CN107273838B - 交通信号灯抓拍图片的处理方法及装置 - Google Patents
交通信号灯抓拍图片的处理方法及装置 Download PDFInfo
- Publication number
- CN107273838B CN107273838B CN201710428320.0A CN201710428320A CN107273838B CN 107273838 B CN107273838 B CN 107273838B CN 201710428320 A CN201710428320 A CN 201710428320A CN 107273838 B CN107273838 B CN 107273838B
- Authority
- CN
- China
- Prior art keywords
- region
- color
- light state
- halo
- interest
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及图像处理技术领域,涉及一种交通信号灯抓拍图片的处理方法及装置,用以解决现有技术中存在异常信号灯检测的效率低下等的问题。该方法包括获取交通信号灯的当前红绿灯状态;针对所述当前红绿灯状态下的所述交通信号灯的抓拍图片,提取所述抓拍图片中的光晕区域;以及,提取所述抓拍图片中的高亮区域;若所述光晕区域和所述高亮区域存在重叠区域,则确定所述抓拍图片中存在所述当前红绿灯状态的异常信号灯。这样,本申请实施例中通过光晕和亮度信息来综合确定抓拍图片中的交通信号灯是否异常,相比现有技术能够提高检测的准备性。而基于当前红绿灯状态进行检测相当于实现了实时对抓拍图片的异常信号灯检测,满足了检测实时性要求。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及交通信号灯抓拍图片的处理方法及装置。
背景技术
图像处理技术广泛应用于人们生活的方方面面。其中,智能交通系统,已成为图像处理技术的一个重要应用领域。
具体的,智能交通系统通常包括电子警察相机,其连接红绿灯信号系统,能够对十字路口的车辆进行监控检测。例如,当车辆违反交通时,电子警察相机能够对违法车辆进行图片抓拍。抓拍图片不仅需要清楚地记录车辆违法过程,也需要保证能够清晰地辨别车辆号码、信号灯状态等。这样抓拍图片才能作为车辆违法的有效证据。
但是,受某些因素的影响,抓拍图片中的信号灯状态可能存在错误。例如:信号灯所处环境光的光线较暗时,为了能清晰辨别车辆信息(如车辆类型、车体颜色、车牌号码等),往往需要加大曝光时间。而,曝光时间的增大使得交通信号灯容易出现过饱和现象即异常信号灯。过饱和现象中,红灯将出现偏黄或者发白现象,发黄或发白即红灯状态的异常信号灯颜色。而绿灯和黄灯将出现发白现象,该发白现象即相应的异常信号灯颜色。如果出现过饱和现象,抓拍图片将不能作为对违法行为进行处理的有效依据。故此,图像处理的一个重要应用是确定抓拍图片中是否存在异常信号灯。当确定存在异常信号灯之后,可以进一步对信号灯颜色进行校正,将信号灯颜色进行恢复。从而得到的抓拍图片还能够依然作为有效的证据。
现有技术中确定是否存在异常信号灯的方法通常为:采集大量异常信号灯的样本,基于颜色值和亮度值通过模式识别的方法对异常信号灯进行检测。
然而,上述方法中容易出现误检。例如当红灯过饱和时,红灯有时会呈现黄色,从颜色信息和亮度信息很难区分红灯或者黄灯。此外,模式识别方法算法复杂,耗时较长,需求大量样本。所以现有技术中异常信号灯检测的效率低下。
发明内容
本申请实施例提供交通信号灯抓拍图片的处理方法及装置,用以解决现有技术中异常信号灯检测的效率低下等的问题。
一方面,本申请实施例提供一种交通信号灯抓拍图片的处理方法,包括:
获取交通信号灯的当前红绿灯状态;所述红绿灯状态为红灯状态、绿灯状态和黄灯状态中的一种;
针对所述当前红绿灯状态下的所述交通信号灯的抓拍图片,提取所述抓拍图片中的光晕区域,其中,所述光晕区域的颜色在以所述当前红绿灯状态的信号灯颜色为基准的第一颜色范围内;以及,
提取所述抓拍图片中的高亮区域,其中,所述高亮区域的颜色在以所述当前红绿灯状态的异常信号灯颜色为基准的第二颜色范围内,且所述高亮区域的亮度大于指定亮度;
若所述光晕区域和所述高亮区域存在重叠区域,则确定所述抓拍图片中所述当前红绿灯状态的异常信号灯。
另一方面,本申请实施例提供一种交通信号灯抓拍图片的处理装置,包括:
红绿灯状态获取模块,用于获取交通信号灯的当前红绿灯状态;所述红绿灯状态为红灯状态、绿灯状态和黄灯状态中的一种;
光晕提取模块,用于针对所述当前红绿灯状态下的所述交通信号灯的抓拍图片,提取所述抓拍图片中的光晕区域,其中,所述光晕区域的颜色在以所述当前红绿灯状态的信号灯颜色为基准的第一颜色范围内;
高亮区域提取模块,用于提取所述抓拍图片中的高亮区域,其中,所述高亮区域的颜色在以所述当前红绿灯状态的异常信号灯颜色为基准的第二颜色范围内,且所述高亮区域的亮度大于指定亮度;
异常确定模块,用于若所述光晕区域和所述高亮区域存在重叠区域,则确定所述抓拍图片中所述当前红绿灯状态的异常信号灯。
本申请另一实施例还提供了一种计算设备,其包括存储器和处理器,其中,所述存储器用于存储程序指令,所述处理器用于调用所述存储器中存储的程序指令,按照获得的程序执行交通信号灯抓拍图片的处理方法。
本申请另一实施例还提供了一种计算机存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使所述计算机执行交通信号灯抓拍图片的处理方法。
本申请实施例中,获取交通信号灯的当前红绿灯状态;所述红绿灯状态为红灯状态、绿灯状态和黄灯状态中的一种;针对所述当前红绿灯状态下的所述交通信号灯的抓拍图片,提取所述抓拍图片中的光晕区域,其中,所述光晕区域的颜色在以所述当前红绿灯状态的信号灯颜色为基准的第一颜色范围内;以及,提取所述抓拍图片中的高亮区域,其中,所述高亮区域的颜色在以所述当前红绿灯状态的异常信号灯颜色为基准的第二颜色范围内,且所述高亮区域的亮度大于指定亮度;若所述光晕区域和所述高亮区域存在重叠区域,则确定所述抓拍图片中存在所述当前红绿灯状态的异常信号灯。这样,本申请实施例中通过光晕和亮度信息来综合确定抓拍图片中的交通信号灯是否异常,相比现有技术能够提高检测的准备性。此外,基于当前红绿灯状态进行检测,例如相当于实现了红灯时对红灯是否异常进行检测、绿灯时实现了对绿灯是否异常进行检测,实现了实时对抓拍图片的异常信号灯检测。这样满足智能交通系统对异常信号灯检测的实时性。
附图说明
图1为本申请实施例一提供的交通信号灯抓拍图片的处理方法流程图之一;
图2为本申请实施例一提供的线性分割出红色区域的示意图;
