CN109584317A

CN109584317A - 基于hsv色彩空间直方图的车身颜色识别方法

Info

Publication number: CN109584317A
Application number: CN201811584499.XA
Authority: CN
Inventors: 付邦鹏; 刘珊; 瞿关明; 张龙龙
Original assignee: Tianjin Tiandi Weiye Robot Technology Co Ltd
Current assignee: Tianjin Tiandy Information Systems Integration Co ltd; Tiandy Technologies Co Ltd
Priority date: 2018-12-24
Filing date: 2018-12-24
Publication date: 2019-04-05
Anticipated expiration: 2038-12-24
Also published as: CN109584317B

Abstract

本发明创造提供了一种基于HSV色彩空间直方图的车身颜色识别方法，利用CCD/CMOS相机获取外部车身彩色图像到计算机中；去除图像因电路或其他图像处理算法引起的噪声，提取识别区域中边缘，用于过滤边缘部分的信息统计；计算机将输入的车身色彩图像的色彩空间由RGB转为HSV空间，利于提取、统计颜色信息；计算机提取H‑S特征并获取H‑S直方图；计算机按照H‑S特征直方图最高柱Hue查表输出颜色。本发明创造所述的基于HSV色彩空间直方图的车身颜色识别方法，排除了外界光线对车身颜色识别的影响，充分的利用了HSV色彩空间的色度H、饱和度S的相关统计信息，利用直方图的方式将颜色分布呈现出来，能够有效、准确地识别光线变化剧烈场景下的车身颜色信息。

Description

基于HSV色彩空间直方图的车身颜色识别方法

技术领域

本发明创造属于一种图像识别算法领域，尤其是涉及一种基于HSV色彩空间直方图的车身颜色识别方法。

背景技术

目前对车辆信息的检测是智能交通系统中非常重要的一个项目，车身颜色又是车辆信息不可或缺的属性。但车辆在各种场景下，其车身颜色由于受外部光线影响，时常出现局部过曝、偏色等情况，很难对车身颜色进行有效、正确的分辨。

发明内容

有鉴于此，本发明是为了克服现有技术中存在的缺点而提出的，其目的是提供一种基于HSV色彩空间直方图的车身颜色识别算法。

为达到上述目的，本发明创造的技术方案是这样实现的：

一种基于HSV色彩空间直方图的车身颜色识别方法,包括包括如下步骤：步骤一：利用CCD/CMOS相机获取外部车身彩色图像到计算机中；步骤二：去除图像因电路或其他图像处理算法引起的噪声，提取识别区域中边缘，用于过滤边缘部分的信息统计；步骤三：计算机将输入的车身色彩图像的色彩空间由RGB转为HSV空间，利于提取、统计颜色信息；步骤四：计算机提取H-S特征并获取H-S直方图；步骤五：计算机按照H-S特征直方图最高柱Hue查表输出颜色。

进一步的，所述步骤二的具体方法为：利用高斯滤波降噪算法去除图像因电路或其他图像处理算法引起的噪声。

进一步的，所述步骤二的具体方法为：利用Canny边缘检测算法提取识别区域中边缘信息，用于过滤边缘部分的信息统计。

进一步的，所述步骤三中色彩空间由RGB转为HSV空间的具体过程为：

Max＝max(R，G，B)

Min＝min(R，G，B)

V＝max(R，G，B)

S＝(Max-Min)/Max

if(R＝Max)H＝(G-B)/(Max-Min)*60

if(G＝Max)H＝120+(B-R)/(Max-Min)*60

if(B＝Max)H＝240+(R-G)/(Max-Min)*60

if(H＜0)H＝H+360

其中，R，G，B表示图像中某个像素点的R值G值B值，H，S，V表示转换后的HSV空间上对应像素点的H值S值V值，

RGB颜色空间无法直接描述车辆的颜色信息，转换到HSV空间时，根据色度Hue可以很清晰的辨别各种颜色分布，如红色Hue约为330。～359。以及0。～30。

进一步的，所述步骤四的具体实现过程为：

计算机按照预先设定的Hue-Color对照表，将色度Hue分为N个区间对应N种颜色，区间step＝360。/N，求取识别区域内的H-S特征直方图中第k个柱的统计值HS(k)：

HS(k)＝∑_{(k-1)*step≤H(x，y)＜k*step}S(x，y)

其中，k∈[1，N]，H(x，y)、S(x，y)分别为HSV图像中非边缘点(x，y)所对应的色度值与饱和度值。

进一步的，所述步骤五的具体实现计算过程为：计算机根据H-S直方图统计信息，将最高柱代表的Hue区间送到Hue-Color对照表，查询得到车身颜色结果，HSV空间的Hue用于区分颜色所在区间，而Saturation则用于表示颜色的深浅。

相对于现有技术，本发明创造所述的基于HSV色彩空间直方图的车身颜色识别方法具有以下优势：

(1)本发明创造所述的基于HSV色彩空间直方图的车身颜色识别方法，排除了外界光线对车身颜色识别的影响，充分的利用了HSV色彩空间的色度H、饱和度S的相关统计信息，考虑到过曝区域的饱和度偏低的特点，利用直方图的方式将颜色分布呈现出来，能够有效、准确地识别光线变化剧烈场景下的车身颜色信息。

附图说明

构成本发明创造的一部分的附图用来提供对本发明创造的进一步理解，本发明创造的示意性实施例及其说明用于解释本发明创造，并不构成对本发明创造的不当限定。在附图中：

图1为本发明创造实施例所述的基于HSV色彩空间直方图的车身颜色识别算法的流程示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本发明创造中的实施例及实施例中的特征可以相互组合。

在本发明创造的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明创造和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明创造的限制。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明创造的描述中，除非另有说明，“多个”的含义是两个或两个以上。

在本发明创造的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本发明创造中的具体含义。

下面将参考附图并结合实施例来详细说明本发明创造。

名词解释：

H-S特征直方图指的是以色度Hue为横轴，以及每个Hue区间的饱和度Saturation累加和为纵轴的直方图；

基于HSV色彩空间直方图的车身颜色识别方法，如图1所示，具体步骤如下：

步骤一：利用CCD/CMOS相机获取外部车身彩色图像到计算机中；

步骤二：计算机去除图像因电路或其他图像处理算法引起的噪声，提取识别区域中边缘，用于过滤边缘部分的信息统计；

步骤三：计算机将输入的车身色彩图像的色彩空间由RGB转为HSV空间，利于提取、统计颜色信息；

步骤四：计算机提取H-S特征并获取H-S直方图；

步骤五：计算机按照H-S特征直方图最高柱Hue查表输出颜色。

所述步骤二的具体方法为：利用高斯滤波降噪算法去除图像因电路或其他图像处理算法引起的噪声；

利用Canny边缘检测算法提取识别区域中边缘信息，用于过滤边缘部分的信息统计；

所述步骤三中色彩空间由RGB转为HSV空间的具体过程为：

RGB转HSV的具体过程如下：

Max＝max(R,G,B)

Min＝min(R,G,B)

V＝max(R,G,B)

S＝(Max-Min)/Max

if(R＝Max)H＝(G-B)/(Max-Min)*60

if(G＝Max)H＝120+(B-R)/(Max-Min)*60

if(B＝Max)H＝240+(R-G)/(Max-Min)*60

if(H<0)H＝H+360

其中，R,G,B表示图像中某个像素点的R值G值B值，H,S,V表示转换后的HSV空间上对应像素点的H值S值V值

RGB颜色空间无法直接描述车辆的颜色信息，转换到HSV空间时，根据色度Hue可以很清晰的辨别各种颜色分布，如红色Hue约为330。～359。以及0。～30。(Hue在0。～359。范围)

所述步骤四的具体实现过程为：

如果计算机直接使用色度Hue的直方图并不能有效的表达出车身颜色的分布，因为有些局部区域是灰色、或者受光照影响过曝的，这部分统计出来的Hue直方图对于区分车身颜色没有助益。因而本专利引用另一个维度的量来帮助建立有效识别颜色的直方图，即加入饱和度Saturation，一个表示颜色深浅的量。

计算机按照预先设定的Hue-Color对照表，将色度Hue分为N个区间(对应N种颜色)，区间step＝360。/N。求取识别区域内的H-S特征直方图中第k个柱的统计值HS(k)：

HS(k)＝∑_{(k-1)*step≤H(x，y)＜k*step}S(x，y)

所述步骤五的具体实现计算过程为：

计算机根据H-S直方图统计信息，将最高柱代表的Hue区间送到Hue-Color对照表，查询得到车身颜色结果。这里的Hue-Color对照表是根据实际使用要求而定的，可以按照Hue等分，也可以按照人眼对颜色的分辨程度而分。

HSV空间的Hue用于区分颜色所在区间，而Saturation则用于表示颜色的深浅。本算法中要针对易受光照影响的车身颜色进行识别，单单Hue是不够的，利用Saturation在Hue维度上的累加值，能够很好的表示识别区域中颜色主要成分。对于颜色深且多的区域，则认为是属于车身的颜色。

以上所述仅为本发明创造的较佳实施例而已，并不用以限制本发明创造，凡在本发明创造的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明创造的保护范围之内。

Claims

1.基于HSV色彩空间直方图的车身颜色识别方法，其特征在于：包括如下步骤：

步骤二：去除图像因电路或其他图像处理算法引起的噪声，提取识别区域中边缘，用于过滤边缘部分的信息统计；

步骤四：计算机提取H-S特征并获取H-S直方图；

步骤五：计算机按照H-S特征直方图最高柱Hue查表输出颜色。

2.根据权利要求1所述的基于HSV色彩空间直方图的车身颜色识别方法，其特征在于：所述步骤二的具体方法为：利用高斯滤波降噪算法去除图像因电路或其他图像处理算法引起的噪声。

3.根据权利要求1或2所述的基于HSV色彩空间直方图的车身颜色识别方法，其特征在于：所述步骤二的具体方法为：利用Canny边缘检测算法提取识别区域中边缘信息，用于过滤边缘部分的信息统计。

4.根据权利要求1所述的基于HSV色彩空间直方图的车身颜色识别方法，其特征在于：所述步骤三中色彩空间由RGB转为HSV空间的具体过程为：

Max＝max(R,G,B)

Min＝min(R,G,B)

V＝max(R,G,B)

S＝(Max-Min)/Max

if(R＝Max)H＝(G-B)/(Max-Min)*60

if(G＝Max)H＝120+(B-R)/(Max-Min)*60

if(B＝Max)H＝240+(R-G)/(Max-Min)*60

if(H<0)H＝H+360

其中，R,G,B表示图像中某个像素点的R值G值B值，H,S,V表示转换后的HSV空间上对应像素点的H值S值V值，

5.根据权利要求1所述的基于HSV色彩空间直方图的车身颜色识别方法，其特征在于：所述步骤四的具体实现过程为：

计算机按照预先设定的Hue-Color对照表，将色度Hue分为N个区间对应N种颜色，区间step＝360。/N，求取识别区域内的H-S特征直方图中第k个柱的统计值HS(k):

HS(k)＝∑_{(k-1)*step≦H(x,y)<k*step}S(x,y)

其中，k∈[1,N]，H(x,y)、S(x,y)分别为HSV图像中非边缘点(x,y)所对应的色度值与饱和度值。

6.根据权利要求5所述的基于HSV色彩空间直方图的车身颜色识别方法，其特征在于：所述步骤五的具体实现计算过程为：计算机根据H-S直方图统计信息，将最高柱代表的Hue区间送到Hue-Color对照表，查询得到车身颜色结果，HSV空间的Hue用于区分颜色所在区间，而Saturation则用于表示颜色的深浅。