基于HSV颜色空间的建筑工人定位方法研究.pdf

SCIENCE&TECHNOLOGY INFORMATION科技资讯信 息 与 智 能 2023 NO.20 SCIENCE&TECHNOLOGY INFORMATION科技资讯基于HSV颜色空间的建筑工人定位方法研究赵国鑫 于灏*(酒泉职业技术学院 甘肃酒泉 735000)摘要：建筑工人的安全问题关乎企业利益和工人生命，虽然监控技术迅猛发展，但是建筑工地环境复杂，传统分割方法难以对建筑工地图像中的工人进行较好的分割与识别，该文针对这一问题提出了一种基于色相、饱和度、明度（Hue-Saturation-Value，HSV）颜色空间的建筑工人定位方法。首先，对要处理的图像进行了降噪，利用MATLAB软件的色彩分割工具箱对图像进行分割，获得安全帽区域的二值掩膜；其次，利用生态学处理，获得安全帽所在区域的连通域并进行定位；最后，依据安全帽与工人的比例关系和位置关系，实现了对建筑工人的定位。该文依靠HSV颜色空间实现了对安全帽和建筑工人的定位，解决了建筑工地背景复杂难以分割和定位的问题，对后续研究有一定的参考价值。关键词：图像处理 计算机视觉 建筑工地 建筑工人 HSV色彩空间中图分类号：TH16;TP391.4文献标识码：A 文章编号：1672-3791(2023)20-0022-04Research on the Location Method for Construction Workers Based on HSV Color SpaceZHAO Guoxin YU Hao*(Jiuquan Vocational Technical College,Jiuquan,Gansu Province,735000 China)Abstract:The safety of construction workers is related to the interests of enterprises and the lives of workers.Although monitoring technology is developing rapidly,the environment of construction sites is complex,and the traditional segmentation methods are difficult to segment and recognize the workers in the construction site image.Aiming at this problem,this paper proposes a location method for construction workers based on HSV color space.Firstly,the image to be processed is denoised,the image is segmented by using the color segmentation toolbox of MATLAB software,and the binary mask of the helmet area is obtained.Then,ecological treatment is used to obtain the connected domain of the area where the helmet is located and locate it.Finally,the positioning of construction workers is realized according to the proportional relationship and position relationship between safety helmets and workers.Based on HSV color space,this paper realizes the positioning of safety helmets and construction workers,and solves the problem that the background of construction sites is complex and difficult to segment and locate,which has a certain reference value for follow-up research.Key Words:Image processing;Computer vision;Construction site;Construction worker;HSV color space中国是人口大国，也是建筑大国。