CN111931726B - 交通灯检测的方法、装置、计算机存储介质和路侧设备 - Google Patents

交通灯检测的方法、装置、计算机存储介质和路侧设备 Download PDF

Info

Publication number
CN111931726B
CN111931726B CN202011010420.XA CN202011010420A CN111931726B CN 111931726 B CN111931726 B CN 111931726B CN 202011010420 A CN202011010420 A CN 202011010420A CN 111931726 B CN111931726 B CN 111931726B
Authority
CN
China
Prior art keywords
cap
lamp
image
differential
pixel 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
Application number
CN202011010420.XA
Other languages
English (en)
Other versions
CN111931726A (zh
Inventor
刘博�
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.)
Apollo Intelligent Connectivity Beijing Technology Co Ltd
Original Assignee
Apollo Intelligent Connectivity Beijing 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 Apollo Intelligent Connectivity Beijing Technology Co Ltd filed Critical Apollo Intelligent Connectivity Beijing Technology Co Ltd
Priority to CN202011010420.XA priority Critical patent/CN111931726B/zh
Publication of CN111931726A publication Critical patent/CN111931726A/zh
Application granted granted Critical
Publication of CN111931726B publication Critical patent/CN111931726B/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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/35—Categorising the entire scene, e.g. birthday party or wedding scene
    • G06V20/38—Outdoor scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Traffic Control Systems (AREA)

Abstract

根据本公开的示例实施例，提供了交通灯检测的方法、装置、计算机存储介质和路侧设备，可用于闯红灯检测、自动驾驶、智能交通、道路信息预测、行车路线规划。交通灯检测的方法，包括：针对交通灯中的每个灯头，在由路侧设备获取的交通灯图像中确定包括灯头的灯头图像；分别确定交通灯中的任意两个灯头的灯头图像的差分图像，其中差分图像中的像素值为两个灯头图像的相应像素值之差；以及基于差分图像和灯头图像，确定当前点亮的交通灯的灯头。根据本公开的方案，可以在不进行硬件改造的基础上准确、高效地检测当前点亮的交通灯的灯头。

