CN115100625A - 一种信号灯状态的识别方法及系统 - Google Patents

一种信号灯状态的识别方法及系统 Download PDF

Info

Publication number
CN115100625A
CN115100625A CN202210586878.2A CN202210586878A CN115100625A CN 115100625 A CN115100625 A CN 115100625A CN 202210586878 A CN202210586878 A CN 202210586878A CN 115100625 A CN115100625 A CN 115100625A
Authority
CN
China
Prior art keywords
signal lamp
state area
area
image
lamp state
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
CN202210586878.2A
Other languages
English (en)
Inventor
杨云飞
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.)
Beijing Itarge Technology Co ltd
Original Assignee
Beijing Itarge 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 Beijing Itarge Technology Co ltd filed Critical Beijing Itarge Technology Co ltd
Priority to CN202210586878.2A priority Critical patent/CN115100625A/zh
Publication of CN115100625A publication Critical patent/CN115100625A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/273—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion removing elements interfering with the pattern to be recognised
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • 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
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G06V10/422—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation for representing the structure of the pattern or shape of an object therefor
    • 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
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/63—Scene text, e.g. street names

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种信号灯状态的识别方法及系统，本申请通过先转换成二值图像，以此来确定信号灯状态区域，根据剩余区域得到信号灯剩余信息，能准确识别方向、时间、种类等信息。对原始信号图像中的灯状态区域进行分析，确保图像资质可以进行颜色匹配，提高了识别的准确性。若亮度不够时，根据拍摄该照片时的外界亮度条件，对原始图片进行修正，以此来保证原始图像的亮度满足要求。对第一信号灯状态区域、第二信号灯状态区域、第三信号灯状态区域进行颜色匹配，因只需要对三个区域进行红、黄、绿的颜色匹配，颜色匹配准确度大大提高。因本申请只涉及了二值图像，信号灯识别效率较高，处理时间较快。

