[發明專利]一種基于多任務深度卷積神經網絡的車輛顏色識別系統

有效

• 申請號: 201710558817.4
• 申請日: 2017-07-11
• 公開（公告）號: CN107729801B
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 湯一平;王輝;吳越;溫曉岳;柳展
• 申請（專利權）人: 銀江股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 杭州斯可睿專利事務所有限公司 33241
• 代理人: 王利強

1.一種基于多任務深度卷積神經網絡的車輛顏色識別系統，其特征在于：包括安裝在道路行車線上方的高清攝像機、交通云服務器和車輛顏色的視覺檢測子系統；

所述的高清攝像機用于獲取道路上的視頻數據，配置在行車線的上方，通過網絡將道路上的視頻圖像數據傳輸給所述的交通云服務器；

所述的交通云服務器用于接收從所述的高清攝像機所獲得的道路上的視頻數據，并將其遞交給所述的車輛顏色的視覺檢測子系統進行車輛顏色識別；

所述的車輛顏色的視覺檢測子系統包括車輛定位檢測模塊、車牌定位檢測模塊、車牌背景顏色識別模塊、色差計算模塊、車輛顏色校正模塊和車輛顏色識別模塊，所述的車輛定位檢測模塊、所述的車牌定位檢測模塊和所述的車輛顏色識別模塊共享同一個Faster R-CNN的深度卷積神經網絡，采用深度卷積神經網絡快速分割出道路上的車輛，并用車輛圖像進一步采用深度卷積神經網絡快速分割出道路上的車牌，然后再給出這些車輛和車牌在道路圖像中所占的空間位置信息；

所述的車牌背景顏色識別模塊用于對車牌圖像處理得到現環境條件下的車牌背景顏色；將車牌圖像進行灰度直方圖處理，在灰度直方圖中的峰谷處是車牌中的字符與字符的間隔，也就是車牌的背景顏色；對間隔內的像素RGB顏色分量進行平均，最終得到現環境條件下的車牌背景顏色；

所述的色差計算模塊用于將國標規定的車牌背景顏色與現環境條件下的車牌背景顏色進行比對計算，得到現環境條件下的色差；首先，用現環境條件下的車牌背景顏色比對國標規定的車牌背景顏色的幾種類型，得到最接近的一種國標規定的車牌背景顏色，并以此為標準光下的車牌背景顏色；色差的計算是在CIE1976Lab顏色空間上進行的；為了快速實現從RGB顏色空間到Lab顏色空間的轉換，采用快速轉換方式，如公式(5)所示；

式中，R、G、B分別為RGB顏色空間中的顏色分量，L為CIE1976Lab顏色空間的明度分量，a和b為CIE1976Lab顏色空間的色度分量；

國標規定的車牌背景顏色和現環境條件下的車牌背景顏色都按公式(5)進行計算得到各自的L,a,b的值；其中，L_NP和L_RP分別為國標規定的車牌背景顏色和現環境條件下的車牌背景顏色的明度值，a_NP和a_RP、b_NP和b_RP分別為國標規定的車牌背景顏色和現環境條件下的車牌背景顏色的色度，它們兩者之間的色差ΔE_ab用式(6)計算CIE1976Lab色差；

式中，ΔL＝L_NP-L_RP為明度差，Δa＝a_NP-a_RP、Δb＝b_NP-b_RP為色度差，ΔE_ab為色差，單位為NBS；

所述的車輛顏色校正模塊用于根據檢測得到的色差對現環境條件下的車輛顏色進行校正，得到國標規定理想環境下的車輛顏色圖像；首先，判斷色差ΔE_ab是否超過閾值如果超過閾值就進行車輛顏色校正，校正計算如公式(7)所示；

式中，L_NM為國標規定理想環境下的車輛顏色的明度值，L_RP為現環境條件下的車輛顏色的明度值，ΔL為國標規定的車牌背景顏色和現環境條件下的車牌背景顏色的明度差，a_NM和b_NM為國標規定理想環境下的車輛顏色的色度值，a_RP和b_RP現環境條件下的車輛顏色的色度值，Δa和Δb國標規定的車牌背景顏色和現環境條件下的車牌背景顏色的色度差；

進一步，對校正后的車輛顏色從Lab顏色空間到RGB顏色空間進行逆變換，如公式(8)所示；

式中，R、G、B分別為RGB顏色空間中的顏色分量，L為CIE1976Lab顏色空間的明度分量，a和b為CIE1976Lab顏色空間的色度分量；

公式(8)方程組是經過優化后的公式，將浮點運算轉換成常整數乘法與移位的方式，公式中將移位寫為div2^23，表示向右移23位；式中的RGB和Lab的取值范圍都是[0,255]，再經過逆Gamma函數得到國標規定理想環境下的車輛顏色的RGB值。