CN104778833B - 识别交通信号灯的方法 - Google Patents
识别交通信号灯的方法 Download PDFInfo
- Publication number
- CN104778833B CN104778833B CN201410010949.XA CN201410010949A CN104778833B CN 104778833 B CN104778833 B CN 104778833B CN 201410010949 A CN201410010949 A CN 201410010949A CN 104778833 B CN104778833 B CN 104778833B
- Authority
- CN
- China
- Prior art keywords
- region
- connected region
- lamp group
- area
- traffic
- 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.)
- Active
Links
Landscapes
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供的一种识别交通信号灯的方法,涉及智能交通领域,用于实现交通信号灯的识别,该方法包括:将图像RGB值转换为HSV值,在HSV颜色空间对交通信号灯颜色按红、黄、绿进行分割;根据初始灯组信息确定感兴趣区域并对所述感兴趣区域进行图像二值化;从图像二值化后的感兴趣区域中获取连通区域,并从所述连通区域中筛选出候选区域;根据所述候选区域确定交通信号的排列组合,确定当前图像帧的灯组信息并将所述灯组信息提供给下一帧图像使用。
Description
技术领域
本发明涉及智能交通领域,尤其涉及一种识别交通信号灯的方法。
背景技术
随着城市道路的发展与汽车的逐渐普及,智能交通系统在城市道路管理上的应用日益广泛,例如在城市十字路口安装电子警察,监控机动车辆闯红灯违章行为。而基于机器视觉的纯视频交通信号灯检测与识别,是智能交通系统的一个重要技术。但由于交通信号灯本身颜色、亮度的多变性以及易受周围环境光线影响等问题,导致现有算法不能快速准确的对交通信号灯进行识别。
发明内容
本发明的实施例提供一种识别交通信号灯的方法,用于解决现有技术中由于交通信号灯本身颜色、亮度的多变性以及易受周围环境光线影响等,导致现有算法不能快速准确的对交通信号灯进行识别的问题。
为达到上述目的,本发明的实施例采用如下技术方案:
本发明实施例提供了一种识别交通信号灯的方法,包括:将图像RGB值转换为HSV值,在HSV颜色空间对交通信号灯颜色按红、黄、绿进行分割;根据初始灯组信息确定感兴趣区域并对所述感兴趣区域进行图像二值化,所述感兴趣区域为包围交通信号灯颜色的矩形区域;从图像二值化后的感兴趣区域中获取连通区域,并从所述连通区域中筛选出候选区域,其中,所述连通区域为由一条闭曲线围成的颜色相同的区域;根据所述候选区域确定交通信号的排列组合,确定当前图像帧的灯组信息并将所述灯组信息提供给下一帧图像使用,所述灯组信息包括交通信号灯组的位置坐标、颜色信息、亮度信息。
本发明实施例提供的一种识别交通信号灯的方法,通过确定当前图像帧的灯组信息并将所述灯组信息提供给下一帧图像使用,实现了对交通信号灯的识别,解决了现有技术中由于交通信号灯本身颜色、亮度的多变性以及易受周围环境光线影响等,导致现有算法不能快速准确的对交通信号灯进行识别的问题。
附图说明
图1为本发明实施例提供的识别交通信号灯的方法流程图。
具体实施方式
下面结合附图对本发明实施例提供的识别交通信号灯的方法进行详细描述。
如图1所示,本发明实施例提供的识别交通信号灯的方法,包括:
(1)进行RGB->HSV色彩空间转换,将图像RGB值转换为HSV值,在HSV颜色空间进行交通信号灯颜色分割。
(2)设置初始灯组信息,使用位置计算公式ROI={X-ΔX,Y-ΔY,X’+ΔX,Y’+ΔY}确定感兴趣区域(ROI)。
(3)进行图像二值化处理,将图像上感兴趣区域(ROI)的像素点的灰度值设置为0或255,即感兴趣区域(ROI)为黑色或白色,整个图像转换成黑白效果图。
(4)在经过二值化处理的感兴趣区域(ROI)中获取多个由闭曲线围成的颜色相同的区域,并标记为连通区域。
(5)使用尺寸计算公式|W-W’|≤T1,|H-H’|≤T2和形状计算公式count(c)/(W×H)≥T3(T3∈[0,1])对多个连通区域进行筛选,确定候选区域。
(6)使用中心点位置计算公式计算两个相邻的候选区域的中心点角度偏移量,横向排列|180°×arctan(y1-y2),(x1-x2)/π|,纵向排列|180°×arctan(y1-y2),(x1-x2)/π|-90°|,角度偏移量小于预设角度偏移量Tθ,则判断这两个候选区域在同一个灯组;角度偏移量大于预设角度偏移量Tθ,则判断这两个候选区域不在同一个灯组。
(7)根据当前时刻灯组的颜色信息(红亮、黄黑、绿黑)和下一时刻可能发生的颜色转变组合(红黑、黄亮、绿黑或红黑、黄黑、绿亮)排除不可能的灯组组合(红亮、黄黑、绿亮或三个灯全黑),输出正确有效的交通信号灯灯组信息,并做为初始灯组信息提供给下一帧图像使用。
本发明实施例提供的一种识别交通信号灯的方法,通过确定当前图像帧的灯组信息并将所述灯组信息提供给下一帧图像使用,实现了对交通信号灯的识别,解决了现有技术中由于交通信号灯本身颜色、亮度的多变性以及易受周围环境光线影响等,导致现有算法不能快速准确的对交通信号灯进行识别的问题。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (1)
