CN102176287B - 一种交通信号灯识别系统和方法 - Google Patents
一种交通信号灯识别系统和方法 Download PDFInfo
- Publication number
- CN102176287B CN102176287B CN2011100473779A CN201110047377A CN102176287B CN 102176287 B CN102176287 B CN 102176287B CN 2011100473779 A CN2011100473779 A CN 2011100473779A CN 201110047377 A CN201110047377 A CN 201110047377A CN 102176287 B CN102176287 B CN 102176287B
- Authority
- CN
- China
- Prior art keywords
- traffic lights
- signal
- signal lamp
- signal area
- threshold
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明提供一种交通信号灯识别系统,其图像采集模块,用于采集图像;交通信号灯检测模块,检测所述图像中是否含有交通信号灯,若含有交通信号灯则记录交通信号灯的区域位置和大小;交通信号灯分类模块,在所述检测出含有交通信号灯的图像中根据所述区域位置和大小分割出一个或多个交通信号灯区域,对所述分割出的交通信号灯区域进行分析,确定当前交通信号灯的类别;交通信号灯状态识别模块,分析和识别交通信号灯区域的颜色信息,根据颜色信息和所述类别确定交通信号灯的状态;识别信息输出模块,根据上述识别出的交通信号灯的状态产生相应的提示信息。所述交通信号灯识别系统对驾驶员和色盲者提供了很好的辅助作用。
Description
【技术领域】
本发明涉及交通领域,特别是涉及一种交通信号灯识别系统和方法。
【背景技术】
交通信号灯是保证交通安全、保持道路畅通的一种重要装置。目前常用的交通信号灯是靠红、黄、绿三种颜色来指示交通通行的。我国法律规定,色盲者终身禁止驾驶机动车。色盲者禁止驾车的主要原因是由于色盲者中有许多红绿色盲,他们看到的颜色与非色盲者看到的颜色不同。因此,色盲者驾车时对交通信号灯颜色不正确的识别可能带来巨大的危险。而随着我国经济不断发展,人们生活水平的不断提高,机动车的数量迅速增加,但由于交通信号灯颜色的限制,给色弱/色盲者的出行带来很多不便,使得他们驾驶机动车更不可能。
中国实用新型CN2919406公开了一种色盲者能够识别的交通灯,其保持现有的交通灯的主要结构不变,而只将红、绿灯的灯罩形状改变,即三种灯的灯罩各自的形状不同,从而使能色盲者能够识别交通灯,但这种交通灯改变了现有交通灯的形状,制造比较复杂,成本高,不利于推广;中国专利CN201203952Y公开了一种色弱色盲能识别的交通信号灯,其将红色信号灯、黄色信号灯和绿色信号灯的形状做了不同的设置,同样可以实现色弱色盲者对交通信号灯的识别,但这种交通灯对形状做了不同设置,对于近视者来说离交通灯比较远时还是分不清红灯、绿灯还是黄灯。
现有的技术基本上是通过改变交通灯的灯罩形状或交通灯的显示形状来使色盲者识别交通信号灯的,这样就必须替换现有的交通灯的灯罩或交通灯,如要替换掉现有的全部交通灯,需要的成本也会比较大。
因此有必要提出一种新的技术方案来解决上述问题。
【发明内容】
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
本发明的目的之一在于提供一种交通信号灯识别系统,其可以自动识别出交通信号灯当前状态,帮助色盲、色弱者判断当前路口的通行状态,且为驾驶者发出提示,从而起到重要的辅助作用。
本发明的目的之二在于提供一种交通信号灯识别方法,其可以自动识别出交通信号灯当前状态,帮助色盲、色弱者判断当前路口的通行状态,且为驾驶者发出提示,从而起到重要的辅助作用。
根据本发明的一方面,本发明提供一种交通信号灯识别系统,其包括图像采集模块,采集图像;交通信号灯检测模块,检测所述图像中是否含有交通信号灯,若含有交通信号灯则记录交通信号灯的区域;交通信号灯状态识别模块,将所述交通信号灯区域分割出一个或多个信号区域,分析和识别所述信号区域的亮度信息和/或颜色信息,根据所述亮度信息和/或颜色信息确定交通信号灯的状态;和识别信息输出模块,根据交通信号灯的状态产生相应的提示信息。
进一步的,所述交通信号灯识别系统还包括交通信号灯分类模块,所述交通信号灯分类模块分析各个信号区域的特征,进而确定当前交通信号灯的类别。
更进一步的,所述交通信号灯类别包括:机动车信号灯、非机动车信号灯、人行横道信号灯、车道信号灯、方向指示信号灯或倒计时数码显示器。
进一步的,交通信号灯状态识别模块统计各信号区域的亮度和以找出亮灯的信号区域,根据亮灯的信号区域在整个交通信号灯的位置确定交通信号灯的状态。
进一步的,交通信号灯状态识别模块统计各信号区域的亮度和以找出亮灯的信号区域,并对亮灯的信号区域进行颜色分析,并结合所述颜色信息确定交通信号灯的状态。
进一步的,所述交通信号灯分类模块根据对所述信号区域的亮度分析得出各信号区域内像素值大于预先设定的阈值的像素点组成的图形,从而确定交通信号灯的类别;交通信号灯状态识别模块根据交通信号灯的类别,并结合对该信号区域进行的颜色分析来确定交通信号灯的状态。
更进一步的,所述交通信号灯状态识别模块分析识别所述信号区域的颜色信息时统计每个信号区域内所有像素点的红、绿颜色的平均值,确定红、绿颜色平均值的比例值,并设定第一阈值和第二阈值,将红、绿颜色平均值的比例值与第一阈值及第二阈值比较,若所述比例值大于所述第一阈值时则判定该信号灯区域为红灯,若所述比例值小于所述第二阈值时则判定该信号灯区域为绿灯,否则为黄灯,其中所述第一阈值大于所述第二阈值。
进一步的,识别信息输出模块产生相应的提示信息包括声音输出、图像输出或字体输出。
