專利名稱：車輛顏色識(shí)別方法及裝置的制作方法
車輛顏色識(shí)別方法及裝置技術(shù)領(lǐng)域
本發(fā)明屬于計(jì)算機(jī)視覺(jué)領(lǐng)域，涉及一種車輛顏色識(shí)別方法及裝置。
技術(shù)背景
車輛顏色識(shí)別是智能交通控制中非常重要的一個(gè)環(huán)節(jié)。本領(lǐng)域中通常是通過(guò)模式 分類的方式對(duì)各類顏色車輛樣本進(jìn)行處理，以進(jìn)行車輛顏色的識(shí)別。具體過(guò)程為對(duì)輸入視 頻幀進(jìn)行色彩處理，并對(duì)圖像進(jìn)行白平衡校正得到校正后圖像的顏色特征。最后校正后圖 像的顏色特征與模板庫(kù)中的顏色特征進(jìn)行比對(duì)，從而識(shí)別出車輛的顏色。在該過(guò)程中，通常 以對(duì)車輛檢測(cè)的結(jié)果為輸入視頻幀，并根據(jù)車輛區(qū)域內(nèi)所有像素點(diǎn)的色彩來(lái)識(shí)別車輛的顏 色。
但是，在上述識(shí)別過(guò)程中，車輛樣本容易受到安裝場(chǎng)景和錄制時(shí)間等因素的影響 導(dǎo)致同一車輛在不同場(chǎng)景或不同時(shí)間的樣本有較大差異，如檢測(cè)出的車輛區(qū)域常大于車輛 的實(shí)際大小，引入了較多的干擾像素點(diǎn)，甚至有明顯的偏色現(xiàn)象，從而降低顏色識(shí)別的正確 率。另外，在提取車輛的色彩特征時(shí)，通常是將圖像由RGB色彩空間轉(zhuǎn)換至其他色彩空間， 統(tǒng)計(jì)該色彩空間中各通道的顏色直方圖，并計(jì)算輸入?yún)^(qū)域與車輛模板的特征距離。但是，由 于很多色彩空間的視覺(jué)差異一致性較差，如HSV色彩空間中，黃色色度的寬度僅為紅色色 度寬度的十分之一，因此不能直接通過(guò)各通道的顏色直方圖來(lái)表示輸入?yún)^(qū)域與車輛模板之 間的色彩差異。發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問(wèn)題是提供一種車輛顏色識(shí)別方法及裝置，本方法首先對(duì) 圖像進(jìn)行了白平衡校正，并通過(guò)統(tǒng)計(jì)區(qū)域內(nèi)各種色彩分布及其與區(qū)域中心點(diǎn)的距離來(lái)判斷 所述車輛的具體位置，結(jié)合顏色模式進(jìn)行顏色識(shí)別。本方法消除了濾除偏色的干擾，采用二 次精確定位提高了定位精度，從而提高了車輛顏色識(shí)別的正確率，增強(qiáng)了顏色識(shí)別的魯棒 性。
為解決上述技術(shù)問(wèn)題，本發(fā)明提供一種車輛顏色識(shí)別方法，包括如下步驟
步驟(1)，檢測(cè)單元對(duì)輸入的視頻數(shù)據(jù)進(jìn)行運(yùn)動(dòng)檢測(cè)，根據(jù)檢測(cè)結(jié)果對(duì)視頻數(shù)據(jù)中 的車輛區(qū)域進(jìn)行首次粗定位。
步驟( ，計(jì)算單元在首次粗定位的基礎(chǔ)上對(duì)車輛區(qū)域進(jìn)行二次精確定位。
步驟(3)，計(jì)算單元對(duì)所述二次精確定位后的車輛區(qū)域進(jìn)行白平衡校正，提取所述 校正后的車輛區(qū)域的顏色特征。
步驟(4)，比較單元將提取的顏色特征與建立的特征模板庫(kù)中的顏色特征進(jìn)行比 對(duì)，對(duì)所述車輛顏色進(jìn)行識(shí)別。
其中，所述特征模板庫(kù)的建立包括
步驟(1)數(shù)據(jù)處理單元對(duì)通過(guò)圖像采集裝置采集的視頻數(shù)據(jù)進(jìn)行標(biāo)定，提取出 現(xiàn)車輛的主體區(qū)域作為車輛模板。
步驟O)數(shù)據(jù)處理單元按預(yù)定的顏色對(duì)所述車輛模板進(jìn)行分類。
步驟(3)計(jì)算單元對(duì)所述分類后的車輛模板進(jìn)行白平衡校正，并提取校正后所 述車輛模板的顏色特征。
步驟數(shù)據(jù)處理單元對(duì)預(yù)定的顏色建立所述車輛模板的顏色特征的特征模 板。
其中，所述顏色特征為HSV 36特征。
其中，所述步驟1中車輛的模板的提取范圍包括所述車輛的主體區(qū)域。