图3为本申请实施例一提供的腐蚀因子的示意图;
图4为本申请实施例一提供的光晕的效果示意图;
图5为本申请实施例一提供的交通信号灯抓拍图片的处理方法流程图之二;
图6为本申请实施例二提供的交通信号灯抓拍图片的处理装置的结构示意图;
图7为本申请实施例三提供的计算设备的结构示意图。
具体实施方式
发明人发现,抓拍图片中,异常信号灯的光晕颜色与实际的信号灯颜色较为接近。例如,红灯即使偏黄,但是红灯的光晕也基本是红色。
有鉴于此,本申请实施例中,提供交通信号灯抓拍图片的处理方法及装置。在本申请实施例提供的技术方案中,获取交通信号灯的当前红绿灯状态;所述红绿灯状态为红灯状态、绿灯状态和黄灯状态中的一种;针对所述当前红绿灯状态下的所述交通信号灯的抓拍图片,提取所述抓拍图片中的光晕区域,其中,所述光晕区域的颜色在以所述当前红绿灯状态的信号灯颜色为基准的第一颜色范围内;以及,提取所述抓拍图片中的高亮区域,其中,所述高亮区域的颜色在以所述当前红绿灯状态的异常信号灯颜色为基准的第二颜色范围内,且所述高亮区域的亮度大于指定亮度;若所述光晕区域和所述高亮区域存在重叠区域,则确定所述抓拍图片中存在所述当前红绿灯状态的异常信号灯。这样,本申请实施例中通过光晕和亮度信息来综合确定抓拍图片中的交通信号灯是否异常,相比现有技术能够提高检测的准备性。此外,基于当前红绿灯状态进行检测,例如相当于实现了红灯时对红灯是否异常进行检测、绿灯时实现了对绿灯是否异常进行检测,实现了实时对抓拍图片的异常信号灯检测。这样满足智能交通系统对异常信号灯检测的实时性。
下面结合说明书附图对本申请实施例作进一步详细描述。
实施例一
如图1所示,为本申请实施例提供的一种交通信号灯抓拍图片的处理方法的流程示意图,该方法包括以下步骤:
步骤101:获取交通信号灯的当前红绿灯状态;所述红绿灯状态为红灯状态、绿灯状态和黄灯状态中的一种。
步骤102:针对所述当前红绿灯状态下的所述交通信号灯的抓拍图片,提取所述抓拍图片中的光晕区域,其中,所述光晕区域的颜色在以所述当前红绿灯状态的信号灯颜色为基准的第一颜色范围内。
步骤103:提取所述抓拍图片中的高亮区域,其中,所述高亮区域的颜色在以所述当前红绿灯状态的异常信号灯颜色为基准的第二颜色范围内,且所述高亮区域的亮度大于指定亮度。
其中,在一个实施例中,步骤102和步骤103的执行先后顺序不受限。
步骤104:若所述光晕区域和所述高亮区域存在重叠区域,则确定所述抓拍图片中所述当前红绿灯状态的异常信号灯。
本申请实施例中,通过步骤101-步骤103即实现了实时获取交通信号灯的当前红绿灯状态,并对该当前红绿灯状态下的抓拍图片进行处理,以便于提取出前述的光晕区域和高亮区域,进而完成抓拍图片中是否存在异常信号灯的判定。故此,一方面,本申请实施例满足了智能交通系统对异常信号灯检测的实时性的需求,另一方面,通过光晕和亮度信息来综合确定抓拍图片中的交通信号灯是否异常,能够提高检测的准备性。
为便于进一步理解本申请实施例提供的技术方案,下面对该方案进行进一步说明。
一种颜色可由亮度、色调和饱和度这三个参数来表述。由于同一信号灯的光晕的颜色不可能完全一致,但是光晕的色调方向基本不变,例如红灯的光晕整体还都是红色,但是红的程度不同,即颜色值不会完全相同。有鉴于此,本申请实施例中,为了提高确定光晕的准确性,所述红灯状态的第一颜色范围为预设红色范围,所述绿灯状态的第一颜色范围为预设绿色范围。
同理,不同信号灯偏色情况不同,例如红灯通常偏色为黄灯或类似白色的灯,而绿灯通常偏色为白色的灯。所以为了提高确定高亮区域的准确性,所述红灯状态的第二颜色范围为第一预设白色范围或预设黄色范围,所述绿灯状态的第二颜色范围为第二预设白色范围。也就是说,通过一定的颜色范围来区分高亮区域,能够尽可能将需要的高亮区域提取出来。
其中,在一个实施例中,抓拍图片中包括很多与信号灯无关的图像内容。而对这部分图像内容进行处理,必然效率低,且浪费处理资源。故此,本申请实施例中所述方法还包括:从所述抓拍图片中获取指定范围的区域作为感兴趣区域。其中,一般图像采集装置的位置和信号灯的位置都比较固定,所以,指定范围的区域可以人工指定,例如人工设定该区域的坐标位置。例如,设定矩形区域的坐位位置。后期获得感兴趣区域的时候根据该坐位位置获取即可。
这样,后期的图像处理仅处理感兴趣区域内的图像即可。例如,所述提取所述抓拍图片中的光晕区域,具体包括:从所述感兴趣区域中提取所述光晕区域;所述提取所述抓拍图片中的高亮区域,具体包括:从所述感兴趣区域中提取所述高亮区域。
光晕区域的提取和高亮区域的提取仅处理感兴趣区域即可,而无需对整幅抓拍图片处理,可以减少处理数据量,提高效率并节约处理资源。
其中,在一个实施例中,由前述内容可知,光晕区域的颜色在以所述当前红绿灯状态的信号灯颜色为基准的第一颜色范围内。故此,为了提取光晕区域,需要判断一个像素点颜色是否在第一颜色范围内,若是,则该像素点才属于光晕区域。本申请实施例中,为了便于描述并确定第一颜色范围,并判断一个像素点是否属于光晕区域,所述从所述感兴趣区域中提取所述光晕区域,具体包括:
步骤A1:将所述感兴趣区域内像素点的颜色值转换到Lab颜色空间。
步骤A2:针对所述感兴趣区域中的每一像素点,确定该像素点的在所述Lab颜色空间中的颜色值是否在以所述当前红绿灯状态的信号灯颜色为基准的第一颜色范围内;其中,第一颜色范围是对Lab颜色空间根据当前红绿灯状态的颜色进行线性分割得到的颜色区域。
Lab颜色空间中的L分量用于表示像素的亮度,取值范围是[0,100],表示从纯黑到纯白;a表示从红色到绿色的范围,取值范围是[127,-128];b表示从黄色到蓝色的范围,取值范围是[127,-128]。在Lab颜色空间中扇形区域能够线性分割出同一色调的颜色。例如图2所示为线性分割出红色区域的示意图,该红色区域为红色坐标轴+a到其上方的一条线之间构成的扇形区域。假设一像素点的颜色值为(L,a,b),则可以根据公式(1)所来该像素点是否在第一颜色范围,即若该点的(L,a,b)满足公式1所列的条件,则说明该像素点在第一颜色范围内。
其中,λ1、λ2、λ3、λ4、λ5、λ6、均为预设常量。具体实施时,可以根据实际需求确定各预设常量。
步骤A3:若是,则将该像素点确定为属于所述光晕区域的点,否则,将该像素点确定为不属于所述光晕区域的点。
由步骤A1-A3可知,在Lab颜色空间中通过线性分割能够得到相应的第一颜色范围。根据线性分割的特点,可以通过简单的数学方法的判断一个像素点的颜色是否在第一颜色范围内,从而提高提取光晕区域的效率。
需要说明的是,采用的颜色空间不同,第一颜色范围的表达方式不同。具体实施时,可以根据具体的颜色空间来确定第一颜色范围,均适用于本申请实施例。
