CN107403169B - 信号灯检测识别方法及装置 - Google Patents

信号灯检测识别方法及装置 Download PDF

Info

Publication number
CN107403169B
CN107403169B CN201710669548.9A CN201710669548A CN107403169B CN 107403169 B CN107403169 B CN 107403169B CN 201710669548 A CN201710669548 A CN 201710669548A CN 107403169 B CN107403169 B CN 107403169B
Authority
CN
China
Prior art keywords
signal lamp
histogram
feature
fusion feature
color
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
Application number
CN201710669548.9A
Other languages
English (en)
Other versions
CN107403169A (zh
Inventor
张新栋
逯光耀
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Add Electronic Technology Co Ltd
Original Assignee
Shanghai Add Electronic Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Add Electronic Technology Co Ltd filed Critical Shanghai Add Electronic Technology Co Ltd
Priority to CN201710669548.9A priority Critical patent/CN107403169B/zh
Publication of CN107403169A publication Critical patent/CN107403169A/zh
Application granted granted Critical
Publication of CN107403169B publication Critical patent/CN107403169B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/253—Fusion techniques of extracted features
    • 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
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及检测识别技术领域，具体涉及一种信号灯检测识别方法及装置，应用于包括拍摄装置的信号灯检测识别系统，所述检测识别系统中存储有信号灯的预设特征，所述信号灯检测识别方法包括：获取所述拍摄装置拍摄到的图像，根据所述预设特征对所述图像进行检测，得到所述图像内的特征图，获取所述特征图的颜色直方图及HOG特征并进行融合得到融合特征，根据所述融合特征判断所述特征图是否为信号灯的图，当为信号灯的图时，获取所述融合特征的颜色及形状，并根据所述融合特征的颜色及形状得到信号灯的指示信息。通过上述设置，以有效保证对信号灯检测识别的准确性。

