CN103425989B - 一种基于显著性分析的车辆颜色识别方法及系统 - Google Patents
一种基于显著性分析的车辆颜色识别方法及系统 Download PDFInfo
- Publication number
- CN103425989B CN103425989B CN201310343195.5A CN201310343195A CN103425989B CN 103425989 B CN103425989 B CN 103425989B CN 201310343195 A CN201310343195 A CN 201310343195A CN 103425989 B CN103425989 B CN 103425989B
- Authority
- CN
- China
- Prior art keywords
- color
- vehicle
- colour system
- colored
- black
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 74
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012545 processing Methods 0.000 claims abstract description 13
- 230000006870 function Effects 0.000 claims description 9
- 241000222065 Lycoperdon Species 0.000 claims description 7
- 241000768494 Polymorphum Species 0.000 claims description 7
- 238000007621 cluster analysis Methods 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000003708 edge detection Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract 1
- 238000003064 k means clustering Methods 0.000 abstract 1
- 238000005286 illumination Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 210000000746 body region Anatomy 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- SAZUGELZHZOXHB-UHFFFAOYSA-N acecarbromal Chemical compound CCC(Br)(CC)C(=O)NC(=O)NC(C)=O SAZUGELZHZOXHB-UHFFFAOYSA-N 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于显著性分析的车辆颜色识别方法及系统，方法包括：A、获取原始车辆图像；B、对原始车辆图像进行特征显著性分析，从而提取出彩色显著区和车辆内部区域；根据彩色显著区的面积判定车辆颜色属于彩色色系或黑白色系，若属于彩色色系，则执行步骤D；反之，则执行步骤E；D、根据特征显著性分析的结果和彩色色系的车辆颜色判据，采用K‑means聚类的方式识别出彩色色系内的车辆颜色；E、对原始车辆图像进行灰度化处理，然后根据灰度化处理后的图像和黑白色系的车辆颜色判据识别出黑白色系内的车辆颜色。本发明具有应用范围较广、识别精确度高、鲁棒性较好、实用性较高和运算量较小的优点，可广泛应用于图像处理领域。
Description
技术领域
本发明涉及图像处理领域，尤其是一种基于显著性分析的车辆颜色识别方法及系统。
背景技术
车辆颜色尤其是车身颜色作为区分车辆的一个重要视觉特征，在车辆识别系统中发挥重要作用。目前的车身颜色的识别算法有很多，包括模式分类识别法、分类器识别法、训练样本识别法和颜色直方图识别法等。
但是，现有的车身颜色识别算法仍存在着以下缺点：
1.应用范围较小，仅对单一色系内的颜色进行分类。
2.受光照条件（如逆光和反光等情况）影响较大，降低了颜色识别精度。
3.易受其他物品（如车窗摆放物品、车胎和驾驶员的衣物等）颜色的干扰，无法正确识别出车身部分的颜色，鲁棒性较差，且其实用性较低、运算量较大。
发明内容