根据本发明的另一方面,本发明还提供一种交通信号灯识别方法,其包括:获取含有交通信号灯的图像;对所述图像进行交通信号灯的检测以判断图像中是否存在交通信号灯;若存在交通信号灯则将对所述图像中的交通信号灯区域分割出一个或多个信号区域,对所述信号区域进行亮度和/或颜色分析以确定出交通信号灯的状态;根据所述交通信号灯识别的结果输出提示信息。
进一步的,对所述信号区域进行亮度分析的过程包括:统计各信号区域的亮度和以找出亮灯的信号区域,根据亮灯的信号区域在整个交通信号灯的位置确定交通信号灯的状态。
进一步的,所述交通信号灯识别方法包括统计各信号区域的亮度和以找出亮灯的信号区域,并对亮灯的信号区域进行颜色分析,并结合所述颜色信息确定交通信号灯的状态。
进一步的,所述交通信号灯识别方法还包括对所述信号区域的亮度分析得出各信号区域内像素值大于预先设定的阈值的像素点组成的图形,从而确定交通信号灯的类别;根据交通信号灯的类别,并结合对信号区域进行的颜色分析来确定交通信号灯的状态。
进一步的,所述颜色分析具体为:统计每个信号灯区域内所有像素点的红、绿颜色的平均值,确定红、绿颜色平均值的比例值,设定第一阈值和第二阈值,将红、绿颜色平均值的比例值与第一阈值及第二阈值进行比较,当所述比例值大于所述第一阈值时则判定该信号灯区域为红灯,当所述比例值小于所述第二阈值时则判定该信号灯区域为绿灯,否则为黄灯,其中所述第一阈值大于所述第二阈值。
与现有技术相比,本发明提供的一种交通信号灯识别系统,其首先获取含有交通信号灯的图像,并对图像中的交通信号灯进行检测和识别,最终输出信号灯的识别结果,根据所述结果输出声音或图像等提示,其对长时间驾驶者和色盲者起到重要的辅助提醒功能。
【附图说明】
为了更清楚地说明本发明实施例的技术方案,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,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。其中:
图1为本发明中交通信号灯识别系统在一个实施例中的结构示意图;
图2为交通信号灯在一实施例中的示意图;
图3为交通信号灯在另一实施例中的示意图;和
图4为本发明中交通信号灯识别方法在一个实施例中的流程图。
【具体实施方式】
本发明的详细描述主要通过程序、步骤、逻辑块、过程或其他象征性的描述来直接或间接地模拟本发明技术方案的运作。为透彻的理解本发明,在接下来的描述中陈述了很多特定细节。而在没有这些特定细节时,本发明则可能仍可实现。所属领域内的技术人员使用此处的这些描述和陈述向所属领域内的其他技术人员有效的介绍他们的工作本质。换句话说,为避免混淆本发明的目的,由于熟知的方法和程序已经容易理解,因此它们并未被详细描述。
此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。此外,表示一个或多个实施例的方法、流程图或功能框图中的模块顺序并非固定的指代任何特定顺序,也不构成对本发明的限制。
本发明提供一种交通信号灯识别的系统,其拍摄路口的含有交通信号灯的图像,对所述图像进行交通信号灯的自动检测和识别,根据识别结果确定信号灯的状态,并根据交通信号灯的状态给出相关的声音、文字或图像等提示信息。其具体的系统结构可参见图1所示。
图1为本发明中交通信号灯识别系统100在一个实施例中的结构示意图,其中所述交通信号灯识别系统100包括图像采集模块110、交通信号灯检测模块120、交通信号灯状态识别模块140和识别结果输出模块150。
所述图像采集模块110内部包含有一个摄像设备,其可以用于采集包含有交通信号灯的图像。在一个实施例中,对于行人和非机动车,所述摄像设备可以固定在衣服、头盔或帽子上,对于机动车,所述摄像设备可以固定在车子前部顶端,比如前挡风玻璃顶部等部位。
所述交通信号灯检测模块120检测所述图像中是否含有交通信号灯区域,若含有交通信号灯区域则记录交通信号灯的区域位置和大小。常用的交通信号灯的信号主要有圆形、行人、自行车或箭头灯形状,交通信号灯通常上下排列,红灯、黄灯、绿灯按一定顺序排列,利用这些特点可以从图像中检测出信号灯区域。通常进行信号灯检测的方法有基于几何特征的方法、基于子空间的方法、基于信号灯检测器的方法等。
在一个实施例中,采用基于信号灯检测器的方法来进行交通信号灯区域的检测。所述方法具体包括:形成可识别交通信号灯的信号灯检测器的训练部分和用于交通信号灯检测的检测部分。训练部分具体为:首先,选取大量包含有交通信号灯的图像,对图像中的交通信号灯进行标定,分割出其中的信号灯区域作为正样本,选取大量不包含有交通信号灯的图像区域作为反样本;然后计算其弱特征,将正反样本输入所述信号灯检测器进行训练,完成弱特征的挑选和信号灯检测器的形成,进而得到可以用于进行交通信号灯检测的信号灯检测器。举例来说,对于一个信号灯检测器,其通过大量的数据进行训练,要求是:正反样本的数据输入所述训练后的信号灯检测器后,输出值不同,正样本的数据输入所述训练后的信号灯检测器后,输出值为1,而反样本的数据输入所述训练后的信号灯检测器后,输出值为-1。经过训练,使检测器达到收敛,得到检测器的各个参数,这件检测器就确定了。检测部分:计算所述图像采集模块110采集的图像的弱特征,并输入所述训练后的信号灯检测器,根据输出值确定此图像是否含有交通信号灯区域,即通过训练后的信号灯检测器后输出值与所述正样本产生的结果类似,如输出值大于0.5则可判断输入的图像中含有交通信号灯,否则,所述输入的图像不存在交通信号灯。
交通信号灯状态识别模块140根据交通信号灯检测模块120的结果将图像中所述交通信号灯区域分割出一个或多个信号区域,对所述信号区域进行分析以获得所述信号区域的亮度信息和/或颜色信息,并根据所述亮度信息和/或颜色信息确定交通信号灯的状态,也即获得交通信号灯当前的交通信号。
交通信号灯通常具有红灯、黄灯和绿灯多个信号区域,红灯、黄灯和绿灯可能是横向排列,也可能是纵向排列。首先,可以计算所述交通信号灯区域在竖直方向的长度a和水平方向的长度b,根据所述交通信号灯区域在水平方向和竖直方向的长度比确定信号灯是横向排列还是纵向排列。如图2所示,其中红灯、黄灯和绿灯连在一起后计算其长度a和宽度b,这里a/b>1,则说明图2中示出的交通信号灯为纵向排列;而如果a/b<1,则说明交通信号灯为横向排列。获得所述长度比及交通信号灯各信号区域的排列方向后便可以对交通信号灯区域进行分割,分割出每个信号灯区域。对各个信号区域进行亮度分析以确定交通信号灯当前亮灯的区域在所述交通信号灯区域的位置。
