CN103531022B - 一种红绿灯颜色周期统计方法 - Google Patents

Abstract

本发明提供一种红绿灯颜色周期统计方法，该方法包括：A、对当前红绿灯颜色进行视频图像检测；B、判断检测到的颜色和当前确认的红绿灯颜色x是否一致，如果是，更新当前红绿灯颜色x的计数值iColcnt_x，并返回步骤A；否则转步骤C；C、更新检测结果颜色的计数值iColcnt_y，并判断iColcnt_y是否大于预设的红绿灯颜色切换条件值N_y，如果否，返回步骤A；否则，转步骤D；D、确认当前红绿灯颜色为y，并更新红绿灯颜色x的统计次数CycleN_x；E、根据CycleN_x的值判断当前的置信度级别，并利用不同置信度级别对应的公式更新红绿灯颜色x的周期统计结果。本发明基于对红绿灯视频图像检测结果进行周期统计建立相应的红绿灯检测周期模型以及纠错机制，提高了电警设备功能的准确性和易用性。

Description

一种红绿灯颜色周期统计方法

技术领域

本发明涉及视频监控技术领域，尤其涉及一种红绿灯颜色周期统计的方法。

背景技术

目前闯红灯电子警察设备中判断红绿灯的纯视频检测方法中，主要是通过对输入的YUV图像用中值滤波，二值化，模式学习等方法进行处理，得到输入的红绿灯图像亮度信息，色度信息。再经过复杂的逻辑置信度判断，从而获得检测结果。但在实际场景中，由于受光照，天气，相机功能，以及其他物理因素的影响使得这种检测方法在处理一些特殊场景时容易出现不同程度的检测错误。譬如顺逆光环境中由于阳光照射灯组导致的亮度、色度信息失效；大风环境下风吹相机杆或者风吹红绿灯杆导致给定的灯组位置偏移不在红绿灯检测范围内等现象。

现有的一种技术提出了在特殊的时间段使用红绿灯模板匹配的方式来判断红绿灯结果。但是该方法村在如下问题：特殊光照时间随季节变化不容易确定；特殊场景下的红绿灯模板制作复杂，缺乏普适性；对于红绿灯在画面出现偏移等物理现象无法解决。

发明内容

有鉴于此，本发明提供一种红绿灯颜色周期统计方法，该方法应用于电子警察设备中，该方法包括：

A、对当前红绿灯颜色进行视频图像检测；

B、判断检测到的颜色和当前确认的红绿灯颜色x是否一致，如果是，更新当前红绿灯颜色x的计数值iColcnt_x，并返回步骤A；否则转步骤C；

C、更新检测结果颜色的计数值iColcnt_y，并判断iColcnt_y是否大于预设的红绿灯颜色切换条件值N_y，如果否，返回步骤A；否则，转步骤D；

D、确认当前红绿灯颜色为y，并更新红绿灯颜色x的统计次数CycleN_x；

E、判断CycleN_x是否大于预设的置信度级别值M，如果否，则认为当前处于低置信度阶段，更新红绿灯颜色x的周期统计结果为Cycle_x=(iColcnt_x+Cycle_x/i-1×CycleN_x)/(CycleN_x+1)，其中iColcnt_x为当前红绿灯颜色x的计数值，Cycle_x/i-1为前一次红绿灯颜色x的周期统计结果，CycleN_x为不包含本次的红绿灯颜色x的统计次数；如果是，则认为当前处于高置信度阶段，更新红绿灯颜色x的周期统计结果为Cycle_x=α×iColcnt_x+β×Cycle_x/i-1，其中iColcnt_x为当前红绿灯颜色x的计数值，Cycle_x/i-1为前一次红绿灯颜色x的周期统计结果，α和β为预设的权重值。

