CN102568242A - 基于视频处理的信号灯状态检测方法及其系统 - Google Patents
基于视频处理的信号灯状态检测方法及其系统 Download PDFInfo
- Publication number
- CN102568242A CN102568242A CN2012100142696A CN201210014269A CN102568242A CN 102568242 A CN102568242 A CN 102568242A CN 2012100142696 A CN2012100142696 A CN 2012100142696A CN 201210014269 A CN201210014269 A CN 201210014269A CN 102568242 A CN102568242 A CN 102568242A
- Authority
- CN
- China
- Prior art keywords
- signal lamp
- regional location
- cycle
- red
- green
- 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.)
- Granted
Links
Images
Abstract
本发明涉及智能交通领域，公开了一种基于视频处理的信号灯状态检测方法及其系统。该检测方法及其系统安全有效且复杂度小，可实时可靠地以较高精度检测出信号灯状态，为公安交通部门提供强有力的执法证据。本发明中，包括以下步骤：在含有信号灯的视频帧图像中使用定位算法确定信号灯区域位置；分析经提取的信号灯区域位置内的色度、亮度和饱和度信息，根据该分析结果确定该信号灯的状态；对异常状态的信号灯异常报警。针对现有信号灯状态检测所使用的交通信号灯检测器安装过程较为复杂、需要额外接红绿灯电源线增加了产品的硬件成本的缺点，本发明具有安装简单、无需增加额外硬件成本且检测稳定性高精确度高的优点。
Description
技术领域
本发明涉及智能交通领域，特别涉及一种电子警察信号灯状态检测技术。
背景技术
作为智能交通系统的一个重要分支，电子警察系统综合利用数字图像处理、模式识别与人工智能等先进技术对闯红灯等交通违法现象进行抓拍和处理，为公安交通部门提供强有力的执法证据，对改善交通秩序、保障交通安全、提高道路交叉口通行能力和减少交通事故等方面都起到了重要作用。
目前电子警察系统中信号灯状态主要是通过交通信号灯检测器获得的，交通信号灯检测器通过采集道路交叉路口信号灯状态，并将信号灯检测结果经输入输出口和串行数据通信接口输出给工控机用于电子警察的后续操作。
本发明的发明人发现，交通信号灯检测器存在如下主要缺点：
1)安装过程较为复杂，需要额外接红绿灯电源线。
2)增加了产品的硬件成本。
针对交通信号灯检测器安装复杂、硬件成本高等缺点，本发明专门提出了一种安装简单、检测稳定性高的视频信号灯状态检测技术。
发明内容
本发明的目的在于提供一种基于视频处理的信号灯状态检测方法及其系统，该检测方法及其系统安全有效且复杂度小，可实时可靠地以较高精度检测出信号灯状态，为公安交通部门提供强有力的执法证据。
为解决上述技术问题，本发明的实施方式公开了一种基于视频处理的信号灯状态检测方法，包括以下步骤：
在含有信号灯的视频帧图像中使用定位算法确定信号灯区域位置；
分析经提取的信号灯区域位置内的色度、亮度和饱和度信息，根据该分析结果确定该信号灯的状态；
对异常状态的信号灯异常报警。
本发明的实施方式还公开了一种基于视频处理的信号灯状态检测系统，系统包括以下模块：
定位模块，用于在含有信号灯的视频帧图像中使用定位算法确定信号灯区域位置；
状态判断模块，用于分析经提取的所述定位模块确定的信号灯区域位置内的色度、亮度和饱和度信息，根据该分析结果确定该信号灯的状态；
报警模块，用于对所述状态判断模块判定为异常状态的信号灯进行异常报警。
本发明实施方式与现有技术相比，主要区别及其效果在于：
通过信号灯区域定位，可以预防因摄像机抖动、杆件抖动或者其他原因而改变视频帧图像内信号灯区域位置的问题，异常报警处理可以及时调整信号灯的检测位置或进行其他调整处理，方法安全且复杂度小，可实时可靠地以较高精度检测出信号灯状态，为公安交通部门提供强有力的执法证据。
通过判断信号灯状态是否异常并对异常状态的信号灯进行异常报警的处理，可以通知对信号灯的异常状态或其检测位置进行调整处理，以避免信号灯异常时一直出错的情况，精确检测出信号灯的状态。
进一步地，通过颜色特征的提取和投影分析对候选信号灯区域位置进行定位，可以确保本信号灯状态检测方法长时间运行和抗干扰能力。
进一步地，在信号灯区域位置确定之后和信号灯状态检测之前，根据信号灯的最大概率位置信息，对当前信号灯区域位置信息的准确性进行校验，进一步保证信号灯状态检测的精确度。
进一步地，在信号灯区域定位之前进行视频帧图像区域分割处理，减少了后续状态检测时的计算量，并提高了实时性。
进一步地，通过黄灯的亮度信息对信号灯的判定状态进行校验，进一步保证了信号灯状态检测的准确率。
进一步地，考虑判定为红灯的信号灯区域位置内的红色像素点个数后，重新将该红灯状态改为暗，可以避免红灯检测出错，进一步提高了信号灯状态检测的准确率。
进一步地，对信号灯应用场景的检测可以滤除影响信号灯状态检测因素，进一步提高了信号灯状态检测的准确率。
进一步地，根据信号灯的周期和区域位置偏移标准差，进行周期正常情况处理，可以避免信号灯周期正常时其区域位置偏移较大所导致的信号灯状态检测风险，进一步保证信号灯状态检测的精确度。
进一步地，若连续视频帧图像中的信号灯的周期异常且其区域位置偏移较大时，则进行信号灯异常报警，以避免信号灯异常时一直出错的情况，进一步提高本信号灯检测方法的稳定性和可靠性。
附图说明
图1是本发明第一实施方式中一种基于视频处理的信号灯状态检测方法的流程示意图；
图2是本发明第二实施方式中一种基于视频处理的信号灯状态检测方法的流程示意图；
图3是本发明第四实施方式中一种基于视频处理的信号灯状态检测方法的流程示意图；
图4是本发明第四实施方式中一种基于视频处理的信号灯状态检测方法的流程示意图；
图5是本发明第四实施方式中一种基于视频处理的信号灯状态检测方法的流程示意图；
图6是本发明第五实施方式中一种基于视频处理的信号灯状态检测系统的结构示意图；
图7是本发明第六实施方式中一种基于视频处理的信号灯状态检测系统的结构示意图；
图8是本发明第八实施方式中一种基于视频处理的信号灯状态检测系统的结构示意图；
图9是本发明第八实施方式中一种基于视频处理的信号灯状态检测系统的结构示意图；
图10是本发明第八实施方式中一种基于视频处理的信号灯状态检测系统的结构示意图。
具体实施方式
在以下的叙述中，为了使读者更好地理解本申请而提出了许多技术细节。但是，本领域的普通技术人员可以理解，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请各权利要求所要求保护的技术方案。
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明的实施方式作进一步地详细描述。
本发明第一实施方式涉及一种基于视频处理的信号灯状态检测方法。图1是该基于视频处理的信号灯状态检测方法的流程示意图。具体地说，如图1所示，该基于视频处理的信号灯状态检测方法，包括以下步骤：
在步骤101中，在含有信号灯的视频帧图像中使用定位算法确定信号灯区域位置。
此后进入步骤102，分析经提取的信号灯区域位置内的色度、亮度和饱和度信息。
此后进入步骤103，根据步骤102得到的分析结果确定该信号灯的状态。
此后进入步骤104，对异常状态的信号灯异常报警，此后结束本流程。
通过信号灯区域定位，可以预防因摄像机抖动、杆件抖动或者其他原因而改变视频帧图像内信号灯区域位置的问题，异常报警处理可以及时调整信号灯的检测位置或进行其他调整处理。该检测方法安全有效且复杂度小，可实时可靠地以较高精度检测出信号灯状态，为公安交通部门提供强有力的执法证据。