Description

交通灯检测的方法、装置、计算机存储介质和路侧设备
技术领域
本公开的实施例涉及智能交通领域，并且更具体地，涉及交通灯检测的方法、装置和计算机存储介质。
背景技术
近年来，智能交通系统(ITS)作为一种全新的技术，采用先进的科学技术，将涉及的道路、交通、人与环境等因素进行综合考虑，实现智能化的交通管理，为解决道路交通问题带来可能和希望。同时，随着网络通信的部署和可用性提高，与交通工具、诸如交通工具上的通信设施进行及时通信也成为可能。在各种交通设施中，交通灯是城市道路中保证平面交叉道口安全、交通参与者有序通行的重要交通设施，及时准确地识别交通灯状态是减少城市道路安全事故发生、提高道口车辆通行效率、实现车辆自动驾驶的基础和前提。
交通灯灯色识别是智能交通的重要应用方向之一。识别到交通灯灯色之后，可以进行类似于闯红灯检测等业务的实现，同时可以辅助判断目前某个方向是否存在车道级拥堵，向远处的车广播当前红绿灯状态便于他们提前进行路径规划等。在这样的场景下，期望能够及时准确地识别交通灯灯色。
发明内容
根据本公开的实施例，提供了一种交通灯检测的方案。
在本公开的第一方面中，提供了一种交通灯检测的方法，包括：针对交通灯中的每个灯头，在由路侧设备获取的交通灯图像中确定包括灯头的灯头图像；分别确定交通灯中的任意两个灯头的灯头图像的第一差分图像，其中第一差分图像中的像素值为两个灯头图像的相应像素值之差；以及基于第一差分图像和灯头图像，确定当前点亮的交通灯的灯头。
在本公开的第二方面中，提供了一种交通灯检测的装置，包括：第一灯头图像确定模块，被配置为针对交通灯中的每个灯头，在由路侧设备获取的交通灯图像中确定包括灯头的灯头图像；第一差分图像确定模块，被配置为分别确定交通灯中的任意两个灯头的灯头图像的第一差分图像，其中第一差分图像中的像素值为两个灯头图像的相应像素值之差；以及第一灯头状态确定模块，被配置为基于第一差分图像和灯头图像，确定当前点亮的交通灯的灯头。
在本公开的第三方面中，提供了一种电子设备，包括一个或多个处理器；以及存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现根据本公开的第一方面的方法。
在本公开的第四方面中，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现根据本公开的第一方面的方法。
在本公开的第五方面中，提供了一种路侧设备，包括一个或多个处理器；以及存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现根据本公开的第一方面的方法。
在本公开的第六方面中，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现根据本公开的第一方面的方法。
应当理解，发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征，亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。
附图说明
结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标注表示相同或相似的元素，其中：
图1示出了本公开的多个实施例能够在其中实现的示例环境的示意图；
图2示出了根据本公开的一些实施例的交通灯检测的过程的流程图；
图3示出了根据本公开的一些实施例的基于差分图像和灯头图像确定当前点亮的交通灯的灯头的过程的流程图；
图4示出了根据本公开的一些实施例的基于差分图像的差分值和灯头图像的像素值确定当前点亮的交通灯的灯头的过程的流程图；
图5示出了根据本公开的一些实施例的交通灯检测的装置的示意性框图；以及
图6示出了能够实施本公开的多个实施例的计算设备的框图。
具体实施方式
下面将参照附图更详细地描述本公开的优选实施例。虽然附图中显示了本公开的优选实施例，然而应该理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。
在本文中使用的术语“包括”及其变形表示开放性包括，即“包括但不限于”。除非特别申明，术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“一个示例实施例”和“一个实施例”表示“至少一个示例实施例”。术语“另一实施例”表示“至少一个另外的实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。
如以上提及的，及时准确地识别交通灯灯色是有利的，特别是有助于确保交通安全、提高交通效率等。已有一些交通灯灯色识别的传统方案。例如，可以采用智能交通信号机来识别交通灯灯色。然而，智能交通信号机机体由控制箱、配电单元和机柜组成，主要用于城市道路交通信号灯、信息展示屏、停车位诱导屏、车辆检测与测速器的控制与管理，可与控制中心平台相连接，实行区域管控及交通优化。通过对信号机的高低电平进行检测，达到交通灯灯色识别的目的。而城市的信号路口很多，智能交通信号机的售价很高且很多交通灯不支持改造，可行性低。另一方面，可以采用基于神经网络的灯色识别方法。基于神经网络的灯色识别方法涉及采集数据、训练模型、以及识别灯色。这种方法效果较好，但是需要大量人工标注数据进行神经网络训练，同时神经网络推理过程消耗GPU且耗时。
另外，智能交通系统通过在路侧部署路侧感知设备来实现智能化的交通管理。不同路口的路侧感知设备能够获取路口处的交通灯的信息，例如包括交通灯的图像。因此，需要一种可行性高、低成本、准确的交通灯检测方案，其能够充分利用路侧感知设备所获取的交通灯信息。
根据本公开的实施例，提出了一种交通灯检测的方案。该方案利用路侧感知设备获取的交通灯图像。在该方案中，针对交通灯中的每个灯头，在由路侧设备获取的交通灯图像中确定包括灯头的灯头图像。分别确定交通灯中的任意两个灯头的灯头图像的差分图像，其中差分图像中的像素值为两个灯头图像的相应像素值之差。然后，基于差分图像和灯头图像，确定当前点亮的交通灯的灯头。由此，通过对路侧感知设备获取的交通灯图像进行处理，可以准确有效地检测交通灯，以便对灯色进行识别，而不需要对信号机进行改造并且不需要进行模型训练。
以下参考附图来说明本公开的基本原理和若干示例实现。
图1示出了本公开的多个实施例能够在其中实现的示例环境100的示意图。应当理解，图1所示出的环境100仅仅是示例性的，而不应当构成对本公开所描述的实现的功能和范围的任何限制。如图1所示，环境100包括在十字路口中的交通灯110、传感器120和计算设备130。虽然图示为十字路口，但该路口也可以是丁字路口或单行、双行车道，本公开在此不做限制。
交通灯110可以包括第一灯头110-1、第二灯头110-2和第三灯头110-3。第一灯头110-1可以是用于指示交通工具和行人可以通行的绿灯，第二灯头110-2可以是用于提示灯色即将变化的黄灯，第三灯头110-3可以是用于指示交通工具和行人通行禁止通行的红灯。交通灯的颜色和功能仅是示例性的，本公开在此不做限制。虽然图1中在四个路口分别设置一个交通灯，但交通灯的位置和数目可以根据需要改变。
传感器120可以被配置为获取包括交通灯110的图像或视频。例如，在图1的示例中，传感器120可以为图像传感器，其通过计算机视觉技术来获取包括交通灯110的多个图像。传感器120还可以为视频传感器，其可以拍摄包括交通灯110的视频，然后通过对该视频进行截帧以获得多个图像。在一些实施例中，传感器120可以为具有一个或多个广角或者超广角的摄像头，这些摄像头能够捕获周围环境360度内的场景。
在一个示例中，传感器120可以是路侧感知相机。路侧感知是指将传感器120部署到路侧，对道路上的对象进行感知的技术。对于需要进行视觉红绿灯感知的路口，通常将相机部署到信号灯杆或者红绿灯杆上，捕捉对向的红绿灯。路侧感知的特点是传感器架设在路侧，因此传感器位置不变，所以它拍摄的交通灯在相机坐标系中的位置是不变的，也就是说交通灯在所拍摄的图像中的位置保持不变。因此在进行交通灯灯色识别的过程中，只需要进行一次交通灯检测即可知道交通灯的位置，并将预先确定的交通灯的位置存储在本地用于灯色识别。
