CN111882910B - 一种交通信号灯故障检测方法及系统 - Google Patents
一种交通信号灯故障检测方法及系统 Download PDFInfo
- Publication number
- CN111882910B CN111882910B CN202010542405.3A CN202010542405A CN111882910B CN 111882910 B CN111882910 B CN 111882910B CN 202010542405 A CN202010542405 A CN 202010542405A CN 111882910 B CN111882910 B CN 111882910B
- Authority
- CN
- China
- Prior art keywords
- image
- traffic signal
- image information
- signal lamp
- value
- 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
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/097—Supervising of traffic control systems, e.g. by giving an alarm if two crossing streets have green light simultaneously
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/44—Testing lamps
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- 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
Abstract
本发明公开了一种高准确率的交通信号灯故障检测方法及系统,包括:获取交通信号机反馈的各个相位的电压值和电流值,记录电压值和电流值;根据电压值和电流值分析出交通信号灯红灯、黄灯和绿灯的当前相位周期数据;获取电子警察抓拍摄像头抓拍的图像信息,利用预设图像识别算法识别出红灯、绿灯和黄灯的亮/暗状态,生成第一识别结果;利用当前相位周期数据对第一识别结果进行校正,根据校正后的第一识别结果判断交通信号灯是否发生故障。相比于现有技术中单独的利用电压值和电流值或者单独利用图片识别更提高了准确率,最终的识别结果也更加精细,可以更准确的确认交通信号灯是否发生了故障,避免出现重大交通事故的发生,提高了安全性。
Description
技术领域
本发明涉及交通管理技术领域,尤其涉及一种交通信号灯故障检测方法及系统。
背景技术
目前,随着科技的发展与进步,越来越多的人都有了自己的私家车,于是大街上的车流量非常大,尤其是在周末或者节假日的时候,车流量更是翻倍增长,于是需要大量的交通信号灯来管控车辆,但是一旦某个交通信号灯出现故障会导致交通拥堵,甚至交通瘫痪,所以需要一套交通信号灯故障检测装置,实现交通信号灯故障的实时检测和报警。现有技术的交通信号灯的故障检测方法有两种,分别为:(1)通过检测信号机的各相位输出的电流、电压信号,来判断信号灯是否发生故障,(2)通过对电子警察摄像机抓拍图片进行图像二次识别,判断信号灯是否正常工作。但是这两种方法存在以下问题:由于外界因素的干扰导致和自身精度不高导致检测的准确率非常低,并且单方面的检测会导致最终的识别结果不够精细,从而无法准确的确认交通信号灯是否出现故障进而导致出现严重的交通事故。
发明内容
针对上述所显示出来的问题,本发明基于将交通信号灯的各个指示灯的电压电流值与电子警察抓拍摄像头获取的图片相结合进行识别进而来准确的判断交通灯是否出现了故障。
一种交通信号灯故障检测方法,包括以下步骤:
获取交通信号机反馈的各个相位的电压值和电流值,记录所述电压值和电流值;
根据所述电压值和电流值分析出交通信号灯红灯、黄灯和绿灯的当前相位周期数据;
获取电子警察抓拍摄像头抓拍的图像信息,利用预设图像识别算法识别出红灯、绿灯和黄灯的亮/暗状态,生成第一识别结果;
利用所述当前相位周期数据对所述第一识别结果进行校正,根据校正后的第一识别结果判断所述交通信号灯是否发生故障。
优选的,在获取交通信号机反馈的各个相位的电压值和电流值,记录所述电压值和电流值之前,所述方法还包括:
构建包含交叉口与道路渠化的虚拟场景;
在所述虚拟场景中生成第一数量个随机车辆;
预先为所述交通信号机的相位设定预设时长;
根据所述预设时长在所述第一数量个随机车辆提取第二数量个随机车辆生成第一车流量;
将所述第一数量个随机车辆中除所述第二数量个随机车辆外的第三数量个随机车辆生成车流量逐渐递增的m个第二车流量;
使所述第一车流量和所述m个第二车流量按照预设顺序通过所述虚拟场景,在所述第一车流量全部通过所述虚拟场景时,获取当前时长,在所述m个第二车流量开始通过所述虚拟场景时,确认所述当前时长是否在增加的同时确认所述当前时长是否等于所述预设时长;
若上述两个条件都满足,确认所述交通信号机正常运行;
若上述两个条件有任一条件不满足,确认所述交通信号机运行状态异常并发出提醒。
优选的,所述获取电子警察抓拍摄像头抓拍的图像信息,利用预设图像识别算法识别出红灯、绿灯和黄灯的亮/暗状态,生成第一识别结果,包括:
获取所述电子警察抓拍摄像头每隔预设固定时长内抓拍的多个图像信息;
对所述多个图像信息进行预处理;
将预处理之后的多个图像信息利用所述预设图像算法识别出每个图像信息中红灯、绿灯和黄灯的亮/暗状态;
将多个图像信息中的红灯、绿灯和黄灯的亮/暗状态确定为所述第一识别结果;
所述利用所述当前相位周期数据对所述第一识别结果进行校正,根据校正后的第一识别结果判断所述交通信号灯是否发生故障,包括:
根据所述当前相位周期数据重复优化所述预设图像识别算法;
利用优化后的预设图像识别算法重新识别所述图像信息中红灯、绿灯和黄灯的亮/暗状态,生成第二识别结果;
根据所述第二识别结果对所述第一识别结果进行校正;
校正完毕后,获取校正后的第一识别结果中的实际相位周期数据;
确认所述实际相位周期数据与所述当前相位周期数据是否相同;
若是,确认所述交通信号灯没有发生故障,否则,确认所述交通信号灯发生了故障。
优选的,所述方法还包括:
检测所述交通信号灯上灯盘实时的RGB特征值;
根据所述灯盘实时的RGB特征值确认所述交通信号灯的显示状态;
当所述灯盘实时的RGB特征值小于预设RGB特征值时为所述交通信号灯更换备用电源。
优选的,所述对所述多个图像信息进行预处理,包括:
步骤A1、将所述多个图像信息中的每个图像信息划分为预设固定面积大小的子图像;
其中,n表示为第n个子图像,P表示为所述第n个子图像的长度,Q表示为所述第n个子图像的宽度,f(x,y)表示为所述第n个子图像长度为x,宽度为y时的灰度值,λ表示为权重值;
其中,η表示为误差因子;
步骤A4、在最大局部标准差和最小局部标准差之间建立N个等间隔的区间,将所述各个子图像按照每个子图像对应的局部标准差列入每个子图像对应的区间内,获取子图像最多的目标区间;
步骤A5、将目标区间内的局部标准差的平均值作为每个图像的噪声值,根据每个图像的噪声值获取所述每个图像的信噪比;
步骤A6、根据每个图像的信噪比设置滤波器的核函数;
步骤A7、根据所述核函数对所述多个图像信息进行滤波去燥:
其中,T表示为输出图像,K表示为所述多个图像信息的数量,k表示为第k个图像信息,Yk表示为第k个图像信息的输入图像,W表示为所述核函数。
一种交通信号灯故障检测系统,该系统包括:
获取模块,用于获取交通信号机反馈的各个相位的电压值和电流值,记录所述电压值和电流值;
分析模块,用于根据所述电压值和电流值分析出交通信号灯红灯、黄灯和绿灯的当前相位周期数据;
识别模块,用于获取电子警察抓拍摄像头抓拍的图像信息,利用预设图像识别算法识别出红灯、绿灯和黄灯的亮/暗状态,生成第一识别结果;
判断模块,用于利用所述当前相位周期数据对所述第一识别结果进行校正,根据校正后的第一识别结果判断所述交通信号灯是否发生故障。
优选的,所述系统还包括:
构建模块,用于构建包含交叉口与道路渠化的虚拟场景;
第一生成模块,用于在所述虚拟场景中生成第一数量个随机车辆;
设定模块,用于预先为所述交通信号机的相位设定预设时长;
提取模块,用于根据所述预设时长在所述第一数量个随机车辆提取第二数量个随机车辆生成第一车流量;
第二生成模块,用于将所述第一数量个随机车辆中除所述第二数量个随机车辆外的第三数量个随机车辆生成车流量逐渐递增的m个第二车流量;
第一确认模块,用于使所述第一车流量和所述m个第二车流量按照预设顺序通过所述虚拟场景,在所述第一车流量全部通过所述虚拟场景时,获取当前时长,在所述m个第二车流量开始通过所述虚拟场景时,确认所述当前时长是否在增加的同时确认所述当前时长是否等于所述预设时长;
第二确认模块,用于若上述两个条件都满足,确认所述交通信号机正常运行;
第三确认模块,用于若上述两个条件有任一条件不满足,确认所述交通信号机运行状态异常并发出提醒。
优选的,所述获取模块,包括:
第一获取子模块,用于获取所述电子警察抓拍摄像头每隔预设固定时长内抓拍的多个图像信息;
预处理子模块,用于对所述多个图像信息进行预处理;
识别子模块,用于将预处理之后的多个图像信息利用所述预设图像算法识别出每个图像信息中红灯、绿灯和黄灯的亮/暗状态;
确定子模块,用于将多个图像信息中的红灯、绿灯和黄灯的亮/暗状态确定为所述第一识别结果;
所述判断模块,包括:
优化子模块,用于根据所述当前相位周期数据重复优化所述预设图像识别算法;
生成子模块,用于利用优化后的预设图像识别算法重新识别所述图像信息中红灯、绿灯和黄灯的亮/暗状态,生成第二识别结果;
校正子模块,用于根据所述第二识别结果对所述第一识别结果进行校正;
第二获取子模块,用于校正完毕后,获取校正后的第一识别结果中的实际相位周期数据;
第一确认子模块,用于确认所述实际相位周期数据与所述当前相位周期数据是否相同;
第二确认子模块,用于若所述第一确认子模块确认所述实际相位周期数据与所述当前相位周期数据相同时,确认所述交通信号灯没有发生故障,若所述第一确认子模块确认所述实际相位周期数据与所述当前相位周期数据不相同时,确认所述交通信号灯发生了故障。
优选的,所述系统还包括:
检测模块,用于检测所述交通信号灯上灯盘实时的RGB特征值;
第四确认模块,用于根据所述灯盘实时的RGB特征值确认所述交通信号灯的显示状态;
更换模块,用于当所述灯盘实时的RGB特征值小于预设RGB特征值时为所述交通信号灯更换备用电源。
优选的,所述预处理子模块对所述多个图像信息进行预处理的步骤为:
步骤A1、将所述多个图像信息中的每个图像信息划分为预设固定面积大小的子图像;
其中,n表示为第n个子图像,P表示为所述第n个子图像的长度,Q表示为所述第n个子图像的宽度,f(x,y)表示为所述第n个子图像长度为x,宽度为y时的灰度值,λ表示为权重值;
其中,η表示为误差因子;
