一种颜色识别方法、装置、设备及介质与流程

本发明涉及图像处理，尤其涉及一种颜色识别方法、装置、设备及介质。

背景技术：

1、随着智能交通系统的不断普及，在交通事件调查和道路安全管理等领域中对于机动车辆识别效果的要求越来越高。其中，车身颜色作为机动车辆的主要外观属性之一，在车辆识别中提供了最直观的判断依据，在一定程度上可以弥补车牌识别的不足。因此稳定可靠的车身颜色识别方法，成为了智能交通系统中重要的技术手段之一。

2、目前，在颜色识别领域内，通常采用几种基础颜色为标签，对基于卷积神经网络的颜色分类器进行训练。但是由于自然界中的颜色分布具有连续性，然而传统的颜色分类器没有考虑到颜色分布连续性的影响，因此对于部分介于两种基础颜色之间的颜色存在定义模糊的问题，从而导致颜色识别稳定性较差。

技术实现思路

1、本申请实施例提供了一种颜色识别方法、装置、设备及介质，用以解决现有技术中对颜色识别效果稳定性较差的问题。

2、第一方面，本申请实施例提供了一种颜色识别方法，所述方法包括：

3、获取训练集中的任一训练图像及针对训练图像中包含的目标对象标注的原始颜色标签；

4、将训练图像输入到颜色识别模型中，基于颜色识别模型输出目标对象归属于每种颜色标签的概率的预测结果；

5、根据原始颜色标签以及按照预设的颜色分布方式进行排列的颜色标签，将与原始颜色标签相邻的其他颜色标签以及原始颜色标签确定为目标颜色标签；

6、根据预测结果中目标对象归属于目标颜色标签的概率，以及预测结果中目标对象归属于非目标颜色标签的概率，确定损失值，并基于损失值，对颜色识别模型进行训练。

7、第二方面，本申请实施例还提供了一种颜色识别装置，所述装置包括：

8、获取模块，用于获取训练集中的任一训练图像及针对训练图像中包含的目标对象标注的原始颜色标签；

9、第一确定模块，用于将训练图像输入到颜色识别模型中，基于颜色识别模型输出目标对象归属于每种颜色标签的概率的预测结果；

10、第二确定模块，用于根据原始颜色标签以及按照预设的颜色分布方式进行排列的颜色标签，将与原始颜色标签相邻的其他颜色标签以及原始颜色标签确定为目标颜色标签；

11、训练模块，用于根据预测结果中目标对象归属于目标颜色标签的概率，以及预测结果中目标对象归属于非目标颜色标签的概率，确定损失值，并基于损失值，对颜色识别模型进行训练。

12、第三方面，本申请实施例还提供了一种电子设备，所述电子设备至少包括处理器和存储器，所述处理器用于执行存储器中存储的计算机程序时实现如上述任一项所述颜色识别方法的步骤。

13、第四方面，本申请实施例还提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述颜色识别方法的步骤。

14、由于在本申请实施例中，获取训练集中的任一训练图像及针对训练图像中包含的目标对象标注的原始颜色标签；将训练图像输入到颜色识别模型中，基于颜色识别模型输出目标对象归属于每种颜色标签的概率的预测结果；根据原始颜色标签以及按照预设的颜色分布方式进行排列的颜色标签，将与原始颜色标签相邻的其他颜色标签以及原始颜色标签确定为目标颜色标签；根据预测结果中目标对象归属于目标颜色标签的概率，以及预测结果中目标对象归属于非目标颜色标签的概率，确定损失值，并基于损失值，对颜色识别模型进行训练。在本申请实施例中通过确定原始颜色标签以及相邻的颜色标签对应的目标颜色标签，体现了颜色分布连续特征的影响，并根据预测结果中目标对象归属于目标颜色标签以及非目标颜色标签的概率，确定的损失值对颜色识别模型进行训练，能够使颜色识别模型学习到颜色分布连续特征，减少了颜色定义模糊的问题，提高了颜色识别效果的稳定性以及精细程度。

技术特征：

1.一种颜色识别方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述将所述训练图像输入到颜色识别模型中，基于所述颜色识别模型输出的所述目标对象归属于每种颜色标签的概率的预测结果，包括：

3.根据权利要求1所述的方法，其特征在于，所述根据所述预测结果中所述目标对象归属于所述目标颜色标签的概率，以及所述预测结果中所述目标对象归属于非所述目标颜色标签的概率，确定损失值，包括：

4.根据权利要求3所述的方法，其特征在于，所述根据所述预测结果中所述目标对象归属于所述目标颜色标签的概率，确定第一损失值，包括：

5.根据权利要求3所述的方法，其特征在于，所述根据所述预测结果中所述目标对象归属于非所述目标颜色标签的概率，确定第二损失值，包括：

6.根据权利要求1所述的方法，其特征在于，所述对所述颜色识别模型进行训练之后，所述方法还包括：

7.一种颜色识别装置，其特征在于，所述装置包括：

8.根据权利要求7所述的装置，其特征在于，所述第一确定模块，具体用于将所述训练图像输入到所述颜色识别模型中的输入层，所述输入层通过前向传播将所述训练图像传输到隐含层，所述隐含层确定所述训练图像中所述目标对象对应的颜色特征信息；所述颜色识别模型中的全连接层根据所述颜色特征信息，确定所述目标对象归属于每种颜色标签的概率的预测结果。

9.一种电子设备，其特征在于，所述电子设备至少包括处理器和存储器，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1-6任一项所述的颜色识别方法的步骤。

10.一种计算机存储介质，其特征在于，其存储有可由电子设备执行的计算机程序，当所述程序在所述电子设备上运行时，使得所述电子设备执行权利要求1-6任一项所述的颜色识别方法的步骤。

技术总结
本申请实施例提供了一种颜色识别方法、装置、设备及介质，用以解决现有技术中对颜色识别效果稳定性较差的问题。在该方法中，获取训练集中的任一训练图像及针对目标对象标注的原始颜色标签；将训练图像输入到颜色识别模型中，输出目标对象归属于每种颜色标签的概率的预测结果；根据原始颜色标签以及按照预设的颜色分布方式进行排列的颜色标签，将与原始颜色标签相邻的其他颜色标签以及原始颜色标签确定为目标颜色标签；根据预测结果中目标对象归属于目标颜色标签的概率，以及归属于非目标颜色标签的概率，确定损失值，并对颜色识别模型进行训练，使颜色识别模型学习颜色分布连续特征，减少颜色定义模糊问题，提高颜色识别效果的稳定性和精细度。

技术研发人员：周子寒,黄世亮,廖炳焱,王利升
受保护的技术使用者：浙江大华技术股份有限公司
技术研发日：
技术公布日：2024/2/25