桂林电子科技大学信息与通信学院毕伟伟蔡晓东
桂林电子科技大学信息科技学院王春利
摘要：针对智能交通卡口中车辆颜色提取在定位和分类方面存在的准确性问题，本文提出了一种在移动侦测环境下动态鲁棒的车辆颜色提取与识别算法。实验结果表明，本文算法较传统算法在实际应用有着更好的精度和鲁棒性。
关键词：GAUSS；HOG；SVM；纵横掩码；混合色彩空间引言针对实际应用中存在的车辆信息检索等问题，本文基于混合色彩空间与纵横掩码，提升在移动侦测环境先的车辆颜色提取与识别算法。首先，通过低尺度的高斯背景重建获取前景信息，利用HOG+SVM分类方法对前景区域进行特征提取与识别，粗提取得到车辆的坐标位置与轮廓信息。其次，结合高斯背景重建的前景信息，通过建立纵向与横向车辆局部掩码图，实现待分类颜色区域的两层定位。最后，利用混合色彩空间模型，针对不同颜色进行带优先级的决策分类。
1、车身坐标粗提取1）低尺度混合高斯背景重建通过对图像运动目标进行背景建模，得到运动目标的前景区域。但由于多个模型的建立对计算资源占用较大，严重影响到了视频处理的实时性。因此，本文提出了低尺度混合高斯背景重建的方法。先将原图像尺度缩小n倍，在低分辨图像中高斯背景重建，对移动物体进行轮廓提取。
2）梯度方向直方图特征提取
比较上图可以看出，本文的方法在实际环境中测试的性能要优于文献[4]的方法。本文通过的定位方法虽然会带来局部的背景信息，但通过混合色彩空间带优先级的决策，能够有效降低背景在识别中的权重，进而实现更好的分类效果。
4、结束语由实验数据可以看出，本文的算法结合实际应用，在红、橙、黄、黑等颜色分类识别方面，较传统方法有了显著提升，青色蓝色和黑色的性能改进并不明显，这是由于实际环境中的车窗的存在和光线反光的原因造成的，使车辆本身的颜色在成像过程中发生了变化，导致了最终的判断失败。在应用分类中，可以将人眼区分不敏感的橙色和黄色合并，将蓝色和青色合并。
由于光线变化的环境因素较难控制，针对光线变化的有效应对方案较少，如何进一步提升实际场景中，对光照变化问题的处理措施是下一步的主要研究工作。
参考文献：[1]Deb，Kaushik，andKang-HyunJo."HSIcolorbasedvehiclelicenseplatedetection."Control，AutomationandSystems，2008.ICCAS2008.IEEE，2008.[2]杨丹.基于BP神经网络的汽车颜色识别[D].沈阳工业大学，2009.[3]王运琼，游志胜，刘直芳.利用支持向量机识别汽车颜色[J].计算机辅助设计与图形学学报，2004，16（5）：701-706.[4]LinCY，YehCH，YehCH.Real-timevehiclecoloridentificationforsurveillancevideos[C]//Electronics，CommunicationsandComputers（CONIELECOMP），2014InternationalConferenceon.IEEE，2014：59-64[5]王琪.关于运动目标特征提取以及车辆颜色识别算法的研究[D].电子科技大学，2011.基金项目：国家科技支撑计划课题（2012BAH20B01）；国家科技支撑计划课题（2014BAK11B02）广西自然科学基金项目（2012GXNSFAA053232，2013GXNSFAA019326）作者简介：毕伟伟（1988-），男，硕士研究生，主要研究方向为图像和视频处理、模式识别。蔡晓东（1971-），男，博士，副教授，主要研究方向为并行化图像和视频处理、模式识别与智能系统、基于云构架的智能传感器网络；王春利*（1980-），男，硕士，讲师，主要研究方向为差分方程相关理论。