CN111476849B - 对象颜色识别方法、装置、电子设备以及存储介质 - Google Patents

Abstract

本发明实施例公开了一种对象颜色识别方法、装置、电子设备以及存储介质，包括：采集包含目标对象的待识别图像，并从所述待识别图像中分割出所述目标对象对应的颜色区域；分别检测所述颜色区域中各像素点的颜色类别；将属于预设类别的像素点确定为待识别像素点，得到待识别像素点集合；根据所述待识别像素点集合对所述颜色区域的颜色亮度进行调整，得到调整后颜色区域；对所述调整后颜色区域进行色彩空间转换，得到所述调整后颜色区域在预设颜色空间中所属的颜色区间；在调整后颜色区域所属的颜色区间中对所述调整后颜色区域进行颜色识别，得到所述颜色区域的颜色识别结果，该方案可以提高识别对象颜色的准确率。

Description

对象颜色识别方法、装置、电子设备以及存储介质

技术领域

本发明涉及计算机技术领域，具体涉及一种对象颜色识别方法、装置、电子设备以及存储介质。

背景技术

计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、定位和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取信息的人工智能系统。计算机视觉技术通常包括图像处理、图像识别、图像语义理解、虚拟现实图像增强现实、同步定位与地图构建等技术。

其中，对象颜色识别作为图像识别的一个分支，在人们的日常生活中，常常起到重要的作用，然而，目前的对象颜色识别方案是基于颜色识别模型识别对象的颜色，然而，由于对象颜色的类别繁多以及图像成像时光照的干扰，导致识别对象颜色的准确率低。

发明内容

本发明实施例提供一种对象颜色识别方法、装置、电子设备以及存储介质，可以提高识别对象颜色的准确率。

本发明实施例提供了一种对象颜色识别方法，包括：

采集包含目标对象的待识别图像，并从所述待识别图像中分割出所述目标对象对应的颜色区域；

分别检测所述颜色区域中各像素点的颜色类别；

将属于预设类别的像素点确定为待识别像素点，得到待识别像素点集合；

根据所述待识别像素点集合对所述颜色区域的颜色亮度进行调整，得到调整后颜色区域；

对所述调整后颜色区域进行色彩空间转换，得到所述调整后颜色区域在预设颜色空间中所属的颜色区间；

在调整后颜色区域所属的颜色区间中对所述调整后颜色区域进行颜色识别，得到所述颜色区域的颜色识别结果。

相应的，本发明实施例还提供了一种对象颜色识别装置，包括：

采集模块，用于采集包含目标对象的待识别图像，并从所述待识别图像中分割出所述目标对象对应的颜色区域；

第一检测模块，用于分别检测所述颜色区域中各像素点的颜色类别；

确定模块，用于将属于预设类别的像素点确定为待识别像素点，得到待识别像素点集合；

调整模块，用于根据所述待识别像素点集合对所述颜色区域的颜色亮度进行调整，得到调整后颜色区域；

转换模块，用于对所述调整后颜色区域进行色彩空间转换，得到所述调整后颜色区域在预设颜色空间中所属的颜色区间；

识别模块，用于在调整后颜色区域所属的颜色区间中对所述调整后颜色区域进行颜色识别，得到所述颜色区域的颜色识别结果。

可选的，在本发明的一些实施例中，所述识别模块包括：

第一获取单元，用于获取调整后颜色区域所属的颜色区间中所有颜色的颜色参数，得到待匹配参数集；

第二获取单元，用于获取调整后颜色区域的颜色参数；

识别单元，用于基于待匹配参数集以及调整后颜色区域的颜色参数，在调整后颜色区域所属的颜色区间中对所述调整后颜色区域进行颜色识别，得到所述颜色区域的颜色识别结果。

可选的，在本发明的一些实施例中，所述识别单元包括：

计算子单元，用于根据待匹配参数集以及调整后颜色区域的颜色参数，计算调整后颜色区域的颜色值与颜色区间中每个颜色的颜色值之间的颜色相似度；

确定子单元，用于将颜色相似度最大的颜色确定为与调整后颜色区域匹配的颜色。

可选的，在本发明的一些实施例中，所述计算子单元具体用于：

根据待匹配参数集以及调整后颜色区域的颜色参数，计算调整后颜色区域与颜色区间中每个颜色之间色度的距离；

根据待匹配参数集以及调整后颜色区域的颜色参数，计算调整后颜色区域与颜色区间中每个颜色之间的亮度差异值；

对调整后颜色区域与颜色区间中每个颜色之间色度的距离和亮度差异值进行加权处理，得到调整后颜色区域的颜色值与颜色区间中每个颜色的颜色值之间的颜色相似度。

可选的，在本发明的一些实施例中，所述调整模块包括：

检测单元，用于分别检测所述待识别像素点集合中各待识别像素点的亮度值；

保留单元，用于保留亮度值满足预设条件的待识别像素点，得到保留像素点集合；

调整单元，用于根据所述保留像素点集合对所述颜色区域的颜色亮度进行调整，得到调整后颜色区域。

可选的，在本发明的一些实施例中，所述调整单元具体用于：

获取所述保留像素点集合中亮度值最高的保留像素点，得到参考像素点；

基于参考像素点计算所有保留像素点的亮度值对应的平均值，得到平均亮度值；

根据所述平均亮度值对所述颜色区域的颜色亮度进行调整，得到调整后颜色区域。

可选的，在本发明的一些实施例中，所述转换模具体用于：

采集所述调整后颜色区域的颜色值；

将所述颜色值映射至预设颜色空间中，得到映射后颜色值；

基于映射后颜色值确定所述调整后颜色区域在预设颜色空间中所属的颜色区间。

可选的，在本发明的一些实施例中，还包括第二检测模块，所述第二检测模块具体用于：

检测属于预设类别的像素点的数量是否大于预设阈值；

所述确定模块具体用于：当属于预设类别的像素点的数量大于预设阈值时，则将属于预设类别的像素点确定为待识别像素点，得到待识别像素点集合；

所述识别模块具体用于当属于预设类别的像素点的数量小于或等于预设阈值时，则基于各像素点的颜色类别生成所述颜色区域的颜色识别结果。

可选的，在本发明的一些实施例中，所述目标对象为人像，所述采集模块具体用于：从所述待识别图像中分割出所述人像对应的头发颜色区域；

所述识别模块具体用于：在调整后头发颜色区域所属的颜色区间中对所述调整后头发颜色区域进行颜色识别，得到所述头发颜色区域的颜色识别结果。

本发明实施例在采集包含目标对象的待识别图像，并从所述待识别图像中分割出所述目标对象对应的颜色区域后，分别检测所述颜色区域中各像素点的颜色类别，然后，将属于预设类别的像素点确定为待识别像素点，得到待识别像素点集合，接着，根据所述待识别像素点集合对所述颜色区域的颜色亮度进行调整，得到调整后颜色区域，再然后，对所述调整后颜色区域进行色彩空间转换，得到所述调整后颜色区域在预设颜色空间中所属的颜色区间，最后，在调整后颜色区域所属的颜色区间中对所述调整后颜色区域进行颜色识别，得到所述颜色区域的颜色识别结果。因此，该方案可以提高识别对象颜色的准确率。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1a是本发明实施例提供的对象颜色识别方法的场景示意图；

