CN103020613A - 一种基于视频的信号灯识别方法及装置 - Google Patents

Abstract

本发明公开了一种基于视频的信号灯识别方法及装置，解决现有技术中信号灯识别时，施工困难、不灵活的问题。该识别方法包括：确定各颜色信号灯对应的识别模板的灰度图及包含信号灯信息的视频帧的灰度图中每个像素点的梯度值，并确定每个像素点对应的梯度方向角，根据每个像素点的梯度方向角可以使识别模板与视频帧进行匹配，根据匹配的结果确定每个视频帧中的信号灯区域，根据该信号灯区域中每个像素点对应的HSL颜色，确定该信号灯区域对应的信号灯颜色。本发明通过检测位于信号灯检测区域内的包含信号灯信息的视频帧，确定每个视频帧对应的信号灯颜色，从而可以实现对信号灯的识别，该方法简便易行，无须物理接线，提高了信号灯检测的灵活性。

Description

一种基于视频的信号灯识别方法及装置

技术领域

本发明涉及视频图像处理技术领域，尤其涉及一种基于视频的信号灯识别方法及装置。

背景技术

随着社会经济的不断发展，车辆的日益增多，智能交通的发展越来越受到重视。在智能交通领域的电子警察中，闯红灯检测成为一项非常重要的功能。而在闯红灯检测过程中，主要就是为了获取信号灯的当前状态，即对信号灯进行识别。

现有技术在进行信号灯识别时，一般采用物理信号进行信号灯状态判别，但该方法需要物理接线施工困难，并且非常的不灵活，影响了信号灯的检测效率和灵活性。

发明内容

本发明实施例提供一种基于视频的信号灯识别方法及装置，用以解决现有技术中信号灯识别时，施工困难、不灵活的问题。

本发明实施例提供一种基于视频的信号灯识别方法，所述识别方法包括：

根据每种颜色的信号灯对应的识别模板及包含信号灯信息的视频帧对应的灰度图，确定每个灰度图中每个像素点的梯度值；

根据确定的灰度图中每个像素点的梯度值，及设置的每个梯度方向角的区间范围，确定每个像素点对应的梯度方向角；

根据确定的各识别模板及视频帧中每个像素点的梯度方向角，将各识别模板分别与视频帧进行匹配，确定每个视频帧中的信号灯区域；

根据在每个视频帧中确定的信号灯区域，将该区域内的像素点转换到HSL颜色空间，确定该信号灯区域对应的信号灯颜色。

本发明实施例提供一种基于视频的信号灯识别装置，所述识别装置包括：

第一确定模块，用于根据每种颜色的信号灯对应的识别模板及包含信号灯信息的视频帧对应的灰度图，确定每个灰度图中每个像素点的梯度值；

第二确定模块，用于根据确定的灰度图中每个像素点的梯度值，及设置的每个梯度方向角的区间范围，确定每个像素点对应的梯度方向角；

匹配模块，用于根据确定的各识别模板及视频帧中每个像素点的梯度方向角，将各识别模板分别与视频帧进行匹配，确定每个视频帧中的信号灯区域；

识别模块，用于根据在每个视频帧中确定的信号灯区域，将该区域内的像素点转换到HSL颜色空间，确定该信号灯区域对应的信号灯颜色。

本发明实施例提供一种基于视频的信号灯识别方法及装置，该识别方法包括：确定各颜色信号灯对应的识别模板的灰度图及包含信号灯信息的视频帧的灰度图中每个像素点的梯度值，从而可以确定每个像素点对应的梯度方向角，根据每个像素点的梯度方向角可以使识别模板与视频帧进行匹配，根据匹配的结果确定每个视频帧中的信号灯区域，之后，根据该信号灯区域中每个像素点对应的HSL颜色，确定该信号灯区域对应的信号灯颜色。在本发明实施例中通过检测位于信号灯检测区域内的包含信号灯信息的视频帧，确定每个视频帧对应的信号灯颜色，从而可以实现对信号灯的识别，该方法简便易行，无须物理接线，提高了信号灯检测的灵活性。

