發(fā)布時間：2021-02-22 00:02

　　車輛顏色是車輛的重要特征之一,為稽查黑車、追查套牌、打擊逃費的重要手段,而車色往往易受外界環(huán)境影響。為此,論文依托省級交通運輸科技項目,圍繞車輛顏色視頻識別算法展開了研究,其具有重要的理論意義和應(yīng)用價值。論文描述了國內(nèi)外車輛顏色識別的現(xiàn)狀,分析了傳統(tǒng)簡單的方法所存在的主要問題:近色車難以區(qū)分;因光照太強/不足、大霧,造成的偏色等。為解決車輛顏色特征難以準確提取識別的問題,論文提出了將預(yù)處理與深度學習技術(shù)兩者綜合的車輛顏色識別算法:由預(yù)處理技術(shù)恢復(fù)車身原本顏色,再由深度學習網(wǎng)絡(luò)提取車輛顏色特征,實現(xiàn)了分類識別。針對車輛顏色偏色,論文采用了預(yù)處理技術(shù)校正偏色,恢復(fù)車身顏色,提高圖像檢測精度。采用基于暗通道先驗原理的去霧法,以消除車輛霧化現(xiàn)象;同時采用基于Retinex理論校正因光照影響所造成的車輛偏色問題;此外還采用了YUV空間與Criminisi算法綜合的高光檢測修復(fù)算法,以校正車輛高光區(qū)域顏色。針對車輛顏色特征的準確選取,論文采用深度學習提取特征:以AlexNet網(wǎng)絡(luò)訓(xùn)練預(yù)處理后的數(shù)據(jù)集,來實現(xiàn)分類。這比傳統(tǒng)車輛顏色識別方法精度提高很多;通過殘差網(wǎng)絡(luò)ResNet-18改善網(wǎng)絡(luò)的“退化”... 

【文章來源】：南京大學江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：94 頁

【學位級別】：碩士

【部分圖文】：

圖１－１大霧使得圖像色偏

緒論??［１３１創(chuàng)新性的提出將空間信息與深度學習相結(jié)合，車輛圖像采用空間金字塔的方??式合并，傳入神經(jīng)網(wǎng)絡(luò)中學習。??綜合國內(nèi)外對于車輛顏色識別的研究，雖然準確度不斷提升，但都是在簡單??的場景下進行識別，過于理想化，沒有考慮到自然場景下環(huán)境多變的因素。由于??受到自然場景中顏色非恒定性的影響，包括了光線的變化、物體表面對于光線的??反射方向不同、復(fù)雜表面紋理以及不同攝像頭對顏色的響應(yīng)不同，車輛顏色的識??別工作就變得很困難，我們需要綜合以上各種因素，結(jié)合上述文獻，進行優(yōu)化，??產(chǎn)生一套適應(yīng)多變自然場景的車輛顏色識別方法。??１．２．２現(xiàn)存問題與局限性??（１）?自然場景對于車輛顏色的影響??由于光照或者自然環(huán)境變化，如大霧等天氣的干擾，即使是同一輛車，車輛??在圖像中也會出現(xiàn)顏色的偏差。我們通常的做法是將圖片進行預(yù)處理，提高圖像??的質(zhì)量，使得處理后車輛的顏色更接近真實值。因此，如何設(shè)計一套在一定程度??上能夠克服自然環(huán)境對車輛顏色影響的方法，是我們重點研宄的方向。圖１－１，??由于大霧天氣的影響，原本是黑色車輛的呈現(xiàn)出灰色。圖１－２，由于光照不足，??原本綠色的車呈現(xiàn)出黑色的偏色。雖然兩種車輛被判定為黑色，但是實際車身顏??色卻是兩種的顏色。??ＭＢ??圖１－１大霧使得圖像色偏圖１－２光線不足使得圖像色偏??（２）?近似車色難以區(qū)分??我國的路面車輛以黑色、灰色、白色為主。其中，黑色與灰色，灰色與白色??的車輛常常顏色相近，難以區(qū)分。圖１－３中顯示了黑色與灰色的近似車色車輛。??３??

