摘要：文章基于HSV颜色空间特征的ROI 区域，深入研究了智能小车在简单识别具体目标物的方法，首先对小车摄像头接收到的图像进行预处理，进而对处理后的图像基于HSV颜色空间特征分割，最后用种子填充法结合HSV颜色空间系数的hu不变矩对图像中目标物形状检测及判断。借此方法成功识别出小车行驶过程中接收图像中的目标物。
　　关键词：HSV颜色空间；ROI区域；种子填充法；hu不变矩
　　现今计算机视觉技术广泛应用与生物医学、工业、国防与民用等领域，随着计算机技术、高级控制策略、检测与传感技术的发展，人民的生活质量不断变好，人们对日常生活中智能设备的要求与需求量也不断提高。目标物识别是移动机器人的一个具体应用，在实际场景中，智能车检测目标物时依然存在一些难点，小车运动时带动摄像头震动往往会使目标物变得模糊；光照条件不佳时会使目标物颜色失真严重；或被沿途其他物体遮挡等都会引起目标物不可避免的几何失真等，都使小车无法检测到目标物，达不到我们日常生活的要求。
　　1图像预处理
　　实际场景中，图像易受环境因素与噪声等影响。计算机接收到图像后往往质量不佳，达不到检测标准。需对图象处理便能提升图象视觉效果，以便目标物的辨认。这主要是对图象适量平滑、去噪或变换后突出主要目标物信息利于后续图象分割。
　　图像增强的方法可分为：空间域方法和频域方法。前者直接处理图像像素为基础，后者一般是采用傅里叶变换等法修改图像变换域为基础，但从实时性考虑变换域是不可取的，两者也不能较好结合使用。文章选用灰度图增强法，即将采集到的图像灰度化，减小图像存储量，增强图像识别效率。文章用分段线性变换算法实现图像的增强，变换后图像的亮度更高，轮廓更清晰。下图为matlab进行的图象分段式线性变换增强的图像：
　　4 结语
　　综上，文章探讨了一种基于HSV颜色空间特征的颜色比值特征的ROI 区域智能车目标物识别的方法并辅以HSV颜色空间系数加权的hu不变矩检测目标物边界形状轮廓。此方法大大优化了智能小车在实地行驶时检测与识别目标物的效果，在较少外界因素干扰下能较成功地根据特征提取出目标物的颜色与形状，达到智能车对目标物的识别效果。
　　参考文献
　　[1]瞿竟，张金，顾宴行，姚宇青，代月明.自平衡车路标识别与行驶控制系统设计[J].中国战略新兴产业，2018（16）：160.
　　[2]谭雪峰.自主导航农业机器人全方位视觉目标识别与跟踪研究[J].农机化研究，2017，39（12）：53-57.
　　[3]付俊，杨治国.现代目标识别算法综述[J].电脑知识与技术，2016，12（13）：173-174.
　　[4]张鸿锋，李婉琪，曾昭君，麦志杰.Hu不变矩在图像识别中的应用與实现[J].科技资讯，2014，12（30）：5-8.
　　[5]刘宣宣. 面向无人车的交通标志自动识别技术研究[D].沈阳理工大学，2013.
　　[6]周献中，史迎春，王韬.基于HSV颜色空间加权Hu不变矩的台标识别[J].南京理工大学学报（自然科学版），2005（03）：363-367.
　　（作者单位：徐州工程学院信电工程学院）