CN115690441A - 交通信号灯区域检测方法、装置及设备 - Google Patents
交通信号灯区域检测方法、装置及设备 Download PDFInfo
- Publication number
- CN115690441A CN115690441A CN202110826895.4A CN202110826895A CN115690441A CN 115690441 A CN115690441 A CN 115690441A CN 202110826895 A CN202110826895 A CN 202110826895A CN 115690441 A CN115690441 A CN 115690441A
- Authority
- CN
- China
- Prior art keywords
- traffic signal
- signal lamp
- area
- detected
- candidate
- 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
- Image Analysis (AREA)
Abstract
本申请提供一种交通信号灯区域检测方法、装置及设备,该方法包括:对待检测视频图像帧进行显著性检测处理,得到显著图;依据预设分割阈值,对所述显著图进行分割,得到二值化图像;依据交通信号灯的先验特征信息,确定所述二值化图像中的候选交通信号灯区域;依据预设数量的待检测视频图像中各候选交通信号灯区域出现的次数和/或频次,从所述候选交通信号灯区域中确定交通信号灯区域。该方法可以提高交通信号灯检测的准确性。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种交通信号灯区域检测方法、装置及设备。
背景技术
在道路监控场景中,交通信号灯区域的检测是一个很重要的应用。当前,对于交通信号灯的检测基本都是基于颜色信息和形状实现的,即先通过颜色的阈值分割大致确定初步位置,再利用一些交通信号灯的特征来筛选这些区域,最终得到检测区域。
然而,在实际监控场景中,往往会出现曝光不佳的情况,从而导致了在视频图像中交通信号灯的颜色并非完全对应其真实的颜色(例如,红色可能会泛黄,绿色可能会泛白等,尤其是在夜晚产生光晕时几乎无法判断其真实颜色),仅利用颜色信息很难在这种情况下精确定位出交通信号灯的区域。此外,传统交通信号灯区域检测方案对于交通信号灯的检测常常局限于圆形的信号灯,但在实际场景中往往会出现其他形状的信号灯(例如,人行道信号灯可能是一个人形,车行道信号灯上可能会有提示文字等,尤其是在夜晚产生光晕时几乎无法判断其真实形状),这些信号灯无法基于形状特征进行检测。
发明内容
有鉴于此,本申请提供一种交通信号灯区域检测方法、装置及设备。
具体地,本申请是通过如下技术方案实现的:
根据本申请实施例的第一方面,提供一种交通信号灯区域检测方法,包括:
对待检测视频图像帧进行显著性检测处理,得到显著图;
依据预设分割阈值,对所述显著图进行分割,得到二值化图像;
依据交通信号灯的先验特征信息,确定所述二值化图像中的候选交通信号灯区域;所述交通信号灯的先验特征信息为对所述待检测视频图像进行处理之前已确定的所述交通信号灯的特征信息;
依据预设数量的待检测视频图像中各候选交通信号灯区域出现的次数和/或频次,从所述候选交通信号灯区域中确定交通信号灯区域。
根据本申请实施例的第二方面,提供一种处理单元,用于对待检测视频图像帧进行显著性检测处理,得到显著图;
分割单元,用于依据预设分割阈值,对所述显著图进行分割,得到二值化图像;
第一确定单元,用于依据交通信号灯的先验特征信息,确定所述二值化图像中的候选交通信号灯区域;所述交通信号灯的先验特征信息为对所述待检测视频图像进行处理之前已确定的所述交通信号灯的特征信息;
第二确定单元,用于依据预设数量的待检测视频图像中各候选交通信号灯区域出现的次数和/或频次,从所述候选交通信号灯区域中确定交通信号灯区域。
根据本申请实施例的第三方面,提供一种电子设备,包括处理器和机器可读存储介质,所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令,所述处理器用于执行机器可执行指令,以实现上述交通信号灯区域检测方法。
根据本申请实施例的第四方面,提供一种机器可读存储介质,所述机器可读存储介质内存储有机器可执行指令,所述机器可执行指令被处理器执行时实现上述交通信号灯区域检测方法。