緒論??圖１－４顯示了灰色與白色的近似車色車輛。如何解決近似車色車輛，也是我們重??點研究的方向。??圖１－３黑色與灰色的近似車色車輛??圖１－４灰色與白色的近似車色車輛??（３）?顏色特征的魯棒性不足??顏色特征的選取是車輛顏色識別的基礎(chǔ)，現(xiàn)有的算法中顏色特征都是人工設(shè)??計［｜２丨，比如?ｔｒａｎｓｆｏｒｍｅｄ?ｃｏｌｏｒ?直方圖、ｈｕｅ?直方圖、ｏｐｐｏｎｅｎｔ?直方圖、ｎｏｒｍａｌｉｚｅｄ??ＲＧ直方圖和ＲＧＢ直方圖等，這些都是基于理論設(shè)計出的特征。但是，在復(fù)雜多??變的自然場景中，很難具備理論分析中的各種不變性。因此，如何設(shè)計出一套具??有更好魯棒性的特征，是車輛顏色識別領(lǐng)域研宄的難點。??（４）?缺乏數(shù)據(jù)集??我們選取的視頻源是來相關(guān)合作單位的監(jiān)控錄像，利用視頻源制作的數(shù)據(jù)集??具有角度單一性、車輛顏色單一等問題。在車輛顏色識別領(lǐng)域缺少統(tǒng)一權(quán)威的數(shù)??據(jù)集，對于設(shè)計的方法只能在自己采集的數(shù)據(jù)集上測試，也是一大局限。針對以??上問題，論文提出了基于深度學習的車輛顏色識別算法，同時使用了一個用于車??輛顏色識別的公共數(shù)據(jù)集［１２］，這是在車輛顏色識別領(lǐng)域現(xiàn)存的公開的數(shù)量最大??的數(shù)據(jù)集。??４??

【參考文獻】：
期刊論文
[1]基于樣本和線性結(jié)構(gòu)信息的大范圍圖像修復(fù)算法[J]. 吳曉軍,李功清.  電子學報. 2012(08)
[2]一種基于區(qū)域搜索的快速圖像修復(fù)算法[J]. 張巧煥,唐向宏,任澍.  杭州電子科技大學學報. 2011(05)
[3]一種基于HSV顏色空間和SIFT特征的車牌提取算法[J]. 楊濤,張森林.  計算機應(yīng)用研究. 2011(10)
[4]基于免疫參數(shù)優(yōu)化的汽車顏色識別方法[J]. 王峰.  光電子.激光. 2011(07)
[5]暗原色先驗圖像去霧算法研究[J]. 嵇曉強,戴明,孫麗娜,郎小龍,王洪.  光電子.激光. 2011(06)
[6]基于結(jié)構(gòu)和顏色信息的圖像修復(fù)算法[J]. 甘玲,張偉,劉國慶.  計算機仿真. 2011(02)
[7]一種基于樣例的快速圖像修復(fù)算法[J]. 代仕梅,張紅英,曾超.  微型機與應(yīng)用. 2010(22)
[8]基于顏色直方圖的圖像檢索技術(shù)[J]. 高美真,申艷梅.  微電子學與計算機. 2008(04)
[9]基于HSV顏色空間的一種車牌定位和分割方法[J]. 王洪建.  儀器儀表學報. 2005(S2)
[10]計算機彩色模型在圖像顯示與分割中的應(yīng)用[J]. 湯海纓,莊天戈.  計算機學報. 1999(04)

博士論文
[1]車輛識別系統(tǒng)中幾個關(guān)鍵技術(shù)的研究[D]. 王運瓊.四川大學 2004

碩士論文
[1]顏色直方圖識別新技術(shù)研究[D]. 婁強.天津大學 2007



本文編號：3045120