[发明专利]一种基于深度学习模型的车辆颜色识别方法

摘要

本发明属于图形处理技术领域，具体涉及一种基于深度学习模型的车辆颜色识别方法。本方案首先基于分割的深度学习模型进行车辆颜色区域提取，再通过K‑means聚类算法对提取的颜色特征进行处理，提高整体的车辆颜色识别效率。通过图像实例分割算法，同时选取发动机盖和车顶区域作为颜色截取区域；根据检测位置生成掩膜并与原图结合处理得到只包含发动机盖和车顶部分的待识别图像；将待识别图像映射到RGB颜色空间中，用K‑means算法进行聚类，最终得到颜色识别结果。

主权项

1.一种基于深度学习模型的车辆颜色识别方法，其特征在于，包括步骤：/n(1)输入车辆图像，基于改进的Mask RCNN进行车辆图像分割，获取发动机盖和车顶区域的轮廓信息；在所述改进的Mask RCNN中，将Inception模块引入ResNet50中，分别在res2_、res3_、res4_三个部分的ReLU层后添加，采用3×3、1×1大小的卷积堆叠构成三个支路，第一条支路由1×1卷积层构成，第二条支路由1×1卷积层后接3×3卷积层构成，第三条支路由1×1卷积层后接两个3×3卷积层构成，最终将三个支路的输出进行融合；/n(2)对分割后的车辆图像进行掩膜处理，根据检测位置生成掩膜并与原车辆图像结合处理得到只包含发动机盖和车顶区域的新的待识别图像；/n(3)将新的待识别图像映射到RGB颜色空间中；/n(4)用K-means算法对颜色特征进行聚类，最终得到颜色识别结果。/n