CN111930987B - 一种基于机器视觉颜色识别的智慧城域定位方法及系统 - Google Patents

Abstract

本发明涉及一种基于机器视觉颜色识别的智慧城域定位方法及系统，属于定位技术领域，解决了现有定位方法计算量大、速度慢且准确率低的问题。该方法包括，对获取的第一图像进行颜色校正，提取待定位目标的至少一种特征颜色；第一图像中包含待定位目标的图像；获取待搜索图像，对待搜索图像进行颜色校正，并对颜色校正后的待搜索图像进行网格划分，基于每一网格的颜色值确定待搜索图像颜色与特征颜色的接近度；任一特征颜色对应的接近度大于预设边界值，则判定待搜索图像中可能存在待定位目标；基于获得的可能存在待定位目标的待搜索图像，进一步确定其是否包含待定位目标。本发明通过颜色匹配进行定位，计算量小，并能够快速缩小定位范围，定位速度快且准确率高。

Description

一种基于机器视觉颜色识别的智慧城域定位方法及系统

技术领域

本发明涉及定位技术领域，尤其涉及一种基于机器视觉颜色识别的智慧城域定位方法及系统。

背景技术

智慧安防是智慧城市的重要部分。现有的智慧安防在解决对人或物进行定位的问题时，主要采取的是机器视觉的人脸识别技术或图像匹配技术，需要在特定环节事先采集目标人或物的图像，对于定位人的情况，人脸识别还可能需要连接公安系统的人脸大数据，再对现场安防摄像头获取到的大量图像信息进行机器视觉的识别和对比运算，最后根据监控摄像头的安装位置来锁定目标人或物的位置。

现有技术至少存在以下缺陷，一是在人脸大数据库中进行人脸识别或者对于待定位物体利用图像匹配进行识别，计算量大、定位速度慢；二是通过人脸识别进行定位或者通过图像匹配进行定位对人脸图像或者物体图像的清晰度有较高的要求，因此在实际应用中具有一定的局限性。

发明内容

鉴于上述的分析，本发明旨在提供一种基于机器视觉颜色识别的智慧城域定位方法及系统，用以解决现有定位方法计算量大、速度慢且准确率低的问题。

一方面，本发明提供了一种基于机器视觉颜色识别的智慧城域定位方法，包括：

对获取的第一图像进行颜色校正，提取待定位目标的至少一种特征颜色；所述第一图像中包含所述待定位目标的图像；

获取待搜索图像，对所述待搜索图像进行颜色校正，并对颜色校正后的所述待搜索图像进行网格划分，基于每一网格的颜色值确定所述待搜索图像的颜色与所述特征颜色的接近度；

任一特征颜色对应的所述接近度大于预设边界值，则判定所述待搜索图像中可能存在所述待定位目标；

基于获得的可能存在所述待定位目标的待搜索图像，进一步确定其是否包含待定位目标。

进一步的，所述提取待定位目标的至少一种特征颜色，具体包括：

利用训练好的颜色校正模型对所述第一图像进行颜色校正，获得标准光照条件下的第一图像；

删除标准光照条件下的所述第一图像中的其他人物或背景，获取仅含有待定位目标的第二图像；

对所述第二图像进行网格划分，并将每一网格的颜色与标准光照条件下的颜色色卡进行比较，以确定每一网格的颜色值；

基于所述每一网格的颜色值利用高斯拟合提取待定位目标的至少一种特征颜色。

进一步的，通过下述方式训练获得所述颜色校正模型：

获取不同光照条件下的颜色色卡相比于标准光照条件下颜色色卡的漂移量，作为颜色校正模型的训练参数初始值；

将不同光照条件下，包含背景、人物、物体及多种颜色的第三图像作为所述颜色校正模型的输入量，将标准光照条件下的第三图像作为所述颜色校正模型的输出量，对所述颜色校正模型的参数进行训练，获得训练好的颜色校正模型。

进一步的，基于所述每一网格的颜色值利用高斯拟合提取待定位目标的至少一种特征颜色，包括：

分别对每一网格的颜色R值、G值及B值进行高斯拟合获得R值对应的第一高斯曲线、G值对应的第二高斯曲线及B值对应的第三高斯曲线；将所述第一高斯曲线峰值对应的R值、第二高斯曲线峰值对应的G值及第三高斯曲线峰值对应的B值作为所述待定位目标的特征颜色值；