为了解决上述技术问题，本发明的目的是：提供一种应用范围较广、识别精确度高、鲁棒性较好、实用性较高、运算量较小和基于颜色显著性分析的车辆颜色识别方法。
本发明的另一目的是：提供一种应用范围较广、识别精确度高、鲁棒性较好、实用性较高、运算量较小和基于颜色显著性分析的车辆颜色识别系统。
为了解决上述技术问题，本发明所采用的技术方案是：一种基于显著性分析的车辆颜色识别方法，包括：
A、获取原始车辆图像；
B、对原始车辆图像进行特征显著性分析，从而提取出彩色显著区和车辆内部区域；
C、根据彩色显著区的面积判定车辆颜色属于彩色色系或黑白色系，若属于彩色色系，则执行步骤D，反之，则执行步骤E；
D、根据特征显著性分析的结果和彩色色系的车辆颜色判据，采用K-means聚类的方式识别出彩色色系内的车辆颜色；
E、对原始车辆图像进行灰度化处理，然后根据灰度化处理后的图像和黑白色系的车辆颜色判据识别出黑白色系内的车辆颜色。
进一步，所述彩色色系内的车辆颜色分为冷色系和暖色系，所述冷色系包括蓝色和绿色，所述暖色系包括红色和黄色；所述黑白色系内的车辆颜色包括黑色、灰色和白色。
进一步，所述步骤B中对原始车辆图像进行特征显著性分析，从而提取出彩色显著区这一步骤，其包括：
B11、对原始车辆图像进行彩色显著性分析，从而得到彩色显著性图像；
B12、采用阈值法对彩色显著性图像进行二值化，从而得到彩色显著区。
进一步，所述步骤B中对原始车辆图像进行特征显著性分析，从而提取出车辆内部区域这一步骤，其包括：
B21、对原始车辆图像进行竖直边缘提取，从而得到原始车辆图像的竖直边缘；
B22、对得到的所有竖直边缘进行连通性分析，从而得到车辆图像的显著竖直边缘，所述车辆图像的显著竖直边缘为长度显著的竖直边缘；
B23、对显著的竖直边缘的内部区域进行填充，从而得到车辆内部区域。
进一步，所述步骤D，其包括：
D1、对彩色显著区和车辆内部区域进行与运算，从而得到彩色色系的颜色识别区；
D2、在HSV空间中采用K-means算法对所述颜色识别区进行颜色聚类分析，并根据颜色聚类分析的结果得到所述颜色识别区的主颜色类；
D3、根据彩色色系的车辆颜色判据对所述颜色识别区的主颜色类进行分层颜色判定，从而识别出彩色色系内的车辆颜色。
进一步，所述步骤D3，其具体为：根据彩色色系的车辆颜色判据对所述颜色识别区的主颜色类进行分层颜色判定，并以分层判定出的颜色作为识别出的彩色色系内的车辆颜色，所述彩色色系的车辆颜色判据为：
若所述颜色识别区的主颜色类在HSV空间中的H分量满足：0.06<H<0.25，则彩色色系内的车辆颜色为暖色系-黄色；
若所述颜色识别区的主颜色类在HSV空间中的H分量满足：0.75≤H≤1或者H≤0.06，则彩色色系内的车辆颜色为暖色系-红色；
若所述颜色识别区的主颜色类在HSV空间中的H分量满足：0.25≤H<0.45或者所述颜色识别区的主颜色类满足：Max（R，G，B）=B，则彩色色系内的车辆颜色为冷色系-绿色，式中，MAX函数为求最大值函数，B为RGB空间的B分量；
反之，则彩色色系内的车辆颜色为冷色系-蓝色。
进一步，所述步骤E，其包括：
E1、对原始车辆图像进行灰度化处理，从而得到灰度图；
E2、对灰度图进行计算，从而计算出黑白色系判定参数Flag1和Flag2，所述黑白色系判定参数Flag1和Flag2的计算公式如下：
，
上式中，mean函数为求平均值函数，I1为灰度图中灰度值大于预设灰度阈值的部分，I2为灰度图中灰度值小于或等于预设灰度阈值的部分；
E3、根据计算出的黑白色系判定参数Flag1、Flag2以及黑白色系的颜色判据对灰度图进行颜色判定，从而识别出黑白色系内的车辆颜色。
进一步，所述步骤E3,其具体为：根据计算出的黑白色系判定参数Flag1、Flag2以及黑白色系的车辆颜色判据判定灰度图的颜色，并以判断出的颜色作为识别出的黑白色系内的车辆颜色，所述黑白色系的车辆颜色判据为：若黑白色系判定参数Flag1大于80，则黑白色系内的车辆颜色为白色；
若黑白色系判定参数Flag1小于或等于80且黑白色系判定参数Flag2大于90，则黑白色系内的车辆颜色为灰色；
若黑白色系判定参数Flag1小于或等于80且黑白色系判定参数Flag2小于或等于90，则黑白色系内的车辆颜色为黑色。
进一步，所述特征显示性分析包括颜色显著性分析和边缘显著性分析。
本发明解决其技术问题所采用的另一技术方案是：一种基于显著性分析的车辆颜色识别系统，包括：
车辆图像采集模块，用于获取原始车辆图像；
特征显著性分析模块，用于对原始车辆图像进行特征显著性分析，从而提取出彩色显著区和车辆内部区域；
色系判断模块，用于根据彩色显著区的面积判定车辆颜色属于彩色色系或黑白色系，若属于彩色色系，则转至彩色色系车辆颜色识别模块，反之，则转至黑白色系车辆颜色识别模块；
