[发明专利]一种白光条件下的车辆颜色识别方法

权利要求书

1.一种白光条件下的车辆颜色识别方法，其特征在于，包括如下步骤：

步骤1，收集大量白光条件下采集的车辆图像数据，并对每辆车进行车辆颜色标记；

步骤2，设计车辆颜色识别网络模型；

所述车辆颜色识别模型包含backbone模块，attention模块，BAP模块，FC模块和softmax模块；

步骤3，将收集的车辆数据提供给车辆颜色识别网络模型进行反复迭代训练；

步骤4，采用车辆检测器检测图像中的车辆位置信息；

步骤5，通过检测到的车辆位置将车辆图像从原始图像中裁剪出来；

步骤6，将裁剪出来的车辆图像进行颜色矫正；

步骤7，将经过颜色矫正后的车辆图像送入到车辆颜色识别网络，预测车辆颜色类别。

2.如权利要求1所述的一种白光条件下的车辆颜色识别方法，其特征在于：步骤2所述车辆颜色识别模型中的backbone模块采用的是mobilenetV2的前4个残差结构；attention模块是从backbone模块提取的原始特征得到空间权重mask，用于给不同位置加权；BAP模块是将attention模块得到的权重mask对backbone模块提取的原始特征进行加权，得到加权后的新特征；FC模块的作用是将新特征维度与输出类别数匹配；softmax模块的作用是用于输出每个类别的概率。

3.如权利要求2所述的一种白光条件下的车辆颜色识别方法，其特征在于：Attention模块的具体处理过程如下；

采用M个1x1的卷积核将backbone模块提取的feature_raw做卷积操作，得到Mx14x14个mask掩膜图，并将每个mask归一化到0～1之间；

其中归一化公式为：

式中，maskSrc^j表示原始第j个mask，maskDst^j表示归一化后的第j个mask，分别表示原始第j个mask的第i个点和归一化后的j个mask的第i个点；min(maskSrc^j),max(maskSrc^j)分别表示原始第j个mask的最小值与最大值。

4.如权利要求3所述的一种白光条件下的车辆颜色识别方法，其特征在于：BAP模块是将attention模块中M个mask掩膜图与backbone模块提取的feature_raw做点积操作，得到64xMx14x14个特征图，然后再对每个特征图做平均池化操作，得到64xMx1x1个特征图。

5.如权利要求2所述的一种白光条件下的车辆颜色识别方法，其特征在于：Softmax模块是将FC模块输出的N个预测结果做softmax操作，目的是预测每一类的概率，其中softmax公式为：其中z_i表示第i类的预测值，p_i表示第i类的预测概率。

6.如权利要求1所述的一种白光条件下的车辆颜色识别方法，其特征在于：步骤6的具体实现过程如下；

(1)，裁剪检测得到的车辆图像块，记为P；

(2)，计算P的最大、最小值，Vmax，Vmin；

(3)，将步骤(2)中得到的P进行线性拉伸，得到P1＝255*(P-Vmin)/(Vmax-Vmin)；

(4)，将步骤(3)得到的P1进行变换到对数域，得到P2＝log(P1+1)/log(256)；

(5)，根据步骤(4)得到的P2，计算P2的暗原色通道，得到P3；

(6)，根据步骤(4)得到的P2，计算P2各颜色通道的亮度图，得到P4；

(7)，根据步骤(5)，步骤(6)得到的P3，P4计算颜色矫正图像，得到P5＝(P2-P3)/(P4-P3)；

(8)，将步骤(7)得到的颜色矫正图恢复到正常图像，得到P6＝P5*255。