将所述第一高斯曲线、第二高斯曲线及第三高斯曲线中与峰值依次相邻位置处对应的R值、G值及B值作为待定位目标的其他特征颜色值。

进一步的，基于每一网格的颜色值确定所述待搜索图像的颜色与所述待定位目标每一特征颜色的接近度，包括：

通过下述公式计算待搜索图像每一网格颜色y_i(R_i,G_i,B_i)与所述待定位目标每一特征颜色A_j(R_j,G_j,B_j)的差值：

其中，i＝1,2,3...n，n为所述待搜索图像中的网格数量，j＝1,2,3...m，m为所述待定位目标的特征颜色数量；

将待定位目标的第j种特征颜色对应的差值d_ij按从小到大的顺序进行排序，当第p+1个网格对应的差值d_(p+1)j远大于第p个网格对应的差值d_pj时，则根据前p个网格对应的差值通过下述公式获得所述待搜索图像的颜色与所述待定位目标的第j种特征颜色的接近度：

遍历待定位目标的每一种特征颜色，获得所述待搜索图像颜色与所述待定位目标每一种特征颜色的接近度。

进一步的，通过下述函数确定所述待搜索图像中存在所述待定位目标的可能性：

其中，L_j表示待定位目标第j种特征颜色对应的边界值，f(A_j)为1表示所述待搜索图像的颜色与所述待定位目标第j种特征颜色相接近，f(A_j)为0表示所述待搜索图像颜色与所述待定位目标第j种特征颜色不接近；

f越大，所述待搜索图像中存在所述待定位目标的可能性越大，f为0表示所述待搜索图像中存在所述待定位目标的可能性为零。

另一方面，本发明提供了一种基于机器视觉颜色识别的智慧城域定位系统，包括：

颜色校正模块，用于对第一图像及待搜索图像进行颜色校正，所述第一图像中包含有待定位目标的图像；

特征颜色提取模块，用于提取所述待定位目标的至少一种特征颜色；

接近度确定模块，用于基于所述待搜索图像的每一网格的颜色值确定所述待搜索图像的颜色与所述特征颜色的接近度；

判断模块，通过比较每一特征颜色对应的所述接近度与预设边界值，确定所述待搜索图像中存在所述待定位目标的可能性；

定位模块，基于可能存在所述待定位目标的待搜索图像，进一步确定其是否包含待定位目标。

进一步的，所述特征颜色提取模块通过下述方式提取所述待定位目标的至少一种特征颜色：

删除颜色校正后的所述第一图像中的其他人物或背景，获取仅含有待定位目标的第二图像；

对所述第二图像进行网格划分，并将每一网格的颜色与标准光照条件下的颜色色卡进行比较，以确定每一网格的颜色值；

基于所述每一网格的颜色值利用高斯拟合提取待定位目标的至少一种特征颜色，具体包括：

分别对每一网格的颜色R值、G值及B值进行高斯拟合获得R值对应的第一高斯曲线、G值对应的第二高斯曲线及B值对应的第三高斯曲线；将所述第一高斯曲线峰值对应的R值、第二高斯曲线峰值对应的G值及第三高斯曲线峰值对应的B值作为所述待定位目标的特征颜色值；

将所述第一高斯曲线、第二高斯曲线及第三高斯曲线中与峰值依次相邻位置处对应的R值、G值及B值作为待定位目标的其他特征颜色值。

进一步的，接近度确定模块，通过下述方式确定所述待搜索图像的颜色与所述待定位目标每一特征颜色的接近度：

通过下述公式计算待搜索图像每一网格颜色y_i(R_i,G_i,B_i)与所述待定位目标每一特征颜色A_j(R_j,G_j,B_j)的差值：

其中，i＝1,2,3...n，n为所述待搜索图像中的网格数量，j＝1,2,3...m，m为所述待定位目标的特征颜色数量；

将待定位目标的第j种特征颜色对应的差值d_ij按从小到大的顺序进行排序，当第p+1个网格对应的差值d_(p+1)j远大于第p个网格对应的差值d_pj时，则根据前p个网格对应的差值通过下述公式获得所述待搜索图像的颜色与所述待定位目标的第j种特征颜色的接近度：

