[发明专利]一种卡口车辆颜色识别方法

摘要

本发明涉及一种卡口车辆颜色识别方法。本发明通过车头和车尾的检测和定位，将整个车前脸或者车尾部外接矩形区域作为颜色识别的感兴趣区域，再对感兴趣区域的图像进行仿射变换增强输入的一致性，对仿射变换之后的图像做Lab色彩空间的转换，加上RGB空间共六个通道的图像信息作为颜色特征计算的输入。通过采集卡口图像，生成仿射变换之后的大量样本，对样本进行车辆颜色的标注，利用标注样本进行卷积神经神经网络学习，自动提取感兴趣区域的颜色特征，利用自动提取的特征和标注信息通过SVM分类器学习得到颜色识别的最终结果。通过样本驱动的方式学习得到感兴趣区域颜色特征的计算和提取，所得到的特征可以有效的提高分类器的识别准确率。

主权项

1.一种卡口车辆颜色识别方法，其特征在于该方法包括以下步骤：步骤1、以任意两像素点的差异作为特征，由级联AdaBoost分类器和去误检分类器构成车辆检测器，得到目标车辆的具体位置；步骤2、基于目标定位得到车前脸或车尾部上一组位置明确且稳定的特征点位置，经过仿射变换得到对齐之后的车辆区域图像；步骤3、将对齐之后的RGB图像，转换至Lab空间，拼接RGB和Lab两个空间的数据得到车辆区域的一个六通道数据；步骤4、采集大量的卡口图像数据，通过车型信息辅助提高收集样本的典型性和覆盖面，提高样本集的质量，经过步骤1得到单个车辆区域的图像样本；步骤5、人工对步骤4中得到的图像样本首先进行车头、车尾的标注，然后进行车型的确认，最后在相应的车型里确定相应的车辆颜色作为该车辆的颜色标注结果；步骤6、对步骤4得到的样本再经过步骤2、3得到六通道对齐之后的带颜色类别标签的车辆区域样本集；步骤7、根据车头、车尾的标注信息将标注样本分为车头样本集和车尾样本集两类，然后各自再按2:1的比例，用随机选取的方式进行训练和测试样本集的划分，得到四个样本集：车头训练样本集、车头测试样本集、车尾训练样本集和车尾测试样本集；步骤8、基于卷积神经网络，利用六通道的训练样本集进行特征提取的训练，最终得到N维的特征向量，然后基于SVM分类器结合颜色类别标注信息训练得到颜色识别分类器；N维颜色特征经过训练好的SVM分类器得到目标车辆的颜色类别。