Description

信号灯检测识别方法及装置
技术领域
本发明涉及检测识别技术领域，具体而言，涉及一种信号灯检测识别方法及装置。
背景技术
随着经济水平和人民生活水平的不断提高，各大中小城市中车辆不断的增加。与此同时，随之而来的交通问题也越来越备受关注。在交通违法行为识别的过程中，自动准确的识别交通信号灯尤为重要。传统的交通信号灯识别方案主要是利用像素变化，检测特定区域的颜色值变化，来确定交通信号灯的状态。
但是随着路况复杂度的增加，现有技术中识别交通信号灯的技术方案还有通过利用交通信号灯的形状，如圆形，箭头等形状在特定区域进行模板匹配，并且对匹配的区域提取像素值，从而识别灯的颜色。但是，这种技术方案由于交通信号灯的形状各异，例如圆灯，箭头灯，而且图像采集的摄像头的安装位置以及交通信号灯的安装位置各有不同，导致不同位置间交通信号灯的大小不一。因此，对信号灯进行可靠有效的识别是亟待解决的问题。
发明内容
有鉴于此，本发明的目的在于提供一种信号灯检测识别方法及装置，以解决上述问题。
为了达到上述目的，本发明较佳实施例提供一种信号灯检测识别方法，应用于包括拍摄装置的信号灯检测识别系统，所述检测识别系统中存储有信号灯的预设特征，所述方法包括：
获取所述拍摄装置拍摄到的图像；
根据所述预设特征对所述图像进行检测，得到所述图像内的特征图；
获取所述特征图的颜色直方图及HOG特征并进行融合得到融合特征；
根据所述融合特征判断所述特征图是否为信号灯的图；
当为信号灯的图时，获取所述融合特征的颜色及形状，并根据所述融合特征的颜色及形状得到信号灯的指示信息。
在本发明较佳实施例中，在上述信号灯检测识别方法中，根据所述预设特征对所述图像进行检测，得到所述图像内的特征图的步骤包括：
对所述图像进行多尺度缩放，并根据所述预设特征采用MB-LBP特征描述子和Gentle Adaboost算法进行检测得到所述图像内的所有特征图。
在本发明较佳实施例中，在上述信号灯检测识别方法中，获取所述特征图的颜色直方图特征及HOG特征并进行融合得到融合特征的步骤包括：
将所述特征图分为多个块，每个块包括多个单元；
获取各单元的HOG特征，各单元的R通道的直方图、G通道的直方图和B通道的直方图，并进行融合得到融合特征。
在本发明较佳实施例中，在上述信号灯检测识别方法中，获取所述融合特征的颜色的步骤包括：
对各单元的R通道的直方图、G通道的直方图和B通道的直方图进行拼接，得到各单元的RGB直方图；
根据所述各单元的RGB直方图得到融合特征的颜色。
在本发明较佳实施例中，在上述信号灯检测识别方法中，获取所述融合特征的形状的步骤包括：
采用多个预设分类器对所述融合特征图的形状进行投票；
根据投票结果得到所述融合特征图的形状。
本发明还提供一种信号灯检测识别装置，应用于包括拍摄装置的信号灯检测识别系统，所述检测识别系统中存储有信号灯的预设特征，所述装置包括：
图像获取模块：用于获取所述拍摄装置拍摄到的图像；
图像检测模块：用于根据所述预设特征对所述图像进行检测，得到所述图像内的特征图；
特征融合模块：用于获取所述特征图的颜色直方图及HOG特征并进行融合得到融合特征；
判断模块：用于根据所述融合特征判断所述特征图是否为信号灯的图；
信息获取模块：用于当为信号灯的图时，获取所述融合特征的颜色及形状，并根据所述融合特征的颜色及形状得到信号灯的指示信息。
在本发明较佳实施例中，在上述信号灯检测识别装置中，所述图像检测模块还用于：对所述图像进行多尺度缩放，并根据所述预设特征采用MB-LBP特征描述子和GentleAdaboost算法进行检测得到所述图像内的所有特征图。
在本发明较佳实施例中，在上述信号灯检测识别装置中，所述特征融合模块包括：
划分子模块：用于将所述特征图分为多个块，每个块包括多个单元；
特征融合子模块：用于获取各单元的HOG特征，各单元的R通道的直方图、G通道的直方图和B通道的直方图，并进行融合得到融合特征。
在本发明较佳实施例中，在上述信号灯检测识别装置中，所述信息获取模块包括：
拼接子模块：用于对各单元的R通道的直方图、G通道的直方图和B通道的直方图进行拼接，得到各单元的RGB直方图；
颜色获取子模块：用于根据所述各单元的RGB直方图得到融合特征的颜色。
在本发明较佳实施例中，在上述信号灯检测识别装置中，所述信息获取模块包括：
投票子模块：用于采用多个预设分类器对所述融合特征图的形状进行投票；
形状获取子模块：用于根据投票结果得到所述融合特征图的形状。
本发明实施例提供的一种信号灯检测识别方法及装置，应用于包括拍摄装置的信号灯检测识别系统，所述检测识别系统中存储有信号灯的预设特征，所述信号灯检测识别方法包括：获取所述拍摄装置拍摄到的图像，根据所述预设特征对所述图像进行检测，得到所述图像内的特征图，获取所述特征图的颜色直方图及HOG特征并进行融合得到融合特征，根据所述融合特征判断所述特征图是否为信号灯的图，当为信号灯的图时，获取所述融合特征的颜色及形状，并根据所述融合特征的颜色及形状得到信号灯的指示信息。通过上述设置有效保证对信号灯检测识别的准确性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的一种拍摄装置的方框示意图。
图2为本发明实施例提供的一种信号灯检测识别方法的流程示意图。
图3为本发明图2中步骤S130包括的子步骤示意图。
图4为本发明图2中步骤S150包括的子步骤示意图。
