CN102663345A - 自动识别红绿灯的方法及装置 - Google Patents

自动识别红绿灯的方法及装置 Download PDF

Info

Publication number
CN102663345A
CN102663345A CN2012100573907A CN201210057390A CN102663345A CN 102663345 A CN102663345 A CN 102663345A CN 2012100573907 A CN2012100573907 A CN 2012100573907A CN 201210057390 A CN201210057390 A CN 201210057390A CN 102663345 A CN102663345 A CN 102663345A
Authority
CN
China
Prior art keywords
signal lamp
zone
color
traffic lights
kinds
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.)
Granted
Application number
CN2012100573907A
Other languages
English (en)
Other versions
CN102663345B (zh
Inventor
吴海东
王翔鹰
佘中华
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.)
SHENZHEN UNIHZ TECHNOLOGIES Co.,Ltd.
Original Assignee
UNIHZ TECHNOLOGIES CORP
ZHONGMENG INTELLIGENT TECHNOLOGY (SUZHOU) 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 UNIHZ TECHNOLOGIES CORP, ZHONGMENG INTELLIGENT TECHNOLOGY (SUZHOU) Co Ltd filed Critical UNIHZ TECHNOLOGIES CORP
Priority to CN201210057390.7A priority Critical patent/CN102663345B/zh
Publication of CN102663345A publication Critical patent/CN102663345A/zh
Application granted granted Critical
Publication of CN102663345B publication Critical patent/CN102663345B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开一种自动识别红绿灯的方法，包括以下步骤：初始化HSV空间中红绿黄三种颜色的均值和方差；指定信号灯所在的区域；将输入图像从RGB空间转换到HSV空间；提取信号灯潜在区域，并对图像作数学形态学处理，得到信号灯区域色度分量的分布特征；根据信号灯区域色度分量的分布特征，以期望最大化EM算法结合高斯模型求出三种颜色所对应的三个高斯模型的均值、方差以及权重；根据三个高斯模型的均值、方差以及权重，计算信号灯潜在区域的每个点属于三种颜色的概率，取概率最大的作为当前点的颜色，并记录；统计某一连通域中所有像素点的颜色比例，取比例最大的颜色为该区域的颜色。本发明可降低安装和维护难度。

