基于显著性区域检测的抗干扰车辆颜色识别

在车辆颜色识别的过程中,车辆图像中主要颜色区域的准确分割、排除非颜色干扰区域始终是个问题。因此提出一种基于显著性区域检测的抗干扰车辆颜色识别算法,针对车辆颜色区域分割不准确问题进行一定程度的改善,去除车辆颜色干扰区域并使用自适应k近邻算法(KNN)进行颜色分类。实验结果表明,该方法能有效分割车辆主要颜色区域,并且能达到比较好的分类识别效果。

基于多颜色空间卷积神经网络的车辆颜色分类

针对车身灰尘堆积、色彩蜕变以及不同光照条件下的颜色变化等情况导致的车辆颜色识别准确率低的问题,提出一种基于多颜色空间卷积神经网络的车辆颜色分类方法,结合多颜色空间信息及模型选择融合机制进行颜色分类。通过实验表明该方法能够达到较高的识别效果,分类准确率达95%,泛化性能良好。