CN110210316B - 基于灰度图像的交通信号灯数字识别方法 - Google Patents
基于灰度图像的交通信号灯数字识别方法 Download PDFInfo
- Publication number
- CN110210316B CN110210316B CN201910373714.XA CN201910373714A CN110210316B CN 110210316 B CN110210316 B CN 110210316B CN 201910373714 A CN201910373714 A CN 201910373714A CN 110210316 B CN110210316 B CN 110210316B
- Authority
- CN
- China
- Prior art keywords
- character
- gray level
- area
- areas
- stroke
- 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
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Character Input (AREA)
- Image Analysis (AREA)
- Character Discrimination (AREA)
Abstract
本发明提出一种基于灰度图像的交通信号灯数字识别方法,包括以下步骤:获取字符的灰度图像;分别计算字符图像中七个笔画区域的亮度估计值;分别计算字符图像中两个空白区域的亮度估计值;生成七个笔画区域亮暗的二进制编码串;根据二进制编码串确定字符所属的类别。本发明针对交通信号灯数字的七段笔画结构特点,直接基于数字区域的灰度图像进行字符识别,避免了图像二值化效果不理想对识别结果的影响,提高了字符识别的准确率和鲁棒性。
Description
技术领域
本发明属于图像处理技术领域,具体涉及一种基于灰度图像的交通信号灯数字识别方法。
背景技术
交通信号灯包含重要的交通信息。交通信号灯检测和识别技术作为辅助驾驶和无人驾驶系统的重要组成,吸引了很多研究人员的关注。提高单个字符识别的准确率和鲁棒性对于交通信号灯中的倒计时数字识别具有重要的意义。
通用的数字识别方法主要分为基于结构或轮廓的方法、基于机器学习的方法、以及基于神经网络的方法。这些方法在不同光照、复杂背景、过爆和光晕面积较大时容易误识,计算量大。针对交通信号灯数字的字符笔画特点,有学者提出七段识别的方法,该方法首先通过横向和纵向扫描目标像素来确定目标区域,然后计算二值化之后的目标区域中七个子区域有效像素的个数,此方法对图片质量要求较高,对于过爆和灯周围存在光晕的情况,检测识别效果不佳。
交通信号灯数字为七段LED显示,通用的识别方法没有充分利用这一特性,算法复杂计算量大,而七段识别需要得到字符的二值图像,实际中获取的这些二值图像质量有时并不理想。灰度图像信息丰富,为了避免二值化效果不好对识别结果的影响,直接基于灰度图像的统计信息设计针对交通信号灯数字的识别方法可以进一步提高识别算法的准确率和鲁棒性。
发明内容
灰度图像的信息丰富,为了避免二值化效果不好对识别结果的影响,同时也为了能够尽量利用交通信号灯的字符笔画特点,本发明提供了一种基于灰度图像的交通信号灯数字识别方法。交通信号灯识别通常包括交通信号灯检测过程和数字识别过程,其中交通信号灯检测过程确定字符目标在原图像中的位置区域;字符图像识别过程确定字符所属的类别。本发明提供的是交通信号灯检测过程之后的数字识别方法。
为了解决上述技术问题,本发明提供一种基于灰度图像的交通信号灯数字识别方法,包括以下步骤:
步骤一、获取字符的灰度图像。设交通信号灯检测过程确定的字符目标在原图像中的位置区域为其中,和分别表示第i个字符区域的左上角点和右下角点坐标,wi和hi分别表示第i个字符区域的宽度和高度,如果wi/hi>α,则按照检测过程确定的位置区域从对应的灰度原图像中截取字符的灰度图像;否则将检测过程确定的位置区域向左水平扩充为αhi,得到扩充后的字符位置区域为其中,和为该区域左上角点和右下角点坐标,α为根据经验给定的宽高比阈值,α∈[0,1],按照扩充后的位置区域从对应的灰度原图像中截取字符的灰度图像。
步骤二、分别计算字符图像中七个笔画区域的亮度估计值。将交通信号灯字符图像的笔画划分为七个区域,用左上角坐标(xtl,ytl)和右下角坐标(xbr,ybr)表示区域的位置,记为Z(xtl,ytl,xbr,ybr),则七个区域分别表示为Z0(0,0,βwi,hi/2),Z1(0,hi/2,βwi,hi),Z2((1-β)wi,0,wi,hi/2),Z3((1-β)wi,hi/2,wi,hi),Z4(0,0,wi,γhi),Z5(0,(1-γhi/2,wi,,(1+γ)hi/2,Z60,(1-γ)hi,,wi,hi,其中β和γ为根据经验给定的宽高比阈值,β∈[0,1]且γ∈[0,1],生成笔画区域内像素的灰度直方图,将灰度直方图中笔画亮区域像素的灰度分布均值作为笔画区域的亮度估计值,记七个笔画区域的亮度估计值分别为vi,0≤i≤6。
步骤三、分别计算字符图像中两个空白区域的亮度估计值。在交通信号灯字符图像的背景中划分出两个空白区域,空白区域与笔画区域一样,其位置都采用左上角和右下角的坐标值表示,分别为Z7(βwi,γhi,(1-β)wi,(1-γ)hi/2),Z8(βwi,(1+γ)hi/2,(1-β)wi,(1-γ)hi,生成空白区域内像素的灰度直方图,将灰度直方图中空白暗区域像素的灰度分布均值作为空白区域的亮度估计值,记两个空白区域的亮度估计值分别为v7和v8。
步骤四、生成七个笔画区域亮暗的二进制编码串。根据七个笔画区域和两个空白区域的亮度估计值vi,判断七个笔画区域中是否存在笔画,将判断结果按区域下标的顺序排列,得到一个七位的二进制编码串,记为B0B1B2B3B4B5B6,每一位表示一个笔画区域的判断结果。
步骤五、根据二进制编码串确定字符所属的类别。
如果B0B1B2B3B4B5B6=1111101,则字符为数字0;
如果B0B1B2B3B4B5B6=0011000,则字符为数字1;
如果B0B1B2B3B4B5B6=0110111,则字符为数字2;
如果B0B1B2B3B4B5B6=0011111,则字符为数字3;
如果B0B1B2B3B4B5B6=1011010,则字符为数字4;
如果B0B1B2B3B4B5B6=1001111,则字符为数字5;
如果B0B1B2B3B4B5B6=1101111,则字符为数字6;
如果B0B1B2B3B4B5B6=0011100,则字符为数字7;
如果B0B1B2B3B4B5B6=1111111,则字符为数字8;
如果B0B1B2B3B4B5B6=1011111,则字符为数字9;
如果B0B1B2B3B4B5B6为其它值,则据识,即放弃本次字符识别的结果。
进一步,步骤二中,所述笔画区域内像素的灰度直方图为灰度统计直方图,记为pi(k),k=0,1,…,L,其中,L为图像灰度的最大值,pi(k)表示笔画区域内灰度值为k的像素个数。所述笔画亮区域为灰度值大于阈值k1的像素区域,其中阈值k1满足 且其中T1为根据经验给定的阈值,T1∈[0,1]。
进一步,步骤三中,所述空白区域内像素的灰度直方图为灰度统计直方图,记为pj(k),k=0,1,…,L,其中,L为图像灰度的最大值,pj(k)表示空白区域内灰度值为k的像素个数。所述空白暗区域为灰度值小于阈值k2的像素区域,其中阈值k2满足 且其中T2为根据经验给定的阈值,T2∈[0,1]。
进一步,步骤四中,所述判断七个笔画区域中是否存在笔画是根据公式:
本发明与现有技术相比,其显著优点在于,本发明针对交通信号灯数字的七段笔画结构特点,直接基于数字区域的灰度图像进行字符识别,避免了图像二值化效果不好对识别结果的影响,提高了字符识别的准确率和鲁棒性。
附图说明
图1为本发明基于灰度图像的交通信号灯数字识别方法的流程框图。
图2为本发明获取灰度字符图像示例图。
图3为本发明字符图像的笔画区域和空白区域示意图。
具体实施方式
如图1所示,是本实施例基于灰度图像的交通信号灯数字识别方法的流程框图,包括以下基本步骤:
步骤101,获取字符的灰度图像。设交通信号灯检测过程确定的字符目标在原图像中的位置区域为其中,和分别表示第i个字符区域的左上角点和右下角点坐标,和分别表示坐标系水平方向坐标和垂直方向坐标,wi和hi分别表示第i个字符区域的宽度和高度,如果wi/hi>α,则按照检测过程确定的字符位置区域从对应的灰度原图像中截取字符的灰度图像,即按照所述字符在原图像中的位置区域截取字符的灰度图像;否则将检测过程确定的位置区域向左水平扩充为αhi,得到扩充后的字符位置区域为其中,和为该区域左上角点和右下角点坐标,α为根据经验给定的宽高比阈值一,α∈[0,1],按照扩充后的位置区域从对应的灰度原图像中截取字符的灰度图像,本实施例中α取0.5。如图2所示,为本发明获取灰度字符图像一个示例图,图中字符“1”的位置区域向左进行了水平扩充。
步骤102,分别计算字符图像中七个笔画区域的亮度估计值。将交通信号灯字符图像的笔画划分为七个区域,用左上角坐标(xtl,ytl)和右下角坐标(xbr,ybr)表示区域的位置,记为Z(xtl,ytl,xbr,ybr),则七个区域分别表示为Z0(0,0,βwi,hi/2),Z1(0,hi/2,βwi,hi),Z2((1-β)wi,0,wi,hi/2),Z3((1-β)wi,hi/2,wi,hi),Z4(0,0,wi,γhi),Z5(0,(1-γhi/2,wi,(1+γ)hi/2,Z60,(1-γ)hi,wi,hi,其中β和γ为根据经验给定的宽高比阈值,本实施例中取β=0.3和γ=0.2,生成笔画区域内像素的灰度直方图,记为pi(k),k=0,1,…,L,其中,L为图像灰度的最大值,pi(k)表示笔画区域内灰度值为k的像素个数,将pi(k)中灰度值大于阈值k1像素的灰度均值作为笔画区域的亮度估计值,其中阈值k1满足且其中T1为根据经验给定的阈值,本实施例中取T1=0.5,记七个笔画区域的亮度估计值分别为vi,0≤i≤6。如图3所示,为本发明字符图像的笔画区域和空白区域示意图,图中标记的0,1,2,3,4,5,6分别对应区域Z0,Z1,Z2,Z3,Z4,Z5,Z6。
步骤103,分别计算字符图像中两个空白区域的亮度估计值。在交通信号灯字符图像的背景中划分出两个空白区域,空白区域与笔画区域一样,其位置都采用左上角和右下角的坐标值表示,分别为Z7(βwi,γhi,(1-β)wi,(1-γ)hi/2),Z8(βwi,(1+γ)hi/2,(1-β)wi,(1-γ)hi),生成空白区域内像素的灰度直方图,记为pj(k),k=0,1,…,L,其中,L为图像灰度的最大值,pj(k)表示空白区域内灰度值为k的像素个数,将pj(k)中灰度值小于阈值k2像素灰度均值作为空白区域的亮度估计值,其中阈值k2满足且其中T2为根据经验给定的阈值,本实施例中取T2=0.5,记两个空白区域的亮度估计值分别为v7和v8。如图3所示,为本发明字符图像的笔画区域和空白区域示意图,图中标记的7和8分别对应区域Z7和Z8。
步骤104,生成七个笔画区域亮暗的二进制编码串。根据七个笔画区域和两个空白区域的亮度估计值vi,判断七个笔画区域中是否存在笔画,判断采用的公式为:
步骤105,根据二进制编码串确定字符所属的类别。
如果B0B1B2B3B4B5B6=1111101,则字符为数字0;
如果B0B1B2B3B4B5B6=0011000,则字符为数字1;
如果B0B1B2B3B4B5B6=0110111,则字符为数字2;
如果B0B1B2B3B4B5B6=0011111,则字符为数字3;
如果B0B1B2B3B4B5B6=1011010,则字符为数字4;
如果B0B1B2B3B4B5B6=1001111,则字符为数字5;
如果B0B1B2B3B4B5B6=1101111,则字符为数字6;
如果B0B1B2B3B4B5B6=0011100,则字符为数字7;
如果B0B1B2B3B4B5B6=1111111,则字符为数字8;
如果B0B1B2B3B4B5B6=1011111,则字符为数字9;
如果B0B1B2B3B4B5B6为其它值,则据识,即放弃本次字符识别的结果。
Claims (3)
1.基于灰度图像的交通信号灯数字识别方法,其特征在于,包括以下步骤:
步骤一、获取字符的灰度图像:设交通信号灯检测过程确定的字符在原图像中的位置区域为其中,和分别表示第i个字符区域的左上角点和右下角点坐标,wi和hi分别表示第i个字符区域的宽度和高度;如果wi/hi>α,则按照所述字符在原图像中的位置区域截取字符的灰度图像;否则将所述字符在原图像中的位置区域向左水平扩充为αhi,得到扩充后的字符位置区域 和为扩充后位置区域的左上角点和右下角点坐标,按照扩充后的位置区域从对应的灰度原图像中截取字符的灰度图像;其中,α为根据经验给定的宽高比阈值,α∈[0,1];
步骤二、分别计算字符图像中七个笔画区域的亮度估计值:将交通信号灯字符图像的笔画划分为七个区域,用左上角坐标(xtl,ytl)和右下角坐标(xbr,ybr)表示区域的位置,记为Z(xtl,ytl,xbr,ybr),则七个区域分别表示为 Z4(0,0,wi,γhi),Z5(0,(1-γ)hi/2,wi,(1+γ)hi/2),Z6(0,(1-γ)hi,wi,hi),其中β和γ为根据经验给定的宽高比阈值,β∈[0,1]且γ∈[0,1],生成七个笔画区域内像素的灰度直方图,将灰度直方图中笔画亮区域像素的灰度分布均值作为笔画区域的亮度估计值,记七个笔画区域的亮度估计值分别为vi,0≤i≤6;
步骤三、分别计算字符图像中两个空白区域的亮度估计值:在交通信号灯字符图像的背景中划分出两个空白区域,所述两个空白区域位置都采用左上角和右下角的坐标值表示,分别为Z7(βwi,γhi,(1-β)wi,(1-γ)hi/2),Z8(βwi,(1+γ)hi/2,(1-β)wi,(1-γ)hi,生成空白区域内像素的灰度直方图,将灰度直方图中空白暗区域像素的灰度分布均值作为空白区域的亮度估计值,记两个空白区域的亮度估计值分别为v7和v8;