本申请实施例的交通信号灯区域检测方法,对待检测视频图像帧进行显著性检测处理,得到显著图;依据预设分割阈值,对显著图进行分割,得到二值化图像;依据交通信号灯的先验特征信息,确定二值化图像中的候选交通信号灯区域;依据预设数量的待检测视频图像中各候选交通信号灯区域出现的次数和/或频次,从候选交通信号灯区域中确定交通信号灯区域,通过利用交通信号灯的显著性特征进行交通信号灯区域的检测,避免实际监控场景在曝光不佳的情况下无法利用颜色和形状准确检测交通信号灯区域的缺陷,提高了交通信号灯检测的准确性。
附图说明
图1为本申请一示例性实施例示出的一种交通信号灯区域检测方法的流程示意图;
图2为本申请一示例性实施例示出的一种交通信号灯区域检测方案的总体系统框图;
图3为本申请一示例性实施例示出的一种交通信号灯区域检测装置的结构示意图;
图4为本申请一示例性实施例示出的一种电子设备的硬件结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
为了使本领域技术人员更好地理解本申请实施例提供的技术方案,并使本申请实施例的上述目的、特征和优点能够更加明显易懂,下面结合附图对本申请实施例中技术方案作进一步详细的说明。
请参见图1,为本申请实施例提供的一种交通信号灯区域检测方法的流程示意图,如图1所示,该交通信号灯区域检测方法可以包括以下步骤:
步骤S100、对待检测视频图像帧进行显著性检测处理,得到显著图。
本申请实施例中,待检测视频图像帧可以包括需要进行交通信号灯区域检测的视频数据中的任一视频图像帧,或者,对需要进行交通信号灯区域检测的视频数据进行采样得到的采样图像帧。
例如,上述视频数据可以为部署有交通信号灯的路口的监控前端设备的视频数据。
本申请实施例中,考虑到交通信号灯往往与周边存在显著差异,为了准确地实现交通信号灯区域检测,可以对待检测视频图像帧进行显著性检测处理,得到显著性特征图(可以简称为显著图)。示例性的,针对交通信号灯,在显著图中显示的显著性目标为亮灯状态的信号灯(如红灯、绿灯或黄灯等信号灯)。
示例性的,可以利用主流的显著性检测算法,如Yun Zhai等人提出的LC算法、由Ming-Ming Cheng提出的HC算法、由Radhakrishna Achantay等人提出的FT算法和AC算法等,对待检测视频图像帧进行显著性检测处理。
步骤S110、依据预设分割阈值,对显著图进行分割,得到二值化图像。
本申请实施例中,考虑到显著图除了交通信号灯之外,可能还会存在其它显著性目标(如与周围环境颜色差别较明显的目标),如橙色或红色的房顶、孤立的小树等。
同时,考虑到不同显著性目标的显著性程度可能不同,而交通信号灯的显著性程度一般会较高,因此,可以通过设定一个像素阈值(本文中称为分割阈值),依据该分割阈值对显著图进行分割,将显著图中显著性目标进行筛选。
示例性的,对于步骤S100中得到的显著图,可以依据预设分割阈值,对该显著图进行分割,得到二值化图像。
示例性的,可以依据该预设分割阈值,将显著图中像素值大于该分割阈值的像素位置的像素值,以及像素值小于该分割阈值的像素位置的像素值分别设置为不同的像素值,得到二值化图像。
例如,可以将显著图中像素值小于预设分割阈值的像素位置的像素值设置为第一像素值,如0,并将显著图中像素值大于预设分割阈值的像素位置的像素值设置为第二像素值,如255。
需要说明的是,对于显著图中像素值等于预设分割阈值的像素位置,可以将其像素值设置为第一像素值,或者,可以将其像素值设置为第二像素值。
步骤S120、依据交通信号灯的先验特征信息,确定二值化图像中的候选交通信号灯区域。
本申请实施例中,考虑到交通信号灯区域在视频图像帧中是存在特定先验特征信息的。
示例性的,交通信号灯的先验特征信息为对待检测视频图像进行处理之前已确定的所述交通信号灯的特征信息,可以用于对图像中的候选交通信号灯区域进行筛选,即图像(如二值化图像)中的候选交通信号灯区域需要满足交通信号灯的先验特征信息,对于不满足交通信号灯的先验特征信息的区域,可以将其作为非候选交通信号灯区域进行筛除。
例如,交通信号灯区域通常会在视频图像帧的上半部分,交通信号灯区域的尺寸也通常会在一定的尺寸范围内,不会过大或过小。
因而,为了提高交通信号灯区域检测的准确性和效率,可以依据交通信号灯的先验特征信息,对二值化图像中不满足先验特征信息要求的区域进行筛除,得到二值化图像中的候选交通信号灯区域。