Description

一种信号灯状态的识别方法及系统
技术领域
本申请涉及信号灯识别技术领域，更具体地，涉及一种信号灯状态的识别方法及系统。
背景技术
现有信号灯状态检测技术中，大多通过单片机或图像来识别信号灯状态，单片机容易受到外界信号干扰，特别是在车、人流量较多的道路上，识别准确度较低。图像识别往往通过颜色和亮度来识别信号灯状态，但是拍摄图像时容易受到外界条件干扰，导致其颜色不易区分，识别准确度较低。且，大多数图像识别技术中，仅仅看了红绿黄灯的状态，并没有识别信号灯中方向、机动车、非机动车、行人状态，特别是信号灯的时间倒计时，同样不能识别。
因此，如何提高信号灯状态识别的准确性，是目前有待解决的技术问题。
发明内容
本发明提供一种信号灯状态的识别方法，用以解决现有技术中信号灯识别准确性低的技术问题。该方法包括：
获取若干种原始信号灯图像，所述原始信号灯图像至少包括红色信号灯图像、黄色信号灯图像和绿色信号灯图像；
将所述信号灯图像转换成二值图像，根据信号灯亮起时的形状在所述二值图像中确定信号灯状态区域，将所述二值图像中所述信号灯状态区域去除，生成信号灯剩余区域，基于所述信号灯剩余区域得到信号灯剩余信息；
对所述原始信号灯图像中的所述信号灯状态区域分析，判断所述信号灯状态区域是否满足预设要求；
满足后，对所述原始信号灯图像中的所述信号灯状态区域进行颜色匹配，基于匹配结果确定所述原始信号灯图像的指示状态信息；
其中，所述信号灯状态区域包括第一信号灯状态区域、第二信号灯状态区域和第三信号灯状态区域，所述第一信号灯状态区域、所述第二信号灯状态区域、所述第三信号灯状态区域在信号灯上从上到下或从左到右依次排列，所述信号灯状态区域对应红色指示灯或黄色指示灯或绿色指示灯。
本申请一些实施例中，根据信号灯亮起时的形状在所述二值图像中确定信号灯状态区域，具体为：
若信号灯亮起时的形状为圆形，则在所述二值图像中相同标记像素点呈现圆形的区域为信号灯状态区域；
若信号灯亮起时的形状为方形，则在所述二值图像中相同标记像素点呈现方形的区域为信号灯状态区域。
本申请一些实施例中，基于所述信号灯剩余区域得到信号灯剩余信息，具体为：
根据在所述二值图像中所述信号灯剩余区域内相同标记像素点呈现的形状，得到信号灯倒计时信息、信号灯种类信息和信号灯指示方向信息。
本申请一些实施例中，所述预设要求包括信号灯状态区域内亮度不超过亮度阈值、信号灯状态区域内对比度不超过对比度阈值、信号灯状态区域内色彩不失真。
本申请一些实施例中，所述方法还包括：
若信号灯状态区域内亮度超过亮度阈值，则获取拍摄该原始信号灯图像时刻的外界亮度信息，基于所述外界亮度信息对所述信号灯状态区域进行修正，使其亮度不超过亮度阈值。
对应的，本申请还提供了一种信号灯状态的识别系统，该系统包括：
获取模块，用于获取若干种原始信号灯图像，所述原始信号灯图像至少包括红色信号灯图像、黄色信号灯图像和绿色信号灯图像；
转换模块，用于将所述信号灯图像转换成二值图像，根据信号灯亮起时的形状在所述二值图像中确定信号灯状态区域，将所述二值图像中所述信号灯状态区域去除，生成信号灯剩余区域，基于所述信号灯剩余区域得到信号灯剩余信息；
校验模块，用于对所述原始信号灯图像中的所述信号灯状态区域分析，判断所述信号灯状态区域是否满足预设要求；
匹配模块，用于满足后，对所述原始信号灯图像中的所述信号灯状态区域进行颜色匹配，基于匹配结果确定所述原始信号灯图像的指示状态信息；
其中，所述信号灯状态区域包括第一信号灯状态区域、第二信号灯状态区域和第三信号灯状态区域，所述第一信号灯状态区域、所述第二信号灯状态区域、所述第三信号灯状态区域在信号灯上从上到下或从左到右依次排列，所述信号灯状态区域对应红色指示灯或黄色指示灯或绿色指示灯。
本申请一些实施例中，所述转换模块，具体用于：
若信号灯亮起时的形状为圆形，则在所述二值图像中相同标记像素点呈现圆形的区域为信号灯状态区域；
若信号灯亮起时的形状为方形，则在所述二值图像中相同标记像素点呈现方形的区域为信号灯状态区域。
本申请一些实施例中，所述转换模块，还具体用于：