优选地，步骤B中更新当前红绿灯颜色x的计数值iColcnt_x具体为：

将红绿灯颜色x上一次的计数值加一并加上其他两种颜色当前的计数值所得的结果作为当前红绿灯颜色x的计数值。

优选地，在更新当前红绿灯颜色x的计数值iColcnt_x后，将其它两种红绿灯颜色的计数值清零。

优选地，步骤C中更新检测结果颜色的计数值iColcnt_y具体为：

将检测结果颜色上一次的计数值加一作为更新后的计数值。

优选地，步骤E中，高置信度阶段，在更新红绿灯颜色x的周期统计结果为Cycle_x=α×iColcnt_x+β×Cycle_x/i-1前，判断当前红绿灯颜色x的计数值iColcnt_x和前一次红绿灯颜色x的周期统计结果误差是否超过预设阈值e，如果是，则不更新红绿灯颜色x的周期统计结果，并将错误检测次数CycleErr_x加一；否则更新红绿灯颜色x的周期统计结果，并将错误检测次数CycleErr_x清零。

优选地，在高置信度阶段，如果错误检测次数CycleErr_x超过预设值，则认为红绿灯颜色x的实际周期发生了变化，重新对其周期进行统计。

一种利用红绿灯颜色周期统计结果进行颜色修正的方法，该方法应用于电子警察设备，该方法包括：

对当前红绿灯颜色进行视频图像检测；

如果检测的颜色和当前确认的红绿灯颜色x不一致，在当前处于高置信度阶段，且当前处于红绿灯颜色x的可信时段，则修正此次检测结果为：当前红绿灯颜色为x颜色。

优选地，如果红绿灯颜色x的周期统计结果起伏误差多次超过阈值，则认为当前检测结果处于混乱状态，将原有的统计结果作为红绿灯的检测结果输出。

优选地，进一步统计混乱持续的时间，并判断该持续时间是否到达阈值，如果是，产生红绿灯检测错误告警。

相较于现有技术，本发明基于对红绿灯视频图像检测结果进行周期统计的方式建立相应的红绿灯检测周期模型以及错误纠正机制，在不影响原有视频检测算法的基础上对检测结果起到很好的修正作用，能够弥补特殊场景下视频检测算法的局限性，并在检测出现较大错误的时及时产生告警，便于用户人工干预，提高了电警设备功能的准确性和易用性。

附图说明

图1是本发明实施例流程图。

具体实施方式

本发明方案通过对正常情况下的红绿灯检测结果的自适应学习，建立并实时更新当前时刻的红绿灯周期模型，并利用该红绿灯周期模型修正检测过程中出现的概率性结果错误，提高红绿灯检测准确率。

在电警设备检测系统中，基于对红绿灯视频检测准确率达到80%以上的假设，通过对于红绿灯检测结果的自适应学习，按照单个方向的红、黄、绿三种结果进行统计，形成周期模型开始阶段、低置信度周期模型建立阶段、高置信度周期模型更新阶段，模型重建阶段（比如说，交警会在不同时间段内调整红绿灯时长，甚至会在晚间设成黄灯闪烁，此时模型就需要重建）。在高置信度周期模型更新阶段，充分利用周期模型的结果，对红，黄，绿灯的检测错误进行分别纠正。

以下结合附图详细描述本发明具体实施例，请参图1。本发明的具体实施例提供一种红绿灯颜色周期统计方法，该方法应用于电子警察设备中。该方法具体执行如下步骤：

S101、对当前红绿灯颜色进行视频图像检测；

S102、判断检测到的颜色和当前确认的红绿灯颜色x是否一致，如果是，执行步骤S103；否则执行步骤S104；

S103、更新当前红绿灯颜色x的计数值iColcnt_x，并返回步骤S101；

S104、更新检测到颜色的计数值iColcnt_y；

S105、判断iColcnt_y是否大于预设的红绿灯颜色切换条件值N_y，如果否，返回步骤S101；否则，执行步骤S106；

S106、确认当前红绿灯颜色为y，并更新红绿灯颜色x的统计次数CycleN_x；

S107、判断CycleN_x是否大于预设的置信度级别值M，如果否，转步骤S108；否则，转步骤S109；

S108、确认当前处于低置信度阶段；

S109、确认当前处于高置信度阶段；

S110、在低置信度阶段，更新红绿灯颜色x的周期统计结果为Cycle_x=(iColcnt_x+Cycle_x/i-1×CycleN_x)/(CycleN_x+1)，其中iColcnt_x为当前红绿灯颜色x的计数值，Cycle_x/i-1为前一次红绿灯颜色x的周期统计结果，CycleN_x为不包含本次的红绿灯颜色x的统计次数；

