[发明专利]一种车身颜色识别方法

摘要

一种车身颜色识别方法，属于计算机视觉技术和图像处理技术领域。它使用计算机视觉技术，以新的采样方式并结合HSV颜色空间模型，通过对车牌周围区域在HSV空间中的颜色分类以达到识别车身颜色的方法，解决了车身颜色识别问题，改善了以车牌分辨车的传统工作模式，为打击汽车套牌、一车多牌、假牌照等违法犯罪行为提供了可靠帮助，进一步提高了智能交通的可靠性，节省了大量的人力成本。

主权项

1.一种车身颜色识别方法，其特征在于具体步骤如下：步骤1：利用交叉路口的监控摄像头采集RGB图像；步骤2：对步骤1采集到的RGB图像使用中值滤波处理，并利用车辆检测跟踪算法提取得到车辆区域图像I，其高度为height，宽度为width，单位为像素；步骤3：利用车牌识别算法提取步骤2中车辆区域图像I中的车牌矩形区域R＝(x，y，w，h)，其中，(x,y)为车牌矩形区域左上角的坐标，w与h分别为车牌矩形区域的宽和高，单位为像素；步骤4：根据公式(1)、(2)和(3)确定采样区域D；其中，μ为事先选定的采样方式系数，μ∈[0.6,0.8]，ρ₁,ρ₂分别为比例系数，R₁表示在车牌上侧的矩形采样区域，(x₁,y₁)为矩形区域R₁左上角的坐标，w₁与h₁分别为矩形区域R₁的宽和高，R₂表示在车牌下侧矩形采样区域，(x₂,y₂)为矩形区域R₂左上角的坐标，w₂与h₂分别为矩形区域R₂的高和宽；步骤5：分割步骤4的采样区域D，得到m个矩形样本集合D*＝{D_i|i＝1,2,…,m}，要求满足公式(4)：其中D_i为大小相同的矩形窗口样本；步骤6：将步骤5的所有矩形窗口样本D_i由RGB空间转到HSV颜色空间，从样本集合D*中剔除像素总标准差大于λ的样本，得到新的集合D*＝{D_i|i＝1,2,…,n}，使其满足式(5)、(6)、(7)、(8)：其中，n为新样本集合D*的元素个数，λ为标准差阈值，k_j为第j通道的权重系数，j＝1,2,3，分别表示H、S与V通道，为第i个矩形样本D_i的像素值总标准差，N_i为第i个矩形样本D_i中像素点的个数，表示第i个矩形样本D_i中第k个像素点的第j个通道值，与分别为样本D_i在j通道上的像素均值与标准差，分别对应D_i中H、S与V通道的像素均值，取值范围为[0,360]，取值范围为[0,1]，取值范围为[0,1]；步骤7：令颜色分类集合C＝{C_k|k＝1,2,…,10}，遍历步骤6集合D*中的每个样本D_i，根据公式(9)确定该样本应该归属于哪个分类集合C_k：其中，C₁,C₂,…,C₁₀分别对应颜色{灰，白，棕，粉，红，黄，绿，蓝，紫，黑}；步骤8：通过公式(10)筛选出样本数量最多的颜色集合max₁＝max{num(C₁),num(C₂),...,num(C₁₀)}   (10)其中num(C_i)表示根据步骤7确定的归属于集合C_i的样本数量，max₁为的样本数量，进一步筛选出样本数量第二多、第三多的颜色集合与样本数分别为max₂、max₃，其中，k_max1∈{1,2,…,10},k_max2∈{1,2,…,10},k_max3∈{1,2,…,10}；步骤9：确定车身颜色，具体为：1)若满足条件max₁*η＞max₂，则车身颜色为集合对应的颜色，其中η为分类系数；2)若满足条件max₃＜max₁*η≤max₂，则车身颜色以的概率为集合对应的颜色，以的概率为对应的颜色；3)若不满足以上条件1)和2)，则车身颜色以的概率为集合对应的颜色，以的概率为对应的颜色，以的概率为对应的颜色。