虽然图示为四个传感器分别捕获对向的交通灯图像，但可以理解传感器120也可以采用可旋转的结构，以便可旋转地检测多个方向的交通灯实时场景。
传感器120可以通信地耦合到计算设备130。计算设备130可以获取传感器120拍摄的视频或者图像以用于进行截帧、差分、归一化等图像处理，以用于判断交通灯的熄灭和点亮。这将在下文进一步详细阐述。计算设备130可以是任何具有计算能力的设备。在一些实施例中，计算设备130可以被嵌入在传感器120中，例如，传感器120可以是具有计算功能的摄像机。在一些实施例中，计算设备130也可以是传感器外部的实体，并且可以经由无线网络与传感器120通信。在一些实施例中，计算设备130可以是路侧计算单元，由传感器120拍摄的图片可以发送给路侧计算单元，由路侧计算单元确定交通灯的灯色。在一些实施例中，计算设备130可以位于云端，由云端服务器获取所有交通灯图像来确定交通灯的灯色。
在智能交通车路协同的系统架构中，路侧设备包括路侧感知设备和路侧计算设备。路侧感知设备被配置为监测交通工具所处的环境，并将感知数据输入路侧计算设备。例如，路侧感知设备可以为路侧感知相机，其可以用来获取交通灯图像，并可以将交通灯图像发送给路侧计算设备。路侧计算设备(例如，路侧计算单元RSCU)被配置为提供计算功能，特别是提供对感知数据的计算功能。例如，路侧计算设备可以为路侧计算单元RSCU，其可以用来处理交通灯图像。路侧计算设备可以连接到服务器设备。服务器设备可以通过各种方式与自动驾驶或辅助驾驶车辆通信以对车辆进行驾驶控制。在另一种智能交通车路协同的系统架构中，路侧感知设备自身包括计算功能，则路侧感知设备直接连接到所述服务器设备。以上连接可以基于有线线路或者可以基于无线通信连接。在一些实施例中，服务器设备可以是云控平台、车路协同管理平台、中心子系统、边缘计算平台、云计算平台等。
在一些实施例中，传感器120可以是智能交通车路协同系统中的路侧感知设备。在一些实施例中，计算设备130可以是各种路侧设备，例如有计算功能的路侧感知设备、与路侧感知设备相连接的路侧计算设备，也可以是与路侧计算设备连接的服务器设备，或是与路侧感知设备直接相连的服务器设备等。
另外地或被选地，计算设备130可以将交通灯检测结果实时地传输给交通运输管理系统或者道路上的交通工具，以用于更好地管理道路交通。
在一个备选实施例中，计算设备130可以被嵌入在交通工具中，其获取前方路口交通灯的图像并且利用本公开的图像处理方案进行交通灯检测以用于自动驾驶。
以下结合图2至图4来进一步描述详细的交通灯检测的过程。图2图示了根据本公开的实施例的交通灯检测的方法200的流程图。方法200可以由图1中的计算设备130来实施。为便于描述，将参照图1来描述方法200。
在框210，计算设备130针对交通灯中的每个灯头，在由路侧设备获取的交通灯图像中确定包括灯头的灯头图像。例如，计算设备130可以经由传感器120获取包括交通灯110的当前帧图像。计算设备130可以与传感器120通信，以获取图像或视频流。应当理解，可以采用本领域公知的网络技术(例如，蜂窝网络(例如第五代(5G)网络、长期演进(LTE)网络、第三代(3G)网络、码分多址(CDMA)网络等)、公共陆地移动网络(PLMN)、局域网(LAN)、广域网(WAN)、城域网(MAN)、电话网络(例如公共交换电话网(PSTN))、专用网络、自组织网络、内联网、因特网、基于光纤的网络等、和/或这些或其他类型的网络的组合)以建立计算设备130与传感器120的连接，在此不再详叙。
在一些实施例中，计算设备130可以对交通灯图像进行图像分割，从而分别获取包括灯头的灯头图像。例如，以交通灯包括三个灯头为例，计算设备130可以确定包括第一灯头110-1的第一灯头图像、包括第二灯头110-2的第二灯头图像以及包括第三灯头110-3的第三灯头图像。
在一些实施例中，在确定灯头图像之前，计算设备130可以确定每个灯头110在交通灯图像中的位置。在一些实施例中，可以使用人工标注的方法来获取每个灯头在交通灯图像中的位置。在一些实施例中，可以使用目标检测或者实例分割的方法来获取每个灯头在交通灯图像中的位置。在一些实施例中，可以针对一帧图像来获取每个灯头在交通灯图像中的位置。如上所述，由于路侧传感器相对于交通灯的位置不变，所以交通灯110在所拍摄的图像中的位置保持不变。因此在进行交通灯灯色识别的过程中，只需要针对一帧图像进行交通灯检测即可知道交通灯的位置以及各个灯头的位置，并将预先确定的交通灯的位置和各个灯头的位置存储在本地以用于后续帧中的灯色识别。由于不需要针对每帧检测交通灯的位置，节省了计算成本，并且加快了灯色识别速度。在一些实施例中，也可以针对多帧图像多次获取每个灯头在交通灯图像中的位置，然后取多次获取的位置的平均位置。通过这种方式，可以提高所获取的交通灯灯头的位置的精度。在一些实施例中，计算设备130可以基于每个灯头在交通灯图像中的位置来针对交通灯110中的每个灯头确定包括灯头的灯头图像。在一些实施例中，可以基于灯头的位置来使用图像分割方法分别确定包括灯头的灯头图像。
在一些实施例中，计算设备130可以获取每帧图像进行后续处理。在其他实施例中，计算设备130也可以每隔几帧获取一帧图像而进行处理。
在框220，计算设备130分别确定交通灯中的任意两个灯头的灯头图像的差分图像(为便于讨论，也称为“第一差分图像”)，其中第一差分图像中的像素值为两个灯头图像的相应像素值之差。例如，继续以交通灯包括三个灯头为例，当计算设备130确定了包括第一灯头110-1的第一灯头图像、包括第二灯头110-2的第二灯头图像以及包括第三灯头110-3的第三灯头图像之后，计算设备130可以分别计算第一灯头图像与第二灯头图像之间的差分图像、第一灯头图像与第三灯头图像之间的差分图像以及第二灯头图像与第三灯头图像之间的差分图像。差分图像中的像素值为两个灯头图像的相应像素值之差。
在一些实施例中，计算设备130可以在一帧交通灯图像中的任意两个灯头的灯头图像之间逐像素地确定两个灯头图像的像素值之差。以第一灯头图像与第二灯头图像之间的差分图像为例，计算设备130可以逐像素地将第一灯头图像中的像素值与第二灯头图像中相同位置处的像素值相减，从而获得第一灯头图像与第二灯头图像之间的差分图像。通过类似地方法，计算设备130可以获得交通灯中任意两个灯头之间的差分图像。由此可知，差分图像指示一帧交通灯图像中的两个灯头的灯头图像之间的差异，其削弱图像的相似部分，而突出指示图像的不同部分。
在框230，计算设备130基于第一差分图像和灯头图像，确定当前点亮的交通灯的灯头。由于差分图像指示了两个灯头的灯头图像之间的差异，因此差分图像可以指示两个灯头图像之间的亮度差异。也就是说，如果差分图像中的像素值都趋向于一个较小值，则指示与该差分图像相关联的两个灯头图像的亮度大致上是一致的，即同时点亮或同时熄灭；相反，如果差分图像中的像素值都趋向于一个较大值，则指示与该差分图像相关联的两个灯头图像的亮度不同，即一个打开一个熄灭。另外，灯头图像可以指示与之相关联的灯头的亮度。因此，基于两个灯头的灯头图像之间的差分图像以及该两个灯头的灯头图像可以确定这个两个灯头具体为点亮还是熄灭。
应当注意，上述过程仅针对一帧交通灯图像进行了描述，对于其他帧图像的处理和上述过程可以基本上相同，在此不再赘述。
下面结合图3来详细描述如何基于差分图像和灯头图像确定当前点亮的交通灯110的灯头。图3示出了根据本公开的一些实施例的基于差分图像和灯头图像确定当前点亮的交通灯的灯头的过程300。以下仅以一帧交通灯图像为例，下面描述的过程和操作同样适用于其他帧图像，在此不再赘述。
