专利名称：车辆智能监控系统中车身颜色自动识别方法
技术领域：
本发明涉及模式识别和图像处理技术，尤其涉及一种基于车辆静止图像或视频流中代表车身颜色的识别方法。
背景技术：
随着社会经济的快速发展，道路交通迅速发展，车辆保有量及交通出行量剧增，为解决地面交通迅速发展所引发的诸多问题，智能交通系统(ITS)发挥着重要的作用，而在智能交通领域的智能监控技术中，车牌自动识别技术为其核心，经过多年的研究发展，其技术已经逐渐成熟，并在交通管理的各种应用场合中得到很好的应用。例如自动收费、不停车收费、失窃车辆追寻等。然而，随着车辆数量不断增加，交通事故、违章逃逸及犯罪分子作案的多样性和复杂性，车辆智能监控仅依靠车牌识别的信息是不足的，另外车牌受部分遮挡、污迹、环境光照等因素影响时，其准确识别率急剧下降；另外，车牌识别系统在一车多牌、一牌多车、套牌等情况下显得无能为力了。因此，在对车牌号进行识别的同时，还需要对车辆的其他特征信息进行识别，如车身颜色，车标，车型等。目前有关车身颜色识别的文献研究还比较少，获取与车牌同等的正确识别率难度很大，主要是由于车身表面颜色受光照、不同天气及噪声等多因素干扰而产生颜色失真，以及车身颜色随光照条件和入射光颜色变化而变化。为此，本发明在现有研究成果和自主开发车牌自动识别系统的基础上，提出了车辆智能监控系统中车身颜色自动识别方法。现使用的车身颜色识别方法有
(1)基于色差的方法。该方法主要将RGB空间转换到HSI空间，然后在HIS空间计算色差值，根据色差值最小在颜色表中查找相应的颜色即为识别结果。该方法简单快速，在光线较好的情况下可获取较好的识别结果，但实际应用中，光照，天气都有很大的变化，获取的车辆图像其车身颜色都不稳定。详见文献李贵俊，刘正熙等.一种基于色差和彩色归一化的车身颜色识别方法.计算机应用，2004，9.
(2)基于色度信息和SVM识别方法。它首先将RGB空间转换到Lab、HSV，然后分别利用色度信息ab和HS，对具有相似色度信息的颜色进行合并，分别在不同的特征颜色区间进行SVM和最近邻分类识别，提高了其准确率。但是该车身颜色识别方法是基于整个车辆图像(除背景外)的颜色识别，运算量大，且引入了一些干扰区域，如车窗，车灯部分，导致系统可靠性和识别不够鲁棒。详见文献王运琼，游志胜.利用支持向量机识别汽车颜色.计算机辅助设计与图形学学报，2004，5。上述的车身颜色识别方法在一定光照环境下对车身颜色较单一的小轿车可取得较好效果，但对一些大型卡车和货车通常受车头或车尾散热箱、排气扇的影响，车身颜色检测区域不够准确(检测的区域中含有其他非车身颜色)而产生干扰情况下，其可靠性较差， 识别精度较低；另外，在夜晚，车辆图像中车身部分光线较暗且不均勻，即使有闪光灯条件下，车身颜色识别误差较大，上所述方法对夜晚车辆图像颜色的可靠识别还没有很好地解决。
发明内容
本发明的目的在于针对现有技术的不足，提供一种车辆智能监控系统中车身颜色自动识别方法，该方法对采集的交通车辆视频和图像采用智能化处理，实现对车辆车身颜色的快速自动识别。本发明的目的是通过以下技术方案来实现的一种车辆智能监控系统中车身颜色自动识别方法，包括以下步骤
(1)参考通过车牌定位技术所得的车牌高、宽及位置坐标信息，在车牌上方检测代表车身颜色的粗区域。(2)根据车身区域的纹理特征，在检测的车身颜色粗区域中进一步搜索车身颜色的精确特征区域。(3)车身颜色特征区域RGB像素转换到HSV空间，并基于HSV性质合成新颜色空间
