CN113947762A - 交通灯的灯色识别方法、装置、设备以及路侧计算设备 - Google Patents
交通灯的灯色识别方法、装置、设备以及路侧计算设备 Download PDFInfo
- Publication number
- CN113947762A CN113947762A CN202111165283.1A CN202111165283A CN113947762A CN 113947762 A CN113947762 A CN 113947762A CN 202111165283 A CN202111165283 A CN 202111165283A CN 113947762 A CN113947762 A CN 113947762A
- Authority
- CN
- China
- Prior art keywords
- traffic light
- lamp
- detection frame
- halo
- traffic
- 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
Links
Images
Landscapes
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种交通灯的灯色识别方法、装置、设备以及路侧计算设备,涉及智能交通领域,尤其涉及交通灯的灯色识别领域。具体实现方案为:获取目标图像中的灯晕检测框,其中,上述目标图像中包含至少一个交通灯,上述灯晕检测框是识别上述交通灯的灯晕标注结果得到的;确定与上述灯晕检测框对应的交通灯检测框,其中,上述交通灯检测框为与上述交通灯的标注结果对应的检测框;基于上述交通灯检测框对上述交通灯进行灯色识别,得到识别结果。本公开解决了现有技术中交通灯的灯色识别方法存在误识别的技术问题。
Description
技术领域
本公开涉及智能交通领域,尤其涉及交通灯的灯色识别领域,具体涉及交通灯的灯色识别方法、装置、设备以及路侧计算设备。
背景技术
目前通用的红绿灯灯色识别过程,大多数都是首先进行目标检测,检测出图像中的红绿灯,之后根据检测框的位置抠出红绿灯图像,然后再进行灯色识别处理。
但是,在使用夜间获取到的红绿灯数据进行模型训练的时候,需要对标注好的数据进行预处理;成像清晰的夜间红绿灯图像可以看到灯框及灯头框,标注员再根据灯框及灯头框颜色进行标注;根据深度学习的原理,标注员标注了什么,模型就会学习到什么。对于标注为灯晕的灯框,在训练灯色识别模型的时候,因为没有办法获取整个红绿灯框,会影响模型的检测,和后期的红绿灯识别。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本公开提供了一种用于交通灯的灯色识别方法、装置、设备以及路侧计算设备。
根据本公开的一方面,提供了一种交通灯的灯色识别方法,包括:获取目标图像中的灯晕检测框,其中,上述目标图像中包含至少一个交通灯,上述灯晕检测框是识别上述交通灯的灯晕标注结果得到的;确定与上述灯晕检测框对应的交通灯检测框,其中,上述交通灯检测框为与上述交通灯的标注结果对应的检测框;基于上述交通灯检测框对上述交通灯进行灯色识别,得到识别结果。
可选的,上述获取目标图像中的灯晕检测框,包括:控制摄像设备拍摄预定区域内的上述交通灯,得到上述目标图像;获取上述目标图像的上述灯晕标注结果;识别上述灯晕标注结果,得到上述灯晕检测框。
可选的,上述方法还包括:获取上述目标图像的灯头标注结果,得到多个上述交通灯检测框;依据多个上述交通灯检测框确定上述目标图像的平均检测框,其中,上述平均检测框用于指示上述交通灯在上述目标图像中的位置和数量。
可选的,上述确定与上述灯晕检测框对应的交通灯检测框,包括:获取上述灯晕检测框的第一中心点,以及多个上述平均检测框的多个第二中心点;从上述多个第二中心点中选取第三中心点,其中,上述第三中心点与上述第一中心点之间的欧式距离小于第一预设距离;在上述欧式距离小于第二预设距离的情况下,将上述灯晕检测框替换为包含上述第三中心点的平均检测框。
