CN103955705A - 基于视频分析的交通信号灯定位、识别与分类方法 - Google Patents
基于视频分析的交通信号灯定位、识别与分类方法 Download PDFInfo
- Publication number
- CN103955705A CN103955705A CN201410178384.6A CN201410178384A CN103955705A CN 103955705 A CN103955705 A CN 103955705A CN 201410178384 A CN201410178384 A CN 201410178384A CN 103955705 A CN103955705 A CN 103955705A
- Authority
- CN
- China
- Prior art keywords
- color
- signal lamp
- gray
- image
- classification
- 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
Landscapes
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及智能交通领域,尤其涉及基于视频分析的交通信号灯定位、识别与分类方法,利用交通信号灯的颜色变化规律性,即每个交通信号灯有规律地被点亮与熄灭并持续一定的时间,通过跟踪图像中相关像素点的颜色变化规律,识别监控视频中信号灯所处的区域位置,从而进一步确定信号灯位置,之后根据信号灯的图像特征对信号灯进行分类。本发明的有益效果在于:该方法操作方便、能实现信号灯的自动检测与分类,具有良好的鲁棒性和适应性,为交通违法和信号灯故障的自动检测提供支持。
Description
技术领域
本发明涉及智慧交通领域,尤其涉及基于视频分析的交通信号灯定位、识别与分类方法。
背景技术
在日常的交通管理中,通常通过规律性改变路口交通信号灯的状态来保证交通秩序有序进行,从而保障交通安全和道路畅通。自然而然,智能交通系统就逐渐地应用于城市道路交通管理,现有的智能交通系统通过接入交通信号灯、信号线的特定接口来获取交通灯状态,同时该系统中也采用了人工配置交通信号灯相关基础信息的方法,其中基础信息包括:信号灯的位置,信号灯的类型,信号灯所表示的状态等信息。该方法虽然满足了准确性的提高,但是也带来了一系列的弊端:(1)施工难度大、运作成本高,而且系统需要与视频监控系统同步;(2)自适应能力较差,系统的设置就需要进行人为的调整与修改。为了更加方便、低成本、智能地获得信号灯的实时信息,就需要一种能够自动检测到信号灯信息的方法。交通管理部门迫切的希望能够通过该系统中的实时交通视频监控系统自动检测交通信号灯的状态变化,并结合当前车辆的行驶行为自动检测进行交通违法行为。因此设计一种基于视频分析的交通信号灯定位、识别与分类方法是非常有必要的。
发明内容
本发明为克服上述的不足之处,目的在于提供一种基于视频分析的交通信号灯定位、识别与分类方法,该方法能够实现信号灯的自动检测与分类,具有良好的鲁棒性和适应性,为交通违法和信号灯故障的自动检测提供支持。
本发明以下技术方案达到上述目的:基于视频分析的交通信号灯定位、识别与分类方法,具体步骤为:
(1)将视频图像的RGB颜色空间转换到HSV颜色空间,得到当前视频图像各像素点的色调、饱和度、亮度;
(2)对各像素点的H、S、V值进行颜色分类,并根据分类结果在单通道空白颜色分类结果标记图像Iresult上设置对应的灰度值;
(3)对颜色分类结果标记图像Iresult通过轮廓检测获得轮廓的外接矩形区域集合,并将其作为疑似信号灯区域集合,通过是否纯色方法对疑似信号灯区域集合进行过滤获得信号灯候选区域集合;
(4)更新历史信号灯候选区域集合;所述更新历史信号灯候选区域集合具体包括以下步骤:若当前帧图像是视频中的第一帧图像,则将所有的信号灯候选区域加入历史候选区域集合;若不满足上述条件,则通过判断两个矩形区域是否为重复区域方法和纯色检测方法来进行对历史候选区域的筛选;
(5)判断视频数据是否读取完毕,是则跳转到步骤(6),否则跳转到步骤(1);
(6)判断历史候选区域集合中区域记录的颜色突变次数以及颜色持续时间是否大于相应阈值;若是,则确定为信号灯区域,否则不为信号灯区域;
(7)建立交通信号灯图像库,对图像库中的信号灯图像进行灰度化、平滑和去噪处理,提取图像的HOG方向梯度直方图信息作为特征向量,训练SVM分类器,获到信号灯形状识别模型;
(8)调用信号灯形状识别模型对步骤(6)确定的信号灯区域内的信号灯的形状进行分类,输出分类结果。
作为优选,所述步骤(2)中的对各像素点的H、S、V值进行颜色分类,并根据分类结果在单通道空白颜色分类结果标记图像Iresult上设置对应的灰度值具体包括以下设置规则:
(1)若V≤20或S<100或S≤53且V≤185时像素的颜色分类为黑色,颜色分类结果标记图像Iresult中对应像素的灰度值设置为2;
(2)若S≤27且V>190像素的颜色分类为白色,颜色分类结果标记图像Iresult中对应像素的灰度值设置为1;
(3)若S值,V值都不满足上面两种情况时:
(3.1)若H≤15或H≥156且H≤180像素的颜色分类为红色,颜色分类结果标记图像Iresult中对应像素的灰度值设置为180;
(3.2)若H>15且H≤35像素的颜色分类为黄色,颜色分类结果标记图像Iresult中对应像素的灰度值设置为30;
(3.3)若H>35且H≤100像素的颜色分类为绿色,颜色分类结果标记图像Iresult中对应像素的灰度值设置为100;
(4)若H值皆不满足上述条件,则为无关颜色,颜色分类结果标记图像Iresult中对应像素的灰度值设置为1。
作为优选,所述的判断区域颜色是否为纯色的方法包括:
在每个区域范围内,统计像素灰度值为1、2、30、100、180的数量,选取统计数量最多的灰度值进行如下判断:
(a)当灰度值为2时,若所统计灰度值数量中的最大值与像素总数量的比值大于阈值,则判断该区域颜色为纯色;
(b)当灰度值不为2且不为1时,若所统计灰度值数量中的最大值与黑色像素数量的比值大于阈值,判断该区域颜色为纯色;
(c)当灰度值不为1时,判断该区域颜色为不纯。
作为优选,所述步骤(4)中判断两个矩形区域是否为重复区域方法包括:若两个区域有重叠并且重叠部分面积大于两个区域中面积较小区域面积的60%,则判断两个矩形区域为重复区域。
作为优选,所述步骤(5)中视频数据时长为3分钟。
作为优选,所述步骤(6)中颜色突变次数阀值为4,颜色持续时间阀值为8s。
本发明的有益效果在于:(1)实现信号灯的自动检测与分类,具有良好的鲁棒性和适应性;(2)操作使用方便、智能,节约了成本,此方法为基于视频分析而自动运行检测信号灯实时信息,减少了许多繁琐的人工操作,只要对视频图像就可以对信号灯状态进行分析,不需要其他系统的支持;(3)能够保证交通秩序有序进行,对信号灯故障能够自动检测,由于该方法对信号灯是实行实时监控的,所以信号灯信息非常准确,可供交通部门进行交通路况管理;(4)能够自动检测进行交通违法行为,该系统中的实时交通视频监控系统自动检测交通信号灯的状态变化,然后结合当前车辆的行驶行为就可以判定其是否违法。
附图说明
图1是基于视频的交通信号灯定位、识别与分类方法的流程图;
图2是判断两个矩形区域是否为重复区域的示意图。
具体实施方式
下面结合具体实施例对本发明进行进一步描述,但本发明的保护范围并不仅限于此:
实施例1:如图1所示,基于视频分析的交通信号灯定位、识别与分类方法,利用交通信号灯的颜色变化规律性,即每个交通信号灯有规律地被点亮与熄灭并持续一定的时间,通过跟踪图像中相关像素点的颜色变化规律,识别监控视频中信号灯所处的区域位置,从而进一步确定信号灯位置,之后根据信号灯的图像特征对信号灯进行分类。本实施例主要针对红色、黄色、绿色圆形和箭头型信号灯的定位、识别及分类。具体实施步骤如下:
1)每隔三帧获取一张交通监控视频图像,将每一帧视频图像数据从原来的RGB颜色空间转换到HSV颜色空间,得到当前帧图像各像素点的色调、饱和度、亮度信息。
2)根据步骤1)所获得的每个像素的H、S和V的值来进行颜色分类,并根据分类结果在单通道空白颜色分类结果标记图像Iresult上设置对应的灰度值,得到只包含所需颜色信息的图像;本方法过滤掉不需要的信息,只保留所需要的颜色位置,方便统计信号灯图像的颜色信息,以便用于后面的颜色纯度检测。图像的像素颜色主要分为红色、绿色、黄色、黑色,白色和无关颜色,每一种颜色分类都有对应的灰度值。
本发明在单通道空白颜色分类结果标记图像Iresult上设置对应的灰度值具体包括以下步骤:
2.1)用Colori,j表示坐标为(i,j)像素点的颜色分类标志,用Hi,j、Si,j和Vi,j分别表示该像素点的色度、饱和度、亮度值。根据公式(1)对像素颜色进行分类。公式中Colori,j的值为1时表示为黑色,2表示为白色,3表示为红色,4表示为黄色,5表示为绿色,6表示为无关颜色。
颜色分类阈值虽不是发明重点,应当仍属于本发明的保护范围。该方法颜色分类阈值设置范围较为宽松。
2.2)Grayi,j表示坐标为(i,j)的像素点的颜色分类所对应的结果标记灰度值,根据下面的规则对标记灰度值进行设置:
A.如果Colori,j的值为2或6,则Grayi,j=1;
B.如果Colori,j的值为1,则Grayi,j=2;
C.如果Colori,j的值为3,则Grayi,j=180;
D.如果Colori,j的值为4,则Grayi,j=30;
E.如果Colori,j的值为5,则Grayi,j=100;
3)对颜色分类结果标记图像Iresult进行轮廓检测,获得轮廓的外接矩形区域集合,并将其作为疑似信号灯区域集合。利用检测区域颜色是否纯色的方法来过滤疑似信号灯矩形区域;由于信号灯的区域颜色始终都呈现出较为单纯的绿色、红色、黄色、黑色,并在区域内占有一定的面积比例,因此可以利用检测颜色的种类与所占比例来排除在疑似信号灯区域集合中颜色不纯的区域,因此将颜色为红色、黄色和绿色的区域保留下来,最终形成当前帧图像的信号灯候选区域集合。检测区域颜色是否为纯色的方法具体过程如下:
在每个区域范围内,分别统计像素灰度值1、2、30、100、180的数量,使用Max表示统计结果中像素数量的最大值,Color表示像素数量最大值所对应的灰度值,Black表示灰度值为2的像素数量,Sum表示像素总数。
如果统计结果中像素数量最大值不为黑色,根据公式(2)计算τ的值,该比值表示该颜色分类的像素数量最大值与黑色像素数量的比值:若τ的值大于某个阈值,且颜色分类结果不为白色,则认为所得到的颜色为纯色,如果颜色为白色,则颜色为不纯。在本实施例中,该阈值通过统计得出设置为0.3,该阈值可以根据实际情况进行调整。
τ=Max/Black (2)
信号灯灭灯时,信号灯所在矩形区域一般为全黑色,颜色分类为黑色的像素数量较多,但也不排除由于光线的影响会存在除黑色以外的颜色,所以把纯黑色的判断方法作为特殊情况来考虑。因此,如果统计出来像素数量最多的颜色为黑色,根据公式(3)计算δ的值,该比值表示颜色分类为黑色的像素数量与像素总数量的比值:若δ的值大于某个阈值,则认为所得到的颜色为纯色。在本实施例中设置为0.8。
δ=Max/Sum (3)
4)更新历史候选区域集合;若当前帧图像是视频中的第一帧图像,则将所有的信号灯候选区域加入历史候选区域集合;若不满足上述条件,则通过判断两个矩形区域是否为重复区域方法和纯色检测方法来进行对历史候选区域的筛选。筛选的具体过程:将当前帧图像中所获取的信号灯候选区域集合与历史候选区域集合做对比分析,利用区域的重叠情况判断两个矩形区域是否为重复区域。
判断两个矩形区域是否为重复区域的方法:若两个区域有重叠并且重叠部分面积大于最小区域(最小区域为两个区域中面积较小的区域)面积的60%,则判断两个矩形区域为重复区域。
如图2所示,是判断两个矩形区域是否出现重复的示意图,本图仅描述了一种区域重叠的可能情形,并不代表所有可能发生的重叠方式,具体重叠的形状可以根据两个矩形的顶点位置和大小进行分析得出。图中的Height表示重叠区域高,Width表示重叠区域宽,Area表示重叠区域面积,根据公式(4)计算区域面积。
Area=Height*Width (4)
若两个矩形区域重复,则重复区域保留在历史候选区域集合中并且记录该区域的位置信息、当前颜色信息;若两个矩形区域不重复,则把当前帧视频图像的信号灯候选区域添加到历史候选区域集合中留做进一步的检验。
进一步地,交通信号灯的亮灯与灭灯状态将循环交替出现,因此,视频图像中的信号灯区域颜色突变也将不断地交替出现,因此对未判断为重复的区域,采用判断历史候选区域集合中未出现重复的区域颜色是否为纯色的方法来进行对历史候选区域的进一步筛选。若区域颜色为纯色,则在历史候选集合中保留该区域信息并进一步判断:若当该纯颜色和区域所记录的当前颜色相同时,累计该纯颜色连续出现的次数,并统计该区域总共连续出现的次数;若当颜色发生改变时,则记录当前颜色和该颜色的突变次数,并把当前颜色更新为该颜色;若该区域颜色不为纯色,则将其从历史候选区域中删除。
5)判断视频数据的读取是否结束,若还有视频图像数据可读或已读图像数据量不满足要求,重复上述步骤,直至视频图像数据获取完毕或已满足数据数量要求。在本实施例中,需要读取的视频图像数据的时长为3分钟。
6)利用视频中每个交通信号灯在颜色上的交替突变规律性,信号灯所在区域的颜色突变将会重复出现多次,且信号灯区域在某一种颜色上的持续时间较长,因此判断历史候选区域集合中区域记录的颜色突变次数以及连续出现次数是否大于相应阈值:若是,则确定为信号灯区域;若否,则不为信号灯区域。
利用公式(5)计算每个区域的颜色的持续时间,公式中的Seconds表示持续时间秒数,Frames表示区域连续出现的次数,FPS表示视频的帧率,即视频每秒所包含的帧数。将区域中的颜色持续时间与突变次数同时大于相应阈值的区域确定为信号灯区域。在本实施例中,持续时间阈值设置为8s,突变次数阈值设置为4。
Seconds=Frames*3/FPS (5)
7)建立交通信号灯图像库,涵盖现有的各种信号灯的形状,包括:圆灯,箭头型信号灯(左转弯、直行、右转弯、左转弯掉头)等。每种形状的信号灯图像数量大于50张。对图像库中的信号灯图像进行灰度化、平滑和去噪处理,提取图像的HOG方向梯度直方图信息作为特征向量,训练SVM分类器,得到信号灯形状识别模型。
8)在信号灯区域确定的基础上,获得信号灯在视频的位置信息、颜色信息,并且获得每个信号灯区域的图像。对获得的信号灯图像进行灰度化、平滑和去噪处理,提取图像的HOG方向梯度直方图信息作为特征向量,利用步骤7)所获得的信号灯形状识别模型来对信号灯的形状进行分类。通过分析得到的信号灯的形状与前面所得到的颜色和位置信息,可以确定当前监控场景中各个信号灯的位置、信号灯的形状类型及信号灯的颜色,从而自动检测并识别出信号灯的各种基础信息。
以上的所述乃是本发明的具体实施例及所运用的技术原理,若依本发明的构想所作的改变,其所产生的功能作用仍未超出说明书及附图所涵盖的精神时,仍应属本发明的保护范围。
Claims (6)
1.基于视频分析的交通信号灯定位、识别与分类方法,通过视频设备实时采集视频图像,其特征在于:
(1)将视频图像的RGB颜色空间转换到HSV颜色空间,得到当前视频图像各像素点的色调、饱和度、亮度;
(2)对各像素点的H、S、V值进行颜色分类,并根据分类结果在单通道空白颜色分类结果标记图像Iresult上设置对应的灰度值;
(3)对颜色分类结果标记图像Iresult通过轮廓检测获得轮廓的外接矩形区域集合,并将其作为疑似信号灯区域集合,通过是否纯色方法对疑似信号灯区域集合进行过滤获得信号灯候选区域集合;
(4)更新历史信号灯候选区域集合;所述更新历史信号灯候选区域集合具体包括以下步骤:若当前帧图像是视频中的第一帧图像,则将所有的信号灯候选区域加入历史候选区域集合;若不满足上述条件,则通过判断两个矩形区域是否为重复区域方法和纯色检测方法来进行对历史候选区域的筛选;
(5)判断视频数据是否读取完毕,是则跳转到步骤(6),否则跳转到步骤(1);
(6)判断历史候选区域集合中区域记录的颜色突变次数以及颜色持续时间是否大于相应阈值;若是,则确定为信号灯区域,否则不为信号灯区域;
(7)建立交通信号灯图像库,对图像库中的信号灯图像进行灰度化、平滑和去噪处理,提取图像的HOG方向梯度直方图信息作为特征向量,训练SVM分类器,获到信号灯形状识别模型;
(8)调用信号灯形状识别模型对步骤(6)确定的信号灯区域内的信号灯的形状进行分类,输出分类结果。
2.根据权利要求1所述的基于视频分析的交通信号灯定位、识别与分类方法,其特征在于,所述步骤(2)中的对各像素点的H、S、V值进行颜色分类,并根据分类结果在单通道空白颜色分类结果标记图像Iresult上设置对应的灰度值具体包括以下设置规则:
(1)若V≤20或S<100或S≤53且V≤185时像素的颜色分类为黑色,颜色分类结果标记图像Iresult中对应像素的灰度值设置为2;
(2)若S≤27且V>190像素的颜色分类为白色,颜色分类结果标记图像Iresult中对应像素的灰度值设置为1;
(3)若S值,V值都不满足上面两种情况时:
(3.1)若H≤15或H≥156且H≤180像素的颜色分类为红色,颜色分类结果标记图像Iresult中对应像素的灰度值设置为180;
(3.2)若H>15且H≤35像素的颜色分类为黄色,颜色分类结果标记图像Iresult中对应像素的灰度值设置为30;
(3.3)若H>35且H≤100像素的颜色分类为绿色,颜色分类结果标记图像Iresult中对应像素的灰度值设置为100;
(4)若H值皆不满足上述条件,则为无关颜色,颜色分类结果标记图像Iresult中对应像素的灰度值设置为1。
3.根据权利要求2所述的基于视频分析的交通信号灯定位、识别与分类方法,其特征在于,所述的判断区域颜色是否为纯色的方法包括:在每个区域范围内,统计像素灰度值为1、2、30、100、180的数量,选取统计数量最多的灰度值进行如下判断:
(a)当灰度值为2时,若所统计灰度值数量中的最大值与像素总数量的比值大于阈值,则判断该区域颜色为纯色;
(b)当灰度值不为2且不为1时,若所统计灰度值数量中的最大值与黑色像素数量的比值大于阈值,判断该区域颜色为纯色;
(c)当灰度值不为1时,判断该区域颜色为不纯。
4.根据权利要求3所述的基于视频分析的交通信号灯定位、识别与分类方法,其特征在于,所述步骤(4)中判断两个矩形区域是否为重复区域方法包括:若两个区域有重叠并且重叠部分面积大于两个区域中面积较小区域面积的60%,则判断两个矩形区域为重复区域。
5.根据权利要求1所述的基于视频分析的交通信号灯定位、识别与分类方法,其特征在于,所述步骤(5)中视频数据时长为3分钟。
6.根据权利要求1所述的基于视频分析的交通信号灯定位、识别与分类方法,其特征在于,所述步骤(6)中颜色突变次数阀值为4,颜色持续时间阀值为8s。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410178384.6A CN103955705B (zh) | 2014-04-29 | 2014-04-29 | 基于视频分析的交通信号灯定位、识别与分类方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410178384.6A CN103955705B (zh) | 2014-04-29 | 2014-04-29 | 基于视频分析的交通信号灯定位、识别与分类方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103955705A true CN103955705A (zh) | 2014-07-30 |
CN103955705B CN103955705B (zh) | 2017-11-28 |
Family
ID=51332980
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410178384.6A Active CN103955705B (zh) | 2014-04-29 | 2014-04-29 | 基于视频分析的交通信号灯定位、识别与分类方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103955705B (zh) |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104574960A (zh) * | 2014-12-25 | 2015-04-29 | 宁波中国科学院信息技术应用研究院 | 一种交通灯识别方法 |
CN104574313A (zh) * | 2015-01-07 | 2015-04-29 | 博康智能网络科技股份有限公司 | 红绿灯的红灯颜色增强方法及其增强系统 |
CN104766071A (zh) * | 2015-04-28 | 2015-07-08 | 重庆邮电大学 | 一种应用于无人驾驶汽车的交通灯快速检测算法 |
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 |
CN105279511A (zh) * | 2015-10-20 | 2016-01-27 | 浙江宇视科技有限公司 | 基于颜色时变特征的交通信号灯重定位方法及装置 |
CN105430352A (zh) * | 2015-12-23 | 2016-03-23 | 浙江宇视科技有限公司 | 一种视频监控图像的处理方法 |
CN106529556A (zh) * | 2016-11-16 | 2017-03-22 | 国家电网公司 | 一种仪表指示灯的视觉检测系统 |
CN107704853A (zh) * | 2017-11-24 | 2018-02-16 | 重庆邮电大学 | 一种基于多分类器的交通信号灯的识别方法 |
CN107901951A (zh) * | 2017-12-14 | 2018-04-13 | 西北铁道电子股份有限公司 | 一种机车调车装置及方法 |
CN107993224A (zh) * | 2017-11-28 | 2018-05-04 | 沈阳建筑大学 | 一种基于圆形标志物的物体检测定位方法 |
CN108090411A (zh) * | 2016-11-23 | 2018-05-29 | 福特全球技术公司 | 使用计算机视觉和深度学习进行交通信号灯检测和分类 |
CN108376253A (zh) * | 2018-03-05 | 2018-08-07 | 西南交通大学 | 一种基于机器视觉的信号机故障监测方法 |
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 |
CN109410598A (zh) * | 2018-11-09 | 2019-03-01 | 浙江浩腾电子科技股份有限公司 | 一种基于计算机视觉的交通路口拥堵检测方法 |
CN109544955A (zh) * | 2018-12-26 | 2019-03-29 | 广州小鹏汽车科技有限公司 | 一种交通信号灯的状态获取方法及系统 |
CN111127923A (zh) * | 2018-10-31 | 2020-05-08 | 驭势科技(北京)有限公司 | 一种指示标识的解析设备和方法 |
CN111582030A (zh) * | 2020-04-02 | 2020-08-25 | 北京百度网讯科技有限公司 | 红绿灯的识别方法、装置、电子设备和计算机存储介质 |
CN111666824A (zh) * | 2020-05-14 | 2020-09-15 | 浙江工业大学 | 移动机器人的基于颜色属性和机器学习的指示灯识别方法 |
CN111833634A (zh) * | 2019-04-17 | 2020-10-27 | 青岛海信网络科技股份有限公司 | 一种信号灯故障检测方法及装置 |
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 |
CN113129591A (zh) * | 2021-04-13 | 2021-07-16 | 江苏智通交通科技有限公司 | 一种基于深度学习目标检测的交通信号灯故障检测方法 |
CN115631637A (zh) * | 2022-10-26 | 2023-01-20 | 东风汽车集团股份有限公司 | 一种智能绿波速度判定方法及系统 |
CN116152784A (zh) * | 2023-04-21 | 2023-05-23 | 深圳市夜行人科技有限公司 | 一种基于图像处理的信号灯预警方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090303077A1 (en) * | 2006-03-06 | 2009-12-10 | Hirohisa Onome | Image Processing System and Method |
CN102622420A (zh) * | 2012-02-22 | 2012-08-01 | 哈尔滨工程大学 | 基于颜色特征和形状上下文的商标图像检索方法 |
CN103345618A (zh) * | 2013-06-21 | 2013-10-09 | 银江股份有限公司 | 一种基于视频技术的交通违章检测方法 |
-
2014
- 2014-04-29 CN CN201410178384.6A patent/CN103955705B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090303077A1 (en) * | 2006-03-06 | 2009-12-10 | Hirohisa Onome | Image Processing System and Method |
CN102622420A (zh) * | 2012-02-22 | 2012-08-01 | 哈尔滨工程大学 | 基于颜色特征和形状上下文的商标图像检索方法 |
CN103345618A (zh) * | 2013-06-21 | 2013-10-09 | 银江股份有限公司 | 一种基于视频技术的交通违章检测方法 |
Non-Patent Citations (2)
Title |
---|
"交通信号灯检测识别算法的研究";黄振威;《中国优秀硕士学位论文全文数据库(信息科技辑)》;20130215(第02期);第2.3.2节、第3章、第4.2节、第4.3节 * |
黄振威: ""交通信号灯检测识别算法的研究"", 《中国优秀硕士学位论文全文数据库(信息科技辑)》 * |
Cited By (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104574960B (zh) * | 2014-12-25 | 2016-08-24 | 宁波中国科学院信息技术应用研究院 | 一种交通灯识别方法 |
CN104574960A (zh) * | 2014-12-25 | 2015-04-29 | 宁波中国科学院信息技术应用研究院 | 一种交通灯识别方法 |
CN104574313A (zh) * | 2015-01-07 | 2015-04-29 | 博康智能网络科技股份有限公司 | 红绿灯的红灯颜色增强方法及其增强系统 |
CN104574313B (zh) * | 2015-01-07 | 2018-01-09 | 新智认知数据服务有限公司 | 红绿灯的红灯颜色增强方法及其增强系统 |
CN104766071B (zh) * | 2015-04-28 | 2018-02-02 | 重庆邮电大学 | 一种应用于无人驾驶汽车的交通灯快速检测算法 |
CN104766071A (zh) * | 2015-04-28 | 2015-07-08 | 重庆邮电大学 | 一种应用于无人驾驶汽车的交通灯快速检测算法 |
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 |
CN105279511A (zh) * | 2015-10-20 | 2016-01-27 | 浙江宇视科技有限公司 | 基于颜色时变特征的交通信号灯重定位方法及装置 |
CN105279511B (zh) * | 2015-10-20 | 2020-04-07 | 浙江宇视科技有限公司 | 基于颜色时变特征的交通信号灯重定位方法及装置 |
CN105430352B (zh) * | 2015-12-23 | 2019-01-11 | 浙江宇视科技有限公司 | 一种视频监控图像的处理方法 |
CN105430352A (zh) * | 2015-12-23 | 2016-03-23 | 浙江宇视科技有限公司 | 一种视频监控图像的处理方法 |
CN106529556B (zh) * | 2016-11-16 | 2019-11-19 | 国家电网公司 | 一种仪表指示灯的视觉检测系统 |
CN106529556A (zh) * | 2016-11-16 | 2017-03-22 | 国家电网公司 | 一种仪表指示灯的视觉检测系统 |
CN108090411A (zh) * | 2016-11-23 | 2018-05-29 | 福特全球技术公司 | 使用计算机视觉和深度学习进行交通信号灯检测和分类 |
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 |
CN107704853A (zh) * | 2017-11-24 | 2018-02-16 | 重庆邮电大学 | 一种基于多分类器的交通信号灯的识别方法 |
CN107993224A (zh) * | 2017-11-28 | 2018-05-04 | 沈阳建筑大学 | 一种基于圆形标志物的物体检测定位方法 |
CN107993224B (zh) * | 2017-11-28 | 2021-06-11 | 沈阳建筑大学 | 一种基于圆形标志物的物体检测定位方法 |
CN107901951A (zh) * | 2017-12-14 | 2018-04-13 | 西北铁道电子股份有限公司 | 一种机车调车装置及方法 |
CN108376253A (zh) * | 2018-03-05 | 2018-08-07 | 西南交通大学 | 一种基于机器视觉的信号机故障监测方法 |
CN111127923A (zh) * | 2018-10-31 | 2020-05-08 | 驭势科技(北京)有限公司 | 一种指示标识的解析设备和方法 |
CN111127923B (zh) * | 2018-10-31 | 2021-01-29 | 驭势科技(北京)有限公司 | 一种指示标识的解析设备和方法 |
CN109410598A (zh) * | 2018-11-09 | 2019-03-01 | 浙江浩腾电子科技股份有限公司 | 一种基于计算机视觉的交通路口拥堵检测方法 |
CN109544955A (zh) * | 2018-12-26 | 2019-03-29 | 广州小鹏汽车科技有限公司 | 一种交通信号灯的状态获取方法及系统 |
CN111833634A (zh) * | 2019-04-17 | 2020-10-27 | 青岛海信网络科技股份有限公司 | 一种信号灯故障检测方法及装置 |
CN111833634B (zh) * | 2019-04-17 | 2021-07-13 | 青岛海信网络科技股份有限公司 | 一种信号灯故障检测方法及装置 |
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 |
CN111582030A (zh) * | 2020-04-02 | 2020-08-25 | 北京百度网讯科技有限公司 | 红绿灯的识别方法、装置、电子设备和计算机存储介质 |
CN111582030B (zh) * | 2020-04-02 | 2023-08-29 | 北京百度网讯科技有限公司 | 红绿灯的识别方法、装置、电子设备和计算机存储介质 |
CN111666824A (zh) * | 2020-05-14 | 2020-09-15 | 浙江工业大学 | 移动机器人的基于颜色属性和机器学习的指示灯识别方法 |
CN111666824B (zh) * | 2020-05-14 | 2023-12-15 | 浙江工业大学 | 移动机器人的基于颜色属性和机器学习的指示灯识别方法 |
CN113129591A (zh) * | 2021-04-13 | 2021-07-16 | 江苏智通交通科技有限公司 | 一种基于深度学习目标检测的交通信号灯故障检测方法 |
CN115631637A (zh) * | 2022-10-26 | 2023-01-20 | 东风汽车集团股份有限公司 | 一种智能绿波速度判定方法及系统 |
CN116152784A (zh) * | 2023-04-21 | 2023-05-23 | 深圳市夜行人科技有限公司 | 一种基于图像处理的信号灯预警方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN103955705B (zh) | 2017-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103955705A (zh) | 基于视频分析的交通信号灯定位、识别与分类方法 | |
US9704060B2 (en) | Method for detecting traffic violation | |
CN103714325B (zh) | 基于嵌入式系统的遗留物和遗失物实时检测方法 | |
US6985172B1 (en) | Model-based incident detection system with motion classification | |
CN102496282B (zh) | 一种rgb颜色变换的交通路口信号灯状态识别方法 | |
CN201425781Y (zh) | 基于人流量的交通信号灯 | |
CN103069434B (zh) | 用于多模式视频事件索引的方法和系统 | |
KR102122859B1 (ko) | 교통 영상감시시스템의 멀티 표적 추적 방법 | |
CN104751634B (zh) | 高速公路隧道行车图像采集信息的综合应用方法 | |
CN102768801B (zh) | 基于视频的机动车绿灯跟进违章行为的检测方法 | |
CN105354530A (zh) | 一种车身颜色识别方法及装置 | |
CN101739827B (zh) | 一种车辆检测跟踪方法和装置 | |
US20120262579A1 (en) | Electronic device and vehicle detection method using the electronic device | |
CN101799987A (zh) | 一种自适应式智能交通灯及其控制方法 | |
CN104574960A (zh) | 一种交通灯识别方法 | |
CN103116987A (zh) | 一种基于监控视频处理的车流统计和违规检测的方法 | |
CN107704853A (zh) | 一种基于多分类器的交通信号灯的识别方法 | |
KR102122850B1 (ko) | 딥 러닝 기반의 교통분석 및 차량번호 인식 솔루션 | |
CN109670450B (zh) | 一种基于视频的人车物检测方法 | |
CN109147351A (zh) | 一种交通信号灯控制系统 | |
Wonghabut et al. | Traffic light color identification for automatic traffic light violation detection system | |
CN113055649A (zh) | 一种隧道智能视频监控方法、装置、智能终端及存储介质 | |
CN112750170A (zh) | 一种雾特征识别方法、装置及相关设备 | |
Vani et al. | Intelligent traffic control system with priority to emergency vehicles | |
CN103729863A (zh) | 基于自主学习的交通信号灯全自动定位识别的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP01 | Change in the name or title of a patent holder | ||
CP01 | Change in the name or title of a patent holder |
Address after: 310012 1st floor, building 1, 223 Yile Road, Hangzhou City, Zhejiang Province Patentee after: Yinjiang Technology Co.,Ltd. Address before: 310012 1st floor, building 1, 223 Yile Road, Hangzhou City, Zhejiang Province Patentee before: ENJOYOR Co.,Ltd. |