专利名称：车辆颜色的识别方法及装置的制作方法
技术领域：
本发明涉及图像处理技术领域，尤其涉及一种车辆颜色的识别方法及装置。
背景技术：
目前智能交通系统中，研究最多、应用最广的是车辆号牌识别技术。车牌识别技术采集近距离车牌的特征信息，很难获得车牌以外的其他车辆特征信息，随着道路交通安全管理内容日益增多，管理执法复杂程度不断提高，车牌识别技术已经难以很好满足当前交通安全管理的需要。车辆颜色以及车辆颜色的深浅度从视觉上来说是最为直观的车辆特征属性，但 是现有的智能交通领域中对道路车辆进行交通安全管理时采集的车辆信息由于技术原因很少将车辆颜色及车辆颜色的深浅度包括进来，一般都是通过车牌信息来获得车辆的相关信息。例如申请号为200810041097. 5的中国专利申请公开的“特征区域的定位方法、车身深浅色与车身颜色的识别方法”提供了一种车辆颜色识别方法、车辆颜色深浅度的识别方法。包括如下步骤
1、该专利根据图像的纹理特征与结构特征，构建复杂的能量函数，搜索能量最大的占.
2、根据能量最大的点定位车辆颜色以及车辆颜色深浅度的识别区域；
3、识别区域内的像素点颜色以及颜色深浅度，并进行统计最终得到识别区域的颜色以及颜色深浅度。但是该专利在前期样本采集阶段，并未对不同光照情况下的车辆颜色识别进行处理；在选取特征向量时候通过多个颜色空间来得到不同的特征属性；在训练模型时候则使用多个类型的分类器来训练；定位识别区域的时候只选择了车前盖区域，对于可能的反光现象未作出处理，使得最终的车辆颜色识别和车辆颜色深浅识别产生一定的偏差。申请号为200810240292. 0的中国专利申请公开的“一种车辆视频图像中车身颜色识别方法及系统”提供了一种车辆视频图像中车身颜色识别方法。该专利在训练模型时候采取了分步式训练，包括如下步骤
1、根据颜色模板采用聚类对车身样本进行粗分得到某种颜色的样本或者多种相近颜色的混合样本；
2、采用最近邻分类方法对混合样本进行细分；
3、根据训练得到的模型对车辆颜色进行粗识别；
4、采用最近邻分类方法进行细致识别。然而该专利同样尚未考虑不同光照情况下车辆颜色产生的变化；在选取特征向量时候也是通过HSV、HQ、YCbCr三种颜色空间且分步骤来使用；在训练模型时候则是采用了聚类和最近邻分类技术相结合训练模型；车辆颜色识别阶段并未说明是采取何种策略对识别区域内的各像素点的颜色如何处理；而且该专利只说明了车辆颜色识别方法，并未对车辆颜色深浅度识别做出说明。
发明内容
本发明的实施例提供一种车辆颜色识别方法及装置和车辆颜色深浅度识别方法及装置。为达到上述目的，本发明的实施例采用如下技术方案
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。优选地，还包括对识别出的车辆颜色进行深浅度的划分。
一种车辆颜色识别装置，包括
参考区域确定模块，用于确定车辆颜色识别参考区域；
识别区域确定模块，用于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；
采样识别模块，用于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；
颜色确定模块，根据采样识别模块识别的结果确定所述车辆颜色为主识别区域颜色或辅助识别区域颜色。优选地，还包括颜色深浅度确定模块，用于判定所述车辆颜色确定模块确定的车辆颜色的深浅度。本发明车辆颜色识别方法和装置在光照情况下识别车辆颜色时，通过主识别区域和辅助识别区域进行颜色识别，判断车辆颜色时，根据主识别区域和辅助识别区域的光线情况采用其中一个识别区域的颜色作为车辆颜色，并对识别出的颜色进行深浅度的划分，识别准确率达到80%。
图I为本发明车辆颜色识别方法的流程 图2为本发明车辆颜色识别方法的颜色模板训练流程 图3为本发明车辆颜色识别方法的识别区域的示意 图4为本发明车辆颜色的采样识别的流程；
图5为本发明的另一种车辆颜色识别方法的流程 图6为本发明车辆颜色识别装置的结构示意图；图7为本发明的另一种车辆颜色识别装置的结构示意图。
