一种白光条件下的车辆颜色识别方法技术

本发明专利技术公开了一种白光条件下的车辆颜色识别方法。本发明专利技术主要包括两个部分：(1)提出了一种白光条件下车辆颜色矫正方法，该方法结合了RetineX和darkChannel方法的优点，可以有效缓解因低照度、逆光等现象造成的影响，减小在这些不利环境因素导致的识别率降低的问题。(2)设计了一种基于空间注意力机制的网络模型，该模型可以让网络模型自动聚焦到车辆颜色的有效区域，提高车身颜色有效区域的权重，降低车辆颜色无效区域的权重，然后采用深度神经网络准确识别出车辆颜色。网络准确识别出车辆颜色。网络准确识别出车辆颜色。

【技术实现步骤摘要】
一种白光条件下的车辆颜色识别方法


[0001]本专利技术属于图像处理
，特别是涉及一种白光条件下的车辆颜色识别方法。

技术介绍

[0002]近年来，随着计算机及互联网技术的飞速发展，各种机动车数量的迅猛增长，各类信息包括与交通相关的信息呈现爆炸式增长的态势。为了能够更加安全、高效的管理这些信息，智能交通系统应运而生。智能交通系统可以在收费卡口，停车场，刑事追踪等方面展现出强大的作用。视频图像中车辆信息包括车牌号码、车辆颜色、车辆型号等，其中车辆颜色识别在车辆道路监控中有着举足轻重的作用，是车辆信息中不可或缺的一部分。当车牌号码无法识别或者无法区分时，车辆颜色等其他车辆信息就成为区分车辆的依据。例如在违规套牌车辆识别中，必须通过非号牌信息来区分同号牌车辆，车辆颜色信息就是首选。
[0003]目前的车辆颜色识别方法主要有以下几种：
[0004](1)直接分类的方法[1]，首先检测到车辆位置，然后直接提取车辆区域的颜色特征，最后采用分类器进行分类。该方法无法找出车辆待识别区域，因此车窗、轮胎、背景等都会对结果造成巨大影响。
[0005](2)基于图像处理车辆颜色区域选择的方法[2][3]。首先通过定位车牌位置与大小，然后根据先验知识初选出车辆颜色识别区域，再根据梯度、亮度等信息挑精选出车辆颜色识别区域，最后在区域内进行车辆颜色识别。该方法需要大量的人工经验，鲁棒性不强，受环境的影响较大。
[0006](3)基于分割车辆颜色区域的方法[4]。标注大量车辆颜色有效区域数据，采用语义分割的方法检测出车辆颜色识别的有效区域，再在区域内进行车辆颜色识别。该方法中数据标注工作量巨大，并且识别需要进行语义分割，算法计算量巨大。
[0007](4)灰度消除法[5]，该方法通过RGB空间最大值与最小值差的方法去除掉车窗玻璃、车辆阴影等干扰区域，通过像素个数比值，区别彩色车辆和黑白车辆。该方法是基于图像处理的方法，容易受环境光的影响，鲁棒性不强
[0008](5)基于场景分类的方法[6]，先对待识别车辆进行场景分类，然后调用该场进行的颜色分类模型进行车辆颜色进行分类。该方法需要大量的数据，同时无法找出车辆待识别区域。
[0009]综上所述，现有技术中存在如下问题有待解决：(1)对于车辆颜色，基于人眼的直觉，实际上只有部分区域能够用于车辆颜色识别，例如车窗、车灯、轮胎等就不属于车辆颜色判断的区域，需要进行排除，而车辆颜色有效区域一般是车辆引擎盖，车门等区域。如果算法不能够准确有效的找出有效区域，将会导致识别率降低。
[0010](2)由于自然场景下，不同光照、不同天气、不同角度等因素的影响，即便本身是同一种颜色的车，图像经常会呈现出色偏、反光等现象，导致算法识别率降低。
[0011]相参考文献如下：
[0012][1]车辆颜色识别方法与装置，公开号CN 107844745 A.
[0013][2]一种车身颜色识别区域定位的方法及装置，公开号CN 106529553 B.
[0014][3]一种监控场景下的车身颜色识别方法，公开号CN 109741406 A.
[0015][4]车辆颜色的自动识别方法、电子装置、计算机设备和介质，公开号CN 111325211 A.
[0016][5]一种车身颜色识别方法，公开号CN 105005766 A.
[0017][6]车辆颜色分类模型训练方法、装置和车辆颜色识别方法，公开号CN 110348505 A。

