CN109584317A - 基于hsv色彩空间直方图的车身颜色识别方法 - Google Patents

基于hsv色彩空间直方图的车身颜色识别方法 Download PDF

Info

Publication number
CN109584317A
CN109584317A CN201811584499.XA CN201811584499A CN109584317A CN 109584317 A CN109584317 A CN 109584317A CN 201811584499 A CN201811584499 A CN 201811584499A CN 109584317 A CN109584317 A CN 109584317A
Authority
CN
China
Prior art keywords
color
hsv
histogram
max
hue
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.)
Granted
Application number
CN201811584499.XA
Other languages
English (en)
Other versions
CN109584317B (zh
Inventor
付邦鹏
刘珊
瞿关明
张龙龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin Tiandy Information Systems Integration Co ltd
Tiandy Technologies Co Ltd
Original Assignee
Tianjin Tiandi Weiye Robot Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tianjin Tiandi Weiye Robot Technology Co Ltd filed Critical Tianjin Tiandi Weiye Robot Technology Co Ltd
Priority to CN201811584499.XA priority Critical patent/CN109584317B/zh
Publication of CN109584317A publication Critical patent/CN109584317A/zh
Application granted granted Critical
Publication of CN109584317B publication Critical patent/CN109584317B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/08—Detecting or categorising vehicles
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明创造提供了一种基于HSV色彩空间直方图的车身颜色识别方法，利用CCD/CMOS相机获取外部车身彩色图像到计算机中；去除图像因电路或其他图像处理算法引起的噪声，提取识别区域中边缘，用于过滤边缘部分的信息统计；计算机将输入的车身色彩图像的色彩空间由RGB转为HSV空间，利于提取、统计颜色信息；计算机提取H‑S特征并获取H‑S直方图；计算机按照H‑S特征直方图最高柱Hue查表输出颜色。本发明创造所述的基于HSV色彩空间直方图的车身颜色识别方法，排除了外界光线对车身颜色识别的影响，充分的利用了HSV色彩空间的色度H、饱和度S的相关统计信息，利用直方图的方式将颜色分布呈现出来，能够有效、准确地识别光线变化剧烈场景下的车身颜色信息。