图5为本发明实施例提供的一种信号灯检测识别装置的方框示意图。
图6为本发明实施例提供的一种特征融合模块的方框示意图。
图7为本发明实施例提供的一种信息获取模块的方框示意图。
图标：10-拍摄装置；12-存储器；14-处理器；100-信号灯检测识别装置；110-图像获取模块；120-图像检测模块；130-特征融合模块；132-划分子模块；134-特征融合子模块；140-判断模块；150-信息获取模块；152-拼接子模块；154-颜色获取子模块；156-投票子模块；158-形状获取子模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
如图1所示，是本发明较佳实施例提供的一种拍摄装置10的连接框图。所述拍摄装置10指具有图像或视频采集功能的设备，例如摄像机、摄像头等，其中，所述摄像机可以为云台摄像机、球机、网络摄像机等。
所述拍摄装置10包括存储器12、处理器14以及信号灯检测识别装置100。所述存储器12与处理器14相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可以通过一条或多条通讯总线或信号线实现电性连接。所述检测识别装置包括至少一个可以软件或固件(firmware)的形式存储于所述存储器12中的功能模块。所述处理器14用于执行所述存储器12中存储的可执行模块，例如所述信号灯检测识别装置100所包括的软件功能模块及计算机程序等，以实现本实施例中的信号灯检测识别方法。
其中，所述存储器12可以是，但不限于，随机存取存储器(RandomAccess Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。
所述存储器12用于存储程序，例如，本发明提供的信号灯检测识别装置100所对应的功能模块及图像处理系统，可通过所述处理器14实现对信号灯的进行检测识别得到指示信息目的。
所述处理器14可以是一种集成电路芯片，具有信号处理能力。所述处理器14可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门阵列或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
应当理解，图1所示的结构仅为示意，所述拍摄装置10可以包括比图1所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
请参阅图2，本发明提供的一种信号灯检测识别方法，应用于包括拍摄装置10的信号灯检测识别系统，所述检测识别系统中存储有信号灯的预设特征，所述信号灯检测识别方法包括步骤S110～步骤S150五个步骤：
步骤S110：获取所述拍摄装置10拍摄到的图像。
可选的，所述拍摄装置10设置于车身前侧的一固定位置处，以使该拍摄装置10能够拍摄车身前侧拍摄范围内的图像。
步骤S120：根据所述预设特征对所述图像进行检测，得到所述图像内的特征图。
其中，所述预设特征为现有的信号灯安装方式下形成的信号灯结构图，例如，所述预设特征包括悬臂式、柱式、门式、附着式或中心安装式等的安装方式下形成的信号灯结构图。根据所述预设特征对所述图像进行检测，得到的特征图与各所述信号灯结构图相匹配。
为确保能够有效检测到所述图像内所有与预设特征相匹配的图像，在本实施中，可选的，根据所述预设特征对所述图像进行检测，得到所述图像内的特征图的步骤包括：对所述图像进行多尺度缩放，并根据所述预设特征采用MB-LBP特征描述子和GentleAdaboost算法进行检测得到所述图像内的所有特征图。
通过对所述图像进行缩放以有效确保所述图像清晰完整，根据所述预设特征对不同缩放条件下的图像进行检测以有效保障该图像内的所有特征图都被检测到。此外，通过采用MB-LBP特征描述子能够描述较多的图像信息，且MB-LBP特征描述子对小噪声点的抗干扰能力强，并具有光照鲁棒性和计算高效性等特点能够有效避免不同光照条件下对检测结果造成影响的情况。Gentle Adaboost能实现自适应的牛顿步长优化，以提升检测性能和检测效率。根据所述预设特征采用MB-LBP特征描述子和GentleAdaboost算法进行检测能够有效保障检测结果的准确性，并能有效避免出现漏检测的情况。
步骤S130：获取所述特征图的颜色直方图及HOG特征并进行融合得到融合特征。
通常情况下，对于交通信号灯来说，颜色和形状是其最为明显的特征。通过获取所述特征图的颜色直方图和HOG特征，即可得到该特征图的颜色及局部纹理特征。
请结合图3，在本实施例中，获取所述特征图的颜色直方图特征及HOG特征并进行融合得到融合特征的步骤包括以下子步骤：
子步骤S132：将所述特征图分为多个块，每个块包括多个单元。
在本实施例中，将各所述特征图分为多个块，每个块中包括的单元数目可以是相同的也可以是不同的。在本实施例中，每个单元的数目相同，各单元的形状大小相同，且每个块的形状大小相同。
子步骤S134：获取各单元的HOG特征，各单元的R通道的直方图、G通道的直方图和B通道的直方图，并进行融合得到融合特征。
其中特征图的颜色直方图根据所述R通道的直方图、G通道的直方图和B通道的直方图进行拼接得到。在进行融合时，由于在不同尺度的缩放条件下会对HOG特征产生影响，不同的光强度下会对颜色直方图产生影响。因此，在本实施例中，在进行融合得到融合特征时，可以根据光照条件、缩放尺度、各块中包括的各单元的纹理特征及各块中各单元的颜色直方图得到融合描述子，并根据各单元的融合描述子得到融合特征。
