專利名稱：車輛智能監(jiān)控系統(tǒng)中車身顏色自動識別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及模式識別和圖像處理技術(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別方法。
背景技術(shù)：
隨著社會經(jīng)濟的快速發(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，車牌自動識別技術(shù)為其核心，經(jīng)過多年的研究發(fā)展，其技術(shù)已經(jīng)逐漸成熟，并在交通管理的各種應(yīng)用場合中得到很好的應(yīng)用。例如自動收費、不停車收費、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，其準確識別率急劇下降；另外，車牌識別系統(tǒng)在一車多牌、一牌多車、套牌等情況下顯得無能為力了。因此，在對車牌號進行識別的同時，還需要對車輛的其他特征信息進行識別，如車身顏色，車標，車型等。目前有關(guān)車身顏色識別的文獻研究還比較少，獲取與車牌同等的正確識別率難度很大，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)車牌自動識別系統(tǒng)的基礎(chǔ)上，提出了車輛智能監(jiān)控系統(tǒng)中車身顏色自動識別方法。現(xiàn)使用的車身顏色識別方法有
(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)的顏色即為識別結(jié)果。該方法簡單快速，在光線較好的情況下可獲取較好的識別結(jié)果，但實際應(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別方法.計算機應(yīng)用，2004，9.
(2)基于色度信息和SVM識別方法。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，對具有相似色度信息的顏色進行合并，分別在不同的特征顏色區(qū)間進行SVM和最近鄰分類識別，提高了其準確率。但是該車身顏色識別方法是基于整個車輛圖像(除背景外)的顏色識別，運算量大，且引入了一些干擾區(qū)域，如車窗，車燈部分，導(dǎo)致系統(tǒng)可靠性和識別不夠魯棒。詳見文獻王運瓊，游志勝.利用支持向量機識別汽車顏色.計算機輔助設(shè)計與圖形學(xué)學(xué)報，2004，5。上述的車身顏色識別方法在一定光照環(huán)境下對車身顏色較單一的小轎車可取得較好效果，但對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，車身顏色檢測區(qū)域不夠準確(檢測的區(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，車身顏色識別誤差較大，上所述方法對夜晚車輛圖像顏色的可靠識別還沒有很好地解決。

發(fā)明內(nèi)容
本發(fā)明的目的在于針對現(xiàn)有技術(shù)的不足，提供一種車輛智能監(jiān)控系統(tǒng)中車身顏色自動識別方法，該方法對采集的交通車輛視頻和圖像采用智能化處理，實現(xiàn)對車輛車身顏色的快速自動識別。本發(fā)明的目的是通過以下技術(shù)方案來實現(xiàn)的一種車輛智能監(jiān)控系統(tǒng)中車身顏色自動識別方法，包括以下步驟
(1)參考通過車牌定位技術(shù)所得的車牌高、寬及位置坐標信息，在車牌上方檢測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，在檢測的車身顏色粗區(qū)域中進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算模糊直方圖Bin歸一化特征，并利用LDA方法對特征降維，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)練的分類器識別參數(shù)，對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方法識別，得到初步的車身顏色結(jié)果。(6)根據(jù)初識別可信度和顏色先驗知識，對易交叉和可信度低的車輛顏色分別進行白天和夜晚的校正與確認，以得到最終的車身顏色識別結(jié)果。可選的，所述在車牌上方檢測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，在上方截取一個高為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)計得到的經(jīng)驗值。可選的，所述利用車身區(qū)域紋理特征，進一步搜索的車身顏色的精確特征區(qū)域，包括
(a)計算粗區(qū)域像素灰度在水平和垂直方向的差分；
(b)利用改進的快速Otsu技術(shù)，對粗區(qū)域像素灰度差分結(jié)果進行二值化；
(c)根據(jù)所設(shè)定的紋理閾值，檢測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紋理閾值，且Th2
> Th3),在二值化圖上自底向上搜索，統(tǒng)計每一行非邊緣像素數(shù)量(即背景像素)，將大于
Th1的行記錄下來，并統(tǒng)計連續(xù)大于ITi1的行總數(shù)￡11 通過比較Eh與閾值1112和1113 的值來定位車身顏色的精區(qū)域?？蛇x的，所述基于HSV性質(zhì)合成新顏色空間CV〕2V，進一步包括像素RGB轉(zhuǎn)換為 HSV空間；HSV色彩空間奇異像素點的校正；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 max ^min時，定義