Description

基于HSV色彩空间直方图的车身颜色识别方法
技术领域
本发明创造属于一种图像识别算法领域，尤其是涉及一种基于HSV色彩空间直方图的车身颜色识别方法。
背景技术
目前对车辆信息的检测是智能交通系统中非常重要的一个项目，车身颜色又是车辆信息不可或缺的属性。但车辆在各种场景下，其车身颜色由于受外部光线影响，时常出现局部过曝、偏色等情况，很难对车身颜色进行有效、正确的分辨。
发明内容
有鉴于此，本发明是为了克服现有技术中存在的缺点而提出的，其目的是提供一种基于HSV色彩空间直方图的车身颜色识别算法。
为达到上述目的，本发明创造的技术方案是这样实现的：
一种基于HSV色彩空间直方图的车身颜色识别方法,包括包括如下步骤：步骤一：利用CCD/CMOS相机获取外部车身彩色图像到计算机中；步骤二：去除图像因电路或其他图像处理算法引起的噪声，提取识别区域中边缘，用于过滤边缘部分的信息统计；步骤三：计算机将输入的车身色彩图像的色彩空间由RGB转为HSV空间，利于提取、统计颜色信息；步骤四：计算机提取H-S特征并获取H-S直方图；步骤五：计算机按照H-S特征直方图最高柱Hue查表输出颜色。
进一步的，所述步骤二的具体方法为：利用高斯滤波降噪算法去除图像因电路或其他图像处理算法引起的噪声。
进一步的，所述步骤二的具体方法为：利用Canny边缘检测算法提取识别区域中边缘信息，用于过滤边缘部分的信息统计。
进一步的，所述步骤三中色彩空间由RGB转为HSV空间的具体过程为：
Max＝max(R，G，B)
Min＝min(R，G，B)
V＝max(R，G，B)
S＝(Max-Min)/Max
if(R＝Max)H＝(G-B)/(Max-Min)*60
if(G＝Max)H＝120+(B-R)/(Max-Min)*60
if(B＝Max)H＝240+(R-G)/(Max-Min)*60
if(H＜0)H＝H+360
其中，R，G，B表示图像中某个像素点的R值G值B值，H，S，V表示转换后的HSV空间上对应像素点的H值S值V值，
RGB颜色空间无法直接描述车辆的颜色信息，转换到HSV空间时，根据色度Hue可以很清晰的辨别各种颜色分布，如红色Hue约为330。～359。以及0。～30。
进一步的，所述步骤四的具体实现过程为：
计算机按照预先设定的Hue-Color对照表，将色度Hue分为N个区间对应N种颜色，区间step＝360。/N，求取识别区域内的H-S特征直方图中第k个柱的统计值HS(k)：
HS(k)＝∑(k-1)*step≤H(x，y)＜k*stepS(x，y)
其中，k∈[1，N]，H(x，y)、S(x，y)分别为HSV图像中非边缘点(x，y)所对应的色度值与饱和度值。
进一步的，所述步骤五的具体实现计算过程为：计算机根据H-S直方图统计信息，将最高柱代表的Hue区间送到Hue-Color对照表，查询得到车身颜色结果，HSV空间的Hue用于区分颜色所在区间，而Saturation则用于表示颜色的深浅。
相对于现有技术，本发明创造所述的基于HSV色彩空间直方图的车身颜色识别方法具有以下优势：
(1)本发明创造所述的基于HSV色彩空间直方图的车身颜色识别方法，排除了外界光线对车身颜色识别的影响，充分的利用了HSV色彩空间的色度H、饱和度S的相关统计信息，考虑到过曝区域的饱和度偏低的特点，利用直方图的方式将颜色分布呈现出来，能够有效、准确地识别光线变化剧烈场景下的车身颜色信息。
附图说明
构成本发明创造的一部分的附图用来提供对本发明创造的进一步理解，本发明创造的示意性实施例及其说明用于解释本发明创造，并不构成对本发明创造的不当限定。在附图中：
图1为本发明创造实施例所述的基于HSV色彩空间直方图的车身颜色识别算法的流程示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本发明创造中的实施例及实施例中的特征可以相互组合。
