一种颜色分类识别方法、装置及自动驾驶系统制造方法及图纸

本发明专利技术提供一种颜色分类识别方法、装置与自动驾驶系统，该颜色分类识别方法包括：将待识别目标图像转换为HSL颜色空间图像后进行色谱转换，得到待识别目标图像的色谱；将色谱与多个预设颜色类别的色谱进行相似性度量，得到色谱与每个所述预设颜色类别的色谱相似性分数；将每个相似性分数与预设阈值进行比较，确定大于预设阈值的所述相似性分数所对应的预设颜色类别为待识别目标图像的颜色类别。在本发明专利技术的技术方案中，首先获取待识别目标的色谱，再将待识别目标的色谱与已知类别色谱进行相似性度量，当相似性分数大于给定阈值时，则判定待识别目标为该已知颜色类别。

【技术实现步骤摘要】
一种颜色分类识别方法、装置及自动驾驶系统
本专利技术涉及图像处理领域，特别涉及一种颜色分类识别方法、装置及自动驾驶系统。
技术介绍
在实际应用中，通常需要根据目标的颜色对其进行分类或识别。例如，可以对已知类别标准样品以及待识别目标的图像进行颜色对比分析，根据其颜色的相似性对目标进行分类或识别。通常，相机的输出图像为灰度图像或者RGB颜色空间彩色图像。灰度图像的信息太少，导致识别的准确性不高；而RGB颜色空间不符合人的视觉习惯，也不适合用来进行颜色识别。因此，在现有技术中存在因RGB颜色空间不适合用来进行颜色识别而导致的颜色识别不准确的问题。
技术实现思路
本专利技术提供一种颜色分类识别方法、装置及自动驾驶系统，以解决在现有技术中存在因RGB颜色空间不适合用来进行颜色识别而导致的颜色识别不准确的问题。为了达到上述目的，根据本专利技术的第一个方面，提供一种颜色分类识别方法，并采用如下具体方案：该颜色分类识别方法包括：将待识别目标图像转换为HSL颜色空间图像后进行色谱转换，得到所述待识别目标图像的色谱；将所述色谱与多个预设颜色类别的色谱进行相似性度量，得到所述色谱与每个所述预设颜色类别的色谱相似性分数；将每个所述相似性分数与预设阈值进行比较，确定大于所述预设阈值的所述相似性分数所对应的预设颜色类别为所述待识别目标图像的颜色类别。根据本专利技术的第二个方面，提供一种颜色分类识别装置，并采用如下技术方案：该颜色分类识别装置包括：转换模块，用于将待识别目标图像转换为HSL颜色空间图像后进行色谱转换，得到所述待识别目标图像的色谱；相似性度量模块，用于将所述色谱与多个预设颜色类别的色谱进行相似性度量，得到所述色谱与每个所述预设颜色类别的色谱相似性分数；比较模块，用于将每个所述相似性分数与预设阈值进行比较，确定大于所述预设阈值的所述相似性分数所对应的预设颜色类别为所述待识别目标图像的颜色类别。根据本专利技术的第三个方面，提供一种自动驾驶系统，并采用如下技术方案：该自动驾驶系统包括上述的颜色分类识别装置。本专利技术提出的基于色谱相似性度量的颜色分类识别方法以HSL颜色空间图像为例，进行说明。如果相机的输出图像为RGB颜色空间图像，需要首先转换为HSL颜色空间图像，再在HSL颜色空间进行相关运算。HSL颜色空间是一个三维空间，计算量比较大。色谱能够对三维颜色空间进行一维描述，同时可以较好的保持图像的颜色信息。进而对图像色谱之间的相似性进行对比，完成目标的颜色分类识别。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例所述的一种颜色分类识别方法的简要流程图；图2为本专利技术实施例所述的颜色分类识别流程图；图3为本专利技术实施例提供的HSL颜色空间示意图对应的灰度图像；图4为本专利技术实施例提供的RGB彩色原图对应的灰度图像；图5为图4所述的RGB彩色原图对应的色谱示意图；图6为本专利技术实施例所述的HSL颜色空间颜色分区示意图对应的灰度图；图7为本专利技术实施例所述的色调H方向隶属函数示意图；图8为本专利技术实施例提供的饱和度S方向隶属函数示意图；图9为本专利技术实施例提供的HSL颜色空间色谱转化流程示意图；图10为本专利技术实施例提供的颜色分类识别装置的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。