中国拥有数量十分庞大的建筑工人队伍。这些建筑工人有职业工人，也有农民工，他们的安全关乎社会和谐、企业利益和工人自身的利益。虽然监控技术迅猛发展，但是由DOI：10.16661/ki.1672-3791.2305-5042-2228基金项目：酒泉市科技支撑计划项目“基于视觉技术的风电塔筒焊缝检测系统设计研究”。作者简介：赵国鑫（1987），男，硕士，讲师，研究方向为机电一体化。通信作者：于灏（1994），男，硕士，助教，研究方向为机器视觉。E-mail：。22SCIENCE&TECHNOLOGY INFORMATION科技资讯 2023 NO.20 信 息 与 智 能科技资讯SCIENCE&TECHNOLOGY INFORMATION于建筑工地环境错综复杂，人员相对密集，各种设备与车辆来往频繁。所以，传统的方法很难在建筑工地图像处理中取得较好的效果。在图像分割方面，传统的图像分割算法就很难区分建筑工地的背景与建筑工人，这也使后续无法对图像中的建筑工人进行识别和定位。虽然，关于建筑工地图像处理的研究已经取得了一 些 成 果，但 是 利 用 色 相、饱 和 度、明 度（Hue-Saturation-Value，HSV）颜色空间和安全帽来定位建筑工人的研究几乎没有。周建亮等人1利用机器学习的方案对建筑工人不安全行为进行了识别。杜俊凤2利用卷积神经网络（Convolutional Neural Networks，CNN）和长短期记忆（Long Short-Term Memory，LSTM）的行为识别模型对工人临边工作危险状态进行识别。张萌3做了基于深度学习的脚手架高空作业险态智能识别的研究。刘文强4做了基于深度学习的图像识别与定位的研究，实现了工业环境下的识别与定位。元黎明5基于计算机图像的相关技术，做了建筑工人不安全行为的相关研究。张明媛等人6做了基于深度学习的建筑工人安全帽佩戴识别研究，识别未佩戴安全帽工人的精度达到88.32%，召回率达到85.08%。1 基于HSV色彩空间的识别方法与传统分割方法1.1 基于HSV色彩空间的识别方法本文针对在建筑工地的复杂环境下对工人的识别问题，提出了一种基于HSV色彩空间的识别方法，流程如图1所示。首先获取要处理的图片，然后将其导入HSV色彩空间。利用 MATLAB 彩色分割工具箱，对图片进行分割，获得安全帽的大致区域的掩膜。但是在这一掩膜中还存在着一些噪声点和非目标区域，为了去除这些区域还要对掩膜图像进行生态学处理。首先进行一次开运算，去掉图像中的噪声点，然后进行一次闭运算，确保安全帽区域闭合，这一操作可去掉安全帽上文字或是阴影对于安全帽连通域的影响。最后进行一次开运算，确保完全去除图像中的噪声点。对生态学处理后的图像提取连通域，有可能也会提取非安全帽区域的连通域。为了解决这一问题，要对连通域的区域进行筛选，需要两方面的筛选：一是删除掉面积较小的连通域；二是删除掉长宽比不合适的连通域，最终输出合适的连通域。依据连通域的信息对安全帽区域进行定位，然后通过安全帽与工人的位置与比例关系间接实现对工人的定位。这一方法克服了传统方法在复杂环境下分割困难的问题。安全帽特征明显，颜色鲜艳，在HSV颜色空间中很容易实现对其分割。依据安全帽对工人进行定位也可以避免工人服装、阴影等因素对分割与识别的影响问题。1.2 传统分割方法的不足基于阈值和基于聚类的分割方法是较为常用的图像分割方法，也是传统方法中比较有效的分割方法。类间方差可以由公式（1）求得，图像的熵值可以由公式（2）求得。2B=P(-)2+P(-)2（1）式（1）中：B为类间方差；P为目标像素概率；PB为背景像素概率；为目标类像素均值；B为背景类像素均值；为总体灰度均值。图1 流程图图2 目标图像23SCIENCE&TECHNOLOGY INFORMATION科技资讯信 息 与 智 能 2023 NO.20 SCIENCE&TECHNOLOGY INFORMATION科技资讯J(T)=HO(T)+HB(T)（2）式（2）中：J(T)为所求熵值；HO(T)为目标熵值；HB(T)为背景熵值。在工地等复杂的环境下时，最大类间方差法和最大熵法都不能很好地对图像进行分割7。要处理的图像见图2，图3是最大类间法分割的图像，图4是最大熵算法分割的图像。从图中可以看到两种方法都出现了欠分割现象，均不能很好地去除阴影部分与路面部分的影响。2 理论基础与实现方法2.1 掩膜获取HSV色彩空间即色度、饱和度和明度色彩空间，通过调节色度、饱和度和明度的参数即可以得到安全帽区域的二值掩膜。可以用如下程序获得。