步骤S130、依据预设数量的待检测视频图像中各候选交通信号灯区域出现的次数和/或频次,从候选交通信号灯区域中确定交通信号灯区域。
本申请实施例中,考虑到交通信号灯通常是规律性在红灯、黄灯以及绿灯等状态切换,因此,在待检测视频图像帧中检测到的交通信号灯区域的出现次数以及出现频次均存在一定的规律。
相应地,可以依据待检测视频图像中交通信号灯区域出现的次数和/或频次的规律,对候选交通信号灯区域进行筛选。
示例性的,当按照步骤S100~S120中描述的方式确定了候选交通信号灯区域时,可以依据预设数量的待检测视频图像中各候选交通信号灯区域出现的次数和/或频次,从候选交通信号灯区域中确定交通信号灯区域。
示例性的,可以依据预设信号灯的保持时间(如保持红灯的时间、保持黄灯的时间以及保持绿灯的时间)以及连续的待检测视频图像帧之间的时间间隔,确定预设数量的待检测视频图像中各候选交通信号灯区域出现的次数和/或频次是否满足要求。
可见,在图1所示方法流程中,通过利用交通信号灯的显著性特征进行交通信号灯区域的检测,避免实际监控场景在曝光不佳的情况下无法利用颜色和形状准确检测交通信号灯区域的缺陷,提高了交通信号灯检测的准确性。
在一些实施例中,步骤S120中,依据交通信号灯的先验特征信息,确定二值化图像中的候选交通信号灯区域,可以包括:
将二值化图像中,与先验特征信息匹配的第二区域,确定为候选交通信号灯区域;其中,第二区域内各像素位置的像素值为第二像素值。
示例性的,交通信号灯区域的先验特征信息可以包括:
先验位置信息和/或先验尺寸信息。
示例性的,当按照步骤S100~S110中描述方式得到二值化图像时,对于二值化图像中像素值为第二像素值(如255)的区域(本文中称为第二区域),可以依据各第二区域的位置信息和/或尺寸信息,确定各第二区域是否与交通信号灯区域的先验特征信息匹配,并将与交通信号灯区域的先验特征信息匹配的第二区域,确定为候选交通信号灯区域。
示例性的,二值化图像中像素值为第一像素值(如0)的区域可以称为第一区域。
在一些实施例中,上述待检测视频图像包括按照相同采样率分别从两路视频数据中采样得到的亮帧图像和暗帧图像,该两路视频数据通过监控前端设备按照不同曝光参数获取。
步骤S100中,对待检测视频图像帧进行显著性检测处理,可以包括:
分别对亮帧图像和暗帧图像进行显著性检测处理。
示例性的,考虑到监控前端设备的部署环境的光照变化,监控前端设备使用单一曝光参数进行视频数据获取时,获取到的视频数据中的视频图像帧可能会由于外部光照过强导致过亮,或者,外部光照过弱导致过暗,进而,影响交通信号灯区域检测的准确性。
相应地,为了提高交通信号灯区域检测的准确性,并提高交通信号灯区域检测的场景适应性,可以通过在监控前端设备中设置不同的曝光参数获取两路视频数据,并分别在不同ISP(Image Signal Processor,图像信号处理)过程中进行处理得到同一场景的亮帧数据和暗帧数据用于后续的交通信号灯区域检测。
示例性的,考虑到视频数据量比较大且有一定程度的冗余,为了降低检测数据量,在进行交通信号灯区域检测时,可以按照相同采样率(如2秒采1帧)分别从两路视频数据中采样得到一系列的采样帧(包括亮帧图像和暗帧图像)。
示例性的,采样得到的亮帧图像和暗帧图像一一对应,即对同一时刻(允许存在容忍范围内的时间偏差)采集到的视频图像进行采样得到相对应的亮帧图像和暗帧图像。
示例性的,为了进行交通信号灯区域检测,可以分别对上述亮帧图像和暗帧图像进行显著性检测处理。
在一个示例中,步骤S130中,依据预设数量的待检测视频图像中各候选交通信号灯区域出现的次数和/或频次,从候选交通信号灯区域中确定交通信号灯区域之前,还可以包括:
对于任一亮帧图像中的任一候选交通信号灯区域,当该亮帧图像对应的暗帧图像中不存在与该候选交通信号灯区域的位置匹配的候选交通信号灯区域时,对该候选交通信号灯区域进行筛除。
示例性的,考虑到相对应的亮帧图像和暗帧图像是同一监控前端设备采用不同曝光参数对同一场景在同一时刻获取到的,同一目标会同时在亮帧图像与对应的暗帧图像中存在。因而,可以依据目标是否在亮帧图像和对应的暗帧图像中均存在,来确定目标是否确实存在,降低误检率,提高交通信号灯区域检测的准确性。
