CN109460715A - 一种基于机器学习的交通灯自动识别实现方法 - Google Patents

Abstract

本发明在此提供了一种基于机器学习的交通灯自动识别实现方法，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黄、红、绿进行分割；根据初始灯组信息确定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，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灯的排列组合，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，颜色信息和亮度信息。通过这种方法实现了对交通灯的识别，解决了现有技术中由于交通信号灯本身颜色，亮度的多变性以及周围环境光线的影响等导致现有的算法不能快速准确定位信号灯进行识别的问题。

Description

一种基于机器学习的交通灯自动识别实现方法

技术领域

本发明涉及一种交通灯自动识别实现方法，具体来讲是一种基于机器学习的交通灯自动识别实现方法。

背景技术

随着社会的发展，汽车已经成为人类日常生活不可替代的交通工具。然而，随之而来的是日益突出的安全问题；对于交通灯进行自动识别也显得十分重要。

经过检索发现，专利号CN201310656616.X的发明公开了一种基于自主学习的交通信号灯全自动定位识别的方法，对输入的视频流，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。

专利号CN201410250147.6的发明专利公开了一种基于视觉的交通信号灯自动检测识别方法，它是一种利用颜色空间线性滤波和梯度方向直方图特征相结合的层级架构，通过训练来构建我国典型交通信号灯的检测识别模型。该方法包括训练和测试两个阶段，训练阶段完成训练数据集的收集、目标颜色光谱的确定以及分类模型参数的确定；测试阶段利用训练阶段获得的模型实现交通信号灯的检测识别，其包括交通信号灯候选区域筛选、连通域滤波、交通信号灯形状确认和交通信号灯指示方向确认。

专利号CN201610709275.1的发明公开了一种基于深度学习的交通标志自动识别与标注方法，用于智能汽车的环境感知技术领域。本发明采用语义分割结构对交通标志定位检测，获取含有交通标志的候选区域，语义分割结构包含两部分：编码网络；解码网络和基于像素的分类层。然后通过快速区域卷积神经网络对候选区域中的交通标志进行分类识别并定位。基于该交通标志自动识别与标注方法，还相应提供了一种有效的更新地图导航信息的方法。本发明用语义分割的方法对交通标志候选区域进行定位，提供了新思路，并减少了训练的参数数量，节省了存储空间，缩短了计算时间。

另外，机器视觉是用来实现人的视觉功能，也就是用机器代替人眼来做测量和判断。机器视觉技术包含光源照明技术、光成像技术、传感器技术、数字图像处理技术等相关技术，是实现计算机集成系统的基础技术。

对于交通灯的识别，将使世界上7％～8％的色盲、色弱患者驾驶汽车成为可能，也为无人驾驶汽车在技术上前进一步。因而将为汽车工业以及汽车电子工业带来更大的经济效益，和更大的社会效益，并可以在国际上填补该领域的空白。

发明内容

因此，为了解决上述不足，本发明在此提供一种基于机器学习的交通灯自动识别实现方法；将采集到的交通灯图像通过计算相似度定位出交通灯所在区域然后采取相应的颜色空间和识别算法，来判断交通灯的颜色及其显示的数字

本发明是这样实现的，构造一种基于机器学习的交通灯自动识别实现方法，其特征在于：

包括如下步骤：

步骤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；

步骤2，进行图像二值化处理，将图像上感兴趣区域的像素点的灰度置为0或者255，即感兴趣区域为黑色或者白色，整个效果转为黑白效果图；

步骤3，在经过二值化处理的感兴趣区域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；

步骤4，根据当前时刻灯组颜色信息和下一时刻颜色信息转变组合，排出不可能的灯组组合，输出正确的有效的交通信号组灯；并作为初始化灯组信息提供给下一个帧图像使用。

本发明具有如下优点：本发明在此构思提供了一种交通灯的方法，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黄、红、绿进行分割；根据初始灯组信息确定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，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灯的排列组合，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，颜色信息和亮度信息。那么通过这种方法实现了对交通灯的识别，解决了现有技术中由于交通信号灯本身颜色，亮度的多变性以及周围环境光线的影响等导致现有的算法不能快速准确定位信号灯进行识别的问题。

附图说明

图1为本发明的系统结构图。

具体实施方式

下面将结合附图1对本发明进行详细说明，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做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。

本发明通过改进在此提供一种基于机器学习的交通灯自动识别实现方法，其特征在于：包括如下步骤：

步骤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；

步骤2，进行图像二值化处理，将图像上感兴趣区域的像素点的灰度置为0或者255，即感兴趣区域为黑色或者白色，整个效果转为黑白效果图；

步骤3，在经过二值化处理的感兴趣区域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；

步骤4，根据当前时刻灯组颜色信息和下一时刻颜色信息转变组合，排出不可能的灯组组合，输出正确的有效的交通信号组灯；并作为初始化灯组信息提供给下一个帧图像使用。

本发明构思提供了一种交通灯的方法，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黄、红、绿进行分割；根据初始灯组信息确定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，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灯的排列组合，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，颜色信息和亮度信息。

通过这种方法实现了对交通灯的识别，解决了现有技术中由于交通信号灯本身颜色，亮度的多变性以及周围环境光线的影响等导致现有的算法不能快速准确定位信号灯进行识别的问题。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (1)

1.一种基于机器学习的交通灯自动识别实现方法，其特征在于：

包括如下步骤：

步骤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；

步骤2，进行图像二值化处理，将图像上感兴趣区域的像素点的灰度置为0或者255，即感兴趣区域为黑色或者白色，整个效果转为黑白效果图；

步骤3，在经过二值化处理的感兴趣区域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；

步骤4，根据当前时刻灯组颜色信息和下一时刻颜色信息转变组合，排出不可能的灯组组合，输出正确的有效的交通信号组灯；并作为初始化灯组信息提供给下一个帧图像使用。