CN112101272B - 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 PDFInfo
- Publication number
- CN112101272B CN112101272B CN202011010197.9A CN202011010197A CN112101272B CN 112101272 B CN112101272 B CN 112101272B CN 202011010197 A CN202011010197 A CN 202011010197A CN 112101272 B CN112101272 B CN 112101272B
- Authority
- CN
- China
- Prior art keywords
- image
- difference
- signal
- variance
- light
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 38
- 238000003860 storage Methods 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000004590 computer program Methods 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 13
- 238000012545 processing Methods 0.000 description 23
- 238000010586 diagram Methods 0.000 description 19
- 230000008569 process Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 230000008447 perception Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 239000000835 fiber Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008033 biological extinction Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/46—Measurement of colour; Colour measuring devices, e.g. colorimeters
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Biophysics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Multimedia (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (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、装置和计算机存储介质,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:获取包括交通灯的、在时间上相邻的第一图像和第二图像;确定针对交通灯的第一信号灯的、在第一图像和第二图像之间的第一差异和针对交通灯的第二信号灯的、在第一图像和第二图像之间的第二差异;以及基于第一差异、第二差异和针对交通灯的多个历史差异,确定交通灯发生变化。根据本公开的方案,可以准确、高效地检测交通灯灯色。
Description
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
多年以来,道路交通信号系统和不断完善的交通法规为规范城市交通行为,维护城市交通秩序起到了不可替代的积极作用,丰富的信号系统产品为城市交通作出了有益的贡献。城市道路交通条件的不断改善,各种硬件和智能软件产品广泛的应用使得道路交通比以往任何时候都更加的顺畅,智能交通系统是未来交通系统的发展方向,它是将先进的信息技术、数据通讯传输技术、电子传感技术、控制技术及计算机技术等有效地集成运用于整个地面交通管理系统而建立的一种在大范围内、全方位发挥作用的,实时、准确、高效的综合交通运输管理系统。道路路口信号灯状态联网的实现作为车联网的基础建设也正是当前发展的方向。
交通灯灯色识别是智能交通的重要应用方向之一。识别到信号灯灯色之后,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。因此,需要一种可靠的交通灯灯色检测方法。
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:获取包括交通灯的、在时间上相邻的第一图像和第二图像;确定针对交通灯的第一信号灯的、在第一图像和第二图像之间的第一差异和针对交通灯的第二信号灯的、在第一图像和第二图像之间的第二差异;以及基于第一差异、第二差异和针对交通灯的多个历史差异,确定交通灯发生变化。
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:图像获取模块,被配置为获取包括所述交通灯的、在时间上相邻的第一图像和第二图像;第一差异确定模块,被配置为确定针对所述交通灯的第一信号灯的、在所述第一图像和所述第二图像之间的第一差异和针对所述交通灯的第二信号灯的、在所述第一图像和所述第二图像之间的第二差异;以及第一变化检测模块,被配置为基于所述第一差异、所述第二差异和针对所述交通灯的多个历史差异,确定所述交通灯发生变化。
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,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,包括计算机程序指令,该计算机程序指令被处理器实现如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交通灯检测的过程的流程图;