通过判断信号灯状态是否异常并对异常状态的信号灯进行异常报警的处理，可以通知对信号灯的异常状态或其检测位置进行调整处理，以避免信号灯异常时一直出错的情况，进一步地精确检测出信号灯的状态。
若信号灯异常，则通过异常报警通知调整信号灯为正常状态。
本发明第二实施方式涉及一种基于视频处理的信号灯状态检测方法。图2是该基于视频处理的信号灯状态检测方法的流程示意图。
第二实施方式在第一实施方式的基础上进行了改进，主要改进之处在于：通过颜色特征的提取和投影分析对候选信号灯区域位置进行定位，可以确保本信号灯状态检测方法长时间运行和抗干扰能力。在信号灯区域位置确定之后和信号灯状态检测之前，根据信号灯的最大概率位置信息，对当前信号灯区域位置信息的准确性进行校验，进一步保证信号灯状态检测的精确度，其中信号灯的最大概率位置为信号灯经常在视频帧图像中出现的位置。
在信号灯区域定位之前进行视频帧图像区域分割处理，减少了后续状态检测时的计算量，并提高了实时性。
具体地说，如图2所示，上文所述在含有信号灯的视频帧图像中使用定位算法确定信号灯区域位置的步骤101，包括以下子步骤：
在步骤201中，从视频帧图像中，提取满足色度、亮度和饱和度阈值范围的颜色前景点。
从视频帧图像中，提取满足色度、亮度和饱和度阈值范围的颜色前景点的步骤，包括以下子步骤：
提取(i，j)位置像素点的H(i，j)、V(i，j)和S(i，j)，其中H(i，j)、V(i，j)和S(i，j)分别为该像素点的色度、亮度和饱和度信息。
若H(i，j)＞R_h_th1、H(i，j)＜R_h_th2、S(i，j)＞S_th且V(i，j)＞V_th，则认为当前像素点为红色。
若H(i，j)＞G_h_th1、H(i，j)＜G_h_th2、S(i，j)＞S_th且V(i，j)＞V_th，则认为当前像素点为绿色。
将判定为红色或者绿色的像素点作为满足色度、亮度和饱和度阈值范围的(i，j)位置上的颜色前景点。
其中R_h_th1表示红色特征H的下限，R_h_th2表示红色特征H的上限，G_h_th1表示绿色特征H的下限，G_h_th2表示绿色特征H的上限，S_th表示红、绿饱和度特征S的阈值，V_th表示红、绿亮度特征V的阈值。
此后进入步骤202，投影分析经提取的颜色前景点，获取信号灯区域位置。
投影分析颜色前景点，获取候选信号灯区域位置的步骤，包括以下子步骤：
计算视频帧图像中的列投影col_proj(p1，p2，...，pn)，其中pi(i＝1，2，...，n)表示第i列红色或者绿色像素点个数的总和。
获取列投影col_proj(p1，p2，...，pn)最大波峰的起始像素点wColSt和终止像素点wColEnd。
计算视频帧图像中的行投影row_proj(q1，q2，...，qn)，其中qj(j＝1，2，...，n)表示第j行红色或者绿色像素点个数的总和。
获取行投影row_proj(q1，q2，...，qn)最大波峰的起始像素点wRowSt和终止像素点wRowEnd。
若矩形框DstRect(wColSt，wRowSt，wColEnd，wRowEnd)内的红色或者绿色像素点个数大于或等于第一阈值，则确定该矩形框DstRect为候选信号灯区域位置。
此外，当系统初始化或者场景发生变化时，可以根据信号灯区域内的红色或绿色像素点经验个数或历史统计个数，设定第一阈值。
此外，作为本发明的一个优选实施方式，在提取视频帧图像中的色度、亮度和饱和度的步骤之前，还包括分割视频帧图像以初步确定信号灯的亮灯信号区域的步骤，以缩小信号灯区域定位时的定位判断范围，减少系统工作量。
此后进入步骤203，确定当前候选信号灯区域位置的偏移标准差。
此后进入步骤204，根据当前信号灯的最大概率区域位置和偏移标准差，对候选信号灯区域位置信息进行校验，此后进入上述步骤102。
综上所述，即在投影分析颜色前景点，获取候选信号灯区域位置的步骤之后，还包括以下步骤：
根据当前信号灯的最大概率区域位置和偏移标准差，对候选信号灯区域位置信息进行校验。
作为本发明的一个优选实施例，投影分析颜色前景点，获取候选信号灯区域位置的步骤203，可通过以下方式实现：
对视频帧图像中的信号灯区域位置中的第k个信号灯区域位置DstRectk(wColStk1，wRowStk1，wColEndk1，wRowEndk1)分别进行X方向和Y方向的偏移校验，其中，k为正整数。
预先设置的第k个信号灯的初始区域位置为OriRectk0(wColStk0，wRowStk0，wColEndk0，wRowEndk0)。
以进行X方向的偏移校验为例：
计算xBias＝wColStk1-wColStk0，其中xBias表示DstRectk相对于OriRectk0的X方向上的偏移量。
计算fXBiasAvg＝th1＊fXBiasAvg+(1-th1)＊xBias，其中fXBiasAvg表示DstRectk相对于OriRectk0的X方向上的偏移量期望。
计算fXBiasStd＝th2＊fXBiasStd+(1-th2)＊abs(xBias-fXBiasAvg)，其中fXBiasStd表示DstRectk相对于OriRectk0的X方向上的偏移量标准差，th1和th2是迭代阈值，取值范围为[0，1]。
当视频帧图像中信号灯区域位置总数为k且k＞1时，计算
其中fGXBiasAvg为k个信号灯区域位置的偏移量平均期望，计算这k个信号灯区域位置的偏移量标准差其中fGXBiasStd为k个信号灯区域位置的偏移量标准差。
判断各个信号灯区域位置相对于fGXBiasAvg的最小偏移sMinXBias。
若abs(sMinXBias-fGXBiasAvg)＞2＊fGXBiasStd，则当前偏移无效，取消对该信号灯k区域位置的位置校正。
判断sMinXBias，sMinYBias的位移是否超出帧图像边界，若越界，则取消对该信号灯k区域位置的位置校正。
判断fXBiasAvg＜2＊fXBiasStd是否成立，若成立则修改该信号灯的区域位置，若不成立，则取消对该信号灯k区域位置的位置校正。
上文所述的在含有信号灯的视频帧图像中使用定位算法确定信号灯区域位置的步骤101之前，还包括以下步骤：
采集含有信号灯的视频帧图像。
根据信号灯的颜色、方向类型和个数，对视频帧图像进行分割。
本发明第三实施方式涉及一种基于视频处理的信号灯状态检测方法。
第三实施方式在第一实施方式的基础上进行了改进，主要改进之处在于：通过黄灯的亮度信息对信号灯的判定状态进行校验，进一步保证了信号灯状态检测的准确率。考虑判定为红灯的信号灯区域位置内的红色像素点个数后，重新将该红灯状态改为暗，可以避免红灯检测出错，进一步提高了信号灯状态检测的准确率。具体地说：
上文所述的分析经提取的信号灯区域位置内的色度、亮度和饱和度信息，根据该分析结果确定该信号灯的状态的步骤102，包括以下子步骤：
根据亮度信息判定最暗的信号灯。
根据色度信息，判定其他非最暗信号灯的状态。
对信号灯的判定状态进行校验。
此外，作为本发明的一个优选实施例，若根据亮度特征判断出当前绿灯最暗，则将绿灯的状态置为暗，同时比较红灯的G分量特征Red_G_Fea与绿灯的G分量特征Green_G_Fea之间的关系，若两者满足：Red_G_Fea-Green_G_Fea＞thresh的条件，其中，thresh为迭代的阈值，则认为当前红灯是亮的，否则红灯就是暗的。
黄灯的亮度值主要用于对信号灯状态检测结果的进一步校验，信号灯的状态包括最暗、暗和亮。
在使用黄灯的亮度值对信号灯的判定状态进行校验的步骤中，为防止因为黄灯亮时光晕过大所带来的检测错误，还包括以下子步骤：
如果当前红灯亮，且黄灯亮度值＞1.1＊红灯亮度值，则将红灯状态改为暗。
如果当前绿灯亮，且黄灯亮度值＞1.1＊绿灯亮度值，则将绿灯状态改为暗。
若当前被判定为红灯的信号灯区域位置内的红色像素点个数小于第二阈值，则将该红灯状态改为暗。
