[发明专利]基于分块聚类的视频车辆图像中车身颜色识别方法

摘要

本发明涉及基于分块聚类的视频车辆图像中车身颜色识别方法，该方法具体步骤包括：对视频图像中车辆的车牌位置进行准确定位；根据得到的车牌位置推算出车身位置及范围；对获得的车身范围内的图像进行分块处理，并计算每块的梯度，如果梯度大于阈值T，则舍去；对舍去后剩余的块计算亮度，如果亮度大于阈值H，则判定为近似白光区域，舍去；根据亮度将处理后剩余的块分为正常区域和高光区域；统计计算出高光区域和近似白光区域的纵坐标值y，并比较正常区域的纵坐标与y大小，如果正常区域的纵坐标小于y，则该正常区域舍去；通过聚类方法把剩余的块按照权重大小分为W1、W2、W3，对每个类中色度、饱和度等比较来判断出车身的颜色。

主权项

基于分块聚类的视频车辆图像中车身颜色识别方法，其特征在于，该方法具体步骤包括：步骤1)：对视频图像中车辆的车牌位置进行准确定位；步骤2)：根据所述步骤1)得到的车牌位置推算出车身位置及范围；步骤3)：对所述步骤2)获得的车身范围内的图像进行分块处理，并计算每块的梯度，如果梯度大于阈值T，则舍去；步骤4)：对所述步骤3)舍去后剩余的块计算亮度，如果亮度大于阈值H，则判定为近似白光区域，舍去；步骤5)：根据亮度将所述步骤4)处理后剩余的块分为正常区域和高光区域；步骤6)：统计计算出高光区域和近似白光区域的纵坐标值y，并比较正常区域的纵坐标与y大小，如果正常区域的纵坐标小于y，则该正常区域舍去；步骤7)：正常区域的块数与高光区域的块数相比较，如果正常区域N1的块数大于阈值F，则将剩余的块通过聚类的方法分为3类，按照权重由大到小依次为是W1、W2、W3，并转至步骤8)；如果正常区域N1的块数小于阈值F，并且高光区域N2的块数小于阈值G，则判定车身颜色为白色，否则，则取所述步骤6)处理后剩下的块的RGB三分量均值，由该平均值判定车身颜色；步骤8)：如果W1的权重等于阈值90％，则转至步骤9)；否则，判定W1聚类中块的亮度是否大于100，且饱和度是否大于60；如果是，则转至步骤9)；如果不是，则判断W2聚类饱和度是否低于20；如果是，则转至步骤9)；如果不是，则判定W1聚类中块的RGB三分量满足R+G+B＞600；如果W1聚类中块的RGB三分量满足R+G+B＞600，则判断W1聚类和W2聚类色度值是否满足|H1‑H2|＜20，且W2聚类饱和度值是否满足s2＞s1，如果不是，则转至步骤9)；如果是，则转至步骤10)；如果W1聚类中块的RGB三分量不满足R+G+B＞600，则判断W1、W2两类聚类结果所占百分比是否满足rate1‑rate2＜0.25，且W2聚类饱和度值是否满足s2＞s1，如果不是，则转至步骤9)；如果是，则转至步骤10)；步骤9)：计算W1聚类中块的RGB分量平均值，由该平均值判定车身颜色；步骤10)：计算W2聚类中块的RGB分量平均值，由该平均值判定车身颜色。