CN104766049A - 一种物体颜色识别方法及系统 - Google Patents

Abstract

本发明提供一种物体颜色识别方法及系统，其中所述方法包括：对获取的物体图像进行偏色校正；根据偏色校正后的图像获得颜色识别区域；识别所述颜色识别区域中每个像素的颜色；以所述颜色识别区域的像素个数最多的颜色作为物体颜色。这样，通过对物体图像进行偏色校正，可以恢复场景颜色信息，有效避免真实偏色对后续颜色识别造成的影响，提高了物体颜色识别的准确率。

Description

一种物体颜色识别方法及系统

技术领域

本发明涉及计算机视觉技术领域，具体涉及一种物体颜色识别方法及系统。

背景技术

以往对于交通的指挥管理以及该类案件的侦破，通常是在治安网点布控，通过人眼观察车牌号、车型、车色、车标等特征。随着机动车数量增加，交通事故及车辆相关案件显著增加，传统的人工方法自动化程度低，浪费人力，耗费时长。智能交通系统集成先进的智能识别算法、数据传输技术、电子技术，能够实时、高效、大范围的进行管控，因此得到广泛引用。

智能交通系统是从监控摄像机抓拍的图像识别出车牌信息、车型、车辆品牌、车辆颜色等特征。目前，车牌信息的识别技术已经较为成熟。除了对于车牌信息的识别外，车辆颜色等其他特征的识别在实际应用中也起到重要的作用。车辆颜色识别技术可以克服车辆管理系统效率低和人为主观因素的影响，大幅度提高汽车管理系统的自动化程度，对打击违章逃逸、盗抢车辆犯罪以及准确掌握道路交通情况有重要意义。

现有的车辆颜色识别方法主要是定位车辆识别区域，通过阈值法对定位到的识别区域进行颜色识别。文献1(StanislavFoltan,Car colorrecognition from CCTV camera image,Faculty of Management ScienceandInformatics,University of Zilina.)直接根据车牌位置得到排气扇和保险杠区域，获取这些区域颜色分布特征，对颜色可信度排序，得到可信度较高的颜色作为车辆颜色，然而实际的图像常常受到噪声、环境光照等因素的影响，车窗、地面、排气扇等区域较多会偏色，呈现彩色，并且现有车型较多，排气扇区域外形复杂，遇到这些情况上述方法将可能失效；对于识别部分，单纯的阈值法适应能力差，亮度差异较大的场景容易失效。文献2(Mengjie Yang,Guang Han,Xiaofei Li,Vehicle Color RecognitionUsing Monocular camera,Engineering Research Center of WidebandWireless Communication and Display Technique,Ministry of Education,Nanjing Univ.of P&T Nanjing.)利用模板匹配的方法进行车辆颜色识别，该方法对训练库或模板库依赖性高，实际环境中存在高光、顺逆光及摄像头架设角度不同的问题，这些都会严重影响算法的效果。

综上所述，现有技术的物体(特别是车辆)颜色识别方法存在准确性低的问题。

发明内容

为此，本发明要解决的技术问题在于现有技术的物体颜色识别方法准确性不高，从而提出一种准确性高的物体颜色识别方法及系统来解决该问题。

为解决上述技术问题，本发明采用以下技术方案：

一种物体颜色识别方法，包括以下步骤：对获取的物体图像进行偏色校正；根据偏色校正后的图像获得颜色识别区域；识别所述颜色识别区域中每个像素的颜色；以所述颜色识别区域的像素个数最多的颜色作为物体颜色。

优选地，所述对获取的物体图像进行偏色校正的步骤包括：获取所述图像的偏色系数；当所述偏色系数大于0时，根据所述偏色系数对所述图像进行偏色校正；当所述偏色系数小于或者等于0时，利用灰度世界颜色校正算法对所述图像进行偏色校正。

进一步地，所述获取所述图像的偏色系数的步骤包括：获取所述图像在CIELab颜色空间下a*分量和b*分量的二维色度直方图；获取所述二维色度直方图的两个面积最大的等效圆；当两个所述等效圆位于同一象限时，根据面积较小的等效圆获得所述图像的偏色系数；当两个所述等效圆不位于同一象限时，根据面积较大的等效圆获得所述图像的偏色系数。

优选地，所述根据偏色校正后的图像获得颜色识别区域的步骤包括：从偏色校正后的图像中选取表征物体颜色的区域；获取所述表征物体颜色的区域中的高光区域；去除所获取的高光区域，以剩余区域作为颜色识别区域。

进一步地，所述获取所述表征物体颜色的区域中的高光区域的步骤包括：获得所述颜色识别区域中每个像素的漫反射分量；根据所述每个像素的漫反射分量获得所述每个像素的镜面反射分量；以镜面反射分量高于亮度阈值的像素作为高光像素，所有高光像素形成所述高光区域。

优选地，所述识别颜色识别区域中每个像素的颜色的步骤包括：获取饱和度阈值；根据所述像素的亮度判断所述像素是否黑色或者白色；当所述像素不是黑色或者白色时，判断所述像素的饱和度是否高于饱和度阈值，当高于饱和度阈值时，所述像素为彩色，否则所述像素为灰色；当所述像素是彩色时，根据色调判断所述像素的颜色。

进一步地，所述获取饱和度阈值的步骤包括：从单一色调的HSL颜色表中选取彩色和非彩色边界点；根据每个所述边界点的亮度和饱和度获得饱和度阈值拟合曲线；根据所述饱和度阈值拟合曲线获得所述像素的亮度对应的饱和度阈值。

更进一步地，所述饱和度阈值拟合曲线的表达式为：

S＝1/(a*L-b)+c

其中，L为边界点亮度，S为边界点饱和度，a，b，c为拟合系数。

优选地，所述物体为车辆，所述颜色识别区域包括第一颜色识别区域、第二颜色识别区域和第三颜色识别区域，其中所述第一颜色识别区域位于所述偏色校正后的图像中车辆所在区域的平坦区域的引擎盖中间区域内，所述第二颜色识别区域位于所述车辆所在区域的引擎盖左侧靠近车辆边界区域内，所述第三颜色识别区域位于所述车辆所在区域的引擎盖右侧靠近车辆边界区域内。

进一步地，还包括平坦区域获取的步骤，以所述车辆所在区域的第一个无纹理点为初始点进行区域增长而获得所述平坦区域。

进一步地，还包括第一颜色识别区域获取的步骤，其包括：获取所述车辆前侧地面亮度大于车辆左、右侧地面亮度中较大亮度的差值；当所述差值大于或者等于顺光阈值时，以去除所述引擎盖中间区域中高光区域后的剩余区域作为第一颜色识别区域；当所述差值小于顺光阈值时，以所述引擎盖中间区域作为第一颜色识别区域。