图1b是本发明实施例提供的对象颜色识别方法的流程示意图；

图1c是本发明实施例提供的对象颜色识别方法中颜色分类器的结构示意图；

图2a是本发明实施例提供的对象颜色识别方法的另一流程示意图；

图2b是本发明实施例提供的对象颜色识别方法的另一场景示意图；

图3a是本发明实施例提供的对象颜色识别装置的结构示意图；

图3b是本发明实施例提供的对象颜色识别装置的另一结构示意图；

图4是本发明实施例提供的电子设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供一种对象颜色识别方法、装置、电子设备和存储介质。

其中，该对象颜色识别装置具体可以集成在服务器或者终端中，服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等，但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本申请在此不做限制。

例如，请参阅图1a，本发明提供一种对象颜色识别系统(以下简称识别系统)，该识别系统包括终端、服务器以及用户，终端接收到用户针对待识别图像的颜色识别请求后，将包含目标对象的待识别图像发送至服务器，对象颜色识别装置集成在服务器中，服务器从待识别图像中分割出目标对象对应的颜色区域后，服务器分别检测颜色区域中各像素点的颜色类别，比如，待识别图像为用户的自拍照，颜色识别请求指示识别用户的头发颜色，因此，服务器从待识别图像中分割出用户的头发区域(颜色区域)，然后，服务器将属于预设类别的像素点确定为待识别像素点，得到待识别像素点集合，接着，服务器根据待识别像素点集合对颜色区域的颜色亮度进行调整，得到调整后颜色区域，再然后，服务器对调整后颜色区域进行色彩空间转换，得到调整后颜色区域在预设颜色空间中所属的颜色区间，最后，服务器在调整后颜色区域所属的颜色区间中对调整后颜色区域进行颜色识别，得到颜色区域的颜色识别结果，比如，服务器识别到用户的头发颜色为红色。

本发明提供的对象颜色识别方案根据待识别像素点集合对颜色区域的颜色亮度进行调整，减小了图像成像时光照对待识别图像的干扰，并且，对调整后颜色区域进行色彩空间转换，解决了目前的对象颜色的类别繁多的问题，进而，可以提高识别对象颜色的准确率。

以下分别进行详细说明。需说明的是，以下实施例的描述顺序不作为对实施例优先顺序的限定。

一种对象颜色识别方法，包括：采集包含目标对象的待识别图像，并从待识别图像中分割出目标对象对应的颜色区域，分别检测颜色区域中各像素点的颜色类别，将属于预设类别的像素点确定为待识别像素点，得到待识别像素点集合，根据待识别像素点集合对颜色区域的颜色亮度进行调整，得到调整后颜色区域，对调整后颜色区域进行色彩空间转换，得到调整后颜色区域在预设颜色空间中所属的颜色区间，在调整后颜色区域所属的颜色区间中对调整后颜色区域进行颜色识别，得到颜色区域的颜色识别结果。

请参阅图1b，图1b为本发明实施例提供的对象颜色识别方法的流程示意图。该对象颜色识别方法的具体流程可以如下：

101、采集包含目标对象的待识别图像，并从待识别图像中分割出目标对象对应的颜色区域。

其中，目标对象可以为人脸、人体和/或车辆，待识别图像可以为人脸图像、人体图像和/或车辆图像，并且，待识别图像可以是预先保存在本地的，也可以是通过访问网络接口拉取得到的，还可以是通过摄像头实时拍摄得到的，具体根据实际情况而定。

需要说明的是，在识别头发颜色的任务中，颜色区域则为头发区域，在识别车辆颜色的任务中，颜色区域则为车身区域，因此，可以采用不同的方法从待识别图像中分割出目标对象对应的颜色区域，比如，在人脸皮肤颜色识别任务中，颜色区域为人的脸部区域，因此，可以采用人脸检测技术在待识别图像中检测出人脸区域，以便后续对检测到的人脸区域进行颜色识别；又比如，在头发颜色识别任务中，颜色区域为人的头发区域，因此，可以通过神经网络对目标对象中的头发区域进行识别，进而从待识别图像中分割出目标对象的头发区域。

其中，在人像头发颜色识别任务中，输入的待识别图像包含人像，那么，可以从待识别图像中分割出人像对应的头发颜色区域，即，可选的，在一些实施例中，步骤“从待识别图像中分割出目标对象对应的颜色区域”，具体可以为：“从待识别图像中分割出人象对应的头发颜色区域。

102、分别检测颜色区域中各像素点的颜色类别。

由于在RGB色彩模式中，黑色、白色以及灰色的特点是红色通道(Red，R)的强度值等于绿色通道(Green，G)的强度值，绿色通道的强度值等于蓝色通道(Blue，B)的强度值，即R值＝G值＝B值，其中，黑色的RGB值一般为(0，0，0)，白色的RGB值一般为(255，255，255)，灰色的RGB值一般为(88，88，88)，并且，黑色、白色以及灰色容易受到光照的干扰，并且，色调相对于黑色白色灰色不具有区分性，因此，可以构建一个头发颜色为黑色、白色、灰色以及其他颜色的数据集，然后，利用深度学习网络训练一个四分类的颜色分类器，可选的，在一些实施例中，为了增强光照的鲁棒性，可以对数据集进行数据增强，比如，将数据集中的所有图片转换到HSV颜色空间，并对转换后的图片的亮度进行随机扰动，从而使得该四分类的颜色分类器具有光照鲁棒性，其中，HSV颜色空间(Hue，Saturation,，Value)是根据颜色的直观特性由A.R.Smith在1978年创建的一种颜色空间,也称六角锥体模型(HexconeModel)，其中，H指的是色调，S指的是饱和度，V指的是亮度。

可选的，在一些实施例中，可以基于训练后的颜色分类器分别检测颜色区域中各像素点的颜色类别，比如，可以检测到颜色区域中红色的像素点有1000个、黑色的像素点有10个以及灰色的像素点有20个。