相应地,对于任一亮帧图像中的任一候选交通信号灯区域,可以依据该候选交通信号灯区域在该亮帧图像中的位置,确定该亮帧图像对应的暗帧图像中的匹配位置是否存在候选交通信号灯区域,若存在,则确定该候选交通信号灯区域存在;否则,确定为误检,对该候选交通信号灯区域进行筛除。
在一些实施例中,步骤S130中,依据预设数量的待检测视频图像中各候选交通信号灯区域出现的次数和/或频次,从候选交通信号灯区域中确定交通信号灯区域之后,还可以包括:
依据所确定的交通信号灯区域,识别待检测视频图像帧的交通信号灯区域中的目标颜色区域,该目标颜色为红色、绿色和黄色的其中之一;
对于任一目标颜色区域,当该目标颜色区域的周围区域不是黑色区域时,对该交通信号灯区域进行筛除;和/或,当连续多个待检测视频图像帧中,该交通信号灯区域中的目标颜色区域在固定位置出现的次数不满足要求时,对该交通信号灯区域进行筛除。
示例性的,考虑到信号灯的颜色主要包括红色、绿色以及黄色(可以将颜色为红色、绿色以及黄色其中之一的称为目标颜色);此外,考虑到实际场景中,交通信号灯亮通常会被黑色外罩包围,因此,可以依据目标颜色区域的周围区域是否为黑色区域,确定所确定的交通信号灯区域是否为误检,进一步提高交通信号灯区域检测的准确性。
相应地,当按照上述实施例中描述的方式确定了交通信号灯区域时,可以依据所确定的交通信号灯区域,识别待检测视频图像帧的交通信号灯区域中的目标颜色区域。
对于任一目标颜色区域,当该目标颜色区域的周围区域不是黑色区域时,对该交通信号灯区域进行筛除。
此外,考虑到交通信号灯红灯、黄灯或绿灯亮灯的时间是存在一定规律的,红灯亮灯的时间通常也是规律的,而且不同颜色的灯的位置一般是固定的,因此,可以依据亮灯时间是否规律确定交通信号灯区域是否为误检。
相应地,当连续多个待检测视频图像帧中,目标颜色区域在固定位置出现的次数是否满足要求(可以依据待检测视频图像帧之间的时间间隔以及目标颜色的亮灯时长设定),若不满足要求,则对该交通灯区域进行筛除。
为了使本领域技术人员更好地理解本申请实施例提供的技术方案,下面结合具体实例对本申请实施例提供的技术方案进行说明。
请参见图2,为本申请实施例提供的一种交通信号灯区域检测方案的总体系统框图,如图2所示,在该实施例中,交通信号灯区域检测方案的实现依次包含亮暗帧获取模块、显著性检测模块、阈值分割模块、初步区域定位模块、区域筛选合并模块以及补充检测模块的处理流程。
示例性的,亮暗帧获取模块从监控相机中分别获取当前场景在亮帧和暗帧模式下的图像数据;阈值分割模块根据显著性检测模块得到的显著图进行阈值分割得到分割图;初步区域定位模块根据分割后的图像大致定位出可能出现交通信号灯的区域,再由区域筛选合并模块中对于初步定位出的区域进行筛选与合并,最后由补充检测模块106通过颜色信息再次对交通信号灯进行补充检测得到更全面完整的检测区域。
下面分别对各模块的功能进行说明。
一、亮暗帧获取模块
亮暗帧获取模块可以通过在监控相机(即上述监控前端设备)中设置不同的曝光参数获取两路视频流数据,并分别在不同ISP过程中进行处理得到同一场景的亮帧数据和暗帧数据,用于后续的交通信号灯区域检测。
示例性的,由于视频数据量比较大且有一定程度的冗余,可以设置采样率(由用户在设置界面进行设置,默认为2秒采1帧)对视频进行采样得到一系列的采样帧。
二、显著性检测模块
显著性检测模块可以根据显著性检测算法(包括但不限于以下算法,由Yun Zhai等人提出的LC算法、由Ming-Ming Cheng提出的HC算法、由Radhakrishna Achantay等人提出的FT算法和AC算法等)对每一采样帧分别在亮帧和暗帧上进行处理得到一系列的显著图,这些显著图包含了场景中从视觉上来看与周围相比显著突出的部分。
三、阈值分割模块
阈值分割模块可以通过分别设定一个分割阈值对亮帧和暗帧上得到的显著图进行分割,将显著图中小于分割阈值的部分全部置零而大于阈值的部分全部置为255,从而得到二值化图像,这样就排除了大部分显著程度比较低的部分。
四、初步区域定位模块
由于交通信号灯的位置和尺寸有一定的先验信息(即上述先验特征信息,以先验特征信息包括先验位置信息和先验尺寸信息为例),初步区域定位模块依据这些先验信息可以排除掉在位置和尺寸上明显不可能是交通信号灯的区域(即位置与先验位置信息不匹配,和/或,尺寸与先验尺寸信息不匹配的区域),并对剩余可能的区域(即上述候选交通信号灯区域)进行定位并标记其位置和大小。
五、区域筛选合并模块