Description

自动识别红绿灯的方法及装置
技术领域
本发明属于智能交通领域，特别涉及一种自动识别红绿灯的方法及装置。
背景技术
在基于线圈的电子警察中，红绿灯的状态主要通过路口信号机来获取。这种方式具有准确，稳定等特点。然而，随着基于视频方式的电子警察设备大量应用，通过信号机获取红绿灯状态的方式存在设备的安装和维护困难、***兼容性差等问题，同时***的成本也比较高。
发明内容
本发明的主要目的在于提供一种自动识别红绿灯的方法，旨在解决现有技术中设备安装和维护困难的技术问题。
为了实现发明目的，本发明提供一种自动识别红绿灯的方法，包括以下步骤：
初始化HSV空间中红、绿、黄三种颜色的均值和方差；
指定信号灯所在的区域；
将输入图像从RGB空间转换到HSV空间；
提取信号灯潜在区域，并对图像作数学形态学处理，得到信号灯区域色度分量的分布特征；
根据信号灯区域色度分量的分布特征，以期望最大化EM算法结合高斯模型求出所述三种颜色所对应的三个高斯模型的均值、方差以及权重；
根据三个高斯模型的均值、方差以及权重，计算信号灯潜在区域的每个点属于三种颜色的概率，取概率最大的作为当前点的颜色，并记录；
统计某一连通域中所有像素点的颜色比例，取比例最大的颜色为该区域的颜色。
优选地，所述提取信号灯潜在区域为：
将信号灯的亮度值大于给定阈值的点判定为潜在区域。
优选地，所述指定信号灯所在的区域为：
在信号灯***启动时指定信号灯所在的矩形区域。
本发明另提供一种自动识别红绿灯的装置，其包括：
初始化模块，用于初始化HSV空间中红、绿、黄三种颜色的均值和方差；
区域指定模块，用于指定信号灯所在的区域；
图像转换模块，用于将输入图像从RGB空间转换到HSV空间；
色度分量获取模块，用于提取信号灯潜在区域，并对图像作数学形态学处理，得到信号灯区域色度分量的分布特征；
颜色参数获取模块，用于根据信号灯区域色度分量的分布特征，以期望最大化EM算法结合高斯模型求出所述三种颜色所对应的三个高斯模型的均值、方差以及权重；
运算模块，用于根据三个高斯模型的均值、方差以及权重，计算信号灯潜在区域的每个点属于三种颜色的概率，取概率最大的作为当前点的颜色，并记录；
统计模块，用于统计某一连通域中所有像素点的颜色比例，取比例最大的颜色为该区域的颜色。
优选地，所述色度分量获取模块进一步用于：将信号灯的亮度值大于给定阈值的点判定为潜在区域。
优选地，所述区域指定模块进一步用于：在信号灯***启动时指定信号灯所在的矩形区域。
本发明通过采用了HSV图像处理与模式识别算法，基于纯视频的方式识别红绿灯的状态，无需添加其它硬件设备，成本较低，并且可适用于任何基于视频方式的电子警察设备，给设备的安装维护带来了极大的便利性。
附图说明
图1为本发明一实施例中自动识别红绿灯的方法流程图；
图2为本发明一实施例中自动识别红绿灯的装置的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明自动识别红绿灯的方法实施例的流程图。如图1所示，该流程包括以下步骤：
步骤S10，初始化直观颜色模型HSV空间中红、绿、黄三种颜色的均值和方差；HSV空间是直方图最常用的颜色空间。它的三个分量分别代表色彩(Hue)、饱和度(Saturation)和值(Value)。
步骤S20，指定信号灯所在的区域；由于信号灯在图像中的位置相对固定，指定区域可以加快算法，避免全图搜索。本发明实施例中，可在信号灯***启动时指定信号灯所在的矩形区域。
步骤S30，将输入图像从三原色光模式RGB空间转换到HSV空间；在HSV空间中，信号灯区域的亮度和色度信息获取比较简单，且红黄绿三种颜色在HSV空间中其色度分量具有较好的区分性，因此算法在HSV颜色空间中运行。
步骤S40，提取信号灯潜在区域，并对图像作数学形态学处理，得到信号灯区域色度分量的分布特征；为了减少非信号灯区域对统计结果的影响，算法每帧提取信号灯的潜在位置，在潜在区域上进行统计。潜在区域的提取主要用到亮度信息，亮度值大于给定阈值的点认为是潜在区域。
步骤S50，根据信号灯区域色度分量的分布特征，以期望最大化EM算法Expectation-maximization algorithm)结合高斯模型求出所述三种颜色所对应的三个高斯模型的均值、方差以及权重；该步骤获取HSV空间运算所需的色度直方图，以统计信号灯区域色度分量的分布特征。每个点色度分量拉伸到0～255上。
步骤S60，根据三个高斯模型的均值、方差以及权重，计算信号灯潜在区域的每个点属于三种颜色的概率，取概率最大的作为当前点的颜色，并记录；根据色度直方图的统计特征，可以用三个高斯模型叠加来拟合统计数据。
步骤S70，统计某一连通域中所有像素点的颜色比例，取比例最大的颜色为该区域的颜色。
本发明方法实施例通过采用了HSV图像处理与模式识别算法，基于纯视频的方式识别红绿灯的状态，无需添加其它硬件设备，成本较低，并且可适用于任何基于视频方式的电子警察设备，给设备的安装维护带来了极大的便利性。
本发明另提供一种自动识别红绿灯的装置，如图2所示，其包括：
初始化模块10，用于初始化HSV空间中红、绿、黄三种颜色的均值和方差；
区域指定模块20，用于指定信号灯所在的区域；由于信号灯在图像中的位置相对固定，指定区域可以加快算法，避免全图搜索。本发明实施例中，区域指定模块20可在信号灯***启动时指定信号灯所在的矩形区域。
图像转换模块30，用于将输入图像从RGB空间转换到HSV空间；在HSV空间中，信号灯区域的亮度和色度信息获取比较简单，且红黄绿三种颜色在HSV空间中其色度分量具有较好的区分性，因此通过图像转换模块30将图像转换到HSV颜色空间，以使后续的图像处理在HSV颜色空间中运行。
色度分量获取模块40，用于提取信号灯潜在区域，并对图像作数学形态学处理，得到信号灯区域色度分量的分布特征；为了减少非信号灯区域对统计结果的影响，色度分量获取模块40每帧提取信号灯的潜在位置，在潜在区域上进行统计。潜在区域的提取主要用到亮度信息，亮度值大于给定阈值的点认为是潜在区域。
颜色参数获取模块50，用于根据信号灯区域色度分量的分布特征，以期望最大化EM算法结合高斯模型求出所述三种颜色所对应的三个高斯模型的均值、方差以及权重；颜色参数获取模块50获取HSV空间运算所需的色度直方图，以统计信号灯区域色度分量的分布特征。每个点色度分量拉伸到0～255上。
运算模块60，用于根据三个高斯模型的均值、方差以及权重，计算信号灯潜在区域的每个点属于三种颜色的概率，取概率最大的作为当前点的颜色，并记录；根据色度直方图的统计特征，运算模块60可以用三个高斯模型叠加来拟合统计数据。
统计模块70，用于统计某一连通域中所有像素点的颜色比例，取比例最大的颜色为该区域的颜色。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (6)