其中，計(jì)算單元采用迭代的方法進(jìn)行白平衡校正。
其中，所述步驟(1)中運(yùn)動(dòng)檢測(cè)時(shí)，采用區(qū)域分割的方法獲取所述視頻數(shù)據(jù)中的 車輛區(qū)域。
其中，所述步驟O)中進(jìn)行二次精確定位包括，根據(jù)所述首次粗定位得到的車輛 區(qū)域中的色彩分布、各種顏色分布與粗定位得到的車輛區(qū)域中心的距離來(lái)對(duì)粗定位得到的 車輛區(qū)域進(jìn)行二次精確定位。
為解決上述技術(shù)問(wèn)題，本發(fā)明還提供一種車輛顏色識(shí)別裝置，包括
檢測(cè)單元，用于對(duì)輸入的視頻數(shù)據(jù)進(jìn)行運(yùn)動(dòng)檢測(cè)，根據(jù)檢測(cè)結(jié)果對(duì)車輛區(qū)域進(jìn)行 首次粗定位。
計(jì)算單元，用于在首次定位的基礎(chǔ)上對(duì)車輛區(qū)域進(jìn)行二次精確定位；并對(duì)所述二 次精確定位后的車輛區(qū)域進(jìn)行白平衡校正，提取所述校正后的車輛區(qū)域的顏色特征。
比較單元，比較單元將提取的顏色特征與建立的特征模板庫(kù)中的顏色特征進(jìn)行比 對(duì)，對(duì)所述車輛顏色進(jìn)行識(shí)別。
本發(fā)明提供的車輛顏色識(shí)別方法，具有以下優(yōu)點(diǎn)
1、本發(fā)明首先采用自動(dòng)白平衡處理對(duì)圖像進(jìn)行校正，濾除了圖像的偏色，提高了 顏色識(shí)別的魯棒性。
2、本方法提出了車輛的二次精確定位的方法，采用顏色特征來(lái)表示圖像的色彩特 性，通過(guò)計(jì)算各種顏色的分布情況來(lái)得到車輛的主要色彩的分布，直接通過(guò)各通道的顏色 直方圖來(lái)表示輸入?yún)^(qū)域與車輛模板之間的色彩差異，提高了車輛定位的精度和顏色識(shí)別的 正確率。
3、本方法基于色彩分布，對(duì)于色彩鮮艷的目標(biāo)，能準(zhǔn)確的找出區(qū)域中車輛的位置， 提高目標(biāo)定位的精度和顏色識(shí)別的正確率。


圖1為本發(fā)明實(shí)施例中車輛顏色識(shí)別方法的流程圖2為本發(fā)明實(shí)施例中車輛顏色識(shí)別方法中建立車輛的特征模板庫(kù)的流程圖3為本發(fā)明實(shí)施例中車輛顏色識(shí)別方法的各種顏色車輛的識(shí)別正確率的曲線 圖。
具體實(shí)施方式
為使本發(fā)明的上述目的、特征和優(yōu)點(diǎn)能夠更加明顯易懂，下面結(jié)合附圖和具體實(shí) 施方式對(duì)本發(fā)明作進(jìn)一步詳細(xì)的說(shuō)明。
本實(shí)施例中，使用攝像機(jī)采集視頻數(shù)據(jù)，使用計(jì)算機(jī)處理視頻數(shù)據(jù)。本實(shí)施例中所 使用的計(jì)算機(jī)的配置為=CPU =Pentium(R)，Dual 3. OOGHz, Memory :1GB。上述設(shè)備僅為例 舉，本發(fā)明所使用的處理設(shè)備并不限于上述設(shè)備。本實(shí)施例中共采集10段視頻，每段2到 3個(gè)小時(shí)。采集時(shí)間分布早、中、晚3段，早上和晚上錄制的視頻有明顯的陰影，中午的視頻 亮度較高而沒(méi)有陰影。采集場(chǎng)景包括兩類攝像頭架在室內(nèi)，透過(guò)玻璃窗拍攝外面道路的5 段視頻，因?yàn)椴ＡУ挠绊?，采集的視頻有輕微的偏色，且圖像的清晰度較低。攝像頭直接架 設(shè)在路邊進(jìn)行拍攝5段視頻，沒(méi)有偏色且清晰度較高。視頻中共出現(xiàn)車輛2558輛，其中黑 色612輛，藍(lán)色70輛，綠色57輛，混合色284輛，紅色199輛，白色1084輛，黃色252輛，統(tǒng) 計(jì)情況如表1所示。
表1.實(shí)驗(yàn)樣本個(gè)數(shù)
權(quán)利要求
