[发明专利]一种车身颜色识别方法

权利要求书

1.一种车身颜色识别方法，其特征在于，包括下列步骤：

获取车辆的视频图像并设定绊线，对输入的视频图像数据进行运动目标检测，截取前景运动目标的外接矩形；然后计算该外接矩形图像中所有像素的RGB彩色通道中最大值与最小值的差值，通过一个阈值M1，使得该阈值对RGB彩色差值图像进行阈值分割得到二值化的车身图像，以去掉车窗玻璃和车辆阴影干扰区域；

计算像素个数比值，区别彩色车辆和黑白灰色车辆，所述的像素个数比值为前景运动目标经过RGB彩色通道中最大值与最小值差值处理和二值化处理后的车身区域的像素个数和前景运动目标的外接矩形所包含的像素个数之比；

使用H空间直方图对红、橙、黄、绿、青、蓝、紫共计七种颜色进行识别；采用V空间直方图和基于扇形区域的颜色投票表决方法对黑、白、灰共计三种颜色进行识别；

输出识别出的车身颜色。

2.如权利要求1所述的方法，其特征在于：所述的RGB彩色通道中最大值与最小值差值为用于车身颜色识别图像中每个像素点在RGB色彩空间中的最大值Max(R,G,B)和最小值Min(R,G,B)之差，即Max(R,G,B)- Min(R,G,B)。

3.如权利要求1所述的方法，其特征在于：前景目标的外接矩形所包含的像素个数为采用基于VIBE(可视化背景提取)算法检测获取前景区域中的运动目标，当检测到有运动目标跨越绊线时，即图像前景目标像素点集和图像上的绊线像素点集有第一次交集，则计算出该前景运动目标像素点集的外接矩形所包含的像素个数。

4.如权利要求1所述的方法，其特征在于：所述的H空间直方图为车辆图像经过RGB空间中R、G和B三通道的最大值和最小值相减并进行二值化处理后，得到的车身区域，即像素值大于0的区域，在原视频帧中对应颜色区域的H空间直方图。

5.如权利要求1所述的方法，其特征在于：所述的基于扇形区域的颜色投票表决方法为将运动目标外界矩形图像的RGB颜色空间转换为HSV颜色空间，寻找前景运动目标的质心，然后以质心为圆心，以该质心到车辆外接矩形框边缘的最短距离为半径画圆，将圆盘区域按72度等分为5个扇形，并计算每个扇形区域内像素，不含背景区域的像素，在V空间的直方图，检测直方图中最高峰所在的位置在V空间中对应的颜色，该颜色即为扇形区域的颜色，最后拥有扇形区域数量最多的颜色为该车辆的车身颜色。

6.一种车身颜色识别方法，其特征在于，包括下列步骤：

步骤S110.获取待检测道路上的车辆视频；

步骤S120.对视频数据进行运动目标检测，提取通过绊线的前景运动目标，截取前景运动目标的外接矩形；

步骤S130.计算外接矩形图像中每个像素的RGB彩色通道的最大值Max(R,G,B)和最小值Min(R,G,B)，然后计算最大值与最小值之差得到RGB彩色差值图像；

步骤S140.给定一个阈值M1，使用该阈值对RGB彩色差值图像进行阈值分割得到二值化图像；

步骤S150.统计二值化图像P4中车身区域的像素个数NP4，统计前景运动目标的外接矩形所对应的图像P2中所有像素的个数NP2，计算像素个数比值R=NP2/ NP4；

步骤S160.通过像素个数比值阈值判断方法，将车辆分为彩色车和黑白灰色车；

步骤S170.当车辆为彩色车时，使用H空间直方图对红、橙、黄、绿、青、蓝、紫共计七种颜色进行识别；

步骤S180.当车辆为非彩色车时，采用V空间直方图和基于扇形区域的颜色投票表决方法对黑、白、灰共计三种颜色进行识别；

步骤S190.存储或输出识别结果。