进一步的,根据前述步骤A1-A3的方法提取的光晕区域往往会有噪点,而且提取的区域不连通,也很可能会存在空洞。本申请实施例中为了克服这些问题,提高提取的光晕区域的准确性,所述方法还包括:
步骤B1:将所述感兴趣区域进行二值化,其中,将属于所述光晕区域的像素点设置为255,将不属于所述光晕区域的像素点设置为0。
步骤B2:通过第一腐蚀处理,去除二值化后的所述感兴趣区域中的噪点。
步骤B3:对去除噪点后的所述感兴趣区域进行第一膨胀处理得到所述光晕区域。
具体实施时,第一腐蚀处理时,腐蚀因子的大小可以根据实际需求设定,本申请实施例对此不作限定。同理,第一腐蚀处理时,膨胀因子的大小也可以根据实际需求设定,本申请实施例对此不作限定。例如,如图3所示,腐蚀因子为半径为N的矩形,其中N的单位为像素数,例如图3中N为1,即距离中心1个像素。本申请实施例使用范围较大的膨胀因子是为了将一些未完全闭合的多连通区域进行闭合,通常情况下可以采用2N作为膨胀因子。且在某些场景中,红灯的光晕点很少,范围较大的膨胀也能使光晕点相连接。
其中,在一个实施例中,为了便于提取出准确的高亮区域,所述从所述感兴趣区域中提取所述高亮区域,具体包括:
步骤C1:针对所述感兴趣区域中的每一像素点,确定该像素点是否满足以下条件:亮度大于指定亮度,且在RGB颜色空间该像素点的颜色值在以所述当前红绿灯状态的异常信号灯颜色为基准的第二颜色范围内。
步骤C2:若满足,则将该像素点设置为255。
步骤C3:若不满足,则将该像素点设置为0。
步骤C4:通过第二腐蚀处理,去所述感兴趣区域中的噪点;
步骤C5:对通过第二腐蚀处理后的所述感兴趣区域进行第二膨胀处理得到所述高亮区域。
同理,提取高亮区域的过程中,二值化后提取的高亮区域也会存在噪点和空洞,故此通过步骤C4和步骤C5客服这些问题,使得提取的高亮区域更加准确。其中,第二腐蚀处理的腐蚀因子和第二膨胀处理的膨胀因子的形状和大小也可以根据实际需求设定,本申请对此不作限定。
以上,通过步骤C1-步骤C5实现了采用简便、高效的方式,准确的提取高亮区域。
而,针对步骤C1:本申请实施例中,在RGB颜色空间处理是为了处理方便,一方面因为很多抓拍图片都是采用RGB颜色空间来表示各像素的颜色,所以采用RGB颜色空间无需进行颜色空间转换。此外,发明人发现根据成像介质(例如CCD(CCD(Charge-coupled Device,电荷耦合元件))的成像原理,对于红灯来说,成像介质响应红灯时,红色分量先达到饱和,然后是绿色分量,最后是蓝色分量,这样致使红色分量值最大,绿色分量值次之,蓝色分量值最小。这样,可以根据比较大小的方式来确定颜色值是否在第二颜色范围内。这样,执行起来比较方便和高效。具体的,可以设定对应红、绿、蓝各个颜色分量对应的颜色阈值。以红灯为例,若一像素点满足红色大于红色分量的阈值,绿色大于绿色分量的阈值、且蓝色小于蓝色分量的阈值,则该像素点的颜色值在第二颜色范围内。
对于步骤C1中的亮度条件的判定,可以将RGB图像转换为灰度图像,针对每个像素点若该像素点的灰度值大于指定灰度值则该像素点的亮度大于指定亮度,否则,该像素点的亮度不大于指定亮度。
进一步的,具体实施时,将RGB图像转换为灰度图像后,为了能够提高判断的准确性,可以采用大律法针对每幅图像确定一个适当的指定灰度值。
当然,需要说明的是,表示亮度的方法还有很多种,具体实施时可以根据实际需求确定。例如转换到其它有亮度信息的颜色空间来判断亮度是否大于指定亮度。此外,抓拍图像满足色光加色原理,即R、G、B值的和值越大,亮度也就越大,也可以采用R、G、B值的和值来表示亮度,然后确定该亮度是否大于指定亮度。
当然,具体实施时,信号灯的环境因素也会对抓拍图像的颜色值造成一定影响。例如夜晚、阴雨天等光线较暗的情况下,需要增加曝光量获取抓拍图像。那么对于本申请实施例中提取高亮区域的准确性会造成一定的影响。故此,为了适应各种环境因素,更加准确的提取高亮区域,所述在步骤C1中确定该像素点是否满足以下条件之前,所述方法还包括:
步骤D1:根据所述信号灯所处环境因素,确定当前红绿灯状态对应的当前场景;其中,所述环境因素包括以下中的至少一种:天气状态、获取所述抓拍图片的曝光量、环境光强度。
其中,天气状态,例如光线较暗的夜晚、白天中的阴天、白天中的雨天、白天中的下雪天、白天中的多云天;和光线较好的白天晴天。
曝光量也能从一定程度上反应环境光的强度,所以也可以采用曝光量表示。
需要说明的是,其它能够反应曝光量的环境因素也适用于本申请实施例,本申请对此不作限定。
步骤D2:根据预置的场景与颜色范围的对应关系,确定所述当前场景对应的颜色范围作为以所述当前红绿灯状态的异常信号灯颜色为基准的第二颜色范围。
这样,通过为不同的应用场景配置不同的第二颜色范围,能够对不同的场景有针对性的提取高亮区域,从而提高提取高亮区域的准确性,并为之后判断异常信号灯打下较好的基础。
进一步的,为了能够准确的提取出高亮区域,本申请实施例中,每个场景对应一组颜色阈值,且每组颜色阈值均包括红色阈值、绿色阈值和蓝色阈值;
针对每种场景,红灯状态的第二颜色范围为:红色R值大于红灯状态的红色阈值、绿色G值大于红灯状态的绿色阈值、且蓝色B小于红灯状态的蓝色阈值;这样,对应红灯的偏色情况能将偏黄和偏白都能够包括在内,并且准确的检测出偏色。
针对每种场景,绿灯状态的第二颜色范围为:红色R值大于绿灯状态的红色阈值、绿色G值大于绿灯状态的绿色阈值、蓝色B小于绿灯状态的蓝色、且R、G、B的最大差值小于或等于预设差值。由于绿灯偏色通常为偏白,所以通过要求R、G、B的最大差值小于或等于预设差值,实现针对偏白情况的处理。
其中,在一个实施例中,为了便于准确的定位出异常信号灯的位置,所述方法还包括:根据连通区域标记方法,对第一膨胀处理后的所述感兴趣区域进行标记,得到由具有标记的至少一个第一连通域组成的所述光晕区域;以及,根据连通区域标记方法,对第二膨胀处理后的所述感兴趣区域进行标记,得到由具有标记的至少一个第二连通域组成的所述高亮区域;这样,每个位置可以采用连通域的标记来表示。具体的连通区域标记方法可以采用现有技术的方法实现,例如像素标记法、线标记法和区域增长法等。
具有了各连通域的标记后,所述若所述光晕区域和所述高亮区域存在重叠区域,则确定所述抓拍图片中存在所述当前红绿灯状态的异常信号灯,具体包括:
步骤E1:针对每个第二连通域,判断是否存在与该第二连通域重叠的第一连通域。
步骤E2:若否,则确定该第二连通域不存在异常信号灯;若是,则计算该第二连通域与重合的第一连通域的重叠部分与该第二连通域的比例。
通常情况下,信号灯偏色时,光晕区域应该包裹高亮区域,如图4所示,白色表示高亮区域,灰色表示光晕区域。当光晕区域包裹高亮区域时,那么两者必然会重叠,而且对于高亮区域来说重叠率几乎是100%。故此,采用步骤D1-步骤D2的方法,针对每个第二连通域(也即每个独立的高亮区域)是否存在包裹其的光晕区域。其中,预设比例可以根据实际需求设定,本申请对此不作限定。