遍历待定位目标的每一种特征颜色，获得所述待搜索图像颜色与所述待定位目标每一种特征颜色的接近度。

进一步的，所述判定模块，通过下述函数确定所述待搜索图像中存在所述待定位目标的可能性：

其中，L_j表示待定位目标第j种特征颜色对应的边界值，f(A_j)为1表示所述待搜索图像的颜色与所述待定位目标第j种特征颜色相接近，f(A_j)为0表示所述待搜索图像颜色与所述待定位目标第j种特征颜色不接近；

f越大，所述待搜索图像中存在所述待定位目标的可能性越大，f为0表示所述待搜索图像中存在所述待定位目标的可能性为零

与现有技术相比，本发明至少可实现如下有益效果之一：

1、本发明提出的基于机器视觉颜色识别的智慧城域定位方法及系统，通过将视频图像库中的待搜索图像的颜色与待定位目标的特征颜色进行匹配，大大缩小了搜索范围，进而在小搜索范围内进一步精确定位。可以有效提高定位速度。

2、本发明提出的基于机器视觉颜色识别的智慧城域定位方法及系统，通过对待定位图像和待搜索图像进行颜色校正，并与颜色色卡进行比对，获得标准光照条件下的特征颜色值和待搜索图像的颜色值，因为颜色色卡对颜色的区分度很高，能够辨别出颜色值仅相差5的同色系中的两种颜色，因此能够很大程度的缩小搜索范围，并提高定位准确率。

本发明中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。

附图说明

附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。

图1为本发明实施例基于机器视觉颜色识别的智慧城域定位方法的流程图；

图2为本发明实施例基于机器视觉颜色识别的智慧城域定位系统的示意图。

具体实施方式

下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。

方法实施例

本发明的一个具体实施例，公开了一种基于机器视觉颜色识别的智慧城域定位方法。如图1所示，该方法包括：

步骤S1、对获取的第一图像进行颜色校正，提取待定位目标的至少一种特征颜色；其中，第一图像中包含待定位目标的图像。具体的，在智慧园区、智慧景区或智慧小区进行定位时，可以通过入口处的监控录像获取包括待定位目标的第一图像，或者由定位请求人提供包括待定位目标的第一图像。定位目标可以是人、物体或建筑物等。

步骤S2、获取待搜索图像，对待搜索图像进行颜色校正，并对颜色校正后的待搜索图像进行网格划分，基于每一网格的颜色值确定待搜索图像的颜色与特征颜色的接近度。具体的，从智慧园区、智慧景区或智慧小区内的监控录像视频数据库中获得待搜索图像。

步骤S3、若任一特征颜色对应的接近度大于预设边界值，则判定待搜索图像中可能存在待定位目标。

优选的，根据颜色色卡的分辨率设置该预设边界值。示例性的，颜色色卡能够识别颜色值相差5的同色系中的两种颜色，对应的预设边界值可以设置为8.66，以使对颜色R值、G值和B值的识别误差为5。

步骤S4、基于获得的可能存在待定位目标的待搜索图像，进一步确定其是否包含待定位目标。

具体的，只获得一张可能存在待定位目标的待搜索图像，则可具体查看该图像中是否包含待定位目标，若是，则可以根据摄像设备所在位置确定待定位目标的位置范围。若获得多个可能存在待定位目标的待搜索图像，可能是不同位置处不同摄像设备在不同时刻获得的含有待定位目标的图像，因此通过该定位方法不仅可以获得待定位目标的位置信息，还可以获得待定位目标的移动路线。优选的，通过颜色特征无法对待定位目标进行定位时，当待定位目标为人时，可以在获得的可能存在待定位目标的待搜索图像中通过人脸识别进行进一步精确定位；当待定位目标是物时，可以通过图像匹配在获得的可能存在待定位目标的待搜索图像中进行进一步精确定位。

优选的，通过下述方式训练获得颜色校正模型，以对第一图像或待搜索图像进行颜色校正：

获取不同光照条件下的颜色色卡相比于标准光照条件下颜色色卡的漂移量，作为颜色校正模型的训练参数初始值。

将不同光照条件下，包含背景、人物、物体及多种颜色的第三图像作为颜色校正模型的输入量，将标准光照条件下的第三图像作为颜色校正模型的输出量，对颜色校正模型的参数进行训练，获得训练好的颜色校正模型。