在一个实例中，可以通过以下公式得到融合描述子：
其中，F为融合描述子，max(histr)为一个块中包括的各单元R通道的直方图对应的值中的最大值，max(histg)为一个块中包括的各单元中的G通道的直方图对应的值中的最大值，max(histb)为一个块中包括的各单元的B通道的直方图对应的值中的最大值。histr为一个单元的R通道的直方图对应的值，histg为一个单元的G通道的直方图对应的值，histb为一个单元的B通道的直方图对应的值。ar为R通道下的缩放系数，ag为G通道下的缩放系数，ab为B通道下的缩放系数，且ar、ag和ab可以根据光照的强弱进行调节。
步骤S140：根据所述融合特征判断所述特征图是否为信号灯的图。
步骤S150：当为信号灯的图时，获取所述融合特征的颜色及形状，并根据所述融合特征的颜色及形状得到信号灯的指示信息。
通常情况下，所述信号灯的图的颜色包括红色、绿色和黄色，所述信号灯的形状包括但不限于圆形、左箭头、右箭头和/或上箭头。请结合图4，在本实施例中，获取所述融合特征图的颜色的步骤包括以下子步骤：
子步骤S152：对各单元的R通道的直方图、G通道的直方图和B通道的直方图进行拼接，得到各单元的RGB直方图。
子步骤S154：根据所述各单元的RGB直方图得到融合特征的颜色。
通过上述设置使获取到的融合图的颜色更加准确，进而有效保障识别到的指示灯的颜色的准确性。
获取所述融合特征图的形状的步骤包括以下子步骤：
子步骤S156：采用多个预设分类器对所述融合特征图的形状进行投票。
其中，所述预设分类器为线性的支持向量机，其能够快速并准确地识别各所述融合特征图的形状并进行投票分类。其中，该分类的类型包括圆形、左箭头、右箭头或上箭头。
子步骤S158：根据投票结果得到所述融合特征图的形状。
其中，投票数目最多的形状即为该融合特征图的形状。
根据所述融合特征图的颜色及形状即可得到所述信号灯的指示信息。例如，当所述融合特征图的颜色为绿色且为圆形或上箭头时，则信号灯的指示信息为直行；当所述融合特征的图为绿色和右箭头时，则信号灯的指示信息为右转。当所述融合特征的图为绿色和左箭头时，则信号灯的指示信息为左转。
请结合图5，在上述基础上，本发明还提供一种信号灯检测识别装置100，应用于包括拍摄装置10的信号灯检测识别系统，所述检测识别系统中存储有信号灯的预设特征，所述信号灯检测识别装置100包括：图像获取模块110、图像检测模块120、特征融合模块130、判断模块140和信息获取模块150。
所述图像获取模块110用于获取所述拍摄装置10拍摄到的图像。具体地，所述图像获取模块110可用于执行图2中所示的步骤S110，具体的操作方法可参考步骤S110的详细描述。
所述图像检测模块120用于根据所述预设特征对所述图像进行检测，得到所述图像内的特征图。具体地，所述图像检测模块120可用于执行图2中所示的步骤S120，具体的操作方法可参考步骤S120的详细描述。
所述特征融合模块130用于获取所述特征图的颜色直方图及HOG特征并进行融合得到融合特征。具体地，所述特征融合模块130可用于执行图2中所示的步骤S130，具体的操作方法可参考步骤S130的详细描述。
请结合图6，可选的，在本实施例中，所述特征融合模块130包括：划分子模块132和特征融合子模块134。
所述划分子模块132用于将所述特征图分为多个块，每个块包括多个单元。具体地，所述划分子模块132可用于执行图3中所示的步骤S132，具体的操作方法可参考步骤S132的详细描述。
所述特征融合子模块134用于获取各单元的HOG特征，各单元的R通道的直方图、G通道的直方图和B通道的直方图，并进行融合得到融合特征。具体地，所述特征融合子模块134可用于执行图3中所示的步骤S134，具体的操作方法可参考步骤S134的详细描述。
所述判断模块140用于根据所述融合特征判断所述特征图是否为信号灯的图。具体地，所述判断模块140可用于执行图2中所示的步骤S140，具体的操作方法可参考步骤S140的详细描述。
所述信息获取模块150用于当为信号灯的图时，获取所述融合特征的颜色及形状，并根据所述融合特征的颜色及形状得到信号灯的指示信息。具体地，所述信息获取模块150可用于执行图2中所示的步骤S150，具体的操作方法可参考步骤S150的详细描述。
请结合图7，可选的，所述信息获取模块150包括拼接子模块152和颜色获取子模块154。
所述拼接子模块152用于对各单元的R通道的直方图、G通道的直方图和B通道的直方图进行拼接，得到各单元的RGB直方图。具体地，所述拼接子模块152可用于执行图4中所示的步骤S152，具体的操作方法可参考步骤S152的详细描述。
所述颜色获取子模块154用于根据所述各单元的RGB直方图得到融合特征的颜色。具体地，所述颜色获取子模块154可用于执行图4中所示的步骤S154，具体的操作方法可参考步骤S154的详细描述。
可选的，在本实施例中，所述信息获取模块150还包括投票子模块156和形状获取子模块158。
所述投票子模块156用于采用多个预设分类器对所述融合特征图的形状进行投票。具体地，所述投票子模块156可用于执行图4中所示的步骤S156，具体的操作方法可参考步骤S156的详细描述。
所述形状获取子模块158用于根据投票结果得到所述融合特征图的形状。具体地，所述形状获取子模块158可用于执行图4中所示的步骤S158，具体的操作方法可参考步骤S158的详细描述。
综上，本发明提供的一种信号灯检测识别方法及装置，通过获取所述拍摄装置10拍摄到的图像，根据所述预设特征对所述图像进行检测，得到所述图像内的特征图，获取所述特征图的颜色直方图及HOG特征并进行融合得到融合特征，根据所述融合特征判断所述特征图是否为信号灯的图，当为信号灯的图时，获取所述融合特征的颜色及形状，并根据所述融合特征的颜色及形状得到信号灯的指示信息。进一步的，通过将所述特征图分为多个块，每个块包括多个单元，获取各单元的HOG特征，各单元的R通道的直方图、G通道的直方图和B通道的直方图，并进行融合得到融合特征，以根据融合特征判断所述特征图是否为信号灯的图，有效提高判断结果的准确性。
在本发明实施例所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，i方框中所标注的功能也可以以不同于附图中所标注的顺序发生。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的装置来实现，或者可以用专用硬件与计算机指令的组合来实现。另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，电子设备，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种信号灯检测识别方法，应用于包括拍摄装置的信号灯检测识别系统，所述检测识别系统中存储有信号灯的预设特征，其特征在于，所述方法包括：
获取所述拍摄装置拍摄到的图像；
对所述图像进行多尺度缩放，并根据所述预设特征采用MB-LBP特征描述子和GentleAdaboost算法对所述图像不同缩放尺度下进行检测得到所述图像内的所有特征图；
获取所述特征图的颜色直方图及HOG特征并进行融合得到融合特征；
根据所述融合特征判断所述特征图是否为信号灯的图；
当为信号灯的图时，获取所述融合特征的颜色及形状，并根据所述融合特征的颜色及形状得到信号灯的指示信息。
2.根据权利要求1所述的信号灯检测识别方法，其特征在于，获取所述特征图的颜色直方图特征及HOG特征并进行融合得到融合特征的步骤包括：
将所述特征图分为多个块，每个块包括多个单元；
获取各单元的HOG特征，各单元的R通道的直方图、G通道的直方图和B通道的直方图，并进行融合得到融合特征。
3.根据权利要求2所述的信号灯检测识别方法，其特征在于，获取所述融合特征的颜色的步骤包括：
对各单元的R通道的直方图、G通道的直方图和B通道的直方图进行拼接，得到各单元的RGB直方图；
根据所述各单元的RGB直方图得到融合特征的颜色。
4.根据权利要求1所述的信号灯检测识别方法，其特征在于，获取所述融合特征的形状的步骤包括：
采用多个预设分类器对所述融合特征的形状进行投票；
根据投票结果得到所述融合特征的形状。
5.一种信号灯检测识别装置，应用于包括拍摄装置的信号灯检测识别系统，所述检测识别系统中存储有信号灯的预设特征，其特征在于，所述装置包括：
图像获取模块：用于获取所述拍摄装置拍摄到的图像；
图像检测模块：用于对所述图像进行多尺度缩放，并根据所述预设特征采用MB-LBP特征描述子和Gentle Adaboost算法对所述图像不同缩放尺度下进行检测得到所述图像内的所有特征图；
特征融合模块：用于获取所述特征图的颜色直方图及HOG特征并进行融合得到融合特征；
判断模块：用于根据所述融合特征判断所述特征图是否为信号灯的图；
信息获取模块：用于当为信号灯的图时，获取所述融合特征的颜色及形状，并根据所述融合特征的颜色及形状得到信号灯的指示信息。
6.根据权利要求5所述的信号灯检测识别装置，其特征在于，所述特征融合模块包括：
划分子模块：用于将所述特征图分为多个块，每个块包括多个单元；
特征融合子模块：用于获取各单元的HOG特征，各单元的R通道的直方图、G通道的直方图和B通道的直方图，并进行融合得到融合特征。
7.根据权利要求6所述的信号灯检测识别装置，其特征在于，所述信息获取模块包括：
拼接子模块：用于对各单元的R通道的直方图、G通道的直方图和B通道的直方图进行拼接，得到各单元的RGB直方图；
颜色获取子模块：用于根据所述各单元的RGB直方图得到融合特征的颜色。
8.根据权利要求5所述的信号灯检测识别装置，其特征在于，所述信息获取模块还包括：
投票子模块：用于采用多个预设分类器对所述融合特征的形状进行投票；
形状获取子模块：用于根据投票结果得到所述融合特征的形状。
CN201710669548.9A 2017-08-08 2017-08-08 信号灯检测识别方法及装置 Active CN107403169B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710669548.9A CN107403169B (zh) 2017-08-08 2017-08-08 信号灯检测识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710669548.9A CN107403169B (zh) 2017-08-08 2017-08-08 信号灯检测识别方法及装置

