The invention discloses a vehicle color recognition method and device, and electronic device, the method comprises the following steps: to be included image acquisition and recognition of vehicle monitoring to the vehicle in the ROI region of interest, all areas of the ROI region of the vehicle for the image includes the identification of the vehicle; and from the ROI vehicle area extraction of at least one vehicle sub region; and to extract the feature information of each vehicle area, and extracting the vehicle ROI regional characteristic information; according to the characteristic information of the vehicle ROI regional characteristic information and each vehicle sub region, using the vehicle color classifier gets the preset identification of vehicles. Using the method provided by this invention, the vehicle color can be accurately identified even when the weather, light and other environment are not good or the license plate is blocked.
【技术实现步骤摘要】
一种车辆颜色识别方法、装置和电子设备
本专利技术涉及模式识别与机器学习
,尤其涉及一种车辆颜色识别方法、装置和电子设备。
技术介绍
随着社会经济的快速发展,辅助驾驶和无人驾驶逐渐进入了人们的生活当中。在安防领域和智慧城市中,对视频序列的内容分析有着至关重要的作用,其中对车辆属性的识别尤其重要。然而在实际场景中,由于车牌遮挡或车辆没有车牌或车辆存在一车多牌情况等导致车辆的车牌信息无法识别时,车辆颜色识别对于车辆的分析可以起到事半功倍的效果,且车辆颜色对于案件侦查和套牌识别等起着至关重要的作用。现有的车辆颜色识别方法需要在特定条件下识别出的车辆颜色效果较好,受条件限制。例如,基于色差的车辆颜色识别算法,该方法主要将RGB(Red,Green,Blue;红,绿,蓝)空间转换到HIS(Hue,Intensity,Saturation;色调,强度,饱和度)空间然后在HIS空间计算色差值,确定颜色表中查找到的色差值最小对应的颜色为车辆颜色识别结果;该方法只有在光线较好的情况下,如白天场景且没有较大干扰的情况下,可以获得较好的车辆颜色识别结果。但实际应用场景中,由于实际条件的影响,识别结果将会差。再比如,基于色度信息和SVM(SupportVectorMachine,支持向量机)的识别算法,识别原理为:首先将RGB空间转换到LAB和HSV(Hue,Saturation,Value;色调,饱和度,亮度)空间,然后分别利用色度信息的颜色进行合并,分别在不同的特征颜色区间进行SVM分类和最近邻分类识别,最终得到车身颜色识别结果,该方法可以提高车辆颜色识别结果的准确率,但 ...
【技术保护点】
一种车辆颜色识别方法,其特征在于,包括:获取监控到的图像中包含的待识别车辆的车辆感兴趣ROI区域,所述车辆ROI区域为所述图像包含的所述待识别车辆的全部区域;以及从所述车辆ROI区域中提取至少一个车辆子区域;并分别提取各个车辆子区域的特征信息,以及提取所述车辆ROI区域的特征信息;根据所述车辆ROI区域的特征信息和各个车辆子区域的特征信息,利用预设分类器获得所述待识别车辆的车辆颜色。
