[发明专利]一种基于BP神经网络的车辆颜色识别方法

说明书

本发明公开了一种基于BP神经网络的车辆颜色识别方法，与现有的车辆颜色识别方法相比，本发明使用计算机视觉技术，通过提取车辆颜色特征、结合HSV颜色空间模型并通过BP神经网络分类解决了车辆颜色识别问题，并能同时兼顾车头与车尾的识别，改善了以车牌辨车的传统工作模式，为打击汽车套牌、一车多牌、假牌照等违法犯罪行为提供了可靠帮助，进一步提高了智能交通的可靠性，节省了大量的人力成本。

技术领域

本发明属于计算机视觉技术和图像处理技术领域，具体涉及一种基于BP神经网络的车辆颜色识别方法。

背景技术

随着科学技术和社会经济的高速发展，人民生活水平不断提高，车辆数量也在飞速增长，城市道路交通问题显得越来越突出，各种道路交通问题接踵而至，以人眼识别为主的传统道路监控方式便无法满足要求，现代化智能交通控制系统已成为未来全球道路交通的发展趋势和现代化城市的先进标志。近年来，遮挡车牌、汽车套牌等妨碍交通秩序的违法行为层出不穷，仅依靠车牌识别已不能适应当前的交通现状了，因此，车辆的颜色识别技术变得更为重要，它可以弥补车牌识别的不足，从而进一步提高智能交通系统的可靠性。

视频中运动车辆的颜色识别与检测是近年来智能交通管理系统中比较关注的研究方向之一。目前，国内已有一些车辆颜色识别的方法，其中与本发明较为相近的技术方案包括：文献(周律，叶涛涛，王新华，朱金龙，周昱明。基于车身颜色搜索未识别的车牌图片研究[J]。信息技术,2014，8：92-95)首先将车脸前部靠近排气扇部分作为车辆颜色的识别区域并将该区域归一化为一种色值，通过在CIELab颜色空间模型中制作红、蓝、绿等11种颜色模板并与归一化后的色值匹配得到车辆颜色，该方法虽然在未识别车牌的情况下能够识别车辆颜色，并且具有较好的识别速度，但是该方法要求对车身姿态要求较高，车辆侧斜或其背面都可能无法提取到较好的颜色识别区域，导致识别率不高；发明专利(尚凌辉。一种卡口车辆颜色识别方法。CN106203420A[P]。2016。)中使用卷提神经网络提取车头或车尾特征并将提取到的特征放入SVM分类器进行训练与分类。该方法虽然在识别率上有所提高，但是使用多个二值子分类器对多种颜色进行分类，不仅会使决策时的速度过慢，而且可能导致分类器泛化误差无界，此外，使用这种卷积神经网络+SVM的非端到端式的检测效率很低。文献(Fang J,Yue H,Li X,et al.Color identifying of vehicles based on colorcontainer and BP network[C]//International Conference on Business Managementand Electronic Information.IEEE,2011:226-229.)通过神经网络对整车训练并分类，该方法比较依赖车辆检测算法，提取到过多的车辆阴影会对识别结果产生影响，此外，对于肉眼无法识别的颜色，不应以单个绝对的颜色来表示，而应该以多个颜色的概率方式来表示车辆颜色。

综上所述，在对车辆进行颜色识别时，当前方法存在如下不足：(1)有时无法提取到正确的车辆颜色区域；(2)不能兼顾车头与车尾的颜色识别；(3)对于肉眼无法识别的颜色，不应该用单个的绝对颜色作为最终的识别结果。本发明针对这一不足提出了一种基于BP神经网络的车辆颜色识别方法。

发明内容

为解决上述技术问题，本发明提供了一种基于BP神经网络的车辆颜色识别方法。

所述的一种基于BP神经网络的车辆颜色识别方法，具体步骤如下：

步骤1：定义车身颜色集合为C＝{c₁,c₂,c₃,c₄,c₅,c₆,c₇,c₈,c₉,c₁₀}＝{黑,灰,白,粉,棕,红,黄,绿,蓝,紫}，并建立相应的颜色数据集；

步骤2：构建用于颜色分类的BP神经网络并用步骤1中的颜色数据集进行训练，具体为：