Publications (2)

Publication Number Publication Date
CN107403169A CN107403169A (zh) 2017-11-28
CN107403169B true CN107403169B (zh) 2018-09-28

Family

ID=60402142

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710669548.9A Active CN107403169B (zh) 2017-08-08 2017-08-08 信号灯检测识别方法及装置

Country Status (1)

Country Link
CN (1) CN107403169B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107831789A (zh) * 2017-12-12 2018-03-23 成都育芽科技有限公司 一种无人自动驾驶汽车交通信号灯同步控制方法
CN109063619A (zh) * 2018-07-25 2018-12-21 东北大学 一种基于自适应背景抑制滤波器和组合方向梯度直方图的交通信号灯检测方法和系统
JP2022107967A (ja) * 2021-01-12 2022-07-25 トヨタ自動車株式会社 歩行支援システム
CN112712057B (zh) * 2021-01-13 2021-12-07 腾讯科技（深圳）有限公司 交通信号识别方法、装置、电子设备及存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102176287A (zh) * 2011-02-28 2011-09-07 无锡中星微电子有限公司 一种交通信号灯识别系统和方法
CN103020613A (zh) * 2013-01-07 2013-04-03 信帧电子技术（北京）有限公司 一种基于视频的信号灯识别方法及装置
CN104598912A (zh) * 2015-01-23 2015-05-06 湖南科技大学 一种基于cpu与gpu协同计算的交通灯检测识别方法
CN105608417A (zh) * 2015-12-15 2016-05-25 福州华鹰重工机械有限公司 交通信号灯检测方法及装置
CN105893971A (zh) * 2016-04-01 2016-08-24 上海理工大学 一种基于Gabor和稀疏表示的交通信号灯识别方法
CN105930819A (zh) * 2016-05-06 2016-09-07 西安交通大学 基于单目视觉和gps组合导航系统的实时城区交通灯识别系统
CN106570494A (zh) * 2016-11-21 2017-04-19 北京智芯原动科技有限公司 基于卷积神经网络的交通信号灯识别方法及装置
CN106650641A (zh) * 2016-12-05 2017-05-10 北京文安智能技术股份有限公司 一种交通信号灯定位识别方法、装置及系统
CN106780567A (zh) * 2016-11-24 2017-05-31 红河学院 一种融合颜色和梯度直方图的免疫粒子滤波扩展目标跟踪方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9305223B1 (en) * 2013-06-26 2016-04-05 Google Inc. Vision-based indicator signal detection using spatiotemporal filtering

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102176287A (zh) * 2011-02-28 2011-09-07 无锡中星微电子有限公司 一种交通信号灯识别系统和方法
CN103020613A (zh) * 2013-01-07 2013-04-03 信帧电子技术（北京）有限公司 一种基于视频的信号灯识别方法及装置
CN104598912A (zh) * 2015-01-23 2015-05-06 湖南科技大学 一种基于cpu与gpu协同计算的交通灯检测识别方法
CN105608417A (zh) * 2015-12-15 2016-05-25 福州华鹰重工机械有限公司 交通信号灯检测方法及装置
CN105893971A (zh) * 2016-04-01 2016-08-24 上海理工大学 一种基于Gabor和稀疏表示的交通信号灯识别方法
CN105930819A (zh) * 2016-05-06 2016-09-07 西安交通大学 基于单目视觉和gps组合导航系统的实时城区交通灯识别系统
CN106570494A (zh) * 2016-11-21 2017-04-19 北京智芯原动科技有限公司 基于卷积神经网络的交通信号灯识别方法及装置
CN106780567A (zh) * 2016-11-24 2017-05-31 红河学院 一种融合颜色和梯度直方图的免疫粒子滤波扩展目标跟踪方法
CN106650641A (zh) * 2016-12-05 2017-05-10 北京文安智能技术股份有限公司 一种交通信号灯定位识别方法、装置及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"基于 HSV 色彩空间与形状特征的交通灯自动识别";朱永珍 等;《视频应用与工程》;20150302;第39卷(第5期);第150-154页 *
"融合颜色和梯度直方图的免疫粒子滤波算法";郭红伟 等;《小型微型计算机系统》;20170615;第38卷(第6期);第1420-1424页 *

Also Published As

Publication number Publication date
CN107403169A (zh) 2017-11-28

Similar Documents

Publication Publication Date Title
CN107403169B (zh) 信号灯检测识别方法及装置
US11455805B2 (en) Method and apparatus for detecting parking space usage condition, electronic device, and storage medium
CN102110332B (zh) 基于计算机视觉及射频识别技术的书本登记管理装置
WO2017190574A1 (zh) 一种基于聚合通道特征的快速行人检测方法
CA2867365C (en) Method, system and computer storage medium for face detection
CN104350510B (zh) 用于将图像的前景对象与背景模型区分开的方法和系统
CN103077407B (zh) 车标定位识别方法及系统
CN105405298B (zh) 一种车牌标识的识别方法和装置
CN105279971B (zh) 一种车辆信息匹配方法、系统及监控装置
US11113582B2 (en) Method and system for facilitating detection and identification of vehicle parts
CN107103330A (zh) 一种指示灯状态识别方法和装置
CN107273838A (zh) 交通信号灯抓拍图片的处理方法及装置
CN104778778B (zh) 一种验钞方法及系统
CN107808126A (zh) 车辆检索方法及装置
Almagambetov et al. Mobile standards-based traffic light detection in assistive devices for individuals with color-vision deficiency
CN109993020A (zh) 人脸布控报警方法及装置
CN104361359A (zh) 基于图像检测的车辆识别方法
CN108830184A (zh) 黑眼圈识别方法及装置
CN110245673A (zh) 车位检测方法及装置
CN105070094B (zh) 一种基于机器视觉的车位检测系统及车位检测方法
CN109993134A (zh) 一种基于hog和svm分类器的道路交叉口车辆检测方法
CN109858310A (zh) 车辆和交通标志检测方法
CN108831158A (zh) 违停监测方法、装置及电子终端
Rodríguez et al. HD-MR: A new algorithm for number recognition in electrical meters
CN111931721B (zh) 年检标签颜色和个数的检测方法、装置及电子设备

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