[发明专利]一种车辆颜色识别方法、装置及系统

说明书

本发明公开了一种车辆颜色识别方法、装置及系统，方法包括：预先设置车窗检测神经网络模型及颜色分类神经网络模型；采集待识别车辆所对应的车辆图像；将所述车辆图像输入所述车窗检测神经网络模型，使得所述车窗检测神经网络模型对所述车辆图像进行检测以确定车窗图像位置信息，并输出所述车窗图像位置信息；根据所述车窗图像位置信息，从所述车辆图像中提取车身局部区域图像；将所述车身局部区域图像输入所述颜色分类神经网络模型，使得所述颜色分类神经网络模型对所述车身局部区域图像进行颜色识别以确定所述待识别车辆的车辆颜色，并输出所述车辆颜色。通过本发明的技术方案，可更为高效的实现对车辆颜色进行识别。

技术领域

本发明涉及计算机技术领域，尤其涉及一种车辆颜色识别方法、装置及系统。

背景技术

目前，业界通常采用预先训练的颜色分类神经网络模型对车辆颜色进行识别，在采集到车辆图像之后，可将车辆图像输入颜色分类神经网络模型，颜色分类神经网络模型可对输入的车辆图像进行颜色识别以输出车辆颜色。

识别车辆颜色具体指的是识别车身颜色，采集的车辆图像中携带车窗区域图像、车顶区域图像及车轮区域图像等大量的干扰区域图像，当车辆图像被输入至颜色分类神经网络模型时，这些干扰区域图像会形成大量的噪声数据；一方面，颜色分类神经网络模型本身需要进行大量的迭代计算，即需要花费大量的计算时长才能从去除这些噪声数据，实现提取出车辆颜色特征数据并根据提取的车辆颜色特征数据确定车辆颜色；另一方面，大量增加的噪声数据可能导致颜色分类神经网络模型不能准确识别车辆颜色；因此，通过上述技术方案实现识别车辆颜色时，效率较低。

发明内容

本发明提供一种车辆颜色识别方法、装置及系统，可更为高效的实现对车辆颜色进行识别。

第一方面，本发明提供了一种车辆颜色识别方法，包括：

预先设置车窗检测神经网络模型及颜色分类神经网络模型；

采集待识别车辆所对应的车辆图像；

将所述车辆图像输入所述车窗检测神经网络模型，使得所述车窗检测神经网络模型对所述车辆图像进行检测以确定车窗图像位置信息，并输出所述车窗图像位置信息；

根据所述车窗图像位置信息，从所述车辆图像中提取车身局部区域图像；

将所述车身局部区域图像输入所述颜色分类神经网络模型，使得所述颜色分类神经网络模型对所述车身局部区域图像进行颜色识别以确定所述待识别车辆的车辆颜色，并输出所述车辆颜色。

优选地，

所述车窗图像位置信息，包括：至少一个车窗区域图像的位置参数，其中，所述位置参数包括所述车窗区域图像的至少两个顶点分别对应在所述车辆图像中的像素坐标；

则，所述根据所述车窗图像位置信息，从所述车辆图像中提取车身局部区域图像，包括：

从所述至少一个位置参数中选择一个当前位置参数，根据选择的所述当前位置参数所携带的至少两个像素坐标从所述车辆图像中提取一个车身局部区域图像。

第二方面，本发明提供了一种车辆颜色识别装置，包括：

设置模块，用于预先设置车窗检测神经网络模型及颜色分类神经网络模型；

图像采集模块，用于采集待识别车辆所对应的车辆图像；

第一交互调用模块，用于将所述车辆图像输入所述车窗检测神经网络模型，使得所述车窗检测神经网络模型对所述车辆图像进行检测以确定车窗图像位置信息，并输出所述车窗图像位置信息；

局部图像提取模块，用于根据所述车窗图像位置信息，从所述车辆图像中提取车身局部区域图像；