1.一种自动识别红绿灯的方法，其特征在于，包括以下步骤：
初始化HSV空间中红、绿、黄三种颜色的均值和方差；
指定信号灯所在的区域；
将输入图像从RGB空间转换到HSV空间；
提取信号灯潜在区域，并对图像作数学形态学处理，得到信号灯区域色度分量的分布特征；
根据信号灯区域色度分量的分布特征，以期望最大化EM算法结合高斯模型求出所述三种颜色所对应的三个高斯模型的均值、方差以及权重；
根据三个高斯模型的均值、方差以及权重，计算信号灯潜在区域的每个点属于三种颜色的概率，取概率最大的作为当前点的颜色，并记录；
统计某一连通域中所有像素点的颜色比例，取比例最大的颜色为该区域的颜色。
2.如权利要求1所述的方法，其特征在于，所述提取信号灯潜在区域为：
将信号灯的亮度值大于给定阈值的点判定为潜在区域。
3.如权利要求2所述的方法，其特征在于，所述指定信号灯所在的区域为：
在信号灯***启动时指定信号灯所在的矩形区域。
4.一种自动识别红绿灯的装置，其特征在于，包括：
初始化模块，用于初始化HSV空间中红、绿、黄三种颜色的均值和方差；
区域指定模块，用于指定信号灯所在的区域；
图像转换模块，用于将输入图像从RGB空间转换到HSV空间；
色度分量获取模块，用于提取信号灯潜在区域，并对图像作数学形态学处理，得到信号灯区域色度分量的分布特征；
颜色参数获取模块，用于根据信号灯区域色度分量的分布特征，以期望最大化EM算法结合高斯模型求出所述三种颜色所对应的三个高斯模型的均值、方差以及权重；
运算模块，用于根据三个高斯模型的均值、方差以及权重，计算信号灯潜在区域的每个点属于三种颜色的概率，取概率最大的作为当前点的颜色，并记录；
统计模块，用于统计某一连通域中所有像素点的颜色比例，取比例最大的颜色为该区域的颜色。
5.如权利要求4所述的装置，其特征在于，所述色度分量获取模块进一步用于：将信号灯的亮度值大于给定阈值的点判定为潜在区域。
6.如权利要求5所述的装置，其特征在于，所述区域指定模块进一步用于：
在信号灯***启动时指定信号灯所在的矩形区域。
CN201210057390.7A 2012-03-07 2012-03-07 自动识别红绿灯的方法及装置 Active CN102663345B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210057390.7A CN102663345B (zh) 2012-03-07 2012-03-07 自动识别红绿灯的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210057390.7A CN102663345B (zh) 2012-03-07 2012-03-07 自动识别红绿灯的方法及装置