I=rgb2hsv（RGB）；%Define thresholds for channel 1 based on histogram settingschannel1Min=0.001;channel1Max=0.000;%Define thresholds for channel 2 based on histogram settingschannel2Min=0.000;channel2Max=0.977;%Define thresholds for channel 3 based on histogram settingschannel3Min=0.000;channel3Max=1.000;%Create mask based on chosen histogram thresholdssliderBW=(I(:,:,1)=channel1Min)|(I(:,:,1)=channel2Min)&(I(:,:,2)=channel3Min)&(I(:,:,3)=channel3Max);2.2 数字形态学处理然后采用竖直线形结构元素进行生态学处理。之所以采用竖直线形元素进行生态学处理，有两个原因：一是因为二值化后的图像，噪声往往是横向的，适当选择参数可以有效去掉噪声；二是噪声往往会相互链接，利用生态学处理可以使噪声相互离散，有利于识别和定位8，生态学处理的程序如下。se=strel(line,8,0);BW=imopen(BW,se);se=strel(line,40,90);BW=imclose(BW,se);se=strel(line,8,90);%结构元素seBW=imopen(BW,se);L=bwlabel(openbw,8);%获取连通域2.3 安全帽的识别获取连通域的宽度和高度信息，通过宽度与高度的比例和连通域的面积进行初步筛选。具体程序如下。BB=regionprops(L,BoundingBox);%得到矩形框，框住每一个连通域shapeind=BB(0.8BB(:,3)./BB(:,4)&BB(:,3)./BB(:,4)pe1000,:;%筛选掉尺寸比例不合格2.4 建筑工人识别依据安全帽的直径、高度与建筑工人的肩宽、身高的比例关系，以及安全帽与建筑工人的位置关系，可以在图像中估算出建筑工人的所在位置。3 实验与结果分析所做实验采用的是Windows系统，处理器为11th Gen Intel Core i5-11300H3.10 GHz，内存（RAM）为16 GB，系统类型为64位，所用软件为MATLAB 2021a。图5为HSV颜色空间中所获得的安全帽区域二值图5 二值掩膜图3 最大类间方差分割图4 最大熵分割24SCIENCE&TECHNOLOGY INFORMATION科技资讯 2023 NO.20 信 息 与 智 能科技资讯SCIENCE&TECHNOLOGY INFORMATION掩膜；图6为生态学处理后的二值掩膜图；图7为安全帽区域的标记图；图8为建筑工人的标记图。从图5图8中可以看出，本文的方法可以有效地依据建筑工人所佩戴的安全帽识别到建筑工人本身。而且本文的方法不但可以进行单人的识别定位，还可以实现多人的识别定位。如图9所示，图中有两位建筑工人。利用HSV色彩空间可以得到安全帽区域的二值掩膜，如图10所示；通过本文方法可以识别安全帽区域如图11所示；有安全帽区域得到工人的所在区域如图12所示。4 结语针对建筑工地环境错综复杂，人员相对密集，各种设备与车辆来往频繁。传统分割方法很难在建筑工地图像处理中取得较好的效果的问题。提出了一种基于HSV色彩空间的建筑工人定位方法。利用MATLAB软件的色彩分割工具箱对图像进行分割，获得安全帽区域的二值掩膜；通过生态学处理获得安全帽所在区域的连通域并对安全帽进行定位；依据安全帽与建筑工人的比例关系和位置关系实现了对建筑工人的定位。并可以同时实现对多个安全帽和建筑工人进行定位，对后续的研究有一定的指导意义。参考文献1 周建亮,胡飞翔,邢艳冬,等.基于人格特质和机器学习分类算法的建筑工人不安全行为识别J.科学技术与工程,2022,22(29):13013-13020.2 杜俊凤.基于计算机视觉的建筑工人临边作业不安全行为识别研究D.成都:四川师范大学,2021.3 张萌.基于深度学习的脚手架高空作业险态智能识别方法研究D.镇江:江苏大学,2022.4 刘文强.基于深度学习的图像识别与定位的研究与实现D.西安:西安工业大学,2019.5 元黎明.基于图像识别技术的建筑工人不安全行为检测及应用研究D.深圳:深圳大学,2019.6 张明媛,曹志颖,赵雪峰,等.基于深度学习的建筑工人安全帽佩戴识别研究J.安全与环境学报,2019,19(2):535-541.7 杨俊叶,刘佳,王丽.计算机视觉技术在工业领域中的应用J.科技创新导报,2020,17(1):108-109.8 丁文博,许玥.深度学习的视觉关系检测方法研究进展J.科技创新导报,2019,16(27):145-150.图6 生态学处理图图7 安全帽标记图8 工人标记图图9 建筑工人图图10 二值掩膜图11 安全帽标记图12 工人标记25