CN115035486A - 交通信号灯识别方法及系统 - Google Patents

Abstract

本发明提供一种交通信号灯识别方法及系统，属于图像识别技术领域。所述方法包括：S1)获取交通信号灯的场景图像，根据预设图像算法对所述场景图像进行预处理，获得预处理图像；S2)将所述预处理图像在RGB色域上进行通道分解，获得R通道、G通道和B通道；S3)对所述R通道、所述G通道和所述B通道进行归一化处理，获得归一化图像；S4)对所述归一化图像进行色素聚类，获得色素聚类后图像；S5)根据预设图像处理算法对所述色素聚类后图像进行处理，获得处理后图像，并基于所述处理后图像判定当前交通信号灯的亮灯颜色。本发明方案实现了白天场景下的信号灯准确识别。

Description

交通信号灯识别方法及系统

技术领域

本发明涉及图像识别技术领域，具体地涉及一种交通信号灯识别方法及一种交通信号灯识别系统。

背景技术

交通信号灯识别具有很大的应用场景，从违章抓拍到智能驾驶，交通信号灯准确识别都是必不可少的。在现有的交通信号灯识别方法中，主要是在采集到交通信号灯图像后，采用传统图像处理领域的阈值处理和颜色处理，这种处理方法有一定的效果，但是针对一个相机一套算法处理白天的多种信号灯的效果还是有待提升，近两年，随着深度学习的火热，研究者们开始使用深度学习技术处理这方面的问题，但是提升效果还是有待验证。目前主要存在两种交通信号灯识别方法，分别采用了传统图像处理技术和深度学习技术，前者针对白天一天的情况效果不理想，如阴雨天、反光、曝光灯情况；后者无法解决预设固定图像采集设备白天信号灯识别的情况。基于现有信号灯识别方法存在的弊端，需要创造一种新的交通信号灯的识别方法。

发明内容

本发明实施方式的目的是提供一种交通信号灯识别方法，以至少解决现有交通信号灯识别方法在情况多变的白天场景下信号灯识别准确性不高的问题。

为了实现上述目的，本发明第一方面提供一种交通信号灯识别方法，所述方法包括：S1)获取交通信号灯的场景图像，根据预设图像算法对所述场景图像进行预处理，获得预处理图像；S2)将所述预处理图像在RGB色域上进行通道分解，获得R通道、G通道和B通道；S3)对所述R通道、所述G通道和所述B通道进行归一化处理，获得归一化图像；S4)对所述归一化图像进行色素聚类，获得色素聚类后图像；S5)根据预设图像处理算法对所述色素聚类后图像进行处理，获得处理后图像，并基于所述处理后图像判定当前交通信号灯的亮灯颜色。

可选的，步骤S1)中，所述预设图像算法至少包括：图像噪点过滤算法和过度曝光修复算法。

可选的，步骤S2)中，所述对所述R通道、所述G通道和所述B通道进行归一化处理，获得归一化图像，包括：获取所述R通道、所述G通道和所述B通道各自对应位置的像素值；对所述R通道、所述G通道和所述B通道各自对应位置的像素值求和，获得像素和；分别获取所述R通道、所述G通道和所述B通道的像素值与所述像素和之比作为归一化图像的R通道、G通道和B通道的归一化数值；计算公式为：

其中，R，G，B分别为所述R通道、所述G通道和所述B通道的像素值；R_N,G_N,B_N分别为所述R通道、所述G通道和所述B通道的归一化数值；all＝R+G+B，为所述像素和。

可选的，步骤S4)中，所述对归一化图像进行色素聚类，获得色素聚类后图像，包括：根据所述R通道、所述G通道、所述B通道的像素值和所述R通道、所述G通道、所述B通道的归一化数值，获得不同颜色的判断算据；将所述不同颜色的判断算据与对应的判据预设阈值进行对比，确定不同颜色的像素聚类，获得色素聚类后图像。