Publications (2)

Publication Number Publication Date
CN102663345A true CN102663345A (zh) 2012-09-12
CN102663345B CN102663345B (zh) 2014-04-16

Family

ID=46772829

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210057390.7A Active CN102663345B (zh) 2012-03-07 2012-03-07 自动识别红绿灯的方法及装置

Country Status (1)

Country Link
CN (1) CN102663345B (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103325107A (zh) * 2013-05-22 2013-09-25 北京小米科技有限责任公司 图片处理方法、装置及终端设备
CN103901175A (zh) * 2014-04-23 2014-07-02 爱威科技股份有限公司 一种试纸定位方法和***
CN104093010A (zh) * 2013-11-15 2014-10-08 腾讯科技（深圳）有限公司 一种图像处理方法及装置
CN104537354A (zh) * 2015-01-09 2015-04-22 博康智能网络科技股份有限公司 用于视频监控的目标颜色识别方法及其***
CN105608417A (zh) * 2015-12-15 2016-05-25 福州华鹰重工机械有限公司 交通信号灯检测方法及装置
CN105809095A (zh) * 2014-12-31 2016-07-27 博世汽车部件(苏州)有限公司 交通路口通行状态的确定
CN103488987B (zh) * 2013-10-15 2017-04-19 浙江宇视科技有限公司 一种基于视频检测交通信号灯的方法及装置
CN106611402A (zh) * 2015-10-23 2017-05-03 腾讯科技（深圳）有限公司 图像处理方法及装置
CN107689157A (zh) * 2017-08-30 2018-02-13 电子科技大学 基于深度学习的交通路口可通行道路规划方法
CN112036392A (zh) * 2020-07-22 2020-12-04 四川长宁天然气开发有限责任公司 一种页岩气田生产场站ups指示灯状态的自动识别方法
CN113361453A (zh) * 2021-06-25 2021-09-07 东风汽车集团股份有限公司 一种视觉模糊场景下红绿灯识别***及方法
CN113458013A (zh) * 2021-05-13 2021-10-01 深圳市蓝际工业技术有限公司 基于ccd检测和皮带供料的建筑垃圾分选***和方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009021902A1 (de) * 2007-08-16 2009-02-19 Siemens Aktiengesellschaft Verfahren und vorrichtung zur priorisierung von sonderfahrzeugen an einem lichtsignalgesteuerten knotenpunkt
CN101908271A (zh) * 2010-06-28 2010-12-08 青岛海信网络科技股份有限公司 信号灯颜色识别方法及装置
CN102176287A (zh) * 2011-02-28 2011-09-07 无锡中星微电子有限公司 一种交通信号灯识别***和方法
CN102354457A (zh) * 2011-10-24 2012-02-15 复旦大学 基于广义霍夫变换的交通信号灯位置检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009021902A1 (de) * 2007-08-16 2009-02-19 Siemens Aktiengesellschaft Verfahren und vorrichtung zur priorisierung von sonderfahrzeugen an einem lichtsignalgesteuerten knotenpunkt
CN101908271A (zh) * 2010-06-28 2010-12-08 青岛海信网络科技股份有限公司 信号灯颜色识别方法及装置
CN102176287A (zh) * 2011-02-28 2011-09-07 无锡中星微电子有限公司 一种交通信号灯识别***和方法
CN102354457A (zh) * 2011-10-24 2012-02-15 复旦大学 基于广义霍夫变换的交通信号灯位置检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
徐成等: "《基于Lab色彩空间和模版匹配的实时交通灯识别算法》", 《计算机应用》 *
武莹等: "《基于图像处理的交通信号灯识别方法》", 《交通信息与安全》 *
谷明琴等: "《应用圆形度和颜色直方图的交通信号灯识别》", 《计算机工程与设计》 *