步骤E3:若该比例大于预设比例,则确定该第二连通域是异常信号灯位置,并将该第二连通域的标记作为所述异常信号灯位置的标记。
此外,需要说明的是,针对黄灯状态时黄灯异常的检测,可以根据黄灯的偏色特定设置与黄灯对应的第一颜色范围和第二颜色范围,关于光晕区域和高亮区域的提取以及异常信号灯的判断原理同红灯和绿灯相同。具体实施时,可以根据实际需求设定,本申请对此不作赘述。
下面,为了便于进一步全面的理解本申请实施例提供的技术方案,下面的实施例中以针对红灯的检测为例,对本申请实施例提供的交通信号灯抓拍图片的处理方法进行说明。如图5所示,为该实施例的方法流程示意图,包括以下步骤:
步骤501:实时获取交通信号灯的红灯状态。
步骤502:针对红灯状态下的所述交通信号灯的抓拍图片,从所述抓拍图片中获取指定范围的区域作为感兴趣区域。
执行步骤502之后,在感兴趣区域内提取光晕区域和高亮区域。光晕区域的提取和高亮区域的提取可以同时进行(如图5示出了同时执行的流程图)。当然,具体实施时,也可以分先后执行,例如先提取高亮区域再提取光晕区域,或者先提取光晕区域再提取高亮区域。
(1)、光晕区域的提取包括以下步骤503-步骤510:
步骤503:将所述感兴趣区域内像素点的颜色值转换到Lab颜色空间。
步骤504:针对所述感兴趣区域中的每一像素点,确定该像素点的在所述Lab颜色空间中的颜色值是否在以所述红灯状态的信号灯颜色为基准的第一颜色范围内;其中,第一颜色范围是对Lab颜色空间根据红灯状态的颜色进行线性分割得到的颜色区域;若否,执行步骤505;若是,执行步骤506。
其中,第一颜色范围可以根据上述公式(1)来确定。
步骤505:将该像素点确定为不属于所述光晕区域的点。
步骤506:将该像素点确定为属于所述光晕区域的点。
步骤507:将所述感兴趣区域进行二值化,其中,将属于所述光晕区域的像素点设置为255,将不属于所述光晕区域的像素点设置为0。
其中,可以在步骤505中直接将像素点设置为0,并在步骤506中直接将像素点设置为255。也即,二值化的步骤在步骤505和步骤506中实现。
步骤508:通过第一腐蚀处理,去除二值化后的所述感兴趣区域中的噪点。
步骤509:对去除噪点后的所述感兴趣区域进行第一膨胀处理得到所述光晕区域。
步骤510:根据连通区域标记方法,对第一膨胀处理后的所述感兴趣区域进行标记,得到由具有标记的至少一个第一连通域组成的所述光晕区域。
(2)、高亮区域的提取包括以下步骤511-步骤516:
步骤511:针对所述感兴趣区域中的每一像素点,确定该像素点是否满足以下条件:亮度大于指定亮度,且在RGB颜色空间该像素点的颜色值在以所述红灯状态的异常信号灯颜色为基准的第二颜色范围内,若满足,则执行步骤512,否则,执行步骤513。
步骤512:将该像素点设置为255。
步骤513:将该像素点设置为0。
通过步骤512和步骤513即实现了对提取的高亮区域的二值化。
步骤514:通过第二腐蚀处理,去所述感兴趣区域中的噪点。
步骤515:对通过第二腐蚀处理后的所述感兴趣区域进行第二膨胀处理得到所述高亮区域。
步骤516:根据连通区域标记方法,对第二膨胀处理后的所述感兴趣区域进行标记,得到由具有标记的至少一个第二连通域组成的所述高亮区域。
(3)、提取了高亮区域和光晕区域之后,则可以判断并定位出异常信号灯的位置,具体的包括以下步骤517-520。
步骤517:针对每个第二连通域,判断是否存在与该第二连通域重叠的第一连通域;若否,执行步骤518,若是,执行步骤519。
步骤518:确定该第二连通域不存在异常信号灯。
步骤519:计算该第二连通域与重合的第一连通域的重叠部分与该第二连通域的比例。
步骤520:若该比例大于预设比例,则确定该第二连通域是异常信号灯位置,并将该第二连通域的标记作为所述异常信号灯位置的标记。
实施例二
基于相同的发明构思,本申请实施例还提供一种交通信号灯抓拍图片的处理装置,如图6所示,为该装置的结构示意图,包括:
红绿灯状态获取模块601,用于获取交通信号灯的当前红绿灯状态;所述红绿灯状态为红灯状态、绿灯状态和黄灯状态中的一种;
光晕提取模块602,用于针对所述当前红绿灯状态下的所述交通信号灯的抓拍图片,提取所述抓拍图片中的光晕区域,其中,所述光晕区域的颜色在以所述当前红绿灯状态的信号灯颜色为基准的第一颜色范围内;
高亮区域提取模块603,用于提取所述抓拍图片中的高亮区域,其中,所述高亮区域的颜色在以所述当前红绿灯状态的异常信号灯颜色为基准的第二颜色范围内,且所述高亮区域的亮度大于指定亮度;
异常确定模块604,用于若所述光晕区域和所述高亮区域存在重叠区域,则确定所述抓拍图片中所述当前红绿灯状态的异常信号灯。
其中,在一个实施例中,所述红灯状态的第一颜色范围为预设红色范围,所述绿灯状态的第一颜色范围为预设绿色范围;
所述红灯状态的第二颜色范围为第一预设白色范围或预设黄色范围,所述绿灯状态的第二颜色范围为第二预设白色范围。
其中,在一个实施例中,所述装置还包括:
感兴趣区域获取模块,用于从所述抓拍图片中获取指定范围的区域作为感兴趣区域;
所述光晕提取模块,具体用于从所述感兴趣区域中提取所述光晕区域;
所述高亮区域提取模块,具体用于从所述感兴趣区域中提取所述高亮区域。
其中,在一个实施例中,所述光晕提取模块,具体包括:
颜色转换单元,用于将所述感兴趣区域内像素点的颜色值转换到Lab颜色空间;
第一颜色范围判断单元,用于针对所述感兴趣区域中的每一像素点,确定该像素点的在所述Lab颜色空间中的颜色值是否在以所述当前红绿灯状态的信号灯颜色为基准的第一颜色范围内;其中,第一颜色范围是对Lab颜色空间根据当前红绿灯状态的颜色进行线性分割得到的颜色区域;
光晕确定单元,用于若是,则将该像素点确定为属于所述光晕区域的点,否则,将该像素点确定为不属于所述光晕区域的点。
其中,在一个实施例中,所述装置还包括:
二值化模块,用于将所述感兴趣区域进行二值化,其中,将属于所述光晕区域的像素点设置为255,将不属于所述光晕区域的像素点设置为0;
腐蚀模块,用于通过第一腐蚀处理,去除二值化后的所述感兴趣区域中的噪点;
光晕区域优化模块,用于对去除噪点后的所述感兴趣区域进行第一膨胀处理得到所述光晕区域。
其中,在一个实施例中,所述高亮区域提取模块,具体包括:
第二颜色范围判断单元,用于针对所述感兴趣区域中的每一像素点,确定该像素点是否满足以下条件:亮度大于指定亮度,且在红绿蓝RGB颜色空间该像素点的颜色值在以所述当前红绿灯状态的异常信号灯颜色为基准的第二颜色范围内;