步骤A4、在最大局部标准差和最小局部标准差之间建立N个等间隔的区间,将所述各个子图像按照每个子图像对应的局部标准差列入每个子图像对应的区间内,获取子图像最多的目标区间;
步骤A5、将目标区间内的局部标准差的平均值作为每个图像的噪声值,根据每个图像的噪声值获取所述每个图像的信噪比;
步骤A6、根据每个图像的信噪比设置滤波器的核函数;
步骤A7、根据所述核函数对所述多个图像信息进行滤波去燥:
其中,T表示为输出图像,K表示为所述多个图像信息的数量,k表示为第k个图像信息,Yk表示为第k个图像信息的输入图像,W表示为所述核函数。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。
图1为本发明所提供的一种交通信号灯故障检测方法的工作流程图;
图2为本发明所提供的一种交通信号灯故障检测方法的另一工作流程图;
图3为本发明提供的一种交通信号灯故障检测方法实例结构图;
图4为本发明所提供的一种交通信号灯故障检测系统的结构图;
图5为本发明所提供的一种交通信号灯故障检测系统的另一结构图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
目前,随着科技的发展与进步,越来越多的人都有了自己的私家车,于是大街上的车流量非常大,尤其是在周末或者节假日的时候,车流量更是翻倍增长,于是需要大量的交通信号灯来管控车辆,但是一旦某个交通信号灯出现故障会导致交通拥堵,甚至交通瘫痪,所以需要一套交通信号灯故障检测装置,实现交通信号灯故障的实时检测和报警。现有技术的交通信号灯的故障检测方法有两种,分别为:(1)通过检测信号机的各相位输出的电流、电压信号,来判断信号灯是否发生故障,(2)通过对电子警察摄像机抓拍图片进行图像二次识别,判断信号灯是否正常工作。但是这两种方法存在以下问题:由于外界因素的干扰导致和自身精度不高导致检测的准确率非常低,并且单方面的检测会导致最终的识别结果不够精细,从而无法准确的确认交通信号灯是否出现故障进而导致出现严重的交通事故。为了解决上述问题,本实施例公开了一种基于将交通信号灯的各个指示灯的电压电流值与电子警察抓拍摄像头获取的图片相结合进行识别进而来准确的判断交通灯是否出现了故障的方法。
一种交通信号灯故障检测方法,如图1所示,包括以下步骤:
步骤S101、获取交通信号机反馈的各个相位的电压值和电流值,记录电压值和电流值;
步骤S102、根据电压值和电流值分析出交通信号灯红灯、黄灯和绿灯的当前相位周期数据;
步骤S103、获取电子警察抓拍摄像头抓拍的图像信息,利用预设图像识别算法识别出红灯、绿灯和黄灯的亮/暗状态,生成第一识别结果;
步骤S104、利用当前相位周期数据对第一识别结果进行校正,根据校正后的第一识别结果判断交通信号灯是否发生故障;
在本实施例中,首先获取交通信号机反馈的各个相位的电压值和电流值,由于交通信号灯中红灯、绿灯和黄灯的闪烁时间和常亮时间不同,故它们的电压值和电流值也不同,将所述每个灯的电压值和电流值进行记录,然后根据每个灯的电压值和电流值分析出每个灯的当前相位工作周期数据,然后获取电子警察摄像头抓拍的多个图像信息,利用内置的预设图像识别算法识别多个图像信息,在每个图像信息中识别出红灯、绿灯和黄灯的亮/暗状态以作为一个第一识别结果,共生成多个第一识别结果,利用当前相位工作周期数据对多个第一识别结果进行校正,然后可根据校正后的第一识别结果准确地判断出交通信号灯是否发生了故障。
上述技术方案的工作原理为:获取交通信号机反馈的各个相位的电压值和电流值,记录电压值和电流值;根据电压值和电流值分析出交通信号灯红灯、黄灯和绿灯的当前相位周期数据;获取电子警察抓拍摄像头抓拍的图像信息,利用预设图像识别算法识别出红灯、绿灯和黄灯的亮/暗状态,生成第一识别结果;利用当前相位周期数据对第一识别结果进行校正,根据校正后的第一识别结果判断交通信号灯是否发生故障。
上述技术方案的有益效果为:通过利用交通信号机反馈的各个相位的电压值和电流值和电子警察抓拍摄像头抓拍的图片结合来确定交通信号灯是否出现了故障,相比于现有技术中单独的利用电压值和电流值或者单独利用图片识别更提高了准确率,最终的识别结果也更加精细,可以更准确的确认交通信号灯是否发生了故障,避免出现重大交通事故的发生,提高了安全性。
在一个实施例中,在获取交通信号机反馈的各个相位的电压值和电流值,记录电压值和电流值之前,上述方法还包括:
构建包含交叉口与道路渠化的虚拟场景;
在虚拟场景中生成第一数量个随机车辆;
预先为交通信号机的相位设定预设时长;
根据预设时长在第一数量个随机车辆提取第二数量个随机车辆生成第一车流量;
将第一数量个随机车辆中除第二数量个随机车辆外的第三数量个随机车辆生成车流量逐渐递增的m个第二车流量;
使第一车流量和m个第二车流量按照预设顺序通过虚拟场景,在第一车流量全部通过虚拟场景时,获取当前时长,在m个第二车流量开始通过虚拟场景时,确认当前时长是否在增加的同时确认当前时长是否等于预设时长;
若上述两个条件都满足,确认交通信号机正常运行;
若上述两个条件有任一条件不满足,确认交通信号机运行状态异常并发出提醒;