S111、在高置信度阶段，判断当前红绿灯颜色x的计数值iColcnt_x和前一次红绿灯颜色x的周期统计结果误差是否超过预设阈值e，如果是，执行步骤S112；否则，执行步骤S113；

S112、更新错误检测次数CycleErr_x；转步骤S115；

S113、更新红绿灯颜色x的周期统计结果为Cycle_x=α×iColcnt_x+β×Cycle_x/i-1，其中iColcnt_x为当前红绿灯颜色x的计数值，Cycle_x/i-1为前一次红绿灯颜色x的周期统计结果，α和β为预设的权重值；转步骤114；

S114、将错误检测次数清零；

S115、错误检测次数是否大于预设值，如果是，则执行步骤S116；

S116、重新开始对红绿灯颜色x的周期进行统计。

本实施例中的红绿灯颜色是指点亮的红绿灯的颜色。红绿灯颜色x的周期是指点亮的灯持续的时间。该时间可以用帧数来表示，比如红绿灯颜色x的周期为480帧，如果每秒为24帧的话，该周期转化为时间即20秒。x表示任一红绿灯的颜色，即红色、黄色或者绿色。

电子警察设备可以对每一帧视频图像进行检测，从而识别出当前红绿灯颜色。比如对红绿灯颜色的周期统计刚开始的时候，电子警察设备检测红灯连续出现了72次（假设连续出现72次判定当前处于红灯状态），则确认当前处于红灯状态。对第73帧进行检测，检测结果还是为红灯，则更新红灯的计数值为73；第74帧的检测结果为黄灯，则更新黄灯的计数值为1；第75帧的检测结果为绿灯，则更新绿灯的计数值为1；第76帧的检测结果为红灯，则更新红灯的计数值为73+1+1+1=76，即如果当前为红灯状态，并且检测到的颜色和当前状态颜色一致，可以把该颜色灯的计数值更新为该颜色上一次的计数值加一并加上其他两种颜色当前的计数值所得的结果。同时还需要将绿灯和黄灯当前对应的计数值清零。如果从第77帧开始到第480帧，检测结果均为红灯的话，则红灯的计数值为480。继续检测第481帧，如果检测结果为黄灯，则更新黄灯的计数值为1；如果第482帧检测结果是绿灯的话，则更新绿灯的计数值为1，如果从第483帧开始至第506帧检测结果均为黄灯，此时连续检测到黄灯的次数为24次，黄灯当前的计数值为25，假如黄灯的计数值为25时满足当前颜色状态的切换条件（之前红灯的判定次数也可以为25），则当前红绿灯状态从红灯切换到黄灯，并且查看红灯当前的计数值iColcnt_r（下标r表示红色），本例中此时红灯当前计数值为480。至此对红灯的一次统计结束，将红灯的统计次数CycleN_r更新为1。此时还需要根据CycleN_r的值判断当前处于高置信度阶段还是低置信度阶段，即本此的统计结果可相信的程度大小。用上述同样的方法继续进行红绿灯颜色的周期统计，如果红灯的统计次数CycleN_r更新为21次，假设20次是高置信度阶段和低置信度阶段的分界，则当CycleN_r为21时，判定当前为高置信度阶段。之前都处于低置信度阶段，在低置信度阶段，红灯的统计结果Cycle_r为当前得到的计数值iColcnt_r和之前若干次的得到的计数值平均值，用公式表示为：Cycle_r=(iColcnt_r+Cycle_r/i-1×CycleN_r)/(CycleN_r+1)，其中iColcnt_r为红灯的计数值，Cycle_r/i-1为前一次红灯的周期统计结果，CycleN_r为不包含本次的红灯的统计次数。这里在获得第20次统计结束后红灯的iColcnt_r计数值时，将本次的计数值和前面19次的iColcnt_r计数值求平均，作为第20次统计后所得的红灯周期统计结果Cycle_r。在高置信度阶段，红灯的统计结果为Cycle_r=α×iColcnt_r+β×Cycle_r/i-1，其中iColcnt_r为当前红灯的计数值，Cycle_r/i-1为前一次统计结束后计算得到的红灯周期统计结果，α和β为预设的权重值，一般将α设置的比β小，以减少单次结果所占的统计比例。这里在计算第21次红灯的周期统计结果Cycle_r时，将本次得到的计数值和第20次计算得到的周期统计结果分别乘以各自的权重值然后相加得到第21次红灯的周期统计结果。后续用同样的方法来计算红灯的周期统计结果。需要说明的是，通常不记录红灯的第一次统计结果，因为第一次统计结果可能不完整，避免其对统计造成干扰。

一种更优的实施方式：在对红灯的一次统计结束后，如果当前在高置信度阶段，则对本次统计得到的红灯计数值iColcnt_r进行准确性的判断：如果误差（误差可用iColcnt_r和Cycle_r的差值的绝对值表示）大于阈值e（e可以用Cycle_r的方差CycleVar_r来表示，Cycle_r的方差在低置信度阶段的计算公式为CycleVar_r=(abs(iColcnt_r-Cycle_r/i-1)+CycleVar_r/i-1×CycleN_r/i-1)/(CycleN_r/i-1+1)，在高置信度阶段的计算公式为CycleVar_r=α×abs(iColcnt_r-Cycle_r/i-1)+β×CycleVar_r/i-1），则认为本次统计得到的红灯计数值iColcnt_r不准确，不使用iColcnt_r对Cycle_r进行更新，并将错误检测次数CycleErr_r加一。如果误差小于阈值e，则采信本次统计得到的红灯计数值iColcnt_r，并使用iColcnt_r对Cycle_r进行更新，更新的公式为：Cycle_r=α×iColcnt_r+β×Cycle_r/i-1。在CycleErr_r更新后，判断其值是否大于预设值，如果是，则认为红灯的实际周期已经发生变化，将Cycle_r清零，重新开始进行Cycle_r的统计。因为实际中，不同的时间段可能设置的红绿灯周期不一样。比如说，在7：00～20：00交警将红灯的周期设置为60秒，在时间段20：00～7：00将红灯的周期设置为30秒。所以在7:00之后的一小段时间和20：00之后的一小段时间，需要重新统计红灯的周期。

通过以上的一个例子对获得红灯周期的统计结果进行了说明。对于黄灯或者绿灯可以用同样的方法获得其周期结果，在此不再详述。

下面再通过一个例子，对视频检测的红绿灯颜色进行修正进行说明。

在高置信度阶段，若当前确认的红绿灯颜色为红色，即当前处于红灯状态，如果对一帧图像的红绿灯颜色检测结果为绿色，并且当前处于红灯周期统计的可信时段，比如说当前红灯周期的统计结果为485帧，如果此时红灯的计数值为200，则可以认为当前处于红灯周期统计的可信阶段，检测出绿灯是不可信的，所以将检测结果修正为红灯。同样的方法，可以对其他颜色的灯进行修正。

如果红绿灯颜色x的周期统计结果起伏误差多次超过阈值，则认为当前检测结果处于混乱状态，将原有的统计结果作为红绿灯的检测结果输出。比如说，如果在高置信度阶段，第n次～第n+10次统计得到的红灯的周期iCycle_x在480附近，而从第n+11开始连续5轮获得的红灯的计数值分别为300、620、712、324、584，则误差分别为-180、140、232、-156、104，如果误差阈值为50的话，则认为当前的红灯周期结果处于混乱状态，将第n+10次时的红灯周期iCycle_x作为正确的结果输出。如果后续继续是起伏的周期统计结果，并且起伏误差大于阈值，则认为红绿灯视频检测出现了问题并且无法自动恢复，需要人工进行干预。所以这里进一步设定混乱状态持续时间是否超过预设值，如果超过则产生告警，便于用户进行干预。

本发明基于对红绿灯视频图像检测结果进行周期统计的方式建立相应的红绿灯检测周期模型以及错误纠正机制，在不影响原有视频检测算法的基础上对检测结果起到很好的修正作用，能够弥补特殊场景下视频检测算法的局限性，并在检测出现较大错误的时及时产生告警，便于用户人工干预，提高了电警设备功能的准确性和易用性。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (6)

1.一种红绿灯颜色周期统计方法，其特征在于，该方法应用于电子警察设备中，该方法包括：

A、对当前红绿灯颜色进行视频图像检测；

B、判断检测到的颜色和当前确认的红绿灯颜色x是否一致，如果是，将红绿灯颜色x上一次的计数值加一并加上其它两种颜色当前的计数值所得的结果作为当前红绿灯颜色x的计数值iColcnt_x，将其它两种红绿灯颜色的计数值清零，并返回步骤A；否则转步骤C；

C、将检测到的颜色上一次的计数值加一作为当前检测到的颜色的计数值iColcnt_y，并判断iColcnt_y是否大于预设的红绿灯颜色切换条件值N_y，如果否，返回步骤A；否则，转步骤D；

D、确认当前红绿灯颜色为y，并更新红绿灯颜色x的统计次数CycleN_x；

E、判断CycleN_x是否大于预设的置信度级别值M，如果否，则认为当前处于低置信度阶段，更新红绿灯颜色x的周期统计结果为Cycle_x＝(iColcnt_x+Cycle_x/i-1×CycleN_x)/(CycleN_x+1)，其中iColcnt_x为当前红绿灯颜色x的计数值，Cycle_x/i-1为前一次红绿灯颜色x的周期统计结果，CycleN_x为不包含本次的红绿灯颜色x的统计次数；如果是，则认为当前处于高置信度阶段，更新红绿灯颜色x的周期统计结果为Cycle_x＝α×iColcnt_x+β×Cycle_x/i-1，其中iColcnt_x为当前红绿灯颜色x的计数值，Cycle_x/i-1为前一次红绿灯颜色x的周期统计结果，α和β为预设的权重值。

2.如权利要求1所述的方法，其特征在于，步骤E中，高置信度阶段，在更新红绿灯颜色x的周期统计结果为Cycle_x＝α×iColcnt_x+β×Cycle_x/i-1前，判断当前红绿灯颜色x的计数值iColcnt_x和前一次红绿灯颜色x的周期统计结果误差是否超过预设阈值e，如果是，则不更新红绿灯颜色x的周期统计结果，并将错误检测次数CycleErr_x加一；否则更新红绿灯颜色x的周期统计结果，并将错误检测次数CycleErr_x清零。

3.如权利要求2所述的方法，其特征在于，在高置信度阶段，如果错误检测次数CycleErr_x超过预设值，则认为红绿灯颜色x的实际周期发生了变化，重新对其周期进行统计。

4.一种利用权利要求1～3任一所述的统计方法进行颜色修正的方法，该方法应用于电子警察设备，其特征在于，该方法包括：

对当前红绿灯颜色进行视频图像检测；

如果检测的颜色和当前确认的红绿灯颜色x不一致，在当前处于高置信度阶段，且当前处于红绿灯颜色x的可信时段，则修正此次检测结果为：当前红绿灯颜色为x颜色。

5.如权利要求4所述的方法，其特征在于，如果红绿灯颜色x的周期统计结果起伏误差多次超过阈值，则认为当前检测结果处于混乱状态，将原有的统计结果作为红绿灯的检测结果输出。

6.如权利要求5所述的方法，其特征在于，进一步统计混乱持续的时间，并判断该持续时间是否到达阈值，如果是，产生红绿灯检测错误告警。