可选的,上述依据多个上述交通灯检测框确定上述目标图像的平均检测框,包括:将多个上述交通灯检测框转化为图形数据结构;采用深度优先搜索算法获取上述图形数据结构的多个连通域;基于每个上述连通域内的所有交通灯检测框的均值数据,计算得到多个上述连通域对应的多个平均检测框,其中,上述均值数据包括:中心点均值、框长均值和框宽均值。
可选的,每个交通灯检测框作为上述图形数据结构中的一个顶点,每两个上述交通灯检测框之间的中心点距离值作为上述图形数据结构的边;若上述边的值大于第一预设阈值,则确定上述两个交通灯检测框之间是不连通的;若上述边的值小于或等于上述第一预设阈值,则确定上述两个交通灯检测框之间是连通的。
可选的,在确定与上述灯晕检测框对应的交通灯检测框之前,上述方法还包括:确定上述灯晕检测框的第一中心点与上述交通灯的相对位置关系;若上述相对位置关系满足预设要求,则确定上述灯晕检测框为待补偿的灯晕检测框,其中,在满足上述预设要求的情况下,上述灯晕检测框的颜色与上述交通灯的灯色匹配。
根据本公开的另一方面,提供了一种交通灯的灯色识别的装置,包括:获取模块,用于获取目标图像中的灯晕检测框,其中,上述目标图像中包含至少一个交通灯,上述灯晕检测框是识别上述交通灯的灯晕标注结果得到的;确定模块,用于确定与上述灯晕检测框对应的交通灯检测框,其中,上述交通灯检测框为与上述交通灯的标注结果对应的检测框;识别模块,用于基于上述交通灯检测框对上述交通灯进行灯色识别,得到识别结果。
可选的,上述获取模块,包括:拍摄单元,用于控制摄像设备拍摄预定区域内的上述交通灯,得到上述目标图像;第一获取单元,用于获取上述目标图像的上述灯晕标注结果;识别单元,用于识别上述灯晕标注结果,得到上述灯晕检测框。
可选的,上述装置还包括:第二获取单元,用于获取上述目标图像的灯头标注结果,得到多个上述交通灯检测框;确定单元,用于依据多个上述交通灯检测框确定上述目标图像的平均检测框,其中,上述平均检测框用于指示上述交通灯在上述目标图像中的位置和数量。
可选的,上述确定单元,包括:第一获取子单元,用于获取上述灯晕检测框的第一中心点,以及多个上述平均检测框的多个第二中心点;选取子单元,用于从上述多个第二中心点中选取第三中心点,其中,上述第三中心点与上述第一中心点之间的欧式距离小于第一预设距离;替换子单元,用于在上述欧式距离小于第二预设距离的情况下,将上述灯晕检测框替换为包含上述第三中心点的平均检测框。
可选的,上述确定单元,还包括:转化子单元,用于将多个上述交通灯检测框转化为图形数据结构;第二获取子单元,用于采用深度优先搜索算法获取上述图形数据结构的多个连通域;计算子单元,用于基于每个上述连通域内的所有交通灯检测框的均值数据,计算得到多个上述连通域对应的多个平均检测框,其中,上述均值数据包括:中心点均值、框长均值和框宽均值。
可选的,上述确定模块还用于:确定上述灯晕检测框的第一中心点与上述交通灯的相对位置关系;若上述相对位置关系满足预设要求,则确定上述灯晕检测框为待补偿的灯晕检测框,其中,在满足上述预设要求的情况下,上述灯晕检测框的颜色与上述交通灯的灯色匹配。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器;以及与上述至少一个处理器通信连接的存储器;其中,上述存储器存储有可被上述至少一个处理器执行的指令,上述指令被上述至少一个处理器执行,以使上述至少一个处理器能够执行任一项上述的交通灯的灯色识别方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,上述计算机指令用于使上述计算机执行任一项上述的交通灯的灯色识别方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,上述计算机程序在被处理器执行时实现任一项上述的交通灯的灯色识别方法。
根据本公开的另一方面,提供了一种路侧计算设备,包括上述的电子设备。
通过自动将灯晕检测框替换为交通灯检测框,再交通灯检测框对上述交通灯进行灯色识别,达到了提升交通灯的灯色识别准确性和识别效率的目的,从而实现了避免由于交通灯的灯色误识别导致交通事故的技术效果,进而解决了现有技术中交通灯的灯色识别方法存在误识别的技术问题。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开第一实施例的交通灯的灯色识别方法的步骤流程示意图;