需要说明的是，若用户的头发颜色为黑色，那么，颜色区域中的所有像素点则都为黑色，因此，则执行步骤106，并且，为了避免目标对象中不属于目标对象的像素点纳入识别的方案中(如用户头上戴的发箍)，导致最终的识别结果不准确，因此，需要对属于预设类别的像素点的数量进行检测，当数量大于预设阈值时，则执行步骤103，即，可选的，在一些实施例中，具体还可以包括：

(11)检测属于预设类别的像素点的数量是否大于预设阈值；

(12)当属于预设类别的像素点的数量大于预设阈值时，则将属于预设类别的像素点确定为待识别像素点，得到待识别像素点集合；

(13)当属于预设类别的像素点的数量小于或等于预设阈值时，则基于各像素点的颜色类别生成所述颜色区域的颜色识别结果。

103、将属于预设类别的像素点确定为待识别像素点，得到待识别像素点集合。

其中，预设类别可以由颜色分类器的类别决定的，比如，请参阅图1c，在获取到待识别图像后，从待识别图像中分割出人像区域，并在人像区域中分割出颜色区域，颜色区域依次经过基础的卷积神经网络、第一全连接层以及第二全连接层后，在第二全连接层中通过加入激活函数来加入非线性因素，即，对颜色区域转换到预设颜色空间对透明度进行随机的扰动，从而使训练得到的四分类网络具有光照鲁棒性。

卷积层：主要用于对输入的图像(比如训练样本或需要识别的图像)进行特征提取，其中，卷积核大小以及卷积核的数量可以根据实际应用而定，比如，从第一层卷积层至第四层卷积层的卷积核大小依次可以为(7，7)，(5，5)，(3，3)，(3，3)；可选的，为了降低计算的复杂度，提高计算效率，在本实施例中，这四层卷积层的卷积核大小可以都设置为(3，3)，激活函数均采用“relu(线性整流函数，Rectified Linear Unit)”，而padding(padding，指属性定义元素边框与元素内容之间的空间)方式均设置为“same”，“same”填充方式可以简单理解为以0填充边缘，左边(上边)补0的个数和右边(下边)补0的个数一样或少一个。可选的，卷积层与卷积层之间可以通过直连的方式连接，从而加快网络收敛速度，为了进一步减少计算量，还可以在第二至第四层卷积层中的所有层或任意1～2层进行下采样(pooling)操作，该下采样操作与卷积的操作基本相同，只不过下采样的卷积核为只取对应位置的最大值(max pooling)或平均值(average pooling)等，为了描述方便，在本发明实施例中，将均以在第二层卷积层和第三次卷积层中进行下采样操作，且该下采样操作具体为maxpooling为例进行说明。

需说明的是，为了描述方便，在本发明实施例中，将激活函数所在层和下采样层(也称为池化层)均归入卷积层中，应当理解的是，也可以认为该结构包括卷积层、激活函数所在层、下采样层(即池化层)和全连接层，当然，还可以包括用于输入数据的输入层和用于输出数据的输出层，在此不再赘述。

全连接层：可以将学到的特征映射到样本标记空间，其在整个卷积神经网络中主要起到“分类器”的作用，全连接层的每一个结点都与上一层(如卷积层中的下采样层)输出的所有结点相连，其中，全连接层的一个结点即称为全连接层中的一个神经元，全连接层中神经元的数量可以根据实际应用的需求而定，比如，在该文本检测模型中，全连接层的神经元数量可以均设置为512个，或者，也可以均设置为128个，等等。与卷积层类似，可选的，在全连接层中，也可以通过加入激活函数来加入非线性因素，比如，可以加入激活函数sigmoid(S型函数)。

颜色分类器包括黑色、白色、灰色以及其他颜色，那么可以将预设类别设定为其他颜色，以便于后续对颜色区域进行颜色识别。需要说明的是，在一些特殊的场景下，还可以将预设类别设定为一种颜色，比如，在监控场景下，需要识别头发颜色为白色的人，那么预设类别则为白色，具体根据实际情况进行设置，在此不再赘述。

104、根据待识别像素点集合对颜色区域的颜色亮度进行调整，得到调整后颜色区域。

由于光照的影响，颜色区域中具有高光部分和暗光部分，高光部分指的是目标对象成像时亮度最大的部分，同理，暗光部分指的是目标对象成像时亮度最小的部分，比如，可以将亮度最大的像素点以及将亮度最小的像素点去除，并基于剩余的像素点对颜色区域的颜色亮度进行调整，即，可选的，在一些实施例中，步骤“根据待识别像素点集合对颜色区域的颜色亮度进行调整，得到调整后颜色区域”，具体可以包括：

(21)分别检测待识别像素点集合中各待识别像素点的亮度值；

(22)保留亮度值满足预设条件的待识别像素点，得到保留像素点集合；

(23)根据保留像素点集合对颜色区域的颜色亮度进行调整，得到调整后颜色区域。

例如，可以计算保留像素点的亮度值对应的平均值，并通过该平均值对颜色区域的颜色亮度进行调整，得到调整后颜色区域，需要说明的时，算术平均数同时受到两个因素的影响，一个是各组数值的大小，另一个是各组分布频数的多少。在数值不变的情况下，一组的频数越多，该组的数值对平均数的作用就大，反之，越小，由此可见，极端值的出现，会使平均数的真实性受到干扰，若颜色区域中亮度最大的像素点的亮度值为100坎德拉(cd/m²)，且亮度最大的像素点个数为150个，亮度值为90坎德拉(cd/m²)的像素点个数为300个，而其余像素点的亮度值分布在30cd/m²至75cd/m²之间，那么，去除亮度值为100cd/m²的像素点后，亮度值为90cd/m²的像素点依然会导致保留像素点的亮度值对应的平均值不准确，因此，可以根据各像素点对应的亮度值计算颜色区域的亮度直方图，其中，按照从大到小的规则，选择20％数量的像素点作为高亮度像素点；按照从小到大的规则，选择10％数量的像素点作为低亮度像素点，然后，去除所有高亮度像素低以及所有低亮度像素点，得到保留像素点集合，然后，从保留像素点集合中选择亮度值最高的保留像素点，并基于选择的保留像素点计算所有保留像素点的亮度值对应的平均值，最后，基于该平均值对颜色区域的颜色亮度进行调整，即，可选的，在一些实施例中，步骤“根据保留像素点集合对颜色区域的颜色亮度进行调整，得到调整后颜色区域”，具体可以包括：

