一种基于区域辨别的车辆颜色识别方法技术

本发明专利技术涉及一种基于区域辨别的车辆颜色识别方法，使用检测出的整车图像作为输入，采用深度学习算法框架，经过车辆颜色区域辨别、车辆颜色特征提取和车辆颜色判断各步骤处理之后，输出待识别车辆的颜色类别；所述车辆颜色区域辨别，是将整车图像中依据颜色信息量辨别出整车图像中颜色识别的主线索区域、辅助识别区域，以及无关区域，并通过对这些区域的准确检测，分别提取车辆颜色特征，以实现对车辆颜色的准确识别。将整车图像划分为颜色识别的主线索区域、辅助识别区域和无法区域，在识别过程中剔除无关区域，同时结合主线索区域和辅助识别区域的特征对车辆颜色进行识别，从而能够提高复杂监控场景下的车辆颜色识别准确率。

【技术实现步骤摘要】

本专利技术涉及计算机视觉领域，尤其涉及智能交通系统中的车辆颜色识别方法。
技术介绍
近年来，计算机视觉技术(ComputerVision)及其应用取得了较大的发展，极大地刺激了智能交通系统(Intellectualtransportationsystem)中的视觉图像处理的应用需求，基于视觉技术实现车辆颜色识别正是在这个背景下提出的。目前，已有的车辆颜色识别方法主要分为以下两类。第一类是基于车牌位置定位的颜色识别方法，先对车辆进行车牌检测，接着提取车牌附近区域的颜色特征，并使用颜色分类器进行判断。第二类方法是对车辆区域进行随机取样，并将采用出来的区域作为颜色判断的依据。具体地，首先对车辆区域进行随机取样，然后将从各采用区域提取出来的特征拼成一个向量，送入颜色分类器。虽然这些已有方法都考虑到了车辆颜色分布的复杂性，但也存在着明显弊端：在第一种方法中，由于不同车型在车牌附近的颜色分布差异巨大，直接将车牌附近的颜色作为车身颜色存在以偏概全的问题，而且该方法对无车牌的车辆无法奏效；在第二种方法中，当待识别车辆的颜色不单一时，该特征的语义特性就会受到影响，从而降低颜色识别的准确率。由于机动车颜色分布的复杂性，以及车身颜色易受环境的影响，已有的车辆颜色识别方法都难以达到理想的车辆识别准确率，且容易受到车辆类型等客观因素的限制。
技术实现思路
本专利技术技术解决问题：克服现有技术的不足，提供一种基于区域辨别的车辆颜色识别方法，将整车图像划分为颜色识别的主线索区域、辅助识别区域和无关线索区域，在识别过程中剔除无关线索区域，同时结合主线索区域和辅助识别区域的特征对车辆颜色进行识别，从而能够提高复杂监控场景下的车辆颜色识别准确率。本专利技术公开了一种基于区域辨别的车辆颜色识别方法，其特征在于，使用检测出的整车图像作为输入，采用深度学习算法框架，依次经过车辆颜色区域辨别、车辆颜色特征提取和车辆颜色判断各步骤处理之后，输出待识别车辆的颜色类别。所述的车辆颜色区域辨别，是将整车图像中依据颜色信息量划分为不同的区域，其特征在于采用多尺度检测方法和多区域检测方法，辨别出整车图像中颜色识别的主线索区域、辅助识别区域，以及无关线索区域。进一步的，所述的主线索区域、辅助识别区域，以及无关线索区域，指整车图像中包含不同颜色信息量的区域。在整车图像中，车辆的颜色信息分布复杂，通常情况下，主要的颜色信息集中在车辆的引擎盖以及车顶部分，但是在实际道路中，不同车辆的引擎盖，车顶形状差异巨大，定位难度大。同时由于自然光的影响，在车辆的表面还会存在严重的反光现象，这些反光随机的存在于车辆的不同区域，导致这些区域不同程度的颜色丢失。结合这些情况，在本专利技术中根据不同区域的颜色信息量将车辆的表面区域划分为主线索区域、辅助识别区域，以及无关线索区域。具体地，所述的无关线索区域是指车辆的车窗部分，该区域在整车图像中的占比大，但是不包含任何车辆颜色信息。所述的辅助识别区域是指车辆表面的反光区域，该区域由于受到自然光的影响，会出现不同程度的颜色信息丢失。所述的主线索区域是指在整车图像中除了无关区域以及辅助识别区域以外的部分，这部分区域中颜色信息丰富，与车体颜色的相关度高。进一步地，所述的多尺度检测方法，其特征在于一个检测网络中融合了多尺度检测能力，可以适应检测目标在尺度上的差异，主要解决以下的三个多尺度问题，包括：实际监控道路上车辆类型不同而导致的尺度差异，车辆距离监控探头距离不等而导致整车图像在尺度上的差异，以及车辆上不同反光区域之间尺度上的差异。具体地，将SPP-net(空间池化网络)作为检测的网络结构，利用其中的多尺度特征池化层完成不同尺度区域的特征提取并且进行归一化。进一步地，所述的多区域检测方法，其特征在于针对本专利技术中存在的不同颜色信息区域，一幅整车图像只需执行一次检测，即可检测出所有的主线索区域、辅助识别区域和无关线索区域。具体地，采用selectivesearch算法和滑窗法作为提取候选区域的算法，利用车窗的长宽比作为先验知识，设置滑窗的大小，可以有效的提取车窗区域。selectivesearch算法利用图像的边缘信息以及区域的颜色信息可以充分提取具有相似颜色候选区域的能力，可以有效的提取反光区域。通过结合两种候选区域生成的算法，有效地克服了车窗区域以及反光区域在形状、大小，以及颜色信息上的差异，实现了多种类型区域的同时提取。所述的车辆颜色特征提取，其特征在于采用使用卷积神经网络自动生成颜色特征，而不是采用传统的颜色统计量作为颜色特征。具体地，针对颜色识别这个特定任务训练卷积神经网络模型，使用卷积神经网络分别对车辆的主线索区域和辅助区域提取颜色特征。进一步地，为了学习适用于本专利技术中颜色识别的卷积神经网络，在本专利技术中结合颜色区域辨别以及颜色特征的特点对数据集进行预处理。利用区域判别对整车图像进行检测，只保留其中的主线索区域，其余部分使用训练集中的均值数据进行填充。由于颜色特征与图像纹理无关，在本专利技术中采用高斯模糊算子对图像进行了高斯模糊，通过减少图像的纹理特征，提升卷积神经网络对于颜色特征关注度。所述的车辆颜色判断，其特征在于采用特征融合的方法综合利用主线索区域以及辅助识别区域的颜色特征作为车辆颜色判断的依据。具体地，将主线索区域的特征与辅助识别区域的特征进行拼接，作为整车图像最终的颜色特征。通过采用特征融合的方法，结合主线索区域以及辅助识别区域的颜色信息，可以有效地应对辅助识别区域在不同光照情况造成的颜色信息损失，当辅助识别区域由于反光严重丢失较多颜色信息时，主线索区域部分的颜色特征将起到决定性的作用，当辅助识别区域的反光情况不严重时，辅助识别区域部分的特征也会对车辆颜色的分类产生影响，有助于提升车辆颜色判断的准确率。本专利技术与现有技术相比的优点在于：将车辆区域划分为主线索区域、辅助识别区域和无关线索区域，并通过对这些区域的准确检测，分别提取颜色特征，以实现对车辆颜色的准确识别。具体来说，在车辆颜色区域辨别中，针对车窗以及反光区域的形状特性，结合了selectivesearch算法和滑窗法提取检测候选区域，提升了区域检测的准确率；针对监控场景中车辆车型大小以及车辆距离监控摄像头距离远近不同导致的多尺度问题，采用SPP-net(空间池化网络)作为检测的网络结构，使用多尺度的图像训练网络，使得网络具有识别多尺度车窗以及多反光区域的能力。在颜色特征提取中，剔除无关区域之后，针对主线索区域以及辅助区域，分别提取颜色特征，将两个部分特征融合在一起用于判断车辆颜色类别，提升了车辆颜色判别的鲁棒性。另外，在输入网络之前，利用高斯核对图像进行预处理，降低网络对于纹理信息的响应，提升了网络结构对于颜色信息的针对性。总之，本专利技术针对车辆颜色分布的特性，充分利用主线索区域和辅助识别区域的颜色特征作为车辆颜色辨别的依据，极大地提高了识别准确率，很好地处理了实际道路上车辆颜色的分布复杂、易受环境干扰的难点。与上述选取可能存在车辆颜色区域的方法不同，本专利技术公开了一种基于区域辨别的车辆颜色识别方法，它直接处理检测出的整车图像，并划分为不同类型区域，包括主线索区域、辅助识别区域和无关线索区域。在具体处理中，将无关线索区域剔除，结合主线索区域以及辅助识别区域的特征进行车辆颜色识别。所谓本文档来自技高网...

