一种基于色差和彩色归一化的车身颜色识别算法

通过对多个彩色空间色差公式用于色彩识别的比较研究 ,找出了其中利于色彩识别的彩色空间模型及对应色差公式。在此基础上 ,针对车身颜色识别系统 。

基于车窗检测的车身颜色识别方法研究

针对车身颜色识别提出了一种通过车窗检测定位出车窗部位,然后通过车窗位置间接地选取待识别颜色区域,消除车窗和背景对车身颜色识别干扰的方法。实验结果表明该方法可以消除背景区域的干扰,有效地提高车身颜色识别的准确率。

基于卷积神经网络车身颜色识别技术研究

研究车身颜色识别技术可为公安部门打击套牌车辆等交通犯罪行为提供技术支持,并为道路行车安全提供理论依据。文章基于Caffe深度学习框架,提出了一种基于深度卷积神经网络车身颜色识别技术的研究方案,分析了网络层数、迭代次数和学习率对模型的影响,对卷积神经网络CNN模型进行优化,并将优化的网络模型与支持向量机SVM、改进后的HSV模型进行对比分析。结果表明:卷积神经网络最优模型的神经网络层数为8,最大迭代次数为30万,学习率为0.001;支持向量机SVM、改进后的HSV颜色模型及卷积神经网络识别率分别为80.05%、85.25%、90.20%。

车身颜色识别方法研究

车身颜色的识别是车辆识别系统中的一个重要的辅助手段,车身颜色识别在交通调查和交通管理方面也起着重要的作用。在目前的城市交通管理工作中,车身的颜色识别受外界影响很大,仅噪音和环境光照而言就已经给车身颜色识别的精度造成极严重的影响,导致不能够识别出车身的颜色。

车身颜色识别在高速公路卡口中的应用

汽车车身颜色识别技术是是智能交通领域的一项重要技术,能为打击套牌车辆等交通犯罪提供技术支持。目前这项技术研究的单位和个人比较少,参考文献也不是很多,研究难度很大,造成这种情况的主要原因为车身颜色种类非常多,而且颜色容易受周围环境的干扰。本文便围绕车身颜色识别技术展开研究,采用的方法有图像预处理技术、颜色特征提取技术、支持向量机,最终颜色识别率都在90%以上,对于高速公路车辆特征识别技术而言具有重要实际意义。

基于多种车辆特征信息识别的停车场管理系统

提出了一种基于多种车辆特征信息识别的停车场管理系统。多种车辆特征信息识别包括车牌识别、车标识别和车身颜色识别。

基于YOLO的车辆信息检测和跟踪系统

针对车身颜色识别、车标识别和多车辆跟踪问题,提出了一种基于YOLO的车辆信息检测和跟踪系统。使用YOLO来统一完成信息检测的工作,并在车辆检测的基础上,使用数据关联和卡尔曼滤波来完成多车辆跟踪的工作。