特征区域的定位方法、车身深浅色与车身颜色的识别方法技术

一种用于代表车身深浅色及颜色的特征区域的定位方法，包括：根据所得车辆图像中车辆的参考区域，确定车辆区域；根据车辆区域的纹理特征与结构特征，构建能量分布函数；以能量分布函数中能量最大的点作为中心点，定位出用于代表车身深浅色及颜色的特征区域。本发明专利技术还提供车身深浅色的识别方法及车身颜色的识别方法，应用本发明专利技术可减少计算量、加快计算速度、提高识别准确率。

【技术实现步骤摘要】

本专利技术涉及图像处理
，具体的说，涉及的是一种用于代表车身深浅色及颜色的特征区域的定位方法、车身深浅色的识别方法、车身颜色的识别方法。
技术介绍
在治安卡点与高速公路收费站等场所，可通过架设的智能交通监控系统对交通道路上的车辆进行监控，例如可通过摄像机实时抓拍以获取高清晰的车辆静态图像，利用相关的识别技术从车辆图像中获取准确的车辆相关信息(如车牌号码、车型特征、车辆品牌、或车身深浅色及颜色等)，其中，车牌识别技术通过近年来的研发，发展得较为成熟，例如申请号为200410054049的中国专利申请公开的“具有车道全景监控功能的汽车牌照识别装置及其识别方法”，提供了一种结构简单并可具有较佳牌照识别效果的汽车牌照识别装置及其识别方法。而作为车辆信息中重要部分的车身深浅色及颜色，通过识别技术获取后可与其它信息，例如车牌信息共同地或单独地广泛应用于多种场合，例如查处违章、肇事车辆，以及协助车辆盗抢案件的侦破等。 参考文献(《车辆识别系统中几个关键技术的研究》，王运琼，四川大学博士论文，2004)中阐述了一种利用视频识别汽车颜色的方法，该方法首先利用视频传感器获得包括背景在内的车辆视频图像，通过图像分割方法去除背景以获得车辆的完整图像。而汽车颜色识别就是根据分割出的车辆图像，提取适合于分类的颜色特征，将车身主体颜色分类到指定的颜色类别中，而每种类别中有数量不等的标准颜色值样本。该方法包括根据标准颜色值样本识别出车辆图像中所有单像素点的颜色，然后根据各个像素在不同车型中对车身主体颜色的不同贡献度，将它们进行融合，得到可基本反映车身颜色的最终识别结果。 上述参考文献主要是从多类分类器的角度，利用支持向量机(SupportVector Machine，SVM)较强的泛化性能，利用解决线性不可分样本集的模糊支持向量机与最小二乘支持向量机的方法解决线性可分颜色分类问题，克服了训练样本集各类别分布不均衡导致的分类错误，通过logistic回归SVM方法解决组合多类分类器特有的阴影区域问题，提高了单像素颜色识别准确率。而在车身颜色识别阶段，充分利用了D-S证据理论处理不确定信息的优秀性能，减少了与车身颜色不一致的车轮、车胎、车窗等对车身颜色识别的影响，相对提高了识别的速度及其准确率。 然而，上述车身颜色识别方法采用的是基于动态图像的算法，相对基于静态图像的算法，动态算法所要求的计算量较大，且所得识别结果的精确度也相对较差。另外，上述车身颜色识别方法是对去除背景后的整个车辆视频图像内所有像素点进行颜色识别，不仅运算量大，而且因引入了车辆图像中不能用于代表车身颜色的区域，如车窗等而导致可靠性较差、识别精确度较低。而为了提高可靠性，还需额外采用基于人工统计经验值的D-S证据理论手段来消除包括车轮、车灯、车窗等位置的颜色对车身颜色识别的干扰，如此易影响识别系统的通用性并增加系统的复杂度。
技术实现思路
本专利技术提供一种用于代表车身深浅色及颜色的特征区域的定位方法、车身深浅色的识别方法、车身颜色的识别方法，减少车身深浅色识别及车身颜色识别的运算量、提高车身深浅色识别及车身颜色识别的准确率。 本专利技术一方面提供一种用于代表车身深浅色及颜色的特征区域的定位方法，包括根据所得车辆图像中车辆的参考区域，确定车辆区域；根据车辆区域的纹理特征与结构特征，构建能量分布函数；以能量分布函数中能量最大的点作为中心点，定位出用于代表车身深浅色及颜色的特征区域。 