进一步地，还包括第二和第三颜色识别区域获取的步骤，其包括：分别获取引擎盖左侧、右侧靠近车辆边界区域的饱和度均值；当引擎盖左侧靠近车辆边界区域的饱和度均值低于识别阈值时，以引擎盖左侧靠近车辆边界区域中纹理最低的区域作为第二颜色识别区域；当引擎盖左侧靠近车辆边界区域的饱和度均值高于所述识别阈值时，以引擎盖左侧靠近车辆边界区域中饱和度最高的区域作为第二颜色识别区域；当引擎盖右侧靠近车辆边界区域的饱和度均值低于所述识别阈值时，以引擎盖右侧靠近车辆边界区域中纹理最低的区域作为第三颜色识别区域；当引擎盖右侧靠近车辆边界区域的饱和度均值高于所述识别阈值时，以引擎盖右侧靠近车辆边界区域中饱和度最高的区域作为第三颜色识别区域。

进一步地，还包括获取所述车辆的的步骤，其包括：分别判断所述第一颜色识别区域、第二颜色识别区域、第三颜色识别区域是否为彩色；如果所述第一颜色识别区域为彩色，则选择所述第一颜色识别区域的颜色作为车辆颜色；如果所述第一颜色识别区域为非彩色并且第二颜色识别区域或第三颜色识别区域为彩色，则当车辆左侧地面亮度大于车辆右侧地面亮度的差值大于或者等于左侧光阈值时，选择所述第三颜色识别区域的颜色作为车辆颜色；当车辆右侧地面亮度大于车辆左侧地面亮度的差值大于或者等于右侧光阈值时，选择所述第二颜色识别区域的颜色作为车辆颜色。

基于相同的发明构思，本发明还提供一种物体颜色识别系统，包括：偏色校正模块，用于对获取的物体图像进行偏色校正；识别区域获取模块，用于根据偏色校正后的图像获得颜色识别区域；像素颜色识别模块，用于识别所述颜色识别区域中每个像素的颜色；物体颜色获取模块，用于以所述颜色识别区域的像素个数最多的颜色作为物体颜色。

优选地，所述偏色校正模块包括：偏色系数获取单元，用于获取所述图像的偏色系数；校正单元，用于当所述偏色系数大于0时，根据所述偏色系数对所述图像进行偏色校正；当所述偏色系数小于或者等于0时，利用灰度世界颜色校正算法对所述图像进行偏色校正。

进一步地，所述偏色系数获取单元包括：二维色度直方图获取子单元，用于获取所述图像在CIELab颜色空间下a*分量和b*分量的二维色度直方图；等效圆获取子单元，用于获取所述二维色度直方图的两个面积最大的等效圆；偏色系数计算子单元，用于当两个所述等效圆位于同一象限时，根据面积较小的等效圆获得所述图像的偏色系数；当两个所述等效圆不位于同一象限时，根据面积较大的等效圆获得所述图像的偏色系数。

优选地，所述识别区域获取模块包括：选取单元，用于从偏色校正后的图像中选取表征物体颜色的区域；高光区域获取单元，用于获取所述表征物体颜色的区域中的高光区域；去除单元，用于去除所获取的的高光区域，以剩余区域作为颜色识别区域。

进一步地，所述高光区域获取单元包括：漫反射分量获取子单元，用于获得所述颜色识别区域中每个像素的漫反射分量；镜面反射分量获取子单元，用于根据所述每个像素的漫反射分量获得所述每个像素的镜面反射分量；高光区域识别子单元，用于以镜面反射分量高于亮度阈值的像素作为高光像素，所有高光像素形成所述高光区域。

优选地，所述识别像素颜色模块包括：饱和度阈值获取单元，用于获取饱和度阈值；亮度判断单元，用于根据所述像素的亮度判断所述像素是否黑色或者白色；饱和度判断单元，用于当所述像素不是黑色或者白色时，判断所述像素的饱和度是否高于饱和度阈值，当高于饱和度阈值时，所述像素为彩色，否则所述像素为灰色；色调判断单元，用于当所述像素是彩色时，根据色调判断所述像素的颜色。

进一步地，所述饱和度阈值获取单元包括：边界点选取子单元，用于从单一色调的HSL颜色表中选取彩色和非彩色边界点；拟合曲线获取子单元，用于根据每个所述边界点的亮度和饱和度获得饱和度阈值拟合曲线；饱和度阈值获取子单元，用于根据所述饱和度阈值拟合曲线获得所述像素的亮度对应的饱和度阈值。

更进一步地，所述饱和度阈值拟合曲线的表达式为：

S＝1/(a*L-b)+c

其中，L为边界点亮度，S为边界点饱和度，a，b，c为拟合系数。

优选地，所述物体为车辆，所述颜色识别区域包括第一颜色识别区域、第二颜色识别区域和第三颜色识别区域，其中所述第一颜色识别区域位于所述偏色校正后的图像中车辆所在区域的平坦区域的引擎盖中间区域内，所述第二颜色识别区域位于所述车辆所在区域的引擎盖左侧靠近车辆边界区域内，所述第三颜色识别区域位于所述车辆所在区域的引擎盖右侧靠近车辆边界区域内。

进一步地，该系统还包括平坦区域获取模块，用于以所述车辆所在区域的第一个无纹理点为初始点进行区域增长而获得所述平坦区域。

进一步地，该系统还包括第一颜色识别区域获取模块，其包括：差值获取单元，用于获取所述车辆前侧地面亮度大于车辆左、右侧地面亮度中较大亮度的差值；第一处理单元，用于当所述差值大于或者等于顺光阈值时，以去除所述引擎盖中间区域中高光区域后的剩余区域作为第一颜色识别区域；当所述差值小于顺光阈值时，以所述引擎盖中间区域作为第一颜色识别区域。

进一步地，该系统还包括第二和第三颜色识别区域获取模块，其包括：饱和度均值获取单元，用于分别获取引擎盖左侧、右侧靠近车辆边界区域的饱和度均值；第二处理单元，用于当引擎盖左侧靠近车辆边界区域的饱和度均值低于识别阈值时，以引擎盖左侧靠近车辆边界区域中纹理最低的区域作为第二颜色识别区域；当引擎盖左侧靠近车辆边界区域的饱和度均值高于所述识别阈值时，以引擎盖左侧靠近车辆边界区域中饱和度最高的区域作为第二颜色识别区域；第三处理单元，用于当引擎盖右侧靠近车辆边界区域的饱和度均值低于所述识别阈值时，以引擎盖右侧靠近车辆边界区域中纹理最低的区域作为第三颜色识别区域；当引擎盖右侧靠近车辆边界区域的饱和度均值高于所述识别阈值时，以引擎盖右侧靠近车辆边界区域中饱和度最高的区域作为第三颜色识别区域。

