基于Retinex图像增强算法的车辆颜色识别方法及系统的制作方法
【技术领域】
[0001]本发明涉及一种车辆颜色识别方法及系统，特别是涉及一种基于Retinex图像增强算法的车辆颜色识别方法及系统。
【背景技术】
[0002]智能交通系统(Intelligent Transport System, ITS)是未来交通系统的发展方向，其是将先进的信息技术、数据通讯传输技术、电子传感技术、控制技术及计算机技术等有效地集成运用于整个地面交通管理系统而建立的一种在大范围内、全方位发挥作用的，实时、准确、高效的综合交通运输管理系统。ITS对于提高交通运输效率和效益，保证安全，促进可持续发展具有十分显著的作用，已经引起世界许多国家的广泛重视。我国政府已经提出将ITS作为中国未来交通运输领域发展的一个重要方向，也是推进国民经济信息化的一项重要任务。
[0003]近年来，我国在ITS方面开展了大量的研究与应用工作。其中，基于视频图像车辆检测与识别技术对智能交通系统的发展和交通事业的发展起着重要的推动作用。其中，对车辆颜色识别算法的研究为智能交通系统提供了更多的重要信息和实际价值，更具有广阔的市场前景。
[0004]视觉信息是人类获得外界信息的主要来源，因为大约有70%的信息是通过人眼获得的。随着多媒体技术飞速发展，视频图像得到了广泛重视和应用。视频采集技术与显示技术的提升，使得人们对画质的要求越来越高，但是在各类图像系统中图像的传送和转换总要在一定程度上造成图像质量的降低。
[0005]在申请号为201110391663.7，发明名称为《基于H_S 二维直方图和区域颜色匹配的车辆颜色检测方法》的中国专利申请中，公开了一种基于H_S 二维直方图和区域颜色匹配的车辆颜色检测方法，其可以识别交通路口红绿灯上架设的摄像机拍摄的实时道路监控场景内的车辆颜色，处理场景中目标尺寸变化(由近及远和由远及近)、旋转、噪声、亮度变化等难题，以获得准确的目标车辆颜色。
[0006]在申请号为201110080502.6，发明名称为《车辆颜色的识别方法及装置》的中国专利申请中，公开一种一种车辆颜色识别方法，包括确定车辆颜色识别参考区域；根据所述参考区域确定车辆颜色主识别区域和辅助识别区域，并对主识别区域进行栅格检测，如果主识别区域存在栅格，则对主识别区域进行平移，使之不包括栅格；分别对主识别区域和辅助识别区域的像素点进行采样识别，获得主识别区域和辅助识别区域的颜色识别结果；根据颜色识别结果，确定车辆颜色为主识别区域颜色或辅助识别区域颜色。通过上述方法，可有效识别车辆颜色。
[0007]然而，上述车辆颜色识别方法往往只能在良好的外界环境下才能正常工作，在较差的光照环境或者摄像机采集效果不好的情况下图像对比度会大大降低，导致很难得到有用的车辆颜色信息。在画质较差的视频图像中，行驶车辆的对比度和颜色都会被改变或退化，蕴含的车辆特征都被覆盖或模糊，这对于车辆颜色识别造成了极大的困难。因此，要充分发挥车辆颜色识别的效能，就必须对监视视频图像进行增强处理。
【发明内容】
[0008]鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于Retinex图像增强算法的车辆颜色识别方法及系统，即使是在雨天、雾天、沙尘等恶劣外界条件下，也可对画质比较差的车辆图像进行准确的车身颜色识别。
[0009]为实现上述目的及其他相关目的，本发明提供一种基于Retinex图像增强算法的车辆颜色识别方法，至少包括以下步骤:从外部监控设备中获取车辆的正面图像；对所述正面图像进行预处理，其中所述预处理包括采用Retinex图像增强算法对所述正面图像进行图像增强；基于车牌的相关信息在所述正面图像中选取最有可能反应车身主要颜色的感兴趣区域；所述车牌的相关信息包括车牌在图片中的二维坐标、车牌的高度以及宽度；对所述感兴趣区域内的主要颜色分量进行提取，然后识别所述感兴趣区域内的主要颜色。
[0010]根据上述的基于Retinex图像增强算法的车辆颜色识别方法，其中:所述车辆的正面图像中包括车辆头部的完整信息。
[0011]根据上述的基于Retinex图像增强算法的车辆颜色识别方法，其中:所述与车辆颜色相关的感兴趣区域包括车牌上方的引擎盖、车牌左右两侧的前防撞钢梁这三个区域。
[0012]根据上述的基于Retinex图像增强算法的车辆颜色识别方法，其中:对所述感兴趣区域内的主要颜色分量进行提取，然后识别所述感兴趣区域内的主要颜色时，首先通过感兴趣区域内主要颜色分量在RGB色彩空间中的分布范围来确定各个感兴趣区域内的主要颜色；接着将多个感兴趣区域的主要颜色识别结果相互进行比对，排除外部光照导致感兴趣区域变色，部分感兴趣区域与车身颜色不相同的因素，将出现百分比比重最大的那个颜色认定为最终的车辆颜色识别结果。