图4示出了根据本公开的一些实施例的交通灯的差分图像的图;
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,需要可靠的交通灯灯色检测方法。现有的道路交叉路口交通灯状态识别主要采用以下三种方法:
(1)采用智能交通信号机,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,达到信号灯灯色识别的目的。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。
(2)基于神经网络的灯色识别方法。采集数据,训练模型,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。
(3)图像直接识别颜色进行交通灯状态识别。这种方法节省成本,但在一些恶劣天气或夜间准确度低。
因此,需要一种可行性高、低成本、准确的交通灯检测方案。
根据本公开的实施例,提出了一种交通灯检测的方案。该方案利用图像的差分来确定交通灯的状态。在该方案中,首先获取交通灯在时间上相邻的图像,然后确定时间上相邻的交通灯图像的差异,最后通过该差异确定交通灯的灯色状态。
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。
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101、传感器105和计算设备106。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101可以包括第一信号灯102、第二信号灯103和第三信号灯104。第一信号灯102可以是用于指示交通工具和行人可以通行的绿灯,第二信号灯103可以是用于提示灯色即将变化的黄灯,第三信号灯104可以是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105可以被配置为获取包括交通灯101的图像或视频。例如,在图1的示例中,传感器105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101的多个图像。传感器105还可以为视频传感器,其可以拍摄包括交通灯101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140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105可以是路侧感知相机。路侧感知是指将传感器105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。路侧感知相对于主车感知的好处在于,它的视角是固定的,在进行信号灯灯色识别的过程中,不需要进行信号灯检测,因为信号灯的位置可以预先确定并存储在本地。因此完全可以将灯色识别问题抽象为一个广义的障碍物运动问题,转换为灯色识别问题等价于灯色切换状态的检测问题。
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105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105可以通信地耦合到计算设备106。计算设备106可以获取传感器105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,以用于判断信号灯的熄灭和点亮。这将在下文进一步详细阐述。计算设备106可以被嵌入在传感器105中。计算设备106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105通信。计算设备106可以是任何具有计算能力的设备。作为非限制性示例,计算设备106可以是任意类型的固定计算设备、移动计算设备或便携式计算设备,包括但不限于台式计算机、膝上型计算机、笔记本计算机、上网本计算机、平板计算机、多媒体计算机、移动电话等;计算设备106的全部组件或一部分组件可以分布在云端。计算设备106至少包含处理器、存储器以及其他通常存在于通用计算机中的组件,以便实现计算、存储、通信、控制等功能。
在一个实施例中,计算设备106可以是各种路侧设备或者可以被包括在路侧设备中,路侧设备例如是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。在本公开中服务器设备例如是云控平台、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。
计算设备106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,以用于更好地挂管理道路交通。
在一个实施例中,传感器105和计算设备106可以是智能交通车路协同的系统架构的一部分,具体上讲,传感器105和计算设备106可以分别为路侧设备包括路侧感知设备和路侧计算设备或者作为其的一部分,路侧感知设备(例如路侧相机,用于拍摄交通灯的图像)连接到路侧计算设备(例如路侧计算单元RSCU),路侧计算设备连接到服务器设备,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;在另一种系统架构中,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。以上连接可以是有线或是无线;本公开中的服务器设备例如是云控平台、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。