进一步地，该系统还包括车辆颜色获取模块，其包括：彩色判断单元，用于分别判断所述第一颜色识别区域、第二颜色识别区域、第三颜色识别区域是否为彩色；车辆颜色选择单元，用于如果所述第一颜色识别区域为彩色，则选择所述第一颜色识别区域的颜色作为车辆颜色；如果所述第一颜色识别区域为非彩色并且第二颜色识别区域或第三颜色识别区域为彩色，则当车辆左侧地面亮度大于车辆右侧地面亮度的差值大于或者等于左侧光阈值时，选择所述第三颜色识别区域的颜色作为车辆颜色；当车辆右侧地面亮度大于车辆左侧地面亮度的差值大于或者等于右侧光阈值时，选择所述第二颜色识别区域的颜色作为车辆颜色。

本发明的物体颜色识别方法及系统的有益效果包括：

(1)本发明的一种物体颜色识别方法及系统，由于所述方法包括以下步骤：对获取的物体图像进行偏色校正；根据偏色校正后的图像获得颜色识别区域；识别所述颜色识别区域中每个像素的颜色；以所述颜色识别区域的像素个数最多的颜色作为物体颜色。在根据本发明的物体颜色识别方法中，通过对获取的物体图像进行偏色校正，避免了现有技术颜色识别方法直接根据原始图像获得颜色识别区域时图像偏色对于后续颜色识别的影响。本发明的物体颜色识别方法根据偏色校正后的图像获得颜色识别区域，不仅可以恢复场景颜色信息，而且有效避免真实偏色对后续颜色识别造成的影响，使得物体颜色识别的准确率提高5％，取得了意想不到的技术效果。

(2)本发明的一种物体颜色识别方法及系统，当所要进行颜色识别的物体为车辆时，由于所述车辆的颜色根据以下步骤获得：分别判断所述第一颜色识别区域、第二颜色识别区域、第三颜色识别区域是否为彩色；如果所述第一颜色识别区域为彩色，则选择所述第一颜色识别区域的颜色作为车辆颜色；如果所述第一颜色识别区域为非彩色并且第二颜色识别区域或第三颜色识别区域为彩色，则当车辆左侧地面亮度大于车辆右侧地面亮度的差值大于或者等于左侧光阈值时，选择所述第三颜色识别区域的颜色作为车辆颜色；当车辆右侧地面亮度大于车辆左侧地面亮度的差值大于或者等于右侧光阈值时，选择所述第二颜色识别区域的颜色作为车辆颜色。这样可以充分到考虑光照类型对识别出的颜色的影响，因而可以增强对于不同光照的适应性，提高车辆颜色识别的总体准确性。总之，可以降低非正常光照对车辆颜色识别的影响，对于不同环境、场景和车型都具有较好的鲁棒性和识别效果。

附图说明

为了使本发明的内容更容易被清楚的理解，下面根据本发明的具体实施例并结合附图，对本发明作进一步详细的说明，其中

图1是本发明实施例1的物体颜色识别方法的流程示意图；

图2是本发明实施例1的物体颜色识别方法的对获取的物体图像进行偏色校正的步骤的流程示意图；

图3是本发明实施例1的物体颜色识别方法的获取图像的偏色系数的步骤的流程示意图；

图4是本发明实施例1的物体颜色识别方法的识别颜色识别区域中每个像素的颜色的步骤的流程示意图；

图5是本发明实施例2的车辆颜色识别方法的获取第一颜色识别区域的步骤的流程示意图；

图6是本发明实施例3的物体颜色识别系统的结构示意图。

具体实施方式

实施例1

图1示出了本发明实施例1的一种物体颜色识别方法，该方法可以应用于各种物体表面颜色识别，例如：产品包装色标检测，产品外表特征颜色的检测，液体溶液颜色变化过程的检测与控制，智能交通系统中对车辆颜色进行识别等。总之，可以用于任何需要对物体进行颜色识别的领域。所述方法可以包括以下步骤：

步骤S11、对获取的物体图像进行偏色校正。

步骤S12、根据偏色校正后的图像获得颜色识别区域。

步骤S13、识别所述颜色识别区域中每个像素的颜色。

步骤S14、以所述颜色识别区域的像素个数最多的颜色作为物体颜色。即统计每种颜色的像素的个数，以像素个数最多的颜色作为所述颜色识别区域的颜色，所述颜色识别区域的颜色即为物体颜色。

在根据本实施例的物体颜色识别方法中，通过对获取的物体图像进行偏色校正，避免了现有技术颜色识别方法直接根据原始图像获得颜色识别区域时图像偏色对于后续颜色识别的影响。本实施例的物体颜色识别方法根据偏色校正后的图像获得颜色识别区域，不仅可以恢复场景颜色信息，而且有效避免真实偏色对后续颜色识别造成的影响，使得物体颜色识别的准确率至少提高5％。

作为优选的实施方式，如图2所示，步骤S11可以包括以下步骤：

步骤S111、获取所述图像的偏色系数。所谓偏色系数，即测度偏色程度的变量，偏色系数越大表示偏色程度越大。

步骤S112、判断所述偏色系数是否大于0。当所述偏色系数大于0时，进入步骤S113，当所述偏色系数小于或者等于0时，进入步骤S114。

步骤S113、根据所述偏色系数对所述图像进行偏色校正。

步骤S114、利用灰度世界颜色校正算法对所述图像进行偏色校正。

常规偏色校正方法是根据偏色系数对图像进行偏色校正，但是当图像的偏色系数较小，偏色校正效果就会较差，特别是当偏色系数小于等于0时，本领域技术人员往往会直接忽略对图像的偏色校正。而根据本实施例的偏色校正方法，对于偏色系数小于或者等于0的情况，则是利用灰度世界颜色校正算法对所述图像进行偏色校正，这样不仅可以达到全面进行偏色校正的目的，而且偏色校正效果更佳，更加有效避免真实偏色对后续颜色识别造成的影响，进一步提高物体颜色识别的准确率。

其中，如图3所示，步骤S111可以包括以下步骤：

步骤S1111、获取所述图像在CIELab颜色空间下a*分量和b*分量的二维色度直方图。

步骤S1112、获取所述二维色度直方图的两个面积最大的等效圆。即利用等效圆算法在所述二维色度直方图上搜索，获得两个面积最大的等效圆。

步骤S1113、判断两个所述等效圆是否位于同一象限。当两个所述等效圆位于同一象限时，进入步骤S1114；当两个所述等效圆不位于同一象限时，进入步骤S1115。

步骤S1114、根据面积较小的等效圆获得所述图像的偏色系数。

步骤S1115、根据面积较大的等效圆获得所述图像的偏色系数。

获取图像在CIELab颜色空间下a*分量和b*分量的二维色度直方图，可以绕开图像中饱和度和亮度过高的像素，有效避免曝光点或杂点对图像偏色检测的影响。获取所述二维色度直方图的两个面积最大的等效圆，当两个所述等效圆位于同一象限时，根据面积较小的等效圆获得所述图像的偏色系数，当两个所述等效圆不位于同一象限时，根据面积较大的等效圆获得所述图像的偏色系数，可以有效避免本质偏色的影响，从而进一步有效避免真实偏色对后续颜色识别造成的影响，使得物体颜色识别的准确率更高。