现有的交通信号灯基本上是有两个信号灯或三个信号灯。如果有两个信号灯,从上到下或从左到右的顺序通常为红、绿;如果有三个信号灯,从上到下或从左到右的顺序通常为红、黄、绿。对上述分割后的各个信号区域进行亮度分析,统计各个信号区域的亮度和,找出亮灯的信号区域,即亮度和较高的信号区域,并判断亮灯的信号区域在整个交通信号灯区域的位置,根据亮灯的信号区域在整个交通信号灯的位置确定交通信号灯的当前交通信号。如图3所示,图3为交通信号灯在另一实施例中的示意图。在进行亮度分析时,当亮灯的信号区域在整个交通信号灯区域的上部,根据通常的红、黄、绿灯的排列规则就可以直接判定所述亮的区域为红灯;当亮的区域在整个交通信号灯区域的中部,则可以直接判定所述亮的区域为黄灯;否则判定所述亮的区域为绿灯。当然在划分上部、中部和下部区域时可以直接用交通信号灯区域较长边的三等分的平分线来划定。当然,在分析得到亮灯的信号区域后,交通信号灯状态识别模块140亮灯的信号区域也可以对亮灯的信号区域进行颜色分析,根据得到的颜色信息确定交通信号灯的交通信号。
当交通信号灯只有一个信号区域时,即只有一个信号灯做红、黄、绿灯的切换,这时,所述交通信号灯状态识别模块140对所述信号区域进行颜色分析以确定交通信号灯的交通信号。即所述交通信号灯状态识别模块140统计所述信号区域内每个像素点的颜色信息,根据颜色信息的统计结果确定交通信号灯的状态。
此外,除现有的交通信号灯有时也会有多方向的箭头信号灯、人形指示灯或计时灯等各种类型信号指示灯。当交通信号灯具有上述多类别的信号区域时,也会有多个信号区域均亮的情形。例如,对于横向排列的交通信号灯,如具有多方向的箭头信号灯,有时各个灯都是亮的,只是有的红,有的绿。
因此,为了保证所述信号灯检测器适用于多种类的交通信号灯的识别,在本发明另一个实施例中,对于不同类型的交通信号灯所述的交通信号灯识别系统也可以分别进行训练来获得多个红绿灯的信号灯检测器,如箭头红绿灯、竖排红绿灯等。也就是说,在训练时选用的样本中交通信号灯和采集的图像中的交通信号灯均是同一种类型,如果均为竖排红绿灯的图像在训练出来的信号灯检测器就可以对竖排红绿灯进行检测。进一步地,交通信号灯识别系统100也还可以包括交通信号灯分类模块130。根据对交通信号灯的检测,若图像中含有交通信号灯区域,所述交通信号灯检测模块120则记录交通信号灯的区域位置和大小,并输入到交通信号灯分类模块130。
所述交通信号灯分类模块130在所述检测出含有交通信号的图像中根据所述交通信号灯的区域位置和大小分割出一个或多个信号区域后,对所述分割出的信号区域进行形状分析,确定当前交通信号灯及每一信号区域的类别。
所述交通信号灯分类模块130可以通过亮度分析得出各信号区域的亮度较高的像素点组成的图形,从而可以确定交通信号灯的类别,如机动车信号灯、非机动车信号灯、人行横道信号灯、车道信号灯、方向指示信号灯火倒计时数码显示器。
其中,进行亮度分析时有很多种方法,这里选用二值化法进行简要说明。首先计算信号灯区域中像素值,对像素值大于预先设定的阈值的像素点标记为“1”,像素值小于所述阈值的像素点标记为“0”,对有相同标记的像素点进行连通,则可判定由标记为“1”的像素点组成的面积最大的区域为交通信号灯亮时的信号区域;或可进一步判定:由标记为“1”的像素点组成的图形可形成不同的交通信号灯类别,如标记为“1”的像素点组成自行车或人模样的图形则可判定为人形横道信号灯,若标记为“1”的像素点组成车辆的图形则可判定为车道信号灯。
在交通信号灯具有上述多类别的信号区域,且有多个信号区域均亮的情形时,由交通信号灯分类模块130对信号区域进行的亮度分析得到该信号区域的类别,并结合对该信号区域进行的颜色分析来确定当前的交通信号。例如,当通过对信号区域进行的亮度分析得到一个亮灯的信号区域为前行信号灯,信号区域为红色,则可以表示禁止前行;而另一亮灯的信号区域为右转信号灯,信号区域为绿色,则可以表示允许右行。
由于成像误差、噪声点等原因的存在,亮红灯的信号区域内可能有些像素点表现为红色,而一些个别的像素点为绿色;或者亮绿灯的信号区域内也可能有红色的像素点。比如目前采用的多个LED组成的信号灯光源,其显示的信号灯的区域的每个像素点的颜色信息不是完全一样的。另外,当红、绿、蓝三基色分别为(255,0,0)时是红色,而(255,50,100)时仍然应该认为其是红色,光源在使用过程中其颜色也会发生一些变化。因此,在对信号区域进行颜色分析中,利用所述信号区域内的颜色的均值信息可以比较准确的获得所述信号区域在整体上所表现的颜色。
优选地,所述颜色分析具体如下:统计每个信号区域的颜色信息,如,计算每个信号区域内的所有像素点的红、绿颜色的平均值,然后计算红、绿颜色平均值的比例值,令红、绿色的平均值为th1和th2为红绿色平均值的比例关系的第一阈值和第二阈值,其中第一阈值大于第二阈值,当红绿颜色的比例值大于所述第一阈值,即时则认定该信号区域为红色,当红绿颜色的比例值小于所述第二阈值,即时则认定该信号区域为绿色;否则该信号区域为黄色。
当然,这里同样可以通过计算每个信号灯区域内红、绿像素点的总值,利用各颜色像素点的总值的比例关系仍然可以认定信号灯为红色、绿色或黄色。
综合上述亮度分析和颜色分析的结果可以确定当前信号灯的状态。识别结果输出模块150在检测出交通信号灯的状态时给予对应的声音、图像或字迹等提示信息。如采用声音输出,可输出“直行方向为绿灯,左转方向为红灯”等类似信息,也可以加上“绿灯时间n秒”等信息。当然还可以结合当前车辆所在车道线确定当前方向是否可以通行。如果采用图像输出,可以在图像中信号灯附近显示“红”“黄”“绿”等字样,提示驾驶者当前的信号灯状态,并且可以在红灯状况下增加字样的闪动定动作,便于驾驶者注意到。
综上所述,本发明通过对交通信号灯的检测和识别,可以很好的帮助色盲、色弱者判断当前路口的通行状态,且为驾驶者发出相关的提示,从而起到了重要的辅助作用。