图2是根据本公开第一实施例的灯晕检测框及交通灯检测框结构示意图;
图3是根据本公开第二实施例的交通灯的灯色识别装置的结构示意图;
图4示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本公开实施例,提供了一种交通灯的灯色识别方法的实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本公开第一实施例的交通灯的灯色识别方法的步骤流程示意图,如图1所示,该方法包括如下步骤:
步骤S102,获取目标图像中的灯晕检测框,其中,上述目标图像中包含至少一个交通灯,上述灯晕检测框是识别上述交通灯的灯晕标注结果得到的;
步骤S104,确定与上述灯晕检测框对应的交通灯检测框,其中,上述交通灯检测框为与上述交通灯的标注结果对应的检测框;
步骤S106,基于上述交通灯检测框对上述交通灯进行灯色识别,得到识别结果。
可选的,上述交通灯即交通信号灯,例如,设置在十字路口的红绿灯,上述目标图像是通过拍摄获取到的目标图像,对上述目标图像进行拍摄的拍摄角度不作具体限定,但是上述目标图像中需存在所有需要进行识别的交通灯,若只需要识别一个交通灯,上述目标图像中则包含至少一个交通灯;上述交通灯形状不作具体限定,且交通灯形状不会影响到交通灯的灯色识别结果。
在本公开实施例中,以交通信号灯为例,如图2所示的灯晕检测框及交通灯检测框结构示意图,每一列三个交通灯分别为红、黄、绿交通灯,每一列的三个交通灯分别用于指示不同车道上的车辆通行或停止;仍如图2所示,每个交通灯中间的小框代表一个交通灯,对该交通灯进行标记即可得到对应的交通灯检测框,在图2中,交通灯为黑色代表上述交通灯处于亮灯状态,交通灯为白色代表上述交通灯处于未亮灯状态;每个交通灯外面一层的虚线框代表交通灯的灯晕部分,当交通灯处于亮灯状态时,灯晕部分用阴影部分表示;对上述交通灯的灯晕部分进行标注可以得到上述灯晕检测框。
通过自动将灯晕检测框替换为交通灯检测框,再交通灯检测框对上述交通灯进行灯色识别,达到了提升交通灯的灯色识别准确性和识别效率的目的,从而实现了避免由于交通灯的灯色误识别导致交通事故的技术效果,进而解决了现有技术中交通灯的灯色识别方法存在误识别的技术问题。
在一种可选的实施例中,上述获取目标图像中的灯晕检测框,包括:
步骤S202,控制摄像设备拍摄预定区域内的上述交通灯,得到上述目标图像;
步骤S204,获取上述目标图像的上述灯晕标注结果;
步骤S206,识别上述灯晕标注结果,得到上述灯晕检测框。
需要说明的是,上述摄像设备可以为车载的拍摄设备,例如:行车记录仪等,也可以为固定的拍摄设备,例如:固定在路边的摄像头等;上述拍摄预定区域指的是待拍摄的交通灯的所在区域;上述目标图像的上述灯晕标注结果可以由多种方式标注得来,例如:人工标注、计算机自动标注。
在本公开实施例中,以路侧感知场景为例,采用传感器获取红绿灯的上述目标图像,由于传感器部署在路侧,是固定不动的,所以红绿灯在图像中的位置是固定不动的,对图像中的交通灯的标注也更加准确,识别上述目标图像中的标注结果,得到灯晕检测框。
在一种可选的实施例中,上述方法还包括:
步骤S302,获取上述目标图像的灯头标注结果,得到多个上述交通灯检测框;
步骤S304,依据多个上述交通灯检测框确定上述目标图像的平均检测框,其中,上述平均检测框用于指示上述交通灯在上述目标图像中的位置和数量。
在本公开实施例中,首先遍历某个相机中的所有交通灯的标注结果,获得该相机的红绿灯标注框,从红绿灯标注框中获取上述目标图像的灯头标注结果,得到红绿灯的检测框;并依据检测框确定平均检测框。其中,采用矩形框标注一个完整的红绿灯,采用x_left_top,y_left_top表示矩形框在像素坐标系下左上角点的坐标,采用x_r ight_down,y_r ight_down表示矩形框在像素坐标系下右下角点的坐标;上述坐标点可以用于中心点、平均值等数据的计算。
需要说明的是,上述平均检测框由上述红绿灯检测框的中心点、长和宽计算得到,上述平均检测框用于指示上述交通灯在上述目标图像中的位置和数量。
在一种可选的实施例中,上述确定与上述灯晕检测框对应的交通灯检测框,包括:
步骤S402,获取上述灯晕检测框的第一中心点,以及多个上述平均检测框的多个第二中心点;
步骤S404,从上述多个第二中心点中选取第三中心点,其中,上述第三中心点与上述第一中心点之间的欧式距离小于第一预设距离;
步骤S406,在上述欧式距离小于第二预设距离的情况下,将上述灯晕检测框替换为包含上述第三中心点的平均检测框。
在本公开实施例中,计算该相机下所有红绿灯灯晕检测框的标注结果,得到第一中心点;计算所有平均检测框的中心点,得到多个上述平均检测框的多个第二中心点;从上述多个第二中心点中找到与上述第一中心点欧式距离最近的一个中心点即第三中心点,判断距离是否小于阈值要求,如果小于则可以用该平均检测框的位置替代灯晕检测框。
需要说明的是,灯晕检测框和交通灯检测框是两种,如果一个红绿灯很亮,看不清整个红绿灯,只能看清亮起的灯头,则标注为灯晕检测框;如果可以看清整个红绿灯,则标注为红绿灯检测框;标注结果包括框的位置、红绿灯的颜色。
在一种可选的实施例中,上述依据多个上述交通灯检测框确定上述目标图像的平均检测框,包括:
步骤S502,将多个上述交通灯检测框转化为图形数据结构;
步骤S504,采用深度优先搜索算法获取上述图形数据结构的多个连通域;
步骤S506,基于每个上述连通域内的均值数据,计算得到多个上述连通域对应的多个平均检测框,其中,上述均值数据包括:中心点均值、框长均值和框宽均值。
在本公开实施例中,将所有的红绿灯检测框整理为图形数据结构,每个红绿灯检测框作为图形数据结构中的顶点,每两个红绿灯检测框中心点的距离作为图形数据结构中的边,边的值大于阈值认为两者之间是不连通的,小于等于阈值认为是连通的,使用深度优先搜索的方式获取图的连通域个数,每个连通域中的红绿灯框认为是同一个真实红绿灯框的标注结果。
需要说明的是,上述每两个红绿灯检测框指的是所有的红绿灯中,每次取出不同的两个红绿灯。
在本公开实施例中,对于属于同一个连通域中的所有红绿灯检测框,计算所有红绿灯检测框的中心点并求出中心点均值,取出所有的灯框长并求出均值,取出所有的灯框宽并求出均值;对于每个连通域,根据求出的中心点均值、长均值、宽均值计算出该连通域的平均框;例如:对于某个相机采集的所有图像,如果发现一共有5个连通域,计算出这五个连通域的平均框,则确定该路口在真实条件下一共存在5个红绿灯,且每个红绿灯的位置在哪里。
需要说明的是,基于每个上述连通域内的所有交通灯检测框的中心点均值、检测框长均值、检测框宽均值,计算得到多个上述连通域对应的多个平均检测框。
在一种可选的实施例中,每个交通灯检测框作为上述图形数据结构中的一个顶点,每两个上述交通灯检测框之间的中心点距离值作为上述图形数据结构的边;若上述边的值大于第一预设阈值,则确定上述两个交通灯检测框之间是不连通的;若上述边的值小于或等于上述第一预设阈值,则确定上述两个交通灯检测框之间是连通的。
在一种可选的实施例中,在确定与上述灯晕检测框对应的交通灯检测框之前,上述方法还包括:
步骤S702,确定上述灯晕检测框的第一中心点与上述交通灯的相对位置关系;
步骤S704,若上述相对位置关系满足预设要求,则确定上述灯晕检测框为待补偿的灯晕检测框,其中,在满足上述预设要求的情况下,上述灯晕检测框的颜色与上述交通灯的灯色匹配。
在本公开实施例中,计算灯晕框中心点是在红绿灯的偏上位置、中间位置、还是偏下位置;对预先标注为三灯头的红绿灯进行计算,如果在偏上位置且灯晕框为红色,如果在中间位置且灯晕框为黄色,如果在偏下位置且灯晕框为绿色,则认为灯晕框的颜色是正确的。如果不正确就放弃该数据,不用于数据训练。
通过本公开实施例,采用获取目标图像中的灯晕检测框,其中,上述目标图像中包含至少一个交通灯,上述灯晕检测框是识别上述交通灯的灯晕标注结果得到的;确定与上述灯晕检测框对应的交通灯检测框,其中,上述交通灯检测框为与上述交通灯的标注结果对应的检测框;基于上述交通灯检测框对上述交通灯进行灯色识别,得到识别结果的方法;自动检测的效率高且成本低;解决了目前交通灯的灯色识别过程中,不能知道目前亮起灯头在红绿灯上的相对位置,而且在进行交通灯的灯色识别的时候会出现误识别的技术问题。
实施例2
根据本公开实施例,还提供了一种用于实施上述交通灯的灯色识别方法的装置实施例,图3是根据本公开第二实施例的交通灯的灯色识别装置的结构示意图,如图3所示,上述交通灯的灯色识别装置,包括:获取模块40、确定模块42和识别模块44,其中:
获取模块40,用于获取目标图像中的灯晕检测框,其中,上述目标图像中包含至少一个交通灯,上述灯晕检测框是识别上述交通灯的灯晕标注结果得到的;
确定模块42,用于确定与上述灯晕检测框对应的交通灯检测框,其中,上述交通灯检测框为与上述交通灯的标注结果对应的检测框;
识别模块44,用于基于上述交通灯检测框对上述交通灯进行灯色识别,得到识别结果。
在本公开实施例中,上述获取模块,包括:拍摄单元,用于控制摄像设备拍摄预定区域内的上述交通灯,得到上述目标图像;第一获取单元,用于获取上述目标图像的上述灯晕标注结果;识别单元,用于识别上述灯晕标注结果,得到上述灯晕检测框。
在本公开实施例中,上述装置还包括:第二获取单元,用于获取上述目标图像的灯头标注结果,得到多个上述交通灯检测框;确定单元,用于依据多个上述交通灯检测框确定上述目标图像的平均检测框,其中,上述平均检测框用于指示上述交通灯在上述目标图像中的位置和数量。
在本公开实施例中,上述确定单元,包括:第一获取子单元,用于获取上述灯晕检测框的第一中心点,以及多个上述平均检测框的多个第二中心点;选取子单元,用于从上述多个第二中心点中选取第三中心点,其中,上述第三中心点与上述第一中心点之间的欧式距离小于第一预设距离;替换子单元,用于在上述欧式距离小于第二预设距离的情况下,将上述灯晕检测框替换为包含上述第三中心点的平均检测框。
在本公开实施例中,上述确定单元,还包括:转化子单元,用于将多个上述交通灯检测框转化为图形数据结构;第二获取子单元,用于采用深度优先搜索算法获取上述图形数据结构的多个连通域;计算子单元,用于基于每个上述连通域内的所有交通灯检测框的均值数据,计算得到多个上述连通域对应的多个平均检测框,其中,上述均值数据包括:中心点均值、框长均值和框宽均值。
在本公开实施例中,上述确定模块还用于:确定上述灯晕检测框的第一中心点与上述交通灯的相对位置关系;若上述相对位置关系满足预设要求,则确定上述灯晕检测框为待补偿的灯晕检测框,其中,在满足上述预设要求的情况下,上述灯晕检测框的颜色与上述交通灯的灯色匹配。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,例如,对于后者,可以通过以下方式实现:上述各个模块可以位于同一处理器中;或者,上述各个模块以任意组合的方式位于不同的处理器中。
此处需要说明的是,上述获取模块40、确定模块42和识别模块44对应于实施例1中的步骤S102至步骤S106,上述模块与对应的步骤所实现的实例和应用场景相同,但不限于上述实施例1所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在计算机终端中。
需要说明的是,本实施例的可选或优选实施方式可以参见实施例1中的相关描述,此处不再赘述。
上述的交通灯的灯色识别装置还可以包括处理器和存储器,上述获取模块40、确定模块42和识别模块44等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元,上述内核可以设置一个或以上。存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,上述计算机指令用于使上述计算机执行任一项上述的交通灯的灯色识别方法。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
该电子设备,包括:至少一个处理器;以及与上述至少一个处理器通信连接的存储器;其中,上述存储器存储有可被上述至少一个处理器执行的指令,上述指令被上述至少一个处理器执行,以使上述至少一个处理器能够执行任一项上述的交通灯的灯色识别方法。
该计算机程序产品,包括计算机程序,上述计算机程序在被处理器执行时实现任一项上述的交通灯的灯色识别方法。
根据本公开实施例,还提供了一种路侧计算设备的实施例,包括上述电子设备,
可选的,路侧计算设备除了包括电子设备,还可以包括通信部件等,电子设备可以和通信部件一体集成,也可以分体设置。电子设备可以获取摄像设备(如路侧相机)的数据,例如图片和视频等,从而进行图像视频处理和数据计算,再经由通信部件向云控平台传送处理和计算结果。可选的,路侧计算设备也可以为边缘计算平台。可选的,电子设备自身也可以具备视频图片数据获取功能和通信功能,例如是AI相机,电子设备可以直接基于获取的感知数据进行图像视频处理和数据计算,再向云控平台传送处理和计算结果。
可选的,云控平台在云端执行数据处理,云控平台也可以称为车路协同管理平台、V2X平台、云计算平台、中心系统、云端服务器等。
图4示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图4所示,设备800包括计算单元801,其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序,来执行各种适当的动作和处理。在RAM 803中,还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805,包括:输入单元806,例如键盘、鼠标等;输出单元807,例如各种类型的显示器、扬声器等;存储单元808,例如磁盘、光盘等;以及通信单元809,例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800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。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理,例如方法获取目标图像中的灯晕检测框。例如,在一些实施例中,方法获取目标图像中的灯晕检测框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808。在一些实施例中,计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时,可以执行上文描述的方法获取目标图像中的灯晕检测框的一个或多个步骤。备选地,在其他实施例中,计算单元801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行方法获取目标图像中的灯晕检测框。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (17)
1.一种交通灯的灯色识别方法,包括:
获取目标图像中的灯晕检测框,其中,所述目标图像中包含至少一个交通灯,所述灯晕检测框是识别所述交通灯的灯晕标注结果得到的;
确定与所述灯晕检测框对应的交通灯检测框,其中,所述交通灯检测框为与所述交通灯的标注结果对应的检测框;
基于所述交通灯检测框对所述交通灯进行灯色识别,得到识别结果。
2.根据权利要求1所述的方法,其中,所述获取目标图像中的灯晕检测框,包括:
控制摄像设备拍摄预定区域内的所述交通灯,得到所述目标图像;
获取所述目标图像的所述灯晕标注结果;
识别所述灯晕标注结果,得到所述灯晕检测框。
3.根据权利要求1所述的方法,其中,所述方法还包括:
获取所述目标图像的灯头标注结果,得到多个所述交通灯检测框;
依据多个所述交通灯检测框确定所述目标图像的平均检测框,其中,所述平均检测框用于指示所述交通灯在所述目标图像中的位置和数量。
4.根据权利要求3所述的方法,其中,所述确定与所述灯晕检测框对应的交通灯检测框,包括:
获取所述灯晕检测框的第一中心点,以及多个所述平均检测框的多个第二中心点;
从所述多个第二中心点中选取第三中心点,其中,所述第三中心点与所述第一中心点之间的欧式距离小于第一预设距离;
在所述欧式距离小于第二预设距离的情况下,将所述灯晕检测框替换为包含所述第三中心点的平均检测框。
5.根据权利要求3所述的方法,其中,所述依据多个所述交通灯检测框确定所述目标图像的平均检测框,包括:
将多个所述交通灯检测框转化为图形数据结构;
采用深度优先搜索算法获取所述图形数据结构的多个连通域;
基于每个所述连通域内的所有交通灯检测框的均值数据,计算得到多个所述连通域对应的多个平均检测框,其中,所述均值数据包括:中心点均值、框长均值和框宽均值。
6.根据权利要求5所述的方法,其中,每个交通灯检测框作为所述图形数据结构中的一个顶点,每两个所述交通灯检测框之间的中心点距离值作为所述图形数据结构的边;若所述边的值大于第一预设阈值,则确定所述两个交通灯检测框之间是不连通的;若所述边的值小于或等于所述第一预设阈值,则确定所述两个交通灯检测框之间是连通的。
7.根据权利要求1所述的方法,其中,在确定与所述灯晕检测框对应的交通灯检测框之前,所述方法还包括:
确定所述灯晕检测框的第一中心点与所述交通灯的相对位置关系;
若所述相对位置关系满足预设要求,则确定所述灯晕检测框为待补偿的灯晕检测框,其中,在满足所述预设要求的情况下,所述灯晕检测框的颜色与所述交通灯的灯色匹配。
8.一种交通灯的灯色识别的装置,包括:
获取模块,用于获取目标图像中的灯晕检测框,其中,所述目标图像中包含至少一个交通灯,所述灯晕检测框是识别所述交通灯的灯晕标注结果得到的;
确定模块,用于确定与所述灯晕检测框对应的交通灯检测框,其中,所述交通灯检测框为与所述交通灯的标注结果对应的检测框;
识别模块,用于基于所述交通灯检测框对所述交通灯进行灯色识别,得到识别结果。
9.根据权利要求8所述的装置,其中,所述获取模块,包括:
拍摄单元,用于控制摄像设备拍摄预定区域内的所述交通灯,得到所述目标图像;
第一获取单元,用于获取所述目标图像的所述灯晕标注结果;
识别单元,用于识别所述灯晕标注结果,得到所述灯晕检测框。
10.根据权利要求8所述的装置,其中,所述装置还包括:
第二获取单元,用于获取所述目标图像的灯头标注结果,得到多个所述交通灯检测框;
确定单元,用于依据多个所述交通灯检测框确定所述目标图像的平均检测框,其中,所述平均检测框用于指示所述交通灯在所述目标图像中的位置和数量。
11.根据权利要求10所述的装置,其中,所述确定单元,包括:
第一获取子单元,用于获取所述灯晕检测框的第一中心点,以及多个所述平均检测框的多个第二中心点;
选取子单元,用于从所述多个第二中心点中选取第三中心点,其中,所述第三中心点与所述第一中心点之间的欧式距离小于第一预设距离;
替换子单元,用于在所述欧式距离小于第二预设距离的情况下,将所述灯晕检测框替换为包含所述第三中心点的平均检测框。
12.根据权利要求10所述的装置,其中,所述确定单元,还包括:
转化子单元,用于将多个所述交通灯检测框转化为图形数据结构;
第二获取子单元,用于采用深度优先搜索算法获取所述图形数据结构的多个连通域;
计算子单元,用于基于每个所述连通域内的所有交通灯检测框的均值数据,计算得到多个所述连通域对应的多个平均检测框,其中,所述均值数据包括:中心点均值、框长均值和框宽均值。
13.根据权利要求8所述的装置,其中,所述确定模块还用于:确定所述灯晕检测框的第一中心点与所述交通灯的相对位置关系;若所述相对位置关系满足预设要求,则确定所述灯晕检测框为待补偿的灯晕检测框,其中,在满足所述预设要求的情况下,所述灯晕检测框的颜色与所述交通灯的灯色匹配。
14.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的交通灯的灯色识别方法。
15.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的交通灯的灯色识别方法。
16.一种计算机程序产品,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1-7中任一项所述的交通灯的灯色识别方法。
17.一种路侧计算设备,包括如权利要求14所述的电子设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111165283.1A CN113947762A (zh) | 2021-09-30 | 2021-09-30 | 交通灯的灯色识别方法、装置、设备以及路侧计算设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111165283.1A CN113947762A (zh) | 2021-09-30 | 2021-09-30 | 交通灯的灯色识别方法、装置、设备以及路侧计算设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113947762A true CN113947762A (zh) | 2022-01-18 |
Family
ID=79329807
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111165283.1A Pending CN113947762A (zh) | 2021-09-30 | 2021-09-30 | 交通灯的灯色识别方法、装置、设备以及路侧计算设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113947762A (zh) |
-
2021
- 2021-09-30 CN CN202111165283.1A patent/CN113947762A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3806064B1 (en) | Method and apparatus for detecting parking space usage condition, electronic device, and storage medium | |
CN113129625B (zh) | 车辆控制方法、装置、电子设备和车辆 | |
EP3859708A1 (en) | Traffic light image processing method and device, and roadside device | |
CN112560684B (zh) | 车道线检测方法、装置、电子设备、存储介质以及车辆 | |
CN111553302B (zh) | 关键帧选取方法、装置、设备及计算机可读存储介质 | |
CN113887418A (zh) | 车辆违规行驶的检测方法、装置、电子设备及存储介质 | |
CN109285181B (zh) | 用于识别图像的方法和装置 | |
CN109916415B (zh) | 道路类型确定方法、装置、设备及存储介质 | |
CN112560862A (zh) | 文本识别方法、装置及电子设备 | |
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 | |
CN112528926A (zh) | 检测信号灯图像异常的方法、装置、设备及存储介质 | |
CN111931726A (zh) | 交通灯检测的方法、装置、计算机存储介质和路侧设备 | |
CN112232368A (zh) | 目标识别模型训练方法、目标识别方法及其相关装置 | |
CN114565908A (zh) | 车道线的检测方法、装置、电子设备及存储介质 | |
CN113902740A (zh) | 图像模糊程度评价模型的构建方法 | |
CN115410173B (zh) | 多模态融合的高精地图要素识别方法、装置、设备及介质 | |
EP4080479A2 (en) | Method for identifying traffic light, device, cloud control platform and vehicle-road coordination system | |
CN113947762A (zh) | 交通灯的灯色识别方法、装置、设备以及路侧计算设备 | |
CN113920486A (zh) | 交通灯的标注方法、装置、电子设备及路侧计算设备 | |
CN116363628A (zh) | 标志检测方法、装置、非易失性存储介质及计算机设备 | |
CN116206326A (zh) | 缺失检测模型的训练方法、导流区的缺失检测方法及装置 | |
CN114494680A (zh) | 积水检测方法、装置、设备及存储介质 | |
CN112991446A (zh) | 图像稳像方法、装置、路侧设备以及云控平台 | |
CN114429631A (zh) | 三维对象检测方法、装置、设备以及存储介质 | |
CN115843375A (zh) | 徽标标注方法及装置、徽标检测模型更新方法及系统、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 |