[发明专利]一种白光条件下的车辆颜色识别方法

说明书

本发明公开了一种白光条件下的车辆颜色识别方法。本发明主要包括两个部分：(1)提出了一种白光条件下车辆颜色矫正方法，该方法结合了RetineX和darkChannel方法的优点，可以有效缓解因低照度、逆光等现象造成的影响，减小在这些不利环境因素导致的识别率降低的问题。(2)设计了一种基于空间注意力机制的网络模型，该模型可以让网络模型自动聚焦到车辆颜色的有效区域，提高车身颜色有效区域的权重，降低车辆颜色无效区域的权重，然后采用深度神经网络准确识别出车辆颜色。

技术领域

本发明属于图像处理技术领域，特别是涉及一种白光条件下的车辆颜色识别方法。

背景技术

近年来，随着计算机及互联网技术的飞速发展，各种机动车数量的迅猛增长，各类信息包括与交通相关的信息呈现爆炸式增长的态势。为了能够更加安全、高效的管理这些信息，智能交通系统应运而生。智能交通系统可以在收费卡口，停车场，刑事追踪等方面展现出强大的作用。视频图像中车辆信息包括车牌号码、车辆颜色、车辆型号等，其中车辆颜色识别在车辆道路监控中有着举足轻重的作用，是车辆信息中不可或缺的一部分。当车牌号码无法识别或者无法区分时，车辆颜色等其他车辆信息就成为区分车辆的依据。例如在违规套牌车辆识别中，必须通过非号牌信息来区分同号牌车辆，车辆颜色信息就是首选。

目前的车辆颜色识别方法主要有以下几种：

(1)直接分类的方法[1]，首先检测到车辆位置，然后直接提取车辆区域的颜色特征，最后采用分类器进行分类。该方法无法找出车辆待识别区域，因此车窗、轮胎、背景等都会对结果造成巨大影响。

(2)基于图像处理车辆颜色区域选择的方法[2][3]。首先通过定位车牌位置与大小，然后根据先验知识初选出车辆颜色识别区域，再根据梯度、亮度等信息挑精选出车辆颜色识别区域，最后在区域内进行车辆颜色识别。该方法需要大量的人工经验，鲁棒性不强，受环境的影响较大。

(3)基于分割车辆颜色区域的方法[4]。标注大量车辆颜色有效区域数据，采用语义分割的方法检测出车辆颜色识别的有效区域，再在区域内进行车辆颜色识别。该方法中数据标注工作量巨大，并且识别需要进行语义分割，算法计算量巨大。

(4)灰度消除法[5]，该方法通过RGB空间最大值与最小值差的方法去除掉车窗玻璃、车辆阴影等干扰区域，通过像素个数比值，区别彩色车辆和黑白车辆。该方法是基于图像处理的方法，容易受环境光的影响，鲁棒性不强

(5)基于场景分类的方法[6]，先对待识别车辆进行场景分类，然后调用该场进行的颜色分类模型进行车辆颜色进行分类。该方法需要大量的数据，同时无法找出车辆待识别区域。

综上所述，现有技术中存在如下问题有待解决：(1)对于车辆颜色，基于人眼的直觉，实际上只有部分区域能够用于车辆颜色识别，例如车窗、车灯、轮胎等就不属于车辆颜色判断的区域，需要进行排除，而车辆颜色有效区域一般是车辆引擎盖，车门等区域。如果算法不能够准确有效的找出有效区域，将会导致识别率降低。

(2)由于自然场景下，不同光照、不同天气、不同角度等因素的影响，即便本身是同一种颜色的车，图像经常会呈现出色偏、反光等现象，导致算法识别率降低。

相参考文献如下：

[1]车辆颜色识别方法与装置，公开号CN 107844745 A.

[2]一种车身颜色识别区域定位的方法及装置，公开号CN 106529553 B.

[3]一种监控场景下的车身颜色识别方法，公开号CN 109741406 A.

[4]车辆颜色的自动识别方法、电子装置、计算机设备和介质，公开号CN111325211 A.

[5]一种车身颜色识别方法，公开号CN 105005766 A.