CN104574377A - 用于电子警察的红灯偏黄的校正方法 - Google Patents
用于电子警察的红灯偏黄的校正方法 Download PDFInfo
- Publication number
- CN104574377A CN104574377A CN201410817443.XA CN201410817443A CN104574377A CN 104574377 A CN104574377 A CN 104574377A CN 201410817443 A CN201410817443 A CN 201410817443A CN 104574377 A CN104574377 A CN 104574377A
- Authority
- CN
- China
- Prior art keywords
- red light
- pixel
- max
- color space
- region
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30236—Traffic on road, railway or crossing
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
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410817443.XA CN104574377A (zh) | 2014-12-24 | 2014-12-24 | 用于电子警察的红灯偏黄的校正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410817443.XA CN104574377A (zh) | 2014-12-24 | 2014-12-24 | 用于电子警察的红灯偏黄的校正方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104574377A true CN104574377A (zh) | 2015-04-29 |
Family
ID=53090349
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410817443.XA Pending CN104574377A (zh) | 2014-12-24 | 2014-12-24 | 用于电子警察的红灯偏黄的校正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104574377A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105427639A (zh) * | 2015-12-18 | 2016-03-23 | 杭州中威电子股份有限公司 | 一种基于嵌入式系统的交通信号红灯减光晕系统以及方法 |
CN106507079A (zh) * | 2016-11-03 | 2017-03-15 | 浙江宇视科技有限公司 | 一种色彩还原方法和装置 |
CN107545556A (zh) * | 2016-06-28 | 2018-01-05 | 杭州海康威视数字技术股份有限公司 | 一种信号灯图像的处理方法和系统 |
CN108229250A (zh) * | 2016-12-14 | 2018-06-29 | 杭州海康威视数字技术股份有限公司 | 交通信号灯重定位方法及装置 |
CN108961357A (zh) * | 2017-05-17 | 2018-12-07 | 浙江宇视科技有限公司 | 一种交通信号灯过爆图像强化方法及装置 |
WO2022228033A1 (zh) * | 2021-04-27 | 2022-11-03 | 青岛海尔电冰箱有限公司 | 图像偏色的检测及校正方法、设备及冰箱 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101764913A (zh) * | 2008-12-10 | 2010-06-30 | 新奥特(北京)视频技术有限公司 | 一种基于hsv空间的颜色替换方法 |
US20130027441A1 (en) * | 2011-07-29 | 2013-01-31 | Japan Display West, Inc. | Method of driving image display device |
JP2013210709A (ja) * | 2012-03-30 | 2013-10-10 | Eizo Corp | 画像表示装置またはその方法 |
CN103488987A (zh) * | 2013-10-15 | 2014-01-01 | 浙江宇视科技有限公司 | 一种基于视频检测交通信号灯的方法及装置 |
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 |
-
2014
- 2014-12-24 CN CN201410817443.XA patent/CN104574377A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101764913A (zh) * | 2008-12-10 | 2010-06-30 | 新奥特(北京)视频技术有限公司 | 一种基于hsv空间的颜色替换方法 |
US20130027441A1 (en) * | 2011-07-29 | 2013-01-31 | Japan Display West, Inc. | Method of driving image display device |
JP2013210709A (ja) * | 2012-03-30 | 2013-10-10 | Eizo Corp | 画像表示装置またはその方法 |
CN103488987A (zh) * | 2013-10-15 | 2014-01-01 | 浙江宇视科技有限公司 | 一种基于视频检测交通信号灯的方法及装置 |
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 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105427639A (zh) * | 2015-12-18 | 2016-03-23 | 杭州中威电子股份有限公司 | 一种基于嵌入式系统的交通信号红灯减光晕系统以及方法 |
CN107545556A (zh) * | 2016-06-28 | 2018-01-05 | 杭州海康威视数字技术股份有限公司 | 一种信号灯图像的处理方法和系统 |
CN107545556B (zh) * | 2016-06-28 | 2021-08-17 | 杭州海康威视数字技术股份有限公司 | 一种信号灯图像的处理方法和系统 |
CN106507079A (zh) * | 2016-11-03 | 2017-03-15 | 浙江宇视科技有限公司 | 一种色彩还原方法和装置 |
CN106507079B (zh) * | 2016-11-03 | 2019-08-27 | 浙江宇视科技有限公司 | 一种色彩还原方法和装置 |
CN108229250A (zh) * | 2016-12-14 | 2018-06-29 | 杭州海康威视数字技术股份有限公司 | 交通信号灯重定位方法及装置 |
CN108229250B (zh) * | 2016-12-14 | 2020-07-10 | 杭州海康威视数字技术股份有限公司 | 交通信号灯重定位方法及装置 |
CN108961357A (zh) * | 2017-05-17 | 2018-12-07 | 浙江宇视科技有限公司 | 一种交通信号灯过爆图像强化方法及装置 |
CN108961357B (zh) * | 2017-05-17 | 2023-07-21 | 浙江宇视科技有限公司 | 一种交通信号灯过爆图像强化方法及装置 |
WO2022228033A1 (zh) * | 2021-04-27 | 2022-11-03 | 青岛海尔电冰箱有限公司 | 图像偏色的检测及校正方法、设备及冰箱 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104574377A (zh) | 用于电子警察的红灯偏黄的校正方法 | |
Diaz-Cabrera et al. | Suspended traffic lights detection and distance estimation using color features | |
US8036427B2 (en) | Vehicle and road sign recognition device | |
CN106991707B (zh) | 一种基于昼夜成像特征的交通信号灯图像强化方法及装置 | |
US8050456B2 (en) | Vehicle and road sign recognition device | |
EP1962226B1 (en) | Image recognition device for vehicle and vehicle head lamp controller and method of controlling head lamps | |
CN102663345B (zh) | 自动识别红绿灯的方法及装置 | |
CN106503707B (zh) | 一种红外补光条件下的车牌识别方法及装置 | |
CN110450706B (zh) | 一种自适应远光灯控制系统及图像处理算法 | |
CN110688907B (zh) | 基于夜间道路光源识别物体的方法及装置 | |
CN103065334A (zh) | 一种基于hsv颜色空间的偏色检测、校正方法及装置 | |
KR20210006276A (ko) | 플리커를 약화시키기 위한 이미지 처리 방법 | |
CN106600569B (zh) | 信号灯颜色效果增强处理方法及装置 | |
Wonghabut et al. | Traffic light color identification for automatic traffic light violation detection system | |
WO2002093477A3 (en) | Object tracking based on color distribution | |
CN104008548B (zh) | 一种用于车载环视系统摄像头参数标定的特征点抽取方法 | |
JP2018018173A (ja) | 画像処理装置、画像処理方法、コンピュータプログラム | |
CN111491149A (zh) | 基于高清视频的实时抠像方法、装置、设备及存储介质 | |
WO2020119454A1 (zh) | 一种对图像进行颜色还原的方法和装置 | |
CN111723805B (zh) | 一种信号灯的前景区域识别方法及相关装置 | |
CN101771825B (zh) | 图像亮色补偿的方法和装置 | |
TWI767422B (zh) | 低亮度成像系統 | |
CN102622594A (zh) | 一种基于红外和帧差的近距离目标提取方法 | |
Xiang et al. | Research on target detection method based on HSV fusion Gaussian mixture model | |
CN110532860A (zh) | 基于rgb led灯具的可见光条纹码调制与识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150429 |