人类视觉颜色空间(HSL颜色空间或HSI颜色空间)是对人类视觉特性的一种直观表示，反映了人类感知和体验颜色的方式。本专利技术提出的颜色分类识别方法以HSL颜色空间图像为例，进行说明。如果相机的输出图像为RGB颜色空间图像，需要首先转换为HSL颜色空间图像，再在HSL颜色空间进行相关运算。HSL颜色空间是一个三维空间，计算量比较大。色谱能够对三维颜色空间进行一维描述，同时可以较好的保持图像的颜色信息。进而对图像色谱之间的相似性进行对比，完成目标的颜色分类识别。参见图1-图2所示，该颜色分类识别方法包括：S101：将待识别目标图像转换为HSL颜色空间图像后进行色谱转换，得到所述待识别目标图像的色谱；S103：将所述色谱与多个预设颜色类别的色谱进行相似性度量，得到所述色谱与每个所述预设颜色类别的色谱相似性分数；S105：将每个所述相似性分数与预设阈值进行比较，确定大于所述预设阈值的所述相似性分数所对应的预设颜色类别为所述待识别目标图像的颜色类别。首先，在步骤S101中，色谱可以表征HSL颜色空间图像的颜色分布。如图3所示，HSL颜色空间将亮度信息从颜色信息中分离出来，使得物体的颜色表示相对于光照条件的变化更加鲁棒。因此，对于相机输出的RGB颜色空间图像首先要将其转换为HSL颜色空间图像，然后在HSL颜色空间生成图像的色谱，得到所述待识别目标图像的色谱。在步骤S103中，将所述色谱与多个预设颜色类别的色谱进行相似性度量，得到所述色谱与每个所述预设颜色类别的色谱相似性分数；在步骤S105中，将每个所述相似性分数与预设阈值进行比较，确定大于所述预设阈值的所述相似性分数所对应的预设颜色类别为所述待识别目标图像的颜色类别。更具体的，参见图2所示，在经过步骤21的待识别图像，到步骤22的HSL颜色空间图像，在步骤23中，将待识别目标图像的色谱分别与类别1色谱相似性，类别2色谱相似性，以至类别N色谱相似性分别一一进行比较，并在步骤24中，判断比较结果是否大于给定阈值，进而在步骤25中，得出分类识别结果。因此，本实施给出的技术方案中，色谱能够对三维颜色空间进行一维描述，同时可以较好的保持图像的颜色信息。进而对图像色谱之间的相似性进行对比，完成目标的颜色分类识别。优选地，所述将待识别目标图像转换为HSL颜色空间图像后进行色谱转换，得到所述待识别目标图像的色谱包括：遍历所述待识别目标图像中的每个像素，根据当前像素的亮度分量、色调分量以及饱和度分量将所述每个像素进行颜色分区归类，并根据所述颜色分区对应生成色谱数组。具体而言，色谱对HSL颜色空间中的色调分量和饱和度分量进行分区表示，统计图像在每个分区中的像素个数，采用直方图的方式表征图像的颜色信息。然而，色调分量和饱和度分量不适合用来表示图像中的白色或黑色区域，通常的图像背景颜色，因此色谱还单独统计了图像中黑色像素点与白色像素点的个数。如图4所示为一幅RGB彩色原图，图5则为对应的色谱示意图。其中，色谱的横轴为颜色分区的编号，纵轴表示每个颜色分区像素数量在整幅图像中所占的比重。更具体的说，色谱通常用一维数组来表示，数组中元素对应该颜色分区的像素数量在整幅图像中所占的比重。如图6(a)所示为HSL颜色空间的颜色分区图。色调维度被划分为若干个等分的扇形，如图6(b)。每一个扇形又被划分为两个部分，如图6(c)：一部分表示高饱和度区域，另一部分表示低饱和度区域。图6(c)中的每一个颜色分区对应色谱数组中的一个元素。除此之本文档来自技高网...