本发明第四实施方式涉及一种基于视频处理的信号灯状态检测方法。图3、图4和图5是该基于视频处理的信号灯状态检测方法的流程示意图。
第四实施方式在第一实施方式的基础上进行了改进，主要改进之处在于：对信号灯应用场景的检测可以滤除影响信号灯状态检测因素，进一步提高了信号灯状态检测的准确率。根据信号灯的周期和区域位置偏移标准差，进行周期正常情况处理，可以避免信号灯周期正常时其区域位置偏移较大所导致的信号灯状态检测风险，进一步保证了信号灯状态检测的精确度。若连续视频帧图像中的信号灯周期异常且其区域位置偏移较大时，则进行信号灯异常报警，以避免信号灯异常时一直出错的情况，进一步提高本信号灯检测方法的稳定性和可靠性。
具体地说，如图3所示，上文所述的对异常状态的信号灯异常报警的步骤104，包括以下子步骤：
在步骤301中，检测视频帧图像中的信号灯应用场景是否符合要求。
在本发明的其他某些实施例中，由于深夜某个时段只有黄灯亮，就需要判断当前应用场景是否符合相应的信号灯应用场景要求。
若是，则进入步骤302；否则结束本流程。
在步骤302中，若应用场景符合要求，则对信号灯的周期进行检测。
若周期正常，则进入步骤304；否则进入步骤303。
在步骤303中，若周期异常，则进行周期异常情况处理，此后结束本流程。
在步骤304中，若周期正常，则进行周期正常情况处理，此后结束本流程。
作为本发明的一个优选实施例，当处理的视频帧图像帧数足够大时，例如大于9000帧时，才对异常状态的信号灯进行异常报警的分析处理。
对信号灯的周期进行检测，可以通过该信号的区域位置中的亮度信息进行判定，为使检测结果更加准确，可以同时考虑色度和饱和度信息。
对于一些复杂情况，如信号灯剧烈晃动、晚间信号灯周围路灯干扰、中午时信号灯不清晰、强逆光等可以通过上述定位算法来暂时避免误报为红灯。然而对于一些不符合检测条件的情况，如信号灯偏移出检测区域和信号灯闪烁异常等，则需要通过一种信号灯异常报警机制来通知用户，让用户根据报警信息来及时调整视频检测信号灯的检测位置或做一些其它的处理等。
上述检测视频帧图像中的信号灯应用场景是否符合要求的步骤，还包括以下子步骤：
预先设置第一门限和第二门限。
判断当前时刻是否在预定的第一门限和第二门限之间，若在，则符合要求。
此外，通过第一门限和第二门限的时间门限设置可以在预定的时间内进行信号灯应用场景变化的检测。
在本发明的其他某些实施方式中，也可以周期性检测视频帧图像中的信号灯应用场景是否符合要求。
如图4所示，上文所述的若周期正常，则进行周期正常情况处理的步骤304，还包括以下子步骤：
在步骤401，判断视频帧图像中的当前信号灯区域位置偏移标准差是否大于第三阈值。
若是，则进入步骤402；否则结束本流程。
在步骤402中，若视频帧图像中的当前信号灯区域位置偏移标准差大于第三阈值，则修改信号灯区域位置。
此后进入步骤403中，在信号灯区域位置修改后，判断信号灯的后续周期是正常还是异常。
若正常，则结束本流程；否则进入步骤404。
在步骤404中，若信号灯的周期异常，则还原信号灯区域位置为修改前的信号灯区域位置，此后结束本流程。
总之，对于信号灯周期正常且其区域位置发生较大变化的情况，在调整修改区域位置之后，再判断信号灯周期是正常还是异常，若正常，则保持该修改后的区域位置，否则就需要将该修改后的区域位置还原为原始区域位置。
如图5所示，上文所述的若周期异常，则进行周期异常情况处理的步骤303，还包括以下子步骤：
在步骤501中，判断连续视频帧图像中的信号灯周期是否都异常。
若是，则进入步骤502；否则结束本流程。
在步骤502中，判断在该连续视频帧图像中是否存在周期性变化且满足信号灯空间位置关系的红色团块和绿色团块。
若存在，则进入步骤503；否则进入步骤506。
在步骤503中，若在该连续视频帧图像中存在周期性变化且满足信号灯空间位置关系的红色团块和绿色团块，则修改信号灯区域位置。
此后进入步骤504，在信号灯区域位置改变后，判断信号灯的后续周期是正常还是异常。
若异常，则进入步骤505；否则结束本流程。
在步骤505中，信号灯区域位置修改后，若信号灯的周期异常，则还原该修改的信号灯区域位置为初始信号灯区域位置，此后结束本流程。
在步骤506中，若在该连续视频帧图像中不存在周期性变化或不满足信号灯空间位置关系的红色团块和绿色团块，则搜索并判断该连续视频帧图像的帧数是否大于(或大于或等于)第四阈值。
若大于(或大于或等于)，则进入步骤507；否则返回步骤502，通过判断在该连续视频帧图像中是否存在周期性变化且满足信号灯空间位置关系的红色团块和绿色团块，以继续搜索周期性变化的红色团块和绿色团块。
在步骤507中，当存在周期性变化且满足信号灯空间位置关系的红色团块和绿色团块的视频帧图像的帧数足够多且其中的信号灯状态异常时，就异常报警，此后结束本流程。
此外，在本实施方式中，可以通过亮度值中的亮阈值或者暗阈值，判断红色团块和绿色团块的亮暗周期性变化的存在。
本发明的各方法实施方式均可以以软件、硬件、固件等方式实现。不管本发明是以软件、硬件、还是固件方式实现，指令代码都可以存储在任何类型的计算机可访问的存储器中(例如永久的或者可修改的，易失性的或者非易失性的，固态的或者非固态的，固定的或者可更换的介质等等)。同样，存储器可以例如是可编程阵列逻辑(Programmable Array Logic，简称“PAL”)、随机存取存储器(Random Access Memory，简称“RAM”)、可编程只读存储器(Programmable Read Only Memory，简称“PROM”)、只读存储器(Read-Only Memory，简称“ROM”)、电可擦除可编程只读存储器(Electrically Erasable Programmable ROM，简称“EEPROM”)、磁盘、光盘、数字通用光盘(Digital Versatile Disc，简称“DVD”)等等。
本发明第五实施方式涉及一种基于视频处理的信号灯状态检测系统。图6是该基于视频处理的信号灯状态检测系统的结构示意图。具体地说，如图6所示，该基于视频处理的信号灯状态检测系统系统，包括以下模块：
定位模块，用于在含有信号灯的视频帧图像中使用定位算法确定信号灯区域位置。
状态判断模块，用于分析经提取的定位模块确定的信号灯区域位置内的色度、亮度和饱和度信息，根据该分析结果确定该信号灯的状态。
报警模块，用于对状态判断模块判定为异常状态的信号灯进行异常报警。
通过信号灯区域定位，可以预防因摄像机抖动、杆件抖动或者其他原因而改变视频帧图像内信号灯区域位置的问题，异常报警处理可以及时调整信号灯的检测位置或进行其他调整处理，方法安全且复杂度小，可实时可靠地以较高精度检测出信号灯状态，为公安交通部门提供强有力的执法证据。
通过判断信号灯状态是否异常并对异常状态的信号灯异常报警的处理，可以通知对信号灯的异常状态或其检测位置进行调整处理，以避免信号灯异常时一直出错的情况，进一步地精确检测出信号灯的状态。
若信号灯异常，则通过异常报警通知调整信号灯为正常状态。
第一实施方式是与本实施方式相对应的方法实施方式，本实施方式可与第一实施方式互相配合实施。第一实施方式中提到的相关技术细节在本实施方式中依然有效，为了减少重复，这里不再赘述。相应地，本实施方式中提到的相关技术细节也可应用在第一实施方式中。
本发明第六实施方式涉及一种基于视频处理的信号灯状态检测系统。图7是该基于视频处理的信号灯状态检测系统的结构示意图。
第六实施方式在第五实施方式的基础上进行了改进，主要改进之处在于：具体地说，如图7所示，上文所述的定位模块，还包括以下子模块：
提取子模块，用于从视频帧图像中，提取满足色度、亮度和饱和度阈值范围的颜色前景点。
投影分析子模块，用于对所述提取子模块所提取的颜色前景点进行投影分析，获取候选信号灯区域位置。
位置校验子模块，用于根据当前信号灯的最大概率区域位置和偏移标准差，对投影分析子模块获取的候选信号灯区域位置信息进行校验。
