[发明专利]基于H_S二维直方图和区域颜色匹配的车辆颜色检测方法

说明书

技术领域

本发明属于智能交通视频监控领域的后处理车辆行为分析部分，尤其涉及一种基于H_S二维直方图和区域颜色匹配的车辆颜色检测方法。

背景技术

计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等，并进一步做图形处理，用电脑处理成为更适合人眼观察或传送给仪器检测的图像，从而完成一个与视觉有关任务的技术。近年来，随着城市的快速发展，城市的范围不断扩大，城市中的车辆数迅速增加，给城市的交通带来了巨大的压力。智能交通系统ITS，作为未来交通的一大发展趋势，利用先进的电子技术、通信技术、计算机和控制技术对传统的交通运输系统进行改进，提高交通运输的效能，其优越性正在一步步地显现。一个城市的交通状况的好坏不仅影响到城市的未来发展，更直接影响着居民居住城市的选择和居民的生活质量，车辆颜色的识别作为智能交通视频监控领域车辆行为分析中的一项重要内容及车辆信息提取中的一个必不可分的部分，正在逐渐地获得更多的关注和研究。

目前在车辆颜色识别的方法中，主要有以下几类：一类是通过把车辆图像平分为上中下三个区域来定位车辆的前脸，顶部和后脸，这种方法的自适应性比较差，未考虑到车辆运动方向的影响，对于运动方向不是垂直或水平方向的车辆，区域的定位经常不准确，不能精确地提取出车辆的颜色，这就必然导致最终颜色检测的不准确。还有比较常见的一类是通过对已有车辆图像的学习建立颜色模板库，这一方法顾及到存储量及匹配速度的权衡，多数并未考虑到天气变化所引起的亮度及饱和度等条件的变化，这样建立的模板库分类不够细致，存在较大的匹配误差。本发明采用基于H_S二维直方图和区域颜色匹配的车辆颜色检测方法，有效地克服了以上两种方法中检测区定位不准确及不精确的模板分类存在的弊端，达到准确定位检测区域及精确分类检测区域并最佳匹配的颜色检测效果。

发明内容

为了克服上述缺陷，本发明提供了一种基于H_S二维直方图和区域颜色匹配的车辆颜色检测方法，可以识别交通路口红绿灯上架设的摄像机拍摄的实时道路监控场景内的车辆颜色，处理场景中目标尺寸变化(由近及远和由远及近)、旋转、噪声、亮度变化等难题，获得准确的目标车辆颜色。

本发明为了解决其技术问题所采用的技术方案是：一种基于H_S二维直方图和区域颜色匹配的车辆颜色检测方法，包括以下步骤：

①车辆检测及归一化：对车辆进行实时跟踪，采集车辆的彩色图片，并对车辆图像进行大小归一化处理；

②H_S二维直方图检测：利用车辆跟踪所获得的车辆的彩色图片，在HSV颜色空间中求得车辆的彩色H_S二维直方图；

③颜色提取区域检测，通过八邻域检测来获得颜色提取区域：利用车辆跟踪所获得的车辆彩色图像，进行CANNY边缘检测和对该CANNY边缘检测出的图像进行八邻域平滑区域检测，并把检测出的符合车辆大小的区域作为颜色提取区域；

④合理性检验，判断颜色提取区域的合理性：对CANNY边缘检测出的边缘图像进行HOUGH直线检测，判断出目标车辆运动的方向，进而确定出颜色候选区域；对比颜色候选区域与颜色提取区域的包含关系，确定下一步进行颜色模板匹配的区域名单；

⑤颜色模板匹配：对经过合理性检验的颜色提取区域，在RGB空间中获得其区域平均(R，G，B)三分量颜色值，并与预先定义好的颜色模板进行匹配，检测出车辆的颜色。

作为本发明的进一步改进，所述步骤①中，采用背景差法获得当前帧的前景目标，利用逐帧求差的方法完成初始背景的建立，并利用自适应更新系数的滑动平均法进行背景更新；对使用背景差法获得的灰度前景目标进行噪声及阴影去除，利用形态学方法去除前景噪声；对阴影的去除采用互相关系数与前景边缘检测相结合的方式来完成；通过改进的块匹配的方法，对前景目标进行实时跟踪，并利用摄像机成像的近大远小的特点，在车辆离摄像机最近的时刻采集车辆的彩色图片用于车辆颜色检测；根据视频的实际检测情况，对车辆图像进行大小归一化处理。

作为本发明的进一步改进，所述步骤②中，对图像的H分量和S分量划分为不同的等级，通过对比H分量的部分累积和把车辆划分为红色，蓝色，绿色和黄色四个类别。

作为本发明的进一步改进，所述步骤③中，对与所获得的车辆彩色图像相应的灰度图像进行CANNY边缘检测，利用车辆纹理平滑区域颜色相近的特点，采用3*3的纹理检测因子对CANNY边缘检测出的图像进行八邻域平滑区域检测。