[发明专利]车辆智能监控系统中车身颜色自动识别方法

说明书

技术领域

本发明涉及模式识别和图像处理技术，尤其涉及一种基于车辆静止图像或视频流中代表车身颜色的识别方法。

背景技术

随着社会经济的快速发展，道路交通迅速发展，车辆保有量及交通出行量剧增，为解决地面交通迅速发展所引发的诸多问题，智能交通系统（ITS）发挥着重要的作用，而在智能交通领域的智能监控技术中，车牌自动识别技术为其核心，经过多年的研究发展，其技术已经逐渐成熟，并在交通管理的各种应用场合中得到很好的应用。例如自动收费、不停车收费、失窃车辆追寻等。

然而，随着车辆数量不断增加，交通事故、违章逃逸及犯罪分子作案的多样性和复杂性，车辆智能监控仅依靠车牌识别的信息是不足的，另外车牌受部分遮挡、污迹、环境光照等因素影响时，其准确识别率急剧下降；另外，车牌识别系统在一车多牌、一牌多车、套牌等情况下显得无能为力了。因此，在对车牌号进行识别的同时，还需要对车辆的其他特征信息进行识别，如车身颜色，车标，车型等。

目前有关车身颜色识别的文献研究还比较少，获取与车牌同等的正确识别率难度很大，主要是由于车身表面颜色受光照、不同天气及噪声等多因素干扰而产生颜色失真，以及车身颜色随光照条件和入射光颜色变化而变化。为此，本发明在现有研究成果和自主开发车牌自动识别系统的基础上，提出了车辆智能监控系统中车身颜色自动识别方法。

现使用的车身颜色识别方法有：

（1）基于色差的方法。该方法主要将RGB空间转换到HSI空间，然后在HIS空间计算色差值，根据色差值最小在颜色表中查找相应的颜色即为识别结果。该方法简单快速，在光线较好的情况下可获取较好的识别结果，但实际应用中，光照，天气都有很大的变化，获取的车辆图像其车身颜色都不稳定。详见文献：李贵俊, 刘正熙等. 一种基于色差和彩色归一化的车身颜色识别方法. 计算机应用, 2004, 9.

（2） 基于色度信息和SVM识别方法。它首先将RGB空间转换到Lab、HSV，然后分别利用色度信息ab和HS，对具有相似色度信息的颜色进行合并，分别在不同的特征颜色区间进行SVM和最近邻分类识别，提高了其准确率。但是该车身颜色识别方法是基于整个车辆图像（除背景外）的颜色识别，运算量大，且引入了一些干扰区域，如车窗，车灯部分，导致系统可靠性和识别不够鲁棒。详见文献：王运琼, 游志胜. 利用支持向量机识别汽车颜色. 计算机辅助设计与图形学学报, 2004, 5。

上述的车身颜色识别方法在一定光照环境下对车身颜色较单一的小轿车可取得较好效果，但对一些大型卡车和货车通常受车头或车尾散热箱、排气扇的影响，车身颜色检测区域不够准确（检测的区域中含有其他非车身颜色）而产生干扰情况下，其可靠性较差，识别精度较低；另外，在夜晚，车辆图像中车身部分光线较暗且不均匀，即使有闪光灯条件下，车身颜色识别误差较大，上所述方法对夜晚车辆图像颜色的可靠识别还没有很好地解决。

发明内容

本发明的目的在于针对现有技术的不足，提供一种车辆智能监控系统中车身颜色自动识别方法，该方法对采集的交通车辆视频和图像采用智能化处理，实现对车辆车身颜色的快速自动识别。

本发明的目的是通过以下技术方案来实现的：一种车辆智能监控系统中车身颜色自动识别方法，包括以下步骤：

（1）参考通过车牌定位技术所得的车牌高、宽及位置坐标信息，在车牌上方检测代表车身颜色的粗区域。

（2）根据车身区域的纹理特征，在检测的车身颜色粗区域中进一步搜索车身颜色的精确特征区域。

（3）车身颜色特征区域RGB像素转换到HSV空间，并基于HSV性质合成新颜色空间                                               。

（4）采用模糊C均值聚类方法在量化的矢量颜色空间计算模糊直方图Bin归一化特征，并利用LDA方法对特征降维，获取有利于颜色辨别的特征数据。

（5）根据离线样本训练的分类器识别参数，对车辆图像车身颜色特征区域采用基于多类子空间的特征模板匹配或SVM方法识别，得到初步的车身颜色结果。

（6）根据初识别可信度和颜色先验知识，对易交叉和可信度低的车辆颜色分别进行白天和夜晚的校正与确认,以得到最终的车身颜色识别结果。

可选的，所述在车牌上方检测代表车身颜色的粗区域包括以车牌区域的中心为参考点，在上方截取一个高为宽为的矩形区域，其中分别为车牌的高和宽，为统计得到的经验值。

可选的，所述利用车身区域纹理特征，进一步搜索的车身颜色的精确特征区域，包括：