CN106651797A - 一种信号灯有效区域的确定方法和装置 - Google Patents

Abstract

本申请提供一种信号灯有效区域的确定方法和装置，该方法包括：利用界面配置信息确定信号灯的初始区域；采集监控画面内的N帧视频图像，并利用所述N帧视频图像的所述初始区域的灰度值，得到一个所述初始区域的灰度差值图像；获取指定数字的模板图像，并在所述灰度差值图像上滑动所述模板图像，得到所述灰度差值图像的每个区域与所述模板图像之间的有效值；利用有效值最高的区域确定所述信号灯的有效区域。通过本申请的技术方案，可以准确定位出信号灯的有效区域，提升信号灯恢复的可靠性，实现信号灯过爆区域的合理还原，有效的解决信号灯的过爆问题，使信号灯的色彩符合实际的需求。

Description

一种信号灯有效区域的确定方法和装置

技术领域

本申请涉及视频技术领域，尤其是一种信号灯有效区域的确定方法和装置。

背景技术

近年来，随着计算机、网络以及图像处理、传输技术的飞速发展，视频监控系统的普及化趋势越来越明显，视频监控系统正在逐步迈入高清化，智能化，视频监控系统可以应用于众多领域，如智能交通、智慧园区、平安城市等。

在视频监控系统中，前端设备(如网络摄像机、模拟摄像机等)是重要组成部分，视频监控系统中包括大量前端设备，这些前端设备在各种环境下采集视频图像。若前端设备在低照度环境下采集视频图像，则视频图像的质量较差。

为了能够有效进行卡口和交通违章的捕获，通常采用固定方式安装前端设备，即前端设备的安装高度、位置、方向、角度均为固定，这样，前端设备采集到的视频图像的场景也是确定的。但是，随着光照强度的不同，红绿灯在低照度的环境下，红绿灯颜色中心由于过曝问题，会导致亮度中心出现红灯偏黄，绿灯偏白等情况，从而导致在反馈违章信息时，出现证据图不可靠的问题。

综上所述，需要对证据图中的红绿灯区域进行恢复，而为了恢复红绿灯区域，在传统方式中，通常可以使用图像的亮度来定位红绿灯区域。但是，在直接使用亮度来定位需要恢复的红绿灯区域时，容易出现定位错误等问题。

例如，数字灯作为红绿灯的一种类型，数字灯的数字处于不停的循环变化中，因此，无法基于图像的亮度精确定位出数字灯区域，从而导致在为数字灯进行恢复时，连同数字灯边上的背景一同进行恢复，从而了影响整体效果。

发明内容

本申请提供一种信号灯有效区域的确定方法，所述方法包括：

利用界面配置信息确定信号灯的初始区域；

采集监控画面内的N帧视频图像，并利用所述N帧视频图像的所述初始区域的灰度值，得到一个所述初始区域的灰度差值图像，所述N大于等于2；

获取指定数字的模板图像，并在所述灰度差值图像上滑动所述模板图像，得到所述灰度差值图像的每个区域与所述模板图像之间的有效值；

利用有效值最高的区域确定所述信号灯的有效区域。

所述利用所述N帧视频图像的所述初始区域的灰度值，得到一个所述初始区域的灰度差值图像的过程，具体包括：

针对所述N帧视频图像中的每相邻两帧视频图像，对所述相邻两帧视频图像的所述初始区域的灰度值进行差值计算，得到所述初始区域的第一差值图像，并利用灰度阈值对所述第一差值图像进行二值化处理，得到第二差值图像；

利用每相邻两帧视频图像对应的第二差值图像，得到所述灰度差值图像。

所述指定数字包括数字8；所述获取指定数字的模板图像的过程，具体包括：

获取曝光值和增益值，并根据所述曝光值和所述增益值确定指定数字的每条边的宽度；其中，当曝光值越大时，宽度越大；当增益值越大时，宽度越大；

在信号灯的变化过程中，确定指定数字的每条边的变化次数，并根据每条边的变化次数确定每条边的权重；其中，当变化次数越多时，权重越大；

利用每条边的权重确定每条边的灰度值，并利用所述指定数字的每条边的宽度以及每条边的灰度值得到所述指定数字的模板图像。

所述得到所述灰度差值图像的每个区域与所述模板图像之间的有效值的过程，具体包括：针对所述灰度差值图像的每个区域，将所述区域的每个像素点的灰度值与所述模板图像在该像素点的灰度值进行乘积；