在本发明创造的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明创造和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明创造的限制。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明创造的描述中，除非另有说明，“多个”的含义是两个或两个以上。
在本发明创造的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本发明创造中的具体含义。
下面将参考附图并结合实施例来详细说明本发明创造。
名词解释：
H-S特征直方图指的是以色度Hue为横轴，以及每个Hue区间的饱和度Saturation累加和为纵轴的直方图；
基于HSV色彩空间直方图的车身颜色识别方法，如图1所示，具体步骤如下：
步骤一：利用CCD/CMOS相机获取外部车身彩色图像到计算机中；
步骤二：计算机去除图像因电路或其他图像处理算法引起的噪声，提取识别区域中边缘，用于过滤边缘部分的信息统计；
步骤三：计算机将输入的车身色彩图像的色彩空间由RGB转为HSV空间，利于提取、统计颜色信息；
步骤四：计算机提取H-S特征并获取H-S直方图；
步骤五：计算机按照H-S特征直方图最高柱Hue查表输出颜色。
所述步骤二的具体方法为：利用高斯滤波降噪算法去除图像因电路或其他图像处理算法引起的噪声；
利用Canny边缘检测算法提取识别区域中边缘信息，用于过滤边缘部分的信息统计；
所述步骤三中色彩空间由RGB转为HSV空间的具体过程为：
RGB转HSV的具体过程如下：
Max＝max(R,G,B)
Min＝min(R,G,B)
V＝max(R,G,B)
S＝(Max-Min)/Max
if(R＝Max)H＝(G-B)/(Max-Min)*60
if(G＝Max)H＝120+(B-R)/(Max-Min)*60
if(B＝Max)H＝240+(R-G)/(Max-Min)*60
if(H<0)H＝H+360
其中，R,G,B表示图像中某个像素点的R值G值B值，H,S,V表示转换后的HSV空间上对应像素点的H值S值V值
RGB颜色空间无法直接描述车辆的颜色信息，转换到HSV空间时，根据色度Hue可以很清晰的辨别各种颜色分布，如红色Hue约为330。～359。以及0。～30。(Hue在0。～359。范围)
所述步骤四的具体实现过程为：
如果计算机直接使用色度Hue的直方图并不能有效的表达出车身颜色的分布，因为有些局部区域是灰色、或者受光照影响过曝的，这部分统计出来的Hue直方图对于区分车身颜色没有助益。因而本专利引用另一个维度的量来帮助建立有效识别颜色的直方图，即加入饱和度Saturation，一个表示颜色深浅的量。
计算机按照预先设定的Hue-Color对照表，将色度Hue分为N个区间(对应N种颜色)，区间step＝360。/N。求取识别区域内的H-S特征直方图中第k个柱的统计值HS(k)：
HS(k)＝∑(k-1)*step≤H(x，y)＜k*stepS(x，y)
其中，k∈[1，N]，H(x，y)、S(x，y)分别为HSV图像中非边缘点(x，y)所对应的色度值与饱和度值。
所述步骤五的具体实现计算过程为：
计算机根据H-S直方图统计信息，将最高柱代表的Hue区间送到Hue-Color对照表，查询得到车身颜色结果。这里的Hue-Color对照表是根据实际使用要求而定的，可以按照Hue等分，也可以按照人眼对颜色的分辨程度而分。
HSV空间的Hue用于区分颜色所在区间，而Saturation则用于表示颜色的深浅。本算法中要针对易受光照影响的车身颜色进行识别，单单Hue是不够的，利用Saturation在Hue维度上的累加值，能够很好的表示识别区域中颜色主要成分。对于颜色深且多的区域，则认为是属于车身的颜色。
以上所述仅为本发明创造的较佳实施例而已，并不用以限制本发明创造，凡在本发明创造的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明创造的保护范围之内。