根据在所述二值图像中所述信号灯剩余区域内相同标记像素点呈现的形状，得到信号灯倒计时信息、信号灯种类信息和信号灯指示方向信息。
本申请一些实施例中，所述校验模块，具体用于：
所述预设要求包括信号灯状态区域内亮度不超过亮度阈值、信号灯状态区域内对比度不超过对比度阈值、信号灯状态区域内色彩不失真。
本申请一些实施例中，所述系统还包括修正模块，所述修正模块用于：
若信号灯状态区域内亮度超过亮度阈值，则获取拍摄该原始信号灯图像时刻的外界亮度信息，基于所述外界亮度信息对所述信号灯状态区域进行修正，使其亮度不超过亮度阈值。
通过应用以上技术方案，该方法包括，获取若干种原始信号灯图像，所述原始信号灯图像至少包括红色信号灯图像、黄色信号灯图像和绿色信号灯图像；将所述信号灯图像转换成二值图像，根据信号灯亮起时的形状在所述二值图像中确定信号灯状态区域，将所述二值图像中所述信号灯状态区域去除，生成信号灯剩余区域，基于所述信号灯剩余区域得到信号灯剩余信息；对所述原始信号灯图像中的所述信号灯状态区域分析，判断所述信号灯状态区域是否满足预设要求；满足后，对所述原始信号灯图像中的所述信号灯状态区域进行颜色匹配，基于匹配结果确定所述原始信号灯图像的指示状态信息。本申请通过先转换成二值图像，以此来确定信号灯状态区域，根据剩余区域得到信号灯剩余信息，能准确识别方向、时间、种类等信息。对原始信号图像中的灯状态区域进行分析，确保图像资质可以进行颜色匹配，提高了识别的准确性。若亮度不够时，根据拍摄该照片时的外界亮度条件，对原始图片进行修正，以此来保证原始图像的亮度满足要求。对第一信号灯状态区域、第二信号灯状态区域、第三信号灯状态区域进行颜色匹配，因只需要对三个区域进行红、黄、绿的颜色匹配，颜色匹配准确度大大提高。因本申请只涉及了二值图像，信号灯识别效率较高，处理时间较快。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出了本发明实施例提出的一种信号灯状态的识别方法的流程示意图；
图2示出了本发明实施例提出的一种信号灯状态的识别系统的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请实施例提供一种信号灯状态的识别方法，如图1所示，该方法包括以下步骤：
步骤S101，获取若干种原始信号灯图像，所述原始信号灯图像至少包括红色信号灯图像、黄色信号灯图像和绿色信号灯图像；原始信号灯图像为正常手机或拍摄设备拍摄得到的彩色图像。
步骤S102，将所述信号灯图像转换成二值图像，根据信号灯亮起时的形状在所述二值图像中确定信号灯状态区域，将所述二值图像中所述信号灯状态区域去除，生成信号灯剩余区域，基于所述信号灯剩余区域得到信号灯剩余信息；
本实施例中，所述信号灯状态区域包括第一信号灯状态区域、第二信号灯状态区域和第三信号灯状态区域，所述第一信号灯状态区域、所述第二信号灯状态区域、所述第三信号灯状态区域在信号灯上从上到下或从左到右依次排列，所述信号灯状态区域对应红色指示灯或黄色指示灯或绿色指示灯，因为信号灯中红、黄、绿只有一个灯亮可以亮，所以一个原始信号灯图像只能有一个状态灯亮，所以需要采集多个原始信号灯图像，将红、黄、绿三个信号灯的位置均进行颜色匹配。
步骤S103，对所述原始信号灯图像中的所述信号灯状态区域分析，判断所述信号灯状态区域是否满足预设要求；
步骤S104，满足后，对所述原始信号灯图像中的所述信号灯状态区域进行颜色匹配，基于匹配结果确定所述原始信号灯图像的指示状态信息。
本实施例中，聚类（Cluster）分析是由若干模式（Pattern）组成的，通常，模式是一个度量（Measurement）的向量，或者是多维空间中的一个点。采用聚类分析法，对信号灯状态区域内的像素点进行聚类，聚类时，将颜色信息作为聚类标准，使具有相同颜色信息的像素点组成一个类别，根据第一信号灯状态区域、第二信号灯状态区域和第三信号灯状态区域位置，将所得到的每类颜色信息与交通信号灯指示时可能存在的颜色信息进行匹配，第一信号灯状态区域、第二信号灯状态区域和第三信号灯状态区域只能各自对应一个不同颜色状态灯。交通信号灯指示时可能存在的颜色信息即红色、黄色和绿色。再依据得到交通信号灯状态色确定当前信号灯指示状态。比如，看到红灯要立即停车，绿灯正常通行，黄灯闪烁时观察路况，不适合通行时就要停下来等待，合适则前行。