具体实施例方式下面结合附图对本发明实施例车辆颜色识别方法及装置和车辆颜色深浅度识别方法及装置进行详细描述。
图I为本发明车辆颜色识别方法的流程图。如图I所示，本发明车辆颜色识别方法，包括
101、确定车辆颜色识别参考区域；
102、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；
103、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；
104、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。本发明车辆颜色识别方法在光照情况下识别车辆颜色时，通过主识别区域和辅助识别区域的颜色识别结果进行车辆颜色的确定。本发明的车辆颜色识别准确率平均达到80%。101、确定车辆颜色识别参考区域。参考区域包括通过车牌定位技术确定的车牌区域，由于车牌定位技术为现有技术，所以此处不再赘述。车辆颜色包括白、灰、黄、粉、红、紫、绿、蓝、棕、黑、其他色，总计11种，所述车辆颜色根据国家标准GA24. 8-2005机动车登记信息代码所包含的颜色模板确定，其中，其他色为不包括在白、灰、黄、粉、红、紫、绿、蓝、棕、黑10种颜色之中的其他颜色，如果识别出的颜色不属于这10种颜色，则将识别结果为其他色。图2为本发明车辆颜色识别方法的颜色模板训练流程图。如图2所示，确定车辆颜色识别参考区域之前还包括如下步骤
201、以C I E -Lab颜色空间作为颜色识别的色彩模型。Lab颜色空间它是当前最通用的测量物体颜色的色空间之一，是由CIE在I 9 7 6年制定的。L值表示亮度A L表示亮度差值，它是用L、a、b—组数据将一种颜
色用数字表示出来，一组Lab值跟一种颜色形成--对应关系。a、b值为色坐标值。其
中a值表示红绿方向颜色变化。+a表示向红色方向变化，-a表示向绿色方向变化。b表不黄蓝方向变化，+b表不向黄色方向变化，-b表不向蓝色方向变化。重要概念A L表示样品跟标准(为客户提供的制作标准)之间的亮度差。A L为正，说明样品偏白，A L为负说明样品偏黑；A a值为正，说明样品偏红，A a值为负值，表示样品偏绿；同样道理A b值为正值，表不样品偏黄，A b值为负值，表不样品偏蓝。(偏红、偏绿、偏黄、偏蓝都是相对客户提供的标准而言的。)A E为色差综合评定指标，与AL、A a、Ab关系为AE=(AL)2 + ( Aa)2 + ( Ab)2。202、从色彩模型中选取标准颜色模板和不同光照情况下的实际车辆图片作为训
练集合；203、提取C I E -Lab颜色空间的三维特征值作为特征向量，对所述训练集合进行训练，获得颜色训练模型。本发明中使用支持向量机(Support Vector Machine, SVM)作为颜色训练模型的分类器，实际采集的车辆图片作为训练集合，提取C I E -Lab的三维特征值作为特征向量，由于实施采集的图片为YUV格式，因此将采集图片中选定的像素点从YUV格式转化为Lab格式，然后再进行训练。102、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。结合现有的车牌识别技术，根据车牌位置来得到主识别区域和辅助识别区域，并根据车体大小对识别区域做出不同的选择。由于参考区域的确定是通过车牌定位技术确定的，其大小为车牌的大小，因此主识别区域的的高度和宽度与车牌一致，辅助识别区域的高 度与车牌一致，宽度小于车牌的宽度，本发明中将其宽度设置为车牌宽度的一半。主识别区域包括车牌上方区域，具体指当车体比较大时比如大货车，主识别区域为车前盖车牌上方四个车牌的高度，并相对于车牌向右移动半个车牌的位置，以便能够尽量避开车标，识别区域的宽和高仍然为车牌的宽度和高度；当车体比较小时比如小轿车，主识别区域为车前盖车牌上方三个车牌的高度，同样也是相对于车牌向右移动半个车牌的位置，识别区域的宽和高为车牌的宽和高。辅助识别区域为车牌左侧区域和右侧区域，位于车前盖左右两侧与车牌处于同一水平线上，识别区域的宽度小于车牌的宽度，优选为半个车牌宽度，识别区域的高度为车牌高度，例如，如图3所示位置I和位置I’所处的黑色框内的区域为辅助识别区域。但是，现实情况中每种车辆的车头部分都是不一样的，在确定颜色识别区域的时候有可能出现主识别区域刚好在车辆散热栅格上的情况，为此，对选定的颜色主识别区域再做栅格处理。该处理过程为先对主识别区域所有像素点做水平和竖直方向统计直方图；由于栅格区域的纹理一般都是水平横条或者垂直竖条的，在直方图上表现为规律性的灰度集中，根据这种规律分布，分别判断水平方向和垂直方法方向是否有灰度规律性集中的情况出现，若两个方向上有一个方向出现这种情况，则将主识别区域向水平方向和/或垂直方向移动一定距离来避开车辆的栅格。图3为本发明车辆颜色识别方法的识别区域的示意图。例如，如图3所示，位置2所处的黑色框为最后确定的主识别区域，如果不进行避开栅格处理，则，最后确定的主识别区域为位置2’所处的黑色框内，包括车头的栅格，对车身颜色识别不利，因此再移动一定的距离，如向上移动三至四个车牌高度，至位置2所处的黑色框的位置，确定为主识别区域。103、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。一般情况车辆的颜色都是均匀一致的，不需要对识别区域内的每一个像素点都进行采样识别，因此本发明在主识别区域或辅助识别区域每隔一定的像素点进行采集，例如每隔20至80个像素点进行采集，优选为50个像素点，本发明采样识别过程如下
图4为本发明车辆颜色的采样识别的流程图。如图4所示，301、在主识别区域和辅助识别区域每隔第一数量的像素点确定一个采样点；
302、将所述采样点的颜色转化为C I E -Lab颜色空间中的向量进行识别。
步骤201至步骤203中已经提取C I E -Lab空间的三维特征值作为特征向量，并且对所述训练集合进行了训练，因此，在对主识别区域和辅助识别区域进行的像素点采样，利用训练好的颜色模型进行分类识别，从而获得主识别区域和辅助识别区域各自的颜色识别结果。像素点的采集过程不是每个像素点都进行采集，而是每个第一数量的像素点确定一个采样点，第一数量可以为20至80个像素点,优选为50个像素点。104、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。在阳光直射汽车车身的情况下，主识别区域的反光严重，而辅助识别区域反光轻微，主识别区域的颜色识别结果与辅助识别区域的颜色识别结果相差较大。例如，如果主识别区域的颜色识别结果为白色，辅助识别区域的识别结果为绿色，可知主识别区域由于反光严重造成颜色识别结果差距较大，因此将辅助识别区域的识别结果确定为车辆颜色。如果主识别区域的颜色识别结果为白色，辅助识别区域的颜色识别结果为灰色，这两种识别结果差别较小，为反光微弱造成，此时将主识别区域的识别结果确定为车辆颜色。根据现场 测试结果统计，如果两个识别区域识别结果的颜色色度差别较大，则将辅助识别区域的识别结果确定为车辆颜色，如果两个识别区域识别结果的颜色色度差别较小，则将主识别区域的识别结果确定为车辆颜色。本发明在根据颜色识别结果，确定车辆颜色为主识别区域颜色或辅助识别区域颜色之后，还包括步骤对识别出的车辆颜色进行深浅度的划分，即步骤105。图5为本发明的另一种车辆颜色识别方法的流程图。如图5所示，本发明的车辆颜色识别方法还包括步骤
105、对识别出的车辆颜色进行深浅度的划分。采用CIE-Lab颜色空间中的L作为颜色深浅级别分类的特征值，预先设定用于判别车辆颜色深浅度的阈值L，通过识别结果所得出的的色度值与深浅度阈值L进行比较，来判别颜色深浅度识别区域内采样像素点的颜色深浅。例如，本发明中将L的阈值设置为40到70之间，以50为优选值，将识别结果的色度值与L进行比较，如果色度值小于50，则将识别结果确定为深颜色，如果色度值大于50，则将识别结果确定为浅颜色。本发明通过根据识别结果深浅度与预设阈值的比较，确定车辆颜色深浅度，识别准确率达到80%。本发明还提出一种采用本发明车辆颜色识别方法的车辆颜色识别装置。图6为本发明车辆颜色识别装置结构的示意图。如图6所示，本发明的颜色识别装置包括
参考区域确定模块，用于确定车辆颜色识别参考区域；
识别区域确定模块，用于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；
采样识别模块，用于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；
颜色确定模块，根据采样识别模块识别的结果确定所述车辆颜色为主识别区域颜色或辅助识别区域颜色。图7为本发明的另一种车辆颜色识别装置结构的示意图。如图7所示，本发明的车辆颜色识别装置还包括颜色深浅度确定模块，用于判定所述车辆颜色确定模块确定的车辆颜色的深浅度。
所述车辆颜色包括白、灰、黄、粉、红、紫、绿、蓝、棕、黑和其他色，总计11种，所述车辆颜色根据国家标准GA24. 8-2005机动车登记信息代码所包含的颜色模板确定，其中，其他色为不包括在白、灰、黄、粉、红、紫、绿、蓝、棕、黑10种颜色之中的其他颜色，如果识别出的颜色不属于这10种颜色，则将识别结果确定为其他色。
以上所述，仅为本发明的具体实施方式
，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
权利要求
1.一种车辆颜色识别方法，其特征在于，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。
2.根据权利要求I所述的车辆颜色识别方法，其特征在于，还包括 对识别出的车辆颜色进行深浅度的划分。
3.根据权利要求I所述的车辆颜色识别方法，其特征在于，所述车辆颜色包括白、灰、黄、粉、红、紫、绿、蓝、棕、黑和其他色，总计11种；所述车辆颜色根据国家标准GA24. 8-2005机动车登记信息代码所包含的颜色模板确定。
4.根据权利要求I所述的车辆颜色识别方法，其特征在于，确定车辆颜色识别参考区域之前还包括 以C I E -Lab颜色空间作为颜色识别的色彩模型； 从色彩模型中选取标准颜色模板和不同光照情况下的实际车辆图片作为训练集合； 提取C I E -Lab颜色空间的三维特征值作为特征向量，对所述训练集合进行训练。
5.根据权利要求I所述的车辆颜色识别方法，其特征在于，所述参考区域包括通过车牌定位技术确定的车牌区域。
6.根据权利要求5所述的车辆颜色识别方法，其特征在于，所述主识别区域包括车牌上方的区域，高度和宽度与车牌一致；所述辅助识别区域为车牌左侧区域和右侧区域，高度与车牌高度一致，宽度小于车牌宽度。
7.根据权利要求I所述的车辆颜色识别方法，其特征在于，所述对主识别区域和辅助识别区域的像素点进行采样识别包括 在主识别区域和辅助识别区域每隔第一数量的像素点确定一个采样点； 将所述采样点的颜色转化为C I E -Lab颜色空间中的向量进行识别。
8.—种车辆颜色识别装置，其特征在于，包括 参考区域确定模块，用于确定车辆颜色识别参考区域； 识别区域确定模块，用于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； 采样识别模块，用于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； 颜色确定模块，根据采样识别模块识别的结果确定所述车辆颜色为主识别区域颜色或辅助识别区域颜色。
9.根据权利要求8所述的车辆颜色识别装置，其特征在于，还包括 颜色深浅度确定模块，用于判定所述车辆颜色确定模块确定的车辆颜色的深浅度。
全文摘要
本发明公开了一种车辆颜色的识别方法及装置，属于图像处理领域。该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。该装置包括参考区域确定模块、识别区域确定模块、采样识别模块和颜色确定模块。本发明解决了现有技术无法对不同光照情况下的车辆颜色进行识别，对车辆颜色深浅度识别率较低的问题。
文档编号G06K9/00GK102737221SQ20111008050
公开日2012年10月17日 申请日期2011年3月31日 优先权日2011年3月31日
发明者延瑾瑜, 张欢欢, 张滨, 晏峰, 温炜, 范云霞 申请人:北京汉王智通科技有限公司