您好, 歡迎來到化工儀器網
| 產地類別 | 國產 | 價格區(qū)間 | 5千-1萬 |
|---|---|---|---|
| 應用領域 | 環(huán)保,化工,生物產業(yè),農業(yè) |
· 可檢測車身反光標識、反光膜等反光材料的逆反射系數。
· 自動校驗置零和調校測量標準。
產品簡介
詳細介紹
車身照度計逆反系數測量儀
產品特性
· 彩色LCD人機交互界面，觸屏操作。
· 可檢測車身反光標識、反光膜等反光材料的逆反射系數。
· 自動校驗置零和調校測量標準。
· 具有單機數據存儲功能，Z多可存儲500輛車的檢測數據。
· 數據可通過USB接口Copy至PC端。
· 采用電池供電，續(xù)航時間：連續(xù)工作8 h。
· 具有休眠功能，無操作時，自動關閉顯示系統和耗電部件。
· 具有WIFI聯網通信功能（選配）。
· 具有RS232通信功能。
· 可預設參數、顯示日期、檢測地點等系統信息。
車身照度計 逆反系數測量儀
2.基本參數
| 貯存溫度 | (-40～50)℃ | 充電電源 | DC5V |
| 工作溫度 | (-5～50)℃ | 電池連續(xù)工作時間 | 8 h |
| 相對濕度 | ≤95% | 通訊接口 | 串口RS232、 WIFI、USB接口 |
| 整機體積 (長×高×寬) | 258×206×110(mm3) | 整機重量 | 1kg |
3.技術參數
| 測量范圍 | (0～1999 ) cd?lx-1?m-2 | 示值誤差 | ≤5% |
| 復現性誤差 | ≤3% | 測量面直徑 | Φ30mm |
| 觀察角 | 0.2° | 光源 | 色溫 2856K±50K |
| 入射角 | -4° | 接收器 | V（λ）校正 |
背景技術
機動車輛車身顏色識別是智能交通中車輛檢測的一個重要屬性，對嫌疑車輛排查、自動檢測具有重要的作用，但是車身顏色識別受環(huán)境光線的干擾非常嚴重，同一輛車在不同的光線下不同的車身區(qū)域會反映不同的顏色，在對車身顏色檢測帶來非常大的影響。20111013540.7發(fā)明名稱為車輛智能監(jiān)控系統中車身顏色自動識別方法的公開了借助車牌區(qū)域輔助車身顏色定位，先通過顏色多類子空間分析，并利用多特征模板匹配或SVM方法進行顏色識別，引入了可信度，對低可信度進行先驗校準。但此在車身顏色位置定位時沒有考慮光線的干擾，因此對不同光照下的顏色識別會存在問題，例如強逆光、順光等。200810041097.5發(fā)明名稱為特征區(qū)域的定位方法、車身深淺色與車身顏色的識別方法的公開了利用能量分布函數確定車身顏色區(qū)域，再進行多級分類，利用SVM進行識別。此方法利用能量分布Z大點附件區(qū)域確定顏色識別區(qū)域，但是能量Z大點區(qū)域在不同的光照環(huán)境下不一定能反映出真實顏色，對逆光、順光等條件下誤判的可能性增大。
此外，目前行業(yè)中的顏色識別只能識別單一的顏色，對于包含兩種以上顏色的花車不好很好的識別，例如出租車等。
基于此，如何發(fā)明一種車輛車身顏色檢測識別方法，可以檢測識別出多種顏色車，是本發(fā)明主要解決的技術問題。
發(fā)明內容車身照度計 逆反系數測量儀
本發(fā)明為了解決現有車輛身顏色檢測識別方法不能檢測識別出多種顏色車的問題，提供了一種車輛車身顏色檢測識別方法，可以識別出花車，提高檢測精度。
為了解決上述技術問題，本發(fā)明采用以下技術方案予以實現：
一種車輛車身顏色檢測識別方法，包括以下步驟：
訓練步驟：
訓練出主顏色模型，所述的主顏色模型中包括至少3種顏色類型；
顏色檢測識別步驟：
（1）、檢測獲取車輛矩形區(qū)域；
（2）、主顏色識別，包括：
（21）、將區(qū)域內的所有像素點輸入主顏色模型，判斷出各像素點對應主顏色模型中顏色列表中的顏色；
（22）、統計出所述顏色列表中各顏色的占比，并按照占比由大至小進行排序；
（23）、計算排序前4位占比的方差M，若方差M小于閾值T，則判斷為花車，否則，判斷為單色車，并且判斷占比Z高的顏色為車身顏色。
進一步的，為了判斷出花車的主要顏色種類，在步驟（23）中，若判斷為花車，還包括判斷花車車身主要顏色的步驟。
又進一步的，判斷花車車身顏色的方法為：首先，將占比排序第1位的顏色判斷為花車*顏色，其次，判斷占比排序第2位的顏色類型，如果不是灰色，則將其判斷為花車第二顏色，如果是灰色，則考慮占比排序第3位的顏色的占比值，如果占比值超過閾值Th,則該占比排序第3的顏色判斷為花車第二顏色，如果占比值低于閾值Th，則判斷灰色為花車第二顏色。
進一步的，為了能夠適應不同光線、不同天氣環(huán)境，獲得高準確的顏色深淺識別，在所述的訓練步驟中，還包括訓練出輔顏色模型，所述的輔顏色模型為二分類模型，在所述的步驟（22）中，還包括計算步驟（21）中所得出的各像素點顏色的識別置信度P的步驟，所述的顏色檢測識別步驟還包括（3），首先挑選高置信度區(qū)域，對該區(qū)域進行顏色二次判斷，也即：將該區(qū)域的所有像素點輸入所述的輔顏色模型，進行比對判斷輸出深色和淺色兩種結果。