專利名稱：車輛智能監(jiān)控系統(tǒng)中車身顏色自動(dòng)識(shí)別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及模式識(shí)別和圖像處理技術(shù)，尤其涉及一種基于車輛靜止圖像或視頻流中代表車身顏色的識(shí)別方法。
背景技術(shù)：
隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展，道路交通迅速發(fā)展，車輛保有量及交通出行量劇增，為解決地面交通迅速發(fā)展所引發(fā)的諸多問(wèn)題，智能交通系統(tǒng)(ITS)發(fā)揮著重要的作用，而在智能交通領(lǐng)域的智能監(jiān)控技術(shù)中，車牌自動(dòng)識(shí)別技術(shù)為其核心，經(jīng)過(guò)多年的研究發(fā)展，其技術(shù)已經(jīng)逐漸成熟，并在交通管理的各種應(yīng)用場(chǎng)合中得到很好的應(yīng)用。例如自動(dòng)收費(fèi)、不停車收費(fèi)、失竊車輛追尋等。然而，隨著車輛數(shù)量不斷增加，交通事故、違章逃逸及犯罪分子作案的多樣性和復(fù)雜性，車輛智能監(jiān)控僅依靠車牌識(shí)別的信息是不足的，另外車牌受部分遮擋、污跡、環(huán)境光照等因素影響時(shí)，其準(zhǔn)確識(shí)別率急劇下降；另外，車牌識(shí)別系統(tǒng)在一車多牌、一牌多車、套牌等情況下顯得無(wú)能為力了。因此，在對(duì)車牌號(hào)進(jìn)行識(shí)別的同時(shí)，還需要對(duì)車輛的其他特征信息進(jìn)行識(shí)別，如車身顏色，車標(biāo)，車型等。目前有關(guān)車身顏色識(shí)別的文獻(xiàn)研究還比較少，獲取與車牌同等的正確識(shí)別率難度很大，主要是由于車身表面顏色受光照、不同天氣及噪聲等多因素干擾而產(chǎn)生顏色失真，以及車身顏色隨光照條件和入射光顏色變化而變化。為此，本發(fā)明在現(xiàn)有研究成果和自主開發(fā)車牌自動(dòng)識(shí)別系統(tǒng)的基礎(chǔ)上，提出了車輛智能監(jiān)控系統(tǒng)中車身顏色自動(dòng)識(shí)別方法?，F(xiàn)使用的車身顏色識(shí)別方法有
(1)基于色差的方法。該方法主要將RGB空間轉(zhuǎn)換到HSI空間，然后在HIS空間計(jì)算色差值，根據(jù)色差值最小在顏色表中查找相應(yīng)的顏色即為識(shí)別結(jié)果。該方法簡(jiǎn)單快速，在光線較好的情況下可獲取較好的識(shí)別結(jié)果，但實(shí)際應(yīng)用中，光照，天氣都有很大的變化，獲取的車輛圖像其車身顏色都不穩(wěn)定。詳見文獻(xiàn)李貴俊，劉正熙等.一種基于色差和彩色歸一化的車身顏色識(shí)別方法.計(jì)算機(jī)應(yīng)用，2004，9.
