），但这是以处理更多的数据、牺牲算法的时效为代价的。而颜色特征则不需要大量的计算，常常能够简化地从场景中提取与识别目标，因为其较低的计算复杂度和较好的实验表现，颜色已成为图像处理与计算机视觉中应用最为广泛的特征之一。通过对行人衣服颜色的分类与表示方法的研究，能够更好地为目标跟踪、检测等研究奠定基础。

1 行人衣服颜色表示

为了更好地刻画行人衣服颜色特征，在HSV颜色空间下，对行人衣服颜色进行了基于峰值分析的分类和表示。

1.1 HSV颜色空间

当人观察一个彩色物体时，常用色调、饱和度和亮度来描述它。正是根据这种直观特征，A.R.Smith在1978年创建了HSV颜色空间，其中H表示色调，S表示饱和度，V表示亮度。正是由于HSV是一种比较直观的颜色模型，所以在视觉领域研究中常常使用该颜色空间。

图1 HSV颜色模型

1.2 基于峰值分析的表示方法

首先介绍峰值分析，即对通道图像直方图的峰值进行分析。首先求取通道直方图，由于噪声干扰等，要对直方图进行滤波处理，得到较平滑的直方图，滤波使用高斯滤波。根据波峰的性质：值比左边和右边的值都大，采用简单的一阶差分求波峰。

在求波峰的过程中，由于噪声干扰和滤波不准确，可能出现两个波峰相距很近，此时应该对波峰进行合并，将其合并为一个波峰。当两个波峰相距小于10时，合并为一个波峰。

图2 通道直方图滤波前后

图3 波峰合并前后

在分析峰值过程中，有些峰值太小，且波峰周围区域面积也很小，已经无法代表图像的重要信息，此时应该排除。当峰值小于图像中最大峰值的1/10而且峰值周围面积占总面积比例小于1/5时，去除该波峰。

图4 无效波峰去除前后

在HSV颜色空间中，通过对各通道直方图的分析，对行人衣服颜色进行分类与表示，在VS2008环境下，调用OpenCV函数库实现。具体实现步骤如下：

（1）截取行人衣服图像转化成HSV图像，并将其分割为H、S、V三个通道图像；

（2）计算图像S均值，若均值偏小（＜最大值的10%，OpenCV中S最大值为255），则转至步骤（3），反之，转到步骤（4）；

（3）S偏小，将其归为无彩色信息类，即只有灰度信息。求取V通道直方图，求取直方图峰值，将V（OpenCV中范围是0～255）均分为10个等级，记作“V0～V9”，由峰值个数及其所属等级表示该行人衣服颜色；

（4）S偏大，将其归为有彩色信息类，求取H通道直方图，并求直方图峰值，将H（OpenCV中范围是0～180）均分为10个等级，记作“H0～H9”。同时求出峰值周围峰值高度1/3区域内S、V的均值，将S、V均分为10个等级，记作“S0～S9”和“V0～V9”，由峰值个数及其所属H、S、V的等级表示该行人衣服颜色。

2 实验

在以上基础上，用现实中拍摄的一组数据进行了实验。实验结果如下：

实验一：

图5 实验一图像（原始BGR、HSV、H、S、V）

S均值偏小，对V直方图进行分析，求得该直方图有一个峰值，所属等级是V9，即用V9表示该衣服颜色信息。

图6 V通道直方图

实验二：

图7 实验二图像（原始BGR、HSV、H、S、V）

S均值偏大，对H直方图进行分析，求得该直方图有两个峰值，所属等级分别是H7和H10，并按步骤（4）求取S和V的等级，最终结果是H7S1V3和H10S4V6。

3 结语

以真实的实验数据为例，对提出的行人衣服颜色进行了分类与表示，为了验证表示方法的有效性，对上百组数据进行了实验，分类结果与人眼观察结果作对比，正确率达90%，说明该表示方法比较有效，能够将该表示方法用于后续的图像处理与视觉研究中。

图8 H通道直方图

[1] Rafae1 C.Gonza1ez等.数字图像处理（第三版）[M]．阮秋琦等译．北京：电子工业出版社，2011

[2] Yasutaka HIRAYMA,Osamu NAWURA.Persona1 Identification System Through Facia1 Images Based on the Modified HSV Co1or System and Isodensity Maps[C].IEEE CECE,1997

[3] Gary Bradski等.学习OpenCV（中文版）[M].于仕琪等译.北京：清华大学出版社，2009

[4] Zhi-Kai Huang，De-Hui Liu.Segmentation of Co1or Image Using EM A1gorithm in HSV Co1or Space[C].Proceedings of the 2007 Internationa1 Conference on Information Acquisition,2007.

[5] 张国权等.HSV空间中彩色图像分割研究[J].计算机工程与应用，2010,46（26）

[6] Mark S.Nixon等.李实英等译.特征提取与图像处理（第二版）[M].北京：电子工业出版社,2010

[7] 穆亚东，周秉峰等.基于颜色和纹理信息的快速前景提取方法[J].计算机学报,2009（10）

Classifying and Expressing Method of the People's Clothes Color

LUO Ming-1i1，WANG Ning-ning1，ZHANG Lin-jun2
（1.Xihua University，Chengdu 610039；2.Chengdu Neusoft University，Chengdu 611844）

Co1or is one of the most wide1y used features in image processing and computer vision researches,to characterize the peop1e's c1othes co1or more usefu11y,proposes an expression method under the HSV co1or space based on the histogram peak ana1ysis.By histogram peak ana1ysis about each channe1 of image,describes the peop1e's c1othes co1or direct1y.Through experiments demonstrate that the method is effective.

HSV;Peak of Histogram;C1assification

1007-1423（2015）05-0078-03

10.3969/j.issn.1007-1423.2015.05.017

罗明利（1990-），女，四川达州人，硕士，学生，研究方向为数字图像处理

王宁宁（1988-），女，山东烟台人，硕士，学生，研究方向为数字图像处理

2014-12-16

2015-01-06

张琳筠（1985-），女，四川都江堰人，在职研究生，研究实习员，研究方向为数字图像处理