權(quán)利要求
1.一種車輛智能監(jiān)控系統(tǒng)中車身顏色自動識別方法，其特征在于，該方法包括以下步驟(1)參考通過車牌定位技術(shù)所得的車牌高、寬及位置坐標信息，在車牌上方檢測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，在檢測的車身顏色粗區(qū)域中進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算模糊直方圖Bin的歸一化特征，利用LDA方法對特征降維，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)練的分類器識別參數(shù)，對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方法識別，得到初步的車身顏色結(jié)果；(6)根據(jù)初識別可信度和顏色先驗知識，對易交叉和可信度低的車輛顏色分別進行白天和夜晚的校正與確認，以得到最終的車身顏色識別結(jié)果。
2.根據(jù)權(quán)利要求1所述車輛智能監(jiān)控系統(tǒng)中車身顏色自動識別方法，其特征在于所述步驟(1)中，所述在車牌上方檢測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，在上方截取一個高為肩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)計得到的經(jīng)驗值。
3.根據(jù)權(quán)利要求1所述車輛智能監(jiān)控系統(tǒng)中車身顏色自動識別方法，其特征在于，所述步驟(2)包括如下子步驟(1)計算粗區(qū)域像素灰度在水平和垂直方向的差分；(2)利用改進的快速Otsu技術(shù)，對粗區(qū)域像素灰度差分結(jié)果進行二值化；(3)根據(jù)所設(shè)定的紋理閾值，檢測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紋理閾值，且Th2 > Th3),在二值化圖上自底向上搜索，統(tǒng)計每一行非邊緣像素數(shù)量(即背景像素)，將大于Tli1的行記錄下來，并統(tǒng)計連續(xù)大于Th1的行總數(shù)￡11 ；通過比較Eh與閾值1112和1113的值來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)中車身顏色自動識別方法，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 max 乒 min 時，定義
5.根據(jù)權(quán)利要求1所述車輛智能監(jiān)控系統(tǒng)中車身顏色自動識別方法，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)中車身顏色自動識別方法，其特征在于，所述步驟(5)中，所述離線樣本訓(xùn)練的分類器識別參數(shù)通過以下步驟來獲取(1)選擇不同類車身顏色的若干訓(xùn)練樣本；(2)計算樣本的多維特征向量；(3)利用LDA方法對高維特征向量進行降維，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，對各類別樣本進行聚類，根據(jù)訓(xùn)練樣本的測試識別率反饋調(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)中車身顏色自動識別方法，其特征在于，所述步驟(6)包括以下子步驟(1)對當前車輛圖像處于白天和夜晚的時間模式進行算法判斷，其主要步驟如下(a)計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)計圖像平均亮度閾值和低亮度像素的比例閾值，并將其與當前計算的值進行比較來判斷車輛是處于白天還是夜晚；(2)對易交叉的顏色類(如，深藍色與黑色，淺紅色與黃色等)及初識別結(jié)果可信度較低的顏色進行校正與確認。
8.根據(jù)權(quán)利要求1所述車輛智能監(jiān)控系統(tǒng)中車身顏色自動識別方法，其特征在于，所述步驟(6)中，所述先驗知識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)中車身顏色自動識別方法，其特征在于，所述步驟(6)中，所述車身顏色初識別結(jié)果的可信度Pr=I- 1/ _2，其中dl為分類器最小準則值，d2為分類器次小準則值；通過比較當前計算得到的識別結(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)中車身顏色自動識別方法，該方法首先根據(jù)所得車牌的位置和車身紋理特征，檢測代表車身顏色的特征區(qū)域；然后對車身特征區(qū)域像素進行色彩空間轉(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方法對獲取的高維特征進行特征降維；通過車身顏色多類子空間分析后，利用離線訓(xùn)練分類器的識別參數(shù)，采用多特征模板匹配或SVM方法進行子空間的車身顏色識別；最后根據(jù)初識別可信度和顏色先驗知識，對易交叉和可信度低的顏色進行校正,以得到最終的車身顏色識別結(jié)果；本發(fā)明適用于白天、夜晚及多光照條件，且識別速度快、識別準確率高。
文檔編號G06K9/62GK102184413SQ201110124540
公開日2011年9月14日 申請日期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, 張興明, 朱江明, 陳以超 申請人:浙江大華技術(shù)股份有限公司