优选的，提取待定位目标的至少一种特征颜色，具体包括：

步骤1、利用训练好的颜色校正模型对第一图像进行颜色校正，获得标准光照条件下的第一图像。

优选的，“标准光照条件”定义为实际应用中特定光谱、特定色温或特定显色指数的白光光源在垂直照射角度下的光照效果。优选的，“标准光照条件”指的是光谱范围为380nm～760nm、显色指数Ra值为90以上、NTSC(美国国家电视标准委员会)色域为110％以上的量子点LED光源照射。

步骤2、删除标准光照条件下的第一图像中的其他人物或背景，获取仅含有待定位目标的第二图像。

步骤3、对所述第二图像进行网格划分，并将每一网格的颜色与标准光照条件下的颜色色卡进行比较，以确定每一网格的颜色值。

示例性的，按照像素点大小10*10或者30*30对第二图像进行划分，在三原色RGB色彩模型下，根据标准光照条件下的颜色色卡，确定与标准颜色色卡中最接近的一个颜色，进而确定每一网格的颜色值。颜色值包括R值(红)、G值(绿)及B值(蓝)，三种值的范围均为(0-255)。其中，标准颜色色卡的分辨率很高，能够区别颜色值仅相差5的同一色系的两种颜色。对于肉眼见到的难以区分的相似颜色，颜色色卡也能够进行区分，因此基于颜色特征进行识别基本能够实现对待定位目标的定位，即使在某些情况下无法精确定位，也可以大大缩小搜索范围，通过人脸识别或图像匹配在小搜索范围内进行进一步精确定位。

步骤4、基于每一网格的颜色值利用高斯拟合提取待定位目标的至少一种特征颜色。

优选的，包括：

分别对所有网格的颜色R值、G值及B值进行高斯拟合获得R值对应的第一高斯曲线、G值对应的第二高斯曲线及B值对应的第三高斯曲线。具体的，高斯曲线的横坐标为颜色值、纵坐标为对应颜色值的网格数量。

将第一高斯曲线峰值对应横坐标值，即R值、第二高斯曲线峰值对应的横坐标值，即G值及第三高斯曲线峰值对应的横坐标值，即B值作为待定位目标的特征颜色值。从而获得待定位目标的主特征颜色值。

优选的，可以根据定位精度需求确定特征颜色的数量，具体通过下述方式确定第二、第三或第四等等其他特征颜色。

将第一高斯曲线、第二高斯曲线及第三高斯曲线中与峰值最近邻的位置处对应的R值、G值及B值作为待定位目标的第二特征颜色值，与峰值次近邻的位置处对应的R值、G值及B值作为待定位目标的第三特征颜色值，以此类推。

优选的，基于每一网格的颜色值确定待搜索图像的颜色与待定位目标每一特征颜色的接近度，包括：

通过下述公式计算待搜索图像每一网格颜色y_i(R_i,G_i,B_i)与待定位目标每一特征颜色A_j(R_j,G_j,B_j)的差值：

其中，i＝1,2,3...n，n为待搜索图像中的网格数量，j＝1,2,3...m，m为待定位目标的特征颜色数量，优选的，对待搜索图像划分的网格尺寸与对第二图像划分的网格尺寸相同。

将待定位目标的第j种特征颜色对应的差值d_ij按从小到大的顺序进行排序，当第p+1个网格对应的差值d_(p+1)j远大于第p个网格对应的差值d_pj时，示例性的，从小到大依次排列的p个网格对应的差值变化平缓，而第p+1个网格对应的差值显著增大时，则根据前p个网格对应的差值通过下述公式获得所述待搜索图像的颜色与所述待定位目标的第j种特征颜色的接近度：

遍历待定位目标的每一种特征颜色，获得待搜索图像颜色与待定位目标每一种特征颜色的接近度。

优选的，通过下述函数确定待搜索图像中存在待定位目标的可能性：

其中，L_j表示待定位目标第j种特征颜色对应的边界值，优选的，可设置为8.66，则对应的R值、G值、B值的允许识别误差为5；f(A_j)为1表示待搜索图像的颜色与待定位目标第j种特征颜色相接近，f(A_j)为0表示待搜索图像颜色与待定位目标第j种特征颜色不接近；

f越大，待搜索图像中存在待定位目标的可能性越大，f为0表示待搜索图像中存在待定位目标的可能性为零。

系统实施例

本发明的另一个实施例，公开了一种基于机器视觉颜色识别的智慧城域定位系统，包括：

颜色校正模块，用于对第一图像及待搜索图像进行颜色校正，第一图像中包含有待定位目标的图像。

特征颜色提取模块，用于提取待定位目标的至少一种特征颜色。

接近度确定模块，用于基于待搜索图像的每一网格的颜色值确定待搜索图像的颜色与特征颜色的接近度。

判断模块，通过比较每一特征颜色对应的接近度与预设边界值，确定待搜索图像中存在待定位目标的可能性。

定位模块，基于可能存在待定位目标的待搜索图像，进一步确定其是否包含待定位目标。

优选的，特征颜色提取模块通过下述方式提取待定位目标的至少一种特征颜色：

删除颜色校正后的第一图像中的其他人物或背景，获取仅含有待定位目标的第二图像。

对第二图像进行网格划分，并将每一网格的颜色与标准光照条件下的颜色色卡进行比较，以确定每一网格的颜色值。

基于每一网格的颜色值利用高斯拟合提取待定位目标的至少一种特征颜色，具体包括：

分别对每一网格的颜色R值、G值及B值进行高斯拟合获得R值对应的第一高斯曲线、G值对应的第二高斯曲线及B值对应的第三高斯曲线。

将第一高斯曲线峰值对应的R值、第二高斯曲线峰值对应的G值及第三高斯曲线峰值对应的B值作为待定位目标的特征颜色值。

将第一高斯曲线、第二高斯曲线及第三高斯曲线中与峰值依次相邻位置处对应的R值、G值及B值作为待定位目标的其他特征颜色值。

优选的，接近度确定模块，通过下述方式确定待搜索图像的颜色与待定位目标每一特征颜色的接近度：

通过下述公式计算待搜索图像每一网格颜色y_i(R_i,G_i,B_i)与待定位目标每一特征颜色A_j(R_j,G_j,B_j)的差值：

其中，i＝1,2,3...n，n为待搜索图像中的网格数量，j＝1,2,3...m，m为待定位目标的特征颜色数量。

将待定位目标的第j种特征颜色对应的差值d_ij按从小到大的顺序进行排序，当第p+1个网格对应的差值d_(p+1)j远大于第p个网格对应的差值d_pj时，则根据前p个网格对应的差值通过下述公式获得所述待搜索图像的颜色与所述待定位目标的第j种特征颜色的接近度：

遍历待定位目标的每一种特征颜色，获得所述待搜索图像颜色与所述待定位目标每一种特征颜色的接近度。

优选的，判定模块，通过下述函数确定待搜索图像中存在所待定位目标的可能性：

其中，L_j表示待定位目标第j种特征颜色对应的边界值，f(A_j)为1表示待搜索图像的颜色与待定位目标第j种特征颜色相接近，f(A_j)为0表示待搜索图像颜色与待定位目标第j种特征颜色不接近。

f越大，待搜索图像中存在所述待定位目标的可能性越大，f为0表示待搜索图像中存在待定位目标的可能性为零。

与现有技术相比，本发明提出的基于机器视觉颜色识别的智慧城域定位方法及系统，首先，通过将视频图像库中的待搜索图像的颜色与待定位目标的特征颜色进行匹配，大大缩小了搜索范围，进而在小搜索范围内进一步精确定位。可以有效提高定位速度。其次，通过对待定位图像和待搜索图像进行颜色校正，并与颜色色卡进行比对，获得标准光照条件下的特征颜色值和待搜索图像的颜色值，因为颜色色卡对颜色的区分度很高，能够辨别出颜色值仅相差5的同色系中的两种颜色，因此能够很大程度的缩小搜索范围，并提高定位准确率。

本领域技术人员可以理解，实现上述实施例方法的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读存储介质中。其中，所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (8)

1.一种基于机器视觉颜色识别的智慧城域定位方法，其特征在于，包括：

由定位请求人提供或通过智慧城区、智慧小区或智慧景区入口处的监控录像获取第一图像；对获取的第一图像进行颜色校正，提取待定位目标的至少一种特征颜色；所述第一图像中包含所述待定位目标的图像；所述提取待定位目标的至少一种特征颜色，具体包括：

利用训练好的颜色校正模型对所述第一图像进行颜色校正，获得标准光照条件下的第一图像；

删除标准光照条件下的所述第一图像中的其他人物或背景，获取仅含有待定位目标的第二图像；

对所述第二图像进行网格划分，并将每一网格的颜色与标准光照条件下的颜色色卡进行比较，以确定每一网格的颜色值；

基于所述每一网格的颜色值利用高斯拟合提取待定位目标的至少一种特征颜色；

通过智慧城区、智慧小区或智慧景区入口处的监控录像视频数据库获取待搜索图像，对所述待搜索图像利用训练好的颜色校正模型进行颜色校正，并对颜色校正后的所述待搜索图像进行网格划分，基于每一网格的颜色值确定所述待搜索图像的颜色与所述特征颜色的接近度；所述颜色校正模型通过以下方式训练获得：

获取不同光照条件下的颜色色卡相比于标准光照条件下颜色色卡的漂移量，作为颜色校正模型的训练参数初始值；

将不同光照条件下，包含背景、人物、物体及多种颜色的第三图像作为所述颜色校正模型的输入量，将标准光照条件下的第三图像作为所述颜色校正模型的输出量，对所述颜色校正模型的参数进行训练，获得训练好的颜色校正模型；

任一特征颜色对应的所述接近度大于预设边界值，则判定所述待搜索图像中可能存在所述待定位目标；

基于获得的可能存在所述待定位目标的待搜索图像，进一步确定其是否包含待定位目标。

2.根据权利要求1所述的智慧城域定位方法，其特征在于，基于所述每一网格的颜色值利用高斯拟合提取待定位目标的至少一种特征颜色，包括：

分别对每一网格的颜色R值、G值及B值进行高斯拟合获得R值对应的第一高斯曲线、G值对应的第二高斯曲线及B值对应的第三高斯曲线；将所述第一高斯曲线峰值对应的R值、第二高斯曲线峰值对应的G值及第三高斯曲线峰值对应的B值作为所述待定位目标的特征颜色值；

将所述第一高斯曲线、第二高斯曲线及第三高斯曲线中与峰值依次相邻位置处对应的R值、G值及B值作为待定位目标的其他特征颜色值。

3.根据权利要求1-2任一项所述的智慧城域定位方法，其特征在于，基于每一网格的颜色值确定所述待搜索图像的颜色与所述待定位目标每一特征颜色的接近度，包括：

通过下述公式计算待搜索图像每一网格颜色y_i(R_i,G_i,B_i)与所述待定位目标每一特征颜色A_j(R_j,G_j,B_j)的差值：

其中，i＝1,2,3...n，n为所述待搜索图像中的网格数量，j＝1,2,3...m，m为所述待定位目标的特征颜色数量；

将待定位目标的第j种特征颜色对应的差值d_ij按从小到大的顺序进行排序，当第p+1个网格对应的差值d_(p+1)j远大于第p个网格对应的差值d_pj时，则根据前p个网格对应的差值通过下述公式获得所述待搜索图像的颜色与所述待定位目标的第j种特征颜色的接近度：

遍历待定位目标的每一种特征颜色，获得所述待搜索图像颜色与所述待定位目标每一种特征颜色的接近度。

4.根据权利要求3任一项所述的智慧城域定位方法，其特征在于，通过下述函数确定所述待搜索图像中存在所述待定位目标的可能性：

其中，L_j表示待定位目标第j种特征颜色对应的边界值，f(A_j)为1表示所述待搜索图像的颜色与所述待定位目标第j种特征颜色相接近，f(A_j)为0表示所述待搜索图像颜色与所述待定位目标第j种特征颜色不接近；

f越大，所述待搜索图像中存在所述待定位目标的可能性越大，f为0表示所述待搜索图像中存在所述待定位目标的可能性为零。

5.一种基于机器视觉颜色识别的智慧城域定位系统，其特征在于，包括：

颜色校正模块，用于对由定位请求人提供或通过智慧城区、智慧小区或智慧景区入口处的监控录像获取的第一图像及通过智慧城区、智慧小区或智慧景区入口处的监控录像视频数据库获取的待搜索图像利用训练好的颜色校正模型进行颜色校正，所述第一图像中包含有待定位目标的图像；所述颜色校正模型通过以下方式训练获得：

获取不同光照条件下的颜色色卡相比于标准光照条件下颜色色卡的漂移量，作为颜色校正模型的训练参数初始值；

将不同光照条件下，包含背景、人物、物体及多种颜色的第三图像作为所述颜色校正模型的输入量，将标准光照条件下的第三图像作为所述颜色校正模型的输出量，对所述颜色校正模型的参数进行训练，获得训练好的颜色校正模型；

特征颜色提取模块，用于提取所述待定位目标的至少一种特征颜色；所述提取待定位目标的至少一种特征颜色，具体包括：

利用训练好的颜色校正模型对所述第一图像进行颜色校正，获得标准光照条件下的第一图像；

删除标准光照条件下的所述第一图像中的其他人物或背景，获取仅含有待定位目标的第二图像；

对所述第二图像进行网格划分，并将每一网格的颜色与标准光照条件下的颜色色卡进行比较，以确定每一网格的颜色值；

基于所述每一网格的颜色值利用高斯拟合提取待定位目标的至少一种特征颜色；

接近度确定模块，用于基于所述待搜索图像的每一网格的颜色值确定所述待搜索图像的颜色与所述特征颜色的接近度；

判断模块，通过比较每一特征颜色对应的所述接近度与预设边界值，确定所述待搜索图像中存在所述待定位目标的可能性；

定位模块，基于可能存在所述待定位目标的待搜索图像，进一步确定其是否包含待定位目标。

6.根据权利要求5所述的智慧城域定位系统，其特征在于，所述特征颜色提取模块通过下述方式提取所述待定位目标的至少一种特征颜色：

删除颜色校正后的所述第一图像中的其他人物或背景，获取仅含有待定位目标的第二图像；

对所述第二图像进行网格划分，并将每一网格的颜色与标准光照条件下的颜色色卡进行比较，以确定每一网格的颜色值；

基于所述每一网格的颜色值利用高斯拟合提取待定位目标的至少一种特征颜色，具体包括：

分别对每一网格的颜色R值、G值及B值进行高斯拟合获得R值对应的第一高斯曲线、G值对应的第二高斯曲线及B值对应的第三高斯曲线；将所述第一高斯曲线峰值对应的R值、第二高斯曲线峰值对应的G值及第三高斯曲线峰值对应的B值作为所述待定位目标的特征颜色值；

将所述第一高斯曲线、第二高斯曲线及第三高斯曲线中与峰值依次相邻位置处对应的R值、G值及B值作为待定位目标的其他特征颜色值。

7.根据权利要求5或6所述的智慧城域定位系统，其特征在于，接近度确定模块，通过下述方式确定所述待搜索图像的颜色与所述待定位目标每一特征颜色的接近度：

通过下述公式计算待搜索图像每一网格颜色y_i(R_i,G_i,B_i)与所述待定位目标每一特征颜色A_j(R_j,G_j,B_j)的差值：

其中，i＝1,2,3...n，n为所述待搜索图像中的网格数量，j＝1,2,3...m，m为所述待定位目标的特征颜色数量；

将待定位目标的第j种特征颜色对应的差值d_ij按从小到大的顺序进行排序，当第p+1个网格对应的差值d_(p+1)j远大于第p个网格对应的差值d_pj时，则根据前p个网格对应的差值通过下述公式获得所述待搜索图像的颜色与所述待定位目标的第j种特征颜色的接近度：

遍历待定位目标的每一种特征颜色，获得所述待搜索图像颜色与所述待定位目标每一种特征颜色的接近度。

8.根据权利要求7所述的智慧城域定位系统，其特征在于，所述判断模块，通过下述函数确定所述待搜索图像中存在所述待定位目标的可能性：

其中，L_j表示待定位目标第j种特征颜色对应的边界值，f(A_j)为1表示所述待搜索图像的颜色与所述待定位目标第j种特征颜色相接近，f(A_j)为0表示所述待搜索图像颜色与所述待定位目标第j种特征颜色不接近；

f越大，所述待搜索图像中存在所述待定位目标的可能性越大，f为0表示所述待搜索图像中存在所述待定位目标的可能性为零。