CN103310201B - 目标混合颜色识别方法 - Google Patents

Abstract

本发明公开了一种目标混合颜色识别方法，涉及计算机视觉和智能视频监控领域。本方法是：①输入目标图像；②颜色空间转换；③计算颜色隶属度；④判断目标颜色；⑤输出目标颜色。本发明通过在HSV颜色空间中计算每个像素点的颜色隶属度，获得每个像素点颜色的准确描述，再通过合理地整合每个像素点，达到准确识别目标颜色的目的；在一定程度上克服了在HSV空间进行颜色识别的缺陷；可以输出目标的主要以及次要颜色，到达识别目标混合颜色的目的；计算量小，适用性广，检测效果稳定；本发明适用于各种公共场所目标颜色的识别。

Description

目标混合颜色识别方法

技术领域

本发明涉及计算机视觉和智能视频监控领域，具体涉及一种目标混合颜色识别方法。

背景技术

目标的颜色识别在智能视频监控领域中应用广泛，它是智能分析系统的重要组成部分，可应用于各种公共场所包括机场、车站、港口、建筑物周围、街道、小区及其它场所，用于自动监视判断场景中目标的颜色。

常用的颜色识别方法主要有两类：第一种方法是根据经验将颜色划分成几个区间，根据像素点的值分别划分到各个区间来统计判断目标的颜色；第二种方法就是利用SVM的泛华能力，进行目标颜色的识别。通常情况下，第一种方法的识别率比较低，容易被噪声和其它因素所干扰；而第二种方法不能给出颜色的精确描述，同时也不能对一个包含多种颜色的目标进行颜色识别，应用范围较窄。

因此，对目标的混合颜色进行识别，提高目标颜色识别的应用范围，以及增强目标颜色识别抗干扰能力都是亟待解决的问题，这也正是本发明的出发点。

发明内容

本发明的目的就在于克服现有技术存在缺点和不足，提供一种目标混合颜色识别方法；本方法能够提高目标颜色识别的稳定性以及应用范围，同时给出目标颜色的精确描述。

本发明的目的是这样实现的：

一、目标混合颜色识别系统（简称系统）

本系统包括工作环境：视频监控平台、综合接入网关和颜色识别管理服务器；设置有颜色识别分析服务器；

其连接关系是：视频监控平台、综合接入网关、颜色识别管理服务器和颜色识别服务器依次连接。

工作原理：

颜色识别服务器连接到颜色识别管理服务器，颜色识别分析服务器根据颜色识别管理服务器的IP（互联网协议）和端口连接到颜色识别管理服务器；用户请求视频颜色识别分析任务时，此请求发送到颜色识别管理服务器，颜色识别管理服务器记录下颜色识别分析服务器状态，并将待检测摄像头列表均衡分配到空闲的颜色识别分析服务器，颜色识别分析服务器轮巡设备，从摄像头获取实时视频并解码，得到RGB(red，green，blue，红绿蓝颜色表示法)数据，然后对RGB数据进行分析，并将检测结果上报到颜色识别管理服务器，颜色识别管理服务器将结果保存下来。

二、目标混合颜色识别方法

本方法基于上述的目标混合颜色识别系统，首先将颜色分成黑、灰、白、色调四类，再将色调划分成红、橙、黄、绿、青、蓝、紫，则一个像素的颜色可以用11种颜色来描述，根据隶属度函数分别计算一个像素对应这些颜色的隶属度，隶属度指像素点属于某种颜色的程度，隶属度函数来源于模糊技术常用曲线。

具体地说，本方法包括以下步骤：

①输入目标图像；

②颜色空间转换；

③计算颜色隶属度；

④判断目标颜色；

⑤输出目标颜色。

本发明具有下列优点和积极效果：

①通过在HSV颜色空间中计算每个像素点的颜色隶属度，获得每个像素点颜色的准确描述，再通过合理地整合每个像素点，达到准确识别目标颜色的目的；

②在一定程度上克服了在HSV空间进行颜色识别的缺陷；

③可以输出目标的主要以及次要颜色，到达识别目标混合颜色的目的；

④计算量小，适用性广，检测效果稳定；

⑤本发明适用于各种公共场所目标颜色的识别。

附图说明

图1是本系统的结构方框图；

图中：

10—视频监控平台，

11—第1视频监控平台，

12—第2视频监控平台……

1N—第N视频监控平台，N是自然数，N<10；

20—综合接入网关（简称IAG）；

30—颜色识别管理服务器（简称IVM）；

40—颜色识别分析服务器（简称IVU），

41—第1颜色识别分析服务器……

4N—第N颜色识别分析服务器，N是自然数，N<100。

图2是本方法的步骤图；

图3是像素颜色隶属度计算流程图；

图4是目标颜色识别第一种方式流程图；

图5是目标颜色识别第二种方式流程图；

图6是颜色隶属度计算公式的对应曲线图；

图7是颜色色调分量环图。

具体实施方式

下面结合附图和实施例详细说明：

一、系统

1、总体

如图1，本系统包括工作环境：视频监控平台10、综合接入网关20和颜色识别管理服务器30；

设置有颜色识别分析服务器40；

其连接关系是：视频监控平台10、综合接入网关20、颜色识别管理服务器30和颜色识别分析服务器40依次连接。

2、功能部件

1）视频监控平台10

为用户提供实时音视频和各种报警信号的远程采集、传输、存储和处理等业务。

2）综合接入网关20

实现视频监控平台的统计接入。

3）颜色识别管理服务器30

实现颜色识别资源管理，负责管理颜色识别分析资源。

4）颜色识别分析服务器40

颜色识别分析服务器40是视频颜色识别分析的功能实体，在物理分布上对应一台服务器；颜色识别分析服务器40由多个VA（视频分析单元）组成，每个VA可独立完成一路视频的颜色识别分析。

具体地说，颜色识别分析服务器40的VA包括通用电脑及植入电脑内的功能软件。

主要功能为：

①实现视频颜色识别分析算法；

②接入到颜色识别管理服务器30，由颜色识别管理服务器30集中管理；

③接收颜色识别管理服务器30的视频颜色识别分析请求，从视频监控平台10获取视频并进行分析；

④将结果上报给颜色识别管理服务器30。

二、方法

如图2，本方法实现步骤如下：

①输入目标图像数据-201

利用待检测摄像头获得视频图像数据，根据需要获得目标的图像数据，输出到颜色识别分析服务器40供分析使用；

②颜色空间转换-202

利用目标RGB图像数据和颜色空间的转换公式，将RGB数据转换成HSV数据；

RGB指红、绿、蓝，HSV指色调、饱和度、亮度；

所述的转换公式是：

v＝max,记为公式1，

r、g、b分别代码图像数据红、绿、蓝分量的值，max和min分别为r、g、b中最大值和最小值；

③计算各个像素颜色隶属度-203

为了计算每个像素点的颜色隶属度，如图3，分别进行以下操作：

A、将颜色划分成四类-301，分别是黑色、灰色、白色和色调，记为M；

B、根据下列公式

$s(Z;a,b,c)=\left\{\begin{array}{cc}0,& z<a\\ 2{\left(\frac{z-a}{c-a}\right)}^2,& a\&le;z\&le;b\\ 1-2{\left(\frac{z-a}{c-a}\right)}^2,& b<z\&le;c\\ 1,& z>c\end{array}\right.$

记为公式2，

其中，a、b、b分别为阈值，z为变量，

分别计算每个像素点的M隶属度并且归一化-302，记为Mj，0<j<5，j为整数；其中，M中各个类别对应公式2中的阈值a、b、c互不相同；

C、将色调类别划分成7个类别-303，分别是红、橙、黄、绿、青、蓝和紫，记为H；

D、根据颜色色调分量环图（如图7）以及像素的H值在环图中的位置，计算最近两个色调分量的隶属度-304，如公式2，计算像素点的H隶属度，其它的色调分量的隶属度为0，记为THi，0<i<8，i为整数；

E、再根据公式M4*THi，分别计算每个像素点的最终H隶属度-305，记为Hi，0<i<8，i为整数，其中M4是步骤B中计算的色调分量隶属度；

F、输出每个像素点的颜色隶属度Mj、Hi-306，0<i<8，0<j<5，i、j为整数；

④判断目标颜色-204

为了判断目标的颜色，这里提供两种方式进行目标颜色的识别，

如图4，第一种方式操作如下：

ⅰ、计算目标所有像素点的颜色隶属度的和-401，记为Sum（k），0<k<12，k为整数；

ⅱ、将Sum（k）按照从大到小的顺序排序-402；

ⅲ、查找满足的最小m值-403，T为阈值，0.2<T<0.95；

ⅳ、输出Sum(k)对应的前m种颜色，即为目标的颜色-404；

如图5，第二种方式操作如下：

a、将目标图像按照n*n大小分块-501，2<n<12，假设每块中像素颜色相同；

b、计算每块图像中像素隶属度的均值或者中值，将块中的隶属度最大的对应颜色作为此块的颜色-502；

c、统计不同颜色对应块的数量-503，记为Num(n)，0<n<12,n为整数；

d、将Num（n）按照从大到小的顺序排序-504；

e、查找满足的最小m值-505，T为阈值，0.2<T<0.95；

f、输出Num(k)对应的前m种颜色，即为目标的颜色-506；

⑤输出目标颜色-205。

Claims (1)

1.一种目标混合颜色识别方法，其特征在于包括下列步骤：

①输入目标图像数据(201)

利用待检测摄像头获得视频图像数据，根据需要获得目标的图像数据，输出到颜色识别分析服务器40供分析使用；

②颜色空间转换(202)

利用目标RGB图像数据和颜色空间的转换公式，将RGB数据转换成HSV数据；

RGB指红、绿、蓝，HSV指色调、饱和度、亮度；

所述的转换公式是：

v＝max,记为公式1，

h指代色调，s指代饱和度、v指代亮度；

r、g、b分别代码图像数据红、绿、蓝分量的值，max和min分别为r、g、b中最大值和最小值；

③计算各个像素颜色隶属度(203)

为了计算每个像素点的颜色隶属度，分别进行以下操作：

A、将颜色划分成四类(301)，分别是黑色、灰色、白色和色调，记为M；

B、根据下列公式

$S(z;a,b,c)=\left\{\begin{array}{cc}0,& z<a\\ 2{\left(\frac{z-a}{c-a}\right)}^2,& a\&le;z\&le;b\\ 1-2{\left(\frac{z-a}{c-a}\right)}^2,& b<z\&le;c\\ 1,& z>c\end{array}\right.$ 记为公式2，

其中，a、b、c分别为阈值，z为变量，

分别计算每个像素点的M隶属度并且归一化(302)，记为Mj，0<j<5，j为整数；其中，M中各个类别对应公式2中的阈值a、b、c互不相同；

C、将色调类别划分成7个类别(303)，分别是红、橙、黄、绿、青、蓝和紫，记为H；

D、根据颜色色调分量环图以及像素的H值在环图中的位置，计算最近两个色调分量的隶属度(304)，如公式2，计算像素点的H隶属度，其它的色调分量的隶属度为0，记为THi，0<i<8，i为整数；

E、再根据公式M4*THi，分别计算每个像素点的最终H隶属度(305)，记为Hi，0<i<8，i为整数，其中M4是步骤B中计算的色调分量隶属度；

F、输出每个像素点的颜色隶属度Mj、Hi(306)，0<i<8，0<j<5，i、j为整数；

④判断目标颜色(204)

为了判断目标的颜色，这里提供两种方式进行目标颜色的识别，

第一种方式操作如下：

ⅰ、计算目标所有像素点的颜色隶属度的和(401)，记为Sum(k)，0<k<12，k为整数；

ⅱ、将Sum(k)按照从大到小的顺序排序(402)；

ⅲ、查找满足的最小m值(403)，T为阈值，0.2<T<0.95；

ⅳ、输出Sum(k)对应的前m种颜色，即为目标的颜色(404)；

第二种方式操作如下：

a、将目标图像按照n*n大小分块(501)，2<n<12，假设每块中像素颜色相同；

b、计算每块图像中像素隶属度的均值或者中值，将块中的隶属度最大的对应颜色作为此块的颜色(502)；

c、统计不同颜色对应块的数量(503)，记为Num(n)，0<n<12，n为整数；

d、将Num(n)按照从大到小的顺序排序(504)；

e、查找满足的最小m值(505)，T为阈值，0.2<T<0.95；

f、输出Num(k)对应的前m种颜色，即为目标的颜色(506)；

⑤输出目标颜色(205)。