在框310，计算设备130可以针对交通灯110中的任意两个灯头，确定两个灯头的第一差分图像的像素值和(为便于讨论，也称为“第一像素值和”)。例如，继续以交通灯包括三个灯头为例，在分别确定了第一灯头图像与第二灯头图像之间的差分图像、第一灯头图像与第三灯头图像之间的差分图像以及第二灯头图像与第三灯头图像之间的差分图像之后，计算设备130可以分别计算任意两个灯头的差分图像的像素值和。
在框320，计算设备130可以通过对第一像素值和进行归一化处理，获得第一差分图像的差分值(为便于讨论，也称为“第一差分值”)。由于传感器120相对于交通灯110中的灯头的角度不同，因此，在拍摄得到的包括交通灯110的交通灯图像中，每个灯头的面积不同。在一些实施例中，计算设备130可以将任意两个灯头的差分图像的像素值和除以所有灯头的面积的和来进行归一化。本领域技术人员公知，也可以采用其他方式来对差分图像的像素值和进行归一化处理。通过这种方式，可以避免由于摄像头拍摄角度的不同而引起的灯头图像面积不同所带来的影响。
在框330，计算设备130可以针对交通灯110中的每个灯头，确定灯头的灯头图像的像素值和(为便于讨论，也称为“第二像素值和”)。例如，继续以交通灯包括三个灯头为例，计算设备130可以分别计算与第一灯头110-1相关联的灯头图像的像素值和、与第二灯头110-2相关联的灯头图像的像素值和以及与第三灯头110-3相关联的灯头图像的像素值和。由于图像的像素值和可以指示图像的亮度，因此，在框340，计算设备130可以基于第一差分值与第二像素值和，确定当前点亮的交通灯110的灯头。
在一些实施例中，在对第一像素值和进行归一化处理之前，计算设备130可以针对交通灯110中的任意两个灯头，将第一差分图像中的像素值与预定阈值(为便于讨论，也称为“第四阈值”)相比较以确定另一差分图像(为便于讨论，也称为“第二差分图像”)，其中第二差分图像中的像素值为第一像素值或第二像素值，并且第二像素值小于第一像素值。在一些实施例中，计算设备130可以将任意两个灯头之间的差分图像中的像素值与第四阈值相比较以对差分图像进行二值化。例如，如果像素值大于第四阈值，则将该像素值设置为0，如果像素值小于或等于第四阈值，则将该像素值设置为255。因此，经过二值化后的差分图像中的像素值只具有两个值：0和255。本领域技术人员可以理解，第四阈值可以根据设计需要取任何合适的取值，并且此处，数字0、255只是示例性的，其用于展示在图像处理中的物理意义，不旨在限制本发明，还可以应用其他合适的数值。通过这种方式，可以进一步节省计算成本，便于更高效地确定交通灯的灯色。
在一些实施例中，在对任意两个灯头图像之间的差分图像进行二值化后，计算设备130可以针对任意两个灯头图像之间的第二差分图像确定第二差分图像的像素值和(为便于讨论，也称为“第三像素值和”)。在一些实施例中，计算设备130可以对第三像素值和进行归一化处理，得到经过二值化处理后的第二差分图像的差分值(为便于讨论，也称为“第二差分值”)。在一些实施例中，计算设备130可以基于第二差分值与第二像素值和，确定当前点亮的交通灯的灯头。对第三像素值和进行归一化处理以及基于第二差分值与第二像素值和确定当前点亮的交通灯的灯头的方法与方法200和300中过于归一化处理和确定灯头的方式相同，在此不再赘述。
在一些实施例中，第一差分图像可以是彩色图像。计算设备130可以同时处理三色通道，或者将三个通道求和、取平均等以确定差分图像的像素值和。在一些实施例中，第一差分图像可以是灰度图像。在一些实施例中，确定交通灯110中的任意两个灯头的灯头图像的第一差分图像可以包括：针对交通灯110中的每个灯头，确定灯头的灯头图像的灯头灰度图像。例如，可以将彩色图像的三色通道进行加权求和来获得该彩色图像的灰度图像。本领域技术人员将理解可以采用任何方式来将图像转换为灰度图像。然后，计算设备130可以针对交通灯中的任意两个灯头，分别确定任意两个灯头的灯头灰度图像的第一差分图像。通过这种方式，可以进一步节省计算成本，便于更高效地确定交通灯的灯色。
下面结合图4来具体描述如何基于第一差分值与第二像素值和确定当前点亮的交通灯110的灯头。图4示出了根据本公开的一些实施例的基于差分图像的差分值和灯头图像的像素值确定当前点亮的交通灯的灯头的过程400，以交通灯110包括三个灯头为例。同样以下仅以一帧交通灯图像为例，下面描述的过程和操作同样适用于其他帧图像，在此不再赘述。
在框402中，计算设备130可以将任意两个灯头的第一差分图像的第一差分值分别与预定阈值(为便于讨论，也称为“第一阈值”)相比较。响应于任意两个灯头的第一差分图像的第一差分值中仅有一个第一差分值小于第一阈值；在框404中，计算设备130可以确定所有灯头的灯头图像的第二像素值和中的最大第二像素值和。
在框406中，计算设备130可以将该最大第二像素值和与其他第二像素值和相比较，并且响应于该最大第二像素值和分别为其他第二像素值和的倍数；在框408中，计算设备130可以确定与具有最大第二像素值和的灯头图像相对应的灯头处于点亮状态。例如，仍然以三个灯头为例，当第一灯头110-1与第二灯头110-2的差分图像的差分值小于阈值，而第一灯头110-1与第三灯头110-3的差分图像的差分值大于等于阈值并且第二灯头110-2与第三灯头110-3的差分图像的差分值大于等于阈值时，说明第一灯头110-1与第二灯头110-2的灯色相同，而与第三灯头110-3的灯色不同。在这种情况下，进一步确定三个灯头的灯头图像的像素值和中的最大像素值和，如果该最大像素值和是其他两个灯头图像的像素值和的倍数，例如2倍，则与具有该最大像素值和的灯头图像相对应的灯头处于点亮状态。例如，如果第三灯头110-3的灯头图像的像素值和分别是第一灯头110-1和110-2的灯头图像的像素值和的2倍，则确定第三灯头110-3处于点亮状态。
响应于该最大第二像素值和不是其他第二像素值和的倍数，则在框410中，计算设备130可以确定当前灯色未知，保存前后多帧(例如，10帧)图像用于问题分析。本领域技术人员可以理解，第一阈值和数字2可以根据设计需要取任何合适的取值。
在框412中，响应于任意两个灯头的第一差分图像的第一差分值都小于第一阈值，在框414中，计算设备130可以将每个灯头的灯头图像的第二像素值和分别与预定阈值(为便于讨论，也称为“第二阈值”)相比较。仍然以三个灯头为例，任意两个灯头的第一差分图像的第一差分值都小于第一阈值说明所有灯头的灯色相同，即三个灯头同时处于点亮状态或熄灭状态。在这种情况下，进一步确定每个灯头图像的亮度(即，像素值和)。如果每个灯头的灯头图像的第二像素值和都大于第二阈值，在框416中，计算设备130可以确定交通灯110中的灯头同时处于点亮状态；如果每个灯头的灯头图像的第二像素值和都小于或等于第二阈值，在框418中，计算设备130可以确定交通灯110中的灯头同时处于熄灭状态。
响应于任意两个灯头的第一差分图像的第一差分值中有两个第一差分值小于第一阈值，在框420中，计算设备130可以确定当前灯色未知，保存前后多帧(例如，10帧)图像用于问题分析。
另外，响应于任意两个灯头的第一差分图像的第一差分值都小于第一阈值，但是有的灯头图像的第二像素值和大于第二阈值，而有的灯头图像的第二像素值和小于或等于第二阈值，说明当前算法阈值设置不合理，保存当前帧，及其之前和之后的多帧(例如，10帧)图像，用于问题分析。
应当注意，针对上述情况之外的其他情况，计算设备130可以确定当前灯色未知，保存前后多帧图像用于问题分析。本领域技术人员可以理解，第二阈值和数字10可以根据设计需要取任何合适的取值。
对于一个正常的交通灯，例如具有三个灯头的交通灯，状态可以分为两种：一种状态是只有一个灯亮起(例如当前灯色是红灯、绿灯或者黄灯)，另一种状态是没有灯亮起(例如，绿闪的过程中，会存在三个灯色都熄灭的情况)。另外，有的时候会有两种灯色同时亮起的情况，对于正常的交通灯，它只会在灯色切换的过程中短暂出现，对于灯色识别的影响较小。然而，对于非正常交通灯的情况，两个灯头会持续较长时间同时亮起，这种属于异常情况，当然当三个灯同时亮起时，肯定发生了异常。为了进一步区分交通灯的灯头是短暂的全亮/全灭，还是持续的全亮/全灭，在一些实施例中，计算设备130可以统计连续确定交通灯110中的灯头同时处于点亮状态的次数(为便于讨论，也称为“第一次数”)，统计连续确定交通灯110中的灯头同时处于熄灭状态的次数(为便于讨论，也称为“第二次数”)。在一些实施例中，计算设备130可以在多帧图形中统计灯头同时处于点亮状态或者同时处于熄灭状态连续出现的次数。响应于第一次数或第二次数大于预定阈值(为便于讨论，也称为“第三阈值”)，确定交通灯110出现故障。通过这种方式，可以将绿闪情况下的交通灯状态从交通灯故障中排除，提高了交通灯故障报告的正确性。
在一个备选实施例中，计算设备130可以基于当前点亮的交通灯110的灯头，确定交通灯110当前点亮的灯色。在确定出处于点亮状态的灯头后，计算设备130可以基于处于点亮状态的灯头的位置确定该灯头的灯色。
本公开通过简单的图像差分处理来识别信号灯灯色，所需硬件成本和软件成本低，识别方法高效可靠。
在一些实施例中，计算设备130可以集成在传感器120中，或者部署在路侧计算单元中，或者部署在云端服务器中。在一些实施例中，在确定出交通灯的灯色以及交通灯的路障信息之后，计算设备130可以将指示交通灯的灯色的信息以及指示交通灯的故障的信息实时地传输给交通运输管理系统或者道路上的交通工具，以用于更好地管理道路交通。
图5示出了根据本公开的一些实施例的交通灯检测的装置的示意性框图。装置500可以被包括在图1的计算设备130中或者被实现为计算设备130。
如图5所示，装置500包括第一灯头图像确定模块510，被配置为针对交通灯中的每个灯头，在由路侧设备获取的交通灯图像中确定包括灯头的灯头图像；第一差分图像确定模块520，被配置为分别确定交通灯中的任意两个灯头的灯头图像的第一差分图像，其中第一差分图像中的像素值为两个灯头图像的相应像素值之差；以及第一灯头状态确定模块530，被配置为基于第一差分图像和灯头图像，确定当前点亮的交通灯的灯头。
在一些实施例中，第一灯头状态确定模块530包括：第一像素值和确定单元，被配置为针对交通灯中的任意两个灯头，确定两个灯头的第一差分图像的第一像素值和；第一像素值和归一化处理单元，被配置为通过对第一像素值和进行归一化处理，获得第一差分图像的第一差分值；第二像素值和确定单元，被配置为针对交通灯中的每个灯头，确定灯头的灯头图像的第二像素值和；以及灯头状态确定单元，被配置为基于第一差分值与第二像素值和，确定当前点亮的交通灯的灯头。
在一些实施例中，交通灯包括三个灯头，灯头状态确定单元包括：差分值比较单元，被配置为将任意两个灯头的第一差分图像的第一差分值分别与第一阈值相比较；以及灯头状态确定单元还被配置为：响应于任意两个灯头的第一差分图像的第一差分值中仅有一个第一差分值小于第一阈值，确定所有灯头的灯头图像的第二像素值和中的最大第二像素值和，将最大第二像素值和与其他第二像素值和相比较，并且响应于最大第二像素值和分别为其他第二像素值和的倍数，确定与具有最大第二像素值和的灯头图像相对应的灯头处于点亮状态。
在一些实施例中，灯头状态确定单元还包括：像素值和比较单元，被配置为响应于任意两个灯头的第一差分图像的第一差分值都小于第一阈值，将每个灯头的灯头图像的第二像素值和分别与第二阈值相比较；灯头状态确定单元还被配置为：如果每个灯头的灯头图像的第二像素值和都大于第二阈值，确定交通灯中的灯头同时处于点亮状态；以及如果每个灯头的灯头图像的第二像素值和都小于或等于所述第二阈值，确定交通灯中的灯头同时处于熄灭状态。
在一些实施例中，装置500还包括：第一统计模块，被配置为统计连续确定交通灯中的所有灯头处于点亮状态的第一次数；第二统计模块，被配置为统计连续确定交通灯中的所有灯头处于熄灭状态的第二次数；以及故障确定模块，被配置为响应于第一次数或第二次数大于第三阈值，确定交通灯出现故障。
在一些实施例中，装置500还包括：第二差分图像确定模块，被配置为在对第一像素值和进行归一化处理之前，针对交通灯中的任意两个灯头，将第一差分图像中的像素值与第四阈值相比较以确定第二差分图像，其中第二差分图像中的像素值为第一像素值或第二像素值，并且第二像素值小于第一像素值；第三像素值和确定模块，被配置为针对任意两个灯头图像之间的第二差分图像确定第二差分图像的第三像素值和；第三像素值和归一化处理模块，被配置为对第三像素值和进行归一化处理，得到第二差分图像的第二差分值；以及第二灯头状态确定模块，被配置为基于第二差分值与第二像素值和，确定当前点亮的交通灯的灯头。
在一些实施例中，第一差分图像确定模块520包括：灰度图像确定单元，被配置为针对交通灯中的每个灯头，确定灯头的灯头图像的灯头灰度图像；以及灰度差分图像确定单元，被配置为针对交通灯中的任意两个灯头，分别确定任意两个灯头的灯头灰度图像的第一差分图像。
在一些实施例中，装置500还包括：灯头位置确定模块，被配置为在确定灯头图像之前，确定每个灯头在交通灯图像中的位置；以及第二灯头图像确定模块，被配置为基于每个灯头在交通灯图像中的位置来针对交通灯中的每个灯头确定包括灯头的灯头图像。
在一些实施例中，装置500还包括：灯色确定模块，被配置为基于当前点亮的交通灯的灯头，确定交通灯当前点亮的灯色。
图6图示了可以用来实施本公开内容的实施例的示例设备600的示意性框图。例如，如图1所示的示例环境100中的计算设备130可以由设备600来实施。如图所示，设备600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的计算机程序指令或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序指令，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
上文所描述的各个过程和处理，例如方法200、300和400，可由处理单元601执行。例如，在一些实施例中，方法200、300和400可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序被加载到RAM603并由CPU 601执行时，可以执行上文描述的方法200、300和400中的一个或多个动作。
本公开可以是方法、装置、系统和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理单元，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理单元执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、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、程序段或指令的一部分，所述模块、程序段或指令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。在有些作为替换的实现中，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。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。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系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施方式，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施方式。在不偏离所说明的各实施方式的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施方式的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其他普通技术人员能理解本文披露的各实施方式。

Claims (20)

1.一种交通灯检测方法，包括：
针对交通灯中的每个灯头，在由路侧感知设备获取的交通灯图像中确定包括灯头的灯头图像；
分别确定所述交通灯中的任意两个灯头的所述灯头图像的第一差分图像，其中所述第一差分图像中的像素值为所述两个灯头图像的相应像素值之差；
针对所述交通灯中的任意两个灯头，确定所述两个灯头的所述第一差分图像的第一像素值和；
通过对所述第一像素值和进行归一化处理，获得所述第一差分图像的第一差分值；
针对所述交通灯中的每个灯头，确定所述灯头的所述灯头图像的第二像素值和；以及
基于所述第一差分值与所述第二像素值和，确定当前点亮的交通灯的灯头。
2.根据权利要求1所述的方法，其中所述交通灯包括三个灯头，基于所述第一差分值与所述第二像素值和确定当前点亮的交通灯的灯头包括：
将任意两个灯头的所述第一差分图像的所述第一差分值分别与第一阈值相比较；以及
响应于任意两个灯头的所述第一差分图像的所述第一差分值中仅有一个第一差分值小于所述第一阈值，确定所有灯头的所述灯头图像的所述第二像素值和中的最大第二像素值和，将所述最大第二像素值和与其他第二像素值和相比较，并且响应于所述最大第二像素值和分别为所述其他第二像素值和的倍数，确定与具有最大第二像素值和的所述灯头图像相对应的所述灯头处于点亮状态。
3.根据权利要求2所述的方法，其中基于所述第一差分值与所述第二像素值和确定当前点亮的交通灯的灯头还包括：
响应于任意两个灯头的所述第一差分图像的所述第一差分值都小于所述第一阈值，将每个灯头的所述灯头图像的所述第二像素值和分别与第二阈值相比较；
如果每个灯头的所述灯头图像的所述第二像素值和都大于所述第二阈值，确定所述交通灯中的灯头同时处于点亮状态；以及
如果每个灯头的所述灯头图像的所述第二像素值和都小于或等于所述第二阈值，确定所述交通灯中的灯头同时处于熄灭状态。
4.根据权利要求3所述的方法，所述方法还包括：
统计连续确定所述交通灯中的灯头同时处于点亮状态的第一次数；
统计连续确定所述交通灯中的灯头同时处于熄灭状态的第二次数；以及
响应于所述第一次数或所述第二次数大于第三阈值，确定所述交通灯出现故障。
5.根据权利要求1所述的方法，所述方法还包括：
在对所述第一像素值和进行归一化处理之前，针对所述交通灯中的任意两个灯头，将所述第一差分图像中的像素值与第四阈值相比较以确定第二差分图像，其中所述第二差分图像中的像素值为第一像素值或第二像素值，并且所述第二像素值小于所述第一像素值；
针对任意两个灯头图像之间的第二差分图像，确定所述第二差分图像的第三像素值和；
对所述第三像素值和进行归一化处理，得到所述第二差分图像的第二差分值；以及
基于所述第二差分值与所述第二像素值和，确定当前点亮的交通灯的灯头。
6.根据权利要求1所述的方法，其中确定交通灯中的任意两个灯头的灯头图像的第一差分图像包括：
针对所述交通灯中的每个灯头，确定所述灯头的灯头图像的灯头灰度图像；以及
针对所述交通灯中的任意两个灯头，分别确定任意两个灯头的灯头灰度图像的第一差分图像。
7.根据权利要求1所述的方法，所述方法还包括：
在确定所述灯头图像之前，确定所述每个灯头在所述交通灯图像中的位置；以及
基于所述每个灯头在所述交通灯图像中的所述位置来针对交通灯中的每个灯头确定包括所述灯头的灯头图像。
8.根据权利要求1所述的方法，所述方法还包括：
基于当前点亮的交通灯的所述灯头，确定所述交通灯当前点亮的灯色。
9.一种用于交通灯检测的装置，包括：
第一灯头图像确定模块，被配置为针对交通灯中的每个灯头，在由路侧设备获取的交通灯图像中确定包括灯头的灯头图像；
第一差分图像确定模块，被配置为分别确定所述交通灯中的任意两个灯头的所述灯头图像的第一差分图像，其中所述第一差分图像中的像素值为所述两个灯头图像的相应像素值之差；
第一像素值和确定单元，被配置为针对所述交通灯中的任意两个灯头，确定所述两个灯头的所述第一差分图像的第一像素值和；
第一像素值和归一化处理单元，被配置为通过对所述第一像素值和进行归一化处理，获得所述第一差分图像的第一差分值；
第二像素值和确定单元，被配置为针对所述交通灯中的每个灯头，确定所述灯头的所述灯头图像的第二像素值和；以及
灯头状态确定单元，被配置为基于所述第一差分值与所述第二像素值和，确定当前点亮的交通灯的灯头。
10.根据权利要求9所述的装置，其中所述交通灯包括三个灯头，所述灯头状态确定单元包括：
差分值比较单元，被配置为将任意两个灯头的所述第一差分图像的所述第一差分值分别与第一阈值相比较；以及
所述灯头状态确定单元还被配置为：响应于任意两个灯头的所述第一差分图像的所述第一差分值中仅有一个第一差分值小于所述第一阈值，确定所有灯头的所述灯头图像的所述第二像素值和中的最大第二像素值和，将所述最大第二像素值和与其他第二像素值和相比较，并且响应于所述最大第二像素值和分别为所述其他第二像素值和的倍数，确定与具有最大第二像素值和的所述灯头图像相对应的所述灯头处于点亮状态。
11.根据权利要求10所述的装置，其中所述灯头状态确定单元还包括：
像素值和比较单元，被配置为响应于任意两个灯头的所述第一差分图像的所述第一差分值都小于所述第一阈值，将每个灯头的所述灯头图像的所述第二像素值和分别与第二阈值相比较；
所述灯头状态确定单元还被配置为：如果每个灯头的所述灯头图像的所述第二像素值和都大于所述第二阈值，确定所述交通灯中的灯头同时处于点亮状态；以及如果每个灯头的所述灯头图像的所述第二像素值和都小于或等于所述第二阈值，确定所述交通灯中的灯头同时处于熄灭状态。
12.根据权利要求11所述的装置，所述装置还包括：
第一统计模块，被配置为统计连续确定所述交通灯中的所有灯头处于点亮状态的第一次数；
第二统计模块，被配置为统计连续确定所述交通灯中的所有灯头处于熄灭状态的第二次数；以及
故障确定模块，被配置为响应于所述第一次数或所述第二次数大于第三阈值，确定所述交通灯出现故障。
13.根据权利要求9所述的装置，所述装置还包括：
第二差分图像确定模块，被配置为在对所述第一像素值和进行归一化处理之前，针对所述交通灯中的任意两个灯头，将所述第一差分图像中的像素值与第四阈值相比较以确定第二差分图像，其中所述第二差分图像中的像素值为第一像素值或第二像素值，并且所述第二像素值小于所述第一像素值；
第三像素值和确定模块，被配置为针对任意两个灯头图像之间的第二差分图像确定所述第二差分图像的第三像素值和；
第三像素值和归一化处理模块，被配置为对所述第三像素值和进行归一化处理，得到所述第二差分图像的第二差分值；以及
第二灯头状态确定模块，被配置为基于所述第二差分值与所述第二像素值和，确定当前点亮的交通灯的灯头。
14.根据权利要求9所述的装置，其中第一差分图像确定模块包括：
灰度图像确定单元，被配置为针对所述交通灯中的每个灯头，确定所述灯头的灯头图像的灯头灰度图像；以及
灰度差分图像确定单元，被配置为针对所述交通灯中的任意两个灯头，分别确定任意两个灯头的灯头灰度图像的第一差分图像。
15.根据权利要求9所述的装置，所述装置还包括：
灯头位置确定模块，被配置为在确定所述灯头图像之前，确定所述每个灯头在所述交通灯图像中的位置；以及
第二灯头图像确定模块，被配置为基于所述每个灯头在所述交通灯图像中的所述位置来针对交通灯中的每个灯头确定包括所述灯头的灯头图像。
16.根据权利要求9所述的装置，所述装置还包括：
灯色确定模块，被配置为基于当前点亮的交通灯的所述灯头，确定所述交通灯当前点亮的灯色。
17.一种电子设备，所述设备包括：
一个或多个处理器；以及
存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一项所述的方法。
18.一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如权利要求1-8中任一项所述的方法。
19.一种路侧设备，所述设备包括：
一个或多个处理器；以及
存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一项所述的方法。
20.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-8中任一项所述的方法。
CN202011010420.XA 2020-09-23 2020-09-23 交通灯检测的方法、装置、计算机存储介质和路侧设备 Active CN111931726B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011010420.XA CN111931726B (zh) 2020-09-23 2020-09-23 交通灯检测的方法、装置、计算机存储介质和路侧设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011010420.XA CN111931726B (zh) 2020-09-23 2020-09-23 交通灯检测的方法、装置、计算机存储介质和路侧设备