附图说明

图1为本发明实施例提供的基于视频的信号灯识别过程示意图；

图2A为本发明实施例提供的信号灯为红颜色时对应的识别模板；

图2B为本发明实施例提供的信号灯为黄颜色时对应的识别模板；

图2C为本发明实施例提供的信号灯为绿颜色时对应的识别模板；

图3为本发明实施例提供的该基于视频的信号灯识别的详细过程;

图4为本发明实施例提供的一种基于视频的信号灯识别装置的结构示意图。

具体实施方式

本发明实施例为了提高信号灯检测的灵活性，提供了一种无须物理接线的基于视频的信号灯识别方法及装置。

下面结合说明书附图，对本发明实施例进行详细说明。

图1为本发明实施例提供的基于视频的信号灯识别过程示意图，该过程包括以下步骤：

S101：根据每种颜色的信号灯对应的识别模板及包含信号灯信息的视频帧对应的灰度图，确定每个灰度图中每个像素点的梯度值。

在本发明实施例中为了提高信号灯识别的准确性，在选择每种颜色的信号灯对应的识别模板时，根据检测到的包含信号灯信息的视频信息，在该视频信息中通过人工的方式截取出每个颜色的信号灯对应的识别模板。

图2A、图2B和图2C为本发明实施例提供的信号灯分别为红、黄、绿三种颜色时截取的每种颜色对应的识别模板，图2中的三种识别模板分别为红、黄、绿灯时对应的识别模板。因为在大的交通路口信号灯可能比较复杂，在本发明实施例中可以针对每种具体检测环境下，检测到的视频信息中包含的信号灯的信息，从该视频信息中分别截取出对应的颜色的信号灯的模板。

为了实现对信号灯的识别，在本发明实施例中需要确定每个像素点的梯度值，包括确定每个识别模板中每个像素点的梯度值，以及每个视频帧中每个像素点的梯度值。而为了实现对梯度值的确定，需要将每个识别模板以及每个视频帧转换为灰度图，根据灰度图中每个像素点的灰度值，确定每个像素点的梯度值。

S102：根据确定的灰度图中每个像素点的梯度值，及设置的每个梯度方向角的区间范围，确定每个像素点对应的梯度方向角。

当确定了每个识别模板及每个视频帧中每个像素点的梯度值后，需要根据每个像素点的梯度值，确定每个像素点的梯度方向角。在确定每个像素点的梯度方向角时，需要考虑确定的每个像素点的梯度值，并根据设置的每个梯度方向角的区间范围确定。在本发明实施例中可以确定多个梯度方向角的区间范围，根据梯度值位于的区间范围，将该区间范围对应的梯度方向角作为该像素点的梯度方向角。

例如，当梯度方向角1对应的区间范围为0~20，梯度方向角2对应的区间范围为21~51，当某一像素点的梯度值为23时，由于该梯度值位于区间范围21~51内，因此可以确定该像素点的梯度方向角为2。当然在本发明实施例中确定的梯度方向角可以包括多个，在这里只是为了简单的说明梯度方向角是如何确定的。

S103：根据确定的各识别模板及视频帧中每个像素点的梯度方向角，将各识别模板分别与视频帧进行匹配，确定每个视频帧中的信号灯区域。

由于每个识别模板中每个像素点的梯度方向角已经确定，并且每个视频帧中每个像素点的梯度方向角也已经确定，针对每个视频帧，采用每个识别模板在该视频帧中每个像素点的位置进行匹配，根据匹配的结果确定视频帧中信号灯区域。

具体的，在本发明实施例每个识别模板一般为规则形状，例如可以为矩形，在每个位置，识别模板中的每个像素点与视频帧中每个像素点向对应，根据每两个像素点匹配的像素点的梯度方向角是否相同，确定在像素点的位置该识别模板与该视频帧对应匹配。

针对每个视频帧，每个识别模板在该视频帧的位置都会存在对应的匹配值，根据每个识别模板在每个位置与该视频帧的匹配值，选择匹配值最大时，对应的位置，根据该位置及对应的识别模板的大小，可以确定该视频帧中的信号灯所在的区域，即信号灯区域。

S104：根据在每个视频帧中确定的信号灯区域，将该区域内的像素点转换到HSL颜色空间，确定该信号灯区域对应的信号灯颜色。

当确定了每个视频帧中信号灯所在的区域后，需要识别该信号灯区域到底对应的是哪种信号灯，即确定当前视频帧检测到的是红灯、绿灯还是黄灯。在本发明实施例中针对识别出的信号灯区域，对该区域内的每个像素点进行HSL转换，将每个像素点转换为HSL空间颜色值，根据每种信号灯的颜色对应的HSL颜色阈值，确定每个像素点的颜色，从而确定信号灯区域对应的信号灯颜色。

由于在本发明实施例中，通过检测位于信号灯检测区域内的包含信号灯信息的视频帧，确定每个视频帧对应的信号灯颜色，从而可以实现对信号灯的识别，该方法简便易行，无须物理接线，提高了信号灯检测的灵活性。

在本发明实施例中针对检测区域内的信号灯，获取包含信号灯信息的视频信息，在该视频信息中，确定信号灯分别为不同颜色时，在该视频信息中截取每个信号灯为不同颜色时，包含该信号灯信息的图片，将图片保存为对应的识别模板。

例如，当某一路口的信号灯包含3种颜色，分别为红、绿、黄，并对该路口的信号灯的信息进行检测。根据检测到的视频信息，通过人工查找的方式，查找红灯亮时对应的视频帧，绿灯亮时对应的视频帧，并查找黄灯亮时对应的视频帧。根据查找到的红灯亮时对应的视频帧，在该视频帧中截取包含该信号灯信息的图片，如图2A所示，将该图片保存在对应红灯的识别模板。采用相同的方法可以分别确定黄灯对应的识别模板，如图2B所示，并可以确定绿灯对应的识别模板，如图2C所示。

在本发明实施例中是从检测到的视频信息中获取对应每种颜色的信号灯的识别模板，采用截取的识别模板可以提高信号灯识别的准确性。当然也可以预先针对每种情况（即当前信号灯包含几个，形状等），每种颜色的信号灯分别保存对应的识别模板。在具体实现时，可以根据需要灵活选择。

根据检测到的包含信号灯信息的视频信息，针对该视频信息中的每个视频帧，将该视频帧转换为灰度图，并将获取的对应每种颜色的识别模板转换为灰度图。针对灰度图中的每个像素点，确定该像素点的梯度值。

具体的，在本发明实施例中在确定每个像素点的梯度值时包括：

针对灰度图中的每个像素点，根据与该像素点在上、下、左、右各方向相邻的像素点的像素值，确定该像素点的梯度值。

具体的，在确定像素点的梯度值时，根据与该像素点相邻的像素点的像素值即灰度值确定。由于每个像素点在上、下、左、右四个方向都存在相邻的像素点，根据每个相邻的像素点的像素值可以确定该像素点的梯度值。

在本发明实施例中，根据灰度图中每个像素点的位置，可以按照一定的规则确定坐标轴，从而可以确定每个像素点的坐标。例如一般检测到的视频帧和识别模板都为矩形图片，可以以灰度图中左下角的像素点为原点，以任意两个垂直的直线为x轴和y轴，例如可以分别以视频帧和识别模板的两个通过原点的边为x轴和y轴。当确定了坐标轴后，即可确定图片中每个像素点的坐标值。

具体的可以根据下述公式，确定每个像素点的梯度值：

Gradient=dy/dx

dy=g(i,j+1)-g(i,j-1),dx=g(i+1,j)-g(i-1,j)