对所有像素点的乘积求和，得到所述区域与所述模板图像之间的有效值。

所述利用有效值最高的区域确定所述信号灯的有效区域的过程，具体包括：

获取曝光值和增益值，若所述曝光值小于预设曝光阈值，且所述增益值小于预设增益阈值，则利用有效值最高的区域确定所述信号灯的有效区域；

若所述曝光值不小于预设曝光阈值，和/或，所述增益值不小于预设增益阈值，则采集监控画面内的第一视频图像和第二视频图像，所述第一视频图像是信号灯状态为红色的图像，所述第二视频图像是信号灯状态为绿色的图像；

对第一视频图像和第二视频图像进行色度差值处理，得到色度差值图像；

从所述色度差值图像中确定出色度差值高于色度差值均值的区域，并判断确定出的区域是否包含所述有效值最高的区域；

如果是，则利用有效值最高的区域确定所述信号灯的有效区域。

本申请提供一种信号灯有效区域的确定装置，所述装置包括：

第一确定模块，用于利用界面配置信息确定信号灯的初始区域；

第一获得模块，用于采集监控画面内的N帧视频图像，并利用N帧视频图像的所述初始区域的灰度值，得到所述初始区域的灰度差值图像，N大于等于2；

第二获得模块，用于获取指定数字的模板图像，并在灰度差值图像上滑动模板图像，得到所述灰度差值图像的每个区域与所述模板图像之间的有效值；

第二确定模块，用于利用有效值最高的区域确定所述信号灯的有效区域。

所述第一获得模块，具体用于在利用N帧视频图像的所述初始区域的灰度值，得到所述初始区域的灰度差值图像的过程中，针对所述N帧视频图像中的每相邻两帧视频图像，对所述相邻两帧视频图像的所述初始区域的灰度值进行差值计算，得到所述初始区域的第一差值图像，并利用灰度阈值对所述第一差值图像进行二值化处理，得到所述初始区域的第二差值图像；利用每相邻两帧视频图像对应的第二差值图像，得到所述初始区域的灰度差值图像。

所述指定数字包括数字8；所述第二获得模块，具体用于在获取指定数字的模板图像的过程中，获取曝光值和增益值，并根据所述曝光值和所述增益值确定指定数字的每条边的宽度；其中，当曝光值越大时，宽度越大；当增益值越大时，宽度越大；在信号灯的变化过程中，确定指定数字的每条边的变化次数，并根据每条边的变化次数确定每条边的权重；其中，当变化次数越多时，权重越大；利用每条边的权重确定每条边的灰度值，并利用所述指定数字的每条边的宽度以及每条边的灰度值得到所述指定数字的模板图像。

所述第二获得模块，具体用于在得到所述灰度差值图像的每个区域与所述模板图像之间的有效值的过程中，针对所述灰度差值图像的每个区域，将所述区域的每个像素点的灰度值与所述模板图像在该像素点的灰度值进行乘积；

对所有像素点的乘积求和，得到所述区域与所述模板图像之间的有效值。

所述第二确定模块，具体用于具体用于在利用有效值最高的区域确定所述信号灯的有效区域的过程中，获取曝光值和增益值，若所述曝光值小于预设曝光阈值，且所述增益值小于预设增益阈值，则利用有效值最高的区域确定所述信号灯的有效区域；若所述曝光值不小于预设曝光阈值，和/或，所述增益值不小于预设增益阈值，则采集监控画面内的第一视频图像和第二视频图像，所述第一视频图像是信号灯状态为红色的图像，所述第二视频图像是信号灯状态为绿色的图像；对所述第一视频图像和所述第二视频图像进行色度差值处理，得到色度差值图像；从所述色度差值图像中确定出色度差值高于色度差值均值的区域，并判断确定出的区域是否包含所述有效值最高的区域；如果是，则利用有效值最高的区域确定所述信号灯的有效区域。

基于上述技术方案，本申请实施例中，可以准确定位出信号灯(如数字信号灯)的有效区域，并可以对该有效区域的视频图像进行恢复，从而提升信号灯恢复的可靠性，实现信号灯过爆区域的合理还原，有效的解决了信号灯的过爆问题，使信号灯的色彩更加符合实际的需求。而且，可以解决过曝导致信号灯颜色失真以及轮廓畸变等问题，抑制信号灯的畸变以及光晕的扩散，可以提高证据违章图的真实性和可靠性，满足智能交通解决方案的证据图需求。

附图说明

为了更加清楚地说明本申请实施例或者现有技术中的技术方案，下面将对本申请实施例或者现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