在一个备选实施例中,计算设备106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106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106获取包括交通灯的、在时间上相邻的第一图像和第二图像。例如,计算设备106经由传感器105获取包括交通灯101的当前帧和在时间上的上一帧图像。计算设备106可以与传感器105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106与传感器105的连接,在此不再详叙。
在一个实施例中,计算设备可以获取每帧图像和其上一帧图像进行后续处理。在其他实施例中,计算设备106也可以每隔几帧获取一帧图像和其上一帧图像来进行后续处理。
在框220,计算设备106确定针对交通灯的第一信号灯的、在第一图像和第二图像之间的第一差异和针对所述交通灯的第二信号灯的、在第一图像和第二图像之间的第二差异。例如,当计算设备获取在时间上相邻的第一图像和第二帧图像,即当前帧图像和其上一帧图像后,计算设备106可以对其进行处理以确定两张图像的差异。
在一个实施例中,以第一信号灯102为例,计算设备106可以针对交通灯101中的第一信号灯102,在第一图像和第二图像之间进行差分处理以确定第一信号灯102的灯色差分和。在这里,差分处理是指在处理图像或处理视频流图像时,将两幅图像相减,以削弱图像的相似部分,突出显示图像的变化部分。
计算设备106可以确定第一信号灯102和所述第二信号灯103在图像中的第一像素点数目和第二像素点数目。以第一信号灯102为例,计算设备106可以首先确定第一信号灯102的区域。例如,在传感器105固定在信号灯杆或者红绿灯杆上时,由于其位置相对于其拍摄的信号灯固定,可以预先标注出第一信号灯102的位置,例如对于矩形信号灯其左下角点和右上角点,或对于圆形信号灯其圆心和半径。由于不需要检测位置,节省了计算成本,并且加快了信号灯识别速度。计算设备106通过确定第一信号灯102的区域,可以确定该区域内的像素点数目。
然后,计算设备106可以在第一图像和第二图像之间逐像素确定与第一信号灯102相关联的多个第一像素差和与第二信号灯103相关联的多个第二像素差。以第一信号灯102为例,在计算设备106确定了第一信号灯102的区域的情况下,计算设备106可以对第一图像中的第一信号灯102区域内的像素与其在第二图像中对应的像素进行逐像素相减,获得多个第一像素差,然后对这些像素差求和以获得第一图像差分和并进行归一化处理。
在一个实施例中,计算设备106可以对多个像素差进行绝对值计算以确定两个图像之间的变化。
在一个备选实施例中,计算设备106可以用当前帧图像减去其上一帧图像获得多个像素差。计算设备将其中小于0的像素差设置为0,并且将其中大于阈值(例如50)的像素差设置为255。这里数字0、50、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。通过只检测大于0的像素差,即只检测信号灯变亮而不检测熄灭,可以节省计算成本,便于更高效地确定信号灯颜色。
最后,计算设备106基于第一像素点数目、第二像素点数目、多个第一像素差和多个第二像素差,确定第一差异和第二差异。以第一信号灯102为例,例如,计算设备106可以确定多个第一像素差的和,然后通过该和以及第一像素点数目确定平均像素差作为第一差异。利用平均像素差作为差异可以更准确地确定信号灯变化。
在一个备选实施例中,计算设备106可以统计多个第一像素差中有几个像素差为255然后确定第一差异。
请注意,上述过程仅以第一信号灯102为例,对其他信号灯,例如第二信号灯103、第三信号灯的处理和上述过程相同,在此不再赘述。
在框230,计算设备106基于第一差异、第二差异和针对交通灯的多个历史差异,确定所述交通灯发生变化。例如,计算设备106可以利用在220获取的第一差异和第二差异与历史差异进行比较来确定信号的状态。信号灯的历史差异是指在确定该第一差异或者第二差异之前所获取的信号灯的差异。
下面结合图3来详细描述如何确定第一信号灯102发生变化。图3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。以下仅以第一信号灯102为例,下面描述的过程和操作同样适用于其他信号灯,在此不再赘述。
在框310,计算设备106确定预定历史时间段期间的、多个历史差异中的最大历史差异。在一个实施例中,计算设备106在确定第一差异和第二差异之前,可以通过220中的差分操作,针对每个信号灯确定其相应的多个差异,并且将其中最大的差异作为该信号灯的最大历史差异。
在一个备选实施例中,以第一信号灯102为例,计算设备106可以存储最近预定次数的信号灯灯色变化时的差异作为历史差异,然后将其中最大的差异作为第一信号灯102的最大历史差异,或者将最近的历史差异做平均。
在框320,计算设备106确定第一差异是否大于最大历史差异,并且第一差异是否大于第二差异的阈值倍数。参照图4,图4示出了根据本公开的一些实施例的交通灯的差分图像的图。图4中示出了针对多个信号灯的差异岁时间变化的波形图,其中纵坐标指示差异的振幅,横坐标指示时间。可以找出明显的规律,当某个信号灯亮起时,会有一个较高的波峰,这个波峰的值会大于同时期其他信号灯的差异的值,并且其处于最大历史差异的附近。因此,通过判断第一信号灯102的当前差异与历史差异以及与其他信号灯的当前差异,可以快速、准确地确定第一信号灯102点亮或者熄灭。
在一个实施例中,计算设备106可以确定第一差异是否大于最大历史差异的80%或者70%,并且阈值倍数可以是2倍或者3倍,本公开对此不做限制。
在框330,计算设备106如果确定第一差异大于最大历史差异,并且第一差异大于所述第二差异的阈值倍数,则确定第一信号灯102发生变化。
在一个实施例中,计算设备106可以针对第一信号灯102,利用当前图像帧减去其上一帧图像帧做差分以获取第一差异,由于对像素差不取绝对值,则若例如计算设备106确定第一差异大于最大历史差异的80%,并且第一差异大于所述第二差异的2倍,则确定第一信号灯102点亮。
在一个备选实施例中,计算设备106可以针对第一信号灯102,利用上一帧图像帧减去其当前图像帧做差分以获取第一差异,由于对像素差不取绝对值,则若例如计算设备106确定第一差异大于最大历史差异的80%,并且第一差异大于所述第二差异的2倍,则确定第一信号灯102熄灭。
计算设备106如果确定第一差异不大于最大历史差异或历史最大差异的预定百分比,或者第一差异不大于所述第二差异的阈值倍数,则确定第一信号灯102未发生变化。并且继续进行下一帧图像检测。例如,计算设备106确定第一差异大于最大历史差异的80%,但不大于第二差异的2倍,则确定第一信号灯未发生变化。或者例如计算设备106确定第一差异小于最大历史差异的80%,则无须比较第一差异和第二差异而直接确定第一信号灯未发生变化。
下面对存在第三信号灯104的情况进行描述。第一信号灯102可以是绿灯、第二信号灯103可以是黄灯、第三信号104灯可以是红灯。计算设备106确定针对所述交通灯的第三信号灯106的、在第一图像和所述第二图像之间的第三差异;以及如果确定第一差异大于最大历史差异,并且第一差异大于第二差异和第三差异的阈值倍数,则确定所述第一信号灯发生变化。上述步骤与之前对第一信号灯描述的步骤相同,在此不再赘述。
在一个实施例中,计算设备106可以针对第一信号灯102、第二信号灯103和第三信号104灯分别包括初始化模块,灯色点亮模块,灯色熄灭模块。初始化模块用于确定最大历史差异,灯色点亮模块用于利用当前图像帧减去其上一帧图像帧做差分以确定信号灯是否点亮并利用最新确定的差异更新历史差异,灯色熄灭模块用于利用上一帧图像帧减去其当前图像帧做差分以确定信号灯是否熄灭并利用最新确定的差异更新历史差异。上述描述的三个模块可以以软件或硬件实施,并且可以为单独的一个模块或者分立的多个模块,本公开在此不做限制。同时对多个信号灯进行点亮、熄灭检测可以相互印证,提改了可靠性。对历史差异进行动态更新可以在不同天气条件下或信号灯内的发光组件老化的情况下对差异实时更新,方便更准确地检测信号灯变化。
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。
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106中或者被实现为计算设备106。
如图5所示,装置500包括图像获取模块510,被配置为获取包括交通灯的、在时间上相邻的第一图像和第二图像;第一差异确定模块520,被配置为确定针对交通灯的第一信号灯的、在第一图像和第二图像之间的第一差异和针对交通灯的第二信号灯的、在第一图像和第二图像之间的第二差异;以及第一变化检测模块530,被配置为基于第一差异、第二差异和针对交通灯的多个历史差异,确定交通灯发生变化。
在一些实施例中,第一差异确定模块520可以包括:像素确定模块,被配置为确定第一信号灯和第二信号灯在图像中的第一像素点数目和第二像素点数目;像素差确定模块,被配置为在第一图像和第二图像之间逐像素确定与第一信号灯相关联的多个第一像素差和与第二信号灯相关联的多个第二像素差;第二差异确定模块,被配置为基于第一像素点数目、第二像素点数目、多个第一像素差和多个第二像素差,确定第一差异和第二差异。
在一些实施例中,第一变化检测模块530可以包括:历史差异确定模块,被配置为确定预定历史时间段期间的、多个历史差异中的最大历史差异;以及第二变化检测模块,被配置为如果确定第一差异大于最大历史差异,并且第一差异大于第二差异的阈值倍数,则确定第一信号灯发生变化。
在一些实施例中,装置500还可以包括:第三差异确定模块,被配置为确定针对交通灯的第三信号灯的、在第一图像和第二图像之间的第三差异;以及第三变化检测模块,被配置为如果确定第一差异大于最大历史差异,并且第一差异大于第二差异和第三差异的阈值倍数,则确定第一信号灯发生变化。
在一些实施例中,第一信号灯为绿灯,第二信号灯为黄灯,第三信号灯为红灯。
根据本公开的实施例,本公开还提供了一种交通灯检测的电子设备、可读存储介质和计算机程序产品。
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106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和300,可由处理单元701执行。例如,在一些实施例中,方法200和300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RAM 603并由CPU 601执行时,可以执行上文描述的方法200和300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 (10)
1.一种交通灯检测的方法,包括:
获取包括所述交通灯的、在时间上相邻的第一图像和第二图像;
确定针对所述交通灯的第一信号灯的、在所述第一图像和所述第二图像之间的第一差异和针对所述交通灯的第二信号灯的、在所述第一图像和所述第二图像之间的第二差异,包括:确定所述第一信号灯和所述第二信号灯在图像中的第一像素点数目和第二像素点数目;在所述第一图像和所述第二图像之间逐像素确定与所述第一信号灯相关联的多个第一像素差和与所述第二信号灯相关联的多个第二像素差;基于所述第一像素点数目、所述第二像素点数目、所述多个第一像素差和所述多个第二像素差,确定所述第一差异和所述第二差异;以及
基于所述第一差异、所述第二差异和针对所述交通灯的多个历史差异,确定所述交通灯发生变化,包括:确定预定历史时间段期间的、多个历史差异中的最大历史差异;以及如果确定所述第一差异大于所述最大历史差异,并且所述第一差异大于所述第二差异的阈值倍数,则确定所述第一信号灯发生变化。
2.根据权利要求1所述的方法,还包括:
确定针对所述交通灯的第三信号灯的、在所述第一图像和所述第二图像之间的第三差异;以及
如果确定所述第一差异大于所述最大历史差异,并且所述第一差异大于所述第二差异和所述第三差异的阈值倍数,则确定所述第一信号灯发生变化。
3.根据权利要求2所述的方法,其中所述第一信号灯为绿灯,所述第二信号灯为黄灯,所述第三信号灯为红灯。
4.一种交通灯检测的装置,包括:
图像获取模块,被配置为获取包括所述交通灯的、在时间上相邻的第一图像和第二图像;
第一差异确定模块,被配置为确定针对所述交通灯的第一信号灯的、在所述第一图像和所述第二图像之间的第一差异和针对所述交通灯的第二信号灯的、在所述第一图像和所述第二图像之间的第二差异,包括:像素确定模块,被配置为确定所述第一信号灯和所述第二信号灯在图像中的第一像素点数目和第二像素点数目;像素差确定模块,被配置为在所述第一图像和所述第二图像之间逐像素确定与所述第一信号灯相关联的多个第一像素差和与所述第二信号灯相关联的多个第二像素差;第二差异确定模块,被配置为基于所述第一像素点数目、所述第二像素点数目、所述多个第一像素差和所述多个第二像素差,确定所述第一差异和所述第二差异;以及
第一变化检测模块,被配置为基于所述第一差异、所述第二差异和针对所述交通灯的多个历史差异,确定所述交通灯发生变化,包括:历史差异确定模块,被配置为确定预定历史时间段期间的、多个历史差异中的最大历史差异;以及第二变化检测模块,被配置为如果确定所述第一差异大于所述最大历史差异,并且所述第一差异大于所述第二差异的阈值倍数,则确定所述第一信号灯发生变化。
5.根据权利要求4所述的装置,还包括:
第三差异确定模块,被配置为确定针对所述交通灯的第三信号灯的、在所述第一图像和所述第二图像之间的第三差异;以及
第三变化检测模块,被配置为如果确定所述第一差异大于所述最大历史差异,并且所述第一差异大于所述第二差异和所述第三差异的阈值倍数,则确定所述第一信号灯发生变化。
6.根据权利要求5所述的装置,其中所述第一信号灯为绿灯,所述第二信号灯为黄灯,所述第三信号灯为红灯。
7.一种电子设备,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1-3中任一项所述的方法。
8.一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1-3中任一项所述的方法。
9.一种路侧设备,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1-3中任一项所述的方法。
10.一种计算机程序产品,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1-3中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011010197.9A CN112101272B (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 |
---|---|---|---|
CN202011010197.9A CN112101272B (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 |
---|---|
CN112101272A CN112101272A (zh) | 2020-12-18 |
CN112101272B true CN112101272B (zh) | 2024-05-14 |
Family
ID=73756078
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011010197.9A Active CN112101272B (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) | CN112101272B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112507951B (zh) * | 2020-12-21 | 2023-12-12 | 阿波罗智联(北京)科技有限公司 | 指示灯识别方法、装置、设备、路侧设备和云控平台 |
CN112634621B (zh) * | 2020-12-25 | 2023-02-28 | 北京百度网讯科技有限公司 | 交通灯数据质量检测方法、装置、电子设备和介质 |
CN113033464B (zh) * | 2021-04-10 | 2023-11-21 | 阿波罗智联(北京)科技有限公司 | 信号灯检测方法、装置、设备以及存储介质 |
CN113221878A (zh) * | 2021-04-26 | 2021-08-06 | 阿波罗智联(北京)科技有限公司 | 应用于信号灯检测的检测框调整方法、装置及路侧设备 |
CN113408409A (zh) * | 2021-06-17 | 2021-09-17 | 阿波罗智联(北京)科技有限公司 | 交通信号灯识别方法、设备、云控平台和车路协同系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014007528A (ja) * | 2012-06-22 | 2014-01-16 | Canon Inc | 画像処理装置およびその制御方法 |
JP2016219024A (ja) * | 2016-07-06 | 2016-12-22 | 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 |
CN106846837A (zh) * | 2017-03-27 | 2017-06-13 | 广州大学 | 一种交通灯智能控制系统、交通灯智能控制方法及装置 |
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 |
CN109242011A (zh) * | 2018-08-27 | 2019-01-18 | 深圳开立生物医疗科技股份有限公司 | 一种识别图像差异的方法及装置 |
CN110659540A (zh) * | 2018-06-29 | 2020-01-07 | 北京京东尚科信息技术有限公司 | 一种交通灯检测方法和装置 |
CN111310708A (zh) * | 2020-02-14 | 2020-06-19 | 广州文远知行科技有限公司 | 交通信号灯状态识别方法、装置、设备和存储介质 |
-
2020
- 2020-09-23 CN CN202011010197.9A patent/CN112101272B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014007528A (ja) * | 2012-06-22 | 2014-01-16 | Canon Inc | 画像処理装置およびその制御方法 |
JP2016219024A (ja) * | 2016-07-06 | 2016-12-22 | 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 |
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 |
CN106846837A (zh) * | 2017-03-27 | 2017-06-13 | 广州大学 | 一种交通灯智能控制系统、交通灯智能控制方法及装置 |
CN110659540A (zh) * | 2018-06-29 | 2020-01-07 | 北京京东尚科信息技术有限公司 | 一种交通灯检测方法和装置 |
CN109242011A (zh) * | 2018-08-27 | 2019-01-18 | 深圳开立生物医疗科技股份有限公司 | 一种识别图像差异的方法及装置 |
CN111310708A (zh) * | 2020-02-14 | 2020-06-19 | 广州文远知行科技有限公司 | 交通信号灯状态识别方法、装置、设备和存储介质 |
Non-Patent Citations (1)
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);111-114 * |
Also Published As
Publication number | Publication date |
---|---|
CN112101272A (zh) | 2020-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112101272B (zh) | 交通灯检测的方法、装置、计算机存储介质和路侧设备 | |
JP7106664B2 (ja) | 知的運転制御方法および装置、電子機器、プログラムならびに媒体 | |
EP3859708B1 (en) | Traffic light image processing method and device, and roadside device | |
CN111931726B (zh) | 交通灯检测的方法、装置、计算机存储介质和路侧设备 | |
US20210302585A1 (en) | Smart navigation method and system based on topological map | |
KR102652023B1 (ko) | 실시간 교통 정보 제공 방법 및 장치 | |
US9704060B2 (en) | Method for detecting traffic violation | |
CN110737266B (zh) | 一种自动驾驶控制方法、装置、车辆和存储介质 | |
JP2016027490A (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) | |
CN111800507A (zh) | 一种交通监控方法及交通监控系统 | |
CN112750170B (zh) | 一种雾特征识别方法、装置及相关设备 | |
CN112001208B (zh) | 用于车辆盲区的目标检测方法、装置和电子设备 | |
CN112580571A (zh) | 车辆行驶的控制方法、装置及电子设备 | |
Wu et al. | A Real‐Time Embedded Blind Spot Safety Assistance System | |
US20160180201A1 (en) | Image processing | |
KR20220054258A (ko) | 교통 신호등의 인식 방법과 인식 장치, 전자 기기, 노변 장치, 클라우드 제어 플랫폼, 차량 인프라 협력 시스템, 저장 매체 및 컴퓨터 프로그램 | |
CN113052047B (zh) | 交通事件的检测方法、路侧设备、云控平台及系统 | |
CN114266775B (zh) | 一种运动物体检测的路灯照明控制方法和系统 | |
Choi et al. | State Machine and Downhill Simplex Approach for Vision‐Based Nighttime Vehicle Detection | |
CN112164221B (zh) | 图像数据挖掘方法、装置、设备及路侧设备 | |
CN114972731A (zh) | 交通灯检测识别方法及装置、移动工具、存储介质 | |
CN115797469A (zh) | 信号灯图像处理方法、装置、设备及存储介质 | |
CN114120629A (zh) | 基于交通控制设备的车辆控制方法、装置、设备及介质 | |
KR101867869B1 (ko) | 가로등 기반 재난 대응 시스템 | |
CN115909235A (zh) | 识别道路豁口的方法、装置、计算机设备及存储介质 |
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: 20211015 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 |