[发明专利]一种自动识别道路卡口视频及图片中的车辆颜色的方法

摘要

本发明公开了一种自动识别道路卡口视频及图片中的车辆颜色的方法；该方法包括训练样本的提取与标注、测试样本采集和标注、训练样本和测试样本的颜色空间转换、训练样本和测试样本的颜色分布中心计算、颜色分类识别等步骤；该方法避免了颜色样本的局部区域不稳定的局限性，更准确地识别车辆的颜色特征，降低环境光源的影响；对于治安视频及图像监控数据，由于车辆的颜色在道路上具有较好的稳定性，不易在途中人为改变，在识别及确定车辆上具有重要作用，解决了长期以来不易在车辆所处环境的光照不稳定环境下有效识别车辆颜色的问题，在“智能交通”及“平安城市”建设中起到积极作用。

主权项

1.一种自动识别道路卡口视频及图片中的车辆颜色的方法，其特征在于包括如下步骤：1)读取道路卡口图片；2)从道路卡口图片集合中的车辆上提取不同的颜色样本并进行标注，作为训练样本；采集样本时选取不同卡口车辆图片中颜色样本的数据，提取区域是发动机盖，选取的颜色样本覆盖车辆上不同区域与不同光照环境；标注所述颜色样本，确定属于颜色类型；3)从道路卡口图片中提取待分类的颜色样本，样本提取区域覆盖待分类车辆的不同位置，提取区域是发动机盖，获得测试样本；4)将已标注颜色的训练样本以及待分类车辆颜色的测试样本由RGB空间转化到YCbCr空间；5)在YCbCr空间，计算测试样本所组成集合在CbCr坐标空间上分布的均值矢量与训练样本的均值矢量之间的欧几里德距离，按照最近邻规则将颜色的测试样本判断为距离最近的训练样本所属的颜色；步骤5)的颜色识别的方法具体如下：51)根据提取的用于人工标注的颜色样本，计算各样本在Cb、Cr坐标空间中的分布，根据颜色变化的渐变特性，大量颜色样本在Cb、Cr空间的分布满足多高斯分布模型；提取不同颜色的车辆的颜色样本在Cb、Cr坐标空间中的样本中心及样本分布参数，得各均值矢量ui与标准差矢量di，各均值矢量ui与标准差矢量di分别由训练样本的Cb、Cr的均值及其标准差组成，i代表颜色种类序号；52)黑色、灰色、白色在Cb、Cr空间的分布上一致，需要额外处理：提取白色和黑色训练样本所对应的亮度Y的均值Th和Tl及其标准差dh与dl；对于黑色、灰色、白色的训练样本，其在Cb、Cr空间的分布是相同的，训练样本标注还需通过颜色的亮度分量Y的不同而区分；提取白色和黑色颜色样本的亮度均值，分别记为Th和Tl，计算方法见式(7)，计算白色和黑色样本对应的亮度分量的标准差dh和dl，计算方法见式(8)；式中，j取h，l分别代表白色、黑色样本，N是样本数；式(8)中Tj的定义如式(7)所示，Yj表示白色及黑色颜色样本在YCbCr空间中的亮度分量；53)对于待分类的某一车辆的测试样本，计算该样本集合中所有像素点在Cb、Cr空间分布的均值V与标准差D，分别由待分类的测试样本的Cb、Cr的均值，以及样本在Cb、Cr空间的标准差组成；54)计算测试样本在CbCr空间分布的均值与训练样本的均值的距离dui；i代表不同颜色；55)将所述距离按照dui的升序排序，dui反映了测试样本颜色可能性大小的顺序，di反映了置信度在68％时的偏离颜色中心的色差分量单位数；56)将排序后的dui前三个结果输出，分别是最可能、次可能、第三可能的车辆颜色；57)根据测试样本在YCbCr空间的Cb、Cr分量的均值，依照最近邻法则确定为属于黑色、灰色、白色的样本，通过亮度分量Y做进一步区分；Y大于Th+dh时，识别为白色；Y小于Tl‑dl时，识别为黑色；Y在此之间的样本为识别为灰色；参数Th与Tl，以及dh与dl由步骤52)得到。