【技术特征摘要】
1.一种车辆颜色识别方法,其特征在于,包括:获取监控到的图像中包含的待识别车辆的车辆感兴趣ROI区域,所述车辆ROI区域为所述图像包含的所述待识别车辆的全部区域;以及从所述车辆ROI区域中提取至少一个车辆子区域;并分别提取各个车辆子区域的特征信息,以及提取所述车辆ROI区域的特征信息;根据所述车辆ROI区域的特征信息和各个车辆子区域的特征信息,利用预设分类器获得所述待识别车辆的车辆颜色。2.如权利要求1所述的方法,其特征在于,从所述车辆ROI区域提取若干个车辆子区域,具体包括:如果确定出所述车辆ROI区域包含车盖区域和/或保险杠区域,则从所述车辆ROI区域中提取车盖区域和/或保险杠区域,其中所述车盖区域包括前车盖区域或后车盖区域,所述保险杠区域包括前保险杠区域或后保险杠区域。3.如权利要求1所述的方法,其特征在于,获取监控到的图像中包含的待识别车辆的车辆感兴趣ROI区域,具体包括:将所述监控到的图像的格式转换为红绿蓝RGB格式;并从所述RGB格式的图像中获取所述待识别车辆的车辆ROI区域。4.如权利要求1所述的方法,其特征在于,分别提取各个车辆子区域的特征信息,具体包括:针对每一车辆子区域,利用该车辆子区域对应的特征提取模型,提取该车辆子区域的特征信息,并获得该车辆子区域的特征向量;提取所述车辆ROI区域的特征信息,具体包括利用所述车辆ROI区域对应的特征提取模型,提取所述车辆ROI区域的特征信息,并获得所述车辆ROI区域的特征向量。5.如权利要求4所述的方法,其特征在于,针对每一车辆子区域,利用该车辆子区域对应的特征提取模型,提取该车辆子区域的特征信息,并获得该车辆子区域的特征向量,具体包括:根据该车辆子区域的像素值组成的像素矩阵和第一预设数量的卷积核,确定执行相应次数的卷积处理后得到的该车辆子区域的池化矩阵;并对该车辆子区域的池化矩阵进行全连接处理得到相同维数的、该车辆子区域的行向量;确定该车辆子区域的行向量为该车辆子区域的特征向量;以及利用所述车辆ROI区域对应的特征提取模型,提取所述车辆ROI区域的特征信息并获得所述车辆ROI区域的特征向量,具体包括:根据所述车辆ROI区域的像素值组成的像素矩阵和第二预设数量的卷积核,确定执行相应次数的卷积处理后得到的所述车辆ROI区域的池化矩阵;并对所述车辆ROI区域的池化矩阵进行全连接处理得到相同维数的、所述车辆ROI区域的行向量;确定所述车辆ROI区域的行向量为所述车辆ROI区域的特征向量。6.如权利要求5所述的方法,其特征在于,根据该车辆子区域的像素值组成的像素矩阵和第一预设数量的卷积核,确定执行相应次数的卷积处理后得到的该车辆子区域的池化矩阵,或者根据所述车辆ROI区域的像素值组成的像素矩阵和第二预设数量的卷积核,确定执行相应次数的卷积处理后得到的所述车辆ROI区域的池化矩阵,具体包括:针对第N次卷积处理,执行以下过程:对第N-1次卷积处理得到的卷积矩阵执行下采样处理,得到第N次卷积对应的下采样矩阵;并利用第N个卷积核对第N次卷积对应的下采样矩阵执行第N次卷积处理得到第N次卷积处理的卷积矩阵;其中,N为介于2与第一预设数量之间的整数,或者介于2与第二预设数量之间的整数,当N为2时,第1次卷积处理得到的卷积矩阵为利用第一个卷积核对所述车辆子区域的像素矩阵或所述车辆ROI区域的像素矩阵执行卷积处理得到的;当N等于第一预设数量时,第N次卷积处理得到的卷积矩阵为该车辆子区域的池化矩阵或当N等于第二预设数量时,第N次卷积处理得到的卷积矩阵为所述车辆ROI区域的池化矩阵。7.如权利要求4所述的方法,其特征在于,根据所述车辆ROI区域的特征信息和各个车辆子区域的特征信息,利用预设分类器确定所述待识别车辆的车辆颜色,具体包括:将所述车辆ROI区域的特征向量与各个车辆子区域的特征向量进行特征融合,得到所述待识别车辆的特征向量;并根据所述待识别车辆的特征向量,利用所述预设分类器分别确定所述预设分类器中存储的各颜色的置信度值;将置信度取值最大的颜色确定为所述待识别车辆的车辆颜色。8.如权利要求6所述的方法,其特征在于,所述预设分类器存储的各颜色为单色或组合色。9.一种车...
【专利技术属性】
技术研发人员:付建海,
申请(专利权)人:浙江大华技术股份有限公司,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。