自然場(chǎng)景下車(chē)輛顏色識(shí)別研究.pdf

1、對(duì)人類(lèi)而言，顏色是一種敏感的物體信息。對(duì)于某些未知的物體，人眼首先能發(fā)現(xiàn)的是其顏色種類(lèi)。甚至在某些情況下，人眼可以直接通過(guò)顏色信息對(duì)物體種類(lèi)進(jìn)行區(qū)分。車(chē)輛顏色是城市交通中的一種重要信息。雖然通過(guò)車(chē)牌的識(shí)別，智能交通系統(tǒng)能夠直接從交管局的數(shù)據(jù)庫(kù)查詢(xún)得到車(chē)輛登記的其他信息。但是由于車(chē)牌區(qū)域小，因此只有在采集圖像分辨率比較高的情況下，車(chē)牌信息才能被正確的識(shí)別。而車(chē)輛顏色是一種對(duì)圖像質(zhì)量敏感性不強(qiáng)的信息，即便是圖像質(zhì)量比較低的時(shí)候，人眼依然能夠

2、判斷車(chē)輛顏色的種類(lèi)。由于車(chē)輛顏色信息該特點(diǎn)，車(chē)輛顏色識(shí)別在犯罪追蹤、事故分析等城市交通的領(lǐng)域中有廣泛的應(yīng)用。
　　盡管人眼能夠比較輕易的分辨車(chē)輛顏色，但是通過(guò)計(jì)算機(jī)視覺(jué)的方法識(shí)別車(chē)輛顏色會(huì)遇到以下困難。首先是圖像的光照，容易對(duì)車(chē)輛的顏色造成影響。同樣一種顏色的車(chē)輛，在不同的光照條件下，會(huì)出現(xiàn)不同的顏色偏移。這種色偏的現(xiàn)象會(huì)對(duì)計(jì)算機(jī)識(shí)別顏色造成障礙。另外，車(chē)輛本身存在一定的結(jié)構(gòu)信息，能夠用于判斷顏色的區(qū)域只占圖像的一部分。車(chē)輛的顏色

3、指的是噴漆部位的顏色，一般不包括車(chē)窗、車(chē)燈、輪胎等部分。在從正面拍攝到的車(chē)輛圖像中，車(chē)頂、引擎蓋等部分是判斷顏色的主要區(qū)域。如何從圖像中選擇出這類(lèi)感興趣的區(qū)域，是車(chē)輛顏色識(shí)別中的一個(gè)難點(diǎn)。
　　本文主要研究在自然場(chǎng)景下的車(chē)輛顏色識(shí)別問(wèn)題，重點(diǎn)在于顏色信息的表達(dá)，車(chē)輛感興趣區(qū)域的選擇和顏色特征的學(xué)習(xí)：
　　(1)自然場(chǎng)景中的車(chē)輛圖像顏色識(shí)別方法一方面需要克服不同自然條件對(duì)顏色的影響。另外一方面需要選擇引擎蓋和車(chē)頂?shù)汝P(guān)鍵區(qū)域進(jìn)行

4、識(shí)別。傳統(tǒng)方法一般都是首先對(duì)圖像進(jìn)行預(yù)處理，將圖像調(diào)整到標(biāo)準(zhǔn)光源下，去掉色偏或者是光照的影響。然而在實(shí)際的應(yīng)用中，這種預(yù)處理的方法難以克服自然場(chǎng)景下的復(fù)雜條件。本文提出一種更高層的顏色特征，不僅僅能描述局部區(qū)域的顏色信息，同樣還能顯示顏色特征集合的分布信息。更高層語(yǔ)義的顏色特征在色偏等情況下具有更好的魯棒性。同時(shí)還對(duì)車(chē)輛圖像進(jìn)行空間劃分，學(xué)習(xí)不同區(qū)域特征的權(quán)重，代表不同區(qū)域在顏色識(shí)別過(guò)程中的重要性。由于在車(chē)輛顏色識(shí)別的領(lǐng)域，還沒(méi)有一個(gè)公

5、共的數(shù)據(jù)集供各種方法進(jìn)行測(cè)試。本文還發(fā)布了一個(gè)包含15601張正面拍攝車(chē)輛圖像的數(shù)據(jù)集。數(shù)據(jù)集分為8種顏色，包含有轎車(chē)、巴士、卡車(chē)等不同車(chē)輛類(lèi)型和霧霾、強(qiáng)光等不同天氣條件下的圖像。
　　(2)選擇車(chē)輛的顏色區(qū)域是車(chē)輛顏色識(shí)別的關(guān)鍵問(wèn)題，精確的選擇出能夠具有區(qū)分性的區(qū)域是車(chē)輛顏色識(shí)別中一個(gè)需要解決的問(wèn)題。本文提出一種基于邊緣和多示例學(xué)習(xí)的區(qū)域選擇算法，由于邊緣區(qū)域的顏色特性和非邊緣區(qū)域的顏色分布不同，本文采用邊緣限制的采樣方法，將圖