一种基于深度神经网络的车辆颜色识别方法技术

本发明专利技术属于图像处理技术领域，具体涉及一种基于深度神经网络的车辆颜色识别方法，包含步骤：S1：获取输入的待识别车辆颜色的图片；S2：分别对车顶区域、车脸区域进行回归获取车顶区域和车脸区域；S3：对车顶和车脸区域进行多尺度划分获得多个子区域；S4：对所述多个子区域进行颜色识别，获得所述子区域的颜色识别结果；S5：对所述子区域的颜色识别结果进行加权计算，获取车辆的颜色。从而过滤或者减小了车脸进气格栅和车顶天窗对车辆颜色识别的干扰，提升了车辆颜色识别的准确性。

【技术实现步骤摘要】
一种基于深度神经网络的车辆颜色识别方法
本专利技术属于图像处理
，具体涉及一种基于深度神经网络的车辆颜色识别方法。
技术介绍
在卡口场景下的过车颜色识别场景下，摄像头需要采集过往车辆信息进行识别，由于卡扣场景下光线环境非常的复杂，会发生过爆以及车身颜色漂移与背景颜色难以分离，以及夜间环境光线不足，通常会使用闪光灯进行拍摄补光，但车辆区域对强光的漫反射，以及车辆大灯强光对摄像头的干扰，会导致采集到的图像车牌区域过曝，丢失车身颜色原本的特征，现有的车辆颜色识别系统会因为检测不到车辆区域，或者对车身区域定位不准，以及车身区域有文字，车身拥有多种颜色(车头，车顶颜色不一)从而造成对车辆颜色的错误识别。本专利技术针对这些问题，开发一个高精度的车辆颜色识别算法，旨在提高车辆颜色识别的准确率。目前的车辆颜色识别系统主要分为传统方法和深度学习的方法进行车辆颜色识别。传统的车辆颜色识别方法依靠人工设计的特征确定车身颜色识别的感兴趣区域，进而对感兴趣区域的颜色进行识别，主要方法有1.对感兴趣区域内所有像素点进行SVM颜色分类，统计颜色占比，输本文档来自技高网...

【技术保护点】
1.一种基于深度神经网络的车辆颜色识别方法，其特征在于，所述的方法包含如下步骤：/nS1：获取输入的待识别车辆颜色的图片；/nS2：分别对车顶区域、车脸区域进行回归获取车顶区域和车脸区域；/nS3：对车顶和车脸区域进行多尺度划分获得多个子区域；/nS4：对所述多个子区域进行颜色识别，获得所述子区域的颜色识别结果；/nS5：对所述子区域的颜色识别结果进行加权计算，获取车辆的颜色。/n

【技术特征摘要】
1.一种基于深度神经网络的车辆颜色识别方法，其特征在于，所述的方法包含如下步骤：
S1：获取输入的待识别车辆颜色的图片；
S2：分别对车顶区域、车脸区域进行回归获取车顶区域和车脸区域；
S3：对车顶和车脸区域进行多尺度划分获得多个子区域；
S4：对所述多个子区域进行颜色识别，获得所述子区域的颜色识别结果；
S5：对所述子区域的颜色识别结果进行加权计算，获取车辆的颜色。


2.根据权利要求1所述的基于深度神经网络的车辆颜色识别方法，其特征在于，在步骤S1中，还包括对所述输入的待识别车辆颜色的图片进行预处理步骤：
S1.1：采用高斯滤波或拉普拉斯滤波的方法对所述图片的噪声进行滤除；
S1.2：采用直方图均衡增强图像的对比度，凸显所述图片的细节，将图片直方图比较集中的某个区间变成在全部范围的均匀分布。


3.根据权利要求1所述的基于深度神经网络的车辆颜色识别方法，其特征在于，在步骤S2中，对车脸和车顶区域进行多尺度划分，以过滤或者减小车脸进气格栅和车顶天窗对车辆颜色识别的干扰。


4.根据权利要求3所述的基于深度神经网络的车辆颜色识别方法，其特征在于，所述的多尺度划分具体为：将车顶和车脸区域分别划分成8x864个子区域，并记录每个子区域在车脸和车顶的原始位置...

【专利技术属性】
技术研发人员：王祥雪，朱婷婷，董振江，林焕凯，谭焕新，刘双广，
申请(专利权)人：高新兴科技集团股份有限公司，
类型：发明
国别省市：广东;44