Publications (2)

Publication Number Publication Date
CN111931726A CN111931726A (zh) 2020-11-13
CN111931726B true CN111931726B (zh) 2024-06-11

Family

ID=73334085

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011010420.XA Active CN111931726B (zh) 2020-09-23 2020-09-23 交通灯检测的方法、装置、计算机存储介质和路侧设备

Country Status (1)

Country Link
CN (1) CN111931726B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112396668B (zh) * 2020-12-03 2024-05-07 阿波罗智联(北京)科技有限公司 识别信号灯中异常灯色的方法、装置、路侧设备
CN112700410A (zh) * 2020-12-28 2021-04-23 北京百度网讯科技有限公司 信号灯位置确定方法、装置、存储介质、程序、路侧设备
CN112991290B (zh) * 2021-03-10 2023-12-05 阿波罗智联(北京)科技有限公司 图像稳像方法、装置、路侧设备、云控平台
CN113129375B (zh) * 2021-04-21 2023-12-01 阿波罗智联(北京)科技有限公司 数据处理方法、装置、设备及存储介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104574960A (zh) * 2014-12-25 2015-04-29 宁波中国科学院信息技术应用研究院 一种交通灯识别方法
JP2015153312A (ja) * 2014-02-18 2015-08-24 アルパイン株式会社 車両運転支援装置
JP2015207035A (ja) * 2014-04-17 2015-11-19 アルパイン株式会社 交通信号機認識装置及びコンピュータプログラム
CN105809994A (zh) * 2016-04-28 2016-07-27 南京航空航天大学 基于特种车辆识别的交通灯控制方法
JPWO2014115239A1 (ja) * 2013-01-22 2017-01-19 パイオニア株式会社 信号機認識装置、制御方法、プログラム及び記憶媒体
US9779314B1 (en) * 2014-08-21 2017-10-03 Waymo Llc Vision-based detection and classification of traffic lights
CN109389838A (zh) * 2018-11-26 2019-02-26 爱驰汽车有限公司 无人驾驶路口路径规划方法、系统、设备及存储介质
CN109409301A (zh) * 2018-10-30 2019-03-01 奇瑞汽车股份有限公司 交通信号灯的信息获取方法、装置及存储介质
CN109460715A (zh) * 2018-10-18 2019-03-12 大唐网络有限公司 一种基于机器学习的交通灯自动识别实现方法
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
CN111666894A (zh) * 2020-06-08 2020-09-15 深圳裹动智驾科技有限公司 交通灯和车灯的检测方法及其感测系统、以及车辆