此外，该系统在定位模块进行信号灯区域的定位之前，根据信号灯的颜色、方向类型和个数，对视频帧图像进行分割。
具体地说，提取子模块执行以下的步骤：
提取(i，j)位置像素点的H(i，j)、V(i，j)和S(i，j)，其中H(i，j)、V(i，j)和S(i，j)分别为该像素点的色度、亮度和饱和度信息。
若H(i，j)＞R_h_th1、H(i，j)＜R_h_th2、S(i，j)＞S_th且V(i，j)＞V_th，则认为当前像素点为红色。
若H(i，j)＞G_h_th1、H(i，j)＜G_h_th2、S(i，j)＞S_th且V(i，j)＞V_th，则认为当前像素点为绿色。
将判定为红色或者绿色的像素点作为满足色度、亮度和饱和度阈值范围的(i，j)位置上的颜色前景点。
其中R_h_th1表示红色特征H的下限，R_h_th2表示红色特征H的上限，G_h_th1表示绿色特征H的下限，G_h_th2表示绿色特征H的上限，S_th表示红、绿饱和度特征S的阈值，V_th表示红、绿亮度特征V的阈值。
具体地说，投影分析子模块执行以下步骤：计算视频帧图像中的列投影col_proj(p1，p2，...，pn)，其中pi(i＝1，2，...，n)表示第i列红色或者绿色像素点个数的总和。
获取列投影col_proj(p1，p2，...，pn)最大波峰的起始像素点wColSt和终止像素点wColEnd。
计算视频帧图像中的行投影row_proj(q1，q2，...，qn)，其中qj(j＝1，2，...，n)表示第j行红色或者绿色像素点个数的总和。
获取行投影row_proj(q1，q2，...，qn)最大波峰的起始像素点wRowSt和终止像素点wRowEnd。
若矩形框DstRect(wColSt，wRowSt，wColEnd，wRowEnd)内的红色或者绿色像素点个数大于或等于第一阈值，则确定该矩形框DstRect为候选信号灯区域位置。
在投影分析子模块执行上述步骤之后，位置校验子模块将根据当前信号灯的最大概率区域位置和偏移标准差，对投影分析子模块获取的候选信号灯区域位置信息进行校验。
第二实施方式是与本实施方式相对应的方法实施方式，本实施方式可与第二实施方式互相配合实施。第二实施方式中提到的相关技术细节在本实施方式中依然有效，为了减少重复，这里不再赘述。相应地，本实施方式中提到的相关技术细节也可应用在第二实施方式中。
本发明第七实施方式涉及一种基于视频处理的信号灯状态检测系统。
第七实施方式在第一实施方式的基础上进行了改进，主要改进之处在于：具体地说：
上文所述的状态判断模块确定该信号灯的状态的具体确定方式如下：
根据亮度信息判定最暗的信号灯。
根据色度信息，判定其他非最暗信号灯的状态。
对信号灯的判定状态进行校验。
在对信号灯的判定状态进行校验的步骤中，为防止因为黄灯亮时光晕过大所带来的检测错误，还包括以下子步骤：
如果当前红灯亮，且黄灯亮度信息＞1.1＊红灯亮度信息，则将红灯状态改为暗。
如果当前绿灯亮，且黄灯亮度信息＞1.1＊绿灯亮度信息，则将绿灯状态改为暗。
若当前被判定为红灯的信号灯区域位置内的红色像素点个数小于第二阈值，则将该红灯状态改为暗。
第三实施方式是与本实施方式相对应的方法实施方式，本实施方式可与第三实施方式互相配合实施。第三实施方式中提到的相关技术细节在本实施方式中依然有效，为了减少重复，这里不再赘述。相应地，本实施方式中提到的相关技术细节也可应用在第三实施方式中。
本发明第八实施方式涉及一种基于视频处理的信号灯状态检测系统。图8、图9和图10是该基于视频处理的信号灯状态检测系统的结构示意图。
第八实施方式在第一实施方式的基础上进行了改进，主要改进之处在于：具体地说，如图8所示，上文所述的报警模块，包括以下子模块：
场景检测子模块，用于检测视频帧图像中的信号灯应用场景是否符合要求。
周期检测子模块，用于在场景检测子模块检测到应用场景符合要求时，对信号灯的周期进行检测。
异常处理子模块，用于在周期检测子模块检测到周期异常时，进行周期异常情况处理。
正常处理子模块，用于在周期检测子模块检测到周期正常时，进行周期正常情况处理。
此外，场景检测子模块检测视频帧图像中的信号灯应用场景是否符合要求的步骤，还包括以下子步骤：
预先设置或动态生成第一门限和第二门限。
判断当前时刻是否在预定的第一门限和第二门限之间，若在，则符合要求。
如图9所示，上文所述的正常处理子模块，还包括以下子单元：
第一偏移判断子单元，用于判断视频帧图像中的当前信号灯区域位置偏移标准差是否大于第三阈值。
第一位置修改子单元，用于在第一偏移判断子单元判定视频帧图像中的当前信号灯区域位置偏移标准差大于第三阈值时，修改信号灯区域位置。
第一周期判断子单元，用于在第一位置修改子单元修改信号灯区域位置之后，判断信号灯的后续周期是正常还是异常。
第一位置还原子单元，用于在第一周期判断子单元判定信号灯的周期异常时，还原信号灯区域位置为修改前的信号灯区域位置。
如图10所示，异常处理子模块，还包括以下子单元：
异常周期判断子单元，用于判断连续视频帧图像中的信号灯周期是否都异常。
团块检测子单元，用于在异常周期判断子单元判定连续视频帧图像中的信号灯周期都为异常时，检测在连续视频帧图像中是否存在周期性变化且满足信号灯空间位置关系的红色团块和绿色团块。
帧搜索子单元，用于在团块检测子单元判定在连续视频帧图像中不存在周期性变化或不满足信号灯空间位置关系的红色团块和绿色团块时，搜索周期性变化的红色团块和绿色团块的视频帧图像的帧数。
帧数判断子单元，用于判断帧搜索子单元搜索到的视频帧图像的帧数是否大于(或大于或等于)第四阈值。
异常报警子单元，用于在帧数判断子单元判定帧数大于(或大于或等于)第四阈值时，异常报警。
第二位置修改子单元，用于在团块检测子单元判定在连续视频帧图像中存在周期性变化且满足信号灯空间位置关系的红色团块和绿色团块时，修改信号灯区域位置。
第二周期判断子单元，用于第二位置修改子单元修改信号灯区域位置之后，判断信号灯的后续周期是正常还是异常。
第二位置还原子单元，用于在第二周期判断子单元判定信号灯的后续周期异常时，还原所修改的信号灯区域位置为初始信号灯区域位置。
第四实施方式是与本实施方式相对应的方法实施方式，本实施方式可与第四实施方式互相配合实施。第四实施方式中提到的相关技术细节在本实施方式中依然有效，为了减少重复，这里不再赘述。相应地，本实施方式中提到的相关技术细节也可应用在第四实施方式中。
本领域的技术人员可以理解，本发明各实施方式中提到的各种门限和阈值可以是预先设定的，也可以在处理的过程中动态设定，例如由一个单元或线程根据某门限或阈值进行判定，另一个单元或线程根据特定的事件或使用者的设置对该门限或阈值进行设定。
需要说明的是，本发明各设备实施方式中提到的各单元或模块都是逻辑单元或模块，在物理上，一个逻辑单元或模块可以是一个物理单元或模块，也可以是一个物理单元或模块的一部分，还可以以多个物理单元或模块的组合实现，这些逻辑单元或模块本身的物理实现方式并不是最重要的，这些逻辑单元或模块所实现的功能的组合是才解决本发明所提出的技术问题的关键。此外，为了突出本发明的创新部分，本发明上述各设备实施方式并没有将与解决本发明所提出的技术问题关系不太密切的单元或模块引入，这并不表明上述设备实施方式并不存在其它的单元或模块。
虽然通过参照本发明的某些优选实施方式，已经对本发明进行了图示和描述，但本领域的普通技术人员应该明白，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。
Claims (19)
1.一种基于视频处理的信号灯状态检测方法，其特征在于，包括以下步骤：
在含有信号灯的视频帧图像中使用定位算法确定信号灯区域位置；
分析经提取的所述信号灯区域位置内的色度、亮度和饱和度信息，根据该分析结果确定该信号灯的状态；
对异常状态的信号灯异常报警。
