[发明专利]一种车身颜色识别方法

说明书

本发明公开了一种车身颜色识别方法，包括下列步骤：检测单元对输入的视频数据进行运动检测，采用RGB空间最大值与最小值差值的方法去掉车窗玻璃和车辆阴影干扰区域；通过计算像素个数比值，区别彩色车辆和黑白灰色车辆；使用H空间直方图对红、橙、黄、绿、青、蓝、紫共计7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3种颜色进行识别。本发明采用基于RGB颜色空间通道差值的车身颜色识别策略识别车身颜色，可以有效的去除车身颜色识别的干扰区域，提高了车身颜色识别的正确率。

技术领域

本发明涉及图像处理技术，具体涉及一种车身颜色识别方法。

背景技术

目前的智能交通系统中，随着车辆数量增多，交通环境变得日益复杂，仅靠车牌对车辆进行识别已经不能满足人们的需要。车辆颜色信息更容易引起人们的兴趣，从而弥补因车辆套牌、一车多牌现象造成车牌识别的不足，并对车辆的识别与搜索、完善和增强智能交通系统功能具有重要意义。

目前，对车辆颜色的识别主要有两种途径：第一种是对车辆整体颜色进行识别，提取车辆感兴趣区域的颜色特征进行识别。首先通过目标分割获取车辆前景图像，然后进行联通区域分析删除车轮、反光镜等干扰区域得到车辆颜色明显的区域。在分类阶段，采用基于支持向量机的两层分类器将颜色分为黑、白、灰、红、黄、绿、蓝等类型，但是该方法容易受到车辆影子颜色和车窗玻璃颜色造成的干扰，对车身颜色的分类正确率较低。此外，车辆整体颜色识别可通过利用HSI色彩空间(即由色相(Hue)、饱和度(Saturation)和强度(Intensity)组成的色彩模型)的三个通道提取车身颜色每个像素的微观特性值，定义颜色的阈值范围与相互关系，最后借助K最邻近法、人工神经网络和支持向量机等方法将颜色分类。第二种车身颜色识别算法是先定位车牌位置，然后提取车牌上方对应区域作为车身颜色识别区域并进行车身颜色识别。然而，当处理车牌无法识别的视频时，该类方法无法处理的车身颜色，很难满足用户需求。总之，目前大部分识别方法仍无法较好的克服车辆影子颜色、车窗玻璃颜色对车辆颜色识别结果造成的影响。

因此，如何开发设计一种可以克服车辆影子颜色、车窗玻璃颜色的车身颜色识别方法，已成为目前急需解决的技术难题之一。

发明内容

本发明的目的是提供一种车身颜色识别方法，以解决目前现有技术用于颜色识别存在较大干扰的问题，以便更准确的识别车身的颜色。

本发明提出的车身颜色识别方法，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，得到二值化的前景运动目标图像，截取该前景运动目标外接矩形区域，并提取出该矩形图像中的前景运动目标区域在原视频帧中所对应的彩色像素值，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，通过阈值分割方法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彩色通道最大值与最小值差值处理和二值化处理后得到的车身区域的像素个数和前景运动目标的外接矩形图像中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。

所述的RGB彩色通道最大值与最小值之差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R通道、G通道和B通道的最大值Max(R,G,B)和最小值Min(R,G,B)之差(即Max(R,G,B)-Min(R,G,B))。

所述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图像中所包含的像素个数。