可选的，所述不同颜色包括：红色、黄色、绿色、黑色和白色；所述不同颜色的像素聚类包括红色像素聚类、黄色像素聚类、绿色像素聚类、黑色像素聚类和白色像素聚类；其中，所述红色像素聚类的判断规则为：

其中，α，β，γ为红色判据预设阈值；所述黄色像素聚类的判断规则为：

其中，δ，ω，π为黄色判据预设阈值；所述绿色像素聚类的判断规则为：

其中，μ，ρ，ε为绿色判据预设阈值；所述黑色像素聚类的判断规则为：

R+G+B<ψ

其中，ψ为黑色判据预设阈值；所述白色像素聚类的判断规则为：若所述颜色判据不满足所述黄色像素聚类的判断规则、所述红色像素聚类的判断规则、所述绿色像素聚类的判断规则和所述黑色像素聚类的判断规则，则判定为白色像素聚类。

可选的，所述方法还包括：根据预设规则计算所述红色判据预设阈值α，β，γ、所述黄色判据预设阈值δ，ω，π、所述绿色判据预设阈值μ，ρ，ε和所述黑色判据预设阈值ψ；其中，所述预设规则包括：选取N张交通信号灯的场景图像，分别提取所述场景图像的R通道、G通道和B通道；其中，所述N张交通信号灯的场景图像至少包括：雾天的交通信号灯场景图像、雪天的交通信号灯场景图像和晴朗天的交通信号灯场景图像；在所述场景图像的R通道、G通道和B通道中分别进行红色像素、黄色像素和绿色像素划分；根据划分结果分别获得红色像素、黄色像素和绿色像素下，对应图像的R通道、G通道、B通道的像素值和R通道、G通道、B通道的归一化数值；根据R通道、G通道和B通道的像素值和R通道、G通道和B通道归一化数值，计算所述红色判据预设阈值α，β，γ、所述黄色判据预设阈值δ，ω，π、所述绿色判据预设阈值μ，ρ，ε和所述黑色判据预设阈值ψ。

可选的，步骤S5)中，所述根据预设图像处理算法对所述色素聚类后图像进行处理，获得处理后图像，包括：根据膨胀腐蚀技术对所述色素聚类后图像进行筛选，在所述色素聚类后图像中独立出需要识别的颜色区域，获得处理后图像。

本发明第二方面提供一种交通信号灯识别系统，所述系统包括：采集单元，用于获取交通信号灯的场景图像；处理单元，用于根据预设图像算法对所述场景图像进行预处理，获得预处理图像；将所述预处理图像在RGB色域上进行通道分解，获得R通道、G通道和B通道；对所述R通道、所述G通道和所述B通道进行归一化处理，获得归一化图像；对所述归一化图像进行色素聚类，获得色素聚类后图像；根据预设图像处理算法对所述色素聚类后图像进行处理，获得处理后图像；人机交互单元，用于在原始图像的RGB通道中分别进行红色像素、黄色像素和绿色像素划分，以及显示所述处理后图像。

可选的，所述人机交互单元包括：输入模块，用于在原始图像的RGB通道中分别进行红色像素、黄色像素和绿色像素划分；显示模块，用于显示所述处理后图像。

另一方面，本发明提供一种计算机可读储存介质，该计算机可读存储介质上储存有指令，其在计算机上运行时使得计算机执行上述的交通信号灯识别方法。

通过上述技术方案，本发明方案将采集后的信号灯场景图像进行通道分解，然后基于白天场景下对应规律进行通道归一化处理和后续的聚类处理，通过聚类结果判定当前场景中的信号灯显色结果。本发明方案是基于整理的白天规律进行的信号灯识别，使得本发明方案在复杂多变的白天场景下，进行交通信号灯的识别结果非常准确。

本发明实施方式的其它特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

附图是用来提供对本发明实施方式的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施方式，但并不构成对本发明实施方式的限制。在附图中：