[0013]根据上述的基于Retinex图像增强算法的车辆颜色识别方法，其中:还包括以下步骤:输出颜色识别结果。
[0014]同时，本发明还提供一种基于Retinex图像增强算法的车辆颜色识别系统，其包括依次连接的图像获取模块、图像预处理模块、感兴趣区域设定模块和颜色识别模块；所述图像获取模块用于从外部监控设备中获取车辆的正面图像；所述图像预处理模块用于对正面图像进行预处理，其中所述预处理包括采用Retinex图像增强算法对正面图像进行图像增强；所述感兴趣区域设定模块用于基于车牌的相关信息在所述正面图像中选取最有可能反应车身主要颜色的感兴趣区域；所述车牌的相关信息包括车牌在图片中的二维坐标、车牌的高度以及宽度；所述颜色识别模块用于对所述感兴趣区域内的主要颜色分量进行提取，然后识别所述感兴趣区域内的主要颜色。
[0015]根据上述的基于Retinex图像增强算法的车辆颜色识别系统，其中:还包括结果输出模块，用于输出车辆颜色识别结果。
[0016]根据上述的基于Retinex图像增强算法的车辆颜色识别系统，其中:所述车辆的正面图像中包括车辆头部的完整信息。
[0017]根据上述的基于Retinex图像增强算法的车辆颜色识别系统，其中:所述与车辆颜色相关的感兴趣区域包括车牌上方的引擎盖，车牌左右两侧的前防撞钢梁这三个区域。
[0018]根据上述的基于Retinex图像增强算法的车辆颜色识别系统，其中:所述颜色识别模块首先通过感兴趣区域内主要颜色分量在RGB色彩空间中的分布范围来确定各个感兴趣区域内的主要颜色；接着将多个感兴趣区域的主要颜色识别结果相互进行比对，排除外部光照导致感兴趣区域变色，部分感兴趣区域与车身颜色不相同的因素，将出现百分比比重最大的那个颜色认定为最终的车辆颜色识别结果。
[0019]如上所述，本发明的基于Retinex图像增强算法的车辆颜色识别方法及系统，具有以下有益效果:
[0020](I)通过在车辆颜色识别的流程中加入了 Retinex算法，增强了画质不佳的图像，增强了图像中各种颜色成分里面的主要颜色成分，从而提升该颜色的视觉效果，能够让车辆的主要颜色更加明显；
[0021](2)即使在外界环境不佳的情况下，也能够准确识别车辆颜色。
【附图说明】
[0022]图1显示为本发明的基于Retinex图像增强算法的车辆颜色识别方法的流程图；
[0023]图2显示为本发明的基于Retinex图像增强算法的车辆识别系统的结构示意图。
【具体实施方式】
[0024]以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的【具体实施方式】加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。
[0025]需要说明的是，本实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
[0026]在实时的交通环境中，由于车辆受到各种环境因素的影响从而加大了车身颜色识别的难度，这其中最主要的是由于外部光照引起的物体颜色的改变。因此，根据Retinex理论，物体的颜色是由物体对光线的反射能力决定的，而物体对光线的反射能力是物体本身固有的属性，与光源强度的绝对值没有依赖关系。因此，本发明的基于Retinex图像增强算法的车辆颜色识别方法通过计算各个像素间的相对明暗关系，对图像中的每个像素点做校正，从而确定该像素点的颜色。通过上述方法的处理之后，使图像中的目标颜色更大程度上的趋向于物体的真实颜色，最终提高了颜色识别的准确率。
[0027]参照图1，本发明的基于Retinex图像增强算法的车辆颜色识别方法具体包括以下步骤:
[0028]步骤S1:从外部监控设备中获取车辆的正面图像。
[0029]在实际使用中，可以从外部监控设备中获取车辆的正面图像和后面图像。在本发明中，为了准确的进行车辆颜色识别，采用所获取的正面图像。这是因为，通常情况下，车辆的头部构造基本相同，可以利用自适应算法来选取颜色识别所需要的感兴趣区域；而车辆的尾部构造则多种多样，往往在使用算法选取区域时存在不确定性。其中，车辆的头部图像中包括车辆头部的完整信息，具体包括有车牌、引擎盖、前防撞钢梁、前照明灯、前挡风玻璃信息。
[0030]步骤S2:对正面图像进行预处理，其中预处理主要包括采用Retinex图像增强算法对正面图像进行图像增强，从而使正面图像中的目标颜色更加逼真，色彩信息更加丰富，更大程度上的趋向于物体的真实颜色。
[0031]具体地，Retinex是视网膜“Retina”和