在本实施例中,首先构建一个虚拟场景,在虚拟场景中生成第一数量个随机车辆,上述第一数量可以为100辆,为交通信号机中的绿灯设置第一预设工作时长,上述预设工作时长可以为20s,根据预设时长确定出第一车流量,在第一数量个随机车辆中提取出第一车流量对应的第二数量个随机车辆,上述第二数量可以为20辆,将剩余的80辆随即车辆按照车流量递增的条件分为m个第二车流量,上述m为大于等于1的正整数,使所述第一车流量和m个第二车流量中的车辆通过构建的虚拟场景,当第一车流量中的20辆随机车辆全部通过所述虚拟场景时,获取当前时长,在获取到当前时长后,当m个第二车流量中的车辆开始通过所述虚拟场景时,确认当前时长是否在增长,同时,对比预设时长是否等于当前时长,若确认当前时长在增长并且预设时长等于当前时长时,确认交通信号机的功能一切正常,若上述两个条件有任何一项不满足时确认交通信号机的工作状态异常向外界发出提醒。
上述技术方案的有益效果为:通过检测交通信号机的工作状态是否异常来保证后续获取交通信号机反馈的各个相位的电压值和电流值数据的准确性,进而可以更准确的判断出交通信号灯是否发生了故障,提高了最终判断结果的准确性。
在一个实施例中,获取电子警察抓拍摄像头抓拍的图像信息,利用预设图像识别算法识别出红灯、绿灯和黄灯的亮/暗状态,生成第一识别结果,包括:
获取电子警察抓拍摄像头每隔预设固定时长内抓拍的多个图像信息;
对多个图像信息进行预处理;
将预处理之后的多个图像信息利用预设图像算法识别出每个图像信息中红灯、绿灯和黄灯的亮/暗状态;
将多个图像信息中的红灯、绿灯和黄灯的亮/暗状态确定为第一识别结果;
利用当前相位周期数据对第一识别结果进行校正,根据校正后的第一识别结果判断交通信号灯是否发生故障,包括:
根据当前相位周期数据重复优化预设图像识别算法;
利用优化后的预设图像识别算法重新识别图像信息中红灯、绿灯和黄灯的亮/暗状态,生成第二识别结果;
根据第二识别结果对第一识别结果进行校正;
校正完毕后,获取校正后的第一识别结果中的实际相位周期数据;
确认实际相位周期数据与当前相位周期数据是否相同;
若是,确认交通信号灯没有发生故障,否则,确认交通信号灯发生了故障;
在本实施例中,上述预处理可以为对图像信息进行去燥、滤波和提高分辨率。
上述技术方案的有益效果为:通过利用当前相位周期数据对预设图像识别算法进行重复优化来使算法的识别度更高,提高了预设图像算法识别准确率,同时,利用第二识别结果对第一识别结果进行校正可保证第一识别结果更加准确,进一步地提高了识别的准确率,让算法形成自学习机制,不断优化算法模型,提高算法识别准确率。
在一个实施例中,如图2所示,上述方法还包括:
步骤S201、检测交通信号灯上灯盘实时的RGB特征值;
步骤S202、根据灯盘实时的RGB特征值确认交通信号灯的显示状态;
步骤S203、当灯盘实时的RGB特征值小于预设RGB特征值时为交通信号灯更换备用电源。
上述技术方案的有益效果为:通过检测实时的RGB特征值来随时了解交通信号灯的显示状态,并且当实时的RGB特征值小于预设RGB特征值时为交通信号灯更换备用电源可保证交通信号灯的运行状态,避免出现交通信号灯显示不正常而导致出现交通事故的问题,进一步地提高了安全性。
在一个实施例中,对多个图像信息进行预处理,包括:
步骤A1、将多个图像信息中的每个图像信息划分为预设固定面积大小的子图像;
其中,n表示为第n个子图像,P表示为第n个子图像的长度,Q表示为所述第n个子图像的宽度,f(x,y)表示为第n个子图像长度为x,宽度为y时的灰度值,λ表示为权重值;
其中,η表示为误差因子;
步骤A4、在最大局部标准差和最小局部标准差之间建立N个等间隔的区间,将各个子图像按照每个子图像对应的局部标准差列入每个子图像对应的区间内,获取子图像最多的目标区间;
步骤A5、将目标区间内的局部标准差的平均值作为每个图像的噪声值,根据每个图像的噪声值获取每个图像的信噪比;
步骤A6、根据每个图像的信噪比设置滤波器的核函数;
步骤A7、根据核函数对多个图像信息进行滤波去燥:
其中,T表示为输出图像,K表示为多个图像信息的数量,k表示为第k个图像信息,Yk表示为第k个图像信息的输入图像,W表示为核函数。
上述技术方案的有益效果为:由于图像中的噪声服从均值为从标准差为确高斯分布,故而根据均值和标准差即可准确地获得噪声值进而获得图像的信噪比,根据信噪比对图像信息进行滤波去燥,可有效地去除图像信息中的噪声音素,优化了识别结果,可更准确的判断出交通信号灯是否出现故障,提供了准确率。
在一个实施例中,如图3所示,包括:
1、利用相位信号检测模块采集端与信号机相位输出端相连接,采集信号机各个相位的供电信号,基于相位信号检测模块的检测电路,监测信号机各相位输出的实时电流、电压值;
2、相位信号检测模块通过RS485通讯接口,将采集的数据发送给故障智能分析单元;
3、故障智能分析单元内置高性能ARM11处理器、储存芯片和嵌入式操作系统,故障智能分析单元接收相位信号检测模块发来的电流、电压数据,并实时记录数据,分析出出信号灯红、绿、黄相位周期数据;
4、故障智能分析单元以FTP方式获取电子警察摄像头抓拍的图片,通过内置的图像识别算法,识别红、绿、黄灯盘的亮/灭状态;
5、通过信号相位电流、电压数据,不断校正图像识别算法的识别结果,形成算法自训练机制,不断优化算法,提高算法识别准确率。
上述技术方案的有益效果为:通过电流电压检测、图像识别相结合的方式,实现交通信号灯故障的精准检测,同时可以通过信号相位电流、电压数据不断校正和自我训练,提高图像算法识别准确率。
本实施例还公开了一种交通信号灯故障检测系统,如图4所示,该系统包括:
获取模块401,用于获取交通信号机反馈的各个相位的电压值和电流值,记录电压值和电流值;
分析模块402,用于根据电压值和电流值分析出交通信号灯红灯、黄灯和绿灯的当前相位周期数据;
识别模块403,用于获取电子警察抓拍摄像头抓拍的图像信息,利用预设图像识别算法识别出红灯、绿灯和黄灯的亮/暗状态,生成第一识别结果;
判断模块404,用于利用当前相位周期数据对第一识别结果进行校正,根据校正后的第一识别结果判断交通信号灯是否发生故障。
上述技术方案的工作原理和有益效果与方法权利要求的技术效果相同,在方法权利要求中已经概述,此处不再赘述。
在一个实施例中,上述系统还包括:
构建模块,用于构建包含交叉口与道路渠化的虚拟场景;
第一生成模块,用于在虚拟场景中生成第一数量个随机车辆;
设定模块,用于预先为交通信号机的相位设定预设时长;
提取模块,用于根据预设时长在第一数量个随机车辆提取第二数量个随机车辆生成第一车流量;
第二生成模块,用于将第一数量个随机车辆中除第二数量个随机车辆外的第三数量个随机车辆生成车流量逐渐递增的m个第二车流量;
第一确认模块,用于使第一车流量和m个第二车流量按照预设顺序通过所述虚拟场景,在第一车流量全部通过虚拟场景时,获取当前时长,在m个第二车流量开始通过虚拟场景时,确认当前时长是否在增加的同时确认当前时长是否等于预设时长;
第二确认模块,用于若上述两个条件都满足,确认交通信号机正常运行;
第三确认模块,用于若上述两个条件有任一条件不满足,确认交通信号机运行状态异常并发出提醒。
在一个实施例中,获取模块,包括:
第一获取子模块,用于获取电子警察抓拍摄像头每隔预设固定时长内抓拍的多个图像信息;
预处理子模块,用于对多个图像信息进行预处理;
识别子模块,用于将预处理之后的多个图像信息利用预设图像算法识别出每个图像信息中红灯、绿灯和黄灯的亮/暗状态;
确定子模块,用于将多个图像信息中的红灯、绿灯和黄灯的亮/暗状态确定为第一识别结果;
判断模块,包括:
优化子模块,用于根据当前相位周期数据重复优化预设图像识别算法;
生成子模块,用于利用优化后的预设图像识别算法重新识别图像信息中红灯、绿灯和黄灯的亮/暗状态,生成第二识别结果;
校正子模块,用于根据第二识别结果对所述第一识别结果进行校正;
第二获取子模块,用于校正完毕后,获取校正后的第一识别结果中的实际相位周期数据;
第一确认子模块,用于确认实际相位周期数据与当前相位周期数据是否相同;
第二确认子模块,用于若第一确认子模块确认实际相位周期数据与当前相位周期数据相同时,确认交通信号灯没有发生故障,若第一确认子模块确认实际相位周期数据与当前相位周期数据不相同时,确认交通信号灯发生了故障。
在一个实施例中,如图5所示,上述系统还包括:
检测模块501,用于检测交通信号灯上灯盘实时的RGB特征值;
第四确认模块502,用于根据灯盘实时的RGB特征值确认交通信号灯的显示状态;
更换模块503,用于当灯盘实时的RGB特征值小于预设RGB特征值时为交通信号灯更换备用电源。
在一个实施例中,预处理子模块对多个图像信息进行预处理的步骤为:
步骤A1、将多个图像信息中的每个图像信息划分为预设固定面积大小的子图像;
其中,n表示为第n个子图像,P表示为第n个子图像的长度,Q表示为第n个子图像的宽度,f(x,y)表示为第n个子图像长度为x,宽度为y时的灰度值,λ表示为权重值;
其中,η表示为误差因子;
步骤A4、在最大局部标准差和最小局部标准差之间建立N个等间隔的区间,将各个子图像按照每个子图像对应的局部标准差列入每个子图像对应的区间内,获取子图像最多的目标区间;
步骤A5、将目标区间内的局部标准差的平均值作为每个图像的噪声值,根据每个图像的噪声值获取每个图像的信噪比;
步骤A6、根据每个图像的信噪比设置滤波器的核函数;
步骤A7、根据核函数对多个图像信息进行滤波去燥:
其中,T表示为输出图像,K表示为多个图像信息的数量,k表示为第k个图像信息,Yk表示为第k个图像信息的输入图像,W表示为核函数。
本领域技术人员应当理解的是,本发明中的第一、第二、第三指的是不同应用阶段而已。
本领域技术用户员在考虑说明书及实践这里公开的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (8)
1.一种交通信号灯故障检测方法,其特征在于,包括以下步骤:
获取交通信号机反馈的各个相位的电压值和电流值,记录所述电压值和电流值;
根据所述电压值和电流值分析出交通信号灯红灯、黄灯和绿灯的当前相位周期数据;
获取电子警察抓拍摄像头抓拍的图像信息,利用预设图像识别算法识别出红灯、绿灯和黄灯的亮/暗状态,生成第一识别结果;
利用所述当前相位周期数据对所述第一识别结果进行校正,根据校正后的第一识别结果判断所述交通信号灯是否发生故障;
在获取交通信号机反馈的各个相位的电压值和电流值,记录所述电压值和电流值之前,所述方法还包括:
构建包含交叉口与道路渠化的虚拟场景;
在所述虚拟场景中生成第一数量个随机车辆;
预先为所述交通信号机的相位设定预设时长;
根据所述预设时长在所述第一数量个随机车辆提取第二数量个随机车辆生成第一车流量;
将所述第一数量个随机车辆中除所述第二数量个随机车辆外的第三数量个随机车辆生成车流量逐渐递增的m个第二车流量;
使所述第一车流量和所述m个第二车流量按照预设顺序通过所述虚拟场景,在所述第一车流量全部通过所述虚拟场景时,获取当前时长,在所述m个第二车流量开始通过所述虚拟场景时,确认所述当前时长是否在增加的同时确认所述当前时长是否等于所述预设时长;
若上述两个条件都满足,确认所述交通信号机正常运行;
若上述两个条件有任一条件不满足,确认所述交通信号机运行状态异常并发出提醒。
2.根据权利要求1所述交通信号灯故障检测方法,其特征在于,所述获取电子警察抓拍摄像头抓拍的图像信息,利用预设图像识别算法识别出红灯、绿灯和黄灯的亮/暗状态,生成第一识别结果,包括:
