用于视频监控的目标颜色识别方法及其系统技术方案

一种用于视频监控的目标颜色识别方法，包括从视频图像中提取颜色识别目标区域；目标区域颜色初始化；对目标区域内各颜色分量h、s、l进行颜色类别检测；统计所述颜色识别目标区域各颜色所占比重，比重最大的则为该颜色识别目标区域的颜色。本发明专利技术采用了马尔科夫随机场模型，根据颜色识别区域邻域位置关系，能减少环境以及目标姿态的变化对颜色识别的影响，从而提高颜色识别率，在智能监控中能有效定位颜色目标，对违规、违法等刑事案件侦破提供有力证据。

【技术实现步骤摘要】

本专利技术属于颜色识别
，尤其设及一种用于视频监控的目标颜色识别方法 及其系统。
技术介绍
近年来，随着计算机及互联网的飞速发展，各种机动车辆数量迅猛增长，各类监控 和交通相关的信息呈现爆炸式增长的态势，为了能够高效管理及应用该些信息，智能监控 系统应运而生。智能监控系统可W在卡口，停车场，刑事案件追踪等方法展现强大的作用。 视频图像信息中车辆信息包括车牌号码、车辆颜色、车标等信息，行人信息包括行人颜色， 行人纹理、行人边缘轮廓等信息，目标颜色识别在监控中有着举足轻重的作用。目标颜色是 监控系统中的一个很重要的属性，例如当违规的车辆无牌或者套牌时，车辆识别就必须通 过非车牌信息查找视频车辆，车辆颜色就是首选之一；当在刑事案件中，在监控系统中查找 嫌疑人，行人的颜色信息则是最重要的信息。 目标颜色识别主要分为两个部分，首先目标颜色区域的提取，然后对该区域进行 颜色识别，最后输出目标的颜色。 传统的目标颜色识别方法，是在候选的目标颜色识别区域中，简单的统计每个像 素点的颜色值，选取颜色值所占比重最大的颜色视为目标的颜色，但是由于目标表面会出 现光线的变化，例如车辆颜色识别区域出现反光点、人的衣服出现權皱等都可能导致颜色 的变化，最后目标颜色判断出现误差。
技术实现思路
基于此，针对上述技术问题，提供一种用于视频监控的目标颜色识别方法及其系 统。 为解决上述技术问题，本专利技术采用如下技术方案： 一种用于视频监控的目标颜色识别方法，包括：[000引从视频图像中提取颜色识别目标区域； 目标区域颜色初始化：将所述颜色识别目标区域空间转换为服L空间，用预训练 的svm模型对目标区域各像素的颜色进行初始化； 对目标区域内各颜色分量K S、1进行颜色类别检测： 参数更新：根据当前目标区域更新{>1，〇i}，和0 1分别是当前第1类颜色区 域的均值和标准方差； 由公式（1)-(3)计算每个像素相邻域的颜色类别的先验概率，并由公式（4)计算 每个像素相邻域的颜色类别的似然概率：[001 引【主权项】1. 一种用于视频监控的目标颜色识别方法，其特征在于，包括： 从视频图像中提取颜色识别目标区域； 目标区域颜色初始化：将所述颜色识别目标区域空间转换为HSL空间，用预训练的svm 模型对目标区域各像素的颜色进行初始化； 对目标区域内各颜色分量h、s、1进行颜色类别检测： 参数更新：根据当前目标区域更新{μi，O1K μσ i分别是当前第1类颜色区域的 均值和标准方差； 由公式（1)-(3)计算每个像素相邻域的颜色类别的先验概率，并由公式（4)计算每个 像素相邻域的颜色类别的似然概率：采用条件迭代模式ICM算法，通过公式（5)逐渐最大化条件概率判别像素的颜色类 别：判断迭代是否收敛或达到最高迭代次数，若否，则返回参数更新步骤； 统计所述颜色识别目标区域各颜色所占比重，比重最大的则为该颜色识别目标区域的 颜色； 其中，\为像素点i的类别标号，y 像素点i的像素值，1为最大类别数，μ i为第1 类区域的均值，σ i为第1类区域的标准方差；β为平滑参数，取值〇. 8-1. 4, N 像素点i 的邻域。2. -种用于视频监控的目标颜色识别系统，其特征在于，包括： 区域提取单元，用于从视频图像中提取颜色识别目标区域； 目标区域颜色识别初始化单元，用于将所述颜色识别目标区域空间转换为HSL空间， 用预训练的svm模型对目标区域各像素的颜色进行初始化；均值以及方差计算单元，用于 计算各种颜色区域的各种颜色分量均值以及方差； 颜色类别检测单元，用于对目标区域内各颜色分量h、s、1进行颜色类别检测： 参数更新：根据当前目标区域更新{μi，O1K μσ i分别是当前第1类颜色区域的 均值和标准方差； 由公式（1)-(3)计算每个像素相邻域的颜色类别的先验概率，并由公式（4)计算每个 像素相邻域的颜色类别的似然概率：采用条件迭代模式ICM算法，通过公式（5)逐渐最大化条件概率判别像素的颜色类 别：判断迭代是否收敛或达到最高迭代次数，若否，则由参数更新单元进行参数更新； 颜色判断单元，用于统计所述颜色识别目标区域各颜色所占比重，比重最大的则为该 颜色识别目标区域的颜色； 其中，\为像素点i的类别标号，y 像素点i的像素值，1为最大类别数，μ i为第1 类区域的均值，σ i为第1类区域的标准方差；β为平滑参数，取值〇. 8-1. 4, N 像素点i 的邻域。【专利摘要】一种用于视频监控的目标颜色识别方法，包括从视频图像中提取颜色识别目标区域；目标区域颜色初始化；对目标区域内各颜色分量h、s、l进行颜色类别检测；统计所述颜色识别目标区域各颜色所占比重，比重最大的则为该颜色识别目标区域的颜色。本专利技术采用了马尔科夫随机场模型，根据颜色识别区域邻域位置关系，能减少环境以及目标姿态的变化对颜色识别的影响，从而提高颜色识别率，在智能监控中能有效定位颜色目标，对违规、违法等刑事案件侦破提供有力证据。【IPC分类】G06K9-00【公开号】CN104537354【申请号】CN201510012129【专利技术人】雷章明, 王运节, 张彩红, 张如高, 虞正华 【申请人】博康智能网络科技股份有限公司【公开日】2015年4月22日【申请日】2015年1月9日本文档来自技高网...