彩色色系车辆颜色识别模块，用于根据特征显著性分析的结果和彩色色系的车辆颜色判据，采用K-means聚类的方式识别出彩色色系内的车辆颜色；
黑白色系车辆颜色识别模块，用于对原始车辆图像进行灰度化处理，然后根据灰度化处理后的图像和黑白色系的车辆颜色判据识别出黑白色系内的车辆颜色；
所述车辆图像采集模块的输出端通过特征显著性分析模块与色系判断模块的输入端连接，所述色系判断模块的输出端分别与彩色色系车辆颜色识别模块的输入端和黑白色系车辆颜色识别模块的输入端连接。
本发明的方法有益效果是：将车辆颜色划分为彩色色系和黑白色系，然后根据相应色系内的颜色判据对车辆颜色进行识别，能同时满足彩色色系和黑白色系的车辆颜色识别需求，应用范围广；基于特征显著性分析，能有效消除光照条件的影响，且相应色系内的颜色判据综合考虑了RGB空间和HSV空间的颜色分布特征以及真实车辆样本的分析结果，颜色识别的精度高；通过特征显著性分析提取出车辆内部区域，只对车身部分的颜色进行识别，能去除其他物品对车身颜色识别的干扰，鲁棒性较好，且其实用性较高、运算量较小。进一步，本发明对颜色进行分层分类，将颜色按彩色/黑白-冷/暖色系-具体颜色进行分类，更贴近实际应用与人的感知。进一步，步骤D对彩色色系内的车辆颜色进行识别时，先通过k-means聚类提取出主颜色类，然后识别出主颜色类所属的颜色即车身区域的主颜色，不受车身次要颜色所带来的影响，稳定性强。
本发明的系统有益效果是：通过色系判断模块将车辆颜色划分为彩色色系和黑白色系，然后根据相应色系内的颜色判据对车辆颜色进行识别，能同时满足彩色色系和黑白色系的车辆颜色识别需求，应用范围广；基于特征显著性分析，能有效消除光照条件的影响，且相应色系内的颜色判据综合考虑了RGB空间和HSV空间的颜色分布特征以及真实车辆样本的分析结果，颜色识别的精度高；通过特征显著性分析模块提取出车辆内部区域，只对车身部分的颜色进行识别，能去除其他物品对车身颜色识别的干扰，鲁棒性较好，且其实用性较高、运算量较小。
附图说明
图1为本发明一种基于显著性分析的车辆颜色识别方法的步骤流程图；
图2为本发明的车辆颜色分类示意图；
图3为本发明所述步骤B中对原始车辆图像进行特征显著性分析，从而提取出彩色显著区这一步骤的流程图；
图4为本发明所述步骤B中对原始车辆图像进行特征显著性分析，从而提取出车辆内部区域这一步骤的流程图；
图5为本发明步骤D的流程图；
图6为本发明步骤E的流程图；
图7为本发明一种基于显著性分析的车辆颜色识别系统的功能模块框图。
具体实施方式
为了便于下文的描述，首先给出下列名词的定义或解释：
A method of vehicle color recognition based on the saliency analysis：一种基于显著性分析的车辆颜色识别方法；
K-means算法：是一种基于样本间相似性度量的间接聚类方法，属于非监督学习方法，其以k为参数，把n个对象分为k个簇，以使簇内具有较高的相似度，而且簇间的相似度较低；
HSV：是一种比较直观的颜色模型，在许多图像编辑工具中应用比较广泛，H（hue）表示色相，S（saturation）表示饱和度，V（value）表示亮度，其颜色空间的模型对应于圆柱坐标系中的一个圆锥形子集。
参照图1，一种基于显著性分析的车辆颜色识别方法，包括：
A、获取原始车辆图像；
B、对原始车辆图像进行特征显著性分析，从而提取出彩色显著区和车辆内部区域；
根据彩色显著区的面积判定车辆颜色属于彩色色系或黑白色系，若属于彩色色系，则执行步骤D；反之，则执行步骤E；
D、根据特征显著性分析的结果和彩色色系的车辆颜色判据，采用K-means聚类的方式识别出彩色色系内的车辆颜色。
其中，原始车辆图像为包括车辆的原始彩色图像。彩色显著区为RGB空间内彩色分布明显的区域。提取出车辆内部区域是为了剔除大部分道路的影响，使识别结果更稳定。
本发明参考公共安全行业标准GA24.8-2005（车身颜色基本色调代码），将车辆颜色分为黑白色系（白-灰-黑）和彩色色系（绿-蓝-红-黄）7种颜色。
由于路面背景一般有水泥、沥青路面及白色标志线组成，它们的颜色都属于灰白色系。如果获取的图像中出现彩色区域，则该彩色区域可能属于路面中的运动目标。如果获取的图像为高速卡口拍摄的图像，则这个目标即是车辆图像区域。
以原始红色车辆图像为例，在原始红色车辆图像中，红色区域应是彩色性最强的区域，同时车牌区域也属于彩色性较的区域。因此，进行特征显著性分析后，提取出彩色显著区为红色区域和车牌区域。
