本发明专利技术公开了一种颜色识别方法、相关设备以及装置，其中，颜色识别方法包括：从包含目标对象的待识别图中，确定目标对象的至少一个局部区域图像；分别对至少一个局部区域图像进行识别，得到各局部区域图像对应的颜色信息和干扰特征信息，其中，干扰特征信息是基于局部区域图像中是否存在干扰特征确定的；基于各局部区域图像的颜色信息和干扰特征信息，确定目标对象的颜色。通过上述方式，本发明专利技术能够提高颜色识别的准确性和鲁棒性。色识别的准确性和鲁棒性。色识别的准确性和鲁棒性。
【技术实现步骤摘要】
颜色识别方法、相关设备以及装置
[0001]本专利技术涉及图像识别领域，特别是涉及颜色识别方法、相关设备以及装置。
技术介绍
[0002]当前，计算机视觉被广泛地应用到人脸识别、安防、无人驾驶等各个领域，其中，图像识别技术是计算机视觉技术的一个重要分支，而颜色属性是图像中最显著的区分点之一，因此颜色识别在图像识别中尤为重要。
[0003]颜色识别具体是一种检测技术，其在自动化控制、彩色打印、医疗诊断、信息采集、印刷材料等应用场合中均具有广泛的应用价值。
[0004]但目前的颜色识别往往只会按照进行单一颜色的识别。针对多颜色目标对象，只识别面积较大的颜色，而这种识别方法往往难以准确地反映目标对象整体的颜色，颜色识别精度不高。
技术实现思路
[0005]本专利技术提供了一种颜色识别方法、相关设备以及装置，以提高对目标对象进行颜色识别的准确性和鲁棒性。
[0006]为解决上述技术问题，本专利技术提供一种颜色识别方法，包括：从包含目标对象的待识别图中，确定目标对象的至少一个局部区域图像；分别对至少一个局部区域图像进行识别，得到各局部区域图像对应的颜色信息和干扰特征信息，其中，干扰特征信息是基于局部区域图像中是否存在干扰特征确定的；基于各局部区域图像的颜色信息和干扰特征信息，确定目标对象的颜色。
[0007]其中，基于各局部区域图像的颜色信息和干扰特征信息，确定目标对象的颜色，包括：基于各局部区域图像的颜色信息、干扰特征信息以及各局部区域图像对应的权重，从各局部区域图像的颜色信息中确定每种颜色信息对应的权重值；基于每种颜色信息对应的权重值确定目标对象的颜色。
[0008]其中，基于每种颜色信息对应的权重值确定目标对象的颜色，包括响应于权重值最大的颜色信息与权重值第二大的颜色信息之间的权重差值不小于预设差值，将权重值最大的颜色信息对应的颜色确定为目标对象的颜色；响应于权重值最大的颜色信息与权重值第二大的颜色信息之间的权重差值小于预设差值，将各局部区域图像的颜色信息分别对应的颜色确定为目标对象的颜色。
[0009]其中，将各局部区域图像的颜色信息分别对应的颜色确定为目标对象的颜色，包括：将各局部区域图像的颜色信息分别对应的颜色按照各局部区域图像的位置分布信息依次进行排列；将排列后的颜色的组合确定为目标对象的颜色。
[0010]其中，基于各局部区域图像的颜色信息、干扰特征信息以及各局部区域图像对应的权重，从各局部区域图像的颜色信息中确定每种颜色信息对应的权重值之前，还包括：获取到各局部区域图像的预设权重；减小各局部区域图像中的干扰区域对应的预设权重，并
将减小后的预设权重作为干扰区域对应的权重值；干扰区域为干扰特征信息表征存在至少一种干扰特征的局部区域图像；将各局部区域图像中的非干扰区域的预设权重，确定为非干扰区域对应的权重值；非干扰区域为干扰特征信息表征不存在至少一种干扰特征的局部区域图像。
[0011]其中，干扰区域的预设权重的减小值与干扰区域中存在的至少一种干扰特征的数量呈正相关。
[0012]其中，分别对至少一个局部区域图像进行识别，得到各局部区域图像对应的颜色信息和干扰特征信息，包括：通过卷积神经网络，利用多独立标签激活函数分别对各局部区域图像进行识别，确定各局部区域图像的颜色信息和干扰特征信息。
[0013]其中，从包含目标对象的待识别图中，确定目标对象的至少一个局部区域图像，包括：对待识别图进行关键点识别，确定待识别图中目标对象的多个关键点；基于多个关键点对待识别图进行划分，得到目标对象的至少一个局部区域图像。
[0014]其中，基于多个关键点对待识别图进行划分，得到目标对象的至少一个局部区域图像，包括：沿着多个关键点中各相邻且对应的关键点之间的连接线对待识别图进行划分，得到目标对象的至少一个局部区域图像。
[0015]其中，目标对象包括车辆；从包含目标对象的待识别图中，确定目标对象的至少一个局部区域图像，包括：从包含车辆的待识别图中，确定车辆的前脸区域，引擎盖区域，侧身区域及车顶区域中的至少一个局部区域图像；基于各局部区域图像的颜色信息和干扰特征信息，确定目标对象的颜色，包括：基于各局部区域图像的颜色信息和干扰特征信息，确定车辆的颜色。
[0016]其中，干扰特征包括遮挡特征、曝光特征、反光特征以及倒影特征中的至少一种。
[0017]为解决上述技术问题，本专利技术还提供了一种电子设备，电子设备包括：相互耦接的存储器和处理器，处理器用于执行存储器中存储的程序指令，以实现上述任一项的颜色识别方法。