(31)获取保留像素点集合中亮度值最高的保留像素点，得到参考像素点；

(32)基于参考像素点计算所有保留像素点的亮度值对应的平均值，得到平均亮度值；

(33)根据平均亮度值对所述颜色区域的颜色亮度进行调整，得到调整后颜色区域。

例如，具体的，获取保留像素点集合R中亮度值最高的保留像素点，得到参考像素点，然后，获取保留像素点集合中每个保留像素点在原来的颜色空间中的亮度值，然后，基于参考像素点的亮度值，计算保留像素点集合中每个保留像素点转换至预设颜色空间的亮度值，以从RGB颜色空间转换至HSV颜色空间为例，通过下式计算平均亮度值avg

其中，I_i,c为保留像素点在RGB颜色空间的亮度值，Ir、Ig以及Ib分别对应在RGB颜色空间中红色通道、绿色通道以及蓝色通道的颜色值，I’_i,c为保留像素点在HSV颜色空间的亮度值，Lm为参考像素点m的亮度值，n为保留像素点集合R中保留像素点i的数量。

105、对调整后颜色区域进行色彩空间转换，得到调整后颜色区域在预设颜色空间中所属的颜色区间。

颜色空间也称彩色模型、彩色空间或彩色系统，它的用途是在某些标准下用通常可接受的方式对彩色加以说明，本质上，彩色模型是坐标系统和子空间的阐述。位于系统的每种颜色都有单个点表示，采用的大多数颜色模型都是面向硬件或面向应用的，颜色空间有许多种，常用有RGB、HSV以及HSI等。

RGB颜色空间是依据人眼识别的颜色定义出的空间。RGB颜色空间将色调，亮度，饱和度三个量放在一起表示。

HSV是一种将RGB色彩空间中的点在倒圆锥体中的表示方法，HSV即色调(Hue)、饱和度(Saturation)、明度(Value),色相即为颜色的类别，其中，HSV颜色空间的模型对应于圆柱坐标系中的一个圆锥形子集，圆锥的顶面对应于V＝1.它包含RGB模型中的R＝1，G＝1，B＝1三个面，所代表的颜色较亮。色彩H由绕V轴的旋转角给定。红色对应于角度0°，绿色对应于角度180°，蓝色对应于角度270°。在HSV颜色模型中，每一种颜色和它的补色相差180°。饱和度S取值从0到1，所以圆锥顶面的半径为1。HSV颜色模型所代表的颜色域是CIE色度图的一个子集，这个模型中饱和度为百分之百的颜色，其纯度一般小于百分之百。在圆锥的顶点(即原点)处，V＝0,H和S无定义，代表黑色。圆锥的顶面中心处S＝0，V＝1,H无定义，代表白色。从该点到原点代表亮度渐暗的灰色，即具有不同灰度的灰色。对于这些点，S＝0,H的值无定义。可以说，HSV模型中的V轴对应于RGB颜色空间中的主对角线。在圆锥顶面的圆周上的颜色，V＝1，S＝1,这种颜色是纯色。HSV模型对应于画家配色的方法。画家用改变色浓和色深的方法从某种纯色获得不同色调的颜色，在一种纯色中加入白色以改变色浓，加入黑色以改变色深，同时加入不同比例的白色，黑色即可获得各种不同的色调。

HSI色彩空间是从人的视觉系统出发，用色调(Hue)、色饱和度(Saturation或Chroma)和亮度(Intensity或Brightness)来描述色彩。HSI色彩空间可以用一个圆锥空间模型来描述。用这种描述HIS色彩空间的圆锥模型相当复杂，但确能把色调、亮度和色饱和度的变化情形表现得很清楚。由于人的视觉对亮度的敏感程度远强于对颜色浓淡的敏感程度，为了便于色彩处理和识别，人的视觉系统经常采用HSI色彩空间，它比RGB色彩空间更符合人的视觉特性。在图像处理和计算机视觉中大量算法都可在HSI色彩空间中方便地使用，它们可以分开处理而且是相互独立的。

为了便于对调整后颜色区域进行处理，因此，需要对调整后颜色区域进行色彩空间转换，以转换至HSV颜色空间为例，将调整后颜色区域转换至HSV颜色空间，设(r,g,b)分别是一个颜色的红、绿和蓝坐标，它们的值是在0到1之间的实数。设max等价于r，g和b中的最大者，设min等于这些值中的最小者。要找到在HSV空间中的(h，s，v)值，h为0度至360度的色调角度，

v＝max(r,g,b)

其中，对于色调h而言，色调h通常规范化到0度至360度之间，当max＝min时，表示为灰色，而不是h未定义，即，将调整后颜色区域转换至HSV颜色空间后，根据调整后颜色区域在HSV颜色空间中的颜色值，确定调整后颜色区域在HSV颜色空间所属的颜色区间，即，可选的，在一些实施例中，步骤“对调整后颜色区域进行色彩空间转换，得到调整后颜色区域在预设颜色空间中所属的颜色区间”，具体可以包括：

(41)采集调整后颜色区域的颜色值；

(42)将颜色值映射至预设颜色空间中，得到映射后颜色值；

(43)基于映射后颜色值确定调整后颜色区域在预设颜色空间中所属的颜色区间。

其中，预设颜色空间中的颜色区间的数量可以是预先设定的，比如，在本发明实施例中，可以根据预先设定的每个颜色对应的色调将预先设定的颜色划分到七个区间中，每个区间可能有多种标准头发颜色，同一区间的颜色的色调相似，饱和度、和明度不同，如下表所示：

需要说明的是，在划分区间时，可以预先设定的颜色的色调值的二分之一(即h/2)分为红橙黄绿青蓝紫七个区间，其中，hmax表示色调的最大值，hmin表示色调的最小值，也就是说，在区间0至10、以及156至180的色调值区间内为红色。

106、在调整后颜色区域所属的颜色区间中对调整后颜色区域进行颜色识别，得到颜色区域的颜色识别结果。

比如，在人像头发颜色识别任务中，所要识别的是头发的颜色，因此，可以采用人脸特征点识别等技术从待识别图像中分割出所述人像对应的头发颜色区域，然后，对头发颜色区域的颜色亮度进行调整，并对调整后头发颜色区域进行色彩空间转换，最后，在调整后头发颜色区域所属的颜色区间中对调整后头发颜色区域进行颜色识别，得到头发颜色区域的颜色识别结果，即，可选的，步骤“在调整后颜色区域所属的颜色区间中对调整后颜色区域进行颜色识别，得到颜色区域的颜色识别结果”，具体可以为：在调整后头发颜色区域所属的颜色区间中对调整后头发颜色区域进行颜色识别，得到头发颜色区域的颜色识别结果。