作为优选的实施方式，步骤S12可以包括以下步骤：首先，从偏色校正后的图像中选取表征物体颜色的区域。然后，获取所述表征物体颜色的区域中的高光区域，最后去除所获取的高光区域，以剩余区域作为颜色识别区域。由于颜色识别区域中的高光区域被去除，这样为颜色识别提供更加准确和有效的识别区域，进一步提高物体颜色识别的准确率。

其中，所述获取所述表征物体颜色的区域中的高光区域的步骤包括：

首先，获得所述颜色识别区域中每个像素的漫反射分量。获取像素的漫反射分量属于本领域常规方法，兹不赘述。

其次，根据所述每个像素的漫反射分量获得所述每个像素的镜面反射分量。镜面反射分量为像素实际亮度与该像素的漫反射分量的差值。

最后，以镜面反射分量高于亮度阈值的像素作为高光像素，所有高光像素形成所述高光区域。所述亮度阈值可以为大于等于170并且小于等于190的常数值。经过大量的实验测试，180为最合适的亮度阈值。

常规的获取高光区域的方法，通常直接通过将图像中像素的亮度与预设的阈值进行比较，判断是否为高光像素，获得的高光区域不够精准。而本实施例中则是获取像素的镜面反射分量，然后与预设的亮度阈值进行比较获得高光像素，对高光区域的检测和去除更为精准，这样可以为颜色识别提供进一步准确和有效的识别区域，从而进一步提高物体颜色识别的准确率。

作为优选的实施方式，如图4所示，步骤S13可以包括以下步骤：

步骤S130、获取饱和度阈值。

步骤S131、根据所述像素的亮度判断所述像素是否黑色或者白色。即当亮度低于黑色阈值时，判定所述像素为黑色，当亮度高于白色阈值时，判定所述像素为白色。所述黑色阈值可以为大于等于10并且小于等于50的常数值，所述白色阈值可以为大于等于180并且小于等于230的常数值。选择黑色阈值为36，白色阈值为220时，对于判断像素是否黑色或者白色，效果最佳。当所述像素是黑色或者白色时，进入步骤S132；当所述像素不是黑色或者白色时，进入步骤S133。

步骤S132、判定所述像素是黑色或者白色。

步骤S133、判断所述像素的饱和度是否高于饱和度阈值。当高于饱和度阈值时，进入步骤S134；当不高于饱和度阈值时，进入步骤S135。

步骤S134，判定所述像素是彩色，根据色调判断所述像素的颜色。根据色调判断像素的颜色，属于常规方法，兹不赘述。

步骤S135、判定所述像素为灰色。

常规的像素颜色判断方法，直接根据色调判断像素的颜色，判断错误率高。本实施例首先根据像素的亮度判断像素是否黑色或者白色，当像素不是黑色或者白色时，再判断像素的饱和度是否高于饱和度阈值，当高于饱和度阈值时，则判定像素是彩色，根据色调判断像素的颜色；当不高于饱和度阈值时，则判定像素为灰色，这样可以更加准确地识别颜色识别区域中每个像素的颜色，从而进一步提高物体颜色识别的准确率。

其中，步骤S130可以包括以下步骤：

首先，从单一色调的HSL颜色表中选取彩色和非彩色边界点。

其次，根据每个所述边界点的亮度和饱和度获得饱和度阈值拟合曲线。其中，所述饱和度阈值拟合曲线的表达式为：

S＝1/(a*L-b)+c

L为边界点亮度，S为边界点饱和度，a，b，c为拟合系数。例如，当36≤L≤128时，所述饱和度阈值拟合曲线的表达式为：

S＝1/(0.0002*L-0.003)

当128≤L≤220时，所述饱和度阈值拟合曲线的表达式为：

S＝1/(-0.0003*L+0.0687)

最后，根据所述饱和度阈值拟合曲线获得所述像素的亮度对应的饱和度阈值。

现有技术通常是根据经验选择饱和度阈值，识别结果受亮度影响大，不能准确区分彩色和非彩色。本实施例则是根据饱和度阈值拟合曲线获得像素的亮度对应的饱和度阈值，这样获得的饱和度阈值更为准确，进而提高区分彩色和非彩色的准确率，进一步提高物体颜色识别的准确率。

实施例2

在本实施例中，以车辆为例，进一步阐述本发明的物体颜色识别方法。对于车辆而言，现有的识别方法通常粗略仅选取引擎盖上方区域，不能真正表征车辆的颜色，同时由于实际中车辆表面可能有粘贴物，比较脏乱，以及受到光照影响等，在对车辆颜色进行识别时，需要考虑车辆不同区域的颜色，因此在本实施例中，将颜色识别区域分为三个不同区域，其中所述第一颜色识别区域位于所述偏色校正后的图像中车辆所在区域的平坦区域的引擎盖中间区域内，所述平坦区域即为参考纹理特征进行搜索获得的纹理平坦区域。所述第二颜色识别区域位于所述车辆所在区域的引擎盖左侧靠近车辆边界区域内。所述第三颜色识别区域位于所述车辆所在区域的引擎盖右侧靠近车辆边界区域内

因此本实施例中选取的颜色识别区域更为准确，能够真正表征车辆的颜色，从而提高车辆颜色识别的准确率。

其中，该方法还包括平坦区域获取的步骤，以所述车辆所在区域的第一个无纹理点为初始点进行区域增长而获得所述平坦区域。区域增长(regiongrowing)是指将成组的像素或区域发展成更大区域的过程，是图像处理的一种方法，本实施例以车辆所在区域的第一个无纹理点为初始点进行区域增长而获得平坦区域，速度快，效率高，并且更为准确，为颜色识别提供更加准确和有效的识别区域，进一步提高车辆颜色识别的准确率。

作为优选的实施方式，如图5所示，该方法还包括第一颜色识别区域获取的步骤，其包括：

步骤S51、获取所述车辆前侧地面亮度大于车辆左、右侧地面亮度中较大亮度的差值。即将车辆前侧地面亮度与车辆左、右侧地面亮度中较大亮度进行比较，计算车辆前侧地面亮度大于车辆左、右侧地面亮度中较大亮度的差值。

步骤S52、判断所述差值是否大于或者等于顺光阈值，当所述差值大于或者等于顺光阈值时，进入步骤S53；当所述差值小于顺光阈值时，进入步骤S54。所述顺光阈值可以为大于等于70并且小于等于90之间的常数值。通过实验数据表明，当所述顺光阈值为80时，效果最佳。