[0018]为解决上述技术问题，本专利技术还提供了一种计算机可读存储介质，计算机可读存储介质存储有程序数据，程序数据能够被执行以实现如上述任一项的颜色识别方法。
[0019]本专利技术的有益效果是：区别于现有技术的情况，本专利技术从包含目标对象的待识别图中，确定目标对象的至少一个局部区域图像；分别对至少一个局部区域图像进行识别，得到各局部区域图像对应的颜色信息和干扰特征信息，其中，干扰特征信息是基于局部区域图像中是否存在干扰特征确定的；基于各局部区域图像的颜色信息和干扰特征信息，确定目标对象的颜色，能够精细化目标对象的颜色识别区域，提高颜色识别时局部区域图像的颜色单一性，减少无效色块的干扰，提高局部区域图像颜色识别的准确性，进而提高整个颜色识别的准确率。且确定整个目标对象的颜色时，基于各局部区域图像的干扰特征信息对颜色信息的可靠性进行考虑，从而增强颜色识别的鲁棒性和可靠性。
附图说明
[0020]图1是本专利技术提供的颜色识别方法一实施例的流程示意图；
[0021]图2是本专利技术提供的颜色识别方法另一实施例的流程示意图；
[0022]图3是图2实施例中待识别图中车辆划分一实施方式的示意图；
[0023]图4是图2实施例中待识别图中人体划分一实施方式的示意图；
[0024]图5是本专利技术提供的电子设备一实施例的结构示意图；
[0025]图6是本专利技术提供的计算机可读存储介质一实施例的结构示意图。
具体实施方式
[0026]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，所描述的实施例仅是本专利技术的一部分实施例，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做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0027]请参阅图1，图1是本专利技术提供的颜色识别方法一实施例的流程示意图。
[0028]步骤S11：从包含目标对象的待识别图中，确定目标对象的至少一个局部区域图像。
[0029]先获取到目标对象的待识别图，即待识别图中包括有目标对象。其中，本实施例的目标对象可以包括车辆、活体器官、人体、衣物、图画、机械器件、灯具、印刷材料等多种具有颜色的对象，在此不做限定。
[0030]在一个具体的应用场景中，可以先对待识别图进行图像处理，例如噪声过滤、自动白平衡、自动曝光、伽马校正、本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种颜色识别方法，其特征在于，包括：从包含目标对象的待识别图中，确定所述目标对象的至少一个局部区域图像；分别对至少一个所述局部区域图像进行识别，得到各所述局部区域图像对应的颜色信息和干扰特征信息，其中，所述干扰特征信息是基于所述局部区域图像中是否存在干扰特征确定的；基于各所述局部区域图像的颜色信息和干扰特征信息，确定所述目标对象的颜色。2.根据权利要求1所述的颜色识别方法，其特征在于，所述基于各所述局部区域图像的颜色信息和干扰特征信息，确定所述目标对象的颜色，包括：基于各所述局部区域图像的颜色信息、干扰特征信息以及各所述局部区域图像对应的权重，从各所述局部区域图像的颜色信息中确定每种颜色信息对应的权重值；基于每种所述颜色信息对应的权重值确定所述目标对象的颜色。3.根据权利要求2所述的颜色识别方法，其特征在于，所述基于每种所述颜色信息对应的权重值确定所述目标对象的颜色，包括：响应于权重值最大的颜色信息与权重值第二大的颜色信息之间的权重差值不小于预设差值，将所述权重值最大的颜色信息对应的颜色确定为所述目标对象的颜色；响应于权重值最大的颜色信息与权重值第二大的颜色信息之间的权重差值小于预设差值，将各所述局部区域图像的颜色信息分别对应的颜色确定为所述目标对象的颜色。4.根据权利要求3所述的颜色识别方法，其特征在于，所述将各所述局部区域图像的颜色信息分别对应的颜色确定为所述目标对象的颜色，包括：将各所述局部区域图像的颜色信息分别对应的颜色按照各所述局部区域图像的位置分布信息依次进行排列；将排列后的颜色的组合确定为所述目标对象的颜色。5.根据权利要求2所述的颜色识别方法，其特征在于，所述基于各所述局部区域图像的颜色信息、干扰特征信息以及各所述局部区域图像对应的权重，从各所述局部区域图像的颜色信息中确定每种颜色信息对应的权重值之前，还包括：获取到各所述局部区域图像的预设权重；减小各所述局部区域图像中的干扰区域对应的预设权重，并将减小后的预设权重作为所述干扰区域对应的权重值；所述干扰区域为干扰特征信息表征存在至少一种干扰特征的所述局部区域图像；将各所述局部区域图像中的非干扰区域的所述预设权重，确定为所述非干扰区域对应的权重值；所述非干扰区域为干扰特征信息表征不存在至少一种干...
【专利技术属性】
技术研发人员：杜治江，
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：
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。