获取所述电子警察抓拍摄像头每隔预设固定时长内抓拍的多个图像信息;
对所述多个图像信息进行预处理;
将预处理之后的多个图像信息利用所述预设图像识别算法识别出每个图像信息中红灯、绿灯和黄灯的亮/暗状态;
将多个图像信息中的红灯、绿灯和黄灯的亮/暗状态确定为所述第一识别结果;
所述利用所述当前相位周期数据对所述第一识别结果进行校正,根据校正后的第一识别结果判断所述交通信号灯是否发生故障,包括:
根据所述当前相位周期数据重复优化所述预设图像识别算法;
利用优化后的预设图像识别算法重新识别所述图像信息中红灯、绿灯和黄灯的亮/暗状态,生成第二识别结果;
根据所述第二识别结果对所述第一识别结果进行校正;
校正完毕后,获取校正后的第一识别结果中的实际相位周期数据;
确认所述实际相位周期数据与所述当前相位周期数据是否相同;
若是,确认所述交通信号灯没有发生故障,否则,确认所述交通信号灯发生了故障。
3.根据权利要求1所述交通信号灯故障检测方法,其特征在于,所述方法还包括:
检测所述交通信号灯上灯盘实时的RGB特征值;
根据所述灯盘实时的RGB特征值确认所述交通信号灯的显示状态;
当所述灯盘实时的RGB特征值小于预设RGB特征值时为所述交通信号灯更换备用电源。
4.根据权利要求3所述交通信号灯故障检测方法,其特征在于,所述对所述多个图像信息进行预处理,包括:
步骤A1、将所述多个图像信息中的每个图像信息划分为预设固定面积大小的子图像;
其中,n表示为第n个子图像,P表示为所述第n个子图像的长度,Q表示为所述第n个子图像的宽度,f(x,y)表示为所述第n个子图像长度为x,宽度为y时的灰度值,λ表示为权重值;
其中,η表示为误差因子;
步骤A4、在最大局部标准差和最小局部标准差之间建立N个等间隔的区间,将所述各个子图像按照每个子图像对应的局部标准差列入每个子图像对应的区间内,获取子图像最多的目标区间;
步骤A5、将目标区间内的局部标准差的平均值作为每个图像的噪声值,根据每个图像的噪声值获取所述每个图像的信噪比;
步骤A6、根据每个图像的信噪比设置滤波器的核函数;
步骤A7、根据所述核函数对所述多个图像信息进行滤波去燥:
其中,T表示为输出图像,K表示为所述多个图像信息的数量,k表示为第k个图像信息,Yk表示为第k个图像信息的输入图像,W表示为所述核函数。
5.一种交通信号灯故障检测系统,其特征在于,该系统包括:
获取模块,用于获取交通信号机反馈的各个相位的电压值和电流值,记录所述电压值和电流值;
分析模块,用于根据所述电压值和电流值分析出交通信号灯红灯、黄灯和绿灯的当前相位周期数据;
识别模块,用于获取电子警察抓拍摄像头抓拍的图像信息,利用预设图像识别算法识别出红灯、绿灯和黄灯的亮/暗状态,生成第一识别结果;
判断模块,用于利用所述当前相位周期数据对所述第一识别结果进行校正,根据校正后的第一识别结果判断所述交通信号灯是否发生故障;
所述系统还包括:
构建模块,用于构建包含交叉口与道路渠化的虚拟场景;
第一生成模块,用于在所述虚拟场景中生成第一数量个随机车辆;
设定模块,用于预先为所述交通信号机的相位设定预设时长;
提取模块,用于根据所述预设时长在所述第一数量个随机车辆提取第二数量个随机车辆生成第一车流量;
第二生成模块,用于将所述第一数量个随机车辆中除所述第二数量个随机车辆外的第三数量个随机车辆生成车流量逐渐递增的m个第二车流量;
第一确认模块,用于使所述第一车流量和所述m个第二车流量按照预设顺序通过所述虚拟场景,在所述第一车流量全部通过所述虚拟场景时,获取当前时长,在所述m个第二车流量开始通过所述虚拟场景时,确认所述当前时长是否在增加的同时确认所述当前时长是否等于所述预设时长;
第二确认模块,用于若上述两个条件都满足,确认所述交通信号机正常运行;
第三确认模块,用于若上述两个条件有任一条件不满足,确认所述交通信号机运行状态异常并发出提醒。
6.根据权利要求5所述交通信号灯故障检测系统,其特征在于,所述获取模块,包括:
第一获取子模块,用于获取所述电子警察抓拍摄像头每隔预设固定时长内抓拍的多个图像信息;
预处理子模块,用于对所述多个图像信息进行预处理;
识别子模块,用于将预处理之后的多个图像信息利用所述预设图像识别算法识别出每个图像信息中红灯、绿灯和黄灯的亮/暗状态;
确定子模块,用于将多个图像信息中的红灯、绿灯和黄灯的亮/暗状态确定为所述第一识别结果;
所述判断模块,包括:
优化子模块,用于根据所述当前相位周期数据重复优化所述预设图像识别算法;
生成子模块,用于利用优化后的预设图像识别算法重新识别所述图像信息中红灯、绿灯和黄灯的亮/暗状态,生成第二识别结果;
校正子模块,用于根据所述第二识别结果对所述第一识别结果进行校正;
第二获取子模块,用于校正完毕后,获取校正后的第一识别结果中的实际相位周期数据;
第一确认子模块,用于确认所述实际相位周期数据与所述当前相位周期数据是否相同;
第二确认子模块,用于若所述第一确认子模块确认所述实际相位周期数据与所述当前相位周期数据相同时,确认所述交通信号灯没有发生故障,若所述第一确认子模块确认所述实际相位周期数据与所述当前相位周期数据不相同时,确认所述交通信号灯发生了故障。
7.根据权利要求5所述交通信号灯故障检测系统,其特征在于,所述系统还包括:
检测模块,用于检测所述交通信号灯上灯盘实时的RGB特征值;
第四确认模块,用于根据所述灯盘实时的RGB特征值确认所述交通信号灯的显示状态;
更换模块,用于当所述灯盘实时的RGB特征值小于预设RGB特征值时为所述交通信号灯更换备用电源。
