1.一种基于超像素分割的车辆颜色识别方法，其特征在于，包括如下步骤：UL UR DL DR

步骤1：已知车辆图像I，车辆对应的车窗四个顶点位置W 、W 、W 、W ，车窗左右边缘对L R Car

应的与水平直线的逆时针夹角记为θ、θ，则车辆偏转角度θ 可根据公式(1)计算得到；

Car F

步骤2：若θ ＜90°，根据公式(2)确定车辆颜色识别区域D；否则，根据公式(3)确定；

F F F F F F F F F其中，(D .x1,D .y1)、(D .x2,D .y2)、(D .x3,D .y3)、(D .x4,D .y4)分别表示区域D的左上，右上，左下，右下四个顶点的坐标；

F FR FR

步骤3：从车辆图像I上得到平行四边形区域D 对应的近似矩形图像I ，图像I 的宽高FR

分别根据公式(4)、(5)确定，图像I 和图像I上像素满足公式(6)所示对应关系；

F

步骤4：用局部迭代聚类算法SLIC对图像I进行超像素分割，得到超像素集P；

步骤5：利用空间均匀采样策略进行超像素采样，得到采样超像素集P’；

步骤6：通过串联采样超像素集P’中所有超像素块的HSV颜色直方图特征，得到颜色识别区域对应的HSV颜色直方图特征，其中，单个超像素块的HSV颜色直方图特征由36维的H分量、20维的S分量、20维的V分量组成；

步骤7：根据步骤1‑6提取车辆数据集的HSV颜色特征，然后利用SVM分类器训练得到一个可以区分黑、白、灰、黄、红、蓝、绿、棕8种颜色的分类器。

2.根据权利要求1所述的一种基于超像素分割的车辆颜色识别方法，其特征在于，所述步骤5中空间均匀采样策略具体为：将图像等分为N*M个子区域，N、M分别表示图像的横向、纵向分割数，然后从每个子区域采样一个面积最大的超像素块。