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103325107A (zh) * 2013-05-22 2013-09-25 北京小米科技有限责任公司 图片处理方法、装置及终端设备
CN103488987B (zh) * 2013-10-15 2017-04-19 浙江宇视科技有限公司 一种基于视频检测交通信号灯的方法及装置
CN104093010A (zh) * 2013-11-15 2014-10-08 腾讯科技（深圳）有限公司 一种图像处理方法及装置
CN103901175A (zh) * 2014-04-23 2014-07-02 爱威科技股份有限公司 一种试纸定位方法和***
CN103901175B (zh) * 2014-04-23 2016-06-08 爱威科技股份有限公司 一种试纸定位方法和***
CN105809095B (zh) * 2014-12-31 2020-03-03 博世汽车部件(苏州)有限公司 交通路口通行状态的确定
CN105809095A (zh) * 2014-12-31 2016-07-27 博世汽车部件(苏州)有限公司 交通路口通行状态的确定
CN104537354A (zh) * 2015-01-09 2015-04-22 博康智能网络科技股份有限公司 用于视频监控的目标颜色识别方法及其***
CN106611402A (zh) * 2015-10-23 2017-05-03 腾讯科技（深圳）有限公司 图像处理方法及装置
CN106611402B (zh) * 2015-10-23 2019-06-14 腾讯科技（深圳）有限公司 图像处理方法及装置
CN105608417B (zh) * 2015-12-15 2018-11-06 福州华鹰重工机械有限公司 交通信号灯检测方法及装置
CN105608417A (zh) * 2015-12-15 2016-05-25 福州华鹰重工机械有限公司 交通信号灯检测方法及装置
CN107689157A (zh) * 2017-08-30 2018-02-13 电子科技大学 基于深度学习的交通路口可通行道路规划方法
CN107689157B (zh) * 2017-08-30 2021-04-30 电子科技大学 基于深度学习的交通路口可通行道路规划方法
CN112036392A (zh) * 2020-07-22 2020-12-04 四川长宁天然气开发有限责任公司 一种页岩气田生产场站ups指示灯状态的自动识别方法
CN112036392B (zh) * 2020-07-22 2022-05-03 四川长宁天然气开发有限责任公司 一种页岩气田生产场站ups指示灯状态的自动识别方法
CN113458013A (zh) * 2021-05-13 2021-10-01 深圳市蓝际工业技术有限公司 基于ccd检测和皮带供料的建筑垃圾分选***和方法
CN113361453A (zh) * 2021-06-25 2021-09-07 东风汽车集团股份有限公司 一种视觉模糊场景下红绿灯识别***及方法