(2)基于色度信息和SVM識(shí)別方法。它首先將RGB空間轉(zhuǎn)換到Lab、HSV，然后分別利用色度信息ab和HS，對(duì)具有相似色度信息的顏色進(jìn)行合并，分別在不同的特征顏色區(qū)間進(jìn)行SVM和最近鄰分類識(shí)別，提高了其準(zhǔn)確率。但是該車身顏色識(shí)別方法是基于整個(gè)車輛圖像(除背景外)的顏色識(shí)別，運(yùn)算量大，且引入了一些干擾區(qū)域，如車窗，車燈部分，導(dǎo)致系統(tǒng)可靠性和識(shí)別不夠魯棒。詳見文獻(xiàn)王運(yùn)瓊，游志勝.利用支持向量機(jī)識(shí)別汽車顏色.計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2004，5。上述的車身顏色識(shí)別方法在一定光照環(huán)境下對(duì)車身顏色較單一的小轎車可取得較好效果，但對(duì)一些大型卡車和貨車通常受車頭或車尾散熱箱、排氣扇的影響，車身顏色檢測(cè)區(qū)域不夠準(zhǔn)確(檢測(cè)的區(qū)域中含有其他非車身顏色)而產(chǎn)生干擾情況下，其可靠性較差， 識(shí)別精度較低；另外，在夜晚，車輛圖像中車身部分光線較暗且不均勻，即使有閃光燈條件下，車身顏色識(shí)別誤差較大，上所述方法對(duì)夜晚車輛圖像顏色的可靠識(shí)別還沒(méi)有很好地解決。

發(fā)明內(nèi)容
本發(fā)明的目的在于針對(duì)現(xiàn)有技術(shù)的不足，提供一種車輛智能監(jiān)控系統(tǒng)中車身顏色自動(dòng)識(shí)別方法，該方法對(duì)采集的交通車輛視頻和圖像采用智能化處理，實(shí)現(xiàn)對(duì)車輛車身顏色的快速自動(dòng)識(shí)別。本發(fā)明的目的是通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn)的一種車輛智能監(jiān)控系統(tǒng)中車身顏色自動(dòng)識(shí)別方法，包括以下步驟
(1)參考通過(guò)車牌定位技術(shù)所得的車牌高、寬及位置坐標(biāo)信息，在車牌上方檢測(cè)代表車身顏色的粗區(qū)域。(2)根據(jù)車身區(qū)域的紋理特征，在檢測(cè)的車身顏色粗區(qū)域中進(jìn)一步搜索車身顏色的精確特征區(qū)域。(3)車身顏色特征區(qū)域RGB像素轉(zhuǎn)換到HSV空間，并基于HSV性質(zhì)合成新顏色空間
ο(4)采用模糊C均值聚類方法在量化的矢量顏色空間計(jì)算模糊直方圖Bin歸一化特征，并利用LDA方法對(duì)特征降維，獲取有利于顏色辨別的特征數(shù)據(jù)。(5)根據(jù)離線樣本訓(xùn)練的分類器識(shí)別參數(shù)，對(duì)車輛圖像車身顏色特征區(qū)域采用基于多類子空間的特征模板匹配或SVM方法識(shí)別，得到初步的車身顏色結(jié)果。(6)根據(jù)初識(shí)別可信度和顏色先驗(yàn)知識(shí)，對(duì)易交叉和可信度低的車輛顏色分別進(jìn)行白天和夜晚的校正與確認(rèn)，以得到最終的車身顏色識(shí)別結(jié)果?？蛇x的，所述在車牌上方檢測(cè)代表車身顏色的粗區(qū)域包括以車牌區(qū)域的中心為參考點(diǎn)，在上方截取一個(gè)高為βΗ、寬為_的矩形區(qū)域，其中H、W分別為車牌的高和
寬，QL-, β為統(tǒng)計(jì)得到的經(jīng)驗(yàn)值?？蛇x的，所述利用車身區(qū)域紋理特征，進(jìn)一步搜索的車身顏色的精確特征區(qū)域，包括
(a)計(jì)算粗區(qū)域像素灰度在水平和垂直方向的差分；
(b)利用改進(jìn)的快速Otsu技術(shù)，對(duì)粗區(qū)域像素灰度差分結(jié)果進(jìn)行二值化；
(c)根據(jù)所設(shè)定的紋理閾值，檢測(cè)代表車身顏色的精確特征區(qū)域設(shè)置閾值為
TTi1 = λ* W1、Th2、Th3 (其中，冒 1為車身顏色粗區(qū)域的寬λε _ Th1為車身