本申请一些实施例中，根据信号灯亮起时的形状在所述二值图像中确定信号灯状态区域，具体为：
若信号灯亮起时的形状为圆形，则在所述二值图像中相同标记像素点呈现圆形的区域为信号灯状态区域，大多数交通信号灯均采用圆形状态灯；
若信号灯亮起时的形状为方形，则在所述二值图像中相同标记像素点呈现方形的区域为信号灯状态区域。
本实施例中，基于各地交通信号灯亮起时不同的形状，判断二值图像中相同标记像素点呈现的形状是否跟信号灯亮起时形状相同。若两者形状相同，则该相同标记像素点位置为信号灯状态区域。在二值图像（Binary Image）是指将图像上的每一个像素只有两种可能的取值或灰度等级状态，人们经常用黑白、B&W、单色图像表示二值图像。二值图像在计算机中只有两个值，0或1，像素值超过超过预设阈值的则为1，未超过的为0。1或0均为相同标记，以此来识别信号灯状态区域。
可以理解的是，信号灯亮起时的形状并不局限于上述的圆形和方形，这是为了配合各种形状的信号灯状态，本领域技术人员可以在核心点做适应拓展，这均属于本申请的保护范围之内。
本申请一些实施例中，基于所述信号灯剩余区域得到信号灯剩余信息，具体为：
根据在所述二值图像中所述信号灯剩余区域内相同标记像素点呈现的形状，得到信号灯倒计时信息、信号灯种类信息和信号灯指示方向信息。
本实施例中，根据在所述二值图像中所述信号灯剩余区域内相同标记像素点呈现的形状，得到信号灯倒计时信息、信号灯种类信息和信号灯指示方向信息，比如，二值图像中，全是1组成的图像为车辆，则该信号灯为机动车信号灯。全是1组成的图像为向左箭头，则该信号灯为左转方向。全是1组成的图像为15，则为该信号灯指示倒计时15秒。
本申请一些实施例中，所述预设要求包括信号灯状态区域内亮度不超过亮度阈值、信号灯状态区域内对比度不超过对比度阈值、信号灯状态区域内色彩不失真。
本实施例中，若信号灯状态区域内对比度不超过对比度阈值、信号灯状态区域内色彩不失真，则采用ps技术对图像进行色彩度和对比度调整，使其满足预设要求。所述预设要求包括信号灯状态区域内亮度不超过亮度阈值、信号灯状态区域内对比度不超过对比度阈值、信号灯状态区域内色彩不失真，三者条件均满足时，所述信号灯状态区域满足预设要求。
可以理解的是，上述各种阈值可以根据实际需要进行调整或改变，这均属于本申请的保护范围。
本申请一些实施例中，所述方法还包括：
若信号灯状态区域内亮度超过亮度阈值，则获取拍摄该原始信号灯图像时刻的外界亮度信息，基于所述外界亮度信息对所述信号灯状态区域进行修正，使其亮度不超过亮度阈值。
本实施例中，在获取若干种原始信号灯图像时，采集当时拍摄的外界亮度信息，若信号灯状态区域内亮度超过亮度阈值，则获取拍摄该原始信号灯图像时刻的外界亮度信息，基于所述外界亮度信息对所述信号灯状态区域进行修正，使其亮度不超过亮度阈值。
通过应用以上技术方案，该方法包括，获取若干种原始信号灯图像，所述原始信号灯图像至少包括红色信号灯图像、黄色信号灯图像和绿色信号灯图像；将所述信号灯图像转换成二值图像，根据信号灯亮起时的形状在所述二值图像中确定信号灯状态区域，将所述二值图像中所述信号灯状态区域去除，生成信号灯剩余区域，基于所述信号灯剩余区域得到信号灯剩余信息；对所述原始信号灯图像中的所述信号灯状态区域分析，判断所述信号灯状态区域是否满足预设要求；满足后，对所述原始信号灯图像中的所述信号灯状态区域进行颜色匹配，基于匹配结果确定所述原始信号灯图像的指示状态信息。本申请通过先转换成二值图像，以此来确定信号灯状态区域，根据剩余区域得到信号灯剩余信息，能准确识别方向、时间、种类等信息。对原始信号图像中的灯状态区域进行分析，确保图像资质可以进行颜色匹配，提高了识别的准确性。若亮度不够时，根据拍摄该照片时的外界亮度条件，对原始图片进行修正，以此来保证原始图像的亮度满足要求。对第一信号灯状态区域、第二信号灯状态区域、第三信号灯状态区域进行颜色匹配，因只需要对三个区域进行红、黄、绿的颜色匹配，颜色匹配准确度大大提高。因本申请只涉及了二值图像，信号灯识别效率较高，处理时间较快。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明可以通过硬件实现，也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质（可以是CD-ROM，U盘，移动硬盘等）中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施场景所述的方法。