【技术保护点】
一种用于视频监控的目标颜色识别方法，其特征在于，包括：从视频图像中提取颜色识别目标区域；目标区域颜色初始化：将所述颜色识别目标区域空间转换为HSL空间，用预训练的svm模型对目标区域各像素的颜色进行初始化；对目标区域内各颜色分量h、s、l进行颜色类别检测：参数更新：根据当前目标区域更新{μl,σl}，μl和σl分别是当前第l类颜色区域的均值和标准方差；由公式(1)‑(3)计算每个像素相邻域的颜色类别的先验概率，并由公式(4)计算每个像素相邻域的颜色类别的似然概率：p(xi)=exp(-u(xi))Σxi∈Lexp(-u(xi))---(1)]]>u(xi)=-βiΣj∈Ni[δ(xi,xj)-1]---(2)]]>δ(xi,xj)=1xi=xj0xi≠xj---(3)]]>P(yi|xi)=(1/2πσl2)·exp(-(yi-μl)2/2σl2)---(4)]]>采用条件迭代模式ICM算法，通过公式(5)逐渐最大化条件概率判别像素的颜色类别：x^i=argmaxxi∈{1,2,...,C}{f(yi|xi)·f(xi|xNi)}i∈S---(5)]]>判断迭代是否收敛或达到最高迭代次数，若否，则返回参数更新步骤；统计所述颜色识别目标区域各颜色所占比重，比重最大的则为该颜色识别目标区域的颜色；其中，xi为像素点i的类别标号，yi为像素点i的像素值，l为最大类别数，μl为第l类区域的均值，σl为第l类区域的标准方差；β为平滑参数，取值0.8‑1.4，Ni为像素点i的邻域。...

【技术特征摘要】

【专利技术属性】
技术研发人员：雷章明，王运节，张彩红，张如高，虞正华，
申请(专利权)人：博康智能网络科技股份有限公司，
类型：发明
国别省市：上海;31