1.一種車輛顏色識(shí)別方法，其特征在于，包括步驟(1)，檢測(cè)單元對(duì)輸入的視頻數(shù)據(jù)進(jìn)行運(yùn)動(dòng)檢測(cè)，根據(jù)檢測(cè)結(jié)果對(duì)視頻數(shù)據(jù)中的車 輛區(qū)域進(jìn)行首次粗定位；步驟O)，計(jì)算單元在首次粗定位的基礎(chǔ)上對(duì)車輛區(qū)域進(jìn)行二次精確定位； 步驟(3)，計(jì)算單元對(duì)所述二次精確定位后的車輛區(qū)域進(jìn)行白平衡校正，提取所述校正 后的車輛區(qū)域的顏色特征；步驟(4)，比較單元將提取的顏色特征與建立的特征模板庫(kù)中的顏色特征進(jìn)行比對(duì)，對(duì) 所述車輛顏色進(jìn)行識(shí)別。
2.如權(quán)利要求1所述的車輛顏色識(shí)別方法，其特征在于，所述特征模板庫(kù)的建立包括 步驟(1)數(shù)據(jù)處理單元對(duì)通過(guò)圖像采集裝置采集的視頻數(shù)據(jù)進(jìn)行標(biāo)定，提取出現(xiàn)車輛的主體區(qū)域作為車輛模板；步驟O)數(shù)據(jù)處理單元按預(yù)定的顏色對(duì)所述車輛模板進(jìn)行分類； 步驟(3)計(jì)算單元對(duì)所述分類后的車輛模板進(jìn)行白平衡校正，并提取校正后所述車 輛模板的顏色特征；步驟數(shù)據(jù)處理單元對(duì)預(yù)定的顏色建立所述車輛模板的顏色特征的特征模板。
3.如權(quán)利要求1或2所述的車輛顏色識(shí)別方法，其特征在于，所述顏色特征為HSV36特征。
4.如權(quán)利要求1或2所述的車輛顏色識(shí)別方法，其特征在于，計(jì)算單元采用迭代的方法 進(jìn)行白平衡校正。
5.如權(quán)利要求1所述的車輛顏色識(shí)別方法，其特征在于，所述步驟(1)中運(yùn)動(dòng)檢測(cè)時(shí)， 采用區(qū)域分割的方法獲取所述視頻數(shù)據(jù)中的車輛區(qū)域。
6.如權(quán)利要求1所述的車輛顏色識(shí)別方法，其特征在于，所述步驟(2)中進(jìn)行二次精確 定位包括，根據(jù)所述首次粗定位得到的車輛區(qū)域中的色彩分布、各種顏色分布與粗定位得 到的車輛區(qū)域中心的距離來(lái)對(duì)粗定位得到的車輛區(qū)域進(jìn)行二次精確定位。
7.—種車輛顏色識(shí)別裝置，其特征在于，包括檢測(cè)單元，用于對(duì)輸入的視頻數(shù)據(jù)進(jìn)行運(yùn)動(dòng)檢測(cè)，根據(jù)檢測(cè)結(jié)果對(duì)車輛區(qū)域進(jìn)行首次 粗定位；計(jì)算單元，用于在首次定位的基礎(chǔ)上對(duì)車輛區(qū)域進(jìn)行二次精確定位；并對(duì)所述二次精 確定位后的車輛區(qū)域進(jìn)行白平衡校正，提取所述校正后的車輛區(qū)域的顏色特征；比較單元，比較單元將提取的顏色特征與建立的特征模板庫(kù)中的顏色特征進(jìn)行比對(duì)， 對(duì)所述車輛顏色進(jìn)行識(shí)別。
全文摘要
本發(fā)明提供一種車輛顏色識(shí)別方法及裝置，屬于計(jì)算機(jī)視覺(jué)領(lǐng)域。包括，首先，檢測(cè)單元對(duì)輸入的視頻數(shù)據(jù)進(jìn)行運(yùn)動(dòng)檢測(cè)，根據(jù)檢測(cè)結(jié)果對(duì)車輛區(qū)域進(jìn)行首次粗定位；接著，計(jì)算單元在首次粗定位的基礎(chǔ)上對(duì)車輛區(qū)域進(jìn)行二次精確定位；然后，計(jì)算單元對(duì)所述二次精確定位后的車輛區(qū)域進(jìn)行白平衡校正，提取所述二次精確定位后的車輛區(qū)域的顏色特征；最后，比較單元將提取的顏色特征與建立的特征模板庫(kù)中的顏色特征進(jìn)行比對(duì)，對(duì)所述車輛顏色進(jìn)行識(shí)別。本發(fā)明采用自動(dòng)白平衡處理校正圖像，通過(guò)計(jì)算各種顏色的分布情況得到車輛的主要色彩的分布，直接通過(guò)各通道的顏色直方圖表示輸入?yún)^(qū)域與車輛模板之間的色彩差異，提高了車輛定位的精度和目標(biāo)顏色識(shí)別的正確率。
文檔編號(hào)G06T5/00GK102034080SQ20091009326
公開(kāi)日2011年4月27日 申請(qǐng)日期2009年9月24日 優(yōu)先權(quán)日2009年9月24日
發(fā)明者劉昌平, 姚波, 黃磊 申請(qǐng)人:北京漢王智通科技有限公司