【技术保护点】
1.一种颜色分类识别方法，其特征在于，包括：将待识别目标图像转换为HSL颜色空间图像后进行色谱转换，得到所述待识别目标图像的色谱；将所述色谱与多个预设颜色类别的色谱进行相似性度量，得到所述色谱与每个所述预设颜色类别的色谱相似性分数；将每个所述相似性分数与预设阈值进行比较，确定大于所述预设阈值的所述相似性分数所对应的预设颜色类别为所述待识别目标图像的颜色类别。

【技术特征摘要】
1.一种颜色分类识别方法，其特征在于，包括：将待识别目标图像转换为HSL颜色空间图像后进行色谱转换，得到所述待识别目标图像的色谱；将所述色谱与多个预设颜色类别的色谱进行相似性度量，得到所述色谱与每个所述预设颜色类别的色谱相似性分数；将每个所述相似性分数与预设阈值进行比较，确定大于所述预设阈值的所述相似性分数所对应的预设颜色类别为所述待识别目标图像的颜色类别。2.根据权利要求1所述的颜色分类识别方法，其特征在于，所述将待识别目标图像转换为HSL颜色空间图像后进行色谱转换，得到所述待识别目标图像的色谱包括：遍历所述待识别目标图像中的每个像素，根据当前像素的亮度分量、色调分量与饱和度分量将所述每个像素进行颜色分区归类，并根据所述颜色分区对应生成色谱数组。3.根据权利要求2所述的颜色分类识别方法，其特征在于，在根据所述颜色分区对应生成色谱数组之前，所述颜色分类识别方法还包括：对处于多个相邻颜色分区边界的像素根据隶属函数计算所述像素在所述多个相邻颜色分区的隶属度；根据所述隶属度对所述像素属于所述多个颜色分区中的每一个颜色分区的权重进行重新确定。4.根据权利要求3所述的颜色分类识别方法，其特征在于，所述对处于多个相邻颜色分区边界的像素根据隶属函数计算所述像素在所述多个相邻颜色分区的隶属度包括：根据公式1分别计算所述像素在色调H方向的每一个颜色分区对应的隶属度；根据公式2分别计算所述像素在饱和度S方向的每一个颜色分区对应的隶属度；其中，公式1为：WH为分配给所属分区的隶属度，WidH为分区的宽度，HC为分区中心的色调值，H为当前像素的色调值，分配给相邻分区的隶属度为1-WH；公式2为：WS为分配给该像素所属饱和度分区的隶属度；SatThr为饱和度阈值，用以划分同一个色调分区的高饱和度、低饱和度分区；Sat为当前像素的饱和度值；WidSmin＝min(WidSatlow,WidSathigh)，为低饱和度分区宽度与高饱和度分区宽度中较小的一个，分配给相邻饱和度分区的隶属度为1-WS。5.根据权利要求3所述的颜色分类识别方法，其特征在于，所述根据所述隶属度对所述像素属于所述多个颜色分区中的每一个颜色分区的权重进行重新确定包括：定义所述像素位于2个相邻色调方向分区的隶属度为H1与H2；定义所述像素位于2个相邻饱和度方向分区的隶属度为S1与S2；则所述像素在第1颜色分区的权重＝H1×S1；在所述第2颜色分区的权重＝H1×S2；在第3颜色分区的权重＝H2×S1；在第4颜色分区的权重＝H2×S2。6.根据权利要求2所述的颜色分类识别方法，其特征在于，所述遍历所述待识别目标图像中的每个像素，根据当前像素的亮度分量、色调分量与饱和度分量将所述每个像素进行颜色分区归类，并根据所述颜色分区对应生成色谱数组包括：根据公式3计算每个像素的亮度阈值，并将所述亮度阈值与当前像素在所述HSL颜色空间的亮度分量L进行比较；在L小于所述亮度阈值时，将所述像素归类为黑色区域；在L大于所述亮度阈值时，比较当前像素的颜色饱和分量Sat与10的大小，并在Sat小于10时，将所述像素归类为白色区域，在Sat大于10时，根据H值与Sat值将所述像素归类到对应的颜色分区，L、H为当前像素在HSL颜色空间的亮度分量与色调分量；其中，公式3为：其中BlkThr为亮度阈值，Sat为当前像素的颜色饱和度分量。7.根据权利要求1所述的颜色分类识别方法，其特征在于，所述将所述色谱与多个预设颜色类别的色谱进行相似性度量，得到所述色谱与每个所述预设颜色类别的色谱相似性分数包括：定义所述待识别目标图像的色谱为HT(k)k＝1,...,N，N为色谱数组的长度；定义所述预设颜色类别的色谱为HM(k)k＝1,…,N，则两色谱之间的曼哈顿距离为：其中，DM,T为两色谱之间的曼哈顿距离，值域为0～2；在曼哈顿距离DM...

【专利技术属性】
技术研发人员：柴华，孟然，赖海峰，李飞，崔峰，姜安，朱海涛，庞尊莹，
申请(专利权)人：北京中科慧眼科技有限公司，
类型：发明
国别省市：北京,11