上述公式为计算横坐标为i，纵坐标为j的像素点的梯度值，在确定该像素点的梯度值Gradient时，根据位于该像素点上方的像素点的像素值g（i，j+1），及位于该像素点下方的像素点的像素值g（i，j-1）的差确定dy，根据位于该像素点右侧的像素点的像素值g（i+1，j）及位于该像素点左侧的像素点的像素值g（i-1，j）的差确定dx，从而可以确定坐标为（i，j）的像素点的梯度值。

当确定了识别模板及视频帧中每个像素点的梯度值后，根据每个梯度值及设置的每个梯度方向角的区间范围，确定每个像素点对应的梯度方向角。具体的在本发明实施例中可以设置多个梯度方向角，每个梯度方向角对应相应梯度值的区间范围，每个梯度方向角包含的梯度值的区间范围不重叠。根据设置的每个梯度方向角的区间范围，以及每个像素点的梯度值，可以确定每个像素点的梯度方向角。

具体的，在本发明实施例中可以将0到360度均分为8份，依次用户1~8来标识每个梯度方向角，即0~45度对应的是梯度方向角1，46~90对应的是梯度方向角2，……。当确定了每个像素点的梯度值后，可以根据每个梯度值所在的区间范围，确定每个像素点的梯度方向角。

由于针对每个场景的各种颜色的识别模板是固定的，因此当确定了该识别模板中每个像素点的梯度方向角后，即可保存每个识别模板中每个像素点的梯度方向角。之后，即可采用每个识别模板，针对每个视频帧中的信号灯进行识别。

当确定了每个视频帧中每个像素点的梯度方向角后，该视频帧即转换为了梯度方向图，并且每个识别模板也已经转换为了梯度方向图。下面分别以识别模板分别为黄灯对应的识别模板、红灯对应的识别模板以及绿灯对应的识别模板为了进行说明，即交通灯中黄灯亮时、红灯亮时及绿灯亮时对应的识别模板。此时每个识别模板中包含的是梯度方向角的信息，此时待识别的视频帧对应的也是每个像素点的梯度方向角的信息。

根据每个识别模板及视频帧中每个像素点的梯度方向角，即可确定每个视频帧中信号灯区域，具体的，在本发明实施例中确定每个视频帧中的信号灯区域包括：

针对每个识别模板，将该识别模板与该视频帧进行匹配；

根据该识别模板中每个像素点的梯度方向角，及该视频帧中对应每个像素点的梯度方向角是否相等，确定该识别模板在该视频帧每个位置的匹配值；

根据每个识别模板与该视频帧中每个位置的匹配值，将匹配值最大的位置，确定为该视频帧中的信号灯区域。

针对每个识别模板，例如当前采用绿灯对应的识别模板，将该识别模板在该视频帧中进行匹配，即在每个位置，将该识别模板与该视频帧中每个相应的像素点相对应，根据两个对应像素点的梯度方向角是否相同，确定该两个对应像素点是否匹配，当两个对应像素点的梯度方向角相等时，则该两个对应像素点对应的匹配值为1，否则，当两个对应像素点的梯度方向角不相等时，则确定该两个对应像素点对应的匹配值为0。

根据每个位置该识别模板与视频帧的匹配，确定在该位置该识别模板与该视频帧的匹配值，具体的，确定该识别模板在该视频帧每个位置的匹配值可以通过以下公式：

$\mathrm{score}(\mathrm{iStart},\mathrm{jStart})=\underset{i=0}{\overset{H}{\mathrm{\Σ}}}\underset{j=0}{\overset{W}{\mathrm{\Σ}}}\mathrm{Match}(T(i,j),B(i+\mathrm{iStart},j+\mathrm{jStart}))$

$\mathrm{Match}(T(i,j),B(i^{\′},j^{\′}))=\left\{\begin{array}{cc}1& \mathrm{if}(T(i,j)==B(i^{\′},j^{\′}))\\ 0& \mathrm{else}\end{array}\right.$