图4为本发明中交通信号灯识别方法的流程图,所述交通信号灯识别的方法具体包括:
步骤410,获取含有交通信号灯的图像。在具体实现时,可以通过一个摄像设备来采集包含有交通信号灯的图像。在一个实施例中,对于行人和非机动车,可以将其所述摄像设备固定在衣服、头盔或帽子上,对于机动车,可以将其所述摄像设备固定在车子前部顶端,比如前挡风玻璃顶部等部位。
步骤420,对所述图像进行交通信号灯检测。
一般对图像进行交通信号灯检测的方法为基于几何特征的方法、基于子空间的方法、基于信号灯检测器的方法等。
在一个实施例中,采用基于信号灯检测器的方法来进行交通信号灯区域的检测。所述方法具体包括:形成可识别交通信号灯的信号灯检测器的训练部分和用于交通信号灯检测的检测部分。训练部分具体为:首先,选取大量包含有交通信号灯的图像,对图像中的交通信号灯进行标定,分割出其中的信号灯区域作为正样本,选取大量不包含有交通信号灯的图像区域作为反样本;然后计算其弱特征,将正反样本输入所述信号灯检测器进行训练,完成弱特征的挑选和信号灯检测器的形成,进而得到可以用于进行交通信号灯检测的信号灯检测器。举例来说,对于一个信号灯检测器,其通过大量的数据进行训练,要求是:正反样本的数据输入所述训练后的信号灯检测器后,输出值不同,如当正样本的数据输入所述训练后的信号灯检测器后,输出值为1,而反样本的数据输入所述训练后的信号灯检测器后,输出值为-1。经过训练,使检测器达到收敛,得到检测器的各个参数,这件检测器就确定了。检测部分:计算所述采集到的图像的弱特征,并输入所述训练后的信号灯检测器,根据输出值确定此图像是否含有交通信号灯区域,即通过训练后的信号灯检测器后输出值与所述正样本的输出值类似,如大于0.5,则可判断输入的图像中含有交通信号灯,否则,所述输入的图像不存在交通信号灯。
通常,为了保证所述信号灯检测器的性能,对于不同类型的交通信号灯可以分别进行训练来获得多个红绿灯的信号灯检测器,如箭头红绿灯、竖排红绿灯等。也就是说,在训练时选用的样本中交通信号灯和采集的图像中的交通信号灯均是同一种类型,如果均为竖排红绿灯的图像在训练出来的信号灯检测器就可以对竖排红绿灯进行检测。
步骤430,判断是否存在交通信号灯。即根据采集到的图像通过上述步骤420中训练的信号灯检测器进行检测后的检测结果判断采集到的图像是否存在交通信号灯。
步骤440,若判断不存在交通信号灯则直接放弃对该图像的识别。
步骤450,当检测到采集的图像中含有交通信号灯时,对交通信号灯进行识别以确定交通信号灯的状态。即根据所述检测出的交通信号灯区域的位置和大小分割出一个或多个信号区域,对所述信号区域进行识别分析以确定出交通信号灯的状态。
一般的,首先根据检测的结构从图像中分割出一个或多个信号区域,计算其长宽比,根据长宽比确定信号灯是横向排列还是纵向排列,然后对交通信号灯区域进行分割,分割出一个或多个信号区域,然后通过对各个信号区域进行亮度分析和/或颜色分析确定信号灯的状态。对于通常的红、绿、黄三灯排列的交通信号灯,通过对各个信号区域进行亮度分析可以获得当前亮灯的信号区域在整个交通信号灯区域的位置,从而判断交通信号灯的当前交通信号。当然,在分析得到亮灯的信号区域后,也可以进一步对亮灯的信号区域进行颜色分析,根据得到的颜色信息确定交通信号灯的状态,从而获得当前的交通信号。
当有多个信号区域均亮时,也需要进一步对每个亮灯的信号区域进行颜色分析来确定各个信号区域的状态。
此外,也可以对各个信号区域进行形状分析以确定各个信号区域在所述交通信号灯区域的位置以及交通信号灯类别。还可以通过亮度分析得出各信号区域的亮度点组成的图形,从而可以确定交通信号灯的类别,如机动车信号灯、非机动车信号灯、人行横道信号灯、车道信号灯、方向指示信号灯或倒计时数码显示器。
其中,进行亮度判定时有很多种方法,这里选用二值化法进行简要说明。首先计算信号区域中各像素点的像素值,对像素值大于预先设定的阈值的像素点标记为“1”,像素值小于所述阈值的像素点标记为“0”,对有相同标记的像素点进行连通,则可判定由标记为“1”的像素点组成的面积最大的区域为交通信号灯亮时的信号区域;进一步地,根据由标记为“1”的像素点组成的图形来判定交通信号灯的类别,如标记为“1”的像素点组成自行车或人模样的图形则可判定为人形横道信号灯,若标记为“1”的像素点组成车辆的图形则可判定为车道信号灯。
通过亮度和颜色分析可以分别得到交通信号灯的颜色信息和亮度信息,根据颜色信息和/或亮度信息确定交通信号灯的状态。
所述亮度分析具体如下:统计上述分割后的各个信号区域的亮度和,找出亮的信号区域,并判断亮的信号区域在整个交通信号灯区域的位置。由于现有的交通信号灯基本上是有两个信号灯、从上到下或从左到右的顺序通常为红、绿;如果有三个信号灯,从上到下或从左到右的顺序通常为红、黄、绿。这时只需要通过亮度识别确定亮的信号区域在整个交通信号灯区域的位置就能够判定哪个灯是亮着的。同样参考图3所示,图3为交通信号灯在另一实施例中的示意图。在根据亮度分析时,当亮的信号区域在整个交通信号灯区域的上部或左端,则可以直接判定所述亮的信号区域为红灯;当亮的信号区域在整个交通信号灯区域的中部,则可以直接判定所述亮的信号区域为黄灯;否则判定所述亮的信号区域为绿灯。当然在划分上部、中部和下部区域,或者左、中、右区域时可以用交通信号灯区域较长边的三等分的平分线来划定。
此外,除现有的交通信号灯有时也会有多方向的箭头信号灯、人形指示灯或计时灯等各种类型信号指示灯。当交通信号灯具有上述多类别的信号区域时,也会有多个信号区域均亮的情形。例如,对于横向排列的交通信号灯,如具有多方向的箭头信号灯,有时各个灯都是亮的,只是有的红,有的绿。这时可以进一步结合颜色分析来确定交通信号灯当前的交通信号。
所述颜色分析具体如下:统计每个信号区域的颜色信息,如,计算每个信号区域内的所有像素点为红、绿的平均值,然后计算红、绿颜色平均值的比例关系,令红、绿颜色的平均值为th1和th2为红绿色平均值的比例关系的第一阈值和第二阈值,当红、绿颜色的比例值大于所述第一阈值,即时则认定该信号灯为红色,当红、绿颜色的比例值小于所述第二阈值,即时则认定该信号灯为绿色,否则为黄色。
