自然場景下車輛顏色識別研究.pdf

1、對人類而言，顏色是一種敏感的物體信息。對于某些未知的物體，人眼首先能發(fā)現的是其顏色種類。甚至在某些情況下，人眼可以直接通過顏色信息對物體種類進行區(qū)分。車輛顏色是城市交通中的一種重要信息。雖然通過車牌的識別，智能交通系統(tǒng)能夠直接從交管局的數據庫查詢得到車輛登記的其他信息。但是由于車牌區(qū)域小，因此只有在采集圖像分辨率比較高的情況下，車牌信息才能被正確的識別。而車輛顏色是一種對圖像質量敏感性不強的信息，即便是圖像質量比較低的時候，人眼依然能夠

2、判斷車輛顏色的種類。由于車輛顏色信息該特點，車輛顏色識別在犯罪追蹤、事故分析等城市交通的領域中有廣泛的應用。
　　盡管人眼能夠比較輕易的分辨車輛顏色，但是通過計算機視覺的方法識別車輛顏色會遇到以下困難。首先是圖像的光照，容易對車輛的顏色造成影響。同樣一種顏色的車輛，在不同的光照條件下，會出現不同的顏色偏移。這種色偏的現象會對計算機識別顏色造成障礙。另外，車輛本身存在一定的結構信息，能夠用于判斷顏色的區(qū)域只占圖像的一部分。車輛的顏色

3、指的是噴漆部位的顏色，一般不包括車窗、車燈、輪胎等部分。在從正面拍攝到的車輛圖像中，車頂、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感興趣的區(qū)域，是車輛顏色識別中的一個難點。
　　本文主要研究在自然場景下的車輛顏色識別問題，重點在于顏色信息的表達，車輛感興趣區(qū)域的選擇和顏色特征的學習：
　　(1)自然場景中的車輛圖像顏色識別方法一方面需要克服不同自然條件對顏色的影響。另外一方面需要選擇引擎蓋和車頂等關鍵區(qū)域進行

4、識別。傳統(tǒng)方法一般都是首先對圖像進行預處理，將圖像調整到標準光源下，去掉色偏或者是光照的影響。然而在實際的應用中，這種預處理的方法難以克服自然場景下的復雜條件。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。更高層語義的顏色特征在色偏等情況下具有更好的魯棒性。同時還對車輛圖像進行空間劃分，學習不同區(qū)域特征的權重，代表不同區(qū)域在顏色識別過程中的重要性。由于在車輛顏色識別的領域，還沒有一個公

5、共的數據集供各種方法進行測試。本文還發(fā)布了一個包含15601張正面拍攝車輛圖像的數據集。數據集分為8種顏色，包含有轎車、巴士、卡車等不同車輛類型和霧霾、強光等不同天氣條件下的圖像。
　　(2)選擇車輛的顏色區(qū)域是車輛顏色識別的關鍵問題，精確的選擇出能夠具有區(qū)分性的區(qū)域是車輛顏色識別中一個需要解決的問題。本文提出一種基于邊緣和多示例學習的區(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