基于HSV顏色空間的建筑工人定位方法研究

趙國鑫 于灝

(酒泉職業技術學院 甘肅酒泉 735000)

中國是人口大國，也是建筑大國。中國擁有數量十分龐大的建筑工人隊伍。這些建筑工人有職業工人，也有農民工，他們的安全關乎社會和諧、企業利益和工人自身的利益。雖然監控技術迅猛發展，但是由于建筑工地環境錯綜復雜，人員相對密集，各種設備與車輛來往頻繁。所以，傳統的方法很難在建筑工地圖像處理中取得較好的效果。在圖像分割方面，傳統的圖像分割算法就很難區分建筑工地的背景與建筑工人，這也使后續無法對圖像中的建筑工人進行識別和定位。

雖然，關于建筑工地圖像處理的研究已經取得了一些成果，但是利用色相、飽和度、明度（Hue-Saturation-Value，HSV）顏色空間和安全帽來定位建筑工人的研究幾乎沒有。周建亮等人[1]利用機器學習的方案對建筑工人不安全行為進行了識別。杜俊鳳[2]利用卷積神經網絡（Convolutional Neural Networks，CNN）和長短期記憶（Long Short-Term Memory，LSTM）的行為識別模型對工人臨邊工作危險狀態進行識別。張萌[3]做了基于深度學習的腳手架高空作業險態智能識別的研究。劉文強[4]做了基于深度學習的圖像識別與定位的研究，實現了工業環境下的識別與定位。元黎明[5]基于計算機圖像的相關技術，做了建筑工人不安全行為的相關研究。張明媛等人[6]做了基于深度學習的建筑工人安全帽佩戴識別研究，識別未佩戴安全帽工人的精度達到88.32%，召回率達到85.08%。

1 基于HSV色彩空間的識別方法與傳統分割方法

1.1 基于HSV色彩空間的識別方法

本文針對在建筑工地的復雜環境下對工人的識別問題，提出了一種基于HSV 色彩空間的識別方法，流程如圖1 所示。首先獲取要處理的圖片，然后將其導入HSV色彩空間。

圖1 流程圖

利用MATLAB 彩色分割工具箱，對圖片進行分割，獲得安全帽的大致區域的掩膜。但是在這一掩膜中還存在著一些噪聲點和非目標區域，為了去除這些區域還要對掩膜圖像進行生態學處理。

首先進行一次開運算，去掉圖像中的噪聲點，然后進行一次閉運算，確保安全帽區域閉合，這一操作可去掉安全帽上文字或是陰影對于安全帽連通域的影響。最后進行一次開運算，確保完全去除圖像中的噪聲點。

對生態學處理后的圖像提取連通域，有可能也會提取非安全帽區域的連通域。為了解決這一問題，要對連通域的區域進行篩選，需要兩方面的篩選：一是刪除掉面積較小的連通域；二是刪除掉長寬比不合適的連通域，最終輸出合適的連通域。

依據連通域的信息對安全帽區域進行定位，然后通過安全帽與工人的位置與比例關系間接實現對工人的定位。這一方法克服了傳統方法在復雜環境下分割困難的問題。安全帽特征明顯，顏色鮮艷，在HSV 顏色空間中很容易實現對其分割。依據安全帽對工人進行定位也可以避免工人服裝、陰影等因素對分割與識別的影響問題。

1.2 傳統分割方法的不足

基于閾值和基于聚類的分割方法是較為常用的圖像分割方法，也是傳統方法中比較有效的分割方法。類間方差可以由公式（1）求得，圖像的熵值可以由公式（2）求得。

式（1）中：σB為類間方差；Po為目標像素概率；PB為背景像素概率；μo為目標類像素均值；μB為背景類像素均值；μ為總體灰度均值。

式（2）中：J(T)為所求熵值；HO(T)為目標熵值；HB(T)為背景熵值。

在工地等復雜的環境下時，最大類間方差法和最大熵法都不能很好地對圖像進行分割[7]。要處理的圖像見圖2，圖3 是最大類間法分割的圖像，圖4 是最大熵算法分割的圖像。從圖中可以看到兩種方法都出現了欠分割現象，均不能很好地去除陰影部分與路面部分的影響。

圖2 目標圖像

圖3 最大類間方差分割

圖4 最大熵分割

2 理論基礎與實現方法

2.1 掩膜獲取

HSV色彩空間即色度、飽和度和明度色彩空間，通過調節色度、飽和度和明度的參數即可以得到安全帽區域的二值掩膜?？梢杂萌缦鲁绦颢@得。

2.2 數字形態學處理

然后采用豎直線形結構元素進行生態學處理。之所以采用豎直線形元素進行生態學處理，有兩個原因：一是因為二值化后的圖像，噪聲往往是橫向的，適當選擇參數可以有效去掉噪聲；二是噪聲往往會相互鏈接，利用生態學處理可以使噪聲相互離散，有利于識別和定位[8]，生態學處理的程序如下。

2.3 安全帽的識別

獲取連通域的寬度和高度信息，通過寬度與高度的比例和連通域的面積進行初步篩選。具體程序如下。

BB= regionprops(L,'BoundingBox');

%得到矩形框，框住每一個連通域

shapeind = BB(0.8＜BB(:,3)./BB(:,4)&BB(:,3)./BB(:,4)pe＜3&BB(:,3)./*BB(:,4)pe＞1000,:;

%篩選掉尺寸比例不合格

2.4 建筑工人識別

依據安全帽的直徑、高度與建筑工人的肩寬、身高的比例關系，以及安全帽與建筑工人的位置關系，可以在圖像中估算出建筑工人的所在位置。

3 實驗與結果分析

所做實驗采用的是Windows 系統，處理器為11th Gen Intel Core i5-11300H@3.10 GHz，內存（RAM）為16 GB，系統類型為64位，所用軟件為MATLAB 2021a。

圖5為HSV顏色空間中所獲得的安全帽區域二值掩膜；圖6 為生態學處理后的二值掩膜圖；圖7 為安全帽區域的標記圖；圖8為建筑工人的標記圖。

圖5 二值掩膜

圖6 生態學處理圖

圖7 安全帽標記

圖8 工人標記圖

從圖5～圖8 中可以看出，本文的方法可以有效地依據建筑工人所佩戴的安全帽識別到建筑工人本身。而且本文的方法不但可以進行單人的識別定位，還可以實現多人的識別定位。如圖9 所示，圖中有兩位建筑工人。

圖9 建筑工人圖

利用HSV 色彩空間可以得到安全帽區域的二值掩膜，如圖10 所示；通過本文方法可以識別安全帽區域如圖11所示；有安全帽區域得到工人的所在區域如圖12所示。

圖10 二值掩膜

圖11 安全帽標記

圖12 工人標記

4 結語

針對建筑工地環境錯綜復雜，人員相對密集，各種設備與車輛來往頻繁。傳統分割方法很難在建筑工地圖像處理中取得較好的效果的問題。提出了一種基于HSV色彩空間的建筑工人定位方法。利用MATLAB軟件的色彩分割工具箱對圖像進行分割，獲得安全帽區域的二值掩膜；通過生態學處理獲得安全帽所在區域的連通域并對安全帽進行定位；依據安全帽與建筑工人的比例關系和位置關系實現了對建筑工人的定位。并可以同時實現對多個安全帽和建筑工人進行定位，對后續的研究有一定的指導意義。