第一二值化单元,用于若满足,则将该像素点设置为255;
第二二值化单元,用于若不满足,则将该像素点设置为0;
腐蚀单元,用于通过第二腐蚀处理,去所述感兴趣区域中的噪点;
高亮区域确定单元,用于对通过第二腐蚀处理后的所述感兴趣区域进行第二膨胀处理得到所述高亮区域。
其中,在一个实施例中,所述装置还包括:
第一区域标记模块,用于根据连通区域标记方法,对第一膨胀处理后的所述感兴趣区域进行标记,得到由具有标记的至少一个第一连通域组成的所述光晕区域;
第二区域标记模块,用于根据连通区域标记方法,对第二膨胀处理后的所述感兴趣区域进行标记,得到由具有标记的至少一个第二连通域组成的所述高亮区域;
所述异常确定模块,具体包括:
重叠判断单元,用于针对每个第二连通域,判断是否存在与该第二连通域重叠的第一连通域;
非异常确定单元,用于若否,则确定该第二连通域不存在异常信号灯;
计算单元,用于若是,则计算该第二连通域与重合的第一连通域的重叠部分与该第二连通域的比例;
异常确定单元,若该比例大于预设比例,则确定该第二连通域是异常信号灯位置,并将该第二连通域的标记作为所述异常信号灯位置的标记。
其中,在一个实施例中,所述装置还包括:
当前场景确定模块,用于在所述第二颜色范围判断单元在红绿蓝RGB颜色空间确定该像素点是否满足以下条件之前,根据所述信号灯所处环境因素,确定当前红绿灯状态对应的当前场景;其中,所述环境因素包括以下中的至少一种:天气状态、获取所述抓拍图片的曝光量、环境光强度;
第二颜色范围确定模块,用于根据预置的场景与颜色范围的对应关系,确定所述当前场景对应的颜色范围作为以所述当前红绿灯状态的异常信号灯颜色为基准的第二颜色范围。
其中,在一个实施例中,每个场景对应一组颜色阈值,且每组颜色阈值均包括红色阈值、绿色阈值和蓝色阈值;
针对每种场景,红灯状态的第二颜色范围为:红色R值大于红灯状态的红色阈值、绿色G值大于红灯状态的绿色阈值、且蓝色B小于红灯状态的蓝色阈值;
针对每种场景,绿灯状态的第二颜色范围为:红色R值大于绿灯状态的红色阈值、绿色G值大于绿灯状态的绿色阈值、蓝色B小于绿灯状态的蓝色、且R、G、B的最大差值小于或等于预设差值。
本申请实施例中提供的装置,获取交通信号灯的当前红绿灯状态;所述红绿灯状态为红灯状态、绿灯状态和黄灯状态中的一种;针对所述当前红绿灯状态下的所述交通信号灯的抓拍图片,提取所述抓拍图片中的光晕区域,其中,所述光晕区域的颜色在以所述当前红绿灯状态的信号灯颜色为基准的第一颜色范围内;以及,提取所述抓拍图片中的高亮区域,其中,所述高亮区域的颜色在以所述当前红绿灯状态的异常信号灯颜色为基准的第二颜色范围内,且所述高亮区域的亮度大于指定亮度;若所述光晕区域和所述高亮区域存在重叠区域,则确定所述抓拍图片中存在所述当前红绿灯状态的异常信号灯。这样,本申请实施例中通过光晕和亮度信息来综合确定抓拍图片中的交通信号灯是否异常,相比现有技术能够提高检测的准备性。此外,基于当前红绿灯状态进行检测,例如相当于实现了红灯时对红灯是否异常进行检测、绿灯时实现了对绿灯是否异常进行检测,实现了实时对抓拍图片的异常信号灯检测。这样满足智能交通系统对异常信号灯检测的实时性。
实施例三
本申请实施例三还提供了一种计算设备,该计算设备具体可以为桌面计算机、便携式计算机、智能手机、平板电脑、个人数字助理(Personal Digital Assistant,PDA)等。如图7所示,该计算设备可以包括中央处理器(Center Processing Unit,CPU)701、存储器702、输入设备703,输出设备704等,输入设备可以包括键盘、鼠标、触摸屏等,输出设备可以包括显示设备,如液晶显示器(Liquid Crystal Display,LCD)、阴极射线管(Cathode RayTube,CRT)等。
存储器可以包括只读存储器(ROM)和随机存取存储器(RAM),并向处理器提供存储器中存储的程序指令和数据。在本申请实施例中,存储器可以用于存储交通信号灯抓拍图片的处理方法的程序指令。
处理器通过调用存储器存储的程序指令,处理器用于按照获得的程序指令执行:获取交通信号灯的当前红绿灯状态;所述红绿灯状态为红灯状态、绿灯状态和黄灯状态中的一种;针对所述当前红绿灯状态下的所述交通信号灯的抓拍图片,提取所述抓拍图片中的光晕区域,其中,所述光晕区域的颜色在以所述当前红绿灯状态的信号灯颜色为基准的第一颜色范围内;以及,提取所述抓拍图片中的高亮区域,其中,所述高亮区域的颜色在以所述当前红绿灯状态的异常信号灯颜色为基准的第二颜色范围内,且所述高亮区域的亮度大于指定亮度;若所述光晕区域和所述高亮区域存在重叠区域,则确定所述抓拍图片中所述当前红绿灯状态的异常信号灯。
实施例四
本申请实施例四提供了一种计算机存储介质,用于储存为上述计算设备所用的计算机程序指令,其包含用于执行上述交通信号灯抓拍图片的处理方法的程序。
所述计算机存储介质可以是计算机能够存取的任何可用介质或数据存储设备,包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器(例如CD、DVD、BD、HVD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器(NAND FLASH)、固态硬盘(SSD))等。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明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,本发明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。
本发明是参照根据本发明实施例的方法、装置(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、嵌入式处理机或其他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他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。
这些计算机程序指令也可存储在能引导计算机或其他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多个流程和/或方框图一个方框或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他可编程数据处理设备上,使得在计算机或其他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,从而在计算机或其他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。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种交通信号灯抓拍图片的处理方法,其特征在于,所述方法包括:
