CN109636777A - 一种交通信号灯的故障检测方法、系统及存储介质 - Google Patents
一种交通信号灯的故障检测方法、系统及存储介质 Download PDFInfo
- Publication number
- CN109636777A CN109636777A CN201811385158.XA CN201811385158A CN109636777A CN 109636777 A CN109636777 A CN 109636777A CN 201811385158 A CN201811385158 A CN 201811385158A CN 109636777 A CN109636777 A CN 109636777A
- Authority
- CN
- China
- Prior art keywords
- image
- traffic lights
- gray level
- level image
- binary
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 18
- 230000011218 segmentation Effects 0.000 claims description 21
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 7
- 230000000877 morphologic effect Effects 0.000 claims description 5
- 210000003296 saliva Anatomy 0.000 claims description 2
- 238000007689 inspection Methods 0.000 description 4
- 206010039203 Road traffic accident Diseases 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000007257 malfunction Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G06T5/94—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Abstract
本发明公开了一种交通信号灯的故障检测方法、系统及存储介质,方法包括:获取摄像机视频流,实时采集单帧图像;根据采集到的单帧图像,获取交通信号灯区域;根据交通信号灯区域,对交通信号灯的检测环境进行判断;根据判断结果,对交通信号灯区域进行灰度图划分,得到单通道灰度图;根据单通道灰度图,得到红色灰度图像、黄色灰度图像以及绿色灰度图像;分别对红色灰度图像、黄色灰度图像以及绿色灰度图像进行图像二值化处理,得到二值化图像;根据二值化图像,生成故障检测结果。本发明降低了人工成本且提高了工作效率,可广泛应用于图像处理技术领域。
Description
技术领域
本发明涉及图像处理技术领域,尤其是一种交通信号灯的故障检测方法、系统及存储介质。
背景技术
交通信号灯由LED发光二级管材料制作而做成的,是用于指挥交通运行的信号灯。它由道路交通信号控制机控制,是交通安全产品中的一个类别,适用于十字、丁字等交叉路口。交通信号灯是为了加强道路交通管理,减少交通事故的发生,提高道路使用效率,改善交通状况的一种重要工具。
交通信号灯一般由红灯、绿灯、黄灯组成。其中红灯表示禁止通行,绿灯表示准许通行,黄灯表示警示,通过不同颜色的信号灯指导着车辆和行人安全有序地通行。以规定的时间交互更换之颜色讯号,用以将道路通行权指定给车辆驾驶员与行人,管制其行止及转向,指示车辆及行人停止、注意与行进,通常设置于交岔路口或其他特殊地点。还有一种是方向指示信号灯,提示车辆驾驶员要按箭头方向行驶,对交通起到导流的作用。
交通信号灯作为城市交通管理系统的末端,对城市交通起着直接调节的作用。交通信号灯大多安装于路口的灯杆,不像其他电气设备位于室内,在雷雨、炎热、酷寒天气容易受到破坏。信号灯故障时容易引起交通堵塞,甚至造成交通事故,有必要对其进行快速维护。目前,检测交通信号灯故障的方法有:①自检功能,通过信号灯两端的电压电流信息分析信号灯的故障,将信号灯两端220V交流电转化为TTL电平信号,并传输到监控室由人来判断其故障状态。②人工巡检,由工作人员每天到交通信号灯安装点查看它的工作状态。
现有技术有提出了一种交通信号灯故障检测系统,它能够有效地检测信号灯熄灭的故障状态,但是信号灯故障类型有两种:①交通信号灯熄灭;②显示屏红绿黄其中两种颜色同时亮起或三种颜色同时亮起。现有的交通信号灯故障检测系统并没有对上述第二种的显示故障进行检测。交通信号灯分布广泛,如果通过人工巡检,这样需要大量的人力物力,检测的效率也不高,并且不一定能及时发现问题。如果不能及时检测到故障的交通信号灯,可能会导致交通秩序混乱,甚至引起车祸。
发明内容
为解决上述技术问题,本发明的目的在于:提供一种人工成本低且检测效率高的交通信号灯的故障检测方法、系统及存储介质。
本发明一方面所采取的技术方案为:
一种交通信号灯的故障检测方法,包括以下步骤:
获取摄像机视频流,实时采集单帧图像;
根据采集到的单帧图像,获取交通信号灯区域;
根据交通信号灯区域,对交通信号灯的检测环境进行判断;
根据判断结果,对交通信号灯区域进行灰度图划分,得到单通道灰度图;所述单通道灰度图包括红色通道灰度图、黄色通道灰度图和绿色通道灰度图;
根据单通道灰度图,得到红色灰度图像、黄色灰度图像以及绿色灰度图像;
分别对红色灰度图像、黄色灰度图像以及绿色灰度图像进行图像二值化处理,得到二值化图像;
根据二值化图像,生成故障检测结果;所述故障包括交通信号灯熄灭故障和交通信号灯显示故障。
进一步,所述根据交通信号灯区域,对交通信号灯的检测环境进行判断这一步骤,包括以下步骤:
基于预设的转换公式,将交通信号灯区域的彩色图像转换为灰度图像;
对灰度图像进行二值化处理,得到二值化图像;
计算二值化图像的总体像素面积以及白色像素面积;
计算白色像素面积与总体像素面积之间的比值;
判断比值是否大于预设的第一阈值,若是,则判定交通信号灯的检测环境不合格;反之,则判定交通信号灯的检测环境合格,并执行根据判断结果,对交通信号灯区域进行灰度图划分,得到单通道灰度图的步骤。
进一步,所述对灰度图像进行二值化处理,得到二值化图像这一步骤,其具体为:
判断灰度图像中像素点的灰度值是否大于预设的第二阈值,若是,则将所述像素点的灰度值配置为255;反之,则将所述像素点的灰度值配置为0。
进一步,所述分别对红色灰度图像、黄色灰度图像以及绿色灰度图像进行图像二值化处理,得到二值化图像这一步骤,包括以下步骤:
对交通信号灯的形状进行判断:当交通信号灯的形状为圆形时,采用大津法获取二值化的分割阈值;当交通信号灯的形状为箭头时,采用三角法获取二值化的分割阈值;
根据二值化的分割阈值,将红色灰度图像、黄色灰度图像以及绿色灰度图像分割成二值化图像;
对二值化图像进行图像形态学处理。
进一步,所述采用大津法获取二值化的分割阈值这一步骤,包括以下步骤:
获取灰度图像中的前景图像和背景图像;所述前景图像为交通信号灯发光模块的图像,所述背景图像为二值化图像中除去交通信号灯发光模块以外的图像;
计算前景图像的方差和背景图像的方差;
计算前景图像的像素点数量占所述灰度图像总像素点数量的比例;
计算前景图像的像素点的平均灰度;
计算背景图像的像素点数量占所述灰度图像总像素点数量的比例;
计算背景图像的像素点的平均灰度;
计算所述灰度图像的像素点的总平均灰度;
计算二值化的分割阈值。
进一步,所述采用三角法获取二值化的分割阈值这一步骤,包括以下步骤:
建立灰度图像的三角直方图;
根据三角直方图,构造像素数量的最高峰与最小灰度值之间的直线;
计算三角直方图中每个直方图到所述直线之间的垂直距离;
获取最大垂直距离对应的直方图,然后获取该直方图对应的灰度值,并将该灰度值作为二值化的分割阈值。
进一步,所述根据二值化图像,生成故障检测结果这一步骤,包括以下步骤:
分别计算红色二值化图像、黄色二值化图像和绿色二值化图像的总体像素面积以及白色像素面积;
分别计算红色二值化图像、黄色二值化图像和绿色二值化图像的白色像素面积与总体像素面积之间的比值;
判断三个比值是否均小于预设的第三阈值,若是,则判定交通信号灯存在熄灭故障;反之,则执行下一步骤;
根据计算得到的三个比值和预设的第三阈值,通过比对法对交通信号灯进行显示故障检测。
本发明另一方面所采取的技术方案是:
一种交通信号灯的故障检测系统,包括:
采集模块,用于获取摄像机视频流,实时采集单帧图像;
区域选取模块,用于根据采集到的单帧图像,获取交通信号灯区域;
环境检测模块,用于根据交通信号灯区域,对交通信号灯的检测环境进行判断;
单通道灰度图划分模块,用于根据判断结果,对交通信号灯区域进行灰度图划分,得到单通道灰度图;所述单通道灰度图包括红色通道灰度图、黄色通道灰度图和绿色通道灰度图;
三色灰度图生成模块,用于根据单通道灰度图,得到红色灰度图像、黄色灰度图像以及绿色灰度图像;
二值化处理模块,用于分别对红色灰度图像、黄色灰度图像以及绿色灰度图像进行图像二值化处理,得到二值化图像;
故障检测模块,用于根据二值化图像,生成故障检测结果;所述故障包括交通信号灯熄灭故障和交通信号灯显示故障。
本发明另一方面所采取的技术方案是:
一种交通信号灯的故障检测系统,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现所述的交通信号灯的故障检测方法。
本发明另一方面所采取的技术方案是:
一种存储介质,其中存储有处理器可执行的指令,所述处理器可执行的指令在由处理器执行时用于执行所述的交通信号灯的故障检测方法。
本发明的有益效果是:本发明通过道路上的摄像机视频流来实时采集单帧图像,无需额外铺设图像采集设备,工作人员可以在后台直接获取最终的故障检测结果,无需进行户外工作,大大降低了人工成本且提高了工作效率;另外,本发明能够同时检测交通信号灯的熄灭故障和显示故障,进一步提高了检测效率。
附图说明
图1为本发明实施例的步骤流程图;
图2为本发明实施例的三角法直方图示意图。
具体实施方式
下面结合说明书附图和具体实施例对本发明作进一步解释和说明。对于本发明实施例中的步骤编号,其仅为了便于阐述说明而设置,对步骤之间的顺序不做任何限定,实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
针对现有技术的缺点,本发明提出一种交通信号灯的故障检测方法、系统及存储介质。本发明利用了机器视觉的相关技术,其中,机器视觉主要用计算机来模拟人的视觉功能,但并不仅仅是人眼的简单延伸,更重要的是具有人脑的一部分功能一一从客观事物的图像中提取信息,进行处理并加以理解,最终用于实际检测、测量和控制。机器视觉系统通过摄像机把图像抓取到,然后将该图像传送至处理单元,通过数字化处理,根据像素分布和亮度、颜色等信息,来进行尺寸、形状、颜色等的判别。
参照图1,本发明实施例提供了一种交通信号灯的故障检测方法,具体实现步骤如下:
S1、获取摄像机视频流,实时采集单帧图像;
本发明属于数字图像处理领域,所以要从交通摄像机中获取视频流,实时采集单帧视频图像进行处理。
S2、根据采集到的单帧图像,获取交通信号灯区域;
具体地,ROI区域(region of interest,感兴趣区域),是指从图像中选择的一个图像区域,作为图像分析所关注的重点,在本发明中即是摄像机视频流采集到的图像中交通信号灯的区域。由于原始图像的分辨率较大,设置ROI区域作为目标图像可以减少处理时间,并提高处理精度。
S3、根据交通信号灯区域,对交通信号灯的检测环境进行判断;
进一步作为步骤S3的优选实施方式,所述步骤S3包括以下步骤:
S31、基于预设的转换公式,将交通信号灯区域的彩色图像转换为灰度图像;
S32、对灰度图像进行二值化处理,得到二值化图像;
S33、计算二值化图像的总体像素面积以及白色像素面积;
S34、计算白色像素面积与总体像素面积之间的比值;
S35、判断比值是否大于预设的第一阈值,若是,则判定交通信号灯的检测环境不合格;反之,则判定交通信号灯的检测环境合格,并执行根据判断结果,对交通信号灯区域进行灰度图划分,得到单通道灰度图的步骤。
具体地,由于本实施例通过摄像机采集的图像是彩色图像,因此首先把彩色图像转换为灰度图像。把白色与黑色之间按对数关系分为若干等级,称为灰度,灰度分为256阶,用灰度表示的图像称作灰度图。本实施例通过下面的方法将彩色图像转为灰度图像:
Gray=R*0.3+G*0.59+B*0.11,其中,颜色模型为RGB(R:red,红色;G:green,绿色;B:blue,蓝色),分别由R通道、G通道、B通道组成;Gray代表转换后的图像灰度值。
在本实施例中,一幅灰度图像中包含前景图像和背景图像,前景图像是交通信号灯发光模块对应的图像,背景是交通信号灯发光模块以外的部分对应的图像。因为需要对前景与背景进行分离之后,才能提取目标,所以本实施例首先把灰度图像进行二值化。图像二值化是将图像上的像素点的灰度值设置为0或255,像素点的灰度值为0时呈现黑色,255时呈现白色,也就是将整个图像呈现出明显的黑白效果。通过图像二值化处理,能够将256个亮度等级的灰度图像通过适当的阈值选取而获得仍然可以反映图像整体和局部特征的二值化图像。所有灰度大于或等于第二阈值的像素被判定为前景图像,其灰度值为255表示,否则这些像素点被排除在目标以外,判定为背景图像,灰度值为0,表示背景或者其他物体的区域。
接着,本实施例将二值化图像的长和宽相乘,获得图像总体像素面积S0,再遍历整个图像的所有像素中灰度值为255(即图像中白色像素)的总体像素面积s0,计算s0和S0之间的比例(即图像中白色像素的像素比P0)。由于在实际环境中常有雨天或雾天的情况,并且常有车灯照在交通信号灯的情况,这些情况下二值化图片的白色像素面积会增加,影响后续的检测。因此在检测之前,设定一个阈值T0(即第一阈值),这个阈值是可以接受的白色像素比最大值。当计算得到的比例P0大于这个阈值T0,则认为当前交通信号灯的环境不适合做检测;否则,认为当前交通信号灯没有异常,可以继续做检测。
S4、根据判断结果,对交通信号灯区域进行灰度图划分,得到单通道灰度图;所述单通道灰度图包括红色通道灰度图、黄色通道灰度图和绿色通道灰度图;
具体地,由于交通信号灯的显示颜色为红色、绿色、黄色,因此需要获得对应颜色的灰度图。本实施例通过下式得到对应颜色的灰度图:
R=r–g;G=g–r;Y=g–b;
其中,R表示红色通道灰度图的像素值,G表示绿色通道灰度图的像素值,Y表示黄色通道灰度图的像素值;r表示彩色图像R通道的像素值,g表示彩色图像G通道的像素值,b表示彩色图像B通道的像素值。
S5、根据单通道灰度图,得到红色灰度图像、黄色灰度图像以及绿色灰度图像;
S6、分别对红色灰度图像、黄色灰度图像以及绿色灰度图像进行图像二值化处理,得到二值化图像;
进一步作为步骤S6的优选实施方式,所述步骤S6包括以下步骤:
S61、对交通信号灯的形状进行判断:当交通信号灯的形状为圆形时,采用大津法获取二值化的分割阈值;当交通信号灯的形状为箭头时,采用三角法获取二值化的分割阈值;
S62、根据二值化的分割阈值,将红色灰度图像、黄色灰度图像以及绿色灰度图像分割成二值化图像;
S63、对二值化图像进行图像形态学处理。