区域筛选合并模块可以根据每一个视频采样帧中记录的初步区域(即候选交通信号灯区域),保留在亮帧和暗帧上均出现的区域(位置相同或者相近),同时排除掉出现次数少于一定数量的区域(这些区域极有可能是车灯的位置,但随着车辆的移动这些区域不会出现在某一个固定的位置),再根据交通信号灯的变化具有周期性排除掉出现频次不规律的区域,接着合并一些相邻的区域(这些区域通常分属同一个交通信号灯的红灯、黄灯和绿灯)。通过区域筛选合并模块处理之后得到的区域即是通过非颜色和形状特征得到的交通信号灯区域。
六、补充检测模块
补充检测模块可以在通过上述步骤得到的交通信号灯区域的基础上,根据颜色信息对于亮帧中场景里的红色区域(以上述目标颜色为红色为例)进行分割。
由于交通信号灯通常会被黑色外罩给包围,利用这一特征对场景中作为干扰的红色区域进行排除,同时也可以根据视频的采样帧序列中固定位置出现红色区域的次数加以要求,不符合要求的红色区域(通常是背景中建筑上的红色区域或者汽车车灯区域)也将被排除,这样,通过颜色信息得到的交通信号灯区域将作为前述检测区域的一个补充,进一步提高检测的准确性。
需要说明的是,对于按照上述方式确定的交通信号灯检测区域,可以在监控画面中用矩形框予以标识,供用户核查检测是否准确。
可见,在上述交通信号灯区域检测流程中,通过同时利用亮帧和暗帧中的信息进行交通信号灯区域检测,可以避免监控相机单一曝光下产生的误检,大大提升了检测的鲁棒性;此外,利用显著性特征进行交通信号灯区域检测可以避免实际监控场景在曝光不佳的情况下无法利用颜色和形状实现交通信号灯区域检测的缺陷,有效避免了传统交通信号灯区域检测方案中完全依赖交通信号灯的颜色信息和形状信息的问题;最后,通过利用视频前后帧的关联信息,可以有效避免场景背景中其他相似区域和汽车车灯等被误检为交通信号灯,提高交通信号灯区域检测的准确性。
以上对本申请提供的方法进行了描述。下面对本申请提供的装置进行描述:
请参见图3,为本申请实施例提供的一种交通信号灯区域检测装置的结构示意图,如图3所示,该交通信号灯区域检测装置可以包括:
处理单元310,用于对待检测视频图像帧进行显著性检测处理,得到显著图;
分割单元320,用于依据预设分割阈值,对所述显著图进行分割,得到二值化图像;
第一确定单元330,用于依据交通信号灯的先验特征信息,确定所述二值化图像中的候选交通信号灯区域;所述交通信号灯的先验特征信息为对所述待检测视频图像进行处理之前已确定的所述交通信号灯的特征信息;
第二确定单元340,用于依据预设数量的待检测视频图像中各候选交通信号灯区域出现的次数和/或频次,从所述候选交通信号灯区域中确定交通信号灯区域。
在一些实施例中,所述分割单元320依据预设分割阈值,对所述显著图进行分割,得到二值化图像,包括:
将所述显著图中像素值小于所述预设分割阈值的像素位置的像素值设置为第一像素值,并将所述显著图中像素值大于所述预设分割阈值的像素位置的像素值设置为第二像素值;
所述第一确定单元330依据交通信号灯的先验特征信息,确定所述二值化图像中的候选交通信号灯区域,包括:
将所述二值化图像中,与所述先验特征信息匹配的第二区域,确定为候选交通信号灯区域;其中,所述第二区域内各像素位置的像素值为所述第二像素值;
其中,所述先验特征信息包括:
先验位置信息和/或先验尺寸信息。
在一些实施例中,所述待检测视频图像包括按照相同采样率分别从两路视频数据中采样得到的亮帧图像和暗帧图像,所述两路视频数据通过监控前端设备按照不同曝光参数获取;
所述处理单元310对待检测视频图像帧进行显著性检测处理,包括:
分别对所述亮帧图像和所述暗帧图像进行显著性检测处理。
在一些实施例中,所述第二确定单元340依据预设数量的待检测视频图像中各候选交通信号灯区域出现的次数和/或频次,从所述候选交通信号灯区域中确定交通信号灯区域之前,还包括:
对于任一亮帧图像中的任一候选交通信号灯区域,当该亮帧图像对应的暗帧图像中不存在与该候选交通信号灯区域的位置匹配的候选交通信号灯区域时,对该候选交通信号灯区域进行筛除。
在一些实施例中,所述第二确定单元340依据预设数量的待检测视频图像中各候选交通信号灯区域出现的次数和/或频次,从所述候选交通信号灯区域中确定交通信号灯区域之后,还包括:
依据所确定的交通信号灯区域,识别所述待检测视频图像帧的交通信号灯区域中的目标颜色区域,所述目标颜色为红色、绿色和黄色的其中之一;
对于任一目标颜色区域,当该目标颜色区域的周围区域不是黑色区域时,对该交通信号灯区域进行筛除;