Also Published As

Publication number Publication date
CN102663345B (zh) 2014-04-16

Similar Documents

Publication Publication Date Title
CN102663345B (zh) 自动识别红绿灯的方法及装置
CN102496282B (zh) 一种rgb颜色变换的交通路口信号灯状态识别方法
CN103488987B (zh) 一种基于视频检测交通信号灯的方法及装置
WO2018149253A1 (zh) 图像处理的方法和设备
CN103955705A (zh) 基于视频分析的交通信号灯定位、识别与分类方法
CN108062554B (zh) 一种车辆年检标签颜色的识别方法及装置
CN107659799B (zh) 摄像装置、图像处理方法和存储介质
CN104021527B (zh) 一种图像中雨雪的去除方法
US20150326840A1 (en) On-Vehicle Image Capture Device
Wonghabut et al. Traffic light color identification for automatic traffic light violation detection system
CN104184925A (zh) 一种视频场景变化的检测方法
KR101428923B1 (ko) 인쇄회로기판의 부품패키징 영역 자동검출 시스템 및 방법
WO2020119454A1 (zh) 一种对图像进行颜色还原的方法和装置
CN108711160B (zh) 一种基于hsi增强性模型的目标分割方法
CN104574377A (zh) 用于电子警察的红灯偏黄的校正方法
CN105451094B (zh) 字幕颜色调整方法及装置
CN103324957A (zh) 信号灯状态的识别方法及识别装置
CN102646191B (zh) 一种石油钻井伴生气燃烧火焰图像识别的方法
CN104217407A (zh) 非制冷红外焦平面探测器伪彩变换方法
CN111160215A (zh) 图像标识提取装置、图像标识的亮度调节方法、装置
Zhang et al. A novel color space based on RGB color barycenter
CN109389111A (zh) 图像采集处理方法、装置及计算机可读存储介质
CN113408409A (zh) 交通信号灯识别方法、设备、云控平台和车路协同***
CN103413267B (zh) 一种数字水印平滑过渡的嵌入方法和装置
CN108961357B (zh) 一种交通信号灯过爆图像强化方法及装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
ASS Succession or assignment of patent right

Free format text: FORMER OWNER: ZHONGMENG SCIENCE-TECHNOLOGY CO., LTD., SHENZHEN

Effective date: 20150727

Owner name: ZHONGMENG SCIENCE-TECHNOLOGY CO., LTD., SHENZHEN

Free format text: FORMER OWNER: UNIHZ INTELLIGENT TECHNOLOGY (SUZHOU) CO., LTD.

Effective date: 20150727

C41 Transfer of patent application or patent right or utility model
C56 Change in the name or address of the patentee
CP01 Change in the name or title of a patent holder

Address after: 215000, A2-303, room 99, 304 benevolence Road, Suzhou Industrial Park, Suzhou, Jiangsu, China

Patentee after: Zhongmeng Intelligent Technology (Suzhou) Co.,Ltd.

Patentee after: SHENZHEN UNIHZ TECHNOLOGIES CO.,LTD.

Address before: 215000, A2-303, room 99, 304 benevolence Road, Suzhou Industrial Park, Suzhou, Jiangsu, China

Patentee before: Zhongmeng Intelligent Technology (Suzhou) Co.,Ltd.

Patentee before: Shenzhen Unihz Technologies Corp.

TR01 Transfer of patent right

Effective date of registration: 20150727

Address after: 518000, Shenzhen, Guangdong, Nanshan District Nanshan commercial and cultural center Tianli Central Business Plaza (phase two) C-3005

Patentee after: SHENZHEN UNIHZ TECHNOLOGIES CO.,LTD.

Address before: 215000, A2-303, room 99, 304 benevolence Road, Suzhou Industrial Park, Suzhou, Jiangsu, China

Patentee before: Zhongmeng Intelligent Technology (Suzhou) Co.,Ltd.

Patentee before: SHENZHEN UNIHZ TECHNOLOGIES CO.,LTD.

C56 Change in the name or address of the patentee
CP01 Change in the name or title of a patent holder

Address after: 518000, Shenzhen, Guangdong, Nanshan District Nanshan commercial and cultural center Tianli Central Business Plaza (phase two) C-3005

Patentee after: SHENZHEN UNIHZ TECHNOLOGIES Co.,Ltd.

Address before: 518000, Shenzhen, Guangdong, Nanshan District Nanshan commercial and cultural center Tianli Central Business Plaza (phase two) C-3005

Patentee before: SHENZHEN UNIHZ TECHNOLOGIES CO.,LTD.