具体地,由于交通信号灯的类型不同,显示的形状分为圆形和箭头的类型,经过图像预处理后的二值化图片白色像素面积有较大的差异,因此需要使用不同的方法处理。
本实施例中,显示形状为圆形的图像采用大津法来获得二值化的分割阈值。在大津法中所采用的衡量差别的标准就是较为常见的最大类间方差。其中,前景和背景之间的类间方差如果越大,就说明构成图像的两个部分之间的差别越大,当部分目标被错分为背景或部分背景被错分为目标时,都会导致两个部分之间的差别变小,当所取阈值的分割使类间方差最大时就意味着错分概率最小。
本实施例中,记t0为前景与背景的之间分割阈值,前景的像素点数占整个图像的像素点的比例为w0,前景的像素点的平均灰度为u0;背景的像素点数占整个图像的像素点的比例为w1,背景的像素点平均灰度为u1,整个图像的总平均灰度为u,前景图像和背景图像的方差为g,则有:
u=w0×u0+w1×u1,
g=w0×(u0-u)2+w1×(u1-u)2
联立上面两式可得:
g=w0×w1×(u0-u1)2,
当方差g最大时,可以认为此时前景和背景差异最大,此时的灰度t0为所求分割阈值。通过本发明的方法能够获得每张图片不同的最佳阈值,因此阈值具有很强的自适应性。
另外,在本实施例中,显示形状为箭头的图片采用三角法来获得二值化的阈值。在三角法中通过建立直方图数据,使用基于纯几何的方法来寻找最佳阈值。本实施例中三角法直方图如图2所示。
图2中的横坐标表示0到255的灰度值,纵坐标表示对应灰度值下的像素数量。假设直方图最大波峰在灰度值较大的一侧(如图2所示的横坐标为192处),从直方图的最高峰bmax(如图2所示的横坐标为192处)到最低灰度值bmin(如图2所示的横坐标为32处)构造一条直线,从bmin处开始计算每个对应的直方图b到直线之间的垂直距离d,直到bmax为止,其中最大距离d对应的直方图位置即为图像二值化对应的阈值t0。和上述大津法相似,本发明的三角法具有很强的自适应性。
虽然图像二值化后可以去除图像的大部分背景,但是有时会出现前景会变成多个白色块状,没有成为一个白色整体的情况;还有在实际交通场景中,当交通信号灯并排安装的时候,附近信号灯的光线会导致目标图像存在一些离散的噪音点的情况;这些情况会导致后续的处理和判断出现异常,因此需要对其进行图像形态学处理。
进一步作为优选的实施方式,所述图像形态学处理包括图像腐蚀、图像膨胀和去噪声操作
S7、根据二值化图像,生成故障检测结果;所述故障包括交通信号灯熄灭故障和交通信号灯显示故障。
进一步作为步骤S7的实施方式,所述步骤S7包括以下步骤:
S71、分别计算红色二值化图像、黄色二值化图像和绿色二值化图像的总体像素面积以及白色像素面积;
S72、分别计算红色二值化图像、黄色二值化图像和绿色二值化图像的白色像素面积与总体像素面积之间的比值;
S73、判断三个比值是否均小于预设的第三阈值,若是,则判定交通信号灯存在熄灭故障;反之,则执行下一步骤;
具体地,本实施例成功获取到所需要的二值化图像后,将二值化图像的长和宽相乘,获得图像总体像素面积Sr,再遍历整个图像中像素点的灰度值为255(即图像中白色像素)的总体像素面积sr,计算sr和Sr的比例即图像(红色灰度图像的二值化图像)中白色像素比R。用类似的方法求得黄色灰度图像的二值化图像的白色像素比Y,以及绿色灰度图像的二值化图像的白色像素比G,设定一个第三阈值T1,判断R、Y、G的值是否全部小于第三阈值T1,若是则认为交通信号灯全部熄灭,反之则再执行下一步骤。
S74、根据计算得到的三个比值和预设的第三阈值,通过比对法对交通信号灯进行显示故障检测。
具体地,在实际应用中,交通信号灯存在四种错误显示状态:①交通信号灯的红绿灯同时亮起;②交通信号灯的红黄灯同时亮起;③交通信号灯的黄绿灯同时亮起;④交通信号灯的红绿黄灯同时亮起。
在上述处理中已经获得了红、黄、绿各个二值化图像的白色像素比R、Y、G。本实施例使用R、Y、G这三个数值分别与阈值T1比较,进而可以判断显示错误的状态,其中:
若R>T1、G>T1且Y<T1,则判断交通信号灯的红绿灯同时亮起;
若R>T1、Y>T1且G<T1,则判断交通信号灯的红黄灯同时亮起;
若Y>T1、G>T1且R<T1,则判断交通信号灯的黄绿灯同时亮起;
若R>T1、G>T1、Y>T1,则判断交通信号灯的红绿黄灯同时亮起;
到此,上述四种错误显示状态都通过白色像素比与阈值的比较判断出来了,如果上述四种状态都判断为否,则认为信号灯正常工作。
进一步作为优选的实施方式,还包括以下步骤:
对故障检测结果进行保存以及展示。
具体地,当检测到信号灯故障时,本实施例把故障的信号灯图片保存到本机,然后图片保存路径写入MySql数据库,客户中心发出警报,工作人员用IIS服务器功能,通过图片保存路径查看故障信号灯图片,这样便知哪个路口交通信号灯故障,从而进行抢修。
本发明实施例还提供了一种交通信号灯的故障检测系统,包括:
采集模块,用于获取摄像机视频流,实时采集单帧图像;
区域选取模块,用于根据采集到的单帧图像,获取交通信号灯区域;
环境检测模块,用于根据交通信号灯区域,对交通信号灯的检测环境进行判断;
单通道灰度图划分模块,用于根据判断结果,对交通信号灯区域进行灰度图划分,得到单通道灰度图;所述单通道灰度图包括红色通道灰度图、黄色通道灰度图和绿色通道灰度图;
三色灰度图生成模块,用于根据单通道灰度图,得到红色灰度图像、黄色灰度图像以及绿色灰度图像;
二值化处理模块,用于分别对红色灰度图像、黄色灰度图像以及绿色灰度图像进行图像二值化处理,得到二值化图像;
故障检测模块,用于根据二值化图像,生成故障检测结果;所述故障包括交通信号灯熄灭故障和交通信号灯显示故障。
本发明实施例还提供了一种交通信号灯的故障检测系统,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现所述的交通信号灯的故障检测方法。
上述方法实施例中的内容均适用于本系统实施例中,本系统实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
此外,本发明实施例还提供了一种存储介质,其中存储有处理器可执行的指令,所述处理器可执行的指令在由处理器执行时用于执行所述的交通信号灯的故障检测方法。
综上所述,本发明在通过摄像机取流采集图像,这样用户可以通过远程连接工控机,用摄像机查看交通信号灯实时状态。交通信号灯安装分布广泛,这样用户可以在中心查看交通信号灯情况,减少工作人员户外工作的时间,提高工作效率。
另外,本发明整个检测过程都是24小时自动完成检测的,期间涉及了自动采集图像、图像处理以及保存检测结果过程,本发明可以同时实现熄灭故障和显示故障的检测,检测期间不需要人工干扰,大大减少了人工成本,同时替换人工巡检。
以上是对本发明的较佳实施进行了具体说明,但本发明并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.一种交通信号灯的故障检测方法,其特征在于:包括以下步骤:
获取摄像机视频流,实时采集单帧图像;
根据采集到的单帧图像,获取交通信号灯区域;
根据交通信号灯区域,对交通信号灯的检测环境进行判断;
根据判断结果,对交通信号灯区域进行灰度图划分,得到单通道灰度图;所述单通道灰度图包括红色通道灰度图、黄色通道灰度图和绿色通道灰度图;
根据单通道灰度图,得到红色灰度图像、黄色灰度图像以及绿色灰度图像;
分别对红色灰度图像、黄色灰度图像以及绿色灰度图像进行图像二值化处理,得到二值化图像;
根据二值化图像,生成故障检测结果;所述故障包括交通信号灯熄灭故障和交通信号灯显示故障。
2.根据权利要求1所述的一种交通信号灯的故障检测方法,其特征在于:所述根据交通信号灯区域,对交通信号灯的检测环境进行判断这一步骤,包括以下步骤:
基于预设的转换公式,将交通信号灯区域的彩色图像转换为灰度图像;
对灰度图像进行二值化处理,得到二值化图像;
计算二值化图像的总体像素面积以及白色像素面积;
计算白色像素面积与总体像素面积之间的比值;
判断比值是否大于预设的第一阈值,若是,则判定交通信号灯的检测环境不合格;反之,则判定交通信号灯的检测环境合格,并执行根据判断结果,对交通信号灯区域进行灰度图划分,得到单通道灰度图的步骤。
3.根据权利要求2所述的一种交通信号灯的故障检测方法,其特征在于:所述对灰度图像进行二值化处理,得到二值化图像这一步骤,其具体为:
判断灰度图像中像素点的灰度值是否大于预设的第二阈值,若是,则将所述像素点的灰度值配置为255;反之,则将所述像素点的灰度值配置为0。
4.根据权利要求1所述的一种交通信号灯的故障检测方法,其特征在于:所述分别对红色灰度图像、黄色灰度图像以及绿色灰度图像进行图像二值化处理,得到二值化图像这一步骤,包括以下步骤:
对交通信号灯的形状进行判断:当交通信号灯的形状为圆形时,采用大津法获取二值化的分割阈值;当交通信号灯的形状为箭头时,采用三角法获取二值化的分割阈值;
根据二值化的分割阈值,将红色灰度图像、黄色灰度图像以及绿色灰度图像分割成二值化图像;
对二值化图像进行图像形态学处理。
5.根据权利要求4所述的一种交通信号灯的故障检测方法,其特征在于:所述采用大津法获取二值化的分割阈值这一步骤,包括以下步骤:
获取灰度图像中的前景图像和背景图像;所述前景图像为交通信号灯发光模块的图像,所述背景图像为二值化图像中除去交通信号灯发光模块以外的图像;
计算前景图像的方差和背景图像的方差;
计算前景图像的像素点数量占所述灰度图像总像素点数量的比例;
计算前景图像的像素点的平均灰度;
计算背景图像的像素点数量占所述灰度图像总像素点数量的比例;
计算背景图像的像素点的平均灰度;
计算所述灰度图像的像素点的总平均灰度;
计算二值化的分割阈值。
6.根据权利要求4所述的一种交通信号灯的故障检测方法,其特征在于:所述采用三角法获取二值化的分割阈值这一步骤,包括以下步骤:
建立灰度图像的三角直方图;
根据三角直方图,构造像素数量的最高峰与最小灰度值之间的直线;
计算三角直方图中每个直方图到所述直线之间的垂直距离;
获取最大垂直距离对应的直方图,然后获取该直方图对应的灰度值,并将该灰度值作为二值化的分割阈值。
7.根据权利要求1所述的一种交通信号灯的故障检测方法,其特征在于:所述根据二值化图像,生成故障检测结果这一步骤,包括以下步骤:
分别计算红色二值化图像、黄色二值化图像和绿色二值化图像的总体像素面积以及白色像素面积;
分别计算红色二值化图像、黄色二值化图像和绿色二值化图像的白色像素面积与总体像素面积之间的比值;
判断三个比值是否均小于预设的第三阈值,若是,则判定交通信号灯存在熄灭故障;反之,则执行下一步骤;
根据计算得到的三个比值和预设的第三阈值,通过比对法对交通信号灯进行显示故障检测。
8.一种交通信号灯的故障检测系统,其特征在于:包括:
采集模块,用于获取摄像机视频流,实时采集单帧图像;
区域选取模块,用于根据采集到的单帧图像,获取交通信号灯区域;
环境检测模块,用于根据交通信号灯区域,对交通信号灯的检测环境进行判断;
单通道灰度图划分模块,用于根据判断结果,对交通信号灯区域进行灰度图划分,得到单通道灰度图;所述单通道灰度图包括红色通道灰度图、黄色通道灰度图和绿色通道灰度图;
三色灰度图生成模块,用于根据单通道灰度图,得到红色灰度图像、黄色灰度图像以及绿色灰度图像;
二值化处理模块,用于分别对红色灰度图像、黄色灰度图像以及绿色灰度图像进行图像二值化处理,得到二值化图像;
故障检测模块,用于根据二值化图像,生成故障检测结果;所述故障包括交通信号灯熄灭故障和交通信号灯显示故障。
9.一种交通信号灯的故障检测系统,其特征在于:包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如权利要求1-7中任一项所述的交通信号灯的故障检测方法。
10.一种存储介质,其中存储有处理器可执行的指令,其特征在于:所述处理器可执行的指令在由处理器执行时用于执行如权利要求1-7中任一项所述的交通信号灯的故障检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811385158.XA CN109636777A (zh) | 2018-11-20 | 2018-11-20 | 一种交通信号灯的故障检测方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811385158.XA CN109636777A (zh) | 2018-11-20 | 2018-11-20 | 一种交通信号灯的故障检测方法、系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109636777A true CN109636777A (zh) | 2019-04-16 |
Family
ID=66068734
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811385158.XA Pending CN109636777A (zh) | 2018-11-20 | 2018-11-20 | 一种交通信号灯的故障检测方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109636777A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110728212A (zh) * | 2019-09-25 | 2020-01-24 | 徐州工程学院 | 一种基于计算机视觉的道路井盖监控装置及监控方法 |
CN110749601A (zh) * | 2019-10-24 | 2020-02-04 | 中国民用航空总局第二研究所 | 一种基于图像的机场跑道灯具检测系统及方法 |
CN110782692A (zh) * | 2019-10-31 | 2020-02-11 | 青岛海信网络科技股份有限公司 | 一种信号灯故障检测方法及系统 |
CN110826456A (zh) * | 2019-10-31 | 2020-02-21 | 青岛海信网络科技股份有限公司 | 一种倒计时牌故障检测方法及系统 |
CN110992725A (zh) * | 2019-10-24 | 2020-04-10 | 合肥讯图信息科技有限公司 | 用于检测交通信号灯故障的方法、系统及存储介质 |
CN111462074A (zh) * | 2020-03-31 | 2020-07-28 | 珠海格力智能装备有限公司 | 轴承外观检测方法、装置、系统、计算机设备及存储介质 |
CN111753708A (zh) * | 2020-06-19 | 2020-10-09 | 珠海格力电器股份有限公司 | 自动判定指示灯状态的方法、存储介质、系统及电子设备 |
CN111882910A (zh) * | 2020-06-15 | 2020-11-03 | 太原市高远时代科技有限公司 | 一种高准确率的交通信号灯故障检测方法及系统 |
CN111931726A (zh) * | 2020-09-23 | 2020-11-13 | 北京百度网讯科技有限公司 | 交通灯检测的方法、装置、计算机存储介质和路侧设备 |
CN112102744A (zh) * | 2020-09-17 | 2020-12-18 | 蒋东 | 灯箱亮度控制方法及装置 |
CN112149509A (zh) * | 2020-08-25 | 2020-12-29 | 浙江浙大中控信息技术有限公司 | 深度学习与图像处理融合的交通信号灯故障检测方法 |
CN112200019A (zh) * | 2020-09-22 | 2021-01-08 | 江苏大学 | 一种快速建筑夜景照明灯光故障检测方法 |
CN112270284A (zh) * | 2020-11-06 | 2021-01-26 | 南京斌之志网络科技有限公司 | 照明设施监控方法、系统和电子设备 |
CN112528794A (zh) * | 2020-12-03 | 2021-03-19 | 北京百度网讯科技有限公司 | 信号灯的故障识别方法、装置及路侧设备 |
CN115880287A (zh) * | 2023-02-20 | 2023-03-31 | 广东工业大学 | 一种脑白质高信号病灶区域分割及评级方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106023623A (zh) * | 2016-07-28 | 2016-10-12 | 南京理工大学 | 基于机器视觉的车载交通信号与标志的识别及预警方法 |
CN107358803A (zh) * | 2017-08-22 | 2017-11-17 | 哈尔滨理工大学 | 一种交通信号控制系统及其控制方法 |
CN107749055A (zh) * | 2017-09-20 | 2018-03-02 | 广东方纬科技有限公司 | 一种led交通诱导屏的故障检测方法、系统及装置 |
CN108304813A (zh) * | 2018-02-08 | 2018-07-20 | 长安大学 | 一种智能识别圆形交通信号灯状态的方法 |
US20180300849A1 (en) * | 2017-04-12 | 2018-10-18 | Southern Methodist University | Method and Apparatus to Infer Structural Stresses with Visual Image and Video Data |
-
2018
- 2018-11-20 CN CN201811385158.XA patent/CN109636777A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106023623A (zh) * | 2016-07-28 | 2016-10-12 | 南京理工大学 | 基于机器视觉的车载交通信号与标志的识别及预警方法 |
US20180300849A1 (en) * | 2017-04-12 | 2018-10-18 | Southern Methodist University | Method and Apparatus to Infer Structural Stresses with Visual Image and Video Data |
CN107358803A (zh) * | 2017-08-22 | 2017-11-17 | 哈尔滨理工大学 | 一种交通信号控制系统及其控制方法 |
CN107749055A (zh) * | 2017-09-20 | 2018-03-02 | 广东方纬科技有限公司 | 一种led交通诱导屏的故障检测方法、系统及装置 |
CN108304813A (zh) * | 2018-02-08 | 2018-07-20 | 长安大学 | 一种智能识别圆形交通信号灯状态的方法 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110728212A (zh) * | 2019-09-25 | 2020-01-24 | 徐州工程学院 | 一种基于计算机视觉的道路井盖监控装置及监控方法 |
CN110749601A (zh) * | 2019-10-24 | 2020-02-04 | 中国民用航空总局第二研究所 | 一种基于图像的机场跑道灯具检测系统及方法 |
CN110992725A (zh) * | 2019-10-24 | 2020-04-10 | 合肥讯图信息科技有限公司 | 用于检测交通信号灯故障的方法、系统及存储介质 |
CN110782692A (zh) * | 2019-10-31 | 2020-02-11 | 青岛海信网络科技股份有限公司 | 一种信号灯故障检测方法及系统 |
CN110826456A (zh) * | 2019-10-31 | 2020-02-21 | 青岛海信网络科技股份有限公司 | 一种倒计时牌故障检测方法及系统 |
CN111462074A (zh) * | 2020-03-31 | 2020-07-28 | 珠海格力智能装备有限公司 | 轴承外观检测方法、装置、系统、计算机设备及存储介质 |
CN111462074B (zh) * | 2020-03-31 | 2024-03-19 | 珠海格力智能装备有限公司 | 轴承外观检测方法、装置、系统、计算机设备及存储介质 |
CN111882910A (zh) * | 2020-06-15 | 2020-11-03 | 太原市高远时代科技有限公司 | 一种高准确率的交通信号灯故障检测方法及系统 |