为了进一步阐述本发明的技术思想，现结合具体的应用场景，对本发明的技术方案进行说明。
本申请除了上述方法外，还有一些额外手段，来使信号灯识别效果更佳。
在步骤S101之后，可以对原始信号灯图像进行去除，通过深度学习模型来除掉信号灯系统以外的干扰内容，仅仅留下信号灯相关内容。
在步骤S104之后，即确定所述原始信号灯图像的指示状态信息后，可以通过采集原始信号灯当时的波长来加以验证，若状态灯为红灯，波长应在605-700nm，若状态灯为黄灯，波长应在560-580，若状态灯为绿灯，波长应在490-560。符合各项波长，则说明确定所述原始信号灯图像的指示状态信息正确。
其余步骤同上述步骤相同。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明可以通过硬件实现，也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质（可以是CD-ROM，U盘，移动硬盘等）中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施场景所述的方法。
对应的，本申请还提供了一种信号灯状态的识别系统，如图2所示，该系统包括：
获取模块201，用于获取若干种原始信号灯图像，所述原始信号灯图像至少包括红色信号灯图像、黄色信号灯图像和绿色信号灯图像；
转换模块202，用于将所述信号灯图像转换成二值图像，根据信号灯亮起时的形状在所述二值图像中确定信号灯状态区域，将所述二值图像中所述信号灯状态区域去除，生成信号灯剩余区域，基于所述信号灯剩余区域得到信号灯剩余信息；
校验模块203，用于对所述原始信号灯图像中的所述信号灯状态区域分析，判断所述信号灯状态区域是否满足预设要求；
匹配模块204，用于满足后，对所述原始信号灯图像中的所述信号灯状态区域进行颜色匹配，基于匹配结果确定所述原始信号灯图像的指示状态信息；
其中，所述信号灯状态区域包括第一信号灯状态区域、第二信号灯状态区域和第三信号灯状态区域，所述第一信号灯状态区域、所述第二信号灯状态区域、所述第三信号灯状态区域在信号灯上从上到下或从左到右依次排列，所述信号灯状态区域对应红色指示灯或黄色指示灯或绿色指示灯。
本申请一些实施例中，所述转换模块，具体用于：
若信号灯亮起时的形状为圆形，则在所述二值图像中相同标记像素点呈现圆形的区域为信号灯状态区域；
若信号灯亮起时的形状为方形，则在所述二值图像中相同标记像素点呈现方形的区域为信号灯状态区域。
本申请一些实施例中，所述转换模块，还具体用于：
根据在所述二值图像中所述信号灯剩余区域内相同标记像素点呈现的形状，得到信号灯倒计时信息、信号灯种类信息和信号灯指示方向信息。
本申请一些实施例中，所述校验模块，具体用于：
所述预设要求包括信号灯状态区域内亮度不超过亮度阈值、信号灯状态区域内对比度不超过对比度阈值、信号灯状态区域内色彩不失真。
本申请一些实施例中，所述系统还包括修正模块，所述修正模块用于：
若信号灯状态区域内亮度超过亮度阈值，则获取拍摄该原始信号灯图像时刻的外界亮度信息，基于所述外界亮度信息对所述信号灯状态区域进行修正，使其亮度不超过亮度阈值。
本领域技术人员可以理解实施场景中的系统中的模块可以按照实施场景描述进行分布于实施场景的系统中，也可以进行相应变化位于不同于本实施场景的一个或多个系统中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不驱使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (10)

