[发明专利]一种基于颜色分析的车辆进气栅定位方法

说明书

一种基于颜色分析的车辆进气栅定位方法，包括如下步骤：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}；通过摄像头采集RGB交通视频并对图像进行中值滤波处理，根据目标检测算法提取车辆图像I，提取车牌的最小外接矩形R＝(x,y,w,h)，其中，设车辆图像I的高度为H，宽度为W，(x,y)为R左上角的坐标,w与h分别为R的宽和高；步骤2.将I由RGB颜色空间转为HSV空间并将各个通道的值归一化到[0,1]，得到图像I*，并根据下式得到颜色特征的识别区域D；本发明的有益效果为：提出一种新的基于颜色分析的车辆进气栅定位方法，能有效地实现车辆进气栅的定位。

技术领域

本发明涉及计算机车轮辆定位技术领域，具体涉及一种基于颜色分析的车辆进气栅定位方法。

背景技术

随着经济的发展，汽车数量急剧增加，而这种现象带来了诸多社会问题，特别是在一线发达城市的交通问题。这些问题集中体现在道路拥堵，交通事故频发，车辆违章行为屡禁不止等。在处理交通问题的过程中，对于违章车辆的智能识别成尤为关键，车标作为车辆的重要标志，对车辆识别起到了重要的辅助作用。现阶段国内外大都采用机器学习技术对车标进行识别，而在此技术中，车标定位是关键环节。

在车标定位方面，国内有论文与专利提到较多不同定位方法，其中的技术方案包括：文献(基于Adaboost的车标定位方法。计算机工程，2008)中提出基于Adaboost的车标定位方法，Adaboost算法是一种分类器算法，其基本原理是利用大量分类能力一般的弱分类器通过一定的叠加方式，组合成一个分类能力很强的强分类器，再将若干个强分类器级联成为一个分级分类器。该方法有效地提高了车标定位的准确率且具有较快的定位速度。但是，该方法仍然存在漏检的情况，不能很好地定位各种偏转角度的车标，因此，该方法不能全面覆盖各个角度的车标；文献(基于对称性的实时车标定位和识别方法。系统仿真学报，2009)中提出基于对称性的实时车标定位方法，该方法根据已知的先验知识如车牌位置、车辆对称性等先验信息进行粗定位，然后在此区域中利用边缘特征信息进行车标的二次定位，但是该方法在实际采集的图像中，往往存在光照、噪声或部分遮挡等问题的影响，常规的2D形状的识别方法难以达到满意的识别效果；文献(基于模板匹配和边缘检测的车标定位方法。计算机工程与设计，2011)中提出基于模板匹配和边缘检测的车标定位方法，该方法先进行车辆图像倾斜校正，然后确定车灯带位置，根据车标与车牌及车灯的位置先验知识进行车标粗定位，最后根据车标背景纹理特征，将模板匹配与边缘检测相结合进行车标精定位。但是该方法检测花费时间长，工作成本和时间成本过高，不适合工程运用。

综上所述，在车标定位方面，基本以传统机器学习方式进行车标定位或是粗定位，本发明提出了一种基于颜色分析的车辆进气栅定位方法。

发明内容

针对现有技术中存在的问题，本发明提供了一种基于颜色分析的车辆进气栅定位方法。

一种基于颜色分析的车辆进气栅定位方法，其特征在于，包括如下步骤：

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}；通过摄像头采集RGB交通视频并对图像进行中值滤波处理，根据目标检测算法提取车辆图像I，提取车牌的最小外接矩形R＝(x,y,w,h)，其中，设车辆图像I的高度为H，宽度为W，(x,y)为R左上角的坐标,w与h分别为R的宽和高；