图1是本申请一种实施方式中的信号灯有效区域的确定方法的流程图；

图2A-图2G是本申请一种实施方式中的应用场景示意图；

图3是本申请一种实施方式中的前端设备的硬件结构图；

图4是本申请一种实施方式中的信号灯有效区域的确定装置的结构图。

具体实施方式

在本申请使用的术语仅仅是出于描述特定实施例的目的，而非限制本申请。本申请和权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其它含义。还应当理解，本文中使用的术语“和/或”是指包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，此外，所使用的词语“如果”可以被解释成为“在……时”，或者“当……时”，或者“响应于确定”。

本申请实施例中提出一种信号灯(如数字信号灯等)有效区域的确定方法，该方法可以应用于前端设备(如网络摄像机、模拟摄像机等)。参见图1所示，为该信号灯有效区域的确定方法的流程图，该方法可以包括以下步骤：

步骤101，利用界面配置信息确定信号灯的初始区域。

步骤102，采集监控画面内的N帧视频图像，并利用该N帧视频图像的初始区域的灰度值，得到一个该初始区域的灰度差值图像，N大于等于2。

步骤103，获取指定数字的模板图像，并在该灰度差值图像上滑动该模板图像，得到该灰度差值图像的每个区域与该模板图像之间的有效值。

步骤104，利用有效值最高的区域确定该信号灯的有效区域。

在一个例子中，上述执行顺序只是为了方便描述所给出的一个示例，在实际应用中，还可以改变各步骤之间的执行顺序，对此执行顺序不做限制。

针对步骤101，在一个例子中，针对“利用界面配置信息确定信号灯的初始区域”的过程，可以在前端设备上配置信号灯区域的坐标，如信号灯区域的四个点的坐标(如左上角像素点的坐标、左下角像素点的坐标、右上角像素点的坐标、右下角像素点的坐标等)，这些坐标就是界面配置信息。基于该界面配置信息，前端设备可以知道信号灯的区域，将该区域称为信号灯的初始区域。

由于通常采用固定方式安装前端设备，即前端设备的安装高度、位置、方向、角度均为固定，前端设备采集到的视频图像的场景也是确定的，因此，在前端设备采集到的视频图像中，信号灯在视频图像中的位置固定，均位于上述初始区域。但是，由于界面配置信息存在误差，其只是用户配置的参考值，因此，前端设备还可以从初始区域中确定出信号灯的真实区域，将信号灯的真实区域称为有效区域，而本申请实施例的后续过程，就是要确定出有效区域。

在一个例子中，对于配置的信号灯区域的四个点的坐标，前端设备还可以外扩一定的范围，从而可以保证能够从该初始区域中确定出信号灯的有效区域。例如，如图2A所示，若配置的左上角像素点的坐标为(a，a)，左下角像素点的坐标为(b，b)，右上角像素点的坐标为(c，c)，右下角像素点的坐标为(d，d)，则前端设备确定的初始区域可以如图2B所示，左上角像素点的坐标为(a-m1，a+n1)，左下角像素点的坐标为(b-m2，b-n2)，右上角像素点的坐标为(c+m3，c+n3)，右下角像素点的坐标为(d+m4，d-n4)。

针对步骤102，在一个例子中，针对“利用该N帧视频图像的初始区域的灰度值，得到一个该初始区域的灰度差值图像”的过程，可以包括但不限于如下方式：针对该N帧视频图像中的每相邻两帧视频图像，对该相邻两帧视频图像的该初始区域的灰度值进行差值计算，得到该初始区域的第一差值图像，并利用灰度阈值对该第一差值图像进行二值化处理，得到第二差值图像。利用所述每相邻两帧视频图像对应的第二差值图像，得到该初始区域的灰度差值图像。

在一个例子中，针对“采集监控画面内的N帧视频图像”的过程，这N帧视频图像，可以是一个统计周期内的N帧视频图像，也可以是不同统计周期内的N帧视频图像。其中，一个统计周期可以是信号灯的一个切换周期，例如，从红灯(红灯刚刚亮起)切换到绿灯，再从绿灯切换到黄灯，再从黄灯切换到红灯(红灯刚刚亮起)。具体的，可以是红灯亮(红灯刚刚亮起)、到红灯灭、到绿灯亮、到绿灯灭、到黄灯亮、到黄灯灭，再到红灯亮(红灯刚刚亮起)。

在一个例子中，对于上述灰度阈值，其确定方式可以为：在得到第一差值图像后，对第一差值图像中的每个像素点的灰度值进行排序，并从最大的灰度值开始，选取预设数量个灰度值，并对预设数量个灰度值求平均值，并利用该平均值确定灰度阈值。当然，上述只是确定灰度阈值的一个示例，对此确定方式不做限制，例如，还可以根据经验配置灰度阈值，或者采用其它方式。

其中，预设数量的取值可以根据实际经验进行配置，也可以为第一差值图像中的总像素点数量的1/X，如X为5等，对此预设数量的取值不做限制。

其中，针对“利用该平均值确定灰度阈值”的过程，可以将该平均值的1/Y确定为灰度阈值，如Y为2等，对此灰度阈值的确定过程不做限制。

假设采集到监控画面内的视频图像1、视频图像2、视频图像3、视频图像4，实际应用中，N的数量并不局限于4，但是其处理类似，后续不再说明。

针对相邻的视频图像1和视频图像2，选取出视频图像1中位于初始区域的子图像1，并选取出视频图像2中位于初始区域的子图像2。对子图像1的灰度值与子图像2的灰度值进行差值计算，即针对初始区域的每个像素点，使用子图像1在该像素点的灰度值减去子图像2在该像素点的灰度值，得到初始区域的每个像素点的灰度值，这些灰度值组成的图像就是初始区域的第一差值图像。

在得到第一差值图像后，对第一差值图像中的每个像素点的灰度值进行排序，并从最大的灰度值开始，选取(总数量的20％)个灰度值，并对这些选取的灰度值求平均值，将该平均值的一半确定为该第一差值图像的灰度阈值。

针对第一差值图像中的每个像素点的灰度值，若该灰度值大于等于所述灰度阈值，则保持该灰度值不变，若该灰度值小于所述灰度阈值，则将该灰度值修改为0。在对每个像素点的灰度值进行上述处理后，就可以得到第二差值图像。

经过上述处理，就可以得到视频图像1和视频图像2对应的第二差值图像1，采用同样的方式，可以得到视频图像2和视频图像3对应的第二差值图像2，视频图像3和视频图像4对应的第二差值图像3。进一步，针对初始区域的每个像素点，使用第二差值图像1在该像素点的灰度值加上第二差值图像2在该像素点的灰度值，再加上第二差值图像3在该像素点的灰度值，就可以得到初始区域的每个像素点的灰度值，这些灰度值组成的图像是初始区域的灰度差值图像。

针对步骤103，在一个例子中，针对“获取指定数字的模板图像”的过程，可以包括但不限于如下方式：获取曝光值和增益值，并根据该曝光值和该增益值确定该指定数字的每条边的宽度；其中，当该曝光值越大时，则宽度越大；当该增益值越大时，则宽度越大。在信号灯的变化过程中，确定该指定数字的每条边的变化次数，并根据每条边的变化次数确定每条边的权重；其中，当该变化次数越多时，则权重越大。利用每条边的权重确定每条边的灰度值，利用该指定数字的每条边的宽度以及每条边的灰度值得到该指定数字的模板图像。

在一个例子中，针对“在该灰度差值图像上滑动该模板图像，得到该灰度差值图像的每个区域与该模板图像之间的有效值”的过程，可以包括但不限于如下方式：在该灰度差值图像上滑动该模板图像，针对灰度差值图像的每个区域，将该区域的每个像素点的灰度值与该模板图像在该像素点的灰度值进行乘积；对所有像素点的乘积求和，得到该区域与该模板图像之间的有效值。

在一个例子中，指定数字可以包括但不限于数字8，该数字8的一个模板图像可以如图2C所示。基于前端设备的曝光值和增益值，调整该模板图像中该数字8的每条边的宽度。例如，当曝光值越大时，则宽度越大，当曝光值越小时，则宽度越小；当增益值越大时，则宽度越大；当增益值越小时，则宽度越小。其中，可以在前端设备上配置曝光值、增益值与宽度的对应关系，如曝光值1、增益值1、宽度1的对应关系，曝光值1、增益值2、宽度2的对应关系，曝光值2、增益值1、宽度3的对应关系，曝光值2、增益值2、宽度4的对应关系。上述只是给出曝光值、增益值与宽度的对应关系的一个示例，对此不做限制。

前端设备在获得当前的曝光值和增益值后，通过查询上述对应关系，就可以得到与该曝光值和该增益值匹配的宽度，并利用该宽度对图2C所示的模板图像进行调整，如图2D所示，为调整后的模板图像，后续使用的模板图像均如图2D所示。从图2D可以看出，线宽越大(越粗)，则黑色区域占比也越大。

在一个例子中，如图2E所示，可以将数字8划分为7条边，在信号灯从0-9的变化过程中，可以确定出每条边的变化次数。例如，数字0包括边1、边2、边3、边4、边5、边6，而数字1包括边4和边5，因此，在信号灯从数字0变到数字1时，边4、边5、边7未发生变化，而边1、边2、边3、边6变化一次。同理，由于数字2包括边2、边3、边5、边6、边7，因此，在信号灯从数字1变到数字2时，边1、边5未发生变化，而边2、边3、边4、边6、边7变化一次。以此类推，在信号灯从0-9的变化过程(如数字0变到数字1、数字1变到数字2、…、以此类推，数字9变到数字0)中，可以统计出每条边的变化次数。

在一个例子中，可以将每条边的变化次数确定为该边的权重，如边1的变化次数为6时，则边1的权重为6，以此类推，可以得到7条边的权重。当然，上述只是确定权重的一个示例，对此确定方式不做限制，只要变化次数越多时，权重越大即可。例如，当边1的变化次数为6时，则边1的权重为12，当边1的变化次数为5时，则边1的权重为10，以此类推，对此过程不再赘述。

在一个例子中，可以利用边的权重确定该边的灰度值，对此确定方式不做限制，只要权重越大时，灰度值越大即可。例如，边的权重与边的灰度值相同，当边1的权重为12时，则灰度值为12；当边1的权重为10时，则灰度值为10。又例如，边的灰度值为边的权重*m，当边1的权重为12时，则灰度值为60；当边1的权重为10时，则灰度值为50。又例如，边的灰度值为边的权重+k，当边1的权重为12时，则灰度值为42；当边1的权重为10时，则灰度值为40。

进一步的，在得到数字8的每条边的宽度以及每条边的灰度值后，就可以得到模板图像(如图2D所示)。在该模板图像中，针对每条边的黑色区域包括的各个像素点，该像素点的灰度值就是该边的灰度值。例如，边1包括的各个像素点的灰度值为边1的灰度值50，边2包括的各个像素点的灰度值为边2的灰度值60，以此类推，可以确定出模板图像的黑色区域的每个像素点的灰度值。而且，每条边包含的像素点数量与边的宽度有关，当宽度越大时，则像素点数量越多，反之像素点数量越少。而且，在模板图像中，白色区域的灰度值为0。

如图2F所示，可以在灰度差值图像(即初始区域的灰度差值图像，图2F中，外围这个框就是初始区域的灰度差值图像)上滑动该模板图像。在图2F所示的位置，将此位置称为区域1，针对区域1的每个像素点，将灰度差值图像在该像素点的灰度值与模板图像在该像素点的灰度值进行乘积，并对区域1的所有像素点的乘积求和，得到区域1的有效值1。然后，将模板图像向右平移一个像素点，将此时的位置称为区域2，针对区域2的每个像素点，将灰度差值图像在该像素点的灰度值与模板图像在该像素点的灰度值进行乘积，并对区域2的所有像素点的乘积求和，得到区域2的有效值2。以此类推，一直到模板图像滑动到灰度差值图像的右侧边缘，然后将模板图像重新滑动到图2F所示的位置，并将模板图像向下平移一个像素点，继续执行上述的操作。而且，在向下平移一个像素点的基础上，继续执行向右平移的过程，以此类推，一直到完成所有位置的平移，对于上述滑动过程不再赘述。经过上述处理，模板图像在灰度差值图像的每个区域对应一个有效值，并将最高的有效值作为信号灯的有效区域。

针对步骤104，在一个例子中，前端设备可以直接利用有效值最高的区域确定该信号灯的有效区域。在另一个例子中，前端设备还可以获取前端设备的曝光值和增益值，若曝光值小于预设曝光阈值，且增益值小于预设增益阈值，则前端设备可以直接利用有效值最高的区域确定信号灯的有效区域。

若曝光值不小于预设曝光阈值，和/或，增益值不小于预设增益阈值，则前端设备还可以采集监控画面内的第一视频图像和第二视频图像，该第一视频图像是信号灯状态为红色的图像，该第二视频图像是信号灯状态为绿色的图像。之后，对该第一视频图像和该第二视频图像进行色度差值处理，得到色度差值图像。然后，从色度差值图像中确定出色度差值高于色度差值均值的区域，并判断确定出的区域是否包含所述有效值最高的区域。如果是，则利用有效值最高的区域确定信号灯的有效区域。如果否，则不利用有效值最高的区域确定信号灯的有效区域，而是返回步骤102，重新执行上述流程。

其中，曝光值小于预设曝光阈值，且增益值小于预设增益阈值，则表示未出现光晕、过曝等异常现象，因此可以直接直接利用有效值最高的区域确定信号灯的有效区域。若曝光值不小于预设曝光阈值，和/或，增益值不小于预设增益阈值，则表示可能出现光晕、过曝等异常现象，因此，可以利用色度差值图像，进一步分析有效值最高的区域是否为信号灯的有效区域。

其中，前端设备可以获取到信号灯状态，当该信号灯状态为红色时，则采集监控画面内的视频图像，将此视频图像称为第一视频图像。当该信号灯状态为绿色时，则采集监控画面内的视频图像，将此视频图像称为第二视频图像。

其中，针对色度差值处理的实现方式，可以采用传统方式，在此不再赘述。

其中，针对“从色度差值图像中确定出色度差值高于色度差值均值的区域，并判断确定出的区域是否包含所述有效值最高的区域利用该色度差值图像分析该有效值最高的区域是否为信号灯的有效区域”的过程，在一个例子中，在得到色度差值图像后，可以确定出该色度差值图像的每个像素点的色度差值，并对所有像素点的色度差值取平均值，得到色度差值均值，这样，就可以得到色度差值高于色度差值均值的区域，然后，可以判断该区域是否包含所述有效值最高的区域。上述只是给出分析有效值最高的区域是否为信号灯的有效区域的一个示例，对此分析方式不做限制。其中，采用上述方式的原因是：若曝光值不小于预设曝光阈值，和/或，增益值不小于预设增益阈值，则表示可能出现光晕、过曝等异常现象，即信号灯的周围会出现光晕、过曝等异常现象，因此，信号灯以及信号灯周围的色度差值均会大于色度差值均值。

在一个例子中，针对“利用有效值最高的区域确定信号灯的有效区域”的过程，可以包括：由于数字信号灯通常由两位数字(如数字15，其表示剩余时间为15秒)组成，而上述有效值最高的区域是后一位数字的区域，因此，还可以对上述有效值最高的区域进行扩展，得到一个扩展区域，并将该扩展区域与所述有效值最高的区域组合成的区域，确定为信号灯的有效区域。

其中，由于前一位数字的区域与后一位数字的区域具有关联关系，如前一位数字的区域是后一位数字的区域的0.9倍、1.1倍、1.4倍等，以1.4倍为例，在得到有效值最高的区域后，可以向左边再增大1.4倍，就得到了信号灯的有效区域。如图2G所示，右边数字5的区域是上述有效值最高的区域，而数字0的区域是扩展区域，因此，数字05的区域就是信号灯的有效区域。

在一个例子中，为了达到最好的效果，前端设备还可以根据初始区域的大小来等比放大或者缩小模板图像。例如，初始区域大小与模板图像大小的比例为2:1时，若用户配置的初始区域较大，则将模板图像调整的大些，以使初始区域大小与模板图像大小的比例为2:1。若用户配置的初始区域较小，则将模板图像调整的小些，以使初始区域大小与模板图像大小的比例为2:1。

基于上述技术方案，本申请实施例中，可以准确定位出信号灯(如数字信号灯)的有效区域，并可以对该有效区域的视频图像进行恢复，从而提升信号灯恢复的可靠性，实现信号灯过爆区域的合理还原，有效的解决了信号灯的过爆问题，使信号灯的色彩更加符合实际的需求。而且，可以解决过曝导致信号灯颜色失真以及轮廓畸变等问题，抑制信号灯的畸变以及光晕的扩散，可以提高证据违章图的真实性和可靠性，满足智能交通解决方案的证据图需求。

基于与上述方法同样的申请构思，本申请实施例还提供一种信号灯有效区域的确定装置，应用在前端设备。该信号灯有效区域的确定装置可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在的前端设备的处理器，读取非易失性存储器中对应的计算机程序指令形成的。从硬件层面而言，如图3所示，为本申请提出的信号灯有效区域的确定装置所在的前端设备的一种硬件结构图，除了图3所示的处理器、非易失性存储器外，前端设备还可以包括其他硬件，如负责处理报文的转发芯片、网络接口、内存等；从硬件结构上来讲，该前端设备还可能是分布式设备，可能包括多个接口卡，以便在硬件层面进行报文处理的扩展。