和/或,当连续多个待检测视频图像帧中,该交通信号灯区域中的目标颜色区域在固定位置出现的次数不满足要求时,对该交通信号灯区域进行筛除。
请参见图4,为本申请实施例提供的一种电子设备的硬件结构示意图。该电子设备可包括处理器401、存储有机器可执行指令的机器可读存储介质402。处理器401与机器可读存储介质402可经由系统总线403通信。并且,通过读取并执行机器可读存储介质402中与交通信号灯区域检测控制逻辑对应的机器可执行指令,处理器401可执行上文描述的交通信号灯区域检测方法。
本文中提到的机器可读存储介质402可以是任何电子、磁性、光学或其它物理存储装置,可以包含或存储信息,如可执行指令、数据,等等。例如,机器可读存储介质可以是:RAM(Radom Access Memory,随机存取存储器)、易失存储器、非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、固态硬盘、任何类型的存储盘(如光盘、dvd等),或者类似的存储介质,或者它们的组合。
在一些实施例中,还提供了一种机器可读存储介质,该机器可读存储介质内存储有机器可执行指令,所述机器可执行指令被处理器执行时实现上文描述的交通信号灯区域检测方法。例如,所述机器可读存储介质可以是ROM、RAM、CD-ROM、磁带、软盘和光数据存储设备等。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本申请的较佳实施例而已,并不用以限制本申请,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请保护的范围之内。
Claims (11)
1.一种交通信号灯区域检测方法,其特征在于,包括:
对待检测视频图像帧进行显著性检测处理,得到显著图;
依据预设分割阈值,对所述显著图进行分割,得到二值化图像;
依据交通信号灯的先验特征信息,确定所述二值化图像中的候选交通信号灯区域;所述交通信号灯的先验特征信息为对所述待检测视频图像进行处理之前已确定的所述交通信号灯的特征信息;
依据预设数量的待检测视频图像中各候选交通信号灯区域出现的次数和/或频次,从所述候选交通信号灯区域中确定交通信号灯区域。
2.根据权利要求1所述的方法,其特征在于,所述依据预设分割阈值,对所述显著图进行分割,得到二值化图像,包括:
将所述显著图中像素值小于所述预设分割阈值的像素位置的像素值设置为第一像素值,并将所述显著图中像素值大于所述预设分割阈值的像素位置的像素值设置为第二像素值;
所述依据交通信号灯的先验特征信息,确定所述二值化图像中的候选交通信号灯区域,包括:
将所述二值化图像中,与所述先验特征信息匹配的第二区域,确定为候选交通信号灯区域;其中,所述第二区域内各像素位置的像素值为所述第二像素值;
其中,所述先验特征信息包括:
先验位置信息和/或先验尺寸信息。
3.根据权利要求1或2所述的方法,其特征在于,所述待检测视频图像包括按照相同采样率分别从两路视频数据中采样得到的亮帧图像和暗帧图像,所述两路视频数据通过监控前端设备按照不同曝光参数获取;
所述对待检测视频图像帧进行显著性检测处理,包括:
分别对所述亮帧图像和所述暗帧图像进行显著性检测处理。
4.根据权利要求3所述的方法,其特征在于,所述依据预设数量的待检测视频图像中各候选交通信号灯区域出现的次数和/或频次,从所述候选交通信号灯区域中确定交通信号灯区域之前,还包括:
对于任一亮帧图像中的任一候选交通信号灯区域,当该亮帧图像对应的暗帧图像中不存在与该候选交通信号灯区域的位置匹配的候选交通信号灯区域时,对该候选交通信号灯区域进行筛除。
5.根据权利要求1或2所述的方法,其特征在于,所述依据预设数量的待检测视频图像中各候选交通信号灯区域出现的次数和/或频次,从所述候选交通信号灯区域中确定交通信号灯区域之后,还包括:
依据所确定的交通信号灯区域,识别所述待检测视频图像帧的交通信号灯区域中的目标颜色区域,所述目标颜色为红色、绿色和黄色的其中之一;
对于任一目标颜色区域,当该目标颜色区域的周围区域不是黑色区域时,对该交通信号灯区域进行筛除;
和/或,当连续多个待检测视频图像帧中,该交通信号灯区域中的目标颜色区域在固定位置出现的次数不满足要求时,对该交通信号灯区域进行筛除。
6.一种交通信号灯区域检测装置,其特征在于,包括:
处理单元,用于对待检测视频图像帧进行显著性检测处理,得到显著图;