当然,这里同样可以通过计算每个信号灯区域内红、绿、黄色像素点的总值,利用总值的比例关系仍然可以认定信号灯为红色、绿色或黄色。
综合上述亮度分析和/或颜色分析的结果可以确定当前信号灯的状态。为适用于多种类交通信号灯的识别,当通过亮度分析可分析出多个信号区域均亮时,可以对亮灯的信号区域中的亮度点组成的形状进行分析以确定该信号区域的交通信号灯类别,例如所述多个信号区域具有向左的箭头、向前的箭头和向右的箭头,可以确定其为机动车信号灯,然后通过颜色分析判定各个信号区域亮灯时的颜色,进而可以确定当前的交通信号,即哪个方向可以前行或禁止前行。
步骤460,输出交通信号灯识别结果。所述交通信号灯识别的结果可以通过声音输出、图像输出或字幕。如亮度分析判定交通信号灯直行方向灯亮且为车道信号灯,并通过颜色分析判定其为绿灯,则用图像、字幕或声音等方式提醒司机为直行方向为绿灯,可以直行。再如识别出直行方向为绿灯,左转方向为红灯,则可以采用图像、字幕或声音输出“直行方向为绿灯,左转方向为红灯”等类似的信息,也可以加上“绿灯时间n秒”等信息。当然还可以结合当前车辆所在车道线确定当前方向是否可以通行。如果采用图像输出,可以在图像中信号灯附近显示“红”“黄”“绿”等字样,提示驾驶者当前的信号灯状态,并且可以在红灯状况下增加字样的闪动定动作,便于驾驶者注意到。
综上所述,本发明通过对交通信号灯的检测和识别,可以很好的帮助色盲、色弱者判断当前路口的通行状态,且为驾驶者发出相关的提示,从而起到了重要的辅助作用。
上述说明已经充分揭露了本发明的具体实施方式。需要指出的是,熟悉该领域的技术人员对本发明的具体实施方式所做的任何改动均不脱离本发明的权利要求书的范围。相应地,本发明的权利要求的范围也并不仅仅局限于前述具体实施方式。
Claims (11)
1.一种交通信号灯识别系统,其特征在于,其包括:
图像采集模块,采集图像;
交通信号灯检测模块,检测所述图像中是否含有交通信号灯,若含有交通信号灯则记录交通信号灯的区域;
交通信号灯状态识别模块,将所述交通信号灯区域分割出多个信号区域,分析和识别所述信号区域的亮度信息和/或颜色信息,根据所述亮度信息和/或颜色信息确定交通信号灯的状态;和
识别信息输出模块,根据交通信号灯的状态产生相应的提示信息,
所述交通信号灯状态识别模块分析识别所述信号区域的颜色信息时统计每个信号区域内所有像素点的红、绿颜色的平均值,确定红、绿颜色平均值的比例值,并设定第一阈值和第二阈值,将红、绿颜色平均值的比例值与第一阈值及第二阈值比较,若所述比例值大于所述第一阈值时则判定该信号灯区域为红灯,若所述比例值小于所述第二阈值时则判定该信号灯区域为绿灯,否则为黄灯,其中所述第一阈值大于所述第二阈值。
2.根据权利要求1所述的交通信号灯识别系统,其特征在于:所述交通信号灯识别系统还包括交通信号灯分类模块,所述交通信号灯分类模块分析各个信号区域的特征,进而确定当前交通信号灯的类别。
3.根据权利要求2所述的交通信号灯识别系统,其特征在于:所述交通信号灯类别包括:机动车信号灯、非机动车信号灯、人行横道信号灯、车道信号灯、方向指示信号灯或倒计时数码显示器。
4.根据权利要求1所述的交通信号灯识别系统,其特征在于:交通信号灯状态识别模块统计各信号区域的亮度以找出亮灯的信号区域,根据亮灯的信号区域在整个交通信号灯的位置确定交通信号灯的状态。
5.根据权利要求1所述的交通信号灯识别系统,其特征在于:交通信号灯状态识别模块统计各信号区域的亮度以找出亮灯的信号区域,并对亮灯的信号区域进行颜色分析,并结合所述颜色信息确定交通信号灯的状态。
6.根据权利要求2所述的交通信号灯识别系统,其特征在于:所述交通信号灯分类模块根据对所述信号区域的亮度分析得出各信号区域内像素值大于预先设定的阈值的像素点组成的图形,从而确定交通信号灯的类别;交通信号灯状态识别模块根据交通信号灯的类别,并结合对该信号区域进行的颜色分析来确定交通信号灯的状态。
7.根据权利要求1所述的交通信号灯识别系统,其特征在于:识别信息输出模块产生相应的提示信息包括声音输出、图像输出或字体输出。
8.一种交通信号灯识别方法,其特征在于,其包括:
获取含有交通信号灯的图像;
对所述图像进行交通信号灯的检测以判断图像中是否存在交通信号灯;
若存在交通信号灯则将对所述图像中的交通信号灯区域分割出多个信号区域,对所述信号区域进行亮度和/或颜色分析以确定出交通信号灯的状态;和
根据所述交通信号灯识别的结果输出提示信息,
所述颜色分析具体为:统计每个信号灯区域内所有像素点的红、绿颜色的平均值,确定红、绿颜色平均值的比例值,设定第一阈值和第二阈值,将红、绿颜色平均值的比例值与第一阈值及第二阈值进行比较,当所述比例值大于所述第一阈值时则判定该信号灯区域为红灯,当所述比例值小于所述第二阈值时则判定该信号灯区域为绿灯,否则为黄灯,其中所述第一阈值大于所述第二阈值。
9.根据权利要求8所述的交通信号灯识别方法,其特征在于:对所述信号区域进行亮度分析的过程包括:统计各信号区域的亮度以找出亮灯的信号区域,根据亮灯的信号区域在整个交通信号灯的位置确定交通信号灯的状态。
10.根据权利要求8所述的交通信号灯识别方法,其特征在于:所述交通信号灯识别方法包括统计各信号区域的亮度以找出亮灯的信号区域,并对亮灯的信号区域进行颜色分析,并结合分析出的颜色信息确定交通信号灯的状态。
11.根据权利要求8所述的交通信号灯识别方法,其特征在于:所述交通信号灯识别方法还包括对所述信号区域的亮度分析得出各信号区域内像素值大于预先设定的阈值的像素点组成的图形,从而确定交通信号灯的类别;根据交通信号灯的类别,并结合对信号区域进行的颜色分析来确定交通信号灯的状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011100473779A CN102176287B (zh) | 2011-02-28 | 2011-02-28 | 一种交通信号灯识别系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011100473779A CN102176287B (zh) | 2011-02-28 | 2011-02-28 | 一种交通信号灯识别系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102176287A CN102176287A (zh) | 2011-09-07 |
CN102176287B true CN102176287B (zh) | 2013-11-20 |
Family
ID=44519461
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011100473779A Active CN102176287B (zh) | 2011-02-28 | 2011-02-28 | 一种交通信号灯识别系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102176287B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2995522A3 (en) * | 2014-09-10 | 2016-08-17 | Continental Automotive Systems, Inc. | Detection system for color blind drivers |
CN107316485A (zh) * | 2017-07-07 | 2017-11-03 | 深圳中泰智丰物联网科技有限公司 | 道路通行状态的提示方法、提示装置及终端设备 |
Families Citing this family (55)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102568242B (zh) * | 2012-01-17 | 2015-04-08 | 杭州海康威视系统技术有限公司 | 基于视频处理的信号灯状态检测方法及其系统 |
CN102663345B (zh) * | 2012-03-07 | 2014-04-16 | 中盟智能科技(苏州)有限公司 | 自动识别红绿灯的方法及装置 |
CN103680176B (zh) * | 2012-09-18 | 2016-04-27 | 中国移动通信集团公司 | 基于位置信息的信号灯识别系统 |
EP2923349A4 (en) * | 2012-11-20 | 2016-09-14 | Harman Int Ind | METHOD AND SYSTEM FOR DETECTING TRAFFIC LIGHTS |
CN103043005B (zh) * | 2012-12-27 | 2015-03-11 | 西南大学 | 一种智能汽车行车提醒系统 |
CN103295411A (zh) * | 2012-12-27 | 2013-09-11 | 天津森宇科技发展有限公司 | 一种行车途中信号灯监测提示装置 |
CN103116991A (zh) * | 2013-01-18 | 2013-05-22 | 付建中 | 有数字功能的非数字交通灯的控制方法及控制系统 |
CN103177256B (zh) * | 2013-04-02 | 2016-12-28 | 上海理工大学 | 交通信号灯显示状态识别方法 |
CN103324957B (zh) * | 2013-06-25 | 2017-04-12 | 东软集团股份有限公司 | 信号灯状态的识别方法及识别装置 |
CN105453153B (zh) * | 2013-08-20 | 2018-07-20 | 哈曼国际工业有限公司 | 交通灯检测 |
CN103489324B (zh) * | 2013-09-22 | 2015-09-09 | 北京联合大学 | 一种基于无人驾驶的实时动态红绿灯检测识别方法 |
DE102013220662A1 (de) * | 2013-10-14 | 2015-04-16 | Continental Teves Ag & Co. Ohg | Verfahren zur Erkennung von Verkehrssituationen beim Betrieb eines Fahrzeugs |
CN103606286A (zh) * | 2013-11-13 | 2014-02-26 | 河南理工大学 | 一种助色盲的交通灯实时状态提醒装置 |
CN105023452B (zh) * | 2014-04-24 | 2017-09-29 | 深圳市赛格导航科技股份有限公司 | 一种多路交通信号灯信号采集的方法及装置 |
CN104050447A (zh) * | 2014-06-05 | 2014-09-17 | 奇瑞汽车股份有限公司 | 一种交通信号灯识别方法和装置 |
KR102233391B1 (ko) * | 2014-06-16 | 2021-03-29 | 팅크웨어(주) | 전자 장치, 전자 장치의 제어 방법 및 컴퓨터 판독 가능한 기록 매체 |
CN105469618A (zh) * | 2014-08-22 | 2016-04-06 | 中兴通讯股份有限公司 | 车辆驾驶的辅助方法、装置及车辆 |
JP6459809B2 (ja) * | 2015-07-08 | 2019-01-30 | オムロン株式会社 | 画像処理装置およびこれを備えた交通管理システム、画像処理方法 |
CN105355065A (zh) * | 2015-10-23 | 2016-02-24 | 广东欧珀移动通信有限公司 | 一种导航提醒方法及装置 |
CN105608417B (zh) * | 2015-12-15 | 2018-11-06 | 福州华鹰重工机械有限公司 | 交通信号灯检测方法及装置 |
CN106023623A (zh) * | 2016-07-28 | 2016-10-12 | 南京理工大学 | 基于机器视觉的车载交通信号与标志的识别及预警方法 |
CN107784844B (zh) * | 2016-08-31 | 2021-05-14 | 百度在线网络技术(北京)有限公司 | 智能交通信号灯系统及其道路环境检测方法 |