获取交通信号灯的当前红绿灯状态;所述红绿灯状态为红灯状态、绿灯状态和黄灯状态中的一种;
针对所述当前红绿灯状态下的所述交通信号灯的抓拍图片,提取所述抓拍图片中的光晕区域,其中,所述光晕区域的颜色在以所述当前红绿灯状态的信号灯颜色为基准的第一颜色范围内;以及,
提取所述抓拍图片中的高亮区域,其中,所述高亮区域的颜色在以所述当前红绿灯状态的异常信号灯颜色为基准的第二颜色范围内,且所述高亮区域的亮度大于指定亮度;
若所述光晕区域和所述高亮区域存在重叠区域,则确定所述抓拍图片中所述当前红绿灯状态的异常信号灯;
从所述抓拍图片中获取指定范围的区域作为感兴趣区域;
从所述感兴趣区域中提取所述光晕区域;
从所述感兴趣区域中提取所述高亮区域;
所述从所述感兴趣区域中提取所述光晕区域,具体包括:
将所述感兴趣区域进行二值化,其中,将属于所述光晕区域的像素点设置为255,将不属于所述光晕区域的像素点设置为0;
通过第一腐蚀处理,去除二值化后的所述感兴趣区域中的噪点;
对去除噪点后的所述感兴趣区域进行第一膨胀处理得到所述光晕区域;
所述从所述感兴趣区域中提取所述高亮区域,具体包括:
针对所述感兴趣区域中的每一像素点,确定该像素点是否满足以下条件:亮度大于指定亮度,且在红绿蓝RGB颜色空间该像素点的颜色值在以所述当前红绿灯状态的异常信号灯颜色为基准的第二颜色范围内;
若满足,则将该像素点设置为255;
若不满足,则将该像素点设置为0;
通过第二腐蚀处理,去所述感兴趣区域中的噪点;
对通过第二腐蚀处理后的所述感兴趣区域进行第二膨胀处理得到所述高亮区域;
根据连通区域标记方法,对第一膨胀处理后的所述感兴趣区域进行标记,得到由具有标记的至少一个第一连通域组成的所述光晕区域;以及,
根据连通区域标记方法,对第二膨胀处理后的所述感兴趣区域进行标记,得到由具有标记的至少一个第二连通域组成的所述高亮区域;
所述若所述光晕区域和所述高亮区域存在重叠区域,则确定所述抓拍图片中存在所述当前红绿灯状态的异常信号灯,具体包括:
针对每个第二连通域,判断是否存在与该第二连通域重叠的第一连通域;
若否,则确定该第二连通域不存在异常信号灯;
若是,则计算该第二连通域与重合的第一连通域的重叠部分与该第二连通域的比例;
若该比例大于预设比例,则确定该第二连通域是异常信号灯位置,并将该第二连通域的标记作为所述异常信号灯位置的标记。
2.根据权利要求1所述的方法,其特征在于,
所述红灯状态的第一颜色范围为预设红色范围,所述绿灯状态的第一颜色范围为预设绿色范围;
所述红灯状态的第二颜色范围为第一预设白色范围或预设黄色范围,所述绿灯状态的第二颜色范围为第二预设白色范围。
3.根据权利要求1所述的方法,其特征在于,所述从所述感兴趣区域中提取所述光晕区域,具体包括:
将所述感兴趣区域内像素点的颜色值转换到Lab颜色空间;
针对所述感兴趣区域中的每一像素点,确定该像素点的在所述Lab颜色空间中的颜色值是否在以所述当前红绿灯状态的信号灯颜色为基准的第一颜色范围内;其中,第一颜色范围是对Lab颜色空间根据当前红绿灯状态的颜色进行线性分割得到的颜色区域;
若是,则将该像素点确定为属于所述光晕区域的点,否则,将该像素点确定为不属于所述光晕区域的点。
4.根据权利要求1所述的方法,其特征在于,所述在红绿蓝RGB颜色空间确定该像素点是否满足以下条件之前,所述方法还包括:
根据所述信号灯所处环境因素,确定当前红绿灯状态对应的当前场景;其中,所述环境因素包括以下中的至少一种:天气状态、获取所述抓拍图片的曝光量、环境光强度;
根据预置的场景与颜色范围的对应关系,确定所述当前场景对应的颜色范围作为以所述当前红绿灯状态的异常信号灯颜色为基准的第二颜色范围。
5.根据权利要求4所述的方法,其特征在于,每个场景对应一组颜色阈值,且每组颜色阈值均包括红色阈值、绿色阈值和蓝色阈值;
针对每种场景,红灯状态的第二颜色范围为:红色R值大于红灯状态的红色阈值、绿色G值大于红灯状态的绿色阈值、且蓝色B小于红灯状态的蓝色阈值;
针对每种场景,绿灯状态的第二颜色范围为:红色R值大于绿灯状态的红色阈值、绿色G值大于绿灯状态的绿色阈值、蓝色B小于绿灯状态的蓝色、且R、G、B的最大差值小于或等于预设差值。
6.一种交通信号灯抓拍图片的处理装置,其特征在于,所述装置包括:
红绿灯状态获取模块,用于获取交通信号灯的当前红绿灯状态;所述红绿灯状态为红灯状态、绿灯状态和黄灯状态中的一种;
光晕提取模块,用于针对所述当前红绿灯状态下的所述交通信号灯的抓拍图片,提取所述抓拍图片中的光晕区域,其中,所述光晕区域的颜色在以所述当前红绿灯状态的信号灯颜色为基准的第一颜色范围内;
高亮区域提取模块,用于提取所述抓拍图片中的高亮区域,其中,所述高亮区域的颜色在以所述当前红绿灯状态的异常信号灯颜色为基准的第二颜色范围内,且所述高亮区域的亮度大于指定亮度;
异常确定模块,用于若所述光晕区域和所述高亮区域存在重叠区域,则确定所述抓拍图片中所述当前红绿灯状态的异常信号灯;
感兴趣区域获取模块,用于从所述抓拍图片中获取指定范围的区域作为感兴趣区域;
所述光晕提取模块,具体用于从所述感兴趣区域中提取所述光晕区域;
所述高亮区域提取模块,具体用于从所述感兴趣区域中提取所述高亮区域;
所述光晕提取模块,具体包括:
二值化模块,用于将所述感兴趣区域进行二值化,其中,将属于所述光晕区域的像素点设置为255,将不属于所述光晕区域的像素点设置为0;
腐蚀模块,用于通过第一腐蚀处理,去除二值化后的所述感兴趣区域中的噪点;
光晕区域优化模块,用于对去除噪点后的所述感兴趣区域进行第一膨胀处理得到所述光晕区域;
所述高亮区域提取模块,具体包括:
第二颜色范围判断单元,用于针对所述感兴趣区域中的每一像素点,确定该像素点是否满足以下条件:亮度大于指定亮度,且在红绿蓝RGB颜色空间该像素点的颜色值在以所述当前红绿灯状态的异常信号灯颜色为基准的第二颜色范围内;
第一二值化单元,用于若满足,则将该像素点设置为255;
第二二值化单元,用于若不满足,则将该像素点设置为0;
腐蚀单元,用于通过第二腐蚀处理,去所述感兴趣区域中的噪点;
高亮区域确定单元,用于对通过第二腐蚀处理后的所述感兴趣区域进行第二膨胀处理得到所述高亮区域;
第一区域标记模块,用于根据连通区域标记方法,对第一膨胀处理后的所述感兴趣区域进行标记,得到由具有标记的至少一个第一连通域组成的所述光晕区域;
第二区域标记模块,用于根据连通区域标记方法,对第二膨胀处理后的所述感兴趣区域进行标记,得到由具有标记的至少一个第二连通域组成的所述高亮区域;
