[发明专利]一种监控场景下的车身颜色识别方法

权利要求书

1.一种监控场景下的车身颜色识别方法，其特征在于，包括以下步骤：

根据监控场景下的图片，获取车身图片，然后通过边缘检测对车窗和车脸进气栅进行包络检测，提取车窗和车脸进气栅的轮廓；

根据车窗和车脸进气栅的轮廓，提取车窗和车脸区域；在车身图片上剔除车窗和车脸进气栅的区域，在剔除车窗和车脸进气栅的区域填充像素均值；

对填充处理后的车身图片做颜色分类识别。

2.根据权利要求1所述的车身颜色识别方法，其特征在于，所述包络检测的过程如下：车身图片通过边缘检测，得到车身和车窗的边缘信息，通过非闭合曲线延伸n个像素点，防止检测的边缘缺失；剔除相交的边缘闭合曲线段，得到车身闭合包络；在车身闭合包络区域内部，剔除相交的边缘闭合曲线段，得到包含车窗区域的闭合包络。

3.根据权利要求2所述的车身颜色识别方法，其特征在于，车窗和车脸进气栅轮廓提取的过程如下：在车身闭合包络区域内部，通过数字形态学腐蚀膨胀处理，得到大小不一的区域“块”，车身轮廓下半部分最大的区域“块”即为进气栅候选区域；在车身闭合包络区域内部中间部分最大的包络即为车窗候选区域。

4.根据权利要求1所述的车身颜色识别方法，其特征在于，所述边缘检测采用高斯差分算子DOG进行，通过高斯差分算子DOG提取出车辆外轮廓、车窗轮廓及车脸进气栅轮廓，通过面积大小和空间位置关系判定车窗和车脸进气栅区域，从而在车身图片上剔除车窗和车脸进气栅的区域。

5.根据权利要求4所述的车身颜色识别方法，其特征在于，高斯差分算子DOG的公式为：

DoG(x,y,σ₁,σ₂)*I(x,y)＝G(x,y,σ₁)*I(x,y)-G(x,y,σ₂)*I(x,y)

其中I(x,y)为图像像素值，G(x,y)高斯平滑函数，DoG(x,y,σ₁,σ₂)为高斯差分算子，σ、σ₁、σ₂为高斯平滑参数。

6.根据权利要求4所述的车身颜色识别方法，其特征在于，通过面积大小和空间位置关系判定为车窗和车脸进气栅区域的原则如下：通过车辆目标检测，得到车辆的宽度和高度信息；车窗区域与车身中间区域交并比大于80％，车脸进气栅区域与车身下部区域交并比大于80％，车脸进气栅的面积和车窗面积都大于车身外接面积的10％且小于车身外接面积的80％。

7.根据权利要求1所述的车身颜色识别方法，其特征在于，车身图片的颜色分类识别基于卷积神经网络模型。

8.根据权利要求7所述的车身颜色识别方法，其特征在于，卷积神经网络模型的训练过程为：将车身颜色分为红、绿、蓝、灰、白、黑、黄、粉、棕、紫色，合并车身颜色较接近的颜色，制作训练样本，训练得到初始模型；添加一定数量的车身颜色褪色、车身模糊、车身倾斜角度大的样本到训练集，对原样本进行一定比例的数据扩充，包括角度倾斜、图像模糊处理、添加噪声，训练得到最终模型。