2.根据权利要求1所述的基于视频处理的信号灯状态检测方法，其特征在于，所述在含有信号灯的视频帧图像中使用定位算法确定信号灯区域位置的步骤，包括以下子步骤：
从所述视频帧图像中，提取满足色度、亮度和饱和度阈值范围的颜色前景点；
投影分析所述颜色前景点，获取候选信号灯区域位置。
3.根据权利要求2所述的基于视频处理的信号灯状态检测方法，其特征在于，所述从视频帧图像中，提取满足色度、亮度和饱和度阈值范围的颜色前景点的步骤，包括以下子步骤：
提取(i，j)位置像素点的H(i，j)、V(i，j)和S(i，j)，其中H(i，j)、V(i，j)和S(i，j)分别为该像素点的色度、亮度和饱和度信息；
若H(i，j)＞R_h_th1、H(i，j)＜R_h_th2、S(i，j)＞S_th且V(i，j)＞V_th，则认为当前像素点为红色；
若H(i，j)＞G_h_th1、H(i，j)＜G_h_th2、S(i，j)＞S_th且V(i，j)＞V_th，则认为当前像素点为绿色；
将判定为红色或者绿色的像素点作为满足色度、亮度和饱和度阈值范围的(i，j)位置上的颜色前景点；
其中R_h_th1表示红色特征H的下限，R_h_th2表示红色特征H的上限，G_h_th1表示绿色特征H的下限，G_h_th2表示绿色特征H的上限，S_th表示红、绿饱和度特征S的阈值，V_th表示红、绿亮度特征V的阈值。
4.根据权利要求2所述的基于视频处理的信号灯状态检测方法，其特征在于，所述投影分析颜色前景点，获取候选信号灯区域位置的步骤，包括以下子步骤：
计算所述视频帧图像中的列投影col_proj(p1，p2，...，pn)，其中pi(i＝1，2，...，n)表示第i列红色或者绿色像素点个数的总和；
获取所述列投影col_proj(p1，p2，...，pn)最大波峰的起始像素点wColSt和终止像素点wColEnd；
计算所述视频帧图像中的行投影row_proj(q1，q2，...，qn)，其中qj(j＝1，2，...，n)表示第j行红色或者绿色像素点个数的总和；
获取所述行投影row_proj(q1，q2，...，qn)最大波峰的起始像素点wRowSt和终止像素点wRowEnd；
若矩形框DstRect(wColSt，wRowSt，wColEnd，wRowEnd)内的红色或者绿色像素点个数大于或等于第一阈值，则矩形框DstRect为所述候选信号灯区域位置。
5.根据权利要求4所述的基于视频处理的信号灯状态检测方法，其特征在于，在所述投影分析颜色前景点，获取候选信号灯区域位置的步骤之后，还包括以下步骤：
根据当前信号灯的最大概率区域位置和偏移标准差，对所述候选信号灯区域位置信息进行校验。
6.根据权利要求1所述的基于视频处理的信号灯状态检测方法，其特征在于，在所述在含有信号灯的视频帧图像中使用定位算法确定信号灯区域位置的步骤之前，还包括以下步骤：
采集含有信号灯的视频帧图像；
根据信号灯的颜色、方向类型和个数，对所述信号灯图像进行分割。
7.根据权利要求1所述的基于视频处理的信号灯状态检测方法，其特征在于，所述分析经提取的所述信号灯区域位置内的色度、亮度和饱和度信息，根据该分析结果确定该信号灯的状态的步骤，包括以下子步骤：
根据所述亮度信息判定最暗的信号灯；
根据色度信息，判定其他非最暗信号灯的状态；
对所述信号灯的判定状态进行校验。
8.根据权利要求7所述的基于视频处理的信号灯状态检测方法，其特征在于，所述对信号灯的判定状态进行校验的步骤，包括以下子步骤：
如果当前红灯亮，且黄灯亮度值＞1.1＊红灯亮度值，则将红灯状态改为暗；
如果当前绿灯亮，且黄灯亮度值＞1.1＊绿灯亮度值，则将绿灯状态改为暗。
9.根据权利要求1至8中任一项所述的基于视频处理的信号灯状态检测方法，其特征在于，若当前被判定为红灯的信号灯区域位置内的红色像素点个数小于第二阈值，则将该红灯状态改为暗。
10.根据权利要求1所述的基于视频处理的信号灯状态检测方法，其特征在于，所述对异常状态的信号灯异常报警的步骤，包括以下子步骤：
检测所述视频帧图像中的信号灯应用场景是否符合要求；
若所述应用场景符合要求，则对信号灯的周期进行检测；
若所述周期正常，则进行周期正常情况处理；
若所述周期异常，则进行周期异常情况处理。
11.根据权利要求10所述的基于视频处理的信号灯状态检测方法，其特征在于，所述检测视频帧图像中的信号灯应用场景是否符合要求的步骤，包括以下子步骤：
判断当前时刻是否在预定的第一门限和第二门限之间，若在，则符合要求。
12.根据权利要求5或10所述的基于视频处理的信号灯状态检测方法，其特征在于，所述若周期正常，则进行周期正常情况处理的步骤，包括以下子步骤：
判断所述视频帧图像中的当前信号灯区域位置偏移标准差是否大于第三阈值；
若是，则修改信号灯区域位置；
在所述信号灯区域位置修改后，判断信号灯的后续周期是正常还是异常；
若异常，则还原信号灯区域位置为修改前的信号灯区域位置。
13.根据权利要求10所述的基于视频处理的信号灯状态检测方法，其特征在于，所述若周期异常，则进行周期异常情况处理的步骤，包括以下子步骤：
判断连续视频帧图像中的信号灯周期是否都异常；
若是，则检测在该连续视频帧图像中是否存在周期性变化且满足信号灯空间位置关系的红色团块和绿色团块；
若在该连续视频帧图像中不存在周期性变化或不满足信号灯空间位置关系的红色团块和绿色团块，则搜索并判断周期性变化的红色团块和绿色团块的视频帧图像的帧数是否大于第四阈值，若大于，则异常报警，若小于，则继续搜索周期性变化的红色团块和绿色团块；
若在该连续视频帧图像中存在周期性变化且满足信号灯空间位置关系的红色团块和绿色团块，则修改信号灯区域位置；
所述信号灯区域位置修改后，判断信号灯的后续周期是正常还是异常；
若异常，则还原该修改的信号灯区域位置为初始信号灯区域位置。
14.一种基于视频处理的信号灯状态检测系统，其特征在于，所述系统包括以下模块：
定位模块，用于在含有信号灯的视频帧图像中使用定位算法确定信号灯区域位置；
状态判断模块，用于分析经提取的所述定位模块确定的信号灯区域位置内的色度、亮度和饱和度信息，根据该分析结果确定该信号灯的状态；
报警模块，用于对所述状态判断模块判定为异常状态的信号灯进行异常报警。
15.根据权利要求14所述的基于视频处理的信号灯状态检测系统，其特征在于，所述定位模块，还包括以下子模块：
提取子模块，用于从所述视频帧图像中，提取满足色度、亮度和饱和度阈值范围的颜色前景点；
投影分析子模块，用于对所述提取子模块所提取的颜色前景点进行投影分析，获取候选信号灯区域位置；
位置校验子模块，用于根据当前信号灯的最大概率区域位置和偏移标准差，对所述投影分析子模块获取的候选信号灯区域位置信息进行校验。
16.根据权利要求14所述的基于视频处理的信号灯状态检测系统，其特征在于，所述状态判断模块确定该信号灯的状态的具体确定方式如下：
根据所述亮度信息判定最暗的信号灯；
根据色度信息，判定其他非最暗信号灯的状态；
对所述信号灯的判定状态进行校验；
所述对信号灯的判定状态进行校验的步骤，包括以下子步骤：
如果当前红灯亮，且黄灯亮度值＞1.1＊红灯亮度值，则将红灯状态改为暗；
如果当前绿灯亮，且黄灯亮度值＞1.1＊绿灯亮度值，则将绿灯状态改为暗；
若当前被判定为红灯的信号灯区域位置内的红色像素点个数小于第二阈值，则将该红灯状态改为暗。
17.根据权利要求14所述的基于视频处理的信号灯状态检测系统，其特征在于，所述报警模块，包括以下子模块：
场景检测子模块，用于检测视频帧图像中的信号灯应用场景是否符合要求；
周期检测子模块，用于在所述场景检测子模块检测到应用场景符合要求时，对信号灯的周期进行检测；
异常处理子模块，用于在所述周期检测子模块检测到周期异常时，进行周期异常情况处理；
正常处理子模块，用于在所述周期检测子模块检测到周期正常时，进行周期正常情况处理。
18.根据权利要求14或15所述的基于视频处理的信号灯状态检测系统，其特征在于，所述正常处理子模块，还包括以下子单元：
第一偏移判断子单元，用于判断所述视频帧图像中的当前信号灯区域位置偏移标准差是否大于第三阈值；
第一位置修改子单元，用于在所述第一偏移判断子单元判定视频帧图像中的当前信号灯区域位置偏移标准差大于第三阈值时，修改信号灯区域位置；
第一周期判断子单元，用于在所述第一位置修改子单元修改信号灯区域位置之后，判断信号灯的后续周期是正常还是异常；
第一位置还原子单元，用于在所述第一周期判断子单元判定信号灯的周期异常时，还原信号灯区域位置为修改前的信号灯区域位置。
19.根据权利要求14所述的基于视频处理的信号灯状态检测系统，其特征在于，所述异常处理子模块，还包括以下子单元：
异常周期判断子单元，用于判断连续视频帧图像中的信号灯周期是否都异常；
团块检测子单元，用于在所述异常周期判断子单元判定连续视频帧图像中的信号灯周期都为异常时，检测在连续视频帧图像中是否存在周期性变化且满足信号灯空间位置关系的红色团块和绿色团块；
帧搜索子单元，用于在所述团块检测子单元判定在连续视频帧图像中不存在周期性变化或不满足信号灯空间位置关系的红色团块和绿色团块时，搜索周期性变化的红色团块和绿色团块的视频帧图像的帧数；
帧数判断子单元，用于判断所述帧搜索子单元搜索到的视频帧图像的帧数是否大于第四阈值；
异常报警子单元，用于在所述帧数判断子单元判定帧数大于第四阈值时，异常报警；
第二位置修改子单元，用于在所述团块检测子单元判定在连续视频帧图像中存在周期性变化且满足信号灯空间位置关系的红色团块和绿色团块时，修改信号灯区域位置；
第二周期判断子单元，用于在所述第二位置修改子单元修改信号灯区域位置之后，判断信号灯的后续周期是正常还是异常；
第二位置还原子单元，用于在所述第二周期判断子单元判定信号灯的后续周期异常时，还原所修改的信号灯区域位置为初始信号灯区域位置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210014269.6A CN102568242B (zh) | 2012-01-17 | 2012-01-17 | 基于视频处理的信号灯状态检测方法及其系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210014269.6A CN102568242B (zh) | 2012-01-17 | 2012-01-17 | 基于视频处理的信号灯状态检测方法及其系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102568242A true CN102568242A (zh) | 2012-07-11 |
| CN102568242B CN102568242B (zh) | 2015-04-08 |
Family
ID=46413552
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201210014269.6A Active CN102568242B (zh) | 2012-01-17 | 2012-01-17 | 基于视频处理的信号灯状态检测方法及其系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102568242B (zh) |
Cited By (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103236181A (zh) * | 2013-05-10 | 2013-08-07 | 西安电子科技大学 | 一种基于机器视觉的交通信号灯状态监控系统及方法 |
| CN103531022A (zh) * | 2013-10-15 | 2014-01-22 | 浙江宇视科技有限公司 | 一种红绿灯颜色周期统计方法 |
| CN103632559A (zh) * | 2013-12-05 | 2014-03-12 | 武汉烽火众智数字技术有限责任公司 | 基于视频分析的红绿灯状态检测方法 |
| CN104506779A (zh) * | 2014-12-24 | 2015-04-08 | 浙江宇视科技有限公司 | 一种红绿灯色彩矫正方法和摄像设备 |
| CN104582209A (zh) * | 2013-10-29 | 2015-04-29 | 杭州海康威视数字技术股份有限公司 | 补光灯故障检测方法及其装置 |
| CN105118295A (zh) * | 2015-09-25 | 2015-12-02 | 浙江宇视科技有限公司 | 检测交通灯点亮状态的方法及装置 |
| CN105141912A (zh) * | 2015-08-18 | 2015-12-09 | 浙江宇视科技有限公司 | 一种信号灯重定位的方法及设备 |
| CN105160924A (zh) * | 2015-08-25 | 2015-12-16 | 公安部第三研究所 | 基于视频处理的智能信号灯状态检测方法及检测系统 |
| CN105791710A (zh) * | 2016-04-11 | 2016-07-20 | 北京英泰智科技股份有限公司 | 一种信号灯图像增强处理方法 |
| CN106503663A (zh) * | 2016-11-01 | 2017-03-15 | 江苏大学 | 一种基于深度学习的信号灯时长检测方法 |
| CN107862883A (zh) * | 2017-12-21 | 2018-03-30 | 天津市中环系统工程有限责任公司 | 交通信号灯的故障检测及报警与运维管理系统及实现方法 |
| 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 |
| CN109145678A (zh) * | 2017-06-15 | 2019-01-04 | 杭州海康威视数字技术股份有限公司 | 信号灯检测方法及装置和计算机设备及可读存储介质 |
| CN110335273A (zh) * | 2019-07-15 | 2019-10-15 | 北京海益同展信息科技有限公司 | 检测方法、检测装置、电子设备和介质 |
| CN110533940A (zh) * | 2019-08-15 | 2019-12-03 | 北京百度网讯科技有限公司 | 异常交通信号灯识别的方法、装置、设备和计算机存储介质 |
| CN111402610A (zh) * | 2020-03-23 | 2020-07-10 | 东软睿驰汽车技术（沈阳）有限公司 | 一种识别红绿灯亮灯状态的方法、装置、设备及存储介质 |
| CN111767775A (zh) * | 2019-12-24 | 2020-10-13 | 上海高德威智能交通系统有限公司 | 一种监控场景检测方法、装置及电子设备 |
| CN112581534A (zh) * | 2020-12-24 | 2021-03-30 | 济南博观智能科技有限公司 | 一种信号灯重定位方法、装置、电子设备及存储介质 |
| CN112991791A (zh) * | 2019-12-13 | 2021-06-18 | 上海商汤临港智能科技有限公司 | 交通信息识别和智能行驶方法、装置、设备及存储介质 |
| CN113129375A (zh) * | 2021-04-21 | 2021-07-16 | 阿波罗智联(北京)科技有限公司 | 数据处理方法、装置、设备及存储介质 |
| CN113411570A (zh) * | 2021-06-16 | 2021-09-17 | 福建师范大学 | 基于跨时段特征判别及融合的监控视频亮度异常检测方法 |