1.一种识别交通信号灯的方法,其特征在于,包括:
将图像RGB值转换为HSV值,在HSV颜色空间对交通信号灯颜色按红、黄、绿进行分割;
根据初始灯组信息确定感兴趣区域并对所述感兴趣区域进行图像二值化,所述感兴趣区域为包围交通信号灯颜色的矩形区域;
从图像二值化后的感兴趣区域中获取连通区域,并从所述连通区域中筛选出候选区域,其中,所述连通区域为由一条闭曲线围成的颜色相同的区域;
根据所述候选区域确定交通信号的排列组合,确定当前图像帧的灯组信息并将所述灯组信息提供给下一帧图像使用,所述灯组信息包括交通信号灯组的位置坐标、颜色信息、亮度信息;
其中,所述从所述连通区域中筛选出候选区域,包括:利用尺寸和形状计算公式筛选类似交通信号灯形状和尺寸的区域;
其中,所述尺寸的计算方式为:连通区域外接矩形和初始信号灯外接矩形的宽差小于或等于宽度阈值,并且高差小于或等于高度阈值;计算公式为:|W-W’|≤T1,|H-H’|≤T2,W和H表示连通区域外接矩形的宽和高,W’和H’表示初始信号灯外接矩形的宽和高,T1表示宽度阈值,T2表示高度阈值;
所述形状的计算公式为,连通区域像素个数除以该连通区域的外接矩形面积,得到的值大于或等于像素阈值;计算公式为:count(c)/(W×H)≥T3(T3∈[0,1]),count(c)表示连通区域C所包含的像素个数,W和H表示连通区域外接矩形的宽和高,T3表示像素阈值;
所述根据所述候选区域确定交通信号的排列组合,包括:
计算两个相邻候选区域中心点的角度偏移量,确定交通信号灯排列组合信息,若大于预设角度偏移量,则判断这两个候选区域不是一个灯组;若小于预设角度偏移量,则判断这两个候选区域是同一个灯组,横向排列计算公式为:|180°×arctan[(y1-y2),(x1-x2)]/π|<Tθ;纵向排列计算公式为:||180°×arctan[(y1-y2),(x1-x2)]/π|-90°|<Tθ;(x1,y1)和(x2,y2)分别表示候选区域C1和C2的中心点坐标,Tθ表示预设角度偏移量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410010949.XA CN104778833B (zh) | 2014-01-10 | 2014-01-10 | 识别交通信号灯的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410010949.XA CN104778833B (zh) | 2014-01-10 | 2014-01-10 | 识别交通信号灯的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104778833A CN104778833A (zh) | 2015-07-15 |
CN104778833B true CN104778833B (zh) | 2018-05-08 |
Family
ID=53620273
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410010949.XA Active CN104778833B (zh) | 2014-01-10 | 2014-01-10 | 识别交通信号灯的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104778833B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107886035B (zh) * | 2016-09-30 | 2020-06-19 | 比亚迪股份有限公司 | 识别箭头交通灯的方法、装置及车辆 |
US10185881B2 (en) | 2016-11-23 | 2019-01-22 | Ford Global Technologies, Llc | Traffic-light detection and classification using computer vision and deep learning |
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 |
CN107038420A (zh) * | 2017-04-14 | 2017-08-11 | 北京航空航天大学 | 一种基于卷积网络的交通信号灯识别算法 |
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 |
CN109460715A (zh) * | 2018-10-18 | 2019-03-12 | 大唐网络有限公司 | 一种基于机器学习的交通灯自动识别实现方法 |
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 |
CN110414399B (zh) * | 2019-07-22 | 2020-09-04 | 北京三快在线科技有限公司 | 信号灯的检测方法、装置及智能驾驶设备 |
CN115394103A (zh) * | 2022-07-29 | 2022-11-25 | 阿波罗智联(北京)科技有限公司 | 识别信号灯的方法、装置、设备以及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102542260A (zh) * | 2011-12-30 | 2012-07-04 | 中南大学 | 一种面向无人驾驶车的道路交通标志识别方法 |
