CN113780037A - 指示灯识别方法和装置、电子设备、计算机可读存储介质 - Google Patents

指示灯识别方法和装置、电子设备、计算机可读存储介质 Download PDF

Info

Publication number
CN113780037A
CN113780037A CN202010522121.8A CN202010522121A CN113780037A CN 113780037 A CN113780037 A CN 113780037A CN 202010522121 A CN202010522121 A CN 202010522121A CN 113780037 A CN113780037 A CN 113780037A
Authority
CN
China
Prior art keywords
image
suspected
indicator light
final result
area
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
Application number
CN202010522121.8A
Other languages
English (en)
Inventor
刘长有
朱红军
牛堃
杜晓岗
毛福生
周鹏
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.)
ZTE Corp
Original Assignee
ZTE Corp
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 ZTE Corp filed Critical ZTE Corp
Priority to CN202010522121.8A priority Critical patent/CN113780037A/zh
Publication of CN113780037A publication Critical patent/CN113780037A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/90Dynamic range modification of images or parts thereof
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/187Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/90Determination of colour characteristics

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

本公开提供了一种指示灯识别方法,该方法包括:获取某一区域的不同曝光时间对应的原始图像;对所述原始图像进行二值化处理得到最终结果二值化图像;根据所述最终结果二值化图像确定某一区域内的指示灯的特征参数。本公开实施例提高了识别效率,且能够识别不同亮度的指示灯,适用于各种不同的产品和应用场景。本公开还提供了一种指示灯识别装置和系统、电子设备、计算机可读存储介质。

Description

指示灯识别方法和装置、电子设备、计算机可读存储介质
技术领域
本公开实施例涉及机器视觉技术领域,特别涉及指示灯识别方法、装置和系统、电子设备、计算机可读存储介质。
背景技术
在工业环境或者生活环境下,存在各种指示灯,在某些情况下,需要对指示灯进行识别。目前的指示灯识别方法需要为每个指示灯安装导光光纤或传感器,或者需要预先标记指示灯的位置,因此,识别效率比较低。
发明内容
本公开实施例提供一种指示灯识别方法、装置和系统、电子设备、计算机可读介质。
第一方面,本公开实施例提供一种指示灯识别方法,包括:
获取某一区域的不同曝光时间对应的原始图像;
对所述原始图像进行二值化处理得到最终结果二值化图像;
根据所述最终结果二值化图像确定某一区域内的指示灯的特征参数。
第二方面,本公开实施例提供一种电子设备,包括:
至少一个处理器;
存储器,其上存储有至少一个程序,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上述任意一种指示灯识别方法。
第三方面,本公开实施例提供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上述任意一种指示灯识别方法。
第四方面,本公开实施例提供一种指示灯识别系统,包括:
图像采集装置,用于拍摄某一区域的不同曝光时间对应的原始图像;
指示灯识别装置,用于获取某一区域的不同曝光时间对应的原始图像;对所述原始图像进行二值化处理得到最终结果二值化图像;根据所述最终结果二值化图像确定某一区域内的指示灯的特征参数。
本公开实施例提供的指示灯识别方法,仅需要对不同曝光时间对应的原始图像进行二值化处理即可实现对指示灯的识别,而不需要预先设置好指示灯的位置,也不需要为每个指示灯安装导光光纤或传感器,识别结果也不受指示灯的形状的影响,因此,提高了识别效率;并且,由于不同曝光时间对应的原始图像的亮度不同,基于不同曝光时间对应的原始图像能够识别不同亮度的指示灯,适用于各种不同的产品和应用场景。
附图说明
图1为本公开实施例提供的一种指示灯识别方法的流程图;
图2为本公开实施例提供的一种指示灯识别装置的组成框图;
图3为本公开实施例提供的一种指示灯识别系统的组成框图;
图4为本公开实施例的示例1提供的对机框上的指示灯进行识别的示意图;
图5为本公开实施例的示例1提供的指示灯识别方法的流程图;
图6为本公开实施例的示例1提供的图像二值化处理效果示意图;
图7为本公开实施例的示例2提供的对流水线上的产品指示灯进行识别的示意图。
具体实施方式
为使本领域的技术人员更好地理解本公开的技术方案,下面结合附图对本公开提供的指示灯识别方法、装置和系统、电子设备、计算机可读存储介质进行详细描述。
在下文中将参考附图更充分地描述示例实施例,但是所述示例实施例可以以不同形式来体现且不应当被解释为限于本文阐述的实施例。反之,提供这些实施例的目的在于使本公开透彻和完整,并将使本领域技术人员充分理解本公开的范围。
在不冲突的情况下,本公开各实施例及实施例中的各特征可相互组合。
如本文所使用的,术语“和/或”包括至少一个相关列举条目的任何和所有组合。
本文所使用的术语仅用于描述特定实施例,且不意欲限制本公开。如本文所使用的,单数形式“一个”和“该”也意欲包括复数形式,除非上下文另外清楚指出。还将理解的是,当本说明书中使用术语“包括”和/或“由……制成”时,指定存在所述特征、整体、步骤、操作、元件和/或组件,但不排除存在或添加至少一个其它特征、整体、步骤、操作、元件、组件和/或其群组。
本文所述实施例可借助本公开的理想示意图而参考平面图和/或截面图进行描述。因此,可根据制造技术和/或容限来修改示例图示。因此,实施例不限于附图中所示的实施例,而是包括基于制造工艺而形成的配置的修改。因此,附图中例示的区具有示意性属性,并且图中所示区的形状例示了元件的区的具体形状,但并不旨在是限制性的。
除非另外限定,否则本文所用的所有术语(包括技术和科学术语)的含义与本领域普通技术人员通常理解的含义相同。还将理解,诸如那些在常用字典中限定的那些术语应当被解释为具有与其在相关技术以及本公开的背景下的含义一致的含义,且将不解释为具有理想化或过度形式上的含义,除非本文明确如此限定。
指示灯的识别目前有以下几种方法:人工识别、专用传感器识别和机器视觉识别。
其中,人工识别易出现遗漏和误判等问题,且效率较低。
其中,通过传感器识别指示灯的方法是利用导光光纤将指示灯的光线收集并传送给传感器进行识别。该方法存在以下几个问题;首先,必须事先明确指示灯的位置、颜色;其次,需要让传感器对准指示灯,安装、调试和维护都比较困难,而且每个传感器只能识别一个指示灯;当指示灯位置变化时,必须重新安装和调整传感器位置;最后,存在易受环境光或其他指示灯的光线干扰,较暗的指示灯难以检测等问题。
其中,利用机器视觉进行识别的方法是通过图像传感器获得指示灯的图像,根据图像的像素分布和亮度、颜色等信息,抽取出目标特征,从而进行判断和测量。目前的机器视觉识别方法存在以下几个问题:首先,必须事先标记指示灯的位置,然后根据预定位置判断指示灯状态,一旦指示灯和图像传感器之间的相对位置发生变化,就需要重新标定,重新计算和识别;其次,目前的机器视觉识别方法是基于指示灯的特征进行识别,所以需要在识别前就设置好各种特征值,当更换其他型号的产品时需要重新设置;最后,目前的机器视觉识别方法是基于亮度、颜色等特征的固定阈值来进行识别的,无法同时识别多个明暗差别较大的指示灯。
综上所述,目前的指示灯识别方法效率较低,且无法适用于各种不同的产品和应用场景。
图1为本公开实施例的一种指示灯识别方法的流程图。
第一方面,参照图1,本公开实施例提供一种指示灯识别方法,包括:
步骤100、获取某一区域的不同曝光时间对应的原始图像。
步骤101、对原始图像进行二值化处理得到最终结果二值化图像。
步骤102、根据最终结果二值化图像确定某一区域内的指示灯的特征参数。
本公开实施例提供的指示灯识别方法,仅需要对不同曝光时间对应的原始图像进行二值化处理即可实现对指示灯的识别,而不需要预先设置好指示灯的位置,也不需要为每个指示灯安装导光光纤或传感器,识别结果也不受指示灯的形状的影响,因此,提高了识别效率;并且,由于不同曝光时间对应的原始图像的亮度不同,基于不同曝光时间对应的原始图像能够识别不同亮度的指示灯,适用于各种不同的产品和应用场景。
在一些示例性实施例中,对原始图像进行二值化处理得到最终结果二值化图像之前,该方法还包括:从原始图像中剔除满足无效条件的原始图像,得到有效图像;
对原始图像进行二值化处理得到最终结果二值化图像包括:
对有效图像进行二值化处理得到最终结果二值化图像。
也就是说,有两种实现方式:第一种,对原始图像进行二值化处理得到最终结果二值化图像;根据最终结果二值化图像确定某一区域内的指示灯的特征参数;第二种,从所有获得的原始图像中剔满足无效条件的原始图像,得到有效图像;对有效图像进行二值化处理得到最终结果二值化图像;根据最终结果二值化图像确定某一区域内的指示灯的特征参数。采用第二种方式将满足无效条件的原始图像剔除,基于有效图像进行识别提高了识别精度。
下面分别对这两种方式的具体实现过程进行详细的描述。
第一种,对原始图像进行二值化处理得到最终结果二值化图像;根据最终结果二值化图像确定某一区域内的指示灯的特征参数。
在一些示例性实施例中,对原始图像进行二值化处理得到最终结果二值化图像包括:
分别对每一个原始图像进行二值化处理得到对应的中间结果二值化图像;叠加所有中间结果二值化图像得到最终结果二值化图像。
在一些示例性实施例中,分别对每一个原始图像进行二值化处理得到对应的中间结果二值化图像包括:
对于每一个获得的原始图像,获取不同目标区间对应的二值化图像;从所有目标区间对应的二值化图像中,选择第一疑似区域的个数为x的二值化图像;从第一疑似区域的个数为x的二值化图像中,选择排列顺序位于中间的二值化图像作为中间结果二值化图像;
其中,x为将所有目标区间对应的二值化图像进行划分得到的子集中,包含二值化图像个数最多的子集中的二值化图像的第一疑似区域的个数;其中,将第一疑似区域的个数相同,且排列顺序连续的二值化图像划分到同一个子集中;
其中,目标区间包括:色调(如H值(Hue))的取值范围、饱和度(如S值(Saturation))的取值范围、明度(如V值(Value))的取值范围;不同目标区间的色调的取值范围相同,不同目标区间的饱和度的取值范围相同,不同目标区间的明度的取值范围不同;
其中,第一疑似区域为二值化图像中的第一颜色像素形成的连通区域;所有目标区间对应的二值化图像按照目标区间的明度的取值范围从大到小或从小到大的顺序排列。
本公开实施例的二值化处理方法将感兴趣目标和背景分离,从而简化了后期的处理,提高了处理的速度。即通过二值化处理,将可能存在指示灯的区域和不会有指示灯的区域分割开来。
需要说明的是,当第一疑似区域的个数为x的二值化图像的数量为奇数时,直接选择排列顺序位于中间的二值化图像作为中间结果二值化图像即可;当第一疑似区域的个数为x的二值化图像的数量为偶数时,可以选择排列顺序位于中间的两个二值化图像中的任意一个二值化图像作为中间结果二值化图像。
在一些示例性实施例中,可以采用以下方式获取某一个目标区间对应的二值化图像:
对于原始图像中的每一个像素,在判断出像素的色调位于目标区间的色调的取值范围内,且像素的饱和度位于目标区间的饱和度的取值范围内,且像素的明度位于目标区间的明度的取值范围内以后,将该像素置为第一颜色;在判断出像素的色调位于目标区间的色调的取值范围外,或像素的饱和度位于目标区间的饱和度的取值范围外,或像素的明度位于目标区间的明度的取值范围外以后,将该像素置为第二颜色。
在一些示例性实施例中,第一颜色为白色,第二颜色为黑色。在另一些示例性实施例中,第一颜色为黑色,第二颜色为白色。在另一些示例性实施例中,第一颜色和第二颜色也可以是其他颜色,只要能区分两种不同的颜色就可以,本公开实施例对这两种颜色的具体取值不作限定。
在一些示例性实施例中,第一疑似区域为二值化图像中可能存在指示灯的区域。
在一些示例性实施例中,不同目标区间的明度的取值范围的上限值相同,下限值不同。
在一些示例性实施例中,目标区间的色调的取值范围为颜色空间中的红色、绿色和蓝色对应的色调的取值范围;其中,颜色空间中的红色对应的色调的取值范围为:0-10、156-180,颜色空间中的绿色对应的色调的取值范围为:35-77,颜色空间中的蓝色对应的色调的取值范围为:100-124。
在一些示例性实施例中,目标区间的饱和度的取值范围为颜色空间中的红色、绿色和蓝色对应的饱和度的取值范围,即:43-255。
在一些示例性实施例中,目标区间的明度的取值范围为颜色空间中的红色、绿色和蓝色对应的明度的取值范围的部分或全部取值范围;其中,颜色空间中的红色、绿色和蓝色对应的明度的取值范围为:45-255。
在一些示例性实施例中,叠加所有中间结果二值化图像得到最终结果二值化图像包括:
将所有中间结果二值化图像中,处于相同位置,且形状的差别在第一预设范围内,且大小的差别在第二预设范围内的第二疑似区域相叠加得到最终结果二值化图像中相同位置的第三疑似区域;其中,第二疑似区域为中间结果二值化图像中的第一颜色像素形成的连通区域,第三疑似区域为最终结果二值化图像中的第一颜色像素形成的连通区域。
在一些示例性实施例中,可以根据不同中间结果二值化图像中的第二疑似区域中具有相同位置的像素比例是否大于或等于第五预设阈值来判断不同中间结果二值化图像中的第二疑似区域是否处于相同位置。具体的,当不同中间结果二值化图像中的第二疑似区域中具有相同位置的像素比例大于或等于第五预设阈值时,确定出不同中间结果二值化图像中的第二疑似区域处于相同位置;当不同中间结果二值化图像中的第二疑似区域中具有相同位置的像素比例小于第五预设阈值时,确定出不同中间结果二值化图像中的第二疑似区域处于不同位置。
在另一些示例性实施例中,可以根据不同中间结果二值化图像中的第二疑似区域的质心像素或中心像素是否处于相同位置来判断不同中间结果二值化图像中的第二疑似区域是否处于相同位置。具体的,当不同中间结果二值化图像中的第二疑似区域的质心像素或中心像素处于相同位置时,确定出不同中间结果二值化图像中的第二疑似区域处于相同位置;当不同中间结果二值化图像中的第二疑似区域的质心像素或中心像素处于不同位置时,确定出不同中间结果二值化图像中的第二疑似区域处于不同位置。
当然,还有很多其他的方法来判断不同中间结果二值化图像中的第二疑似区域是否处于相同位置,具体的判断方法不用于限定本公开实施例的保护范围,这里不再赘述。
在一些示例性实施例中,可以根据不同中间结果二值化图像中的第二疑似区域的最小外接矩形的长和宽来判断不同中间结果二值化图像中的第二疑似区域的形状的差别是否在第一预设范围内。具体的,当不同中间结果二值化图像中的第二疑似区域的最小外接矩形的长的差别小于或等于第六预设阈值,且宽的差别小于或等于第七预设阈值时,确定出不同中间结果二值化图像中的第二疑似区域的形状的差别在第一预设范围内;当不同中间结果二值化图像中的第二疑似区域的最小外接矩形的长的差别大于第六预设阈值,或宽的差别大于第七预设阈值时,确定出不同中间结果二值化图像中的第二疑似区域的形状的差别不在第一预设范围内。
当然,还有很多其他的方法来判断不同中间结果二值化图像中的第二疑似区域的形状的差别是否在第一预设范围内,具体的判断方法不用于限定本公开实施例的保护范围,这里不再赘述。
在一些示例性实施例中,可以根据不同中间结果二值化图像中的第二疑似区域的最小外接矩形的面积来判断不同中间结果二值化图像中的第二疑似区域的大小的差别是否在第二预设范围内。具体的,当不同中间结果二值化图像中的第二疑似区域的最小外接矩形的面积的差别小于或等于第八预设阈值时,确定出不同中间结果二值化图像中的第二疑似区域的大小的差别在第二预设范围内;当不同中间结果二值化图像中的第二疑似区域的最小外接矩形的面积的差别大于第八预设阈值时,确定出不同中间结果二值化图像中的第二疑似区域的大小的差别不在第二预设范围内。
当然,还有很多其他的方法来判断不同中间结果二值化图像中的第二疑似区域的大小的差别是否在第一预设范围内,具体的判断方法不用于限定本公开实施例的保护范围,这里不再赘述。
在一些示例性实施例中,将所有中间结果二值化图像中,处于相同位置,且形状的差别在第一预设范围内,且大小的差别在第二预设范围内的第二疑似区域相叠加的方法可以是:取所有中间结果二值化图像中,处于相同位置,且形状的差别在第一预设范围内,且大小的差别在第二预设范围内的第二疑似区域的并集或交集。当然,也可以采用其他的叠加方式,本公开实施例对具体的叠加方式不作限定,具体的叠加方式也不用于限定本公开实施例的保护范围,这里不再赘述。
在一些示例性实施例中,特征参数包括以下至少之一:个数、位置、颜色。
在一些示例性实施例中,根据最终结果二值化图像确定某一区域内的指示灯的特征参数包括:
确定某一区域内的指示灯的个数为最终结果二值化图像中的第三疑似区域的个数;其中,第三疑似区域为最终结果二值化图像中的第一颜色像素形成的连通区域。
在一些示例性实施例中,根据最终结果二值化图像确定某一区域内的指示灯的特征参数包括:
确定某一区域内的指示灯的位置为最终结果二值化图像中的第三疑似区域的位置;其中,第三疑似区域为最终结果二值化图像中的第一颜色像素形成的连通区域。
在一些示例性实施例中,根据最终结果二值化图像确定某一区域内的指示灯的特征参数包括:
对于最终结果二值化图像中的每一个第三疑似区域,从所有中间结果二值化图像中,获取具有与第三疑似区域处于相同位置,且形状的差别在第一预设范围内,且大小的差别在第二预设范围内的第二疑似区域的中间结果二值化图像;获取与获得的中间结果二值化图像对应的原始图像;其中,第二疑似区域为中间结果二值化图像中的第一颜色像素形成的连通区域,第三疑似区域为最终结果二值化图像中的第一颜色像素形成的连通区域;
分别计算每一个获得的原始图像中与第二疑似区域对应的区域内具有相同色调值的像素个数的峰值(即色调值的直方图的峰值);计算所有峰值对应的像素的色调值的平均值,确定第三疑似区域内的指示灯的颜色为平均值对应的颜色。
在一些示例性实施例中,当平均值在0-10和156-180范围内时,确定第三疑似区域内的指示灯的颜色为红色;当平均值在35-77范围内时,确定第三疑似区域内的指示灯的颜色为绿色;当平均值在100-124范围内时,确定第三疑似区域内的指示灯的颜色为蓝色。
第二种,从所有原始图像中剔满足无效条件的原始图像,得到有效图像;对有效图像进行二值化处理得到最终结果二值化图像;根据最终结果二值化图像确定某一区域内的指示灯的特征参数。
在一些示例性实施例中,对有效图像进行二值化处理得到最终结果二值化图像包括:分别对每一个有效图像进行二值化处理得到对应的中间结果二值化图像;叠加所有中间结果二值化图像得到最终结果二值化图像。
在一些示例性实施例中,无效条件包括以下至少之一:过曝像素的比例大于第一预设阈值;亮度小于第二预设阈值的像素的比例大于第三预设阈值。在另一些示例性实施例中,无效条件也可以是认为无法识别出指示灯的原始图像所满足的其他条件,例如,信噪比小于或等于预设信噪比、画面抖动等等。
在一些示例性实施例中,过曝像素是指亮度大于第四预设阈值的像素。
在一些示例性实施例中,亮度为明度,可以采用像素的V值来作为像素的亮度。
在一些示例性实施例中,分别对每一个有效图像进行二值化处理得到对应的中间结果二值化图像包括:
对于每一个有效图像,获取不同目标区间对应的二值化图像;从所有目标区间对应的二值化图像中,选择第一疑似区域的个数为x的二值化图像;从第一疑似区域的个数为x的二值化图像中,选择排列顺序位于中间的二值化图像作为中间结果二值化图像;
其中,x为将所有目标区间对应的二值化图像进行划分得到的子集中,包含二值化图像个数最多的子集中的二值化图像的第一疑似区域的个数;其中,将第一疑似区域的个数相同,且排列顺序连续的二值化图像划分到同一个子集中;
其中,目标区间包括:色调的取值范围、饱和度的取值范围、明度的取值范围;不同目标区间的色调的取值范围相同,不同目标区间的饱和度的取值范围相同,不同目标区间的明度的取值范围不同;
其中,第一疑似区域为二值化图像中的第一颜色像素形成的连通区域;所有目标区间对应的二值化图像按照目标区间的明度的取值范围从大到小或从小到大的顺序排列。
需要说明的是,当第一疑似区域的个数为x的二值化图像的数量为奇数时,直接选择排列顺序位于中间的二值化图像作为中间结果二值化图像即可;当第一疑似区域的个数为x的二值化图像的数量为偶数时,可以选择排列顺序位于中间的两个二值化图像中的任意一个二值化图像作为中间结果二值化图像。
在一些示例性实施例中,可以采用以下方式获取某一个目标区间对应的二值化图像:
对于有效图像中的每一个像素,在判断出像素的色调位于目标区间的色调的取值范围内,且像素的饱和度位于目标区间的饱和度的取值范围内,且像素的明度位于目标区间的明度的取值范围内以后,将该像素置为第一颜色;在判断出像素的色调位于目标区间的色调的取值范围外,或像素的饱和度位于目标区间的饱和度的取值范围外,或像素的明度位于目标区间的明度的取值范围外以后,将该像素置为第二颜色。
在一些示例性实施例中,第一颜色为白色,第二颜色为黑色。在另一些示例性实施例中,第一颜色为黑色,第二颜色为白色。在另一些示例性实施例中,第一颜色和第二颜色也可以是其他颜色,只要能区分两种不同的颜色就可以,本公开实施例对这两种颜色的具体取值不作限定。
在一些示例性实施例中,第一疑似区域为二值化图像中可能存在指示灯的区域。
在一些示例性实施例中,不同目标区间的明度的取值范围的上限值相同,下限值不同。
在一些示例性实施例中,目标区间的色调的取值范围为颜色空间中的红色、绿色和蓝色对应的色调的取值范围;其中,颜色空间中的红色对应的色调的取值范围为:0-10、156-180,颜色空间中的绿色对应的色调的取值范围为:35-77,颜色空间中的蓝色对应的色调的取值范围为:100-124。
在一些示例性实施例中,目标区间的饱和度的取值范围为颜色空间中的红色、绿色和蓝色对应的饱和度的取值范围,即:43-255。
在一些示例性实施例中,目标区间的明度的取值范围为颜色空间中的红色、绿色和蓝色对应的明度的取值范围的部分或全部取值范围;其中,颜色空间中的红色、绿色和蓝色对应的明度的取值范围为:45-255。
在一些示例性实施例中,叠加所有中间结果二值化图像得到最终结果二值化图像包括:
将所有中间结果二值化图像中,处于相同位置,且形状的差别在第一预设范围内,且大小的差别在第二预设范围内的第二疑似区域相叠加得到最终结果二值化图像中相同位置的第三疑似区域;其中,第二疑似区域为中间结果二值化图像中的第一颜色像素形成的连通区域,第三疑似区域为最终结果二值化图像中的第一颜色像素形成的连通区域。
在一些示例性实施例中,判断不同中间结果二值化图像中的第二疑似区域是否处于相同位置,形状的差别是否在第一预设范围内,大小的差别是否在第二预设范围内,以及叠加方法与上述第一种方式相同,这里不再赘述。
在一些示例性实施例中,特征参数包括以下至少之一:个数、位置、颜色。
在一些示例性实施例中,根据最终结果二值化图像确定某一区域内的指示灯的特征参数包括:
确定某一区域内的指示灯的个数为最终结果二值化图像中的第三疑似区域的个数;其中,第三疑似区域为最终结果二值化图像中的第一颜色像素形成的连通区域。
在一些示例性实施例中,根据最终结果二值化图像确定某一区域内的指示灯的特征参数包括:
确定某一区域内的指示灯的位置为最终结果二值化图像中的第三疑似区域的位置;其中,第三疑似区域为最终结果二值化图像中的第一颜色像素形成的连通区域。
在一些示例性实施例中,根据最终结果二值化图像确定某一区域内的指示灯的特征参数包括:
对于最终结果二值化图像中的每一个第三疑似区域,从所有中间结果二值化图像中,获取具有与第三疑似区域处于相同位置,且形状的差别在第一预设范围内,且大小的差别在第二预设范围内的第二疑似区域的中间结果二值化图像;获取与获得的中间结果二值化图像对应的有效图像;其中,第二疑似区域为中间结果二值化图像中的第一颜色像素形成的连通区域,第三疑似区域为最终结果二值化图像中的第一颜色像素形成的连通区域;
分别计算每一个获得的有效图像中与第二疑似区域对应的区域内具有相同色调值的像素个数的峰值(即色调值的直方图的峰值);计算所有峰值对应的像素的色调值的平均值,确定第三疑似区域内的指示灯的颜色为平均值对应的颜色。
在一些示例性实施例中,当平均值在0-10和156-180范围内时,确定第三疑似区域内的指示灯的颜色为红色;当平均值在35-77范围内时,确定第三疑似区域内的指示灯的颜色为绿色;当平均值在100-124范围内时,确定第三疑似区域内的指示灯的颜色为蓝色。
第二方面,本公开实施例提供一种电子设备,其包括:
至少一个处理器;
存储器,其上存储有至少一个程序,当至少一个程序被至少一个处理器执行,使得至少一个处理器实现上述任意一种指示灯识别方法。
在一些示例性实施例中,电子设备还包括:
图像采集模块,用于拍摄某一区域的不同曝光时间对应的图像。
需要说明的是,图像采集模块在拍摄某一区域的不同曝光时间对应的图像的过程中,可以先由处理器向图像采集模块发送控制指令,以设置图像采集模块的曝光时间,设置好曝光时间后,处理器控制图像采集模块采集该曝光时间对应的图像;然后重复上述步骤直到采集到所有曝光时间对应的图像;其中,每一次设置的曝光时间均不相同。
在一些示例性实施例中,电子设备还包括:
显示模块,用于显示识别到的指示灯的特征参数。
在一些示例性实施例中,电子设备还包括:
显示模块,用于在识别到的指示灯的位置处显示该指示灯,且显示的指示灯的颜色为识别到的该指示灯的颜色。
其中,处理器为具有数据处理能力的器件,其包括但不限于中央处理器(CPU)等;存储器为具有数据存储能力的器件,其包括但不限于随机存取存储器(RAM,更具体如SDRAM、DDR等)、只读存储器(ROM)、带电可擦可编程只读存储器(EEPROM)、闪存(FLASH);显示模块可以是显示器。
在一些实施例中,处理器、存储器、显示模块和图像采集模块通过总线相互连接,进而与计算设备的其它组件连接。
第三方面,本公开实施例提供一种计算机可读存储介质,其上存储有计算机程序,程序被处理器执行时实现上述任意一种指示灯识别方法。
图2为本公开实施例的一种指示灯识别装置的组成框图。
第四方面,参照图2,本公开实施例提供一种指示灯识别装置,包括:
图像获取模块201,用于获取某一区域的不同曝光时间对应的原始图像;
指示灯识别模块202,用于对原始图像进行二值化处理得到最终结果二值化图像;根据最终结果二值化图像确定某一区域内的指示灯的特征参数。
在一些示例性实施例中,指示灯识别模块202具体用于采用以下方式实现对原始图像进行二值化处理得到最终结果二值化图像:
对于每一个原始图像,获取不同目标区间对应的二值化图像;从所有目标区间对应的二值化图像中,选择第一疑似区域的个数为x的二值化图像;从第一疑似区域的个数为x的二值化图像中,选择排列顺序位于中间的二值化图像作为中间结果二值化图像;
其中,x为将所有目标区间对应的二值化图像进行划分得到的子集中,包含二值化图像个数最多的子集中的二值化图像的第一疑似区域的个数;其中,将所述第一疑似区域的个数相同,且排列顺序连续的所述二值化图像划分到同一个子集中。
在一些示例性实施例中,目标区间包括:色调的取值范围、饱和度的取值范围、明度的取值范围;不同目标区间的色调的取值范围相同,不同目标区间的饱和度的取值范围相同,不同目标区间的明度的取值范围不同;
其中,第一疑似区域为二值化图像中的第一颜色像素形成的连通区域;所有目标区间对应的二值化图像按照目标区间的明度的取值范围从大到小或从小到大的顺序排列。
在一些示例性实施例中,不同目标区间的明度的取值范围的上限值相同,下限值不同。
在一些示例性实施例中,
目标区间的色调的取值范围为颜色空间中的红色、绿色和蓝色对应的色调的取值范围;
目标区间的饱和度的取值范围为颜色空间中的红色、绿色和蓝色对应的饱和度的取值范围;
目标区间的明度的取值范围为颜色空间中的红色、绿色和蓝色对应的明度的取值范围的部分或全部。
在一些示例性实施例中,指示灯识别模块202具体用于采用以下方式实现叠加所有中间结果二值化图像得到最终结果二值化图像:
将所有中间结果二值化图像中,处于相同位置,且形状的差别在第一预设范围内,且大小的差别在第二预设范围内的第二疑似区域相叠加得到最终结果二值化图像中相同位置的第三疑似区域;其中,第二疑似区域为中间结果二值化图像中的第一颜色像素形成的连通区域,第三疑似区域为最终结果二值化图像中的第一颜色像素形成的连通区域。
在一些示例性实施例中,特征参数包括以下至少之一:个数、位置、颜色。
在一些示例性实施例中,指示灯识别模块202具体用于采用以下方式实现根据最终结果二值化图像确定某一区域内的指示灯的特征参数:
确定某一区域内的指示灯的个数为最终结果二值化图像中的第三疑似区域的个数;其中,第三疑似区域为最终结果二值化图像中的第一颜色像素形成的连通区域。
在一些示例性实施例中,指示灯识别模块202具体用于采用以下方式实现根据最终结果二值化图像确定某一区域内的指示灯的特征参数:
确定某一区域内的指示灯的位置为最终结果二值化图像中的第三疑似区域的位置;其中,第三疑似区域为最终结果二值化图像中的第一颜色像素形成的连通区域。
在一些示例性实施例中,指示灯识别模块202具体用于采用以下方式实现根据最终结果二值化图像确定某一区域内的指示灯的特征参数:
对于最终结果二值化图像中的每一个第三疑似区域,从所有中间结果二值化图像中,获取具有与第三疑似区域处于相同位置,且形状的差别在第一预设范围内,且大小的差别在第二预设范围内的第二疑似区域的中间结果二值化图像;获取与获得的中间结果二值化图像对应的有效图像;其中,第二疑似区域为中间结果二值化图像中的第一颜色像素形成的连通区域,第三疑似区域为最终结果二值化图像中的第一颜色像素形成的连通区域;分别计算每一个获得的有效图像中与第二疑似区域对应的区域内具有相同色调值的像素个数的峰值(即色调值的直方图的峰值);计算所有峰值对应的像素的色调值的平均值,确定第三疑似区域内的指示灯的颜色为平均值对应的颜色。
在一些示例性实施例中,指示灯识别模块202具体用于:
从原始图像中剔除满足无效条件的原始图像,得到有效图像;对原始图像进行二值化处理得到最终结果二值化图像;根据最终结果二值化图像确定某一区域内的指示灯的特征参数。
在一些示例性实施例中,无效条件包括以下至少之一:过曝像素的比例大于第一预设阈值;亮度小于第二预设阈值的像素的比例大于第三预设阈值。
在一些示例性实施例中,还包括:
图像采集模块203,用于拍摄某一区域的不同曝光时间对应的图像。
在一些示例性实施例中,还包括:
显示模块204,用于显示识别到的指示灯的特征参数。
在一些示例性实施例中,还包括:
显示模块204,用于在识别到的指示灯的位置处显示该指示灯,且显示的指示灯的颜色为识别到的该指示灯的颜色。
在一些示例性实施例中,还包括:
安装调节模块205,用于安装固定图像采集模块203。
在另一些示例性实施例中,安装调节模块205还用于调节图像采集模块203和某一区域之间的相对位置。
上述指示灯识别装置的具体实现过程与前述实施例指示灯识别方法的具体实现过程相同,这里不再赘述。
图3为本公开实施例的一种指示灯识别系统的组成框图。
第五方面,参照图3,本公开实施例提供一种指示灯识别系统,包括:
图像采集装置301,用于拍摄某一区域的不同曝光时间对应的原始图像;
指示灯识别装置302,用于获取某一区域的不同曝光时间对应的原始图像;分别对每一个获得的原始图像进行二值化处理得到对应的中间结果二值化图像;叠加所有中间结果二值化图像得到最终结果二值化图像;根据最终结果二值化图像确定某一区域内的指示灯的特征参数。
在一些示例性实施例中,图像采集装置301和指示灯识别装置302设置在同一个设备中。
在一些示例性实施例中,指示灯识别装置302具体用于:
从获得的原始图像中,剔除满足无效条件的原始图像,得到有效图像;分别对每一个有效图像进行二值化处理得到对应的中间结果二值化图像;叠加所有中间结果二值化图像得到最终结果二值化图像;根据最终结果二值化图像确定某一区域内的指示灯的特征参数。
在一些示例性实施例中,无效条件包括以下至少之一:过曝像素的比例大于第一预设阈值;亮度小于第二预设阈值的像素的比例大于第三预设阈值。
在一些示例性实施例中,指示灯识别装置302具体用于采用以下方式实现分别对每一个有效图像进行二值化处理得到对应的中间结果二值化图像:
对于每一个有效图像,获取不同目标区间对应的二值化图像;从所有目标区间对应的二值化图像中,选择第一疑似区域的个数为x的二值化图像;从第一疑似区域的个数为x的二值化图像中,选择排列顺序位于中间的二值化图像作为中间结果二值化图像;
其中,x为将所有目标区间对应的二值化图像进行划分得到的子集中,包含二值化图像个数最多的子集中的二值化图像的第一疑似区域的个数;其中,同一个子集中的所有二值化图像的第一疑似区域的个数相同,且排列顺序连续;
其中,目标区间包括:色调的取值范围、饱和度的取值范围、明度的取值范围;不同目标区间的色调的取值范围相同,不同目标区间的饱和度的取值范围相同,不同目标区间的明度的取值范围不同;
其中,第一疑似区域为二值化图像中的第一颜色像素形成的连通区域;所有目标区间对应的二值化图像按照目标区间的明度的取值范围从大到小或从小到大的顺序排列。
在一些示例性实施例中,不同目标区间的明度的取值范围的上限值相同,下限值不同。
在一些示例性实施例中,目标区间的色调的取值范围为颜色空间中的红色、绿色和蓝色对应的色调的取值范围;
目标区间的饱和度的取值范围为颜色空间中的红色、绿色和蓝色对应的饱和度的取值范围;
目标区间的明度的取值范围为颜色空间中的红色、绿色和蓝色对应的明度的取值范围的部分或全部。
在一些示例性实施例中,指示灯识别装置302具体用于采用以下方式实现叠加所有中间结果二值化图像得到最终结果二值化图像:
将所有中间结果二值化图像中,处于相同位置,且形状的差别在第一预设范围内,且大小的差别在第二预设范围内的第二疑似区域相叠加得到最终结果二值化图像中相同位置的第三疑似区域;其中,第二疑似区域为中间结果二值化图像中的第一颜色像素形成的连通区域,第三疑似区域为最终结果二值化图像中的第一颜色像素形成的连通区域。
在一些示例性实施例中,特征参数包括以下至少之一:个数、位置、颜色。
在一些示例性实施例中,指示灯识别装置302具体用于采用以下方式实现根据最终结果二值化图像确定某一区域内的指示灯的特征参数:
确定某一区域内的指示灯的个数为最终结果二值化图像中的第三疑似区域的个数;其中,第三疑似区域为最终结果二值化图像中的第一颜色像素形成的连通区域。
在一些示例性实施例中,指示灯识别装置302具体用于采用以下方式实现根据最终结果二值化图像确定某一区域内的指示灯的特征参数:
确定某一区域内的指示灯的位置为最终结果二值化图像中的第三疑似区域的位置;其中,第三疑似区域为最终结果二值化图像中的第一颜色像素形成的连通区域。
在一些示例性实施例中,指示灯识别装置302具体用于采用以下方式实现根据最终结果二值化图像确定某一区域内的指示灯的特征参数:
对于最终结果二值化图像中的每一个第三疑似区域,从所有中间结果二值化图像中,获取具有与第三疑似区域处于相同位置,且形状的差别在第一预设范围内,且大小的差别在第二预设范围内的第二疑似区域的中间结果二值化图像;获取与获得的中间结果二值化图像对应的有效图像;其中,第二疑似区域为中间结果二值化图像中的第一颜色像素形成的连通区域,第三疑似区域为最终结果二值化图像中的第一颜色像素形成的连通区域;分别计算每一个获得的有效图像中与第二疑似区域对应的区域内具有相同色调值的像素个数的峰值(即色调值的直方图的峰值)的峰值;计算所有峰值对应的像素的色调值的平均值,确定第三疑似区域内的指示灯的颜色为平均值对应的颜色。
在一些示例性实施例中,还包括:
显示装置303,用于显示识别到的指示灯的特征参数。
在一些示例性实施例中,还包括:
显示装置303,用于在识别到的指示灯的位置处显示该指示灯,且显示的指示灯的颜色为识别到的该指示灯的颜色。
在一些示例性实施例中,还包括:
安装调节装置304,用于安装固定图像采集装置301。
在另一些示例性实施例中,安装调节装置304还用于调节图像采集装置301和某一区域之间的相对位置。
上述指示灯识别系统的具体实现过程与前述实施例指示灯识别方法的具体实现过程相同,这里不再赘述。
下面列举几个示例对本公开实施例的指示灯识别方法进行详细描述,所列举的示例仅仅是为了说明方便,不用于限定本公开实施例的保护范围。
示例1
本示例描述对机框上的指示灯进行识别的应用场景。
图4为本公开实施例的示例1提供的对机框上的指示灯进行识别的示意图。如图4所示,在本示例中,指示灯识别系统包括:指示灯识别装置403和安装调节装置。
其中,指示灯识别装置403中内设置有工业相机。
其中,安装调节装置包括:固定座401、与固定座401连接的连杆402和与连杆402连接的推杆404,安装调节装置将指示灯识别装置403固定在被识别的机框上。指示灯识别装置403是可以绕推杆404旋转的,固定座401是固定不动的。通过调整连杆402、推杆404和指示灯识别装置403中的工业相机,就可以调节采集到的图像的拍摄角度和视野范围,从而调整被识别指示灯在图像中的位置。
其中,指示灯识别装置403可以连接一台显示器。
下面说明上述指示灯识别系统对机框上的指示灯进行识别的方法,如图5所示,该方法包括:
1、获取曝光时间序列对应的原始图像;其中,曝光时间序列也就是包括不同曝光时间的序列。
其中,曝光时间序列为从10ms到1000ms的等间距值,共100个,即10ms,20ms,...,1000ms。然后,将工业相机的曝光时间依次设置为10ms,20ms,...,1000ms,并依次采集到对应的原始图像a1,a2,...,a100。
需要说明的是,每一次设置好曝光时间,采集对应的原始图像;再设置下一个曝光时间。
2、剔除采集到的原始图像中亮度过高和亮度过低的原始图像,得到有效图像。
其中,通过预设的第一预设阈值70%和第三预设阈值30%,剔除图像a1,a2,...,a100中过曝像素个数大于像素总数的70%的原始图像,和亮度小于第二预设阈值的像素个数大于像素总数的30%的原始图像,得到剩余图像p1,p2,...,p51,剩余图像p1,p2,...,p51即为有效图像。
3、预设HSV取值范围。
首先,以HSV颜色空间中的标准红色、标准绿色和标准蓝色的颜色范围为目标范围,将目标范围转换为H值的取值上下限hmaxr1=10、hminr1=0、hmaxr2=180、hminr2=156、hmaxg=77、hming=35、hmaxb=124、hminb=100以及S值的取值上下限Smax=255、Smin=43。
其次,设定V值目标范围的下限从45到245以10为间距等分,即vmin1=45,vmin2=55,...,vmin21=245,共21个,以及目标范围上限vmax=255。由此,共有21个V值目标区间,分别为45~255,55~255,...,245~255。
4、令i=1,也就是按顺序选取一个有效图像。
5、令j=1,也就是按顺序选取一个V值的取值范围。
6、选取vminj后,得到H、S、V的取值上下限hmaxr1、hminr1、hmaxr2、hminr2、hmaxg、hming、hmaxb、hminb、smax、smin、vmax、vminj
7、判断有效图像pi的所有像素是否在目标范围内得到有效图像pi的第j个V值的取值范围对应的二值化图像bij。具体包括:
71、按顺序选取有效图像pi中的一个像素。
72、判断像素的HSV值是否在目标范围内,如果像素的HSV值在目标范围内,即hminr1<H值<hmaxr1,或者hminr2<H值<hmaxr2,或者hming<H值<hmaxg,或者hminb<H值<hmaxb;并且smin<S值<smax、vminj<V值<vmax,则执行步骤73;如果像素的HSV值不在目标范围内,即hmaxr1≤H值≤hming,或者hmaxg≤H值≤hminb,或者hmaxb≤H值≤hminr2;并且S值≤smin,或者S值≥smax;并且V值≤vminj,或者V值≥vmax,则执行步骤74。
73、将有效图像pi中的该像素置为白色。
74、将有效图像pi中的该像素置为黑色。
75、判断有效图像pi的所有像素是否已处理完,如果有未处理的像素,则返回步骤71继续执行;如果所有像素均已处理完,则得到有效图像pi的第j个V值的取值范围对应的二值化图像bij
8、令j=j+1,如果j>21,则跳到第9步,如果j≤21,则跳到第6步。
9、选取中间结果二值化图像。
对图像pi,经过21次操作后,得到V值目标区间二值化图像bi1,bi2,...,bi21,统计二值化图像bi1,bi2,...,bi21的第一疑似区域个数分别为ci1,ci2,...,ci21。找出ci1,ci2,...,ci21中值相同且排列顺序连续的cij的数量中,最大数量对应的cij为xi,然后选取第一疑似区域个数等于xi的所有二值化图像中排列序号位于中间的二值化图像di,作为有效图像pi对应的中间结果二值化图像,如图6所示。
比如,ci1,ci2,...,ci21分别为:0,0,2,2,5,5,8,8,8,8,8,8,8,9,9,10,10,8,8,12,13,这里面值相同、且排列顺序连续的个数最多的是第7到第13个数值,那么xi就等于8,那么第一疑似区域个数等于xi的所有二值化图像即是第7到第13个数值,以及第18和19个数值对应的二值化图像,排列序号位于中间的二值化图像di即为第11个数值对应的二值化图像。
10、令i=i+1,如果i>51,则跳到第11步,如果i≤51,则跳到第5步。
11、叠加中间结果二值化图像,得到最终结果二值化图像。
其中,中间结果二值化图像d1,d2,...,d51中共包含了x1+x2+...+x51个第二疑似区域,这些第二疑似区域的位置是部分重叠的,对这些第二疑似区域进行筛选,保留处于相同位置的第二疑似区域中形状和大小均基本一致的,剔除该位置的形状或大小差别较大的第二疑似区域,然后将剩余第二疑似区域叠加,得到最终结果二值化图像u。
12、确定指示灯的位置和个数。
其中,最终结果二值化图像u中的第三疑似区域即为确定存在指示灯的确定区域z1,z2,...,z39,则识别到的指示灯的个数为39,确定第三疑似区域的位置即为指示灯的位置。
13、确定指示灯颜色。
其中,选取有效图像p1,p2,...,p51中识别出了确定区域z1的所有图像,分别计算这些有效图像中位于确定区域z1范围内的所有像素的H值的直方图的峰值,然后对这些峰值取均值得到值h1。再按z2~z39计算后,共得到h1,h2,...h39,这些值即为对应指示灯的颜色值。
14、输出识别结果。
其中,输出识别到的指示灯的个数、位置及颜色。
示例2
图7为本公开实施例的示例2提供的对流水线上的产品指示灯进行识别的示意图。如图7所示,被识别产品703放置在流水线705的传送带上的载板704上,指示灯识别装置701放置在流水线705旁边,工业相机702安装在指示灯识别装置701上。当被识别产品运动到工业相机702下方后,暂停一段时间,进行图像采集及指示灯识别操作。
本示例的指示灯识别过程与示例1的指示灯识别过程相同,这里不再描述。
示例3
本示例描述将指示灯识别装置安装在汽车上,对准汽车行进方向的前上方,当汽车行驶到交通信号灯前时,对前方交通信号灯的颜色、位置和数量进行识别。
本示例的指示灯识别过程与示例1的指示灯识别过程相同,这里不再描述。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中,在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分;例如,一个物理组件可以具有多个功能,或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其它数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其它存储器技术、CD-ROM、数字多功能盘(DVD)或其它光盘存储、磁盒、磁带、磁盘存储或其它磁存储器、或者可以用于存储期望的信息并且可以被计算机访问的任何其它的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其它传输机制之类的调制数据信号中的其它数据,并且可包括任何信息递送介质。
本文已经公开了示例实施例,并且虽然采用了具体术语,但它们仅用于并仅应当被解释为一般说明性含义,并且不用于限制的目的。在一些实例中,对本领域技术人员显而易见的是,除非另外明确指出,否则可单独使用与特定实施例相结合描述的特征、特性和/或元素,或可与其它实施例相结合描述的特征、特性和/或元件组合使用。因此,本领域技术人员将理解,在不脱离由所附的权利要求阐明的本公开的范围的情况下,可进行各种形式和细节上的改变。

Claims (15)

1.一种指示灯识别方法,包括:
获取某一区域的不同曝光时间对应的原始图像;
对所述原始图像进行二值化处理得到最终结果二值化图像;
根据所述最终结果二值化图像确定某一区域内的指示灯的特征参数。
2.根据权利要求1所述的方法,其中,所述对原始图像进行二值化处理得到最终结果二值化图像包括:
分别对每一个所述原始图像进行二值化处理得到对应的中间结果二值化图像;叠加所有所述中间结果二值化图像得到最终结果二值化图像。
3.根据权利要求2所述的方法,其中,所述分别对每一个原始图像进行二值化处理得到对应的中间结果二值化图像包括:
对于每一个所述原始图像,获取不同目标区间对应的二值化图像;从所有所述目标区间对应的二值化图像中,选择第一疑似区域的个数为x的二值化图像;从所述第一疑似区域的个数为x的二值化图像中,选择排列顺序位于中间的二值化图像作为所述中间结果二值化图像;
其中,x为将所有所述目标区间对应的二值化图像进行划分得到的子集中,包含所述二值化图像个数最多的子集中的所述二值化图像的第一疑似区域的个数;其中,将所述第一疑似区域的个数相同,且排列顺序连续的所述二值化图像划分到同一个子集中。
4.根据权利要求3所述的方法,其中,所述目标区间包括:色调的取值范围、饱和度的取值范围、明度的取值范围;不同所述目标区间的色调的取值范围相同,不同所述目标区间的饱和度的取值范围相同,不同所述目标区间的明度的取值范围不同;
其中,所述第一疑似区域为所述二值化图像中的第一颜色像素形成的连通区域;所有所述目标区间对应的二值化图像按照所述目标区间的明度的取值范围从大到小或从小到大的顺序排列。
5.根据权利要求4所述的方法,其中,不同所述目标区间的明度的取值范围的上限值相同,下限值不同。
6.根据权利要求4所述的方法,其中,所述目标区间的色调的取值范围为颜色空间中的红色、绿色和蓝色对应的色调的取值范围;
所述目标区间的饱和度的取值范围为颜色空间中的红色、绿色和蓝色对应的饱和度的取值范围;
所述目标区间的明度的取值范围为颜色空间中的红色、绿色和蓝色对应的明度的取值范围的部分或全部。
7.根据权利要求2-6任一项所述的方法,其中,所述叠加所有中间结果二值化图像得到最终结果二值化图像包括:
将所有所述中间结果二值化图像中,处于相同位置,且形状的差别在第一预设范围内,且大小的差别在第二预设范围内的第二疑似区域相叠加得到所述最终结果二值化图像中相同位置的第三疑似区域;其中,所述第二疑似区域为所述中间结果二值化图像中的第一颜色像素形成的连通区域,所述第三疑似区域为所述最终结果二值化图像中的第一颜色像素形成的连通区域。
8.根据权利要求1-6任一项所述的方法,所述特征参数包括:个数,其中,所述根据最终结果二值化图像确定某一区域内的指示灯的特征参数包括:
确定所述某一区域内的指示灯的个数为所述最终结果二值化图像中的第三疑似区域的个数;其中,所述第三疑似区域为所述最终结果二值化图像中的第一颜色像素形成的连通区域。
9.根据权利要求1-6任一项所述的方法,所述特征参数还包括:位置,其中,所述根据最终结果二值化图像确定某一区域内的指示灯的特征参数包括:
确定所述某一区域内的指示灯的位置为所述最终结果二值化图像中的第三疑似区域的位置;其中,所述第三疑似区域为所述最终结果二值化图像中的第一颜色像素形成的连通区域。
10.根据权利要求1-6任一项所述的方法,所述特征参数还包括:颜色,其中,所述根据最终结果二值化图像确定某一区域内的指示灯的特征参数包括:
对于所述最终结果二值化图像中的每一个第三疑似区域,从所有所述中间结果二值化图像中,获取具有与所述第三疑似区域处于相同位置,且形状的差别在第一预设范围内,且大小的差别在第二预设范围内的第二疑似区域的中间结果二值化图像;获取与获得的中间结果二值化图像对应的有效图像;其中,所述第二疑似区域为所述中间结果二值化图像中的第一颜色像素形成的连通区域,所述第三疑似区域为所述最终结果二值化图像中的第一颜色像素形成的连通区域;
分别计算每一个获得的有效图像中与第二疑似区域对应的区域内具有相同色调值的像素个数的峰值;计算所有峰值对应的像素的色调值的平均值,确定所述第三疑似区域内的指示灯的颜色为所述平均值对应的颜色。
11.根据权利要求1-6任一项所述的方法,所述对原始图像进行二值化处理得到最终结果二值化图像之前,该方法还包括:从所述原始图像中剔除满足无效条件的原始图像,得到有效图像;
所述对原始图像进行二值化处理得到最终结果二值化图像包括:
对所述有效图像进行二值化处理得到最终结果二值化图像。
12.根据权利要求11所述的方法,其中,所述无效条件包括以下至少之一:过曝像素的比例大于第一预设阈值;亮度小于第二预设阈值的像素的比例大于第三预设阈值。
13.一种电子设备,包括:
至少一个处理器;
存储器,其上存储有至少一个程序,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根据权利要求1-12任意一项所述的指示灯识别方法。
14.一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根据权利要求1-12任意一项所述的指示灯识别方法。
15.一种指示灯识别系统,包括:
图像采集装置,用于拍摄某一区域的不同曝光时间对应的原始图像;
指示灯识别装置,用于获取某一区域的不同曝光时间对应的原始图像;对所述原始图像进行二值化处理得到最终结果二值化图像;根据所述最终结果二值化图像确定某一区域内的指示灯的特征参数。
CN202010522121.8A 2020-06-10 2020-06-10 指示灯识别方法和装置、电子设备、计算机可读存储介质 Pending CN113780037A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010522121.8A CN113780037A (zh) 2020-06-10 2020-06-10 指示灯识别方法和装置、电子设备、计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010522121.8A CN113780037A (zh) 2020-06-10 2020-06-10 指示灯识别方法和装置、电子设备、计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN113780037A true CN113780037A (zh) 2021-12-10

Family

ID=78834649

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010522121.8A Pending CN113780037A (zh) 2020-06-10 2020-06-10 指示灯识别方法和装置、电子设备、计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN113780037A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116758024A (zh) * 2023-06-13 2023-09-15 山东省农业科学院 一种花生种子方向识别方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116758024A (zh) * 2023-06-13 2023-09-15 山东省农业科学院 一种花生种子方向识别方法
CN116758024B (zh) * 2023-06-13 2024-02-23 山东省农业科学院 一种花生种子方向识别方法

Similar Documents

Publication Publication Date Title
JP5852637B2 (ja) 矢印信号認識装置
CN105245869A (zh) 故障检测设备及故障检测程序
EP3477548B1 (en) Method and image capturing device for detecting fog in a scene
CN105279511B (zh) 基于颜色时变特征的交通信号灯重定位方法及装置
CN111160301A (zh) 基于机器视觉的隧道病害目标智能识别及提取方法
KR102637216B1 (ko) 차량용 신호등 단계를 감지하기 위한 장치 및 방법
CN111127810A (zh) 机房明火自动告警方法及系统
CN108093183B (zh) 一种摄像机日夜模式切换方法及终端设备
CN109302566A (zh) 一种确定拍摄模式的方法、装置及终端设备
CN113723304A (zh) 车灯检测方法、装置、电子设备及存储介质
CN113780037A (zh) 指示灯识别方法和装置、电子设备、计算机可读存储介质
JP2013258596A (ja) 撮像装置
CN111565283A (zh) 一种交通灯颜色的识别方法、校正方法和装置
JP6267493B2 (ja) 矢印信号灯検出装置
CN115690441A (zh) 交通信号灯区域检测方法、装置及设备
JP2016110373A (ja) カーブミラー検出装置
US20130335556A1 (en) Day night classification of images using thresholding on hsv histogram
CN116363100A (zh) 图像质量评价方法、装置、设备及存储介质
Raghavan et al. Reference image-independent fault detection in transportation camera systems for nighttime scenes
CN107408202B (zh) 用于检测环境光的方法和系统
CN115100625A (zh) 一种信号灯状态的识别方法及系统
CN113516595A (zh) 图像处理方法、图像处理装置、电子设备及存储介质
US20190197349A1 (en) Image identification method and image identification device
CN112989891A (zh) 一种信号灯显示状态的检测方法及装置
CN114841874B (zh) 一种图像处理方法、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