[发明专利]车牌颜色识别方法及系统

说明书

本发明提供了一种车牌颜色识别方法及系统，其中方法包括基于初始数据集构建神经网络识别模型；基于车牌颜色和车辆属性的预设匹配规则构建规则矩阵；将待识别车辆的车牌区域图片输入识别模型，得到对应的车牌颜色预分类向量，并获取待识别车辆的各个车辆属性的分类向量，以及据此生成概率矩阵，根据规则矩阵处理概率矩阵中不符合预设匹配规则的概率值，得到分类结果矩阵，并据此确定车牌颜色分类结果。本发明采用神经网络识别模型对车牌颜色预分类，采用能够将和车牌颜色有关、但不能在图像中明确编码的所有先验信息形成先验规则，基于先验规则对预分类结果进行校验处理，提高车牌颜色分类准确率，可以有效应对各种复杂场景。

技术领域

本发明涉及视频监控处理技术领域，尤其涉及一种车牌颜色识别方法及系统。

背景技术

车牌是车辆的一个重要且唯一的标识，而车牌颜色是车牌的重要特征之一。车牌颜色识别的主要任务是在各种不同场景下，给定图像中车牌区域，均能够快速、准确地识别现存所有种类的车牌颜色。不同场景包括实际场景中车牌可能出现的天气、光照、灰尘、污损、位置和角度变化、相机设备状态等情况，均会给图片带来不同程度的噪声，因而可能对识别准确率造成影响。关于我国的车牌颜色种类，目前可大致分为5种：白色，包括地方警务车辆、解放军车辆和武警序列车辆等；黑色，包括使领馆、外籍车辆等；蓝色，包括小型车辆；黄色，包括大型车、拖挂车、摩托车、驾校教练车、混凝土车和集装箱货车等。绿色，包括小型新能源车的白绿混合、大型新能源车的黄绿混合、农用车的绿牌等。高准确度、快速的车牌颜色识别，对于车牌号码识别、车型辅助判断等也具有重要作用。

车牌颜色识别，本质上是通过一定方法，把彩色空间按国标合理分类成多种颜色，并且把车牌图片中的颜色信息映射到颜色空间正确的分类中去。目前，常用的车牌颜色识别方法主要有以下几种：

一是简单的像素颜色统计及其改进方法。思路分为三步，第一步给定车牌区域彩色图像，把彩色图像转化到RGB、HSL、HSV、Lab等色彩空间中，给出固定的数值，人为把色彩空间分割成几个颜色区间。第二步通过传统图像处理方法去除车牌字符区域，仅留下底色。如阈值、形态学等方法。第三步通过图片像素随机采样，判断像素在颜色空间中的值在哪个区间，属于哪种颜色，并绘制出统计直方图。统计得票最高的颜色区间既是当前车牌颜色。

二是传统的机器学习分类器方法，如CN104834937A，CN104573656A等。思路分为两步，第一步对图像做预处理，去除场景的影响；第二步应用SVM、Bayes分类器、BP神经网络等分类方法，在颜色空间中分类出颜色。

三是通过红外相机等硬件识别部分车牌颜色。

然而，上述的车牌颜色识别方法均具有明显的缺陷。由于在预处理、颜色空间定义、图像颜色特征提取、识别模型构建等步骤中引入了过多的手工定义，导致颜色空间分割不能自适应、提取的特征不能完全反映图片真实分布情况，构建的模型复杂度不够、不足以应对所有场景。另外，仅基于当前图片，没有利用全面的先验知识，来对车牌颜色和车牌单双、字符属性以及车辆属性等的内在关系给出全面系统的通用方法，因此不能识别所有种类的车牌颜色，造成识别准确率的下降。而采用特殊硬件方法，不仅针对场景单一，且成本较高。

发明内容

针对现有技术中的问题，本发明的目的在于提供一种车牌颜色识别方法及系统，采用神经网络识别模型对车牌颜色预分类，采用先验规则对预分类结果进行校验处理，提高车牌颜色分类准确率。

本发明实施例提供一种车牌颜色识别方法，包括如下步骤：

基于初始数据集构建神经网络识别模型，所述识别模型的输入为车牌区域图片，输出为车牌颜色预分类向量；

基于车牌颜色和车辆属性的预设匹配规则，生成车牌颜色的规则矩阵，所述规则矩阵中各个值分别表示对应颜色类别和对应车辆属性类别同时存在的可能性值；