如图4所示，为信号灯有效区域的确定装置的结构图，所述装置包括：

第一确定模块11，用于利用界面配置信息确定信号灯的初始区域；

第一获得模块12，用于采集监控画面内的N帧视频图像，利用N帧视频图像的所述初始区域的灰度值，得到所述初始区域的灰度差值图像，N大于等于2；

第二获得模块13，用于获取指定数字的模板图像，并在灰度差值图像上滑动模板图像，得到所述灰度差值图像的每个区域与所述模板图像之间的有效值；

第二确定模块14，用于利用有效值最高的区域确定所述信号灯的有效区域。

所述第一获得模块12，具体用于在利用N帧视频图像的所述初始区域的灰度值，得到所述初始区域的灰度差值图像的过程中，针对所述N帧视频图像中的每相邻两帧视频图像，对所述相邻两帧视频图像的所述初始区域的灰度值进行差值计算，得到所述初始区域的第一差值图像，并利用灰度阈值对所述第一差值图像进行二值化处理，得到所述初始区域的第二差值图像；利用每相邻两帧视频图像对应的第二差值图像，得到所述初始区域的灰度差值图像。

所述指定数字包括数字8；所述第二获得模块13，具体用于在获取指定数字的模板图像的过程中，获取曝光值和增益值，并根据所述曝光值和所述增益值确定指定数字的每条边的宽度；其中，当曝光值越大时，宽度越大；当增益值越大时，宽度越大；在信号灯的变化过程中，确定指定数字的每条边的变化次数，并根据每条边的变化次数确定每条边的权重；其中，当变化次数越多时，权重越大；利用每条边的权重确定每条边的灰度值，并利用所述指定数字的每条边的宽度以及每条边的灰度值得到所述指定数字的模板图像。

所述第二获得模块13，具体用于在得到所述灰度差值图像的每个区域与所述模板图像之间的有效值的过程中，针对所述灰度差值图像的每个区域，将所述区域的每个像素点的灰度值与所述模板图像在该像素点的灰度值进行乘积；对所有像素点的乘积求和，得到所述区域与所述模板图像之间的有效值。

所述第二确定模块14，具体用于在利用有效值最高的区域确定所述信号灯的有效区域的过程中，获取曝光值和增益值，若所述曝光值小于预设曝光阈值，且所述增益值小于预设增益阈值，则利用有效值最高的区域确定所述信号灯的有效区域；若所述曝光值不小于预设曝光阈值，和/或，所述增益值不小于预设增益阈值，则采集监控画面内的第一视频图像和第二视频图像，所述第一视频图像是信号灯状态为红色的图像，所述第二视频图像是信号灯状态为绿色的图像；对所述第一视频图像和所述第二视频图像进行色度差值处理，得到色度差值图像；从所述色度差值图像中确定出色度差值高于色度差值均值的区域，并判断确定出的区域是否包含所述有效值最高的区域；如果是，则利用有效值最高的区域确定所述信号灯的有效区域。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机，计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可以由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其它可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其它可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

而且，这些计算机程序指令也可以存储在能引导计算机或其它可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或者多个流程和/或方框图一个方框或者多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其它可编程数据处理设备上，使得在计算机或者其它可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其它可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可以采用完全硬件实施例、完全软件实施例、或者结合软件和硬件方面的实施例的形式。而且，本申请可以采用在一个或者多个其中包含有计算机可用程序代码的计算机可用存储介质(可以包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种信号灯有效区域的确定方法，其特征在于，所述方法包括：

利用界面配置信息确定信号灯的初始区域；

采集监控画面内的N帧视频图像，并利用所述N帧视频图像的所述初始区域的灰度值，得到一个所述初始区域的灰度差值图像，所述N大于等于2；

获取指定数字的模板图像，并在所述灰度差值图像上滑动所述模板图像，得到所述灰度差值图像的每个区域与所述模板图像之间的有效值；

利用有效值最高的区域确定所述信号灯的有效区域。

2.根据权利要求1所述的方法，其特征在于，所述利用所述N帧视频图像的所述初始区域的灰度值，得到一个所述初始区域的灰度差值图像，具体包括：

针对所述N帧视频图像中的每相邻两帧视频图像，对所述相邻两帧视频图像的所述初始区域的灰度值进行差值计算，得到所述初始区域的第一差值图像，并利用灰度阈值对所述第一差值图像进行二值化处理，得到第二差值图像；