【技术保护点】
一种基于区域辨别的车辆颜色识别方法，其特征在于：使用检测出的整车图像作为输入，采用深度学习算法框架，经过车辆颜色区域辨别、车辆颜色特征提取和车辆颜色判断各步骤处理之后，输出待识别车辆的颜色类别；所述车辆颜色区域辨别，是将整车图像中依据颜色信息量辨别出整车图像中颜色识别的主线索区域、辅助识别区域及无关区域，并通过对这些区域的准确检测，分别提取车辆颜色特征，以实现对车辆颜色的准确识别。

【技术特征摘要】
1.一种基于区域辨别的车辆颜色识别方法，其特征在于：使用检测出的整车图像作为输入，采用深度学习算法框架，经过车辆颜色区域辨别、车辆颜色特征提取和车辆颜色判断各步骤处理之后，输出待识别车辆的颜色类别；所述车辆颜色区域辨别，是将整车图像中依据颜色信息量辨别出整车图像中颜色识别的主线索区域、辅助识别区域及无关区域，并通过对这些区域的准确检测，分别提取车辆颜色特征，以实现对车辆颜色的准确识别。2.根据权利要求1所述的基于区域辨别的车辆颜色识别方法，其特征在于：所述主线索区域、辅助识别区域，以及无关线索区域，指整车图像中包含不同颜色信息量的区域，无关线索区域是指车辆的车窗部分，该无关线索区域在整车图像中的占比大，但是不包含任何车辆颜色信息，辅助识别区域是指车辆表面的反光区域，主线索区域是指在整车图像中除了无关区域以及辅助识别区域以外的部分，这部分区域中颜色信息丰富，与车体颜色的相关度高。3.根据权利要求1所述的基于区域辨别的车辆颜色识别方法，其特征在于：采用多尺度检测方法和多区域检测方法，辨别出整车图像中颜色识别的主线索区域、辅助识别区域，以及无关区域。4.根据权利要求3所述的基于区域辨别的车辆颜色识别方法，其特征在于：所述多尺度检测方法将SPP-net作为检测的网络结构，利用其中的多尺度特征池化层完成不同尺度区域的特征提取并且进行归一化。5.根据权利要求3所述的基于区域辨别的车辆颜色识别方法，其特征在于：所述多区域检测方法采用selectivesearch...

【专利技术属性】
技术研发人员：康乾道，
申请(专利权)人：安徽水滴科技有限责任公司，
类型：发明
国别省市：安徽;34