所述异常确定模块,具体包括:
重叠判断单元,用于针对每个第二连通域,判断是否存在与该第二连通域重叠的第一连通域;
非异常确定单元,用于若否,则确定该第二连通域不存在异常信号灯;
计算单元,用于若是,则计算该第二连通域与重合的第一连通域的重叠部分与该第二连通域的比例;
异常确定单元,若该比例大于预设比例,则确定该第二连通域是异常信号灯位置,并将该第二连通域的标记作为所述异常信号灯位置的标记。
7.根据权利要求6所述的装置,其特征在于,
所述红灯状态的第一颜色范围为预设红色范围,所述绿灯状态的第一颜色范围为预设绿色范围;
所述红灯状态的第二颜色范围为第一预设白色范围或预设黄色范围,所述绿灯状态的第二颜色范围为第二预设白色范围。
8.根据权利要求6所述的装置,其特征在于,所述光晕提取模块,具体包括:
颜色转换单元,用于将所述感兴趣区域内像素点的颜色值转换到Lab颜色空间;
第一颜色范围判断单元,用于针对所述感兴趣区域中的每一像素点,确定该像素点的在所述Lab颜色空间中的颜色值是否在以所述当前红绿灯状态的信号灯颜色为基准的第一颜色范围内;其中,第一颜色范围是对Lab颜色空间根据当前红绿灯状态的颜色进行线性分割得到的颜色区域;
光晕确定单元,用于若是,则将该像素点确定为属于所述光晕区域的点,否则,将该像素点确定为不属于所述光晕区域的点。
9.根据权利要求6所述的装置,其特征在于,所述装置还包括:
当前场景确定模块,用于在所述第二颜色范围判断单元在红绿蓝RGB颜色空间确定该像素点是否满足以下条件之前,根据所述信号灯所处环境因素,确定当前红绿灯状态对应的当前场景;其中,所述环境因素包括以下中的至少一种:天气状态、获取所述抓拍图片的曝光量、环境光强度;
第二颜色范围确定模块,用于根据预置的场景与颜色范围的对应关系,确定所述当前场景对应的颜色范围作为以所述当前红绿灯状态的异常信号灯颜色为基准的第二颜色范围。
10.根据权利要求9所述的装置,其特征在于,每个场景对应一组颜色阈值,且每组颜色阈值均包括红色阈值、绿色阈值和蓝色阈值;
针对每种场景,红灯状态的第二颜色范围为:红色R值大于红灯状态的红色阈值、绿色G值大于红灯状态的绿色阈值、且蓝色B小于红灯状态的蓝色阈值;
针对每种场景,绿灯状态的第二颜色范围为:红色R值大于绿灯状态的红色阈值、绿色G值大于绿灯状态的绿色阈值、蓝色B小于绿灯状态的蓝色、且R、G、B的最大差值小于或等于预设差值。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710428320.0A CN107273838B (zh) | 2017-06-08 | 2017-06-08 | 交通信号灯抓拍图片的处理方法及装置 |
EP18814282.2A EP3635622A4 (en) | 2017-06-08 | 2018-05-31 | DEVICES AND METHODS FOR PROCESSING TRAFFIC LIGHT IMAGES |
PCT/CN2018/089162 WO2018223882A1 (en) | 2017-06-08 | 2018-05-31 | Methods and devices for processing images of traffic light |
US16/702,622 US11138444B2 (en) | 2017-06-08 | 2019-12-04 | Methods and devices for processing images of a traffic light |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710428320.0A CN107273838B (zh) | 2017-06-08 | 2017-06-08 | 交通信号灯抓拍图片的处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107273838A CN107273838A (zh) | 2017-10-20 |
CN107273838B true CN107273838B (zh) | 2020-04-03 |
Family
ID=60067038
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710428320.0A Active CN107273838B (zh) | 2017-06-08 | 2017-06-08 | 交通信号灯抓拍图片的处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107273838B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018223882A1 (en) * | 2017-06-08 | 2018-12-13 | Zhejiang Dahua Technology Co., Ltd. | Methods and devices for processing images of traffic light |
CN109596317B (zh) * | 2018-12-25 | 2021-01-22 | 新华三技术有限公司 | 一种面板灯的检测方法及装置 |
CN110557617A (zh) * | 2019-09-19 | 2019-12-10 | 天津英田视讯科技有限公司 | 一种基于北斗通信的图像抓拍数据传输方法 |
CN110944117B (zh) * | 2019-11-15 | 2021-08-31 | 浙江大华技术股份有限公司 | 图像处理方法、计算机设备、存储装置和智能监控系统 |
CN112991791B (zh) * | 2019-12-13 | 2022-07-26 | 上海商汤临港智能科技有限公司 | 交通信息识别和智能行驶方法、装置、设备及存储介质 |
CN111210410A (zh) * | 2019-12-31 | 2020-05-29 | 深圳市优必选科技股份有限公司 | 一种信号灯状态检测方法与装置 |
CN111355900B (zh) * | 2020-03-12 | 2021-12-17 | 浙江大华技术股份有限公司 | 图像处理方法及装置、存储介质、电子装置 |
CN111402610B (zh) * | 2020-03-23 | 2022-05-10 | 东软睿驰汽车技术(沈阳)有限公司 | 一种识别红绿灯亮灯状态的方法、装置、设备及存储介质 |
CN113132699B (zh) * | 2021-03-12 | 2022-10-28 | 北京千方科技股份有限公司 | 图像白平衡校正方法、装置、设备和存储介质 |