JP2013101615A (ja) * | 2011-11-09 | 2013-05-23 | Canon Inc | 色ヒストグラムに基づき画像領域を記述する方法およびシステム |
CN103177256A (zh) * | 2013-04-02 | 2013-06-26 | 上海理工大学 | 交通信号灯显示状态识别方法 |
CN103489324A (zh) * | 2013-09-22 | 2014-01-01 | 北京联合大学 | 一种基于无人驾驶的实时动态红绿灯检测识别方法 |
-
2014
- 2014-01-10 CN CN201410010949.XA patent/CN104778833B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013101615A (ja) * | 2011-11-09 | 2013-05-23 | Canon Inc | 色ヒストグラムに基づき画像領域を記述する方法およびシステム |
CN102542260A (zh) * | 2011-12-30 | 2012-07-04 | 中南大学 | 一种面向无人驾驶车的道路交通标志识别方法 |
CN103177256A (zh) * | 2013-04-02 | 2013-06-26 | 上海理工大学 | 交通信号灯显示状态识别方法 |
CN103489324A (zh) * | 2013-09-22 | 2014-01-01 | 北京联合大学 | 一种基于无人驾驶的实时动态红绿灯检测识别方法 |
Non-Patent Citations (2)
Title |
---|
交通信号灯检测与识别算法的研究;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2期);1-65 * |
城市环境中箭头型交通信号灯的实时识别算法;谷明琴;《中南大学学报》;20130430;第44卷(第4期);1403-1407 * |
Also Published As
Publication number | Publication date |
---|---|
CN104778833A (zh) | 2015-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104778833B (zh) | 识别交通信号灯的方法 | |
Omachi et al. | Detection of traffic light using structural information | |
Dun et al. | Chinese license plate localization in multi-lane with complex background based on concomitant colors | |
CN103093203A (zh) | 一种人体再识别方法以及人体再识别系统 | |
CN102722707A (zh) | 基于连通区域和间隙模型的车牌字符分割方法 | |
CN104050450A (zh) | 一种基于视频的车牌识别方法 | |
CN107644538A (zh) | 交通信号灯的识别方法及装置 | |
CN108090459B (zh) | 一种适用于车载视觉系统的交通标志检测识别方法 | |
US20140185879A1 (en) | Apparatus and method for detecting traffic lane in real time | |
CN103020613A (zh) | 一种基于视频的信号灯识别方法及装置 | |
CN104769652A (zh) | 用于检测交通灯的方法和系统 | |
Yang et al. | A vehicle license plate recognition system based on fixed color collocation | |
CN103544480A (zh) | 车辆颜色识别方法 | |
CN107507142A (zh) | 信号灯图像处理方法 | |
Wonghabut et al. | Traffic light color identification for automatic traffic light violation detection system | |
CN106781521A (zh) | 交通信号灯的识别方法和装置 | |
CN110688907A (zh) | 基于夜间道路光源识别物体的方法及装置 | |
CN105430352A (zh) | 一种视频监控图像的处理方法 | |
JP3926673B2 (ja) | 車種識別装置 | |
CN112990075A (zh) | 基于交通数据中台的道路诱导设施故障排查方法及系统 | |
CN101447029A (zh) | 公路前方构造物自动识别方法 | |
CN104349161A (zh) | 摄像头模组影像脏污判定方法 | |
CN102364560B (zh) | 一种便于电子识别的交通标牌及其识别方法 | |
CN102169583A (zh) | 基于车窗定位的车辆遮挡检测与分割方法 | |
JP4336755B2 (ja) | カラー画像を用いた看板の認識方法 |
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 |