步骤四、生成七个笔画区域亮暗的二进制编码串:根据七个笔画区域和两个空白区域的亮度估计值,判断七个笔画区域中是否存在笔画,将判断结果按区域下标的顺序排列,得到一个七位的二进制编码串,记为B0B1B2B3B4B5B6,每一位表示一个笔画区域的判断结果;所述判断七个笔画区域中是否存在笔画的方法如下示公式:
步骤五、根据二进制编码串确定字符所属的类别:
如果B0B1B2B3B4B5B6=1111101,则字符为数字0;
如果B0B1B2B3B4B5B6=0011000,则字符为数字1;
如果B0B1B2B3B4B5B6=0110111,则字符为数字2;
如果B0B1B2B3B4B5B6=0011111,则字符为数字3;
如果B0B1B2B3B4B5B6=1011010,则字符为数字4;
如果B0B1B2B3B4B5B6=1001111,则字符为数字5;
如果B0B1B2B3B4B5B6=1101111,则字符为数字6;
如果B0B1B2B3B4B5B6=0011100,则字符为数字7;
如果B0B1B2B3B4B5B6=1111111,则字符为数字8;
如果B0B1B2B3B4B5B6=1011111,则字符为数字9;
如果B0B1B2B3B4B5B6为其它值,则拒识,即放弃本次字符识别的结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910373714.XA CN110210316B (zh) | 2019-05-07 | 2019-05-07 | 基于灰度图像的交通信号灯数字识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910373714.XA CN110210316B (zh) | 2019-05-07 | 2019-05-07 | 基于灰度图像的交通信号灯数字识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110210316A CN110210316A (zh) | 2019-09-06 |
CN110210316B true CN110210316B (zh) | 2022-08-12 |
Family
ID=67786903
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910373714.XA Active CN110210316B (zh) | 2019-05-07 | 2019-05-07 | 基于灰度图像的交通信号灯数字识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110210316B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114120795B (zh) * | 2020-09-01 | 2023-03-10 | 华为技术有限公司 | 一种地图绘制方法及装置 |
CN112329775B (zh) * | 2020-11-12 | 2022-04-15 | 中国舰船研究设计中心 | 一种数字多用表字符识别方法 |
CN112329777B (zh) * | 2021-01-06 | 2021-05-04 | 平安科技(深圳)有限公司 | 基于方向检测的文字识别方法、装置、设备及介质 |
CN114241438B (zh) * | 2021-11-26 | 2023-05-16 | 电子科技大学 | 一种基于先验信息的交通信号灯快速精确的识别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103984930A (zh) * | 2014-05-21 | 2014-08-13 | 南京航空航天大学 | 基于视觉的数字仪表识别系统及其识别方法 |
CN106651797A (zh) * | 2016-12-08 | 2017-05-10 | 浙江宇视科技有限公司 | 一种信号灯有效区域的确定方法和装置 |
CN106682665A (zh) * | 2016-12-27 | 2017-05-17 | 陕西科技大学 | 一种基于计算机视觉的七段式数显仪表数字识别方法 |
CN107704855A (zh) * | 2017-09-28 | 2018-02-16 | 中北大学 | 一种液晶数字显示仪表数字识别装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100369049C (zh) * | 2005-02-18 | 2008-02-13 | 富士通株式会社 | 灰度字符的精确分割装置及方法 |