| CN114037963A (zh) * | 2021-11-26 | 2022-02-11 | 中关村科学城城市大脑股份有限公司 | 道路标识状态监控方法、装置、存储介质及设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5432547A (en) * | 1991-11-22 | 1995-07-11 | Matsushita Electric Industrial Co., Ltd. | Device for monitoring disregard of a traffic signal |
| CN101097657A (zh) * | 2006-06-26 | 2008-01-02 | 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 |
| CN101324927A (zh) * | 2008-07-18 | 2008-12-17 | 北京中星微电子有限公司 | 一种阴影检测方法及装置 |
| CN101908271A (zh) * | 2010-06-28 | 2010-12-08 | 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 |
| CN102176287A (zh) * | 2011-02-28 | 2011-09-07 | 无锡中星微电子有限公司 | 一种交通信号灯识别系统和方法 |
| CN202008741U (zh) * | 2011-03-04 | 2011-10-12 | 山东鼎讯信息产业有限公司 | 基于视频检测技术的电子警察 |
-
2012
- 2012-01-17 CN CN201210014269.6A patent/CN102568242B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5432547A (en) * | 1991-11-22 | 1995-07-11 | Matsushita Electric Industrial Co., Ltd. | Device for monitoring disregard of a traffic signal |
| CN101097657A (zh) * | 2006-06-26 | 2008-01-02 | 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 |
| CN101324927A (zh) * | 2008-07-18 | 2008-12-17 | 北京中星微电子有限公司 | 一种阴影检测方法及装置 |
| CN101908271A (zh) * | 2010-06-28 | 2010-12-08 | 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 |
| CN102176287A (zh) * | 2011-02-28 | 2011-09-07 | 无锡中星微电子有限公司 | 一种交通信号灯识别系统和方法 |
| CN202008741U (zh) * | 2011-03-04 | 2011-10-12 | 山东鼎讯信息产业有限公司 | 基于视频检测技术的电子警察 |
Cited By (38)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103236181B (zh) * | 2013-05-10 | 2015-07-22 | 西安电子科技大学 | 一种基于机器视觉的交通信号灯状态监控系统及方法 |
| CN103236181A (zh) * | 2013-05-10 | 2013-08-07 | 西安电子科技大学 | 一种基于机器视觉的交通信号灯状态监控系统及方法 |
| CN103531022A (zh) * | 2013-10-15 | 2014-01-22 | 浙江宇视科技有限公司 | 一种红绿灯颜色周期统计方法 |
| CN103531022B (zh) * | 2013-10-15 | 2015-09-09 | 浙江宇视科技有限公司 | 一种红绿灯颜色周期统计方法 |
| CN104582209B (zh) * | 2013-10-29 | 2017-03-15 | 杭州海康威视数字技术股份有限公司 | 补光灯故障检测方法及其装置 |
| CN104582209A (zh) * | 2013-10-29 | 2015-04-29 | 杭州海康威视数字技术股份有限公司 | 补光灯故障检测方法及其装置 |
| CN103632559B (zh) * | 2013-12-05 | 2016-03-16 | 武汉烽火众智数字技术有限责任公司 | 基于视频分析的红绿灯状态检测方法 |
| CN103632559A (zh) * | 2013-12-05 | 2014-03-12 | 武汉烽火众智数字技术有限责任公司 | 基于视频分析的红绿灯状态检测方法 |
| CN104506779A (zh) * | 2014-12-24 | 2015-04-08 | 浙江宇视科技有限公司 | 一种红绿灯色彩矫正方法和摄像设备 |
| CN104506779B (zh) * | 2014-12-24 | 2018-11-13 | 浙江宇视科技有限公司 | 一种红绿灯色彩矫正方法和摄像设备 |
| CN105141912A (zh) * | 2015-08-18 | 2015-12-09 | 浙江宇视科技有限公司 | 一种信号灯重定位的方法及设备 |
| CN105141912B (zh) * | 2015-08-18 | 2018-12-07 | 浙江宇视科技有限公司 | 一种信号灯重定位的方法及设备 |
| CN105160924A (zh) * | 2015-08-25 | 2015-12-16 | 公安部第三研究所 | 基于视频处理的智能信号灯状态检测方法及检测系统 |
| CN105118295A (zh) * | 2015-09-25 | 2015-12-02 | 浙江宇视科技有限公司 | 检测交通灯点亮状态的方法及装置 |
| CN105118295B (zh) * | 2015-09-25 | 2019-01-15 | 浙江宇视科技有限公司 | 检测交通灯点亮状态的方法及装置 |
| CN105791710A (zh) * | 2016-04-11 | 2016-07-20 | 北京英泰智科技股份有限公司 | 一种信号灯图像增强处理方法 |
| CN106503663A (zh) * | 2016-11-01 | 2017-03-15 | 江苏大学 | 一种基于深度学习的信号灯时长检测方法 |
| CN109145678A (zh) * | 2017-06-15 | 2019-01-04 | 杭州海康威视数字技术股份有限公司 | 信号灯检测方法及装置和计算机设备及可读存储介质 |
| CN109145678B (zh) * | 2017-06-15 | 2020-12-11 | 杭州海康威视数字技术股份有限公司 | 信号灯检测方法及装置和计算机设备及可读存储介质 |
| CN107862883A (zh) * | 2017-12-21 | 2018-03-30 | 天津市中环系统工程有限责任公司 | 交通信号灯的故障检测及报警与运维管理系统及实现方法 |
| CN107862883B (zh) * | 2017-12-21 | 2023-06-30 | 天津市中环系统工程有限责任公司 | 交通信号灯的故障检测及报警与运维管理系统及实现方法 |
| 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 |
| CN110335273A (zh) * | 2019-07-15 | 2019-10-15 | 北京海益同展信息科技有限公司 | 检测方法、检测装置、电子设备和介质 |
| CN110335273B (zh) * | 2019-07-15 | 2021-03-05 | 北京海益同展信息科技有限公司 | 检测方法、检测装置、电子设备和介质 |
| CN110533940B (zh) * | 2019-08-15 | 2022-06-28 | 北京百度网讯科技有限公司 | 自动驾驶中异常交通信号灯识别的方法、装置和设备 |
| CN110533940A (zh) * | 2019-08-15 | 2019-12-03 | 北京百度网讯科技有限公司 | 异常交通信号灯识别的方法、装置、设备和计算机存储介质 |
| CN112991791B (zh) * | 2019-12-13 | 2022-07-26 | 上海商汤临港智能科技有限公司 | 交通信息识别和智能行驶方法、装置、设备及存储介质 |
| CN112991791A (zh) * | 2019-12-13 | 2021-06-18 | 上海商汤临港智能科技有限公司 | 交通信息识别和智能行驶方法、装置、设备及存储介质 |
| CN111767775A (zh) * | 2019-12-24 | 2020-10-13 | 上海高德威智能交通系统有限公司 | 一种监控场景检测方法、装置及电子设备 |
| WO2021129611A1 (zh) * | 2019-12-24 | 2021-07-01 | 上海高德威智能交通系统有限公司 | 一种监控场景检测方法、装置及电子设备 |
| CN111767775B (zh) * | 2019-12-24 | 2024-03-08 | 上海高德威智能交通系统有限公司 | 一种监控场景检测方法、装置及电子设备 |
| CN111402610A (zh) * | 2020-03-23 | 2020-07-10 | 东软睿驰汽车技术（沈阳）有限公司 | 一种识别红绿灯亮灯状态的方法、装置、设备及存储介质 |
| CN112581534A (zh) * | 2020-12-24 | 2021-03-30 | 济南博观智能科技有限公司 | 一种信号灯重定位方法、装置、电子设备及存储介质 |
| CN113129375A (zh) * | 2021-04-21 | 2021-07-16 | 阿波罗智联(北京)科技有限公司 | 数据处理方法、装置、设备及存储介质 |
| CN113129375B (zh) * | 2021-04-21 | 2023-12-01 | 阿波罗智联(北京)科技有限公司 | 数据处理方法、装置、设备及存储介质 |
| CN113411570A (zh) * | 2021-06-16 | 2021-09-17 | 福建师范大学 | 基于跨时段特征判别及融合的监控视频亮度异常检测方法 |
| CN113411570B (zh) * | 2021-06-16 | 2023-07-14 | 福建师范大学 | 基于跨时段特征判别及融合的监控视频亮度异常检测方法 |
| CN114037963A (zh) * | 2021-11-26 | 2022-02-11 | 中关村科学城城市大脑股份有限公司 | 道路标识状态监控方法、装置、存储介质及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102568242B (zh) | 2015-04-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102568242B (zh) | 基于视频处理的信号灯状态检测方法及其系统 | |
| US9460361B2 (en) | Foreground analysis based on tracking information | |
| US11263751B2 (en) | Method and apparatus for image segmentation using an event sensor | |
| CN104240235A (zh) | 一种检测摄像头被遮挡的方法及系统 | |
| US20170032199A1 (en) | Video data analyzing method and apparatus and parking lot monitoring system | |
| JP4653207B2 (ja) | 煙検出装置 | |
| CN102799862A (zh) | 高清视频监控图像的行人快速定位、事件检测系统及方法 | |
| JP2010238032A (ja) | 煙検出装置 | |
| CN111882910B (zh) | 一种交通信号灯故障检测方法及系统 | |
| CN111369807A (zh) | 一种交通事故的检测方法、装置、设备和介质 | |
| CN113012383B (zh) | 火灾检测报警方法、相关系统、相关设备及存储介质 | |
| CN102752502A (zh) | 智能摄像机及智能摄像方法 | |
| US20220405145A1 (en) | Method, Apparatus, System and Electronic Device for Selecting Intelligent Analysis Algorithm | |
| CN202352075U (zh) | 五合一电子警察系统 | |
| US20100027841A1 (en) | Method and system for detecting a signal structure from a moving video platform | |
| CN103793921A (zh) | 一种运动目标提取方法及装置 | |
| Panda et al. | Application of Image Processing In Road Traffic Control | |
| CN105740841B (zh) | 一种车辆检测模式的确定方法和装置 | |
| Menezes et al. | Motion detection of vehicles based on FPGA | |
| KR101088153B1 (ko) | 콤보형 영상 감시 시스템 및 영상 감시 방법 | |
| KR102434154B1 (ko) | 영상감시시스템에서의 고속 이동물체의 위치 및 모션 캡쳐 방법 | |
| KR101547239B1 (ko) | 배경영상 추출 기반 카메라 영상밝기 조절 시스템 및 방법 | |
| JP2013257630A (ja) | 画像処理装置 | |
| Vujović et al. | Traffic video surveillance in different weather conditions | |
| TWI448992B (zh) | 視訊監控方法 |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20190611 Address after: 201203 2nd Floor, No. 77-78, 887 Lane, Zuchong Road, Zhangjiang High-tech Park, Pudong New Area, Shanghai Patentee after: Gaodewei Intelligent Traffic System Co., Ltd., Shanghai Address before: 310051 Haikang Science Park Building No.1, 700 Dongliu Road, Binjiang District, Hangzhou City, Zhejiang Province Patentee before: Hangzhou Hikivision System Technology Co., Ltd. |