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011074087A1 (ja) * 2009-12-16 2011-06-23 パイオニア株式会社 信号認識装置、信号認識方法、及び信号認識プログラム
US9205835B2 (en) * 2014-01-30 2015-12-08 Mobileye Vision Technologies Ltd. Systems and methods for detecting low-height objects in a roadway
US20170228606A1 (en) * 2016-02-09 2017-08-10 Haike Guan Information processing apparatus, information processing method, and recording medium
US20180211120A1 (en) * 2017-01-25 2018-07-26 Ford Global Technologies, Llc Training An Automatic Traffic Light Detection Model Using Simulated Images
WO2018223882A1 (en) * 2017-06-08 2018-12-13 Zhejiang Dahua Technology Co., Ltd. Methods and devices for processing images of traffic light
CN110874938A (zh) * 2018-08-31 2020-03-10 百度在线网络技术（北京）有限公司 交通灯控制系统及交通灯控制方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPWO2014115239A1 (ja) * 2013-01-22 2017-01-19 パイオニア株式会社 信号機認識装置、制御方法、プログラム及び記憶媒体
JP2015153312A (ja) * 2014-02-18 2015-08-24 アルパイン株式会社 車両運転支援装置
JP2015207035A (ja) * 2014-04-17 2015-11-19 アルパイン株式会社 交通信号機認識装置及びコンピュータプログラム
US9779314B1 (en) * 2014-08-21 2017-10-03 Waymo Llc Vision-based detection and classification of traffic lights
CN104574960A (zh) * 2014-12-25 2015-04-29 宁波中国科学院信息技术应用研究院 一种交通灯识别方法
CN105809994A (zh) * 2016-04-28 2016-07-27 南京航空航天大学 基于特种车辆识别的交通灯控制方法
CN109460715A (zh) * 2018-10-18 2019-03-12 大唐网络有限公司 一种基于机器学习的交通灯自动识别实现方法
CN109409301A (zh) * 2018-10-30 2019-03-01 奇瑞汽车股份有限公司 交通信号灯的信息获取方法、装置及存储介质
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
CN109389838A (zh) * 2018-11-26 2019-02-26 爱驰汽车有限公司 无人驾驶路口路径规划方法、系统、设备及存储介质
CN111666894A (zh) * 2020-06-08 2020-09-15 深圳裹动智驾科技有限公司 交通灯和车灯的检测方法及其感测系统、以及车辆

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于图像处理的交通灯检测技术;吴国庆;王星星;张旭东;翟春树;;现代电子技术(第08期);103-106 *
基于色域差分与伽马校正的交通灯识别;叶茂胜;李必军;莫柠锴;孔格菲;;软件导刊(第09期);157-160 *

Also Published As

Publication number Publication date
CN111931726A (zh) 2020-11-13

Similar Documents

Publication Publication Date Title
CN111931726B (zh) 交通灯检测的方法、装置、计算机存储介质和路侧设备
EP3859708B1 (en) Traffic light image processing method and device, and roadside device
CN112101272B (zh) 交通灯检测的方法、装置、计算机存储介质和路侧设备
US9704060B2 (en) Method for detecting traffic violation
JP5815910B2 (ja) マルチキュー・オブジェクトの検出および分析のための方法、システム、製品、およびコンピュータ・プログラム（マルチキュー・オブジェクトの検出および分析）
KR102122859B1 (ko) 교통 영상감시시스템의 멀티 표적 추적 방법
JP3759280B2 (ja) 道路監視用事象検知装置
CN102568242B (zh) 基于视频处理的信号灯状态检测方法及其系统
US20110164789A1 (en) Detection of vehicles in images of a night time scene
CN110991224B (zh) 基于图像识别的行人闯红灯检测方法、装置及相关设备
CN110580808B (zh) 一种信息处理方法、装置、电子设备及智能交通系统
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
US20160180201A1 (en) Image processing
CN112180285B (zh) 识别交通信号灯故障的方法、装置、导航系统和路侧设备
CN112001208A (zh) 用于车辆盲区的目标检测方法、装置和电子设备
KR20210158037A (ko) 영상감시시스템에서의 고속 이동물체의 위치 및 모션 캡쳐 방법
CN113221878A (zh) 应用于信号灯检测的检测框调整方法、装置及路侧设备
JP2022120116A (ja) 交通信号灯の識別方法、装置、電子機器、記憶媒体、コンピュータプログラム、路側機器、クラウド制御プラットフォーム及び車両道路協同システム
CN110826456A (zh) 一种倒计时牌故障检测方法及系统
CN112287808B (zh) 运动轨迹分析告警方法、装置、系统及存储介质
KR101381580B1 (ko) 다양한 조명 환경에 강인한 영상 내 차량 위치 판단 방법 및 시스템
KR20220153870A (ko) 이기종 객체 필터 기반 하이브리드 영상 분석 장치 및 방법
WO2022198507A1 (zh) 障碍物检测方法、装置、设备和计算机存储介质
KR101547954B1 (ko) 반사체 검출 시스템 및 그 방법
CN115797469A (zh) 信号灯图像处理方法、装置、设备及存储介质

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20211014

Address after: 100176 101, floor 1, building 1, yard 7, Ruihe West 2nd Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing

Applicant after: Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd.

Address before: 100094 2 / F, baidu building, No.10 Shangdi 10th Street, Haidian District, Beijing

Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant