CN104574377A - 用于电子警察的红灯偏黄的校正方法 - Google Patents

Abstract

本发明公开了一种用于电子警察的红灯偏黄的校正方法，通过设置红灯ROI区域、HSV颜色空间变换，得到准确的红灯像素点，并通过对H值进行调整，校正红灯偏黄。本发明提供的用于电子警察的红灯偏黄的校正方法，是一完整的解决方案，可用于视频监控、智能交通等领域；使用本发明的跟踪方法，用户可很好的解决摄像机拍摄的交通信号灯的红灯偏黄问题。

Description

用于电子警察的红灯偏黄的校正方法

技术领域

本发明涉及一种用于电子警察的红灯偏黄的校正方法，属于图像处理技术。

背景技术

电子警察用于在交通路口通过摄像机抓拍违章行为，此外智能交通、视频监控也把交通路口作为重要的监控地点。由于镜头和摄像机感光等原因，当交通信号灯亮度较大时，红色信号灯会偏黄，甚至完全变为黄色，与黄色信号灯无异。对于电子警察产品产生的违章记录来说，这时红灯偏黄会带来罚款证据的歧义，甚至车主投诉。现有的方法是通过人工描红，但很不自然，修改的痕迹明显，且效率低下。

发明内容

发明目的：为了克服现有方法的不足，本发明提供一种基于图像处理的红灯偏黄的校正方法，可以自动把偏色为黄色的像素点校正为正常的红灯颜色，效率高，结果更自然平滑。

技术方案：为实现上述目的，本发明采用的技术方案为：

用于电子警察的红灯偏黄的校正方法，设置红灯ROI区域(感兴趣区域)，将输入图像的红灯ROI区域从RGB颜色空间转换到HSV颜色空间，通过红灯区域定位算法得到准确的红灯区域，对红灯区域采用偏色校正算法，将红灯区域中偏黄的部分校正为红色；具体包括如下步骤：

(1)对每个场景，设置红灯ROI区域；

(2)将视频流或单幅图像的红灯ROI区域的全部像素点从RGB颜色空间转换到HSV颜色空间；

(3)在红灯ROI区域中进行红灯区域定位：对于视频流，通过时间域、频率域及空间域定位，得到准确的红灯像素点；对于单幅图像，通过对H、S和V值的综合判断及后处理，得到准确的红灯像素点；

(4)对红灯ROI区域进行偏色校正：将红灯像素点的H值通过校正公式减小到红色范围；

(5)将红灯ROI区域中的红灯像素点从HSV颜色空间变换到RGB颜色空间。

所述步骤(1)中，红灯ROI区域为一个矩形区域：对于视频流，该矩形区域可粗略设置，只要包含红灯区域即可；对于单幅图像，该矩阵区域需要相对精确设置，可比实际的红灯区域略大，但不能包括黄灯区域。

所述步骤(2)中，将像素点从RGB颜色空间转换到HSV颜色空间的计算公式如下：

MAX＝max(R,G,B)

MIN＝min(R,G,B)

if R＝MAX,then H＝(G-B)/(MAX-MIN)

if G＝MAX,then H＝2+(B-R)/(MAX-MIN)

if B＝MAX,then H＝4+(R-G)/(MAX-MIN)

if H<0,then H＝H+6

H＝H×60

V＝max(R,G,B)

S＝(MAX-MIN)/MAX

其中，if表示如果，then表示则；色度H表示色彩信息，即所处的光谱颜色的位置，范围为0～360°，红、绿、蓝分别相隔120°，互补色分别相差180°；饱和度S为一比例值，范围为0～1，它表示所选颜色的纯度和该颜色最大的纯度之间的比率，S＝0时，只有灰度；V表示色彩的亮度，范围为0～255。

所述步骤(3)中，对于视频流，从空间域、频率域及时间域三个角度，对信号灯进行定位得到最终定位结果，并根据频率域与时间域的定位结果确定最终的信号灯位置及大小；然后根据信号灯的空间域检测结果与最终定位结果，确定信号灯初步识别状态；再更新各信号灯灯亮、灯灭时的像素值高斯分布模型，据此对初步识别结果进行校准；最后输出信号灯定位与识别结果。

所述步骤(3)中，对于单幅图像，通过对H、S和V值的综合判断及后处理，得到准确的红灯像素点，由于偏色主要发生在红色像素点亮度较高时，因此按下述条件进行综合判断：

0<H<80，S>20％，V>150

将同时满足上述条件的像素点标记为候选红灯像素点，其中包括了未偏色的红色像素点和发生偏色的黄色像素点。再通过形态学分析去除孤立点，或通过连通域分析去除孤立点和摄像机剧烈抖动时造成进入红灯ROI区域的部分黄灯像素点。红色像素被校正后仍在红色范围，这样可保证校正结果平滑。

所述步骤(4)中，对定位出的红色像素点，通过校正公式，将H值减小到30以内，S和V值保持不变；所述校正公式为线性变换公式：H＝H×0.3。

所述步骤(5)中，将红灯ROI区域中红灯像素点从HSV颜色空间变换到RGB颜色空间，非红灯ROI区域保留原来的RGB颜色空间不变，将像素点从HSV颜色空间转换到RGB颜色空间的计算公式如下：

H＝H/60

i＝INTEGER(H)

f＝H-i

a＝V×(1-S)

b＝V×(1-S×f)

c＝V×(1-S×(1-f))

switch(i)

case 0:R＝V；G＝c；B＝a；

case 1:R＝b；G＝V；B＝a；

case 2:R＝a；G＝V；B＝c；

case 3:R＝a；G＝b；B＝V；

case 4:R＝c；G＝a；B＝V；

case 5:R＝V；G＝a；B＝b；

其中，INTEGER(H)表示对H取整，switch(i)表示选取i的值，case 0表示在i＝0的情况下，R、G、B的计算值，其他类同。

有益效果：本发明提供的用于电子警察的红灯偏黄的校正方法，是一完整的解决方案，可自动、高效、自然地对红灯偏黄的图像进行校正，也可用于视频监控、智能交通等领域；使用本发明的方法，用户可很好的解决摄像机拍摄的交通信号灯的红灯偏黄问题。对于200万像素的电子警察抓拍图片，三个车道信号灯的校正时间在在i5的pc机上的运行时间1毫秒以内，对大量路口电子警察抓拍的白天和晚上的偏色图片校正，效果十分明显。

附图说明

图1和图2为本发明方法的两个实例的流程图。

具体实施方式

下面结合附图对本发明作更进一步的说明。

一种用于电子警察的红灯偏黄的校正方法，设置红灯ROI区域，将输入图像的红灯ROI区域从RGB颜色空间转换到HSV颜色空间，通过红灯区域定位算法得到准确的红灯区域，对红灯区域采用偏色校正算法，将红灯区域中偏黄的部分校正为红色；具体包括如下步骤：

步骤一：对每个场景，设置红灯ROI区域。

所述红灯ROI区域为一个矩形区域：对于视频流，该矩形区域可粗略设置，只要包含红灯区域即可；对于单幅图像，该矩阵区域需要相对精确设置，可比实际的红灯区域略大，但不能包括黄灯区域。

步骤二：将视频流或单幅图像的红灯ROI区域的全部像素点从RGB颜色空间转换到HSV颜色空间。

将像素点从RGB颜色空间转换到HSV颜色空间的计算公式如下：

MAX＝max(R,G,B)

MIN＝min(R,G,B)

if R＝MAX,then H＝(G-B)/(MAX-MIN)

if G＝MAX,then H＝2+(B-R)/(MAX-MIN)

if B＝MAX,then H＝4+(R-G)/(MAX-MIN)

if H<0,then H＝H+6

H＝H×60

V＝max(R,G,B)

S＝(MAX-MIN)/MAX

其中，if表示如果，then表示则；色度H表示色彩信息，即所处的光谱颜色的位置，范围为0～360°，红、绿、蓝分别相隔120°，互补色分别相差180°；饱和度S为一比例值，范围为0～1，它表示所选颜色的纯度和该颜色最大的纯度之间的比率，S＝0时，只有灰度；V表示色彩的亮度，范围为0～255。

步骤三：在红灯ROI区域中进行红灯区域定位：对于视频流，通过时间域、频率域及空间域定位，得到准确的红灯像素点；对于单幅图像，通过对H、S和V值的综合判断，得到准确的红灯像素点。

对于视频流，从空间域、频率域及时间域三个角度，对信号灯进行定位得到最终定位结果，并根据频率域与时间域的定位结果确定最终的信号灯位置及大小；然后根据信号灯的空间域检测结果与最终定位结果，确定信号灯初步识别状态；再更新各信号灯灯亮、灯灭时的像素值高斯分布模型，据此对初步识别结果进行校准；最后输出信号灯定位与识别结果。具体可参考中国发明专利申请201310656616.X，基于自主学习的交通信号灯全自动定位识别的方法。

对于单幅图像，通过对H、S和V值的综合判断及后处理，得到准确的红灯像素点，由于偏色主要发生在红色像素点亮度较高时，因此按下述条件进行综合判断：

0<H<80，S>20％，V>150

将同时满足上述条件的像素点标记为红灯像素点，其中包括了未偏色的红色像素点和发生偏色的黄色像素点。再通过形态学分析去除孤立点，或通过连通域分析去除孤立点和摄像机剧烈抖动时造成进入红灯ROI区域的部分黄灯像素点。红色像素被校正后仍在红色范围，这样可保证校正结果平滑。

步骤四：对红灯ROI区域进行偏色校正：将红灯像素点的H值通过校正公式减小到红色范围。

对定位出的红色像素点，通过校正公式，将H值减小到30以内，S和V值保持不变；所述校正公式为线性变换公式：H＝H×0.3。

步骤五：将红灯ROI区域中的红灯像素点从HSV颜色空间变换到RGB颜色空间。

将红灯ROI区域中红灯像素点从HSV颜色空间变换到RGB颜色空间，非红灯ROI区域保留原来的RGB颜色空间不变，将像素点从HSV颜色空间转换到RGB颜色空间的计算公式如下：

H＝H/60

i＝INTEGER(H)

f＝H-i

a＝V×(1-S)

b＝V×(1-S×f)

c＝V×(1-S×(1-f))

switch(i)

case 0:R＝V；G＝c；B＝a；

case 1:R＝b；G＝V；B＝a；

case 2:R＝a；G＝V；B＝c；

case 3:R＝a；G＝b；B＝V；

case 4:R＝c；G＝a；B＝V；

case 5:R＝V；G＝a；B＝b；

其中，INTEGER(H)表示对H取整，switch(i)表示选取i的值，case 0表示在i＝0的情况下，R、G、B的计算值，其他类同。

下面结合实施例对本发明作出进一步的说明。

实施例一

如图1所示，用于电子警察的红灯偏黄的校正方法，对视频流进行偏色校正，具体包括如下步骤：

(a1)对实际的电子警察路口，设置红灯ROI区域；

(a2)处理视频流的每帧图像，把红灯ROI区域的全部像素点从RGB颜色空间转换到HSV颜色空间；

(a3)在红灯ROI区域中进行红灯区域定位：通过时间域、频率域及空间域定位，得到准确的红灯像素点；

(a4)对红灯ROI区域进行偏色校正：把红灯像素点的H值乘以0.3；

(a5)将红灯ROI区域中的红灯像素点从HSV颜色空间变换到RGB颜色空间。

实施例二

如图2所示，用于电子警察的红灯偏黄的校正方法，对违章图像进行偏色校正，具体包括如下步骤：

(b1)对电子警察抓拍的违章图像，设置红灯ROI区域，因为违章图像只有红灯和绿灯是亮的状态，黄灯不亮，可以粗略设置包括整个信号灯面板的矩形作为红灯ROI区域。

(b2)将违章图像红灯ROI区域的全部像素点从RGB颜色空间转换到HSV颜色空间；

(b3)在红灯ROI区域中进行红灯区域定位：通过对H、S和V值的综合判断及后处理，得到准确的红灯像素点；

(b4)对红灯ROI区域进行偏色校正：把红灯像素点的H值乘以0.3；

(b5)将红灯ROI区域中的红灯像素点从HSV颜色空间变换到RGB颜色空间。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (7)

1.用于电子警察的红灯偏黄的校正方法，其特征在于：设置红灯ROI区域，将输入图像的红灯ROI区域从RGB颜色空间转换到HSV颜色空间，通过红灯区域定位算法得到准确的红灯区域，对红灯区域采用偏色校正算法，将红灯区域中偏黄的部分校正为红色；具体包括如下步骤：

(1)对每个场景，设置红灯ROI区域；

(2)将视频流或单幅图像的红灯ROI区域的全部像素点从RGB颜色空间转换到HSV颜色空间；

(3)在红灯ROI区域中进行红灯区域定位：对于视频流，通过时间域、频率域及空间域定位，得到准确的红灯像素点；对于单幅图像，通过对H、S和V值的综合判断及后处理，得到准确的红灯像素点；

(4)对红灯ROI区域进行偏色校正：将红灯像素点的H值通过校正公式减小到红色范围；

(5)将红灯ROI区域中的红灯像素点从HSV颜色空间变换到RGB颜色空间。

2.根据权利要求1所述的用于电子警察的红灯偏黄的校正方法，其特征在于：所述步骤(1)中，红灯ROI区域为一个矩形区域：对于视频流，该矩形区域只要包含红灯区域即可；对于单幅图像，该矩阵区域要包含红灯区域，但不能包括黄灯区域。

3.根据权利要求1所述的用于电子警察的红灯偏黄的校正方法，其特征在于：所述步骤(2)中，将像素点从RGB颜色空间转换到HSV颜色空间的计算公式如下：

MAX＝max(R,G,B)

MIN＝min(R,G,B)

if R＝MAX,then H＝(G-B)/(MAX-MIN)

if G＝MAX,then H＝2+(B-R)/(MAX-MIN)

if B＝MAX,then H＝4+(R-G)/(MAX-MIN)

if H<0,then H＝H+6

H＝H×60

V＝max(R,G,B)

S＝(MAX-MIN)/MAX

其中，if表示如果，then表示则；色度H表示色彩信息，即所处的光谱颜色的位置，范围为0～360°，红、绿、蓝分别相隔120°，互补色分别相差180°；饱和度S为一比例值，范围为0～1，它表示所选颜色的纯度和该颜色最大的纯度之间的比率，S＝0时，只有灰度；V表示色彩的亮度，范围为0～255。

4.根据权利要求1所述的用于电子警察的红灯偏黄的校正方法，其特征在于：所述步骤(3)中，对于视频流，从空间域、频率域及时间域三个角度，对信号灯进行定位得到最终定位结果，并根据频率域与时间域的定位结果确定最终的信号灯位置及大小；然后根据信号灯的空间域检测结果与最终定位结果，确定信号灯初步识别状态；再更新各信号灯灯亮、灯灭时的像素值高斯分布模型，据此对初步识别结果进行校准；最后输出信号灯定位与识别结果。

5.根据权利要求1所述的用于电子警察的红灯偏黄的校正方法，其特征在于：所述步骤(3)中，对于单幅图像，通过对H、S和V值的综合判断及后处理，得到准确的红灯像素点，由于偏色主要发生在红色像素点亮度较高时，因此按下述条件进行综合判断：

0<H<80，S>20％，V>150

将同时满足上述条件的像素点标记为候选红灯像素点，再通过形态学分析去除孤立点，或通过连通域分析去除孤立点和摄像机剧烈抖动时造成进入红灯ROI区域的部分黄灯像素点。

6.根据权利要求1所述的用于电子警察的红灯偏黄的校正方法，其特征在于：所述步骤(4)中，对定位出的红色像素点，通过校正公式，将H值减小到30以内，S和V值保持不变；所述校正公式为线性变换公式：H＝H×0.3。

7.根据权利要求1所述的用于电子警察的红灯偏黄的校正方法，其特征在于：所述步骤(5)中，将红灯ROI区域中红灯像素点从HSV颜色空间变换到RGB颜色空间，非红灯ROI区域保留原来的RGB颜色空间不变，将像素点从HSV颜色空间转换到RGB颜色空间的计算公式如下：

H＝H/60

i＝INTEGER(H)

f＝H-i

a＝V×(1-S)

b＝V×(1-S×f)

c＝V×(1-S×(1-f))

switch(i)

case 0:R＝V；G＝c；B＝a；

case 1:R＝b；G＝V；B＝a；

case 2:R＝a；G＝V；B＝c；

case 3:R＝a；G＝b；B＝V；

case 4:R＝c；G＝a；B＝V；

case 5:R＝V；G＝a；B＝b；

其中，INTEGER(H)表示对H取整，switch(i)表示选取i的值，case 0表示在i＝0的情况下，R、G、B的计算值，其他类同。