一种基于显著性分析的车辆颜色识别方法

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。

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。

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。

本发明的有益效果是：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。

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。

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。

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。