上述公式中T（i，j）为识别模板中坐标为（i，j）的像素点的梯度方向角，B（i，j）为视频帧中坐标为（i，j）的像素点的梯度方向角，（iStart，jStart）为当前识别模板在该视频帧中的匹配位置，H为识别模板中高度方向包含的像素点的数量，W为识别模板宽度方向包含的像素点的数量。

根据在视频帧中的每个匹配位置，确定的该识别模板与该视频帧中对应像素点的梯度方向角是否相等，确定该识别模板在该匹配位置与该视频帧的匹配值，从而可以选择出最大的匹配值，并可以确定对应的匹配位置。由于每个识别模板与该视频帧的最大的匹配值已经确定出，因此针对这些识别模板，与该视频帧的最大匹配值也可以确定，相应的匹配位置也可以确定。

例如当前红灯对应的识别模板与该视频帧的最大的匹配值为10，匹配位置为A；绿灯对应的识别模板与该视频帧的最大的匹配值为12，匹配位置为B；黄灯对应的识别模板与该视频帧的最大的匹配值为40，匹配位置为C；则可以确定识别模板与该视频帧的最大的匹配值为40，匹配位置为C，根据该匹配位置C及该识别模板的大小，可以确定该视频帧中的信号灯区域。

当确定了视频帧中的信号灯区域后，还需要识别该信号灯区域对应的颜色，具体的在确定该信号灯区域对应的信号灯颜色包括：

根据信号灯区域中每个像素点转换为HSL颜色空间的颜色值，及每个颜色对应HSL颜色阈值，确定每个像素点的颜色；

根据该信号灯区域中每个颜色的像素点的数量，选择像素点数量最多的颜色作为该信号灯区域对应的信号灯颜色。

具体的在本发明实施例中，将视频帧中该信号灯区域中的每个像素点的像素值转换到HSL颜色空间时，具体可以按照以下的公式进行转换：

R1=R/255,G1=G/255,B1=B/255,

Min=min(min(R1,G1),B1)，Max=max(max(R1,G1),B1)

Diff=Max-Min

L=120*(Min+Max)

$S=\left\{\begin{array}{c}240*\mathrm{Diff}/(2-(\mathrm{Min}+\mathrm{Max})),L\&GreaterEqual;120\\ 240*\mathrm{Diff}/(\mathrm{Min}+\mathrm{Max}),L<120\end{array}\right.$

$H=\left\{\begin{array}{c}H+240,H<0\\ H-240,H>240\end{array}\right.$

由于每个视频帧中包含信号灯信息的信号灯区域已经确定，在该视频帧中根据检测到的该信号灯区域中每个像素点的像素值，将每个像素点按照上述公式转换为HSL颜色空间值。而信号灯中的每种颜色，例如黄色、红色和绿色也都转换为HSL颜色空间值，将信号灯中的黄色、红色和绿色的HSL颜色空间值作为黄色、红色和绿色对应的HSL颜色阈值。根据视频帧中该信号灯区域中每个像素点的HSL颜色空间的颜色值，及确定的每种颜色对应的HSL颜色空间阈值，当某一像素点的HSL颜色空间的颜色值大于某一颜色对应的HSL颜色空间阈值时，则将该像素点确定为该颜色。根据统计出的该信号灯区域中属于每种颜色的像素点的数量，将数量最多的颜色作为该信号灯区域对应的信号灯颜色。

图3为本发明实施例提供的该基于视频的信号灯识别的详细过程，该过程包括以下步骤：

S301：根据检测到的包含信号灯信息的视频信息，针对该视频信息中的每个视频帧，将该视频帧转换为对应的灰度图，并确定该灰度图中每个像素点的梯度值。

S302：根据确定的灰度图中每个像素点的梯度值，及设置的每个梯度方向角的区间范围，确定每个像素点对应的梯度方向角。

与此同时或在之前、或之后，在该视频信息中截取每种颜色的信号灯对应的识别模板，并确定每个识别模板中每个像素点对应梯度方向角。

S303：针对每个识别模板，将该识别模板与该视频帧进行匹配，根据该识别模板中每个像素点的梯度方向角，及该视频帧中对应每个像素点的梯度方向角是否相等，确定该识别模板在该视频帧每个位置的匹配值。

S304：根据每个识别模板与该视频帧中每个位置的匹配值，将匹配值最大的位置，确定为该视频帧中的信号灯区域。

S305：根据在每个视频帧中确定的信号灯区域，将该区域内的像素点转换到HSL颜色空间。

S306：根据信号灯区域中每个像素点转换为HSL颜色空间的颜色值，及每个颜色对应HSL颜色阈值，确定每个像素点的颜色。

S307：根据该信号灯区域中每个颜色的像素点的数量，选择像素点数量最多的颜色作为该信号灯区域对应的信号灯颜色。

在本发明实施例中通过检测位于信号灯检测区域内的包含信号灯信息的视频帧，确定每个视频帧对应的信号灯颜色，从而可以实现对信号灯的识别，该方法简便易行，无须物理接线，提高了信号灯检测的灵活性。

图4为本发明实施例提供的一种基于视频的信号灯识别装置的结构示意图，所述识别装置包括：

第一确定模块41，用于根据每种颜色的信号灯对应的识别模板及包含信号灯信息的视频帧对应的灰度图，确定每个灰度图中每个像素点的梯度值；

第二确定模块42，用于根据确定的灰度图中每个像素点的梯度值，及设置的每个梯度方向角的区间范围，确定每个像素点对应的梯度方向角；

匹配模块43，用于根据确定的各识别模板及视频帧中每个像素点的梯度方向角，将各识别模板分别与视频帧进行匹配，确定每个视频帧中的信号灯区域；

识别模块44，用于根据在每个视频帧中确定的信号灯区域，将该区域内的像素点转换到HSL颜色空间，确定该信号灯区域对应的信号灯颜色。

所述第一确定模块41，具体用于针对灰度图中的每个像素点，根据与该像素点在上、下、左、右各方向相邻的像素点的像素值，确定该像素点的梯度值。

所述第二确定模块42，用于保存有将0到360度的角度划分为多个角度区间范围，每个角度区间范围对应相应的梯度方向角。

所述匹配模块43，具体用于针对每个识别模板，将该识别模板与该视频帧进行匹配；根据该识别模板中每个像素点的梯度方向角，及该视频帧中对应每个像素点的梯度方向角是否相等，确定该识别模板在该视频帧每个位置的匹配值；根据每个识别模板与该视频帧中每个位置的匹配值，将匹配值最大的位置，确定为该视频帧中的信号灯区域。

所述识别模块44，具体用于根据信号灯区域中每个像素点转换为HSL颜色空间的颜色值，及每个颜色对应HSL颜色阈值，确定每个像素点的颜色；根据该信号灯区域中每个颜色的像素点的数量，选择像素点数量最多的颜色作为该信号灯区域对应的信号灯颜色。

本发明实施例提供一种基于视频的信号灯识别方法及装置，该识别方法包括：确定各颜色信号灯对应的识别模板的灰度图及包含信号灯信息的视频帧的灰度图中每个像素点的梯度值，从而可以确定每个像素点对应的梯度方向角，根据每个像素点的梯度方向角可以使识别模板与视频帧进行匹配，根据匹配的结果确定每个视频帧中的信号灯区域，之后，根据该信号灯区域中每个像素点对应的HSL颜色，确定该信号灯区域对应的信号灯颜色。在本发明实施例中通过检测位于信号灯检测区域内的包含信号灯信息的视频帧，确定每个视频帧对应的信号灯颜色，从而可以实现对信号灯的识别，该方法简便易行，无须物理接线，提高了信号灯检测的灵活性。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种基于视频的信号灯识别方法，其特征在于，所述识别方法包括：

根据每种颜色的信号灯对应的识别模板及包含信号灯信息的视频帧对应的灰度图，确定每个灰度图中每个像素点的梯度值；

根据确定的灰度图中每个像素点的梯度值，及设置的每个梯度方向角的区间范围，确定每个像素点对应的梯度方向角；

根据确定的各识别模板及视频帧中每个像素点的梯度方向角，将各识别模板分别与视频帧进行匹配，确定每个视频帧中的信号灯区域；

根据在每个视频帧中确定的信号灯区域，将该区域内的像素点转换到HSL颜色空间，确定该信号灯区域对应的信号灯颜色。

2.如权利要求1所述的识别方法，其特征在于，所述确定每个灰度图中每个像素点的梯度值包括：

针对灰度图中的每个像素点，根据与该像素点在上、下、左、右各方向相邻的像素点的像素值，确定该像素点的梯度值。

3.如权利要求1所述的识别方法，其特征在于，每个梯度方向角的区间范围包括：

将0到360度的角度划分为多个角度区间范围，每个角度区间范围对应相应的梯度方向角。

4.如权利要求1所述的识别方法，其特征在于，所述确定每个视频帧中的信号灯区域包括：

针对每个识别模板，将该识别模板与该视频帧进行匹配；

根据该识别模板中每个像素点的梯度方向角，及该视频帧中对应每个像素点的梯度方向角是否相等，确定该识别模板在该视频帧每个位置的匹配值；

根据每个识别模板与该视频帧中每个位置的匹配值，将匹配值最大的位置，确定为该视频帧中的信号灯区域。

5.如权利要求1所述的识别方法，其特征在于，所述确定该信号灯区域对应的信号灯颜色包括：

根据信号灯区域中每个像素点转换为HSL颜色空间的颜色值，及每个颜色对应HSL颜色阈值，确定每个像素点的颜色；

根据该信号灯区域中每个颜色的像素点的数量，选择像素点数量最多的颜色作为该信号灯区域对应的信号灯颜色。

6.一种基于视频的信号灯识别装置，其特征在于，所述识别装置包括：

第一确定模块，用于根据每种颜色的信号灯对应的识别模板及包含信号灯信息的视频帧对应的灰度图，确定每个灰度图中每个像素点的梯度值；

第二确定模块，用于根据确定的灰度图中每个像素点的梯度值，及设置的每个梯度方向角的区间范围，确定每个像素点对应的梯度方向角；

匹配模块，用于根据确定的各识别模板及视频帧中每个像素点的梯度方向角，将各识别模板分别与视频帧进行匹配，确定每个视频帧中的信号灯区域；

识别模块，用于根据在每个视频帧中确定的信号灯区域，将该区域内的像素点转换到HSL颜色空间，确定该信号灯区域对应的信号灯颜色。

7.如权利要求6所述的识别装置，其特征在于，所述第一确定模块，具体用于针对灰度图中的每个像素点，根据与该像素点在上、下、左、右各方向相邻的像素点的像素值，确定该像素点的梯度值。

8.如权利要求6所述的识别装置，其特征在于，所述第二确定模块，用于保存有将0到360度的角度划分为多个角度区间范围，每个角度区间范围对应相应的梯度方向角。

9.如权利要求6所述的识别装置，其特征在于，所述匹配模块，具体用于针对每个识别模板，将该识别模板与该视频帧进行匹配；根据该识别模板中每个像素点的梯度方向角，及该视频帧中对应每个像素点的梯度方向角是否相等，确定该识别模板在该视频帧每个位置的匹配值；根据每个识别模板与该视频帧中每个位置的匹配值，将匹配值最大的位置，确定为该视频帧中的信号灯区域。

10.如权利要求6所述的识别装置，其特征在于，所述识别模块，具体用于根据信号灯区域中每个像素点转换为HSL颜色空间的颜色值，及每个颜色对应HSL颜色阈值，确定每个像素点的颜色；根据该信号灯区域中每个颜色的像素点的数量，选择像素点数量最多的颜色作为该信号灯区域对应的信号灯颜色。

Images