技术实现思路

[0018]本专利技术针对现有技术的不足，提供一种白光条件下车辆颜色矫正方法，该方法结合了RetineX和darkChannel方法的优点，可以有效缓解因低照度、逆光等现象造成的影响，减小在这些不利环境因素导致的识别率降低的问题。同时设计了一种基于空间注意力机制的网络模型，该模型可以让网络模型自动聚焦到车辆颜色的有效区域，提高车身颜色有效区域的权重，降低车辆颜色无效区域的权重，然后采用深度神经网络准确识别出车辆颜色。
[0019]为了达到上述目的，本专利技术提供的技术方案是：一种白光条件下的车辆颜色识别方法，包括如下步骤：
[0020]步骤1，收集大量白光条件下采集的车辆图像数据，并对每辆车进行车辆颜色标记；
[0021]步骤2，设计车辆颜色识别网络模型；
[0022]所述车辆颜色识别模型包含backbone模块，attention模块，BAP模块，FC模块和softmax模块；
[0023]步骤3，将收集的车辆数据提供给车辆颜色识别网络模型进行反复迭代训练；
[0024]步骤4，采用车辆检测器检测图像中的车辆位置信息；
[0025]步骤5，通过检测到的车辆位置将车辆图像从原始图像中裁剪出来；
[0026]步骤6，将裁剪出来的车辆图像进行颜色矫正；
[0027]步骤7，将经过颜色矫正后的车辆图像送入到车辆颜色识别网络，预测车辆颜色类别。
[0028]进一步的，步骤2所述车辆颜色识别模型中的backbone模块采用的是mobilenetV2的前4个残差结构；attention模块是从backbone模块提取的原始特征得到空间权重mask，用于给不同位置加权；BAP模块是将attention模块得到的权重mask对backbone模块提取的原始特征进行加权，得到加权后的新特征；FC模块的作用是将新特征维度与输出类别数匹配；softmax模块的作用是用于输出每个类别的概率。
[0029]进一步的，Attention模块的具体处理过程如下；
[0030]采用M个1x1的卷积核将backbone模块提取的feature_raw做卷积操作，得到Mx14x14个mask掩膜图，并将每个mask归一化到0～1之间；
[0031]其中归一化公式为：
[0032]式中，maskSrc
j
表示原始第j个mask，maskDst
j
表示归一化后的第j个mask，
[0033]分别表示原始第j个mask的第i个点和归一化后的j个mask的第i个点；
[0034]min(maskSrc
j
),max(maskSrc
j
)分别表示原始第j个mask的最小值与最大值。
[0035]进一步的，BAP模块是将attention模块中M个mask掩膜图与backbone模块提取的feature_raw做点积操作，得到64xMx14x14个特征图，然后再对每个特征图做平均池化操作，得到64xMx1x1个特征图。
[0036]进一步的，Softmax模块是将FC模块输出的N个预测结果做softmax操作，目的是预测每一类的概率，其中softmax公式为：其中z
i
表示第i类的预测值，p
i
表示第i类的预测概率。
[0037]进一步的，步骤6的具体实现过程如下；
[0038本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种白光条件下的车辆颜色识别方法，其特征在于，包括如下步骤：步骤1，收集大量白光条件下采集的车辆图像数据，并对每辆车进行车辆颜色标记；步骤2，设计车辆颜色识别网络模型；所述车辆颜色识别模型包含backbone模块，attention模块，BAP模块，FC模块和softmax模块；步骤3，将收集的车辆数据提供给车辆颜色识别网络模型进行反复迭代训练；步骤4，采用车辆检测器检测图像中的车辆位置信息；步骤5，通过检测到的车辆位置将车辆图像从原始图像中裁剪出来；步骤6，将裁剪出来的车辆图像进行颜色矫正；步骤7，将经过颜色矫正后的车辆图像送入到车辆颜色识别网络，预测车辆颜色类别。2.如权利要求1所述的一种白光条件下的车辆颜色识别方法，其特征在于：步骤2所述车辆颜色识别模型中的backbone模块采用的是mobilenetV2的前4个残差结构；attention模块是从backbone模块提取的原始特征得到空间权重mask，用于给不同位置加权；BAP模块是将attention模块得到的权重mask对backbone模块提取的原始特征进行加权，得到加权后的新特征；FC模块的作用是将新特征维度与输出类别数匹配；softmax模块的作用是用于输出每个类别的概率。3.如权利要求2所述的一种白光条件下的车辆颜色识别方法，其特征在于：Attention模块的具体处理过程如下；采用M个1x1的卷积核将backbone模块提取的feature_raw做卷积操作，得到Mx14x14个mask掩膜图，并将每个mask归一化到0～1之间；其中归一化公式为：式中，maskSrc
j
表示原始第j个mask，maskDst
j
表示归一化后的第j个mask，分别表示原始第j个mask的第i个点和归一化后的j个mask的第i个点；min(maskSrc
j
),max(maskSrc
j
)分别表示原始第j个mask的最小值与最大值。4.如权利要求3所述的一种白光条件下的车辆颜色识别方法，其特征在于：BAP模块是将attention模块中M个mask掩膜图与backbone模块提取的feature_raw做点积操作，得到64xMx14x14个特征图，然后...

【专利技术属性】
技术研发人员：谢建，何坤，凌冠昌，
申请(专利权)人：武汉长江通信产业集团股份有限公司，
类型：发明
国别省市：