CN107886033B (zh) * | 2016-09-30 | 2021-04-20 | 比亚迪股份有限公司 | 识别圆形交通灯的方法、装置及车辆 |
CN106781584B (zh) * | 2017-01-22 | 2019-12-31 | 英华达(上海)科技有限公司 | 红绿灯变换提示方法 |
DE102017203236A1 (de) * | 2017-02-28 | 2018-08-30 | Conti Temic Microelectronic Gmbh | Vorrichtung und Verfahren zum Detektieren einer Ampelphase für ein Kraftfahrzeug |
CN107103330A (zh) * | 2017-03-31 | 2017-08-29 | 深圳市浩远智能科技有限公司 | 一种指示灯状态识别方法和装置 |
CN107038420A (zh) * | 2017-04-14 | 2017-08-11 | 北京航空航天大学 | 一种基于卷积网络的交通信号灯识别算法 |
CN107403169B (zh) * | 2017-08-08 | 2018-09-28 | 上海识加电子科技有限公司 | 信号灯检测识别方法及装置 |
CN108417062A (zh) * | 2018-03-07 | 2018-08-17 | 京东方科技集团股份有限公司 | 摆渡车及其运行方法和交通辅助系统 |
CN108335510A (zh) * | 2018-03-21 | 2018-07-27 | 北京百度网讯科技有限公司 | 交通信号灯识别方法、装置及设备 |
CN110827558B (zh) * | 2018-06-19 | 2020-12-22 | 嘉兴觅特电子商务有限公司 | 基于车速、高亮区域高度和图像的交通信号灯识别装置 |
CN108764216A (zh) * | 2018-07-11 | 2018-11-06 | 天津天瞳威势电子科技有限公司 | 一种基于视觉的交通信号灯识别方法及装置 |
CN109389079B (zh) * | 2018-09-30 | 2022-02-15 | 无锡职业技术学院 | 一种交通信号灯识别方法 |
CN111178119A (zh) * | 2018-11-13 | 2020-05-19 | 北京市商汤科技开发有限公司 | 路口状态检测方法、装置、电子设备及车辆 |
CN109920262A (zh) * | 2019-02-28 | 2019-06-21 | 重庆交通大学 | 交通灯识别系统 |
CN109784317B (zh) * | 2019-02-28 | 2021-02-23 | 东软睿驰汽车技术(沈阳)有限公司 | 一种交通信号灯的识别方法及装置 |
CN110795977B (zh) * | 2019-04-29 | 2020-09-04 | 当家移动绿色互联网技术集团有限公司 | 交通信号识别方法、装置、存储介质及电子设备 |
CN112149697A (zh) * | 2019-06-27 | 2020-12-29 | 商汤集团有限公司 | 指示灯的指示信息识别方法及装置、电子设备和存储介质 |
CN112307840A (zh) * | 2019-07-31 | 2021-02-02 | 浙江商汤科技开发有限公司 | 指示灯检测方法、装置、设备及计算机可读存储介质 |
CN110335484B (zh) * | 2019-08-08 | 2021-03-12 | 北京小马慧行科技有限公司 | 控制车辆行驶的方法及装置 |
CN110310489A (zh) * | 2019-08-15 | 2019-10-08 | 四川长虹电器股份有限公司 | 一种非机动车道提醒系统及提醒方法 |
CN110717438A (zh) * | 2019-10-08 | 2020-01-21 | 东软睿驰汽车技术(沈阳)有限公司 | 一种交通信号灯识别方法及装置 |
CN110827556A (zh) * | 2019-11-12 | 2020-02-21 | 北京小米移动软件有限公司 | 交通信号灯的指示状态提示方法、装置及存储介质 |
CN112885126B (zh) * | 2019-11-30 | 2023-04-28 | 华为技术有限公司 | 行车提示方法及相关装置 |
TWI743637B (zh) * | 2019-12-27 | 2021-10-21 | 財團法人工業技術研究院 | 號誌辨識系統及其方法 |
WO2021134348A1 (zh) * | 2019-12-30 | 2021-07-08 | 深圳元戎启行科技有限公司 | 交通灯状态识别方法、装置、计算机设备和存储介质 |
CN111275011B (zh) * | 2020-02-25 | 2023-12-19 | 阿波罗智能技术(北京)有限公司 | 移动红绿灯检测方法、装置、电子设备和存储介质 |
KR20220145389A (ko) * | 2020-04-03 | 2022-10-28 | 콘티넨탈 오토모티브 테크놀로지스 게엠베하 | 잡음이 있는 과부하된 무선 통신 시스템에서의 이산 디지털 신호의 복구 방법 |
DE102020111861A1 (de) * | 2020-04-30 | 2021-11-04 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren und System zum automatischen Bestimmen eines Anzeigestatus einer Verkehrssignalanlage |
CN111539379A (zh) * | 2020-05-12 | 2020-08-14 | 济南浪潮高新科技投资发展有限公司 | 一种智能驾驶演示环境下交通灯识别方法 |
CN112712567B (zh) * | 2020-12-15 | 2022-12-09 | 武汉筑梦科技有限公司 | 发光颜色实时鉴别系统及方法 |