图1是本发明一种实施方式提供的交通信号灯识别方法的步骤流程图；

图2是本发明一种实施方式提供的色素聚类步骤流程图；

图3是本发明一种实施方式提供的各颜色对应的判据预设阈值统计图例1；

图4是本发明一种实施方式提供的各颜色对应的判据预设阈值统计图例2；

图5是本发明一种实施方式提供的各颜色对应的判据预设阈值统计图例3；

图6是本发明一种实施方式提供的交通信号灯识别系统的系统结构图。

具体实施方式

以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。

交通信号灯识别具有很大的应用场景，从违章抓拍到智能驾驶，交通信号灯准确识别都是必不可少的。在现有的交通信号灯识别方法中，主要是在采集到交通信号灯图像后，采用传统图像处理领域的阈值处理和颜色处理，这种处理方法有一定的效果，但是针对一个相机一套算法处理白天的多种信号灯的效果还是有待提升，近两年，随着深度学习的火热，研究者们开始使用深度学习技术处理这方面的问题，但是提升效果还是有待验证。

在固定场景下，进行交通信号灯图像采集的设备相对固定，这种固定的采集设备为路口抓拍相机或智能驾驶汽车的图像采集设备，针对不同的采集相机性能，对应获得的图像信息可能存在差别，基于这种固定采集设备信号灯识别方法，目前主要存在两种方法：

1)采用传统图像处理技术，主要是通过阈值、膨胀学、顶帽等技术进行识别信号灯，该方法在一定的光照、时间段有一定的效果，但是针对白天一天的情况效果不理想，如阴雨天、反光、曝光灯情况。

2)采用深度学习技术，采用深度学习技术的信号灯识别技术同样针对白天的情况也是无法完全的适应，只是相对于传统算法，深度学习拥有更好的适应性，但是依然无法解决预设固定图像采集设备白天信号灯识别的情况。

最优选的，本发明方案正是基于白天光照条件良好的情况下，基于现有信号灯识别方法存在的弊端，提出一种适应于固定图像采集设备在白天情况下，进行交通信号灯准确识别的方法。

图6是本发明一种实施方式提供的通信号灯识别系统的系统结构图。如图6所示，本发明实施方式提供一种通信号灯识别系统，所述系统包括：采集单元，用于获取交通信号灯的场景图像；处理单元，用于根据预设图像算法对所述场景图像进行预处理，获得预处理图像；将所述预处理图像在RGB色域上进行通道分解，获得R通道、G通道和B通道；对所述R通道、所述G通道和所述B通道进行归一化处理，获得归一化图像；对所述归一化图像进行色素聚类，获得色素聚类后图像；根据预设图像处理算法对所述色素聚类后图像进行处理，获得处理后图像；人机交互单元，用于在原始图像的RGB通道中分别进行红色像素、黄色像素和绿色像素划分，以及显示所述处理后图像。

优选的，所述人机交互单元包括：输入模块，用于在原始图像的RGB通道中分别进行红色像素、黄色像素和绿色像素划分；显示模块，用于显示所述处理后图像。

图1是本发明一种实施方式提供的预设固定图像采集设备白天交通信号灯故障检测方法的方法流程图。如图1所示，本发明实施方式提供一种预设固定图像采集设备白天交通信号灯故障检测方法的方法，所述方法包括：

步骤S10：获取交通信号灯的场景图片，并根据预设图像算法进行所述场景图片预处理，获得预处理后的彩色图片。

具体的，通过预设固定图像采集设备获取交通信号灯的场景图片，并将获取的场景图片传输到处理单元。处理单元需要根据获取的场景图片判断获取图像时刻的交通信号灯实时的颜色显示，以判断图像获取时刻交通信号灯是否存在异常显示或不显示。进行交通信号灯场景图像获取时，无论是晴朗天气下可能造成的强曝光还是阴雨天气下雾气造成的视线遮挡，均会造成图像模糊。为了准确进行图像信息处理，第一步需要进行图像预处理，将大部分图像中存在的干扰信息处理掉，以便于后期进行色彩特征获取的准确性。优选的，处理单元获取采集单元采集到的交通信号灯的场景图片后，首先通过智能裁剪算法，将边缘多余的场景图像信息裁剪掉，仅保留交通信号灯即周围预设范围内的场景信息，减少场景信息干扰。然后通过过度曝光修复算法判断获取的交通信号灯的原始场景图像信息是否存在过度曝光情况，根据识别程度自动执行图像信息的曝光修复，自动执行原始图像的白平衡调整，修复强曝光区域，使得颜色显示更为明显，以便于后期进行颜色特征选取。进行图像拍摄和后期预处理过程中，均可能因为电子干扰在图像中出现噪点，这些不该出现的外来像素，极易为后续像素聚类划分带来干扰，所以在进行图像信息的后续处理之前，还需要进行图像信息的去噪处理。优选的，在处理单元中配置图像噪点过滤算法，例如均值滤波算法和中值滤波算法。以均值滤波算法为例，在需要处理的图像信息中，用几个像素灰度的平均值来代替每个像素的灰度。从而有效的抑制加性噪声，虽然这种算法会使得图像变得模糊，但是进行交通信号灯显示颜色识别仅需要识别对应区域的颜色特征，对于区域边界需求不高，即使图像相对模糊，只要能够识别颜色区域，依旧可以判断交通信号灯的实时显色类型。

在本发明实施例中，通过智能裁剪、过度曝光修复算法和图像噪声过滤算法等预处理算法对获取的交通信号灯原始图像进行预处理后，图像信息中的干扰场景因素、过度曝光的高白区域和噪点像素等大部分干扰因素均已排除。减少后续图像处理过程中干扰因素的出现概率，提高图像处理准确性。

步骤S20：进行所述预处理后的彩色图片的通道分解，获得R通道、G通道和B通道。

具体的，因为后续进行各颜色像素聚类判断时，需要利用图像信息R通道、G通道和B通道的像素值和归一化值，所以需要将预处理后的图像信息进行通道分解。将预处理后的图像信息分解并获得R通道、G通道和B通道。并在获得预处理图像信息的R通道、G通道和B通道后，分别获取在各通道下的像素值。

步骤S30：进行所述R通道、所述G通道和所述B通道的归一化处理，获得归一化后的图像信息。

具体的，在白天进行交通信号灯图像采集时，受时间的天气的影响，不同时刻、粉尘遮挡随机性、雾气随机性和云层遮光随机性等都有可能引起光线变换。因为本发明提出的预设固定图像采集设备白天交通信号灯故障检测方法需要预设对比阈值，在不同光照条件下获得原始图像信息不同，若直接进行处理，获得的判断依据也就不同，在预设阈值不变的前提下，最终的对比结果将会受到原始图像光线条件的影响。为了避免因为光线变换导致最终判断结果有误，优选的，进行像素聚类之前，需要通过归一化处理以去除因光线变换而带来的干扰。

图像的归一化处理是利用图像的不变矩寻找一组参数使其能够消除其他变换函数对图像变换的影响。也就是转换成唯一的标准形式以抵抗仿射变换。在一种可能的实施方式中，利用matlab中的premnmx、postmnmx或tramnmx算法进行图像归一化处理。归一化的具体作用是归纳统一样本的统计分布性，归一化在0-1之间是统计的概率分布。所以需要获取各个通道下的像素总和，以及分别获取各个通道下对应像素在总像素中的比例，以获得各个通道的归一化数值。根据上述规则，可以获得各用到归一化值的关系式为：

其中，R,G,B分别为R通道、G通道和B通道的像素值；R_N,G_N,B_N分别为R通道、G通道和B通道的归一化数值；all＝R+G+B为所述像素和。通过图像归一化，使得图像可以抵抗几何变换的攻击，它能够找出图像中的那些不变量，从而将不同光照条件下获得的相场景下的交通信号灯的图像信息归为一个系列，以保证进行像素聚类时左右图像信息的起点一致，则无论出于白天的任何时刻，任何天气，均能在一个标准体系下获得准确的交通信号的颜色显示信息。

步骤S40：对所述归一化后的图像信息进行色素聚类，获得色素聚类后的图像信息。

具体的，本发明拟解决的问题是在不同光照条件下、不同交通信号灯的显示亮度和不同天下均能准确识别交通信号灯的显示颜色。交通信号灯的发光存在一定区域，我们仅需要判断此区域的颜色性质，至于该区域的边界、大小和高精度色卡区分均是没有意义的。仅需要缩小颜色空间的范围，增大各个颜色之间的距离，使得各个颜色区域在图像信息中特征显示出来，这样不仅避免了颜色的互相干扰，还因为各颜色间隔明显，后期进行连通域提取的时候也提供了极大的便利。而想要实现以上目的，便需要进行图像信息的色素聚类。针对交通信号灯的显示逻辑，设置5种颜色像素聚类，即交通信号灯工作颜色红色、黄色和绿色，除了这三种工作颜色，其他颜色均为干扰色，所以为了避免其他颜色相近的场景图像对交通信号灯工作色产生干扰，还设置有黑色像素聚类的白色像素聚类。即除了工作区域的彩色显示外，其余区域均被白色或黑色填充。以此在经过色素聚类后的图像信息将交通信号灯显示的工作颜色特征显示出来。具体的，如图2，包括以下步骤：

步骤S401：获取各个颜色的判断预设阈值。

具体的，由上述规则可知，分为红色、黄色、绿色、黑色和白色共5中像素聚类，在分别进行各像素聚类判断时，需要根据经验值进行各个色素分类的判断。即分别找到各个颜色对应的判断标准，根据此标准将图像信息中所有像素信息分别归类到对应的红色、黄色、绿色、黑色或白色。则第一步便是经过适应性训练获得各颜色的标准预设值。优选的，选取多张交通信号灯的原始图像，并提取所有原始图像的RGB通道；其中，交通信号灯的原始图像至少包括：雾天的交通信号灯原始图像、雪天的交通信号灯原始图像和晴朗天的交通信号灯原始图像；在所有原始图像的RGB通道中分别进行红色像素、黄色像素和绿色像素划分；根据划分结果分别获得各颜色像素下，对应图像的R通道、G通道、B通道的像素值和R通道、G通道、B通道的归一化数值；根据获得的各通道的像素值和归一化数值统计获得各颜色对应的判据预设阈值。

在一种可能的实施方式中，为了适应各个天气条件下受到场景光照变化、光学落点变化、距离变化等因素的影响，各种天气下均选择一部分拍摄获得的交通信号灯的场景图片，共组成为500张，然后对500张原始图像进行图像提取出RGB通道。将它们特别挑选来覆盖非常不同的环境，如雾、雪、晴朗的白天或夜晚光照。然后，通过输入模块选择每张图像中的红色、黄色和绿色像素。对于每一种像素，分别获得对应的R通道、G通道、B通道的像素值和R通道、G通道、B通道的归一化数值，即R、G、B、R_N、G_N、B_N。将红色色素值的统计预设为R_px，将黄色色素值的统计预设为A_px，将绿色色素值的统计预设为G_px。根据上述规则，绘制对应的颜色统计图，具体统计图如图3、图4和图5所示。其中，下边缘横坐标对应着红、黄、绿三种聚类的对应条件；纵坐标是归一化以后的像素值；上边缘的的横坐标对应每种图片的三种色素。根据统计图显示，可以获得对应的预设值大小为：

其中，α，β，γ为红色判据预设阈值；δ，ω，π为黄色判据预设阈值；μ，ρ，ε为绿色判据预设阈值；ψ为黑色判据预设阈值。

步骤S402：进行各个颜色色素聚类。

具体的，获得各个颜色的判据预设阈值后，分别生成各颜色对应的颜色聚类判断，即在归一化图像后，对图像中各区域进行色素聚类，色素聚类规则为：

红色像素聚类

黄色像素聚类

绿色像素聚类

黑色像素聚类：R+G+B<ψ

根据上述规则，可以分别在图像中进行各个区域的色素归类，将符合上述判断规则的所有区域对应区别显示为对应的颜色。而其余不满足于上述任何一个颜色判断规则的区域，则默认为白色区域，即这些区域全部显示为白色。根据上述规则，将归一化图像分别显示为红色、黄色、绿色、黑色或白色，输出仅包含上述颜色的输出图像，作为色素聚类后的图像信息。

步骤S50：根据预设图像处理算法对所述色素聚类后图像进行处理，获得处理后图像，并基于所述处理后图像判定当前交通信号灯的亮灯颜色。

具体的，获得色素聚类后的图像信息后，图像信息显示的是一个个颜色区分的区域，这些区域仅显示对应的颜色，与原始图像存在很大的区别。且可能存在预设颜色像素聚类规则的场景色，为了将这些场景色过滤，特征显示出交通信号灯显示区域的颜色。优选的，通过膨胀腐蚀算法进行色素聚类后的图像信息处理。消除场景干扰色的细小物体，保留信号灯区域的颜色。膨胀腐蚀算法具有消除细小物体，在纤细处分离物体和平滑较大物体边界的作用。先膨胀后腐蚀的过程称为闭运算。它具有填充物体内细小空洞，连接邻近物体和平滑边界的作用。将存在毛刺的图像边缘腐蚀和图像内部或边缘的空白填色，筛选出独立且完整的信号灯颜色区域，以此进行判别。在最终图像中框选出筛选出来的信号灯颜色区域，然后将框选区域生成到最终图像上，并输出到显示模块，供相关人员进行查看。

本发明实施方式还提供一种计算机可读储存介质，该计算机可读存储介质上储存有指令，其在计算机上运行时使得计算机执行上述的预设固定图像采集设备白天交通信号灯故障检测方法。

本领域技术人员可以理解实现上述实施方式的方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得单片机、芯片或处理器(processor)执行本发明各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上结合附图详细描述了本发明的可选实施方式，但是，本发明实施方式并不限于上述实施方式中的具体细节，在本发明实施方式的技术构思范围内，可以对本发明实施方式的技术方案进行多种简单变型，这些简单变型均属于本发明实施方式的保护范围。另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明实施方式对各种可能的组合方式不再另行说明。

此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明实施方式的思想，其同样应当视为本发明实施方式所公开的内容。

Claims (10)

1.一种交通信号灯识别方法，其特征在于，所述方法包括：

S1)获取交通信号灯的场景图像，根据预设图像算法对所述场景图像进行预处理，获得预处理图像；

S2)将所述预处理图像在RGB色域上进行通道分解，获得R通道、G通道和B通道；

S3)对所述R通道、所述G通道和所述B通道进行归一化处理，获得归一化图像；

S4)对所述归一化图像进行色素聚类，获得色素聚类后图像；

S5)根据预设图像处理算法对所述色素聚类后图像进行处理，获得处理后图像，并基于所述处理后图像判定当前交通信号灯的亮灯颜色。

2.根据权利要求1所述的交通信号灯识别方法，其特征在于，步骤S1)中，所述预设图像算法至少包括：图像噪点过滤算法和过度曝光修复算法。

3.根据权利要求1所述的交通信号灯识别方法，其特征在于，步骤S2)中，所述对所述R通道、所述G通道和所述B通道进行归一化处理，获得归一化图像，包括：

获取所述R通道、所述G通道和所述B通道各自对应位置的像素值；

对所述R通道、所述G通道和所述B通道各自对应位置的像素值求和，获得像素和；

分别获取所述R通道、所述G通道和所述B通道的像素值与所述像素和之比作为归一化图像的R通道、G通道和B通道的归一化数值；计算公式为：

其中，R，G，B分别为所述R通道、所述G通道和所述B通道的像素值；

R_N,G_N,B_N分别为所述R通道、所述G通道和所述B通道的归一化数值；

all＝R+G+B，为所述像素和。

4.根据权利要求3所述的交通信号灯识别方法，其特征在于，步骤S4)中，所述对归一化图像进行色素聚类，获得色素聚类后图像，包括：

根据所述R通道、所述G通道、所述B通道的像素值和所述R通道、所述G通道、所述B通道的归一化数值，获得不同颜色的判断算据；

将所述不同颜色的判断算据与对应的判据预设阈值进行对比，确定不同颜色的像素聚类，获得色素聚类后图像。

5.根据权利要求4所述的交通信号灯识别方法，其特征在于，所述不同颜色包括：红色、黄色、绿色、黑色和白色；所述不同颜色的像素聚类包括红色像素聚类、黄色像素聚类、绿色像素聚类、黑色像素聚类和白色像素聚类；其中，

所述红色像素聚类的判断规则为：

其中，α，β，γ为红色判据预设阈值；

所述黄色像素聚类的判断规则为：

其中，δ，ω，π为黄色判据预设阈值；

所述绿色像素聚类的判断规则为：

其中，μ，ρ，ε为绿色判据预设阈值；

所述黑色像素聚类的判断规则为：

R+G+B<ψ

其中，ψ为黑色判据预设阈值；

所述白色像素聚类的判断规则为：

若所述颜色判据不满足所述黄色像素聚类的判断规则、所述红色像素聚类的判断规则、所述绿色像素聚类的判断规则和所述黑色像素聚类的判断规则，则判定为白色像素聚类。

6.根据权利要求5所述的交通信号灯识别方法，其特征在于，所述方法还包括：

根据预设规则计算所述红色判据预设阈值α，β，γ、所述黄色判据预设阈值δ，ω，π、所述绿色判据预设阈值μ，ρ，ε和所述黑色判据预设阈值ψ；其中，所述预设规则包括：

选取N张交通信号灯的场景图像，分别提取所述场景图像的R通道、G通道和B通道；其中，

所述N张交通信号灯的场景图像至少包括：雾天的交通信号灯场景图像、雪天的交通信号灯场景图像和晴朗天的交通信号灯场景图像；

在所述场景图像的R通道、G通道和B通道中分别进行红色像素、黄色像素和绿色像素划分；

根据划分结果分别获得红色像素、黄色像素和绿色像素下，对应图像的R通道、G通道、B通道的像素值和R通道、G通道、B通道的归一化数值；

根据R通道、G通道和B通道的像素值和R通道、G通道和B通道归一化数值，计算所述红色判据预设阈值α，β，γ、所述黄色判据预设阈值δ，ω，π、所述绿色判据预设阈值μ，ρ，ε和所述黑色判据预设阈值ψ。

7.根据权利要求1所述的交通信号灯识别方法，其特征在于，步骤S5)中，所述根据预设图像处理算法对所述色素聚类后图像进行处理，获得处理后图像，包括：

根据膨胀腐蚀技术对所述色素聚类后图像进行筛选，在所述色素聚类后图像中独立出需要识别的颜色区域，获得处理后图像。

8.一种交通信号灯识别系统，其特征在于，所述系统包括：

采集单元，用于获取交通信号灯的场景图像；

处理单元，用于根据预设图像算法对所述场景图像进行预处理，获得预处理图像；将所述预处理图像在RGB色域上进行通道分解，获得R通道、G通道和B通道；对所述R通道、所述G通道和所述B通道进行归一化处理，获得归一化图像；对所述归一化图像进行色素聚类，获得色素聚类后图像；根据预设图像处理算法对所述色素聚类后图像进行处理，获得处理后图像；

人机交互单元，用于在原始图像的RGB通道中分别进行红色像素、黄色像素和绿色像素划分，以及显示所述处理后图像。

9.根据权利要求8所述的交通信号灯识别系统，其特征在于，所述人机交互单元包括：

输入模块，用于在原始图像的RGB通道中分别进行红色像素、黄色像素和绿色像素划分；

显示模块，用于显示所述处理后图像。

10.一种计算机可读储存介质，该计算机可读存储介质上储存有指令，其在计算机上运行时使得计算机执行权利要求1至7中任一项权利要求所述的交通信号灯识别方法。

Images