一种基于匹配的车辆颜色识别方法和系统

摘要

本发明公开了一种基于匹配的车辆颜色识别方法，包括：对每张训练图像随机取图像块，对每个图像块进行采样，获得采样点，计算每个采样点的颜色特征向量，构建图像块的颜色特征向量表示，利用k-means聚类计算编码本，利用空间金字塔模型给图像特征加上空间信息，再用SVM训练分类器，识别的时候，计算待识别图像的空间金字塔特征向量，利用分类器对待识别图像的空间金字塔特征向量进行分类，输出待识别图像中车辆颜色的识别结果。本发明还公开了相应的基于匹配的车辆颜色识别系统。本发明方法可以在各种复杂环境下都给出准确度高的颜色判断，本方法无需对不同图像质量进行各种图像预处理，且本发明识别方法鲁棒性强，识别准确率高。

主权项

一种基于匹配的车辆颜色识别方法，其特征在于，所述方法包括以下步骤：(1)利用训练图像集合训练用于对图像块特征向量进行编码的编码本：(1.1)对训练图像集合中的每张训练图像随机取图像块；(1.2)对每个图像块进行采样，获得采样点；(1.3)计算每个采样点的颜色特征向量；(1.4)将每个图像块中的所有采样点的颜色特征向量拼接成图像块的特征向量；(1.5)对每张训练图像中所得的所有图像块的特征向量进行k‑means聚类；(1.6)将所述聚类的结果作为编码本；(2)训练分类器：(2.1)对训练图像集合中的每张训练图像采集图像块；(2.2)按照步骤(1.2)‑(1.4)求取每个图像块的特征向量；(2.3)用步骤(1)中得到的编码本对图像块特征向量进行编码；(2.4)利用空间金字塔模型计算每张训练图像的空间金字塔特征向量；(2.5)利用所有训练图像的金字塔特征向量训练支持向量机分类器；(3)识别待识别图像中车辆的颜色：(3.1)按照步骤(2.1)‑(2.4)计算待识别图像的空间金字塔特征向量；(3.2)利用步骤(2)中训练得到的支持向量机分类器，对待识别图像的空间金字塔特征向量进行分类，输出待识别图像中车辆颜色的识别结果。