[发明专利]一种基于机器学习的颜色识别方法及系统、装置

权利要求书

1.一种基于机器学习的颜色识别方法，其特征在于，包括以下步骤：

采集图像，并对所述图像进行第一预处理以获得待检测的目标图像；

将所述目标图像进行第二预处理以提取目标图像特征；

获取基于机器学习的颜色识别模型，其中，所述颜色识别模型是对训练样本进行机器学习后生成的，所述训练样本包括：样本图像和样本图像特征；

将所述目标图像特征与所述颜色识别模型的样本图像特征进行比对，输出所述目标图像的颜色识别结果。

2.根据权利要求1所述的基于机器学习的颜色识别方法，其特征在于，所述目标图像特征包括所述目标图像的图像直方图峰值，所述样本图像特征包括所述样本图像的图像标签和所述样本图像的图像直方图峰值。

3.根据权利要求2所述的基于机器学习的颜色识别方法，其特征在于，所述颜色识别模型生成的步骤包括：

获取样本图像；

获取每个所述样本图像的图像标签；

获取每个所述样本图像的图像直方图峰值；

将每个所述样本图像、每个所述样本图像的图像标签和每个所述样本图像的图像直方图峰值存入模型文件，进行机器学习训练，生成所述颜色识别模型。

4.根据权利要求2所述的基于机器学习的颜色识别方法，其特征在于，所述获取每个样本图像的图像直方图峰值的步骤包括：

读取所述样本图像的RGB信息并进行通道分离，获得对应的R通道图像、G通道图像、B通道图像的图像信息；

获取所述样本图像对应的R通道图像、G通道图像、B通道图像的单通道图像直方图峰值，各个所述单通道图像直方图峰值为所述样本图像的图像直方图峰值。

5.根据权利要求1所述的基于机器学习的颜色识别方法，其特征在于，所述对所述图像进行第一预处理以获得待检测的目标图像的步骤包括：

对所述图像进行图像分割，提取待检测的目标图像。

6.根据权利要求1所述的基于机器学习的颜色识别方法，其特征在于，所述将所述目标图像进行第二预处理以提取目标图像特征的步骤包括：

读取所述目标图像的RGB信息并进行通道分离，获得对应的R通道图像、G通道图像、B通道图像的图像信息；

获取所述目标图像对应的R通道图像、G通道图像、B通道图像的单通道图像直方图峰值，各个所述单通道图像直方图峰值为所述目标图像特征。

7.根据权利要求1所述的基于机器学习的颜色识别方法，其特征在于，所述将所述目标图像特征与所述颜色识别模型的样本图像特征进行比对的步骤包括：

将所述目标图像特征输入到KNN近邻模型中，所述KNN近邻模型的数据库包括所述颜色识别模型的样本图像特征；

所述KNN近邻模型的输出结果为近邻颜色识别结果；

将所述近邻颜色识别结果与所述颜色识别模型的样本图像特征进行对比，获取所述目标图像的颜色识别结果。

8.根据权利要求7所述的基于机器学习的颜色识别方法，其特征在于，所述将所述近邻颜色识别结果与所述颜色识别模型的样本图像特征进行对比的步骤包括：

在所述颜色识别模型的数据库中，查询与所述近邻颜色识别结果最接近的近邻图像直方图峰值；

获取所述近邻图像直方图峰值对应的近邻图像标签；

根据所述近邻图像标签获得所述目标图像的颜色识别结果。

9.根据权利要求1-8任一项所述的基于机器学习的颜色识别方法，其特征在于，所述训练样本为纯色图像。

10.一种电子设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时，实现如权利要求1-9中任一所述的基于机器学习的颜色识别方法。

11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-9中任一所述的基于机器学习的颜色识别方法。