CN113129375B (zh) * | 2021-04-21 | 2023-12-01 | 阿波罗智联(北京)科技有限公司 | 数据处理方法、装置、设备及存储介质 |
CN113222870B (zh) * | 2021-05-13 | 2023-07-25 | 杭州海康威视数字技术股份有限公司 | 一种图像处理方法、装置及设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8345964B2 (en) * | 2007-09-20 | 2013-01-01 | Huawei Technologies Co., Ltd. | Image generation method, device, and image synthesis equipment |
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 |
CN104301621A (zh) * | 2014-09-28 | 2015-01-21 | 北京凌云光技术有限责任公司 | 图像处理方法、装置及终端 |
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 |
CN105635593A (zh) * | 2014-10-13 | 2016-06-01 | 广达电脑股份有限公司 | 多重曝光成像系统及其白平衡方法 |
-
2017
- 2017-06-08 CN CN201710428320.0A patent/CN107273838B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8345964B2 (en) * | 2007-09-20 | 2013-01-01 | Huawei Technologies Co., Ltd. | Image generation method, device, and image synthesis equipment |
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 |
CN104301621A (zh) * | 2014-09-28 | 2015-01-21 | 北京凌云光技术有限责任公司 | 图像处理方法、装置及终端 |
CN105635593A (zh) * | 2014-10-13 | 2016-06-01 | 广达电脑股份有限公司 | 多重曝光成像系统及其白平衡方法 |
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 |
Non-Patent Citations (1)
Title |
---|
交通标志和信号灯实时检测与识别技术研究;彭祖胜;《中国优秀硕士学位论文全文数据库-信息科技辑》;20130315(第03期);第I138-1382页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107273838A (zh) | 2017-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107273838B (zh) | 交通信号灯抓拍图片的处理方法及装置 | |
US11138444B2 (en) | Methods and devices for processing images of a traffic light | |
CN107730481B (zh) | 一种交通信号灯图像处理方法及交通信号灯图像处理装置 | |
CN110276767B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN109978890B (zh) | 基于图像处理的目标提取方法、装置及终端设备 | |
CN109726620B (zh) | 一种视频火焰检测方法及装置 | |
CN111583223B (zh) | 缺陷检测方法、装置、计算机设备及计算机可读存储介质 | |
US11425309B2 (en) | Image capture method and apparatus | |
CN111368587B (zh) | 场景检测方法、装置、终端设备及计算机可读存储介质 | |
CN106651797B (zh) | 一种信号灯有效区域的确定方法和装置 | |
CN111680704B (zh) | 海洋红线新增人类活动斑块自动化快速提取方法和装置 | |
CN111626967A (zh) | 图像增强方法、装置、计算机装置及可读存储介质 | |
Lin et al. | Real-time active tampering detection of surveillance camera and implementation on digital signal processor | |
CN113284066B (zh) | 遥感影像自动云检测方法和装置 | |
CN112150392B (zh) | 一种低照度图像的修复方法及装置 | |
Liu et al. | Modified grey world method to detect and restore colour cast images | |
CN111695374B (zh) | 监控视角中斑马线区域的分割方法、系统、介质及设备 | |
CN111311573A (zh) | 枝条确定方法、装置及电子设备 | |
CN111160340A (zh) | 一种运动目标检测方法、装置、存储介质及终端设备 | |
CN110765875A (zh) | 交通目标的边界检测方法、设备及装置 | |
CN115984378A (zh) | 一种轨道异物检测方法、装置、设备及介质 | |
CN110852228B (zh) | 监控视频中的动态背景提取及前景物体检测方法及系统 | |
Abdusalomov et al. | Robust shadow removal technique for improving image enhancement based on segmentation method | |
CN112989924A (zh) | 目标检测方法、目标检测装置及终端设备 | |
CN114596210A (zh) | 噪声估计方法、装置、终端设备及计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |