[發(fā)明專利]一種基于多任務(wù)深度卷積神經(jīng)網(wǎng)絡(luò)的車輛顏色識別系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201710558817.4
• 申請日: 2017-07-11
• 公開（公告）號: CN107729801B
• 公開（公告）日: 2020-12-18
• 發(fā)明（設(shè)計）人: 湯一平;王輝;吳越;溫曉岳;柳展
• 申請（專利權(quán)）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(wù)所有限公司 33241
• 代理人: 王利強(qiáng)

一種基于多任務(wù)深度卷積神經(jīng)網(wǎng)絡(luò)的車輛顏色識別系統(tǒng)，包括安裝在道路行車線上方的高清攝像機(jī)、交通云服務(wù)器和車輛顏色的視覺檢測子系統(tǒng)；車輛顏色的視覺檢測子系統(tǒng)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，車輛定位檢測模塊、車牌定位檢測模塊和車輛顏色識別模塊共享同一個Faster R?CNN的深度卷積神經(jīng)網(wǎng)絡(luò)，采用深度卷積神經(jīng)網(wǎng)絡(luò)快速分割出道路上的車輛，并用車輛圖像進(jìn)一步采用深度卷積神經(jīng)網(wǎng)絡(luò)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。本發(fā)明提供一種檢測精度較高、魯棒性較高的多任務(wù)深度卷積神經(jīng)網(wǎng)絡(luò)在車輛顏色視覺檢測系統(tǒng)。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能、數(shù)字圖像處理、卷積神經(jīng)網(wǎng)絡(luò)和計算機(jī)視覺在車輛顏色識別方面的應(yīng)用，屬于智能交通領(lǐng)域。

背景技術(shù)

顏色是車輛的一種重要外觀特征。現(xiàn)實世界中，由于存在光源色溫、光線強(qiáng)弱、拍攝角度、攝像機(jī)的設(shè)置等諸多不確定因素的影響，使得最終獲取的結(jié)果同理想條件相比，車輛顏色會存在一定程度的偏色；現(xiàn)有已公開的車輛顏色識別方法對于車輛姿態(tài)變化和車輛所處的光照環(huán)境變化非常敏感，當(dāng)車輛所處的光照環(huán)境變化時，現(xiàn)有的車輛顏色識別方法的顏色識別準(zhǔn)確度急劇下降，不能準(zhǔn)確識別車輛顏色。

申請?zhí)枮?00810041097.5的中國專利申請公開的“特征區(qū)域的定位方法、車身深淺色與車身顏色的識別方法”提供了一種車輛顏色識別方法、車輛顏色深淺度的識別方法。包括如下步驟：

1、該專利根據(jù)圖像的紋理特征與結(jié)構(gòu)特征，構(gòu)建復(fù)雜的能量函數(shù)，搜索能量最大的點；

2、根據(jù)能量最大的點定位車輛顏色以及車輛顏色深淺度的識別區(qū)域；

3、識別區(qū)域內(nèi)的像素點顏色以及顏色深淺度，并進(jìn)行統(tǒng)計最終得到識別區(qū)域的顏色以及顏色深淺度。

但是該專利在前期樣本采集階段，并未對不同光照情況下的車輛顏色識別進(jìn)行處理；在選取特征向量時候通過多個顏色空間來得到不同的特征屬性；在訓(xùn)練模型時候則使用多個類型的分類器來訓(xùn)練；定位識別區(qū)域的時候只選擇了車前蓋區(qū)域，對于可能的反光現(xiàn)象未作出處理，使得最終的車輛顏色識別和車輛顏色深淺識別產(chǎn)生一定的偏差。

申請?zhí)枮?00810240292.0的中國專利申請公開的“一種車輛視頻圖像中車身顏色識別方法及系統(tǒng)”提供了一種車輛視頻圖像中車身顏色識別方法。該專利在訓(xùn)練模型時候采取了分步式訓(xùn)練，包括如下步驟：

1、根據(jù)顏色模板采用聚類對車身樣本進(jìn)行粗分得到某種顏色的樣本或者多種相近顏色的混合樣本；

2、采用最近鄰分類方法對混合樣本進(jìn)行細(xì)分；

3、根據(jù)訓(xùn)練得到的模型對車輛顏色進(jìn)行粗識別；

4、采用最近鄰分類方法進(jìn)行細(xì)致識別。

然而該專利同樣尚未考慮不同光照情況下車輛顏色產(chǎn)生的變化；在選取特征向量時候也是通過HSV、YIQ、YCbCr三種顏色空間且分步驟來使用；在訓(xùn)練模型時候則是采用了聚類和最近鄰分類技術(shù)相結(jié)合訓(xùn)練模型；車輛顏色識別階段并未說明是采取何種策略對識別區(qū)域內(nèi)的各像素點的顏色如何處理；而且該專利只說明了車輛顏色識別方法，并未對車輛顏色深淺度識別做出說明。

目前，車身顏色的識別一般包含兩個主要的模塊：一個是待識別區(qū)域的檢測和定位、車身顏色參考區(qū)域的確定，另一個是對參考區(qū)域的圖像進(jìn)行顏色分類和識別。