8.根据权利要求6所述交通信号灯故障检测系统,其特征在于,所述预处理子模块对所述多个图像信息进行预处理的步骤为:
步骤A1、将所述多个图像信息中的每个图像信息划分为预设固定面积大小的子图像;
其中,n表示为第n个子图像,P表示为所述第n个子图像的长度,Q表示为所述第n个子图像的宽度,f(x,y)表示为所述第n个子图像长度为x,宽度为y时的灰度值,λ表示为权重值;
其中,η表示为误差因子;
步骤A4、在最大局部标准差和最小局部标准差之间建立N个等间隔的区间,将所述各个子图像按照每个子图像对应的局部标准差列入每个子图像对应的区间内,获取子图像最多的目标区间;
步骤A5、将目标区间内的局部标准差的平均值作为每个图像的噪声值,根据每个图像的噪声值获取所述每个图像的信噪比;
步骤A6、根据每个图像的信噪比设置滤波器的核函数;
步骤A7、根据所述核函数对所述多个图像信息进行滤波去燥:
其中,T表示为输出图像,K表示为所述多个图像信息的数量,k表示为第k个图像信息,Yk表示为第k个图像信息的输入图像,W表示为所述核函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010542405.3A CN111882910B (zh) | 2020-06-15 | 2020-06-15 | 一种交通信号灯故障检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010542405.3A CN111882910B (zh) | 2020-06-15 | 2020-06-15 | 一种交通信号灯故障检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111882910A CN111882910A (zh) | 2020-11-03 |
CN111882910B true CN111882910B (zh) | 2021-07-20 |
Family
ID=73158289
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010542405.3A Active CN111882910B (zh) | 2020-06-15 | 2020-06-15 | 一种交通信号灯故障检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111882910B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN113313962A (zh) * | 2021-05-20 | 2021-08-27 | 阿波罗智联(北京)科技有限公司 | 信号灯故障监测方法、装置、电子设备及存储介质 |
CN113393691B (zh) * | 2021-05-31 | 2022-05-03 | 杭州电子科技大学 | 一种城市道路系统交通信号灯故障检测方法 |
CN114973741A (zh) * | 2022-06-17 | 2022-08-30 | 浙江大华技术股份有限公司 | 异常数据的处理方法、装置、存储介质及电子装置 |
CN116437548B (zh) * | 2023-06-14 | 2023-09-05 | 广东保伦电子股份有限公司 | 灯光故障处理方法、装置、电子设备及可读存储介质 |
CN117218885A (zh) * | 2023-10-11 | 2023-12-12 | 南栖仙策(南京)高新技术有限公司 | 一种交通信号灯故障检测方法、装置、设备和存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104077922A (zh) * | 2014-07-02 | 2014-10-01 | 杭州鼎鹏交通科技有限公司 | 一种交通信号灯的故障自动检测处理系统及方法 |
CN105355069A (zh) * | 2015-12-13 | 2016-02-24 | 安徽科力信息产业有限责任公司 | 一种带有电压电流检测功能的信号灯故障检测电路及其检测控制方法 |
KR20160116927A (ko) * | 2015-03-31 | 2016-10-10 | 도로교통공단 | 교통신호 제어기 시험장치 |
CN106297360A (zh) * | 2016-08-12 | 2017-01-04 | 北京航空航天大学 | 一种交通信号灯故障诊断装置 |
CN106327904A (zh) * | 2015-07-10 | 2017-01-11 | 褚秀清 | 交通信号灯故障检测系统 |
CN109064768A (zh) * | 2018-09-28 | 2018-12-21 | 通号(长沙)轨道交通控制技术有限公司 | 一种用于交通信号设施工作状态实时监控系统及方法 |
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 |
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 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107993470A (zh) * | 2016-10-26 | 2018-05-04 | 天津职业技术师范大学 | 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 |
CN109740412A (zh) * | 2018-11-09 | 2019-05-10 | 浙江浩腾电子科技股份有限公司 | 一种基于计算机视觉的信号灯故障检测方法 |
CN109636777A (zh) * | 2018-11-20 | 2019-04-16 | 广州方纬智慧大脑研究开发有限公司 | 一种交通信号灯的故障检测方法、系统及存储介质 |
-
2020
- 2020-06-15 CN CN202010542405.3A patent/CN111882910B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104077922A (zh) * | 2014-07-02 | 2014-10-01 | 杭州鼎鹏交通科技有限公司 | 一种交通信号灯的故障自动检测处理系统及方法 |
KR20160116927A (ko) * | 2015-03-31 | 2016-10-10 | 도로교통공단 | 교통신호 제어기 시험장치 |
CN106327904A (zh) * | 2015-07-10 | 2017-01-11 | 褚秀清 | 交通信号灯故障检测系统 |
CN105355069A (zh) * | 2015-12-13 | 2016-02-24 | 安徽科力信息产业有限责任公司 | 一种带有电压电流检测功能的信号灯故障检测电路及其检测控制方法 |
CN106297360A (zh) * | 2016-08-12 | 2017-01-04 | 北京航空航天大学 | 一种交通信号灯故障诊断装置 |
CN109064768A (zh) * | 2018-09-28 | 2018-12-21 | 通号(长沙)轨道交通控制技术有限公司 | 一种用于交通信号设施工作状态实时监控系统及方法 |
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 |
Non-Patent Citations (2)
Title |
---|
交通信号机的信号灯故障检测技术研究;方学新 等;《道路交通与安全》;20090430;第9卷(第2期);第33-36页 * |
交通信号灯故障检测系统设计与实现;孔领领;《测控技术》;20150414;第34卷(第4期);第51-54页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111882910A (zh) | 2020-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111882910B (zh) | 一种交通信号灯故障检测方法及系统 | |
EP1958460B1 (en) | System and method for automatic camera health monitoring | |
CN102568242A (zh) | 基于视频处理的信号灯状态检测方法及其系统 | |
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 | |
CN105245869A (zh) | 故障检测设备及故障检测程序 | |
CN112395928A (zh) | 一种设备状态运行自动检测的方法 | |
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 | |
CN106228812A (zh) | 违法车辆图像采集方法及系统 | |
CN111931726A (zh) | 交通灯检测的方法、装置、计算机存储介质和路侧设备 | |
CN103324957A (zh) | 信号灯状态的识别方法及识别装置 | |
CN212873750U (zh) | 一种高准确率的交通信号灯故障检测系统 | |
CN111724607A (zh) | 转向灯使用检测方法、装置、计算机设备和存储介质 | |
CN117135798A (zh) | 基于新能源的路灯智能网路协调控制系统与方法 | |
CN106778765B (zh) | 一种车牌识别的方法及装置 | |
CN103034997A (zh) | 一种适用于监控视频前/背景分离的前景检测方法 | |
CN112560814A (zh) | 一种车辆进出停车位的识别方法 | |
CN112560574A (zh) | 河流黑水排放检测方法及应用其的识别系统 | |
CN116071935A (zh) | 一种基于机器学习的交通信号自控制方法 | |
CN111787311B (zh) | 一种安防监控摄像机的故障检测系统及方法 | |
CN110097761B (zh) | 光照自适应视频车辆流量检测模式切换系统和方法 | |
CN117831325A (zh) | 一种智能化的交通信号机故障识别方法及系统 | |
KR102271510B1 (ko) | Tvws 통신을 이용한 가로등 연계형 영상 제어 장치 및 이의 동작 방법 | |
CN110826456A (zh) | 一种倒计时牌故障检测方法及系统 | |
JPH1042274A (ja) | 異常監視方法および装置 | |
CN116416540A (zh) | 车辆状态检测方法、装置、设备、计算机存储介质及系统 |
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 |