利用每相邻两帧视频图像对应的第二差值图像，得到所述灰度差值图像。

3.根据权利要求1所述的方法，其特征在于，所述指定数字包括数字8；

所述获取指定数字的模板图像的过程，具体包括：

获取曝光值和增益值，并根据所述曝光值和所述增益值确定指定数字的每条边的宽度；其中，当曝光值越大时，宽度越大；当增益值越大时，宽度越大；

在信号灯的变化过程中，确定指定数字的每条边的变化次数，并根据每条边的变化次数确定每条边的权重；其中，当变化次数越多时，权重越大；

利用每条边的权重确定每条边的灰度值，并利用所述指定数字的每条边的宽度以及每条边的灰度值得到所述指定数字的模板图像。

4.根据权利要求1所述的方法，其特征在于，所述得到所述灰度差值图像的每个区域与所述模板图像之间的有效值的过程，具体包括：

针对所述灰度差值图像的每个区域，将所述区域的每个像素点的灰度值与所述模板图像在该像素点的灰度值进行乘积；

对所有像素点的乘积求和，得到所述区域与所述模板图像之间的有效值。

5.根据权利要求1或4所述的方法，其特征在于，所述利用有效值最高的区域确定所述信号灯的有效区域的过程，具体包括：

获取曝光值和增益值，若所述曝光值小于预设曝光阈值，且所述增益值小于预设增益阈值，则利用有效值最高的区域确定所述信号灯的有效区域；

若所述曝光值不小于预设曝光阈值，和/或，所述增益值不小于预设增益阈值，则采集监控画面内的第一视频图像和第二视频图像，所述第一视频图像是信号灯状态为红色的图像，所述第二视频图像是信号灯状态为绿色的图像；

对第一视频图像和第二视频图像进行色度差值处理，得到色度差值图像；

从所述色度差值图像中确定出色度差值高于色度差值均值的区域，并判断确定出的区域是否包含所述有效值最高的区域；

如果是，则利用有效值最高的区域确定所述信号灯的有效区域。

6.一种信号灯有效区域的确定装置，其特征在于，所述装置包括：

第一确定模块，用于利用界面配置信息确定信号灯的初始区域；

第一获得模块，用于采集监控画面内的N帧视频图像，并利用N帧视频图像的所述初始区域的灰度值，得到所述初始区域的灰度差值图像，N大于等于2；

第二获得模块，用于获取指定数字的模板图像，并在灰度差值图像上滑动模板图像，得到所述灰度差值图像的每个区域与所述模板图像之间的有效值；

第二确定模块，用于利用有效值最高的区域确定所述信号灯的有效区域。

7.根据权利要求6所述的装置，其特征在于，

所述第一获得模块，具体用于在利用N帧视频图像的所述初始区域的灰度值，得到所述初始区域的灰度差值图像的过程中，针对所述N帧视频图像中的每相邻两帧视频图像，对所述相邻两帧视频图像的所述初始区域的灰度值进行差值计算，得到所述初始区域的第一差值图像，并利用灰度阈值对所述第一差值图像进行二值化处理，得到所述初始区域的第二差值图像；利用每相邻两帧视频图像对应的第二差值图像，得到所述初始区域的灰度差值图像。

8.根据权利要求6所述的装置，其特征在于，所述指定数字包括数字8；

所述第二获得模块，具体用于在获取指定数字的模板图像的过程中，获取曝光值和增益值，并根据所述曝光值和所述增益值确定指定数字的每条边的宽度；其中，当曝光值越大时，宽度越大；当增益值越大时，宽度越大；

在信号灯的变化过程中，确定指定数字的每条边的变化次数，并根据每条边的变化次数确定每条边的权重；其中，当变化次数越多时，权重越大；

利用每条边的权重确定每条边的灰度值，并利用所述指定数字的每条边的宽度以及每条边的灰度值得到所述指定数字的模板图像。

9.根据权利要求6所述的装置，其特征在于，

所述第二获得模块，具体用于在得到所述灰度差值图像的每个区域与所述模板图像之间的有效值的过程中，针对所述灰度差值图像的每个区域，将所述区域的每个像素点的灰度值与所述模板图像在该像素点的灰度值进行乘积；

对所有像素点的乘积求和，得到所述区域与所述模板图像之间的有效值。

10.根据权利要求6或9所述的装置，其特征在于，所述第二确定模块，具体用于在利用有效值最高的区域确定所述信号灯的有效区域的过程中，

获取曝光值和增益值，若所述曝光值小于预设曝光阈值，且所述增益值小于预设增益阈值，则利用有效值最高的区域确定所述信号灯的有效区域；

若所述曝光值不小于预设曝光阈值，和/或，所述增益值不小于预设增益阈值，则采集监控画面内的第一视频图像和第二视频图像，所述第一视频图像是信号灯状态为红色的图像，所述第二视频图像是信号灯状态为绿色的图像；对所述第一视频图像和所述第二视频图像进行色度差值处理，得到色度差值图像；从所述色度差值图像中确定出色度差值高于色度差值均值的区域，并判断确定出的区域是否包含所述有效值最高的区域；如果是，则利用有效值最高的区域确定所述信号灯的有效区域。