一种基于BP神经网络的车辆颜色识别方法技术

本发明专利技术公开了一种基于BP神经网络的车辆颜色识别方法，与现有的车辆颜色识别方法相比，本发明专利技术使用计算机视觉技术，通过提取车辆颜色特征、结合HSV颜色空间模型并通过BP神经网络分类解决了车辆颜色识别问题，并能同时兼顾车头与车尾的识别，改善了以车牌辨车的传统工作模式，为打击汽车套牌、一车多牌、假牌照等违法犯罪行为提供了可靠帮助，进一步提高了智能交通的可靠性，节省了大量的人力成本。

A method of vehicle color recognition based on BP neural network

The invention discloses a vehicle color recognition method based on BP neural network, compared with the existing vehicle color recognition method, the invention uses computer vision technology, through the extraction of vehicle color features, combined with HSV color space model and the BP neural network classification to solve the vehicle color recognition problem, and can simultaneously identify the front and the car the tail, to improve the traditional working mode in car license plate recognition, provide reliable help to combat the car deck, a car license, fake license and other criminal acts, to further improve the reliability of intelligent transportation, save a lot of manpower cost.

【技术实现步骤摘要】
一种基于BP神经网络的车辆颜色识别方法
本专利技术属于计算机视觉技术和图像处理
，具体涉及一种基于BP神经网络的车辆颜色识别方法。
技术介绍
随着科学技术和社会经济的高速发展，人民生活水平不断提高，车辆数量也在飞速增长，城市道路交通问题显得越来越突出，各种道路交通问题接踵而至，以人眼识别为主的传统道路监控方式便无法满足要求，现代化智能交通控制系统已成为未来全球道路交通的发展趋势和现代化城市的先进标志。近年来，遮挡车牌、汽车套牌等妨碍交通秩序的违法行为层出不穷，仅依靠车牌识别已不能适应当前的交通现状了，因此，车辆的颜色识别技术变得更为重要，它可以弥补车牌识别的不足，从而进一步提高智能交通系统的可靠性。视频中运动车辆的颜色识别与检测是近年来智能交通管理系统中比较关注的研究方向之一。目前，国内已有一些车辆颜色识别的方法，其中与本专利技术较为相近的技术方案包括：文献(周律，叶涛涛，王新华，朱金龙，周昱明。基于车身颜色搜索未识别的车牌图片研究[J]。信息技术,2014，8：92-95)首先将车脸前部靠近排气扇部分作为车辆颜色的识别区域并将该区域归一化为一种色值，通过在CIELab颜色空间本文档来自技高网...

【技术保护点】
一种基于BP神经网络的车辆颜色识别方法，具体步骤如下：步骤1：定义车身颜色集合为C＝{c1,c2,c3,c4,c5,c6,c7,c8,c9,c10}＝{黑,灰,白,粉,棕,红,黄,绿,蓝,紫}，并建立相应的颜色数据集；步骤2：构建用于颜色分类的BP神经网络并用步骤1中的颜色数据集进行训练；步骤3：利用交叉路口的监控摄像头采集RGB图像并对采集到的图像使用中值滤波处理，利用车辆检测跟踪算法提取得到车辆区域并将其转到HSV颜色空间下，得到图像I；步骤4：利用车牌识别算法提取图像I中的车牌矩形区域R＝(x，y，w，h)，其中图像I的左上角为像素坐标原点，(x,y)为车牌矩形区域左上角的坐标，h与w分...

【技术特征摘要】
1.一种基于BP神经网络的车辆颜色识别方法，具体步骤如下：步骤1：定义车身颜色集合为C＝{c1,c2,c3,c4,c5,c6,c7,c8,c9,c10}＝{黑,灰,白,粉,棕,红,黄,绿,蓝,紫}，并建立相应的颜色数据集；步骤2：构建用于颜色分类的BP神经网络并用步骤1中的颜色数据集进行训练；步骤3：利用交叉路口的监控摄像头采集RGB图像并对采集到的图像使用中值滤波处理，利用车辆检测跟踪算法提取得到车辆区域并将其转到HSV颜色空间下，得到图像I；步骤4：利用车牌识别算法提取图像I中的车牌矩形区域R＝(x，y，w，h)，其中图像I的左上角为像素坐标原点，(x,y)为车牌矩形区域左上角的坐标，h与w分别为车牌矩形区域的高和宽，单位为像素；步骤5：确定I为车尾图像还是车头图像，具体为：步骤5.1：根据公式(4)确定矩形特征区域D：其中，ρ1，ρ2为比例系数，(xd,yd)为矩形区域D左上角的坐标，hd与wd分别为矩形区域D的高和宽；步骤5.2：将D划分为大小相等的Nrow*Ncol个矩形超像素块，Nrow与Ncol分别为超像素块的行总数与列总数，每个超像素块的大小为N＝width*height,并根据公式(5)，(6)，(7)，(8)筛选出有效超像素块集合D*：其中，λ为标准差阈值，Dij为第i行第j列的超像素块，为Dij的像素标准差，与分别为Dij在k通道上的标准差与灰度平均值，k＝1,2,3，为第k个通道的权重系数，表示Dij的第k通道图像，表示中在坐标点(x,y)处的像素灰度值；步骤5.3：将D*中每个超像素块Dij的传入步骤2训练所得的神经网络模型，输出为令则超像素块Dij的颜色为Cij＝cq，其中，表示超像素块Dij为颜色cr的概率，cr∈C,cq∈C；步骤5.4：根据式(9)统计D*中每一行中识别出的每种颜色的数量并根据式(10)和(11)计算每一行是否有效：若Fi为1，则表示第i行为有效行，否则，为无效行；将所有的无效行从D*中剔除：

【专利技术属性】
技术研发人员：高飞，倪逸扬，蔡益超，金一鸣，卢书芳，毛家发，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江,33