ο(4)采用模糊C均值聚类方法在量化的矢量颜色空间计算模糊直方图Bin归一化特征，并利用LDA方法对特征降维，获取有利于颜色辨别的特征数据。(5)根据离线样本训练的分类器识别参数，对车辆图像车身颜色特征区域采用基于多类子空间的特征模板匹配或SVM方法识别，得到初步的车身颜色结果。(6)根据初识别可信度和颜色先验知识，对易交叉和可信度低的车辆颜色分别进行白天和夜晚的校正与确认，以得到最终的车身颜色识别结果。可选的，所述在车牌上方检测代表车身颜色的粗区域包括以车牌区域的中心为参考点，在上方截取一个高为βΗ、宽为_的矩形区域，其中H、W分别为车牌的高和
宽，QL-, β为统计得到的经验值。可选的，所述利用车身区域纹理特征，进一步搜索的车身颜色的精确特征区域，包括
(a)计算粗区域像素灰度在水平和垂直方向的差分；
(b)利用改进的快速Otsu技术，对粗区域像素灰度差分结果进行二值化；
(c)根据所设定的纹理阈值，检测代表车身颜色的精确特征区域设置阈值为
TTi1 = λ* W1、Th2、Th3 (其中，冒 1为车身颜色粗区域的宽λε _ Th1为车身
颜色区域在水平方向的纹理阈值；rITi2和Th3为垂直方向上的两级纹理阈值，且Th2
> Th3),在二值化图上自底向上搜索，统计每一行非边缘像素数量(即背景像素)，将大于
Th1的行记录下来，并统计连续大于ITi1的行总数￡11 通过比较Eh与阈值1112和1113 的值来定位车身颜色的精区域。可选的，所述基于HSV性质合成新颜色空间CV〕2V，进一步包括像素RGB转换为 HSV空间；HSV色彩空间奇异像素点的校正；校正后的像素HSV合成新的颜色空间C1C2V ,其主要步骤如下
(a) RGB 颜色转换为 HSV 空间设 max = max (R，G，B)，min = min (R，G，B);当 max ^min时，定义
权利要求
1.一种车辆智能监控系统中车身颜色自动识别方法，其特征在于，该方法包括以下步骤(1)参考通过车牌定位技术所得的车牌高、宽及位置坐标信息，在车牌上方检测代表车身颜色的粗区域；(2)根据车身区域的纹理特征，在检测的车身颜色粗区域中进一步搜索车身颜色的精确特征区域；(3)车身颜色特征区域RGB像素转换到HSV空间，并基于HSV性质合成新颜色空间 C1C2V ；(4)采用模糊C均值聚类方法在量化的矢量颜色空间计算模糊直方图Bin的归一化特征，利用LDA方法对特征降维，获取有利于颜色辨别的特征数据；(5)根据离线样本训练的分类器识别参数，对车辆图像车身颜色特征区域采用基于多类子空间的特征模板匹配或SVM方法识别，得到初步的车身颜色结果；(6)根据初识别可信度和颜色先验知识，对易交叉和可信度低的车辆颜色分别进行白天和夜晚的校正与确认，以得到最终的车身颜色识别结果。
2.根据权利要求1所述车辆智能监控系统中车身颜色自动识别方法，其特征在于所述步骤(1)中，所述在车牌上方检测代表车身颜色的粗区域具体为以车牌区域的中心为参考点，在上方截取一个高为肩H，宽为的矩形区域，其中H、W分别为车牌的高和宽，α、,石为统计得到的经验值。
3.根据权利要求1所述车辆智能监控系统中车身颜色自动识别方法，其特征在于，所述步骤(2)包括如下子步骤(1)计算粗区域像素灰度在水平和垂直方向的差分；(2)利用改进的快速Otsu技术，对粗区域像素灰度差分结果进行二值化；(3)根据所设定的纹理阈值，检测代表车身颜色的精确特征区域设置阈值为Th1 = λ*^ ,Th2、Th3 (其中，W1为车身颜色粗区域的宽λε _ Th1为车身颜色区域在水平方向的纹理阈值；Tli2和Th3为垂直方向上的两级纹理阈值，且Th2 > Th3),在二值化图上自底向上搜索，统计每一行非边缘像素数量(即背景像素)，将大于Tli1的行记录下来，并统计连续大于Th1的行总数￡11 ；通过比较Eh与阈值1112和1113的值来定位车身颜色的精区域。
4.根据权利要求1所述车辆智能监控系统中车身颜色自动识别方法，其特征在于，所述步骤(3)包括以下子步骤(1)区域像素RGB转换为HSV空间，其具体方法如下设max = max(R, G,B),min = min (R，G，B);当 max 乒 min 时，定义
5.根据权利要求1所述车辆智能监控系统中车身颜色自动识别方法，其特征在于，所述步骤(4)包括以下子步骤(1)颜色空间的量化与Bin值选取将颜色分量C1、C2、V分别量化
6.根据权利要求1所述车辆智能监控系统中车身颜色自动识别方法，其特征在于，所述步骤(5)中，所述离线样本训练的分类器识别参数通过以下步骤来获取(1)选择不同类车身颜色的若干训练样本；(2)计算样本的多维特征向量；(3)利用LDA方法对高维特征向量进行降维，并得到特征的降维转换矩阵；(4)采用K-Means聚类或混合高斯模型聚类(GMM)分析法，对各类别样本进行聚类，根据训练样本的测试识别率反馈调整各类特征模板数和特征模板向量的最佳参数。
7.根据权利要求1所述车辆智能监控系统中车身颜色自动识别方法，其特征在于，所述步骤(6)包括以下子步骤(1)对当前车辆图像处于白天和夜晚的时间模式进行算法判断，其主要步骤如下(a)计算图像平均亮度值和图像中低亮度像素占所有像素的比例值；(b)设计图像平均亮度阈值和低亮度像素的比例阈值，并将其与当前计算的值进行比较来判断车辆是处于白天还是夜晚；(2)对易交叉的颜色类(如，深蓝色与黑色，浅红色与黄色等)及初识别结果可信度较低的颜色进行校正与确认。
8.根据权利要求1所述车辆智能监控系统中车身颜色自动识别方法，其特征在于，所述步骤(6)中，所述先验知识包括利用易混淆颜色的R、G、B值间约束关系及车身主颜色在检测区域中占的比例关系。
9.根据权利要求1所述车辆智能监控系统中车身颜色自动识别方法，其特征在于，所述步骤(6)中，所述车身颜色初识别结果的可信度Pr=I- 1/ _2，其中dl为分类器最小准则值，d2为分类器次小准则值；通过比较当前计算得到的识别结果可信度值与可信度阈值，决定颜色校正是否。
全文摘要
本发明公开了一种车辆智能监控系统中车身颜色自动识别方法，该方法首先根据所得车牌的位置和车身纹理特征，检测代表车身颜色的特征区域；然后对车身特征区域像素进行色彩空间转换及矢量空间量化合成，在量化后的矢量空间提取模糊直方图Bin的归一化特征；并采用LDA方法对获取的高维特征进行特征降维；通过车身颜色多类子空间分析后，利用离线训练分类器的识别参数，采用多特征模板匹配或SVM方法进行子空间的车身颜色识别；最后根据初识别可信度和颜色先验知识，对易交叉和可信度低的颜色进行校正,以得到最终的车身颜色识别结果；本发明适用于白天、夜晚及多光照条件，且识别速度快、识别准确率高。
文档编号G06K9/62GK102184413SQ201110124540
公开日2011年9月14日 申请日期2011年5月16日 优先权日2011年5月16日
发明者傅利泉, 吴军, 吴坚, 张兴明, 朱江明, 陈以超 申请人:浙江大华技术股份有限公司