可选的，所述能量分布函数为E(x，y)为点(x，y)的能量，能量分布函数的前一项 用于反映车辆区域的纹理特征，其中，Dis(x，y)为(x，y)到最近的显著边缘的距离，后一项用于反映车辆区域的结构特征，(xID，yID)为参考区域中心，c为经验值，用于反映特征区域与参考区域在纵轴上的估计偏移量；当E(x，y)最大时对应的(x，y)即为所需定位的特征区域中心点。 可选的，所述确定特征区域中心点进一步包括计算像素灰度的差分；根据所设定的阈值，对差分结果进行二值化；对二值化后的结果进行距离变换，得到反映显著边缘分布情况的距离值；根据距离值搜索能量函数最大的点，以确定特征区域的中心点。 可选的，所述计算像素灰度的差分包括在与参考区域中心的横坐标一致的纵轴上裁剪一段，计算该段纵轴内像素灰度的差分。 可选的，所述阈值包括由视觉经验所确定的显著边缘处像素灰度差分值的大小决定。 可选的，所述能量分布函数中能量最大的点包括在一维的纵轴区间搜索所述距离值最大的点来确定的。 可选的，所述参考区域包括通过车牌定位技术确定的车牌区域。 可选的，所述用于代表车身深浅色及颜色的特征区域包括在车辆图像中的车前盖区域定位的。 本专利技术另一方面提供一种车身深浅色的识别方法，包括根据所得车辆图像中车辆的参考区域，确定车辆区域；根据车辆区域的纹理特征与结构特征，构建能量分布函数，以能量最大的点作为中心点，定位出用于代表车身深浅色及颜色的特征区域；得到特征区域内像素点的深浅色，对特征区域内像素点的深浅色分布情况进行统计；根据所述统计结果，判断得到用于代表车身深浅色的特征区域的深浅色。 可选的，所述能量分布函数为E(x，y)为点(x，y)的能量，能量分布函数的前一项 用于反映特征区域的纹理特征，其中，Dis(x，y)为(x，y)到最近的显著边缘的距离；后一项用于反映特征区域的结构特征，其中，(xID，yID)为参考区域中心，c为经验值，用于反映特征区域与参考区域在纵轴上的估计偏移量；当E(x，y)最大时对应的(x，y)即为所需定位的特征区域中心点。 可选的，所述确定特征区域中心点进一步包括计算像素灰度的差分；根据所设定的阈值，对差分结果进行二值化；对二值化后的结果进行距离变换，得到反映显著边缘分布情况的距离值；根据距离值搜索能量函数最大的点，以确定特征区域的中心点。 可选的，所述参考区域包括通过车牌定位技术确定的车牌区域。 可选的，所述得到特征区域内像素点的深浅色包括采用HSV颜色空间的三维信息作为深浅色分类的特征向量；设定用于决定像素点深浅色的阈值，通过阈值法得到特征区域内像素点的深浅色。 可选的，所述特征区域的深浅色包括根据统计得到的像素点的深浅色分布情况，以投票法来判断得到。 可选的，所述投票法包括根据像素点被分到深色或浅色的数目，以数目多者取胜，如果票数相等，则不计特征区域的首行与末行，再次投票，如果票数仍相等，则作深色处理。 可选的，所述像素点包括特征区域内的所有像素点或通过采样得到的部分像素点。 本专利技术再一方面提供一种车身颜色的识别方法，包括根据所得车辆图像中车辆的参考区域，确定车辆区域；根据车辆区域的纹理特征与结构特征，构建能量分布函数，以能量最大的点作为中心点，定位出用于代表车身深浅色及颜色的特征区域；识别特征区域内像素点的颜色，对所述像素点的颜色进行统计，获取区域颜色识别的特征向量；根据所述特征向量，识别用于代表车身颜色的特征区域的颜色。 可选的，所述能量分布函数为E(x，y)为点(x，y)的能量，能量分布函数的前一项 用于反映特征区域的纹理特征，其中，Dis(x，y)为(x，y)到最近的显著边缘的距离；后一项用于反映特征区域的结构特征，其中，(xID，yID)本文档来自技高网...

【技术保护点】
一种用于代表车身深浅色及颜色的特征区域的定位方法，其特征在于，包括：　根据所得车辆图像中车辆的参考区域，确定车辆区域；　根据车辆区域的纹理特征与结构特征，构建能量分布函数；　以能量分布函数中能量最大的点作为中心点，定位出用 于代表车身深浅色及颜色的特征区域。

【技术特征摘要】

【专利技术属性】
技术研发人员：石荣瑞，刘园园，沈彧，姚静，
申请(专利权)人：上海高德威智能交通系统有限公司，
类型：发明
国别省市：31[中国|上海]