步骤S53、以去除所述引擎盖中间区域中高光区域后的剩余区域作为第一颜色识别区域。

步骤S54、以所述引擎盖中间区域作为第一颜色识别区域。

通过以上步骤，这样可以将第一颜色识别区域中的高光区域有效去除，为颜色识别提供更加准确和有效的识别区域，进一步提高车辆颜色识别的准确率。

作为优选的实施方式，该方法还包括第二和第三颜色识别区域获取的步骤，其包括：

首先，分别获取引擎盖左侧、右侧靠近车辆边界区域的饱和度均值。

然后，根据引擎盖左侧靠近车辆边界区域的饱和度均值和纹理获得第二颜色识别区域。即当引擎盖左侧靠近车辆边界区域的饱和度均值低于识别阈值时，以引擎盖左侧靠近车辆边界区域中纹理最低的区域作为第二颜色识别区域；当引擎盖左侧靠近车辆边界区域的饱和度均值高于所述识别阈值时，以引擎盖左侧靠近车辆边界区域中饱和度最高的区域作为第二颜色识别区域。

然后，根据引擎盖右侧靠近车辆边界区域的饱和度均值和纹理获得第三颜色识别区域。即当引擎盖右侧靠近车辆边界区域的饱和度均值低于所述识别阈值时，以引擎盖右侧靠近车辆边界区域中纹理最低的区域作为第三颜色识别区域；当引擎盖右侧靠近车辆边界区域的饱和度均值高于所述识别阈值时，以引擎盖右侧靠近车辆边界区域中饱和度最高的区域作为第三颜色识别区域。

其中，识别阈值可以为大于等于20并且小于等于40之间的常数值。通过实验数据表明，识别阈值为30时，效果最佳。

通过以上步骤获得的所述第二颜色识别区域、所述第三颜色识别区域，是能够更为准确表征车辆颜色的区域，因此可以使得车辆颜色识别的准确率更高。

作为优选的实施方式，该方法还包括获取所述车辆的颜色的步骤，其包括：

首先，分别判断所述第一颜色识别区域、第二颜色识别区域、第三颜色识别区域是否为彩色。即根据实施例1的步骤13分别识别第一颜色识别区域、第二颜色识别区域、第三颜色识别区域中每个像素的颜色，像素个数最多的颜色即为各个颜色识别区域的颜色。

其次，如果所述第一颜色识别区域为彩色，则选择所述第一颜色识别区域的颜色作为车辆颜色。

最后，如果所述第一颜色识别区域为非彩色并且第二颜色识别区域或第三颜色识别区域为彩色，则选择所述第二颜色识别区域或者第三颜色识别区域的颜色作为车辆颜色。即当车辆左侧地面亮度大于车辆右侧地面亮度的差值大于或者等于左侧光阈值时，选择所述第三颜色识别区域的颜色作为车辆颜色；当车辆右侧地面亮度大于车辆左侧地面亮度的差值大于或者等于右侧光阈值时，选择所述第二颜色识别区域的颜色作为车辆颜色。其中，左侧光阈值可以为大于等于10并且小于等于15之间的常数值，右侧光阈值也可以为大于等于10并且小于等于15之间的常数值。通过实验数据表明，左侧光阈值和右侧光阈值都为25时，效果最佳。

通过以上步骤获得车辆的颜色，充分到考虑光照类型对识别出的颜色的影响，因而可以增强对于不同光照的适应性，提高车辆颜色识别的总体准确性。总之，可以降低非正常光照对车辆颜色识别的影响，对于不同环境、场景和车型都具有较好的鲁棒性和识别效果。

实施例3

图6示出了本发明实施例3的一种物体颜色识别系统，该系统包括偏色校正模块61、识别区域获取模块62、像素颜色识别模块63和物体颜色获取模块64。对应于实施例1，偏色校正模块61用于对获取的物体图像进行偏色校正。识别区域获取模块62用于根据偏色校正后的图像获得颜色识别区域。像素颜色识别模块63用于识别所述颜色识别区域中每个像素的颜色。物体颜色获取模块64用于以所述颜色识别区域的像素个数最多的颜色作为物体颜色。

在根据本实施例的物体颜色识别系统中，通过对获取的物体图像进行偏色校正，避免了现有技术颜色识别系统直接根据原始图像获得颜色识别区域时图像偏色对于后续颜色识别的影响。本实施例的物体颜色识别系统根据偏色校正后的图像获得颜色识别区域，不仅可以恢复场景颜色信息，而且有效避免真实偏色对后续颜色识别造成的影响，使得物体颜色识别的准确率至少提高5％。

作为优选的实施方式，偏色校正模块61包括偏色系数获取单元和校正单元。所述偏色系数获取单元用于获取所述图像的偏色系数。所述校正单元用于当所述偏色系数大于0时，根据所述偏色系数对所述图像进行偏色校正；当所述偏色系数小于或者等于0时，利用灰度世界颜色校正算法对所述图像进行偏色校正。常规偏色校正模块是根据偏色系数对图像进行偏色校正，但是当图像的偏色系数较小，偏色校正效果就会较差，特别是当偏色系数小于等于0时，本领域技术人员往往会直接忽略对图像的偏色校正。而根据本实施例的偏色校正模块，对于偏色系数小于或者等于0的情况，则是利用灰度世界颜色校正算法对所述图像进行偏色校正，这样不仅可以达到全面进行偏色校正的目的，而且偏色校正效果更佳，更加有效避免真实偏色对后续颜色识别造成的影响，进一步提高物体颜色识别的准确率。

作为优选的实施方式，所述偏色系数获取单元包括二维色度直方图获取子单元、等效圆获取子单元和偏色系数计算子单元。所述二维色度直方图获取子单元用于获取所述图像在CIELab颜色空间下a*分量和b*分量的二维色度直方图。所述等效圆获取子单元用于获取所述二维色度直方图的两个面积最大的等效圆。所述偏色系数计算子单元用于当两个所述等效圆位于同一象限时，根据面积较小的等效圆获得所述图像的偏色系数；当两个所述等效圆不位于同一象限时，根据面积较大的等效圆获得所述图像的偏色系数。获取图像在CIELab颜色空间下a*分量和b*分量的二维色度直方图，可以绕开图像中饱和度和亮度过高的像素，有效避免曝光点或杂点对图像偏色检测的影响。获取所述二维色度直方图的两个面积最大的等效圆，当两个所述等效圆位于同一象限时，根据面积较小的等效圆获得所述图像的偏色系数，当两个所述等效圆不位于同一象限时，根据面积较大的等效圆获得所述图像的偏色系数，可以有效避免本质偏色的影响，从而进一步有效避免真实偏色对后续颜色识别造成的影响，使得物体颜色识别的准确率更高。