其中，每个颜色空间对于颜色都有属于该颜色空间的划分，也就是说，可以基于颜色空间对于颜色的决策以及调整后颜色区域所属的颜色区间对调整后颜色区域进行颜色识别，得到颜色区域的颜色识别结果，即，可选的，在一些实施例中，步骤“在调整后颜色区域所属的颜色区间中对调整后颜色区域进行颜色识别，得到颜色区域的颜色识别结果”，具体可以包括：

(51)获取调整后颜色区域所属的颜色区间中所有颜色的颜色参数，得到待匹配参数集；

(52)获取调整后颜色区域的颜色参数；

(53)基于待匹配参数集以及调整后颜色区域的颜色参数，在调整后颜色区域所属的颜色区间中对调整后颜色区域进行颜色识别，得到颜色区域的颜色识别结果。

待匹配参数集包括颜色区域中各个颜色对应的颜色阐述，例如，具体的，可以基于调整后颜色区域的颜色参数以及各个颜色对应的颜色参数，计算调整后颜色区域的颜色值与颜色区间中每个颜色的颜色值之间的颜色相似度，将颜色相似度最大的颜色确定为与调整后颜色区域匹配的颜色，即，可选的，在一些实施例中，步骤“基于待匹配参数集以及调整后颜色区域的颜色参数，在调整后颜色区域所属的颜色区间中对调整后颜色区域进行颜色识别，得到颜色区域的颜色识别结果”，具体可以包括：

(61)根据待匹配参数集以及调整后颜色区域的颜色参数，计算调整后颜色区域的颜色值与颜色区间中每个颜色的颜色值之间的颜色相似度；

(62)将颜色相似度最大的颜色确定为与调整后颜色区域匹配的颜色。

在HSV颜色空间中，调整后颜色区域颜色值可以认为是色调值、饱和度值以及亮度值，一般而言，决定调整后区域颜色基调的是色调值，而饱和度值则决定调整后区域色调的纯度，亮度值则是反应调整后区域的亮度，因此，可以根据调整后颜色区域的颜色参数以及颜色区间中各个颜色对应的颜色参数，计算调整后颜色区域与颜色区间中每个颜色之间色度的距离，其中，通常把色调和饱和度统称为色度，用来表示颜色的类别与深浅程度，然后，再根据调整后颜色区域的颜色参数以及颜色区间中各个颜色对应的颜色参数，计算调整后颜色区域与颜色区间中每个颜色之间的亮度差异值，最后，基于色度相似度以及亮度差异值，生成调整后颜色区域的颜色值与颜色区间中每个颜色的颜色值之间的颜色相似度，即，可选的，在一些实施例中，步骤“根据待匹配参数集以及调整后颜色区域的颜色参数，计算调整后颜色区域的颜色值与颜色区间中每个颜色的颜色值之间的颜色相似度”，具体可以包括：

(71)根据待匹配参数集以及调整后颜色区域的颜色参数，计算调整后颜色区域与颜色区间中每个颜色之间色度的距离；

(72)根据待匹配参数集以及调整后颜色区域的颜色参数，计算调整后颜色区域与颜色区间中每个颜色之间的亮度差异值；

(73)对调整后颜色区域与颜色区间中每个颜色之间色度的距离和亮度差异值进行加权处理，得到调整后颜色区域的颜色值与颜色区间中每个颜色的颜色值之间的颜色相似度。

还是以HSV颜色空间为例，将调整后颜色区域所属的颜色区间记为i，基于调整后颜色区域的颜色参数以及颜色区间i上每个颜色对应的颜色参数，基于HSV颜色空间对于颜色的决策在颜色区间i中确定与调整后颜色区域对应的颜色，如下式：

S＝max[(w₁*HS_dis)，(w₂*v₁-v₂)]

其中，HS_dis为调整后颜色区域与颜色区间中每个颜色之间色度的距离，颜色相似度记为S，w1和w2均为权重，可以根据实际情况进行调整，比如，在一些场景中，可以减少明度的权重，此时，w1大于w2。

本发明实施例在采集包含目标对象的待识别图像，并从待识别图像中分割出目标对象对应的颜色区域后，分别检测颜色区域中各像素点的颜色类别，然后，将属于预设类别的像素点确定为待识别像素点，得到待识别像素点集合，接着，根据待识别像素点集合对颜色区域的颜色亮度进行调整，得到调整后颜色区域，再然后，对调整后颜色区域进行色彩空间转换，得到调整后颜色区域在预设颜色空间中所属的颜色区间，最后，在调整后颜色区域所属的颜色区间中对调整后颜色区域进行颜色识别，得到颜色区域的颜色识别结果。本发明提供的对象颜色识别方案根据待识别像素点集合对颜色区域的颜色亮度进行调整，减小了图像成像时光照对待识别图像的干扰，并且，对调整后颜色区域进行色彩空间转换，解决了目前的对象颜色的类别繁多的问题，进而，可以提高识别对象颜色的准确率。

根据实施例所述的方法，以下将举例进一步详细说明。

在本实施例中将以该对象颜色识别装置具体集成在服务器中为例进行说明。

请参阅图2a，一种对象颜色识别方法，具体流程可以如下：

201、服务器采集包含目标对象的待识别图像，并从待识别图像中分割出目标对象对应的颜色区域。

其中，目标对象可以为人脸、人体和/或车辆，待识别图像可以为人脸图像、人体图像和/或车辆图像，并且，待识别图像可以是预先保存在本地的，也可以是通过访问网络接口拉取得到的，还可以是通过摄像头实时拍摄得到的，具体根据实际情况而定。

202、服务器分别检测颜色区域中各像素点的颜色类别。

例如，具体的，服务器可以基于训练后的颜色分类器分别检测颜色区域中各像素点的颜色类别，得到各像素点的颜色类别的分类结果。

203、服务器将属于预设类别的像素点确定为待识别像素点，得到待识别像素点集合。

其中，预设类别可以由颜色分类器的类别决定的，比如，颜色分类器包括黑色、白色、灰色以及其他颜色，那么可以将预设类别设定为其他颜色，以便于后续对颜色区域进行颜色识别。

204、服务器根据待识别像素点集合对颜色区域的颜色亮度进行调整，得到调整后颜色区域。

由于光照的影响，颜色区域中具有高光部分和暗光部分，比如，服务器可以将亮度最大的像素点以及将亮度最小的像素点去除，并基于剩余的像素点对颜色区域的颜色亮度进行调整，得到调整后颜色区域。

205、服务器对调整后颜色区域进行色彩空间转换，得到调整后颜色区域在预设颜色空间中所属的颜色区间。

例如，具体的，服务器可以采集调整后颜色区域的颜色值，然后，服务器将颜色值映射至预设颜色空间中，得到映射后颜色值，最后，服务器基于映射后颜色值确定调整后颜色区域在预设颜色空间中所属的颜色区间。

206、服务器在调整后颜色区域所属的颜色区间中对调整后颜色区域进行颜色识别，得到颜色区域的颜色识别结果。

其中，每个颜色空间对于颜色都有属于该颜色空间的划分，也就是说，服务器可以基于颜色空间对于颜色的决策以及调整后颜色区域所属的颜色区间对调整后颜色区域进行颜色识别，得到颜色区域的颜色识别结果，例如，具体的，可以基于调整后颜色区域的颜色参以及调整后颜色区域所属的颜色区间中所有颜色的颜色参数，计算调整后颜色区域的颜色值与颜色区间中每个颜色的颜色值之间的颜色相似度，将颜色相似度最大的颜色确定为与调整后颜色区域匹配的颜色。

请参阅图2b，以在即时通讯软件中生成虚拟形象为例进行说明，首先，用户输入一张人像图片，服务器在接收到该人像图片后，基于深度学习分类网络，对该人像图片中的头发区域所属的颜色进行分类，当头发区域的颜色为黑、灰或白色时，输出匹配头发颜色，并基于匹配头发颜色生成虚拟形象；当头发区域的颜色不为黑、灰或白色时，服务器调整头发区域的颜色亮度，以便于后续根据色调对头发区域的颜色进一步分类，再然后，服务器基于hsv决策对调整后颜色区域进行颜色匹配，得到匹配头发颜色，并基于匹配头发颜色生成虚拟形象。

需要说明的是，本发明实施例中的人像图片可以是包含了真实人像的图片，也可以是包含虚拟人像的图片，而基于匹配头发颜色生成的虚拟形象是以虚拟人像的形式呈现。该虚拟形象一般为大众可以直接确定并非真实人像的形象，例如，人像图片可以是用户拍摄得到的包含用户真实人像的图片，基于匹配头发颜色生成的虚拟形象可以是包含用户卡通人像的图片等。

基于匹配头发颜色生成的虚拟形象可以用于游戏、动漫等场景中，本发明实施例对此不做限定。

本发明实施例的服务器在采集包含目标对象的待识别图像，并从待识别图像中分割出目标对象对应的颜色区域后，服务器分别检测颜色区域中各像素点的颜色类别，然后，服务器将属于预设类别的像素点确定为待识别像素点，得到待识别像素点集合，接着，服务器根据待识别像素点集合对颜色区域的颜色亮度进行调整，得到调整后颜色区域，再然后，服务器对调整后颜色区域进行色彩空间转换，得到调整后颜色区域在预设颜色空间中所属的颜色区间，最后，服务器在调整后颜色区域所属的颜色区间中对调整后颜色区域进行颜色识别，得到颜色区域的颜色识别结果。本发明提供的服务器根据待识别像素点集合对颜色区域的颜色亮度进行调整，减小了图像成像时光照对待识别图像的干扰，并且，对调整后颜色区域进行色彩空间转换，解决了目前的对象颜色的类别繁多的问题，进而，可以提高识别对象颜色的准确率。

为便于更好的实施本发明实施例的对象颜色识别方法，本发明实施例还提供一种基于上述对象颜色识别装置(简称识别装置)。其中名词的含义与上述对象颜色识别方法中相同，具体实现细节可以参考方法实施例中的说明。

请参阅图3a，图3a为本发明实施例提供的对象颜色识别装置的结构示意图，其中该识别装置可以包括采集模块301、第一检测模块302、确定模块303、调整模块304、转换模块305以及识别模块306，具体可以如下：

采集模块301，用于采集包含目标对象的待识别图像，并从待识别图像中分割出目标对象对应的颜色区域。

其中，目标对象可以为人脸、人体和/或车辆，待识别图像可以为人脸图像、人体图像和/或车辆图像，并且，待识别图像可以是预先保存在本地的，也可以是通过访问网络接口拉取得到的，还可以是通过摄像头实时拍摄得到的，具体根据实际情况而定。

第一检测模块302，用于分别检测颜色区域中各像素点的颜色类别。

例如，具体的，第一检测模块302可以基于训练后的颜色分类器分别检测颜色区域中各像素点的颜色类别，得到各像素点的颜色类别的分类结果。

确定模块303，用于将属于预设类别的像素点确定为待识别像素点，得到待识别像素点集合。

其中，预设类别可以由颜色分类器的类别决定的，比如，颜色分类器包括黑色、白色、灰色以及其他颜色，那么可以将预设类别设定为其他颜色，以便于后续对颜色区域进行颜色识别。

调整模块304，用于根据待识别像素点集合对颜色区域的颜色亮度进行调整，得到调整后颜色区域。

由于光照的影响，颜色区域中具有高光部分和暗光部分，比如，调整模块304可以将亮度最大的像素点以及将亮度最小的像素点去除，并基于剩余的像素点对颜色区域的颜色亮度进行调整，得到调整后颜色区域

可选的，在一些实施例中，调整模块304具体可以包括：

检测单元，用于分别检测待识别像素点集合中各待识别像素点的亮度值；

保留单元，用于保留亮度值满足预设条件的待识别像素点，得到保留像素点集合；

调整单元，用于根据保留像素点集合对所述颜色区域的颜色亮度进行调整，得到调整后颜色区域。

可选的，在一些实施例中，调整单元具体用于：获取保留像素点集合中亮度值最高的保留像素点，得到参考像素点，基于参考像素点计算所有保留像素点的亮度值对应的平均值，得到平均亮度值，根据平均亮度值对颜色区域的颜色亮度进行调整，得到调整后颜色区域。

转换模块305，用于对调整后颜色区域进行色彩空间转换，得到调整后颜色区域在预设颜色空间中所属的颜色区间。

例如，具体的，转换模块305可以采集调整后颜色区域的颜色值，然后，服务器将颜色值映射至预设颜色空间中，得到映射后颜色值，最后，转换模块305基于映射后颜色值确定调整后颜色区域在预设颜色空间中所属的颜色区间

可选的，在一些实施例中，转换模块305具体可以用于：采集调整后颜色区域的颜色值，将颜色值映射至预设颜色空间中，得到映射后颜色值，基于映射后颜色值确定调整后颜色区域在预设颜色空间中所属的颜色区间。

识别模块306，用于在调整后颜色区域所属的颜色区间中对所述调整后颜色区域进行颜色识别，得到所述颜色区域的颜色识别结果。

其中，每个颜色空间对于颜色都有属于该颜色空间的划分，也就是说，服务器可以基于颜色空间对于颜色的决策以及调整后颜色区域所属的颜色区间对调整后颜色区域进行颜色识别，得到颜色区域的颜色识别结果，例如，具体的，可以基于预置策略、第二颜色参数以及各个颜色对应的第一颜色参数，计算调整后颜色区域的颜色值与颜色区间中每个颜色的颜色值之间的颜色相似度，将颜色相似度最大的颜色确定为与调整后颜色区域匹配的颜色。

可选的，在一些实施例中，识别模块306具体可以包括：

第一获取单元，用于获取调整后颜色区域所属的颜色区间中所有颜色的颜色参数，得到待匹配参数集；

第二获取单元，用于获取调整后颜色区域的颜色参数；

识别单元，用于基于待匹配参数集以及调整后颜色区域的颜色参数，在调整后颜色区域所属的颜色区间中对所述调整后颜色区域进行颜色识别，得到所述颜色区域的颜色识别结果。

可选的，在一些实施例中，识别单元具体可以包括：

计算子单元，用于根据待匹配参数集以及调整后颜色区域的颜色参数，计算调整后颜色区域的颜色值与颜色区间中每个颜色的颜色值之间的颜色相似度；

确定子单元，用于将颜色相似度最大的颜色确定为与调整后颜色区域匹配的颜色。

可选的，在一些实施例中，计算子单元具体可以用于：根据待匹配参数集以及调整后颜色区域的颜色参数，计算调整后颜色区域与颜色区间中每个颜色之间色度的距离，根据待匹配参数集以及调整后颜色区域的颜色参数，计算调整后颜色区域与颜色区间中每个颜色之间的亮度差异值，对调整后颜色区域与颜色区间中每个颜色之间色度的距离和亮度差异值进行加权处理，得到调整后颜色区域的颜色值与颜色区间中每个颜色的颜色值之间的颜色相似度。

可选的，在本发明的一些实施例中，当目标对象为人像时，采集模块301具体用于：从待识别图像中分割出人像对应的头发颜色区域；

识别模块305具体可以用于：在调整后头发颜色区域所属的颜色区间中对调整后头发颜色区域进行颜色识别，得到头发颜色区域的颜色识别结果。

可选的，请参阅图3b，在一些实施例中，识别装置还可以包括第二检测模块307，第二检测模块307具体用于：检测属于预设类别的像素点的数量是否大于预设阈值；

确定模块303具体可以用于：当属于预设类别的像素点的数量大于预设阈值时，则将属于预设类别的像素点确定为待识别像素点，得到待识别像素点集合；

识别模块306具体用于：当属于预设类别的像素点的数量小于或等于预设阈值时，则基于各像素点的颜色类别生成颜色区域的颜色识别结果

本发明实施例的采集模块301在采集包含目标对象的待识别图像，并从待识别图像中分割出目标对象对应的颜色区域后，第一检测模块302分别检测颜色区域中各像素点的颜色类别，然后，确定模块303将属于预设类别的像素点确定为待识别像素点，得到待识别像素点集合，接着，调整模块304根据待识别像素点集合对颜色区域的颜色亮度进行调整，得到调整后颜色区域，再然后，转换模块305对调整后颜色区域进行色彩空间转换，得到调整后颜色区域在预设颜色空间中所属的颜色区间，最后，识别模块306在调整后颜色区域所属的颜色区间中对调整后颜色区域进行颜色识别，得到颜色区域的颜色识别结果。本发明提供的调整模块304根据待识别像素点集合对颜色区域的颜色亮度进行调整，减小了图像成像时光照对待识别图像的干扰，并且，转换模块305对调整后颜色区域进行色彩空间转换，解决了目前的对象颜色的类别繁多的问题，进而，可以提高识别对象颜色的准确率。

此外，本发明实施例还提供一种电子设备，如图4所示，其示出了本发明实施例所涉及的电子设备的结构示意图，具体来讲：

该电子设备可以包括一个或者一个以上处理核心的处理器401、一个或一个以上计算机可读存储介质的存储器402、电源403和输入单元404等部件。本领域技术人员可以理解，图4中示出的电子设备结构并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：

处理器401是该电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器402内的软件程序和/或模块，以及调用存储在存储器402内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体控制。可选的，处理器401可包括一个或多个处理核心；优选的，处理器401可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器401中。

存储器402可用于存储软件程序以及模块，处理器401通过运行存储在存储器402的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器402可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器402还可以包括存储器控制器，以提供处理器401对存储器402的访问。

电子设备还包括给各个部件供电的电源403，优选的，电源403可以通过电源管理系统与处理器401逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源403还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。

该电子设备还可包括输入单元404，该输入单元404可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。

尽管未示出，电子设备还可以包括显示单元等，在此不再赘述。具体在本实施例中，电子设备中的处理器401会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器402中，并由处理器401来运行存储在存储器402中的应用程序，从而实现各种功能，如下：

采集包含目标对象的待识别图像，并从待识别图像中分割出目标对象对应的颜色区域，分别检测颜色区域中各像素点的颜色类别，将属于预设类别的像素点确定为待识别像素点，得到待识别像素点集合，根据待识别像素点集合对颜色区域的颜色亮度进行调整，得到调整后颜色区域，对调整后颜色区域进行色彩空间转换，得到调整后颜色区域在预设颜色空间中所属的颜色区间，在调整后颜色区域所属的颜色区间中对调整后颜色区域进行颜色识别，得到颜色区域的颜色识别结果。

以上各个操作的具体实施可参见前面的实施例，在此不再赘述。

本发明实施例在采集包含目标对象的待识别图像，并从待识别图像中分割出目标对象对应的颜色区域后，分别检测颜色区域中各像素点的颜色类别，然后，将属于预设类别的像素点确定为待识别像素点，得到待识别像素点集合，接着，根据待识别像素点集合对颜色区域的颜色亮度进行调整，得到调整后颜色区域，再然后，对调整后颜色区域进行色彩空间转换，得到调整后颜色区域在预设颜色空间中所属的颜色区间，最后，在调整后颜色区域所属的颜色区间中对调整后颜色区域进行颜色识别，得到颜色区域的颜色识别结果。本发明提供的对象颜色识别方案根据待识别像素点集合对颜色区域的颜色亮度进行调整，减小了图像成像时光照对待识别图像的干扰，并且，对调整后颜色区域进行色彩空间转换，解决了目前的对象颜色的类别繁多的问题，进而，可以提高识别对象颜色的准确率。

本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。

为此，本发明实施例提供一种存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本发明实施例所提供的任一种对象颜色识别方法中的步骤。例如，该指令可以执行如下步骤：

采集包含目标对象的待识别图像，并从待识别图像中分割出目标对象对应的颜色区域，分别检测颜色区域中各像素点的颜色类别，将属于预设类别的像素点确定为待识别像素点，得到待识别像素点集合，根据待识别像素点集合对颜色区域的颜色亮度进行调整，得到调整后颜色区域，对调整后颜色区域进行色彩空间转换，得到调整后颜色区域在预设颜色空间中所属的颜色区间，在调整后颜色区域所属的颜色区间中对调整后颜色区域进行颜色识别，得到颜色区域的颜色识别结果。

以上各个操作的具体实施可参见前面的实施例，在此不再赘述。

其中，该存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、磁盘或光盘等。

由于该存储介质中所存储的指令，可以执行本发明实施例所提供的任一种对象颜色识别方法中的步骤，因此，可以实现本发明实施例所提供的任一种对象颜色识别方法所能实现的有益效果，详见前面的实施例，在此不再赘述。

以上对本发明实施例所提供的一种对象颜色识别方法、装置、电子设备以及存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (9)

1.一种对象颜色识别方法，其特征在于，包括：

采集包含目标对象的待识别图像，并从所述待识别图像中分割出所述目标对象对应的颜色区域；

分别检测所述颜色区域中各像素点的颜色类别；

将属于预设类别的像素点确定为待识别像素点，得到待识别像素点集合；

根据所述待识别像素点集合对所述颜色区域的颜色亮度进行调整，得到调整后颜色区域；

对所述调整后颜色区域进行色彩空间转换，得到所述调整后颜色区域在预设颜色空间中所属的颜色区间；

在调整后颜色区域所属的颜色区间中对所述调整后颜色区域进行颜色识别，得到所述颜色区域的颜色识别结果，包括：获取调整后颜色区域所属的颜色区间中所有颜色的颜色参数，得到待匹配参数集，其中，所述颜色参数用于描述颜色在相应色彩空间中的属性；获取调整后颜色区域的颜色参数；根据待匹配参数集以及调整后颜色区域的颜色参数，计算调整后颜色区域与颜色区间中每个颜色之间色度的距离；根据待匹配参数集以及调整后颜色区域的颜色参数，计算调整后颜色区域与颜色区间中每个颜色之间的亮度差异值；对调整后颜色区域与颜色区间中每个颜色之间色度的距离和亮度差异值进行加权处理，得到调整后颜色区域的颜色值与颜色区间中每个颜色的颜色值之间的颜色相似度；将颜色相似度最大的颜色确定为与调整后颜色区域匹配的颜色。

2.根据权利要求1所述的方法，其特征在于，所述根据所述待识别像素点集合对所述颜色区域的颜色亮度进行调整，得到调整后颜色区域，包括：

分别检测所述待识别像素点集合中各待识别像素点的亮度值；

保留亮度值满足预设条件的待识别像素点，得到保留像素点集合；

根据所述保留像素点集合对所述颜色区域的颜色亮度进行调整，得到调整后颜色区域。

3.根据权利要求2所述的方法，其特征在于，所述根据所述保留像素点集合对所述颜色区域的颜色亮度进行调整，得到调整后颜色区域，包括：

获取所述保留像素点集合中亮度值最高的保留像素点，得到参考像素点；

基于参考像素点计算所有保留像素点的亮度值对应的平均值，得到平均亮度值；

根据所述平均亮度值对所述颜色区域的颜色亮度进行调整，得到调整后颜色区域。

4.根据权利要求1所述的方法，其特征在于，所述对所述调整后颜色区域进行色彩空间转换，得到所述调整后颜色区域在预设颜色空间中所属的颜色区间，包括：

采集所述调整后颜色区域的颜色值；

将所述颜色值映射至预设颜色空间中，得到映射后颜色值；

基于映射后颜色值确定所述调整后颜色区域在预设颜色空间中所属的颜色区间。

5.根据权利要求1所述的方法，其特征在于，还包括：

检测属于预设类别的像素点的数量是否大于预设阈值；

所述将属于预设类别的像素点确定为待识别像素点，得到待识别像素点集合，包括：当属于预设类别的像素点的数量大于预设阈值时，则将属于预设类别的像素点确定为待识别像素点，得到待识别像素点集合；

所述在调整后颜色区域所属的颜色区间对所述调整后颜色区域进行颜色识别，得到所述颜色区域的颜色识别结果，包括：当属于预设类别的像素点的数量小于或等于预设阈值时，则基于各像素点的颜色类别生成所述颜色区域的颜色识别结果。

6.根据权利要求1所述的方法，其特征在于，所述目标对象为人像，所述从所述待识别图像中分割出所述目标对象对应的颜色区域，包括：

从所述待识别图像中分割出所述人像对应的头发颜色区域；

所述在调整后颜色区域所属的颜色区间中对所述调整后颜色区域进行颜色识别，得到所述颜色区域的颜色识别结果，包括：在调整后头发颜色区域所属的颜色区间中对所述调整后头发颜色区域进行颜色识别，得到所述头发颜色区域的颜色识别结果。

7.一种对象颜色识别装置，其特征在于，包括：

采集模块，用于采集包含目标对象的待识别图像，并从所述待识别图像中分割出所述目标对象对应的颜色区域；

第一检测模块，用于分别检测所述颜色区域中各像素点的颜色类别；

确定模块，用于将属于预设类别的像素点确定为待识别像素点，得到待识别像素点集合；

调整模块，用于根据所述待识别像素点集合对所述颜色区域的颜色亮度进行调整，得到调整后颜色区域；

转换模块，用于对所述调整后颜色区域进行色彩空间转换，得到所述调整后颜色区域在预设颜色空间中所属的颜色区间；

识别模块，用于在调整后颜色区域所属的颜色区间中对所述调整后颜色区域进行颜色识别，得到所述颜色区域的颜色识别结果，包括：获取调整后颜色区域所属的颜色区间中所有颜色的颜色参数，得到待匹配参数集，其中，所述颜色参数用于描述颜色在相应色彩空间中的属性；获取调整后颜色区域的颜色参数；根据待匹配参数集以及调整后颜色区域的颜色参数，计算调整后颜色区域与颜色区间中每个颜色之间色度的距离；根据待匹配参数集以及调整后颜色区域的颜色参数，计算调整后颜色区域与颜色区间中每个颜色之间的亮度差异值；对调整后颜色区域与颜色区间中每个颜色之间色度的距离和亮度差异值进行加权处理，得到调整后颜色区域的颜色值与颜色区间中每个颜色的颜色值之间的颜色相似度；将颜色相似度最大的颜色确定为与调整后颜色区域匹配的颜色。

8.一种电子设备，包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现如权利要求1-6任一项所述对象颜色识别方法的步骤。

9.一种存储介质，其特征在于，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1-6任一项所述对象颜色识别方法的步骤。