[发明专利]基于分块聚类的视频车辆图像中车身颜色识别方法

说明书

技术领域

本发明涉及视频图像处理领域，特别涉及基于分块聚类的视频车辆图像中车身颜色识别方法。

背景技术

智能交通系统ITS(Intelligent Transportation System)利用通信技术、控制技术、传感器技术、运筹学、人工智能和计算机技术的有效集成，其目的在于充分利用现有道路基础设施资源，改善车、路、人之间的相互作用，提高系统的安全性、高效性与舒适性，从而从整体上提高交通的经济性，正在成为世界各国解决交通拥塞、交通事故频发、土地和能源短缺、交通环境污染以及由此导致的经济损失等的热点研究问题，具有较高的社会效益和巨大的市场应用前景。自动车辆识别系统VRS(Vehicle Recognition System)是ITS应用的基础，在美国、日本、欧洲等发达国家已得到广泛的应用，而在我国的应用尚处于探索研究的起步阶段。由于国情的不同，直接应用国外的系统并不能获得满意的结果。

车辆牌照位置的准确定位是提高车辆车身颜色识别准确率的关键，当前车牌定位技术已经趋于成熟，目前所采用的车牌定位提取方法中，基于灰度图像进行处理的比较多，比如：用车牌字符与背景的明暗对比度，分析横穿牌照区域水平直线上灰度值和间隔规律的水平线搜索算法；利用车牌字符形状特征与图像中找到的字符匹配的算法；利用检测牌照4条边界的Hough变换方法；用图像的频域信息鉴别牌照区域；利用BP神经网络提取车牌的方法。对于彩色图像的处理，普遍方法是先将彩色图像变换为灰度图像，再对灰度图像进行处理，最后再用彩色信息辅助处理。

车辆颜色识别系统是智能交通系统的重要组成部分。用于表示颜色的彩色空间模型有RGB，HSI，YUV，CMY(K)，CIELab五种，RGB彩色空间是用各彩色值R(Red，红)，G(Green，绿)，B(Blue，蓝)三通道值的组合来共同表示。HSI彩色空间的三个分类H，S，1分别表示色调(Hue)、饱和度(Saturation)和强度(Intensity)。YUV彩色空间是用于欧洲的模拟电视系统的标准彩色空间，其中Y与亮度(Luminance)相关，来自标准的CIE XYZ彩色空间，U，V则与色度(Chrominance)分量相关。CMY彩色空间中的C，M，Y分别是指青(Cyan)、品红(Magenta)、黄(Yellow)三种颜色，他们分别是红(Red)、绿(Green)、蓝(Blue)的补色，CMYK中的K指黑色(Black)。CIE XYZ彩色空间模型是CIE在1931年提出来的，它基于人类视觉系统(Human Vision System，HSV)，CIELab彩色空间则是CIE在1976年提出来的，目的是使人类感知的颜色差与此彩色空间中两种颜色的欧氏距离有关。

通过实验，CIELab和HSI彩色空间模型用于颜色识别时具有较高的识别精度。由于HSI彩色空间对光照变化不太敏感，此外，与CIELab相比，将RGB转为HSI的计算开销也较小，所以本研究选择采用RGB与HSI彩色空间模型结合使用的方法来进行颜色识别。目前的车身颜色识别的方法主要是将彩色汽车图像从RGB空间变换到更加适合人类视觉特性的HSI空间，再根据其他相关算法分析车辆的颜色，其技术难点主要是如何确定车身范围，以及如何解决光照、阴影、噪声等对彩色图像的影响。颜色识别的方法主要有色彩聚类、学习分类、人工神经网络等方法。在车牌的颜色识别过程中，学习分类及人工神经网络训练等方法用的较多，而相比于车牌，车身的颜色种类较多，且规律性较差，所以上述两种方法并不太适用。

发明内容

本发明的目的在于，为解决上述问题，本发明提出基于分块聚类的视频车辆图像中车身颜色识别方法。

为实现上述发明目的，本发明提出基于分块聚类的视频车辆图像中车身颜色识别方法，其特征在于，该方法具体步骤包括：

步骤1)：对视频图像中车辆的车牌位置进行准确定位；

步骤2)：根据所述步骤1)得到的车牌位置推算出车身位置及范围；

步骤3)：对所述步骤2)获得的车身范围内的图像进行分块处理，并计算每块的梯度，如果梯度大于阈值T，则舍去；

步骤4)：对所述步骤3)舍去后剩余的块计算亮度，如果亮度大于阈值H，则判定为近似白光区域，舍去；

步骤5)：根据亮度将所述步骤4)处理后剩余的块分为正常区域和高光区域；

步骤6)：统计计算出高光区域和近似白光区域的纵坐标值y，并比较正常区域的纵坐标与y大小，如果正常区域的纵坐标小于y，则该正常区域舍去；