顏色區(qū)域在水平方向的紋理閾值；rITi2和Th3為垂直方向上的兩級(jí)紋理閾值，且Th2
> Th3),在二值化圖上自底向上搜索，統(tǒng)計(jì)每一行非邊緣像素?cái)?shù)量(即背景像素)，將大于
Th1的行記錄下來(lái)，并統(tǒng)計(jì)連續(xù)大于ITi1的行總數(shù)￡11 通過(guò)比較Eh與閾值1112和1113 的值來(lái)定位車身顏色的精區(qū)域。可選的，所述基于HSV性質(zhì)合成新顏色空間CV〕2V，進(jìn)一步包括像素RGB轉(zhuǎn)換為 HSV空間；HSV色彩空間奇異像素點(diǎn)的校正；校正后的像素HSV合成新的顏色空間C1C2V ,其主要步驟如下
(a) RGB 顏色轉(zhuǎn)換為 HSV 空間設(shè) max = max (R，G，B)，min = min (R，G，B);當(dāng) max ^min時(shí)，定義
權(quán)利要求
1.一種車輛智能監(jiān)控系統(tǒng)中車身顏色自動(dòng)識(shí)別方法，其特征在于，該方法包括以下步驟(1)參考通過(guò)車牌定位技術(shù)所得的車牌高、寬及位置坐標(biāo)信息，在車牌上方檢測(cè)代表車身顏色的粗區(qū)域；(2)根據(jù)車身區(qū)域的紋理特征，在檢測(cè)的車身顏色粗區(qū)域中進(jìn)一步搜索車身顏色的精確特征區(qū)域；(3)車身顏色特征區(qū)域RGB像素轉(zhuǎn)換到HSV空間，并基于HSV性質(zhì)合成新顏色空間 C1C2V ；(4)采用模糊C均值聚類方法在量化的矢量顏色空間計(jì)算模糊直方圖Bin的歸一化特征，利用LDA方法對(duì)特征降維，獲取有利于顏色辨別的特征數(shù)據(jù)；(5)根據(jù)離線樣本訓(xùn)練的分類器識(shí)別參數(shù)，對(duì)車輛圖像車身顏色特征區(qū)域采用基于多類子空間的特征模板匹配或SVM方法識(shí)別，得到初步的車身顏色結(jié)果；(6)根據(jù)初識(shí)別可信度和顏色先驗(yàn)知識(shí)，對(duì)易交叉和可信度低的車輛顏色分別進(jìn)行白天和夜晚的校正與確認(rèn)，以得到最終的車身顏色識(shí)別結(jié)果。
2.根據(jù)權(quán)利要求1所述車輛智能監(jiān)控系統(tǒng)中車身顏色自動(dòng)識(shí)別方法，其特征在于所述步驟(1)中，所述在車牌上方檢測(cè)代表車身顏色的粗區(qū)域具體為以車牌區(qū)域的中心為參考點(diǎn)，在上方截取一個(gè)高為肩H，寬為的矩形區(qū)域，其中H、W分別為車牌的高和寬，α、,石為統(tǒng)計(jì)得到的經(jīng)驗(yàn)值。
3.根據(jù)權(quán)利要求1所述車輛智能監(jiān)控系統(tǒng)中車身顏色自動(dòng)識(shí)別方法，其特征在于，所述步驟(2)包括如下子步驟(1)計(jì)算粗區(qū)域像素灰度在水平和垂直方向的差分；(2)利用改進(jìn)的快速Otsu技術(shù)，對(duì)粗區(qū)域像素灰度差分結(jié)果進(jìn)行二值化；(3)根據(jù)所設(shè)定的紋理閾值，檢測(cè)代表車身顏色的精確特征區(qū)域設(shè)置閾值為Th1 = λ*^ ,Th2、Th3 (其中，W1為車身顏色粗區(qū)域的寬λε _ Th1為車身顏色區(qū)域在水平方向的紋理閾值；Tli2和Th3為垂直方向上的兩級(jí)紋理閾值，且Th2 > Th3),在二值化圖上自底向上搜索，統(tǒng)計(jì)每一行非邊緣像素?cái)?shù)量(即背景像素)，將大于Tli1的行記錄下來(lái)，并統(tǒng)計(jì)連續(xù)大于Th1的行總數(shù)￡11 ；通過(guò)比較Eh與閾值1112和1113的值來(lái)定位車身顏色的精區(qū)域。
4.根據(jù)權(quán)利要求1所述車輛智能監(jiān)控系統(tǒng)中車身顏色自動(dòng)識(shí)別方法，其特征在于，所述步驟(3)包括以下子步驟(1)區(qū)域像素RGB轉(zhuǎn)換為HSV空間，其具體方法如下設(shè)max = max(R, G,B),min = min (R，G，B);當(dāng) max 乒 min 時(shí)，定義
5.根據(jù)權(quán)利要求1所述車輛智能監(jiān)控系統(tǒng)中車身顏色自動(dòng)識(shí)別方法，其特征在于，所述步驟(4)包括以下子步驟(1)顏色空間的量化與Bin值選取將顏色分量C1、C2、V分別量化
6.根據(jù)權(quán)利要求1所述車輛智能監(jiān)控系統(tǒng)中車身顏色自動(dòng)識(shí)別方法，其特征在于，所述步驟(5)中，所述離線樣本訓(xùn)練的分類器識(shí)別參數(shù)通過(guò)以下步驟來(lái)獲取(1)選擇不同類車身顏色的若干訓(xùn)練樣本；(2)計(jì)算樣本的多維特征向量；(3)利用LDA方法對(duì)高維特征向量進(jìn)行降維，并得到特征的降維轉(zhuǎn)換矩陣；(4)采用K-Means聚類或混合高斯模型聚類(GMM)分析法，對(duì)各類別樣本進(jìn)行聚類，根據(jù)訓(xùn)練樣本的測(cè)試識(shí)別率反饋調(diào)整各類特征模板數(shù)和特征模板向量的最佳參數(shù)。
7.根據(jù)權(quán)利要求1所述車輛智能監(jiān)控系統(tǒng)中車身顏色自動(dòng)識(shí)別方法，其特征在于，所述步驟(6)包括以下子步驟(1)對(duì)當(dāng)前車輛圖像處于白天和夜晚的時(shí)間模式進(jìn)行算法判斷，其主要步驟如下(a)計(jì)算圖像平均亮度值和圖像中低亮度像素占所有像素的比例值；(b)設(shè)計(jì)圖像平均亮度閾值和低亮度像素的比例閾值，并將其與當(dāng)前計(jì)算的值進(jìn)行比較來(lái)判斷車輛是處于白天還是夜晚；(2)對(duì)易交叉的顏色類(如，深藍(lán)色與黑色，淺紅色與黃色等)及初識(shí)別結(jié)果可信度較低的顏色進(jìn)行校正與確認(rèn)。
8.根據(jù)權(quán)利要求1所述車輛智能監(jiān)控系統(tǒng)中車身顏色自動(dòng)識(shí)別方法，其特征在于，所述步驟(6)中，所述先驗(yàn)知識(shí)包括利用易混淆顏色的R、G、B值間約束關(guān)系及車身主顏色在檢測(cè)區(qū)域中占的比例關(guān)系。
9.根據(jù)權(quán)利要求1所述車輛智能監(jiān)控系統(tǒng)中車身顏色自動(dòng)識(shí)別方法，其特征在于，所述步驟(6)中，所述車身顏色初識(shí)別結(jié)果的可信度Pr=I- 1/ _2，其中dl為分類器最小準(zhǔn)則值，d2為分類器次小準(zhǔn)則值；通過(guò)比較當(dāng)前計(jì)算得到的識(shí)別結(jié)果可信度值與可信度閾值，決定顏色校正是否。
全文摘要
本發(fā)明公開了一種車輛智能監(jiān)控系統(tǒng)中車身顏色自動(dòng)識(shí)別方法，該方法首先根據(jù)所得車牌的位置和車身紋理特征，檢測(cè)代表車身顏色的特征區(qū)域；然后對(duì)車身特征區(qū)域像素進(jìn)行色彩空間轉(zhuǎn)換及矢量空間量化合成，在量化后的矢量空間提取模糊直方圖Bin的歸一化特征；并采用LDA方法對(duì)獲取的高維特征進(jìn)行特征降維；通過(guò)車身顏色多類子空間分析后，利用離線訓(xùn)練分類器的識(shí)別參數(shù)，采用多特征模板匹配或SVM方法進(jìn)行子空間的車身顏色識(shí)別；最后根據(jù)初識(shí)別可信度和顏色先驗(yàn)知識(shí)，對(duì)易交叉和可信度低的顏色進(jìn)行校正,以得到最終的車身顏色識(shí)別結(jié)果；本發(fā)明適用于白天、夜晚及多光照條件，且識(shí)別速度快、識(shí)別準(zhǔn)確率高。
文檔編號(hào)G06K9/62GK102184413SQ201110124540
公開日2011年9月14日 申請(qǐng)日期2011年5月16日 優(yōu)先權(quán)日2011年5月16日
發(fā)明者傅利泉, 吳軍, 吳堅(jiān), 張興明, 朱江明, 陳以超 申請(qǐng)人:浙江大華技術(shù)股份有限公司