CN111753708A (zh) * | 2020-06-19 | 2020-10-09 | 珠海格力电器股份有限公司 | 自动判定指示灯状态的方法、存储介质、系统及电子设备 |
CN112149509A (zh) * | 2020-08-25 | 2020-12-29 | 浙江浙大中控信息技术有限公司 | 深度学习与图像处理融合的交通信号灯故障检测方法 |
CN112102744A (zh) * | 2020-09-17 | 2020-12-18 | 蒋东 | 灯箱亮度控制方法及装置 |
CN112200019A (zh) * | 2020-09-22 | 2021-01-08 | 江苏大学 | 一种快速建筑夜景照明灯光故障检测方法 |
CN112200019B (zh) * | 2020-09-22 | 2024-02-09 | 上海罗曼照明科技股份有限公司 | 一种快速建筑夜景照明灯光故障检测方法 |
CN111931726A (zh) * | 2020-09-23 | 2020-11-13 | 北京百度网讯科技有限公司 | 交通灯检测的方法、装置、计算机存储介质和路侧设备 |
CN112270284B (zh) * | 2020-11-06 | 2021-12-03 | 奥斯福集团有限公司 | 照明设施监控方法、系统和电子设备 |
CN112270284A (zh) * | 2020-11-06 | 2021-01-26 | 南京斌之志网络科技有限公司 | 照明设施监控方法、系统和电子设备 |
CN112528794A (zh) * | 2020-12-03 | 2021-03-19 | 北京百度网讯科技有限公司 | 信号灯的故障识别方法、装置及路侧设备 |
CN115880287A (zh) * | 2023-02-20 | 2023-03-31 | 广东工业大学 | 一种脑白质高信号病灶区域分割及评级方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109636777A (zh) | 一种交通信号灯的故障检测方法、系统及存储介质 | |
CN107993470A (zh) | 倒计时交通信号灯状态检测方法及基于此方法的监控系统 | |
JP3759280B2 (ja) | 道路監視用事象検知装置 | |
US5926280A (en) | Fire detection system utilizing relationship of correspondence with regard to image overlap | |
CN104766049B (zh) | 一种物体颜色识别方法及系统 | |
CN110728936A (zh) | Led显示屏故障监控管理系统 | |
JP4807354B2 (ja) | 車両検出装置、車両検出システム及び車両検出方法 | |
KR102637216B1 (ko) | 차량용 신호등 단계를 감지하기 위한 장치 및 방법 | |
CN107749055A (zh) | 一种led交通诱导屏的故障检测方法、系统及装置 | |
CN112149509B (zh) | 深度学习与图像处理融合的交通信号灯故障检测方法 | |
CN111654692B (zh) | 摄像头检测方法、装置、摄像头及存储介质 | |
CN110782692A (zh) | 一种信号灯故障检测方法及系统 | |
CN112560816A (zh) | 一种基于YOLOv4的设备指示灯识别方法及系统 | |
CN106339657A (zh) | 基于监控视频的秸秆焚烧监测方法、装置 | |
CN106872488A (zh) | 一种快速大面积透明基片双表面缺陷视觉检测方法及装置 | |
CN111931726A (zh) | 交通灯检测的方法、装置、计算机存储介质和路侧设备 | |
CN114917519B (zh) | 一种建筑楼宇智能消防控制系统 | |
CN106340034A (zh) | 一种变压器漏油检测方法 | |
CN109614959B (zh) | 一种公路桥面图像获取方法 | |
Skodras et al. | Rear lights vehicle detection for collision avoidance | |
CN105046223A (zh) | 一种隧道入口“黑洞效应”严重程度的检测装置及方法 | |
CN111681442A (zh) | 一种基于图像分类算法的信号灯故障检测装置 | |
CN111539264A (zh) | 一种船舶火焰探测定位系统与探测定位方法 | |
CN114037973A (zh) | 一种基于图像处理的交通信号灯故障检测方法 | |
CN112383137A (zh) | 基于机器视觉和热成像技术的变压器台区监控系统及方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190416 |
|
RJ01 | Rejection of invention patent application after publication |