目标混合颜色识别方法

摘要

本发明公开了一种目标混合颜色识别方法，涉及计算机视觉和智能视频监控领域。本方法是：①输入目标图像；②颜色空间转换；③计算颜色隶属度；④判断目标颜色；⑤输出目标颜色。本发明通过在HSV颜色空间中计算每个像素点的颜色隶属度，获得每个像素点颜色的准确描述，再通过合理地整合每个像素点，达到准确识别目标颜色的目的；在一定程度上克服了在HSV空间进行颜色识别的缺陷；可以输出目标的主要以及次要颜色，到达识别目标混合颜色的目的；计算量小，适用性广，检测效果稳定；本发明适用于各种公共场所目标颜色的识别。

主权项

一种目标混合颜色识别方法，其特征在于包括下列步骤：①输入目标图像数据(201)利用待检测摄像头获得视频图像数据，根据需要获得目标的图像数据，输出到颜色识别分析服务器40供分析使用；②颜色空间转换(202)利用目标RGB图像数据和颜色空间的转换公式，将RGB数据转换成HSV数据；RGB指红、绿、蓝，HSV指色调、饱和度、亮度；所述的转换公式是：v＝max,   记为公式1，h指代色调，s指代饱和度、v指代亮度；r、g、b分别代码图像数据红、绿、蓝分量的值，max和min分别为r、g、b中最大值和最小值；③计算各个像素颜色隶属度(203)为了计算每个像素点的颜色隶属度，分别进行以下操作：A、将颜色划分成四类(301)，分别是黑色、灰色、白色和色调，记为M；B、根据下列公式$S(z;a,b,c)=\left\{\begin{array}{cc}0,& z<a\\ 2{\left(\frac{z-a}{c-a}\right)}^2,& a\le z\le b\\ 1-2{\left(\frac{z-a}{c-a}\right)}^2,& b<z\le c\\ 1,& z>c\end{array}\right.$   记为公式2，其中，a、b、c分别为阈值，z为变量，分别计算每个像素点的M隶属度并且归一化(302)，记为Mj，0<j<5，j为整数；其中，M中各个类别对应公式2中的阈值a、b、c互不相同；C、将色调类别划分成7个类别(303)，分别是红、橙、黄、绿、青、蓝和紫，记为H；D、根据颜色色调分量环图以及像素的H值在环图中的位置，计算最近两个色调分量的隶属度(304)，如公式2，计算像素点的H隶属度，其它的色调分量的隶属度为0，记为THi，0<i<8，i为整数；E、再根据公式M4*THi，分别计算每个像素点的最终H隶属度(305)，记为Hi，0<i<8，i为整数，其中M4是步骤B中计算的色调分量隶属度；F、输出每个像素点的颜色隶属度Mj、Hi(306)，0<i<8，0<j<5，i、j为整数；④判断目标颜色(204)为了判断目标的颜色，这里提供两种方式进行目标颜色的识别，第一种方式操作如下：ⅰ、计算目标所有像素点的颜色隶属度的和(401)，记为Sum(k)，0<k<12，k为整数；ⅱ、将Sum(k)按照从大到小的顺序排序(402)；ⅲ、查找满足的最小m值(403)，T为阈值，0.2<T<0.95；ⅳ、输出Sum(k)对应的前m种颜色，即为目标的颜色(404)；第二种方式操作如下：a、将目标图像按照n*n大小分块(501)，2<n<12，假设每块中像素颜色相同；b、计算每块图像中像素隶属度的均值或者中值，将块中的隶属度最大的对应颜色作为此块的颜色(502)；c、统计不同颜色对应块的数量(503)，记为Num(n)，0<n<12，n为整数；d、将Num(n)按照从大到小的顺序排序(504)；e、查找满足的最小m值(505)，T为阈值，0.2<T<0.95；f、输出Num(k)对应的前m种颜色，即为目标的颜色(506)；⑤输出目标颜色(205)。