WO2022170540A1 (zh) * | 2021-02-10 | 2022-08-18 | 华为技术有限公司 | 交通灯检测的方法和装置 |
CN113065466B (zh) * | 2021-04-01 | 2024-06-04 | 安徽嘻哈网络技术有限公司 | 一种基于深度学习的驾培用红绿灯检测系统 |
CN114495516B (zh) * | 2021-12-30 | 2023-06-30 | 深圳市速腾聚创科技有限公司 | 对交通标识的控制方法及装置、介质及电子设备 |
CN116152785B (zh) * | 2023-04-24 | 2023-07-18 | 之江实验室 | 一种基于cbam结合hsb模式的交通信号灯检测方法和系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100498870C (zh) * | 2006-06-26 | 2009-06-10 | 上海宝信软件股份有限公司 | 基于视频图像处理的交通信号灯状态判定方法 |
CN101908271B (zh) * | 2010-06-28 | 2013-01-09 | 青岛海信网络科技股份有限公司 | 信号灯颜色识别方法及装置 |
-
2011
- 2011-02-28 CN CN2011100473779A patent/CN102176287B/zh active Active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2995522A3 (en) * | 2014-09-10 | 2016-08-17 | Continental Automotive Systems, Inc. | Detection system for color blind drivers |
CN107316485A (zh) * | 2017-07-07 | 2017-11-03 | 深圳中泰智丰物联网科技有限公司 | 道路通行状态的提示方法、提示装置及终端设备 |
Also Published As
Publication number | Publication date |
---|---|
CN102176287A (zh) | 2011-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102176287B (zh) | 一种交通信号灯识别系统和方法 | |
CN110197589B (zh) | 一种基于深度学习的闯红灯违法检测方法 | |
CN111212772B (zh) | 用于确定车辆的驾驶策略的方法和设备 | |
CN108357418B (zh) | 一种基于尾灯识别的前车驾驶意图分析方法 | |
CN104021378B (zh) | 基于时空关联与先验知识的交通信号灯实时识别方法 | |
CN101908271B (zh) | 信号灯颜色识别方法及装置 | |
CN102968646B (zh) | 一种基于机器学习的车牌检测方法 | |
CN104361350B (zh) | 一种交通标识识别系统 | |
US20100265330A1 (en) | Intelligent headlight control using camera sensors | |
CN103824081B (zh) | 一种室外恶劣光照条件下的快速鲁棒交通标志检测方法 | |
CN101984478B (zh) | 基于双目视觉车道线检测的非正常s型驾驶预警方法 | |
CN105913041A (zh) | 一种基于预先标定的信号灯识别方法 | |
CN102620766B (zh) | 地下道路交通标志动态视认性测试方法 | |
CN106347204A (zh) | 一种汽车大灯控制系统 | |
CN104050447A (zh) | 一种交通信号灯识别方法和装置 | |
CN103927548B (zh) | 一种新的避免车辆碰撞的刹车行为检测方法 | |
CN105023452B (zh) | 一种多路交通信号灯信号采集的方法及装置 | |
CN102470793B (zh) | 用于光特征变化的基于间距的去抖动的方法和装置 | |
CN110276968A (zh) | 一种雾区高速公路特长隧道入口安全诱导系统 | |
CN103093200A (zh) | 快速精准定位图像中车牌的算法 | |
CN102496282A (zh) | 一种rgb颜色变换的交通路口信号灯状态识别方法 | |
CN106682597A (zh) | 一种交通信号灯识别方法 | |
CN108446668A (zh) | 基于无人驾驶平台的交通信号灯检测识别方法及系统 | |
CN108407806A (zh) | 辅助驾驶方法及装置 | |
CN105741586A (zh) | 车辆道路状况自动判断方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C56 | Change in the name or address of the patentee | ||
CP01 | Change in the name or title of a patent holder |
Address after: 214028 Jiangsu New District of Wuxi, Taihu international science and Technology Park Jia Qing 530 building 10 layer Patentee after: WUXI ZHONGGAN MICROELECTRONIC CO., LTD. Address before: 214028 Jiangsu New District of Wuxi, Taihu international science and Technology Park Jia Qing 530 building 10 layer Patentee before: Wuxi Vimicro Co., Ltd. |