作为优选的实施方式，识别区域获取模块62包括选取单元、高光区域获取单元和去除单元。所述选取单元用于从偏色校正后的图像中选取表征物体颜色的区域。所述高光区域获取单元用于获取所述表征物体颜色的区域中的高光区域。所述去除单元用于去除表征物体颜色的区域中的高光区域，以剩余区域作为颜色识别区域。由于颜色识别区域中的高光区域被去除，这样为颜色识别提供更加准确和有效的识别区域，进一步提高物体颜色识别的准确率。

其中，所述高光区域获取单元包括漫反射分量获取子单元、镜面反射分量获取子单元和高光区域识别子单元。所述漫反射分量获取子单元用于获得所述颜色识别区域中每个像素的漫反射分量。所述镜面反射分量获取子单元用于根据所述每个像素的漫反射分量获得所述每个像素的镜面反射分量。所述高光区域识别子单元用于以镜面反射分量高于亮度阈值的像素作为高光像素，所有高光像素形成所述高光区域。常规的获取高光区域单元，通常直接通过将图像中像素的亮度与预设的阈值进行比较，判断是否为高光像素，获得的高光区域不够精准。而本实施例中则是获取像素的镜面反射分量，然后与预设的亮度阈值进行比较获得高光像素，对高光区域的检测和去除更为精准，这样可以为颜色识别提供进一步准确和有效的识别区域，从而进一步提高物体颜色识别的准确率。

作为优选的实施方式，像素颜色识别模块63包括饱和度阈值获取单元、亮度判断单元、饱和度判断单元和色调判断单元。所述饱和度阈值获取单元用于获取饱和度阈值；所述亮度判断单元用于根据所述像素的亮度判断所述像素是否黑色或者白色。所述饱和度判断单元用于当所述像素不是黑色或者白色时，判断所述像素的饱和度是否高于饱和度阈值，当高于饱和度阈值时，所述像素为彩色，否则所述像素为灰色。所述色调判断单元用于当所述像素是彩色时，根据色调判断所述像素的颜色。常规的像素颜色识别模块直接根据色调判断像素的颜色，判断错误率高。本实施例首先根据像素的亮度判断像素是否黑色或者白色，当像素不是黑色或者白色时，再判断像素的饱和度是否高于饱和度阈值，当高于饱和度阈值时，则判定像素是彩色，根据色调判断像素的颜色；当不高于饱和度阈值时，则判定像素为灰色，这样可以更加准确地识别颜色识别区域中每个像素的颜色，从而进一步提高物体颜色识别的准确率。

其中，所述饱和度阈值获取单元包括边界点选取子单元、拟合曲线获取子单元和饱和度阈值获取子单元。所述边界点选取子单元用于从单一色调的HSL颜色表中选取彩色和非彩色边界点。所述拟合曲线获取子单元，用于根据每个所述边界点的亮度和饱和度获得饱和度阈值拟合曲线。所述饱和度阈值拟合曲线的表达式为：S＝1/(a*L-b)+c，其中，L为边界点亮度，S为边界点饱和度，a，b，c为拟合系数。所述饱和度阈值获取子单元用于根据所述饱和度阈值拟合曲线获得所述像素的亮度对应的饱和度阈值。现有技术通常是根据经验选择饱和度阈值，识别结果受亮度影响大，不能准确区分彩色和非彩色。本实施例则是根据饱和度阈值拟合曲线获得像素的亮度对应的饱和度阈值，这样获得的饱和度阈值更为准确，进而提高区分彩色和非彩色的准确率，进一步提高物体颜色识别的准确率。

实施例4

在本实施例中，以车辆为例，进一步阐述本发明的物体颜色识别系统。对于车辆而言，现有的识别系统通常粗略仅选取引擎盖上方区域，不能真正表征车辆的颜色，同时由于实际中车辆表面可能有粘贴物，比较脏乱，以及受到光照影响等，在对车辆颜色进行识别时，需要考虑车辆不同区域的颜色，因此在本实施例中，将颜色识别区域分为三个不同区域，其中所述第一颜色识别区域位于所述偏色校正后的图像中车辆所在区域的平坦区域的引擎盖中间区域内，所述平坦区域即为参考纹理特征进行搜索获得的纹理平坦区域。所述第二颜色识别区域位于所述车辆所在区域的引擎盖左侧靠近车辆边界区域内。所述第三颜色识别区域位于所述车辆所在区域的引擎盖右侧靠近车辆边界区域内。因此本实施例中选取的颜色识别区域更为准确，能够真正表征车辆的颜色，从而提高车辆颜色识别的准确率。

其中，该系统还包括平坦区域获取模块，用于以所述车辆所在区域的第一个无纹理点为初始点进行区域增长而获得所述平坦区域。本实施例以车辆所在区域的第一个无纹理点为初始点进行区域增长而获得平坦区域，速度快，效率高，并且更为准确，为颜色识别提供更加准确和有效的识别区域，进一步提高车辆颜色识别的准确率。

作为优选的实施方式，该系统还包括第一颜色识别区域获取模块，其包括差值获取单元和第一处理单元。所述差值获取单元用于获取所述车辆前侧地面亮度大于车辆左、右侧地面亮度中较大亮度的差值。所述第一处理单元用于当所述差值大于或者等于顺光阈值时，以去除所述引擎盖中间区域中高光区域后的剩余区域作为第一颜色识别区域；当所述差值小于顺光阈值时，以所述引擎盖中间区域作为第一颜色识别区域。这样可以将第一颜色识别区域中的高光区域有效去除，为颜色识别提供更加准确和有效的识别区域，进一步提高车辆颜色识别的准确率。

作为优选的实施方式，该系统还包括第二和第三颜色识别区域获取模块，其包括饱和度均值获取单元、第二处理单元和第三处理单元。所述饱和度均值获取单元用于分别获取引擎盖左侧、右侧靠近车辆边界区域的饱和度均值。所述第二处理单元用于当引擎盖左侧靠近车辆边界区域的饱和度均值低于识别阈值时，以引擎盖左侧靠近车辆边界区域中纹理最低的区域作为第二颜色识别区域；当引擎盖左侧靠近车辆边界区域的饱和度均值高于所述识别阈值时，以引擎盖左侧靠近车辆边界区域中饱和度最高的区域作为第二颜色识别区域。所述第三处理单元用于当引擎盖右侧靠近车辆边界区域的饱和度均值低于所述识别阈值时，以引擎盖右侧靠近车辆边界区域中纹理最低的区域作为第三颜色识别区域；当引擎盖右侧靠近车辆边界区域的饱和度均值高于所述识别阈值时，以引擎盖右侧靠近车辆边界区域中饱和度最高的区域作为第三颜色识别区域。这样，获得的所述第二颜色识别区域、所述第三颜色识别区域，是能够更为准确表征车辆颜色的区域，因此可以使得车辆颜色识别的准确率更高。

作为优选的实施方式，所述系统还包括车辆颜色获取模块，其包括彩色判断单元和车辆颜色选择单元。所述彩色判断单元用于分别判断所述第一颜色识别区域、第二颜色识别区域、第三颜色识别区域是否为彩色。所述车辆颜色选择单元用于如果所述第一颜色识别区域为彩色，则选择所述第一颜色识别区域的颜色作为车辆颜色；如果所述第一颜色识别区域为非彩色并且第二颜色识别区域或第三颜色识别区域为彩色，则当车辆左侧地面亮度大于车辆右侧地面亮度的差值大于或者等于左侧光阈值时，选择所述第三颜色识别区域的颜色作为车辆颜色；当车辆右侧地面亮度大于车辆左侧地面亮度的差值大于或者等于右侧光阈值时，选择所述第二颜色识别区域的颜色作为车辆颜色。这样可以充分到考虑光照类型对识别出的颜色的影响，因而可以增强对于不同光照的适应性，提高车辆颜色识别的总体准确性。总之，可以降低非正常光照对车辆颜色识别的影响，对于不同环境、场景和车型都具有较好的鲁棒性和识别效果。

显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (26)

1.一种物体颜色识别方法，其特征在于，包括以下步骤：

对获取的物体图像进行偏色校正；

根据偏色校正后的图像获得颜色识别区域；

识别所述颜色识别区域中每个像素的颜色；

以所述颜色识别区域的像素个数最多的颜色作为物体颜色。

2.根据权利要求1所述的方法，其特征在于，所述对获取的物体图像进行偏色校正的步骤包括：

获取所述图像的偏色系数；

当所述偏色系数大于0时，根据所述偏色系数对所述图像进行偏色校正；当所述偏色系数小于或者等于0时，利用灰度世界颜色校正算法对所述图像进行偏色校正。

3.根据权利要求2所述的方法，其特征在于，所述获取所述图像的偏色系数的步骤包括：

获取所述图像在CIELab颜色空间下a*分量和b*分量的二维色度直方图；

获取所述二维色度直方图的两个面积最大的等效圆；

当两个所述等效圆位于同一象限时，根据面积较小的等效圆获得所述图像的偏色系数；当两个所述等效圆不位于同一象限时，根据面积较大的等效圆获得所述图像的偏色系数。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述根据偏色校正后的图像获得颜色识别区域的步骤包括：

从偏色校正后的图像中选取表征物体颜色的区域；

获取所述表征物体颜色的区域中的高光区域；

去除所获取的高光区域，以剩余区域作为颜色识别区域。

5.根据权利要求4所述的方法，其特征在于，所述获取所述表征物体颜色的区域中的高光区域的步骤包括：

获得所述颜色识别区域中每个像素的漫反射分量；

根据所述每个像素的漫反射分量获得所述每个像素的镜面反射分量；

以镜面反射分量高于亮度阈值的像素作为高光像素，所有高光像素形成所述高光区域。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述识别颜色识别区域中每个像素的颜色的步骤包括：

获取饱和度阈值；

根据所述像素的亮度判断所述像素是否黑色或者白色；

当所述像素不是黑色或者白色时，判断所述像素的饱和度是否高于饱和度阈值，当高于饱和度阈值时，所述像素为彩色，否则所述像素为灰色；

当所述像素是彩色时，根据色调判断所述像素的颜色。

7.根据权利要求6所述的方法，其特征在于，所述获取饱和度阈值的步骤包括：

从单一色调的HSL颜色表中选取彩色和非彩色边界点；

根据每个所述边界点的亮度和饱和度获得饱和度阈值拟合曲线；

根据所述饱和度阈值拟合曲线获得所述像素的亮度对应的饱和度阈值。

8.根据权利要求7所述的方法，其特征在于，所述饱和度阈值拟合曲线的表达式为：

S＝1/(a*L-b)+c

其中，L为边界点亮度，S为边界点饱和度，a，b，c为拟合系数。

9.根据权利要求1-8任一项所述的方法，其特征在于，所述物体为车辆，所述颜色识别区域包括第一颜色识别区域、第二颜色识别区域和第三颜色识别区域，其中所述第一颜色识别区域位于所述偏色校正后的图像中车辆所在区域的平坦区域的引擎盖中间区域内，所述第二颜色识别区域位于所述车辆所在区域的引擎盖左侧靠近车辆边界区域内，所述第三颜色识别区域位于所述车辆所在区域的引擎盖右侧靠近车辆边界区域内。

10.根据权利要求9所述的方法，其特征在于，还包括平坦区域获取的步骤，以所述车辆所在区域的第一个无纹理点为初始点进行区域增长而获得所述平坦区域。

11.根据权利要求9或10所述的方法，其特征在于，还包括第一颜色识别区域获取的步骤，其包括：

获取所述车辆前侧地面亮度大于车辆左、右侧地面亮度中较大亮度的差值；

当所述差值大于或者等于顺光阈值时，以去除所述引擎盖中间区域中高光区域后的剩余区域作为第一颜色识别区域；当所述差值小于顺光阈值时，以所述引擎盖中间区域作为第一颜色识别区域。

12.根据权利要求9或10所述的方法，其特征在于，还包括第二和第三颜色识别区域获取的步骤，其包括：

分别获取引擎盖左侧、右侧靠近车辆边界区域的饱和度均值；

当引擎盖左侧靠近车辆边界区域的饱和度均值低于识别阈值时，以引擎盖左侧靠近车辆边界区域中纹理最低的区域作为第二颜色识别区域；当引擎盖左侧靠近车辆边界区域的饱和度均值高于所述识别阈值时，以引擎盖左侧靠近车辆边界区域中饱和度最高的区域作为第二颜色识别区域；

当引擎盖右侧靠近车辆边界区域的饱和度均值低于所述识别阈值时，以引擎盖右侧靠近车辆边界区域中纹理最低的区域作为第三颜色识别区域；当引擎盖右侧靠近车辆边界区域的饱和度均值高于所述识别阈值时，以引擎盖右侧靠近车辆边界区域中饱和度最高的区域作为第三颜色识别区域。

13.根据权利要求9-12任一项所述的方法，其特征在于，还包括获取所述车辆的颜色的步骤，其包括：

分别判断所述第一颜色识别区域、第二颜色识别区域、第三颜色识别区域是否为彩色；

如果所述第一颜色识别区域为彩色，则选择所述第一颜色识别区域的颜色作为车辆颜色；如果所述第一颜色识别区域为非彩色并且第二颜色识别区域或第三颜色识别区域为彩色，则当车辆左侧地面亮度大于车辆右侧地面亮度的差值大于或者等于左侧光阈值时，选择所述第三颜色识别区域的颜色作为车辆颜色；当车辆右侧地面亮度大于车辆左侧地面亮度的差值大于或者等于右侧光阈值时，选择所述第二颜色识别区域的颜色作为车辆颜色。