提取出彩色显著区以后，本发明会根据彩色显著区占原始车辆图像的比例判定车辆是属于彩色色系还是属于黑白色系，若彩色显著区占原始车辆图像的比例较大，则车辆属于彩色色系，此时，转至彩色色系的车辆颜色识别步骤；反之，则车辆属于黑白色系，此时转至黑白色系的车辆颜色识别步骤。最后再对颜色识别区的主颜色类或灰度图进行颜色判定。本发明能同时适用于彩色色系内车辆颜色判定和黑白色系内车辆颜色的判定，能满足各种车辆的颜色识别需求，应用范围更加广泛。
参照图2，进一步作为优选的实施方式，所述彩色色系内的车辆颜色分为冷色系和暖色系，所述冷色系包括蓝色和绿色，所述暖色系包括红色和黄色；所述黑白色系内的车辆颜色包括黑色、灰色和白色。
如图2所示，本发明的车辆颜色分为彩色色系及黑白色系。彩色色系内的车辆颜色又可分为两个层次：第一层次分类为冷色系、暖色系；第二层次分类为冷色系包括蓝色和绿色，暖色系包括红色和黄色。而黑白色系内的颜色包括黑色、灰色和白色。
本发明在彩色色系内的车辆颜色中引入了分层的概念，将颜色按彩色/黑白-冷/暖色系-具体颜色进行分类，使得本发明在进行彩色色系内的车辆颜色识别时，不仅能识别出车辆的具体颜色，而且可以识别出车辆属于冷色调还是属于暖色调，更贴近实际应用与人的感知。
参照图3，进一步作为优选的实施方式，所述步骤B中对原始车辆图像进行特征显著性分析，从而提取出彩色显著区这一步骤，其包括：
B11、对原始车辆图像进行彩色显著性分析，从而得到彩色显著性图像；
B12、采用阈值法对彩色显著性图像进行二值化，从而得到彩色显著区。
其中，对彩色显著性图像进行二值化后得到二值图，二值图中的前景区域即为提取出的彩色显著区。
参照图4，进一步作为优选的实施方式，所述步骤B中对原始车辆图像进行特征显著性分析，从而提取出车辆内部区域这一步骤，其包括：
B21、对原始车辆图像进行竖直边缘提取，从而得到原始车辆图像的竖直边缘；
B22、对得到的所有竖直边缘进行连通性分析，从而得到车辆图像的显著竖直边缘，所述车辆图像的显著竖直边缘为长度显著的竖直边缘；
B23、对显著的竖直边缘的内部区域进行填充，从而得到车辆内部区域。
其中，长度显著是指长度最长，而对所述显著竖直边缘的内部区域进行填充主要是对显著竖直边缘的内部区域进行行填充，从而得到大致的车辆内部区域。选取显著的竖直边缘作为填充的边界，能使最终得出的车辆内部区域更接近实际的情况。
参照图5，进一步作为优选的实施方式，所述步骤D，其包括：
D1、对彩色显著区和车辆内部区域进行与运算，从而得到彩色色系的颜色识别区；
D2、在HSV空间中采用K-means算法对所述颜色识别区进行颜色聚类分析，并根据颜色聚类分析的结果得到所述颜色识别区的主颜色类；
D3、根据彩色色系的车辆颜色判据对所述颜色识别区的主颜色类进行分层颜色判定，从而识别出彩色色系内的车辆颜色。
其中，在进行与运算后得到的区域即为颜色识别区。而由于HSV模型更符合自然图片的颜色特征，所以，在HSV空间中采用K-means算法对获取的颜色识别区进行颜色聚类分析，得到颜色识别区的主颜色类。而颜色识别区的主颜色类则表示占所述颜色识别区比例最大的一个颜色类，即K-means聚类中心所属的颜色类。
进行分层颜色判定，是指先判定颜色识别区的主颜色类是属于冷色系还是属于暖色系，然后再判定颜色识别区的主颜色类属于冷色系内或暖色系内的何种颜色，这样进行颜色判定更加准确。
本发明对彩色色系内的车辆颜色进行识别时，先通过k-means聚类提取出主颜色类，然后识别出主颜色类所属的颜色即车身区域的主颜色，不受车身次要颜色所带来的影响，稳定性强。
进一步作为优选的实施方式，所述步骤D3，其具体为：根据彩色色系的车辆颜色判据对所述颜色识别区的主颜色类进行分层颜色判定，并以分层判定出的颜色作为识别出的彩色色系内的车辆颜色，所述彩色色系的车辆颜色判据为：
若所述颜色识别区的主颜色类在HSV空间中的H分量满足：0.06<H<0.25，则彩色色系内的车辆颜色为暖色系-黄色；
若所述颜色识别区的主颜色类在HSV空间中的H分量满足：0.75≤H≤1或者H≤0.06，则彩色色系内的车辆颜色为暖色系-红色；
若所述颜色识别区的主颜色类在HSV空间中的H分量满足：0.25≤H<0.45或者所述颜色识别区的主颜色类满足：Max（R，G，B）=B，则彩色色系内的车辆颜色为冷色系-绿色，式中，MAX函数为求最大值函数，B为RGB空间的B分量；
反之，则彩色色系内的车辆颜色为冷色系-蓝色。
其中，彩色色系的车辆颜色判据综合考虑了车辆颜色在RGB和HSV空间的分布特征，且结合真实的车辆样本分析得出，较为合理。
参照图6，进一步作为优选的实施方式，所述步骤E，其包括：
E1、对原始车辆图像进行灰度化处理，从而得到灰度图；
E2、对灰度图进行计算，从而计算出黑白色系判定参数Flag1和Flag2，所述黑白色系判定参数Flag1和Flag2的计算公式如下：
，
上式中，mean函数为求平均值函数，I1为灰度图中灰度值大于预设灰度阈值的部分，I2为灰度图中灰度值小于或等于预设灰度阈值的部分；
E3、根据计算出的黑白色系判定参数Flag1、Flag2以及黑白色系的颜色判据对灰度图进行颜色判定，从而识别出黑白色系内的车辆颜色。
其中，I1表示灰度图中灰度值大于预设灰度阈值的部分，I2表示灰度值小于或等于预设灰度阈值的部分，一般取使这两部分的面积比最接近1:1的灰度值作为预设灰度阈值。
黑白色系内的车辆颜色判定逻辑由真实的车辆颜色样本分析得来，较为合理。
进一步作为优选的实施方式，所述步骤E3,其具体为：根据计算出的黑白色系判定参数Flag1、Flag2以及黑白色系的车辆颜色判据判定灰度图的颜色，并以判断出的颜色作为识别出的黑白色系内的车辆颜色，所述黑白色系的车辆颜色判据为：
若黑白色系判定参数Flag1大于80，则黑白色系内的车辆颜色为白色；
若黑白色系判定参数Flag1小于或等于80且黑白色系判定参数Flag2大于90，则黑白色系内的车辆颜色为灰色；
若黑白色系判定参数Flag1小于或等于80且黑白色系判定参数Flag2小于或等于90，则黑白色系内的车辆颜色为黑色。
进一步作为优选的实施方式，所述特征显示性分析包括颜色显著性分析和边缘显著性分析。
参照图7，一种基于显著性分析的车辆颜色识别系统，包括：
车辆图像采集模块，用于获取原始车辆图像；
特征显著性分析模块，用于对原始车辆图像进行特征显著性分析，从而提取出彩色显著区和车辆内部区域；
色系判断模块，用于根据彩色显著区的面积判定车辆颜色属于彩色色系或黑白色系，若属于彩色色系，则转至彩色色系车辆颜色识别模块，反之，则转至黑白色系车辆颜色识别模块；
彩色色系车辆颜色识别模块，用于根据特征显著性分析的结果和彩色色系的车辆颜色判据，采用K-means聚类的方式识别出彩色色系内的车辆颜色；
黑白色系车辆颜色识别模块，用于对原始车辆图像进行灰度化处理，然后根据灰度化处理后的图像和黑白色系的车辆颜色判据识别出黑白色系内的车辆颜色；
所述车辆图像采集模块的输出端通过特征显著性分析模块与色系判断模块的输入端连接，所述色系判断模块的输出端分别与彩色色系车辆颜色识别模块的输入端和黑白色系车辆颜色识别模块的输入端连接。
以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (9)
1.一种基于显著性分析的车辆颜色识别方法，其特征在于包括：
A、获取原始车辆图像；
B、对原始车辆图像进行特征显著性分析，从而提取出彩色显著区和车辆内部区域；
C、根据彩色显著区的面积判定车辆颜色属于彩色色系或黑白色系，若属于彩色色系，则执行步骤D，反之，则执行步骤E；
D、根据特征显著性分析的结果和彩色色系的车辆颜色判据，采用K-means聚类的方式识别出彩色色系内的车辆颜色；
E、对原始车辆图像进行灰度化处理，然后根据灰度化处理后的图像和黑白色系的车辆颜色判据识别出黑白色系内的车辆颜色；
所述步骤D，其包括：
D1、对彩色显著区和车辆内部区域进行与运算，从而得到彩色色系的颜色识别区；
D2、在HSV空间中采用K-means算法对所述颜色识别区进行颜色聚类分析，并根据颜色聚类分析的结果得到所述颜色识别区的主颜色类；
D3、根据彩色色系的车辆颜色判据对所述颜色识别区的主颜色类进行分层颜色判定，从而识别出彩色色系内的车辆颜色。
2.根据权利要求1所述的一种基于显著性分析的车辆颜色识别方法，其特征在于：所述彩色色系内的车辆颜色分为冷色系和暖色系，所述冷色系包括蓝色和绿色，所述暖色系包括红色和黄色；所述黑白色系内的车辆颜色包括黑色、灰色和白色。
3.根据权利要求1所述的一种基于显著性分析的车辆颜色识别方法，其特征在于：所述步骤B中对原始车辆图像进行特征显著性分析，从而提取出彩色显著区这一步骤，其包括：
B11、对原始车辆图像进行彩色显著性分析，从而得到彩色显著性图像；
B12、采用阈值法对彩色显著性图像进行二值化，从而得到彩色显著区。
4.根据权利要求1所述的一种基于显著性分析的车辆颜色识别方法，其特征在于：所述步骤B中对原始车辆图像进行特征显著性分析，从而提取出车辆内部区域这一步骤，其包括：
B21、对原始车辆图像进行竖直边缘提取，从而得到原始车辆图像的竖直边缘；
B22、对得到的所有竖直边缘进行连通性分析，从而得到车辆图像的显著竖直边缘，所述车辆图像的显著竖直边缘为长度显著的竖直边缘；
B23、对显著的竖直边缘的内部区域进行填充，从而得到车辆内部区域。
5.根据权利要求1所述的一种基于显著性分析的车辆颜色识别方法，其特征在于：所述步骤D3，其具体为：根据彩色色系的车辆颜色判据对所述颜色识别区的主颜色类进行分层颜色判定，并以分层判定出的颜色作为识别出的彩色色系内的车辆颜色，所述彩色色系的车辆颜色判据为：
若所述颜色识别区的主颜色类在HSV空间中的H分量满足：0.06<H<0.25，则彩色色系内的车辆颜色为暖色系-黄色；
若所述颜色识别区的主颜色类在HSV空间中的H分量满足：0.75≤H≤1或者H≤0.06，则彩色色系内的车辆颜色为暖色系-红色；
若所述颜色识别区的主颜色类在HSV空间中的H分量满足：0.25≤H<0.45或者所述颜色识别区的主颜色类满足：Max(R，G，B)＝B，则彩色色系内的车辆颜色为冷色系-绿色，式中，MAX函数为求最大值函数，B为RGB空间的B分量；
反之，则彩色色系内的车辆颜色为冷色系-蓝色。
6.根据权利要求1所述的一种基于显著性分析的车辆颜色识别方法，其特征在于：所述步骤E，其包括：
E1、对原始车辆图像进行灰度化处理，从而得到灰度图；
E2、对灰度图进行计算，从而计算出黑白色系判定参数Flag1和Flag2，所述黑白色系判定参数Flag1和Flag2的计算公式如下：
上式中，mean函数为求平均值函数，I1为灰度图中灰度值大于预设灰度阈值的部分，I2为灰度图中灰度值小于或等于预设灰度阈值的部分；
E3、根据计算出的黑白色系判定参数Flag1、Flag2以及黑白色系的颜色判据对灰度图进行颜色判定，从而识别出黑白色系内的车辆颜色。
7.根据权利要求6所述的一种基于显著性分析的车辆颜色识别方法，其特征在于：所述步骤E3,其具体为：根据计算出的黑白色系判定参数Flag1、Flag2以及黑白色系的车辆颜色判据判定灰度图的颜色，并以判断出的颜色作为识别出的黑白色系内的车辆颜色，所述黑白色系的车辆颜色判据为：若黑白色系判定参数Flag1大于80，则黑白色系内的车辆颜色为白色；
若黑白色系判定参数Flag1小于或等于80且黑白色系判定参数Flag2大于90，则黑白色系内的车辆颜色为灰色；
若黑白色系判定参数Flag1小于或等于80且黑白色系判定参数Flag2小于或等于90，则黑白色系内的车辆颜色为黑色。
8.根据权利要求1-7任一项所述的一种基于显著性分析的车辆颜色识别方法，其特征在于：所述特征显著性分析包括颜色显著性分析和边缘显著性分析。
9.一种基于显著性分析的车辆颜色识别系统，其特征在于包括：
车辆图像采集模块，用于获取原始车辆图像；
特征显著性分析模块，用于对原始车辆图像进行特征显著性分析，从而提取出彩色显著区和车辆内部区域；
色系判断模块，用于根据彩色显著区的面积判定车辆颜色属于彩色色系或黑白色系，若属于彩色色系，则转至彩色色系车辆颜色识别模块，反之，则转至黑白色系车辆颜色识别模块；
彩色色系车辆颜色识别模块，用于根据特征显著性分析的结果和彩色色系的车辆颜色判据，采用K-means聚类的方式识别出彩色色系内的车辆颜色；
黑白色系车辆颜色识别模块，用于对原始车辆图像进行灰度化处理，然后根据灰度化处理后的图像和黑白色系的车辆颜色判据识别出黑白色系内的车辆颜色；
所述车辆图像采集模块的输出端通过特征显著性分析模块与色系判断模块的输入端连接，所述色系判断模块的输出端分别与彩色色系车辆颜色识别模块的输入端和黑白色系车辆颜色识别模块的输入端连接；
所述彩色色系车辆颜色识别模块依次执行以下操作：
对彩色显著区和车辆内部区域进行与运算，从而得到彩色色系的颜色识别区；
在HSV空间中采用K-means算法对所述颜色识别区进行颜色聚类分析，并根据颜色聚类分析的结果得到所述颜色识别区的主颜色类；
根据彩色色系的车辆颜色判据对所述颜色识别区的主颜色类进行分层颜色判定，从而识别出彩色色系内的车辆颜色。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310343195.5A CN103425989B (zh) | 2013-08-07 | 2013-08-07 | 一种基于显著性分析的车辆颜色识别方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310343195.5A CN103425989B (zh) | 2013-08-07 | 2013-08-07 | 一种基于显著性分析的车辆颜色识别方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103425989A CN103425989A (zh) | 2013-12-04 |
| CN103425989B true CN103425989B (zh) | 2017-04-19 |
Family
ID=49650699
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310343195.5A Active CN103425989B (zh) | 2013-08-07 | 2013-08-07 | 一种基于显著性分析的车辆颜色识别方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103425989B (zh) |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104616007B (zh) * | 2015-03-11 | 2019-01-04 | 天津工业大学 | 一种基于显著性检测和颜色直方图模型的车辆识别方法 |
| CN104766049B (zh) * | 2015-03-17 | 2019-03-29 | 苏州科达科技股份有限公司 | 一种物体颜色识别方法及系统 |
| CN105005766B (zh) * | 2015-07-01 | 2018-06-01 | 深圳市迈科龙电子有限公司 | 一种车身颜色识别方法 |
| CN105740789B (zh) * | 2016-01-26 | 2018-12-07 | 浙江捷尚视觉科技股份有限公司 | 一种基于颜色特征的视频目标检索方法 |
| CN106250827B (zh) * | 2016-07-20 | 2019-06-11 | 浙江宇视科技有限公司 | 车辆颜色识别方法及装置 |
| CN106228165A (zh) * | 2016-07-27 | 2016-12-14 | 维沃移动通信有限公司 | 一种照片分类的方法和移动终端 |
| CN106384117B (zh) * | 2016-09-14 | 2019-08-13 | 东软集团股份有限公司 | 一种车辆颜色识别方法及装置 |
| CN107945238A (zh) * | 2017-12-01 | 2018-04-20 | 上海怡新信息技术有限公司 | 基于视频分析的灯光氛围数据生成算法 |
| CN108182658B (zh) * | 2018-01-30 | 2021-10-22 | 北京小米移动软件有限公司 | 图像美化方法及装置 |
| US11087144B2 (en) * | 2018-10-10 | 2021-08-10 | Harman International Industries, Incorporated | System and method for determining vehicle data set familiarity |
| CN112990070B (zh) * | 2021-03-31 | 2023-04-07 | 苏州科达科技股份有限公司 | 一种车辆颜色检测方法、系统、设备及存储介质 |
| CN115131589B (zh) * | 2022-08-31 | 2022-11-22 | 天津艺点意创科技有限公司 | 一种互联网文创作品智能设计的图像生成方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101504717A (zh) * | 2008-07-28 | 2009-08-12 | 上海高德威智能交通系统有限公司 | 特征区域的定位方法、车身深浅色与车身颜色的识别方法 |
| CN102799882A (zh) * | 2012-07-09 | 2012-11-28 | 武汉市科迅智能交通设备有限公司 | 基于视觉显著性的车牌定位方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8457360B2 (en) * | 2008-09-25 | 2013-06-04 | National Ict Australia Limited | Detection of vehicles in an image |
-
2013
- 2013-08-07 CN CN201310343195.5A patent/CN103425989B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101504717A (zh) * | 2008-07-28 | 2009-08-12 | 上海高德威智能交通系统有限公司 | 特征区域的定位方法、车身深浅色与车身颜色的识别方法 |
| CN102799882A (zh) * | 2012-07-09 | 2012-11-28 | 武汉市科迅智能交通设备有限公司 | 基于视觉显著性的车牌定位方法 |
Non-Patent Citations (3)
| Title |
|---|
| 关于运动目标特征提取以及车辆颜色识别算法的研究;王琪;《中国优秀硕士学位论文全文数据库(信息科技辑)》;20111215;全文 * |
| 基于空间分布特性和局部复杂度的显著目标检测算法;胡正平，孟鹏权;《燕山大学学报》;20101130;第34卷(第6期);全文 * |
| 车身颜色识别中的几个重要方法的研究;景娜;《中国优秀硕士学位论文全文数据库（信息科技辑）》;20090215;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103425989A (zh) | 2013-12-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103425989B (zh) | 一种基于显著性分析的车辆颜色识别方法及系统 | |
| CN102043950B (zh) | 基于canny算子和边缘点统计的车辆轮廓识别方法 | |
| CN108765443B (zh) | 一种自适应颜色阈值分割的标志增强处理方法 | |
| CN106529429B (zh) | 一种基于图像识别的面部皮肤分析系统 | |
| CN103198315B (zh) | 基于字符轮廓和模板匹配的车牌字符分割算法 | |
| CN101783076B (zh) | 一种视频监控模式下的快速车型识别方法 | |
| CN105913041B (zh) | 一种基于预先标定的信号灯识别方法 | |
| CN105809138B (zh) | 一种基于分块识别的道路警告标志检测与识别方法 | |
| CN105160691A (zh) | 基于颜色直方图的车身颜色识别方法 | |
| CN108108761A (zh) | 一种基于深度特征学习的快速交通信号灯检测方法 | |
| CN110688907B (zh) | 基于夜间道路光源识别物体的方法及装置 | |
| CN107273896A (zh) | 一种基于图像识别的车牌检测识别方法 | |
| CN103824081B (zh) | 一种室外恶劣光照条件下的快速鲁棒交通标志检测方法 | |
| EP2575077A2 (en) | Road sign detecting method and road sign detecting apparatus | |
| CN101702197A (zh) | 一种道路交通标志的检测方法 | |
| CN106650553A (zh) | 车牌识别方法及系统 | |
| CN104966049B (zh) | 基于图像的货车检测方法 | |
| CN106682597A (zh) | 一种交通信号灯识别方法 | |
| CN103544484A (zh) | 一种基于surf的交通标志识别方法及系统 | |
| CN103150904A (zh) | 一种基于图像特征的卡口车辆图像识别方法 | |
| CN103390167A (zh) | 一种多特征的分层交通标志识别方法 | |
| CN103927548B (zh) | 一种新的避免车辆碰撞的刹车行为检测方法 | |
| CN103093200A (zh) | 快速精准定位图像中车牌的算法 | |
| CN103440503A (zh) | 一种车辆车身颜色检测识别方法 | |
| CN104408424A (zh) | 一种基于图像处理的多信号灯识别方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| EE01 | Entry into force of recordation of patent licensing contract | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20131204 Assignee: Jiadu Technology Group Co.,Ltd. Assignor: GUANGDONG FUNDWAY TECHNOLOGY Co.,Ltd. Contract record no.: X2023980047257 Denomination of invention: A vehicle color recognition method and system based on significance analysis Granted publication date: 20170419 License type: Common License Record date: 20231116 |