-
2019
- 2019-05-07 CN CN201910373714.XA patent/CN110210316B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103984930A (zh) * | 2014-05-21 | 2014-08-13 | 南京航空航天大学 | 基于视觉的数字仪表识别系统及其识别方法 |
CN106651797A (zh) * | 2016-12-08 | 2017-05-10 | 浙江宇视科技有限公司 | 一种信号灯有效区域的确定方法和装置 |
CN106682665A (zh) * | 2016-12-27 | 2017-05-17 | 陕西科技大学 | 一种基于计算机视觉的七段式数显仪表数字识别方法 |
CN107704855A (zh) * | 2017-09-28 | 2018-02-16 | 中北大学 | 一种液晶数字显示仪表数字识别装置 |
Non-Patent Citations (2)
Title |
---|
复杂环境下数显式仪表数码管定位与识别方法;张历 等;《https://doi.org/10.13272/j.issn.1671-251x.2017100053》;20180328;第1-6页 * |
面向无人驾驶的高速公路指路标志字符检测;徐家伟 等;《计算机应用与软件》;20180228;第224-229、266页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110210316A (zh) | 2019-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110210316B (zh) | 基于灰度图像的交通信号灯数字识别方法 | |
CN109886896B (zh) | 一种蓝色车牌分割与矫正方法 | |
CN107729899B (zh) | 一种车牌号码识别方法及装置 | |
CN107066933B (zh) | 一种道路标牌识别方法及系统 | |
CN109145915B (zh) | 一种复杂场景下车牌快速畸变矫正方法 | |
CN102156868B (zh) | 图像二值化方法和装置 | |
CN107945200B (zh) | 图像二值化分割方法 | |
WO2018086233A1 (zh) | 一种字符分割方法和装置、及元件检测方法和装置 | |
CN108133216B (zh) | 基于机器视觉的可实现小数点读取的数码管读数识别方法 | |
CN102722871A (zh) | 一种快速有效的图像增强方法 | |
WO2020038312A1 (zh) | 多通道舌体边缘检测装置、方法及存储介质 | |
CN114708325A (zh) | 一种基于橡胶喷霜缺陷的橡胶生产问题快速定位方法 | |
CN105760869B (zh) | 一种基于图像灰度识别及处理的阅卷方法 | |
CN112101108B (zh) | 一种基于图形极点位置特征的左右转交通标志识别方法 | |
CN110674812A (zh) | 一种面向复杂背景的民用车牌定位与字符分割方法 | |
CN109858484B (zh) | 一种基于偏斜评价的多类别变换车牌校正方法 | |
CN111666811A (zh) | 一种提取交通场景图像中交通标志牌区域方法及系统 | |
US11588955B2 (en) | Apparatus, method, and computer program for image conversion | |
CN112863194B (zh) | 一种图像处理方法、装置、终端及介质 | |
CN112528994B (zh) | 一种自由角度车牌检测方法、车牌识别方法和识别系统 | |
CN105654140A (zh) | 面向复杂工业环境的铁路油罐车车号定位与识别方法 | |
CN109800693B (zh) | 一种基于颜色通道混合特征的夜间车辆检测方法 | |
CN109165659B (zh) | 一种基于超像素分割的车辆颜色识别方法 | |
CN108256475B (zh) | 一种票据图像倒置检测方法 | |
CN108734158B (zh) | 一种实时列车车号识别方法及装置 |
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 |