分割单元,用于依据预设分割阈值,对所述显著图进行分割,得到二值化图像;
第一确定单元,用于依据交通信号灯的先验特征信息,确定所述二值化图像中的候选交通信号灯区域;所述交通信号灯的先验特征信息为对所述待检测视频图像进行处理之前已确定的所述交通信号灯的特征信息;
第二确定单元,用于依据预设数量的待检测视频图像中各候选交通信号灯区域出现的次数和/或频次,从所述候选交通信号灯区域中确定交通信号灯区域。
7.根据权利要求6所述的装置,其特征在于,所述分割单元依据预设分割阈值,对所述显著图进行分割,得到二值化图像,包括:
将所述显著图中像素值小于所述预设分割阈值的像素位置的像素值设置为第一像素值,并将所述显著图中像素值大于所述预设分割阈值的像素位置的像素值设置为第二像素值;
所述第一确定单元依据交通信号灯的先验特征信息,确定所述二值化图像中的候选交通信号灯区域,包括:
将所述二值化图像中,与所述先验特征信息匹配的第二区域,确定为候选交通信号灯区域;其中,所述第二区域内各像素位置的像素值为所述第二像素值;
其中,所述先验特征信息包括:
先验位置信息和/或先验尺寸信息。
8.根据权利要求6或7所述的装置,其特征在于,所述待检测视频图像包括按照相同采样率分别从两路视频数据中采样得到的亮帧图像和暗帧图像,所述两路视频数据通过监控前端设备按照不同曝光参数获取;
所述处理单元对待检测视频图像帧进行显著性检测处理,包括:
分别对所述亮帧图像和所述暗帧图像进行显著性检测处理。
9.根据权利要求8所述的装置,其特征在于,所述第二确定单元依据预设数量的待检测视频图像中各候选交通信号灯区域出现的次数和/或频次,从所述候选交通信号灯区域中确定交通信号灯区域之前,还包括:
对于任一亮帧图像中的任一候选交通信号灯区域,当该亮帧图像对应的暗帧图像中不存在与该候选交通信号灯区域的位置匹配的候选交通信号灯区域时,对该候选交通信号灯区域进行筛除。
10.根据权利要求6或7所述的装置,其特征在于,所述第二确定单元依据预设数量的待检测视频图像中各候选交通信号灯区域出现的次数和/或频次,从所述候选交通信号灯区域中确定交通信号灯区域之后,还包括:
依据所确定的交通信号灯区域,识别所述待检测视频图像帧的交通信号灯区域中的红色区域;
对于任一红色区域,当该红色区域的周围区域不是黑色区域时,对该交通信号灯区域进行筛除;
和/或,当连续多个待检测视频图像帧中,该交通信号灯区域中的红色区域在固定位置出现的次数不满足要求时,对该交通信号灯区域进行筛除。
11.一种电子设备,其特征在于,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的机器可执行指令,所述处理器用于执行机器可执行指令,以实现如权利要求1-5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110826895.4A CN115690441A (zh) | 2021-07-21 | 2021-07-21 | 交通信号灯区域检测方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110826895.4A CN115690441A (zh) | 2021-07-21 | 2021-07-21 | 交通信号灯区域检测方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115690441A true CN115690441A (zh) | 2023-02-03 |
Family
ID=85044821
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110826895.4A Pending CN115690441A (zh) | 2021-07-21 | 2021-07-21 | 交通信号灯区域检测方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115690441A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116152785A (zh) * | 2023-04-24 | 2023-05-23 | 之江实验室 | 一种基于cbam结合hsb模式的交通信号灯检测方法和系统 |
CN117201945A (zh) * | 2023-08-31 | 2023-12-08 | 中认尚动(上海)检测技术有限公司 | 一种基于视频流的眩光值检测系统及方法 |
-
2021
- 2021-07-21 CN CN202110826895.4A patent/CN115690441A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116152785A (zh) * | 2023-04-24 | 2023-05-23 | 之江实验室 | 一种基于cbam结合hsb模式的交通信号灯检测方法和系统 |
CN116152785B (zh) * | 2023-04-24 | 2023-07-18 | 之江实验室 | 一种基于cbam结合hsb模式的交通信号灯检测方法和系统 |
CN117201945A (zh) * | 2023-08-31 | 2023-12-08 | 中认尚动(上海)检测技术有限公司 | 一种基于视频流的眩光值检测系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
O'Malley et al. | Rear-lamp vehicle detection and tracking in low-exposure color video for night conditions | |
CN107506760B (zh) | 基于gps定位与视觉图像处理的交通信号检测方法及系统 | |
US20190122059A1 (en) | Signal light detection | |
CN115690441A (zh) | 交通信号灯区域检测方法、装置及设备 | |
JP2012173879A (ja) | 信号機検出装置及びプログラム | |
CN107644538B (zh) | 交通信号灯的识别方法及装置 | |
CN108357418A (zh) | 一种基于尾灯识别的前车驾驶意图分析方法 | |
CN107273838A (zh) | 交通信号灯抓拍图片的处理方法及装置 | |
JP2007238090A (ja) | 車載投光器の自動切換え制御方法 | |
CN107730481A (zh) | 一种交通信号灯图像处理方法及交通信号灯图像处理装置 | |
US20140226349A1 (en) | Apparatus for detecting other vehicle lights and light control apparatus for vehicles | |
KR20150114728A (ko) | 카메라의 다중 노출 영상을 이용한 신호등 자동 인식 장치 및 방법 | |
CN112861797A (zh) | 一种真伪车牌识别方法、装置及相关设备 | |
KR100903816B1 (ko) | 정지영상에서의 얼굴추출시스템과 그 방법 | |
CN111723805B (zh) | 一种信号灯的前景区域识别方法及相关装置 | |
CN107066929B (zh) | 一种融合多种特征的高速公路隧道停车事件分级识别方法 | |
JP2004086417A (ja) | 横断歩道等における歩行者検出方法及び同装置 | |
KR20110063212A (ko) | 전방 카메라를 이용한 차량의 기후 상황 감지 방법 | |
CN117237907A (zh) | 交通信号灯识别方法、装置、存储介质及电子设备 | |
CN107992789B (zh) | 识别交通灯的方法、装置及车辆 | |
CN111402185A (zh) | 一种图像检测方法及装置 | |
Deb et al. | Vehicle license plate detection algorithm based on color space and geometrical properties | |
CN112287808B (zh) | 运动轨迹分析告警方法、装置、系统及存储介质 | |
CN113628447B (zh) | 远光灯开启检测方法、装置、设备及系统 | |
JP2005301519A (ja) | 信号機検出装置および信号機検出方法 |
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 |