专利名称：车辆颜色识别方法及装置的制作方法
车辆颜色识别方法及装置技术领域
本发明属于计算机视觉领域，涉及一种车辆颜色识别方法及装置。
技术背景
车辆颜色识别是智能交通控制中非常重要的一个环节。本领域中通常是通过模式 分类的方式对各类颜色车辆样本进行处理，以进行车辆颜色的识别。具体过程为对输入视 频帧进行色彩处理，并对图像进行白平衡校正得到校正后图像的颜色特征。最后校正后图 像的颜色特征与模板库中的颜色特征进行比对，从而识别出车辆的颜色。在该过程中，通常 以对车辆检测的结果为输入视频帧，并根据车辆区域内所有像素点的色彩来识别车辆的颜 色。
但是，在上述识别过程中，车辆样本容易受到安装场景和录制时间等因素的影响 导致同一车辆在不同场景或不同时间的样本有较大差异，如检测出的车辆区域常大于车辆 的实际大小，引入了较多的干扰像素点，甚至有明显的偏色现象，从而降低颜色识别的正确 率。另外，在提取车辆的色彩特征时，通常是将图像由RGB色彩空间转换至其他色彩空间， 统计该色彩空间中各通道的颜色直方图，并计算输入区域与车辆模板的特征距离。但是，由 于很多色彩空间的视觉差异一致性较差，如HSV色彩空间中，黄色色度的宽度仅为红色色 度宽度的十分之一，因此不能直接通过各通道的颜色直方图来表示输入区域与车辆模板之 间的色彩差异。发明内容
本发明所要解决的技术问题是提供一种车辆颜色识别方法及装置，本方法首先对 图像进行了白平衡校正，并通过统计区域内各种色彩分布及其与区域中心点的距离来判断 所述车辆的具体位置，结合颜色模式进行颜色识别。本方法消除了滤除偏色的干扰，采用二 次精确定位提高了定位精度，从而提高了车辆颜色识别的正确率，增强了颜色识别的鲁棒 性。
为解决上述技术问题，本发明提供一种车辆颜色识别方法，包括如下步骤
步骤(1)，检测单元对输入的视频数据进行运动检测，根据检测结果对视频数据中 的车辆区域进行首次粗定位。
步骤( ，计算单元在首次粗定位的基础上对车辆区域进行二次精确定位。
步骤(3)，计算单元对所述二次精确定位后的车辆区域进行白平衡校正，提取所述 校正后的车辆区域的颜色特征。
步骤(4)，比较单元将提取的颜色特征与建立的特征模板库中的颜色特征进行比 对，对所述车辆颜色进行识别。
其中，所述特征模板库的建立包括
步骤(1)数据处理单元对通过图像采集装置采集的视频数据进行标定，提取出 现车辆的主体区域作为车辆模板。
步骤O)数据处理单元按预定的颜色对所述车辆模板进行分类。
步骤(3)计算单元对所述分类后的车辆模板进行白平衡校正，并提取校正后所 述车辆模板的颜色特征。
步骤数据处理单元对预定的颜色建立所述车辆模板的颜色特征的特征模 板。
其中，所述颜色特征为HSV 36特征。
其中，所述步骤1中车辆的模板的提取范围包括所述车辆的主体区域。
其中，计算单元采用迭代的方法进行白平衡校正。
其中，所述步骤(1)中运动检测时，采用区域分割的方法获取所述视频数据中的 车辆区域。
其中，所述步骤O)中进行二次精确定位包括，根据所述首次粗定位得到的车辆 区域中的色彩分布、各种颜色分布与粗定位得到的车辆区域中心的距离来对粗定位得到的 车辆区域进行二次精确定位。
为解决上述技术问题，本发明还提供一种车辆颜色识别装置，包括
检测单元，用于对输入的视频数据进行运动检测，根据检测结果对车辆区域进行 首次粗定位。
计算单元，用于在首次定位的基础上对车辆区域进行二次精确定位；并对所述二 次精确定位后的车辆区域进行白平衡校正，提取所述校正后的车辆区域的颜色特征。
比较单元，比较单元将提取的颜色特征与建立的特征模板库中的颜色特征进行比 对，对所述车辆颜色进行识别。
本发明提供的车辆颜色识别方法，具有以下优点
1、本发明首先采用自动白平衡处理对图像进行校正，滤除了图像的偏色，提高了 颜色识别的鲁棒性。
2、本方法提出了车辆的二次精确定位的方法，采用颜色特征来表示图像的色彩特 性，通过计算各种颜色的分布情况来得到车辆的主要色彩的分布，直接通过各通道的颜色 直方图来表示输入区域与车辆模板之间的色彩差异，提高了车辆定位的精度和颜色识别的 正确率。
3、本方法基于色彩分布，对于色彩鲜艳的目标，能准确的找出区域中车辆的位置， 提高目标定位的精度和颜色识别的正确率。
图1为本发明实施例中车辆颜色识别方法的流程图2为本发明实施例中车辆颜色识别方法中建立车辆的特征模板库的流程图3为本发明实施例中车辆颜色识别方法的各种颜色车辆的识别正确率的曲线 图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实 施方式对本发明作进一步详细的说明。
本实施例中，使用摄像机采集视频数据，使用计算机处理视频数据。本实施例中所 使用的计算机的配置为=CPU =Pentium(R)，Dual 3. OOGHz, Memory :1GB。上述设备仅为例 举，本发明所使用的处理设备并不限于上述设备。本实施例中共采集10段视频，每段2到 3个小时。采集时间分布早、中、晚3段，早上和晚上录制的视频有明显的阴影，中午的视频 亮度较高而没有阴影。采集场景包括两类摄像头架在室内，透过玻璃窗拍摄外面道路的5 段视频，因为玻璃的影响，采集的视频有轻微的偏色，且图像的清晰度较低。摄像头直接架 设在路边进行拍摄5段视频，没有偏色且清晰度较高。视频中共出现车辆2558辆，其中黑 色612辆，蓝色70辆，绿色57辆，混合色284辆，红色199辆，白色1084辆，黄色252辆，统 计情况如表1所示。
表1.实验样本个数
权利要求
1.一种车辆颜色识别方法，其特征在于，包括步骤(1)，检测单元对输入的视频数据进行运动检测，根据检测结果对视频数据中的车 辆区域进行首次粗定位；步骤O)，计算单元在首次粗定位的基础上对车辆区域进行二次精确定位； 步骤(3)，计算单元对所述二次精确定位后的车辆区域进行白平衡校正，提取所述校正 后的车辆区域的颜色特征；步骤(4)，比较单元将提取的颜色特征与建立的特征模板库中的颜色特征进行比对，对 所述车辆颜色进行识别。
2.如权利要求1所述的车辆颜色识别方法，其特征在于，所述特征模板库的建立包括 步骤(1)数据处理单元对通过图像采集装置采集的视频数据进行标定，提取出现车辆的主体区域作为车辆模板；步骤O)数据处理单元按预定的颜色对所述车辆模板进行分类； 步骤(3)计算单元对所述分类后的车辆模板进行白平衡校正，并提取校正后所述车 辆模板的颜色特征；步骤数据处理单元对预定的颜色建立所述车辆模板的颜色特征的特征模板。
3.如权利要求1或2所述的车辆颜色识别方法，其特征在于，所述颜色特征为HSV36特征。
4.如权利要求1或2所述的车辆颜色识别方法，其特征在于，计算单元采用迭代的方法 进行白平衡校正。
5.如权利要求1所述的车辆颜色识别方法，其特征在于，所述步骤(1)中运动检测时， 采用区域分割的方法获取所述视频数据中的车辆区域。
6.如权利要求1所述的车辆颜色识别方法，其特征在于，所述步骤(2)中进行二次精确 定位包括，根据所述首次粗定位得到的车辆区域中的色彩分布、各种颜色分布与粗定位得 到的车辆区域中心的距离来对粗定位得到的车辆区域进行二次精确定位。
7.—种车辆颜色识别装置，其特征在于，包括检测单元，用于对输入的视频数据进行运动检测，根据检测结果对车辆区域进行首次 粗定位；计算单元，用于在首次定位的基础上对车辆区域进行二次精确定位；并对所述二次精 确定位后的车辆区域进行白平衡校正，提取所述校正后的车辆区域的颜色特征；比较单元，比较单元将提取的颜色特征与建立的特征模板库中的颜色特征进行比对， 对所述车辆颜色进行识别。
全文摘要
本发明提供一种车辆颜色识别方法及装置，属于计算机视觉领域。包括，首先，检测单元对输入的视频数据进行运动检测，根据检测结果对车辆区域进行首次粗定位；接着，计算单元在首次粗定位的基础上对车辆区域进行二次精确定位；然后，计算单元对所述二次精确定位后的车辆区域进行白平衡校正，提取所述二次精确定位后的车辆区域的颜色特征；最后，比较单元将提取的颜色特征与建立的特征模板库中的颜色特征进行比对，对所述车辆颜色进行识别。本发明采用自动白平衡处理校正图像，通过计算各种颜色的分布情况得到车辆的主要色彩的分布，直接通过各通道的颜色直方图表示输入区域与车辆模板之间的色彩差异，提高了车辆定位的精度和目标颜色识别的正确率。
文档编号G06T5/00GK102034080SQ20091009326
公开日2011年4月27日 申请日期2009年9月24日 优先权日2009年9月24日
发明者刘昌平, 姚波, 黄磊 申请人:北京汉王智通科技有限公司