Claims (6)

1.基于HSV色彩空间直方图的车身颜色识别方法，其特征在于：包括如下步骤：
步骤一：利用CCD/CMOS相机获取外部车身彩色图像到计算机中；
步骤二：去除图像因电路或其他图像处理算法引起的噪声，提取识别区域中边缘，用于过滤边缘部分的信息统计；
步骤三：计算机将输入的车身色彩图像的色彩空间由RGB转为HSV空间，利于提取、统计颜色信息；
步骤四：计算机提取H-S特征并获取H-S直方图；
步骤五：计算机按照H-S特征直方图最高柱Hue查表输出颜色。
2.根据权利要求1所述的基于HSV色彩空间直方图的车身颜色识别方法，其特征在于：所述步骤二的具体方法为：利用高斯滤波降噪算法去除图像因电路或其他图像处理算法引起的噪声。
3.根据权利要求1或2所述的基于HSV色彩空间直方图的车身颜色识别方法，其特征在于：所述步骤二的具体方法为：利用Canny边缘检测算法提取识别区域中边缘信息，用于过滤边缘部分的信息统计。
4.根据权利要求1所述的基于HSV色彩空间直方图的车身颜色识别方法，其特征在于：所述步骤三中色彩空间由RGB转为HSV空间的具体过程为：
Max＝max(R,G,B)
Min＝min(R,G,B)
V＝max(R,G,B)
S＝(Max-Min)/Max
if(R＝Max)H＝(G-B)/(Max-Min)*60
if(G＝Max)H＝120+(B-R)/(Max-Min)*60
if(B＝Max)H＝240+(R-G)/(Max-Min)*60
if(H<0)H＝H+360
其中，R,G,B表示图像中某个像素点的R值G值B值，H,S,V表示转换后的HSV空间上对应像素点的H值S值V值，
RGB颜色空间无法直接描述车辆的颜色信息，转换到HSV空间时，根据色度Hue可以很清晰的辨别各种颜色分布，如红色Hue约为330。～359。以及0。～30。
5.根据权利要求1所述的基于HSV色彩空间直方图的车身颜色识别方法，其特征在于：所述步骤四的具体实现过程为：
计算机按照预先设定的Hue-Color对照表，将色度Hue分为N个区间对应N种颜色，区间step＝360。/N，求取识别区域内的H-S特征直方图中第k个柱的统计值HS(k):
HS(k)＝∑(k-1)*step≦H(x,y)<k*stepS(x,y)
其中，k∈[1,N]，H(x,y)、S(x,y)分别为HSV图像中非边缘点(x,y)所对应的色度值与饱和度值。
6.根据权利要求5所述的基于HSV色彩空间直方图的车身颜色识别方法，其特征在于：所述步骤五的具体实现计算过程为：计算机根据H-S直方图统计信息，将最高柱代表的Hue区间送到Hue-Color对照表，查询得到车身颜色结果，HSV空间的Hue用于区分颜色所在区间，而Saturation则用于表示颜色的深浅。
CN201811584499.XA 2018-12-24 2018-12-24 基于hsv色彩空间直方图的车身颜色识别方法 Active CN109584317B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811584499.XA CN109584317B (zh) 2018-12-24 2018-12-24 基于hsv色彩空间直方图的车身颜色识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811584499.XA CN109584317B (zh) 2018-12-24 2018-12-24 基于hsv色彩空间直方图的车身颜色识别方法

Publications (2)

Publication Number Publication Date
CN109584317A true CN109584317A (zh) 2019-04-05
CN109584317B CN109584317B (zh) 2023-07-25

Family

ID=65931541

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811584499.XA Active CN109584317B (zh) 2018-12-24 2018-12-24 基于hsv色彩空间直方图的车身颜色识别方法

Country Status (1)

Country Link
CN (1) CN109584317B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111340897A (zh) * 2020-02-24 2020-06-26 威斯泰（苏州）智能科技有限公司 基于模糊数学相似度的颜色识别方法
CN112308848A (zh) * 2020-11-06 2021-02-02 中冶赛迪重庆信息技术有限公司 一种废钢货车挡板状态识别方法、系统、电子设备及介质
CN114648691A (zh) * 2020-12-21 2022-06-21 苏州科瓴精密机械科技有限公司 一种障碍物识别方法、装置、设备、介质及除草机器人

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120237126A1 (en) * 2011-03-16 2012-09-20 Electronics & Telecommunications Research Institute Apparatus and method for determining characteristic of motion picture
CN105005766A (zh) * 2015-07-01 2015-10-28 深圳市迈科龙电子有限公司 一种车身颜色识别方法
CN105139383A (zh) * 2015-08-11 2015-12-09 北京理工大学 基于定义圆hsv颜色空间的医学图像分割方法及癌细胞识别方法
CN106610987A (zh) * 2015-10-22 2017-05-03 杭州海康威视数字技术股份有限公司 视频图像检索方法、装置及系统
CN107036977A (zh) * 2017-04-28 2017-08-11 武汉科技大学 中纤板表面色差检测方法
CN107862063A (zh) * 2017-11-15 2018-03-30 广东交通职业技术学院 一种图像色彩传递方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120237126A1 (en) * 2011-03-16 2012-09-20 Electronics & Telecommunications Research Institute Apparatus and method for determining characteristic of motion picture
CN105005766A (zh) * 2015-07-01 2015-10-28 深圳市迈科龙电子有限公司 一种车身颜色识别方法
CN105139383A (zh) * 2015-08-11 2015-12-09 北京理工大学 基于定义圆hsv颜色空间的医学图像分割方法及癌细胞识别方法
CN106610987A (zh) * 2015-10-22 2017-05-03 杭州海康威视数字技术股份有限公司 视频图像检索方法、装置及系统
CN107036977A (zh) * 2017-04-28 2017-08-11 武汉科技大学 中纤板表面色差检测方法
CN107862063A (zh) * 2017-11-15 2018-03-30 广东交通职业技术学院 一种图像色彩传递方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王彦林;: "H-S直方图在图像检索中的应用" *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111340897A (zh) * 2020-02-24 2020-06-26 威斯泰（苏州）智能科技有限公司 基于模糊数学相似度的颜色识别方法
CN112308848A (zh) * 2020-11-06 2021-02-02 中冶赛迪重庆信息技术有限公司 一种废钢货车挡板状态识别方法、系统、电子设备及介质
CN114648691A (zh) * 2020-12-21 2022-06-21 苏州科瓴精密机械科技有限公司 一种障碍物识别方法、装置、设备、介质及除草机器人