1.一种信号灯状态的识别方法，其特征在于，包括：
获取若干种原始信号灯图像，所述原始信号灯图像至少包括红色信号灯图像、黄色信号灯图像和绿色信号灯图像；
将所述信号灯图像转换成二值图像，根据信号灯亮起时的形状在所述二值图像中确定信号灯状态区域，将所述二值图像中所述信号灯状态区域去除，生成信号灯剩余区域，基于所述信号灯剩余区域得到信号灯剩余信息；
对所述原始信号灯图像中的所述信号灯状态区域分析，判断所述信号灯状态区域是否满足预设要求；
满足后，对所述原始信号灯图像中的所述信号灯状态区域进行颜色匹配，基于匹配结果确定所述原始信号灯图像的指示状态信息；
其中，所述信号灯状态区域包括第一信号灯状态区域、第二信号灯状态区域和第三信号灯状态区域，所述第一信号灯状态区域、所述第二信号灯状态区域、所述第三信号灯状态区域在信号灯上从上到下或从左到右依次排列，所述信号灯状态区域对应红色指示灯或黄色指示灯或绿色指示灯。
2.如权利要求1所述的方法，其特征在于，根据信号灯亮起时的形状在所述二值图像中确定信号灯状态区域，具体为：
若信号灯亮起时的形状为圆形，则在所述二值图像中相同标记像素点呈现圆形的区域为信号灯状态区域；
若信号灯亮起时的形状为方形，则在所述二值图像中相同标记像素点呈现方形的区域为信号灯状态区域。
3.如权利要求2所述的方法，其特征在于，基于所述信号灯剩余区域得到信号灯剩余信息，具体为：
根据在所述二值图像中所述信号灯剩余区域内相同标记像素点呈现的形状，得到信号灯倒计时信息、信号灯种类信息和信号灯指示方向信息。
4.如权利要求1所述的方法，其特征在于，所述预设要求包括信号灯状态区域内亮度不超过亮度阈值、信号灯状态区域内对比度不超过对比度阈值、信号灯状态区域内色彩不失真。
5.如权利要求4所述的方法，其特征在于，所述方法还包括：
若信号灯状态区域内亮度超过亮度阈值，则获取拍摄该原始信号灯图像时刻的外界亮度信息，基于所述外界亮度信息对所述信号灯状态区域进行修正，使其亮度不超过亮度阈值。
6.一种信号灯状态的识别系统，其特征在于，包括：
获取模块，用于获取若干种原始信号灯图像，所述原始信号灯图像至少包括红色信号灯图像、黄色信号灯图像和绿色信号灯图像；
转换模块，用于将所述信号灯图像转换成二值图像，根据信号灯亮起时的形状在所述二值图像中确定信号灯状态区域，将所述二值图像中所述信号灯状态区域去除，生成信号灯剩余区域，基于所述信号灯剩余区域得到信号灯剩余信息；
校验模块，用于对所述原始信号灯图像中的所述信号灯状态区域分析，判断所述信号灯状态区域是否满足预设要求；
匹配模块，用于满足后，对所述原始信号灯图像中的所述信号灯状态区域进行颜色匹配，基于匹配结果确定所述原始信号灯图像的指示状态信息；
其中，所述信号灯状态区域包括第一信号灯状态区域、第二信号灯状态区域和第三信号灯状态区域，所述第一信号灯状态区域、所述第二信号灯状态区域、所述第三信号灯状态区域在信号灯上从上到下或从左到右依次排列，所述信号灯状态区域对应红色指示灯或黄色指示灯或绿色指示灯。
7.如权利要求6所述的系统，其特征在于，所述转换模块，具体用于：
若信号灯亮起时的形状为圆形，则在所述二值图像中相同标记像素点呈现圆形的区域为信号灯状态区域；
若信号灯亮起时的形状为方形，则在所述二值图像中相同标记像素点呈现方形的区域为信号灯状态区域。
8.如权利要求7所述的系统，其特征在于，所述转换模块，还具体用于：
根据在所述二值图像中所述信号灯剩余区域内相同标记像素点呈现的形状，得到信号灯倒计时信息、信号灯种类信息和信号灯指示方向信息。
9.如权利要求6所述的系统，其特征在于，所述校验模块，具体用于：
所述预设要求包括信号灯状态区域内亮度不超过亮度阈值、信号灯状态区域内对比度不超过对比度阈值、信号灯状态区域内色彩不失真。
10.如权利要求9所述的系统，其特征在于，所述系统还包括修正模块，所述修正模块用于：
若信号灯状态区域内亮度超过亮度阈值，则获取拍摄该原始信号灯图像时刻的外界亮度信息，基于所述外界亮度信息对所述信号灯状态区域进行修正，使其亮度不超过亮度阈值。
CN202210586878.2A 2022-05-27 2022-05-27 一种信号灯状态的识别方法及系统 Pending CN115100625A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210586878.2A CN115100625A (zh) 2022-05-27 2022-05-27 一种信号灯状态的识别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210586878.2A CN115100625A (zh) 2022-05-27 2022-05-27 一种信号灯状态的识别方法及系统

Publications (1)

Publication Number Publication Date
CN115100625A true CN115100625A (zh) 2022-09-23

Family

ID=83289523

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210586878.2A Pending CN115100625A (zh) 2022-05-27 2022-05-27 一种信号灯状态的识别方法及系统

Country Status (1)

Country Link
CN (1) CN115100625A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116152784A (zh) * 2023-04-21 2023-05-23 深圳市夜行人科技有限公司 一种基于图像处理的信号灯预警方法及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116152784A (zh) * 2023-04-21 2023-05-23 深圳市夜行人科技有限公司 一种基于图像处理的信号灯预警方法及系统

Similar Documents

Publication Publication Date Title
CN108364010B (zh) 一种车牌识别方法、装置、设备及计算机可读存储介质
CN105160924B (zh) 基于视频处理的智能信号灯状态检测方法及检测系统
CN104616021B (zh) 交通标志图像处理方法及装置
CN111062396A (zh) 车牌号码识别方法、装置、电子设备及存储介质
CN103345766A (zh) 一种信号灯识别方法及装置
CN109325531A (zh) 基于图像的车辆定损方法、装置、设备及存储介质
CN111931726B (zh) 交通灯检测的方法、装置、计算机存储介质和路侧设备
KR20150039367A (ko) 차량번호 인식 시스템
CN111723805B (zh) 一种信号灯的前景区域识别方法及相关装置
CN111582272A (zh) 双行车牌识别方法、装置、设备及计算机可读存储介质
CN104778833A (zh) 识别交通信号灯的方法
CN110909598A (zh) 一种基于深度学习的非机动车道交通违法行驶识别方法
US20240013453A1 (en) Image generation method and apparatus, and storage medium
CN115100625A (zh) 一种信号灯状态的识别方法及系统
JP5691588B2 (ja) 車両認識装置、車両認識方法および車両認識プログラム
CN108205670B (zh) 一种车牌识别方法及装置
CN109784317B (zh) 一种交通信号灯的识别方法及装置
JP2006235752A (ja) オブジェクト認識装置及びその制御方法、並びに、コンピュータプログラム及びコンピュータ可読記憶媒体
CN102842025B (zh) 视频图像的检测场景判断方法及装置
CN117237907A (zh) 交通信号灯识别方法、装置、存储介质及电子设备
Deb et al. Vehicle license plate detection algorithm based on color space and geometrical properties
CN114463731A (zh) 一种车牌定位与识别方法及装置
CN114821078A (zh) 一种车牌识别方法、装置、电子设备及存储介质
CN112164221A (zh) 图像数据挖掘方法、装置、设备及路侧设备
CN116152784B (zh) 一种基于图像处理的信号灯预警方法及系统

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