14.一种物体颜色识别系统，其特征在于，包括：

偏色校正模块，用于对获取的物体图像进行偏色校正；

识别区域获取模块，用于根据偏色校正后的图像获得颜色识别区域；

像素颜色识别模块，用于识别所述颜色识别区域中每个像素的颜色；

物体颜色获取模块，用于以所述颜色识别区域的像素个数最多的颜色作为物体颜色。

15.根据权利要求14所述的系统，其特征在于，所述偏色校正模块包括：

偏色系数获取单元，用于获取所述图像的偏色系数；

校正单元，用于当所述偏色系数大于0时，根据所述偏色系数对所述图像进行偏色校正；当所述偏色系数小于或者等于0时，利用灰度世界颜色校正算法对所述图像进行偏色校正。

16.根据权利要求15所述的系统，其特征在于，所述偏色系数获取单元包括：

二维色度直方图获取子单元，用于获取所述图像在CIELab颜色空间下a*分量和b*分量的二维色度直方图；

等效圆获取子单元，用于获取所述二维色度直方图的两个面积最大的等效圆；

偏色系数计算子单元，用于当两个所述等效圆位于同一象限时，根据面积较小的等效圆获得所述图像的偏色系数；当两个所述等效圆不位于同一象限时，根据面积较大的等效圆获得所述图像的偏色系数。

17.根据权利要求14-16任一项所述的系统，其特征在于，所述识别区域获取模块包括：

选取单元，用于从偏色校正后的图像中选取表征物体颜色的区域；

高光区域获取单元，用于获取所述表征物体颜色的区域中的高光区域；

去除单元，用于去除所获取的高光区域，以剩余区域作为颜色识别区域。

18.根据权利要求17所述的系统，其特征在于，所述高光区域获取单元包括：

漫反射分量获取子单元，用于获得所述颜色识别区域中每个像素的漫反射分量；

镜面反射分量获取子单元，用于根据所述每个像素的漫反射分量获得所述每个像素的镜面反射分量；

高光区域识别子单元，用于以镜面反射分量高于亮度阈值的像素作为高光像素，所有高光像素形成所述高光区域。

19.根据权利要求14-18所述的系统，其特征在于，所述像素颜色识别模块包括：

饱和度阈值获取单元，用于获取饱和度阈值；

亮度判断单元，用于根据所述像素的亮度判断所述像素是否黑色或者白色；

饱和度判断单元，用于当所述像素不是黑色或者白色时，判断所述像素的饱和度是否高于饱和度阈值，当高于饱和度阈值时，所述像素为彩色，否则所述像素为灰色；

色调判断单元，用于当所述像素是彩色时，根据色调判断所述像素的颜色。

20.根据权利要求19所述的系统，其特征在于，所述饱和度阈值获取单元包括：

边界点选取子单元，用于从单一色调的HSL颜色表中选取彩色和非彩色边界点；

拟合曲线获取子单元，用于根据每个所述边界点的亮度和饱和度获得饱和度阈值拟合曲线；

饱和度阈值获取子单元，用于根据所述饱和度阈值拟合曲线获得所述像素的亮度对应的饱和度阈值。

21.根据权利要求20所述的系统，其特征在于，所述饱和度阈值拟合曲线的表达式为：

S＝1/(a*L-b)+c

其中，L为边界点亮度，S为边界点饱和度，a，b，c为拟合系数。

22.根据权利要求14-21任一项所述的系统，其特征在于，所述物体为车辆，所述颜色识别区域包括第一颜色识别区域、第二颜色识别区域和第三颜色识别区域，其中所述第一颜色识别区域位于所述偏色校正后的图像中车辆所在区域的平坦区域的引擎盖中间区域内，所述第二颜色识别区域位于所述车辆所在区域的引擎盖左侧靠近车辆边界区域内，所述第三颜色识别区域位于所述车辆所在区域的引擎盖右侧靠近车辆边界区域内。

23.根据权利要求22所述的系统，其特征在于，还包括平坦区域获取模块，用于以所述车辆所在区域的第一个无纹理点为初始点进行区域增长而获得所述平坦区域。

24.根据权利要求22或23所述的系统，其特征在于，还包括第一颜色识别区域获取模块，其包括：

差值获取单元，用于获取所述车辆前侧地面亮度大于车辆左、右侧地面亮度中较大亮度的差值；

第一处理单元，用于当所述差值大于或者等于顺光阈值时，以去除所述引擎盖中间区域中高光区域后的剩余区域作为第一颜色识别区域；当所述差值小于顺光阈值时，以所述引擎盖中间区域作为第一颜色识别区域。

25.根据权利要求22或23所述的系统，其特征在于，还包括第二和第三颜色识别区域获取模块，其包括：

饱和度均值获取单元，用于分别获取引擎盖左侧、右侧靠近车辆边界区域的饱和度均值；

第二处理单元，用于当引擎盖左侧靠近车辆边界区域的饱和度均值低于识别阈值时，以引擎盖左侧靠近车辆边界区域中纹理最低的区域作为第二颜色识别区域；当引擎盖左侧靠近车辆边界区域的饱和度均值高于所述识别阈值时，以引擎盖左侧靠近车辆边界区域中饱和度最高的区域作为第二颜色识别区域；

第三处理单元，用于当引擎盖右侧靠近车辆边界区域的饱和度均值低于所述识别阈值时，以引擎盖右侧靠近车辆边界区域中纹理最低的区域作为第三颜色识别区域；当引擎盖右侧靠近车辆边界区域的饱和度均值高于所述识别阈值时，以引擎盖右侧靠近车辆边界区域中饱和度最高的区域作为第三颜色识别区域。

26.根据权利要22-25任一项所述的系统，其特征在于，还包括车辆颜色获取模块，其包括：

彩色判断单元，用于分别判断所述第一颜色识别区域、第二颜色识别区域、第三颜色识别区域是否为彩色；

车辆颜色选择单元，用于如果所述第一颜色识别区域为彩色，则选择所述第一颜色识别区域的颜色作为车辆颜色；如果所述第一颜色识别区域为非彩色并且第二颜色识别区域或第三颜色识别区域为彩色，则当车辆左侧地面亮度大于车辆右侧地面亮度的差值大于或者等于左侧光阈值时，选择所述第三颜色识别区域的颜色作为车辆颜色；当车辆右侧地面亮度大于车辆左侧地面亮度的差值大于或者等于右侧光阈值时，选择所述第二颜色识别区域的颜色作为车辆颜色。