Also Published As

Publication number Publication date
CN109584317B (zh) 2023-07-25

Similar Documents

Publication Publication Date Title
CN106682601B (zh) 一种基于多维信息特征融合的驾驶员违规通话检测方法
CN110008954B (zh) 一种基于多阈值融合的复杂背景文本图像提取方法及系统
CN102663354B (zh) 人脸标定方法和系统
EP1271403B1 (en) Method and device for character location in images from digital camera
CN105139404B (zh) 一种可检测拍摄质量的证照相机及拍摄质量检测方法
CN109584317A (zh) 基于hsv色彩空间直方图的车身颜色识别方法
US7068840B2 (en) Determination of an illuminant of digital color image by segmentation and filtering
KR100253203B1 (ko) 동영상을 이용한 객체 추출방법
CN106503644B (zh) 基于边缘投影及颜色特征的眼镜属性检测方法
CN106991707B (zh) 一种基于昼夜成像特征的交通信号灯图像强化方法及装置
CN107992810B (zh) 车辆识别方法和装置、电子设备和存储介质
CN104598905A (zh) 一种车牌定位方法和装置
CN111369529B (zh) 一种物品丢失、遗留检测方法及其系统
CN114511567B (zh) 舌体与舌苔图像识别分离方法
CN101771825A (zh) 图像亮色补偿的方法和装置
CN113989771A (zh) 一种基于数字图像处理的交通信号灯识别方法
CN112699760B (zh) 一种脸部目标区域检测方法、装置和设备
CN111414877B (zh) 去除颜色边框的表格裁切方法、图像处理设备和存储介质
CN110070514B (zh) 一种盲道状态的fpga嵌入式视觉识别方法及便携式设备
CN108133204B (zh) 一种手体识别方法、装置、设备及计算机可读存储介质
KR100488014B1 (ko) ＹＣｒＣｂ 칼라 기반 얼굴 영역 추출 방법
Kumar et al. License plate tracking using gradient based segmentation
CN107886029B (zh) 定位交通灯背景框的方法、装置及车辆
CN109410169B (zh) 一种图像背景干扰度的识别方法及装置
CN111079713A (zh) 一种提取行人颜色特征的方法及终端设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20230704

Address after: 300392 Room A310, Building 4, No. 8, Haitai Huake Second Road, Huayuan Industrial Zone (outside the ring), Xiqing District, Tianjin

Applicant after: TIANJIN TIANDY INFORMATION SYSTEMS INTEGRATION Co.,Ltd.

Applicant after: TIANDY TECHNOLOGIES Co.,Ltd.

Address before: 300457 A303, Building 4, No. 8, Haitai Huake Second Road, Huayuan Industrial Zone (outside the ring), High tech Zone, Binhai, Tianjin

Applicant before: TIANJIN TIANDI WEIYE ROBOT TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant