CN103488987A - 一种基于视频检测交通信号灯的方法及装置 - Google Patents
一种基于视频检测交通信号灯的方法及装置 Download PDFInfo
- Publication number
- CN103488987A CN103488987A CN201310483540.5A CN201310483540A CN103488987A CN 103488987 A CN103488987 A CN 103488987A CN 201310483540 A CN201310483540 A CN 201310483540A CN 103488987 A CN103488987 A CN 103488987A
- Authority
- CN
- China
- Prior art keywords
- traffic lights
- colour cast
- value
- zone
- green
- 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
Links
Images
Landscapes
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于视频检测交通信号灯的方法及装置,该方法包括步骤:将获取的所述图像转换为HSV数据格式,得到该图像各像素点的色度、饱和度和亮度信息,并基于亮度信息将该图像二值化,确定该图像中的疑似亮灯区域;根据所述图像中各像素点的色度值确定其对应的颜色分类;再确定该像素点的颜色特征值;根据像素点的颜色特征值,确定交通信号灯各自的区域颜色特征值;并据此判断交通信号灯各自的初步状态,建立交通信号灯各自点亮和关闭状态样本库和对应的高斯模型,最后判定交通信号灯的状态。本发明同时还公开了实现该方法的装置,本发明的方法及装置对图像质量要求不高,对于复杂场景能很好适应。
Description
技术领域
本发明属于视频监控技术领域,尤其涉及基于视频检测交通信号灯的方法及装置。
背景技术
随着汽车逐渐进入百姓家庭,道路交通状况日渐拥堵,遵守交通规则显得尤其重要。为了有效管理交通秩序,在十字路口安装电子警察监督车辆是否遵守交通信号灯成为一种常用的交通管理手段,在各城市得到了广泛的应用。
目前的电子警察设备判断交通信号灯的方法主要有两种,一种为通过I/O接口接入交通信号灯信号线的方法,另一种为纯视频检测的方法。前者依靠信号线作为识别输入,优点是准确率高,识别指标不依赖于图像质量的好坏,缺点主要体现在需要布线,施工麻烦,可能存在的电磁干扰会对识别指标产生严重影响;后者依靠视频图像作为识别输入,优点是施工简单,不需要布线,缺点是识别指标依赖于图像质量的好坏,传统方法采用的固定阈值无法兼容场景的剧烈变化,理论上准确率比信号线接入稍低。
申请号为201210551907.8的中国发明专利申请公开了一种基于单目多检测面的机器视觉的车辆闯红灯行为检测装置,其中包括信号灯状态检测模块,用于对每个车道上的视频图像中的信号灯状态的检测,首先通过颜色归一化处理,HSV的三个分量值均在0~1之间,然后用颜色直方图统计色调H在红黄绿3中颜色范围内的像素字数Number{R,Y,G},交通信号灯检测区域中的像素总的像素个数极为Total,最后根据他们的比例判断交通信号灯处于何种状态。
但是这种检测方法不能适应复杂场景,如场景过曝、过暗、偏色、部分遮挡等情况下,实际效果并不好,很容易误判。
发明内容
本发明的目的是提出一种基于视频检测交通信号灯的方法和装置,解决现有技术在复杂场景下,对于交通信号灯状态检测效果不理想,容易误判的技术问题。
为了实现上述目的,本发明的技术方案如下:
一种基于视频检测交通信号灯的方法,用于根据拍摄的交通信号灯图像,判断交通信号灯的状态,包括步骤:
将获取的所述图像转换为HSV数据格式,得到该图像各像素点的色度、饱和度和亮度信息,并基于亮度信息将该图像二值化,确定该图像中的疑似亮灯区域;
根据所述图像中各像素点的色度值确定其对应的颜色分类;
根据各像素点的颜色分类及其饱和度和亮度信息,确定各像素点的颜色特征值;
根据各像素点的颜色特征值,用交通信号灯各自区域的所有像素点的颜色特征值之和减去该区域对应的偏色消除阈值得到该区域的区域颜色特征值;
根据交通信号灯各自区域的区域颜色特征值和疑似亮灯区域信息,确定交通信号灯各自的初步状态;
根据交通信号灯各自的初步状态,将区域颜色特征值作为一个样本组成交通信号灯各自点亮和关闭状态样本库,并根据样本库建立交通信号灯各自点亮和关闭状态高斯模型,并计算所述高斯模型的均值和标准差;
判断交通信号灯各自区域的区域颜色特征值属于哪种高斯模型,若仅有一个区域颜色特征值属于其对应交通信号灯点亮状态的高斯模型,则判定该区域颜色特征值对应的交通信号灯处于点亮状态,否则判定交通信号灯全关闭。
进一步地,所述基于亮度信息将该图像二值化,确定该图像中的疑似亮灯区域,包括步骤:
基于亮度信息将所述图像转换为二值化图像;
判断二值化图像中交通信号灯对应区域的高亮部分面积占所述二值化图像总面积的比例是否大于第一比例值,若大于第一比例值,则认为该交通信号灯对应的区域为疑似亮灯区域。其中第一比例值取值为10%,根据实际交通信号灯的情况进行调整。
进一步地,所述颜色分类包括红黄色、绿色和无效颜色,分类方法如下:
若Hij>330或者Hij≤75,则确定该像素点对应的颜色分类为红黄色;
若75<Hij<210,则确定该像素点对应的颜色分类为绿色;
若210≤Hij≤330,则确定该像素点对应的颜色分类为无效颜色;
其中Hij表示坐标为(i,j)的像素点的色度值,其中i和j为像素点的坐标。
进一步地,所述颜色特征值包括红黄色特征值和绿色特征值,所述根据各像素点的颜色分类及其饱和度和亮度信息,确定各像素点的颜色特征值,具体包括步骤:
若像素点颜色分类属于红黄色,则其红黄特征值为其饱和度和亮度的乘积,而其绿色特征值为0;
若像素点颜色分类属于绿色,则其绿色特征值为其饱和度和亮度的乘积,而其红黄特征值为0;
若像素点颜色分类属于无效颜色,则其红黄色特征值和绿色特征值均为0。
进一步地,所述交通信号灯包括红灯、绿灯和黄灯,在所述图像中具有对应的区域,分别为红灯区域、绿灯区域和黄灯区域,所述偏色消除阈值包括红黄色偏色消除阈值和绿色偏色消除阈值,红灯区域和黄灯区域对应的偏色消除阈值为红黄偏色消除阈值,绿灯区域对应的偏色消除阈值为绿色偏色消除阈值,所述偏色消除阈值确定方法包括步骤:
将红灯区域内的绿色特征值的总和作为绿色偏色样本,将绿灯区域内的红黄色特征值的总和作为红黄色偏色样本,分别建立绿色偏色样本数组和红黄色偏色样本数组并实时更新;
从绿色偏色样本数组中由大到小按照第二比例值取样,计算取样样本的均值作为绿色偏色消除阈值,从红黄色偏色样本数组中由大到小按照第二比例值取样,计算取样样本的均值作为红黄色偏色消除阈值。
其中第二比例值取值为10%,可以进行适当的放大和缩小,本发明并不限于具体的数值。绿色偏色样本和红黄色偏色样本实时更新,能够适应环境的变化,及时更新偏色消除阈值。进一步地,所述根据交通信号灯各自区域的区域颜色特征值和疑似亮灯区域信息,确定交通信号灯各自的初步状态,包括步骤:
比较交通信号灯各自的区域颜色特征值,找出最大值;
若疑似亮灯区域中含有该最大值对应的交通信号灯区域,则认为该交通信号灯区域对应的交通信号灯点亮,否则认为所有交通信号灯均关闭。
进一步地,所述交通信号灯各自点亮和关闭状态样本库包括红灯点亮样本库,红灯关闭样本库,黄灯点亮样本库,黄灯关闭样本库,绿灯点亮样本库,绿灯关闭样本库,按照第三比例值剔除各样本库中数值最高和最低的样本后,建立交通信号灯各自点亮和关闭状态的高斯模型,包括红灯点亮高斯模型,红灯关闭高斯模型,黄灯点亮高斯模型,黄灯关闭高斯模型,绿灯点亮高斯模型,绿灯关闭高斯模型。
其中,第三比例值取15%,可以进行适当的放大和缩小,本发明并不限于具体的数值。同样交通信号灯各自点亮和关闭状态样本库及其对应的高斯模型实时更新,能够适应环境的变化。
本发明同时提出了一种基于视频检测交通信号灯的装置,用于根据拍摄的交通信号灯图像,判断交通信号灯的状态,包括:
图像接收和解析模块,用于获取所述交通信号灯图像并转换为HSV数据格式,得到该图像各像素点的色度、饱和度和亮度信息,并基于亮度信息将该图像二值化,确定该图像中的疑似亮灯区域;
颜色分类模块,用于接收所述图像接收和解析模块发送的所述交通信号灯图像的各像素点色度值确定其对应的颜色分类;
颜色特征值模块,用于接收所述颜色分类模块发送的颜色分类信息,和接收所述图像接收和解析模块发送的饱和度和亮度信息,确定像素点的颜色特征值;
区域颜色特征值模块,用于接收颜色特征值模块发送的颜色特征值,用交通信号灯各自区域的所有像素点的颜色特征值之和减去该区域对应的偏色消除阈值得到该区域的区域颜色特征值;
初步状态确定模块,用于接收所述区域颜色特征值模块发送的区域颜色特征值,并接收所述图像接收和解析模块发送的疑似亮灯区域信息,确定交通信号灯各自的初步状态;
高斯模型模块,用于接收初步状态确定模块发送的交通信号灯各自的初步状态信息,将区域颜色特征值作为一个样本组成交通信号灯各自点亮和关闭状态样本库,并根据样本库建立交通信号灯各自点亮和关闭状态高斯模型,并计算所述高斯模型的均值和标准差;
状态判定模块,用于接收所述区域颜色特征值模块发送的区域颜色特征值,和所述高斯模型模块发送的高斯模型信息,判断交通信号灯各自区域的区域颜色特征值属于哪种高斯模型,若仅有一个区域颜色特征值属于其对应交通信号灯点亮状态的高斯模型,则判定该区域颜色特征值对应的交通信号灯处于点亮状态,否则判定交通信号灯全关闭。
进一步地,所述交通信号灯包括红灯、绿灯和黄灯,在所述图像中具有对应的区域,分别为红灯区域、绿灯区域和黄灯区域,所述偏色消除阈值包括红黄色偏色消除阈值和绿色偏色消除阈值,红灯区域和黄灯区域对应的偏色消除阈值为红黄偏色消除阈值,绿灯区域对应的偏色消除阈值为绿色偏色消除阈值,所述区域颜色特征值模块还包括:
偏色样本单元,用于将红灯区域内的绿色特征值的总和作为绿色偏色样本,将绿灯区域内的红黄色特征值的总和作为红黄色偏色样本,分别建立绿色偏色样本数组和红黄色偏色样本数组并实时更新;
偏色消除阈值单元,从绿色偏色样本数组中由大到小按照第二比例值取样,计算取样样本的均值作为绿色偏色消除阈值,从红黄色偏色样本数组中由大到小按照第二比例值取样,计算取样样本的均值作为红黄色偏色消除阈值。
进一步地,所述初步状态确定模块还包括:
比较单元,用于比较交通信号灯各自的区域颜色特征值,找出最大值;
初步判定单元,用于根据最大值和疑似亮灯区域进行判定,若疑似亮灯区域中含有该最大值对应的交通信号灯区域,则认为该交通信号灯区域对应的交通信号灯点亮,否则认为所有交通信号灯均关闭。
本发明提出的一种基于视频检测交通信号灯的方法及装置,基于监控摄像机拍摄的交通信号灯图像,通过将图像转换为HSV数据格式,并二值化,确定疑似亮灯区域,然后确定图像中像素点的颜色分类和颜色特征值,并进一步计算交通信号灯各自的区域颜色特征值和各自的初步状态,并通过建立样本库和高斯模型,最后进行判定交通信号灯的状态。该方法及装置对监控摄像机拍摄的图像质量要求不高,对于场景过曝、过暗、偏色、部分遮挡等情况均能很好适应,而且判断阈值会实时学习并更新,能在很短时间内适应剧烈变化后的场景。
附图说明
图1为本发明基于视频检测交通信号灯的方法流程图;
图2为本发明偏色消除阈值的确定方法流程图;
图3为本发明基于视频检测交通信号灯的装置结构示意图;
图4为本发明装置中区域颜色特征值模块结构示意图;
图5为本发明装置中初步状态确定模块结构示意图。
具体实施方式
下面结合附图和实施例对本发明技术方案做进一步详细说明,以下实施例不构成对本发明的限定。
基于目前常用的交通信号灯种类较多,为了方便说明,本实施例仅以设置有红灯、绿灯、黄灯三种信号灯为例来进行说明。容易理解,对于设置有箭头信号的信号灯,一样适用于本发明,下面不再赘述。
如图1所示,本发明一种基于视频检测交通信号灯的方法包括步骤:
步骤S101、将获取的交通信号灯图像转换为HSV数据格式,得到交通信号灯图像各像素点的色度H,饱和度S和亮度V信息,并基于亮度V将图像二值化,确定图像中的疑似亮灯区域。
通常通过监控摄像机摄取交通信号灯图像,为了便于后续处理,将摄取的RGB图像转换为HSV数据格式,其中H表示色度,S表示饱和度,V表示亮度。对于图像中的每一个像素点(i,j),其中i和j为像素点的坐标,其色度值为Hij,饱和度值为Sij,亮度值为Vij。
图像的二值化处理就是将图像上的点的灰度置为0或255,转化为二值化图像,也就是将整个图像呈现出明显的黑白效果,根据黑白效果图,若某一颜色信号灯的高亮部分面积(在二值化的图像中显示为白色)占图像总面积的比例大于第一比例值,则认为该颜色的信号灯为疑似亮灯区域。
该第一比例值为10%,可以根据实际情况做出相应的调整。
步骤S102、根据图像中各像素点的色度值确定其对应的颜色分类。
用Colorij表示坐标为(i,j)像素点的颜色分类标识,Hij表示坐标为(i,j)像素点的色度值,Red/Yellow表示红色和黄色,Green表示绿色,Other表示无效颜色。则根据如下公式:
确定出每个像素点对应的颜色分类,并给每个颜色分类赋值,用Colorij来表示,1表示为Red/Yellow,2表示为Green,0表示为Other,容易理解本公式中列举的一些常数,如330,210,75为判断色度的常用数值,对这些判断数据略做改变并不是本发明的重点,应当仍然属于本发明的保护范围。
步骤S103、根据各像素点的颜色分类及其饱和度和亮度信息,确定各像素点的颜色特征值。
颜色特征值包括红黄色特征值和绿色特征值,若像素点颜色分类属于红黄色,则其红黄特征值为其饱和度和亮度的乘积,而其绿色特征值为0;若像素点颜色分类属于绿色,则其绿色特征值为其饱和度和亮度的乘积,而其红黄特征值为0;若像素点颜色分类属于无效颜色,则其红黄色特征值和绿色特征值均为0。
用RedYelCij、GreenCij分别表示坐标为(i,j)像素点的红黄色特征值和绿色特征值,按照如下公式计算:
得到各像素点的红黄色特征值和绿色特征值RedYelCij、GreenCij。
步骤S104、根据各像素点的颜色特征值,用交通信号灯各自区域的所有像素点的颜色特征值之和减去该区域对应的偏色消除阈值得到该区域的区域颜色特征值。
本实施例交通信号灯包括红、绿、黄三种颜色信号灯,分别对应红灯区域、绿灯区域和黄灯区域。偏色消除阈值包括红黄色偏色消除阈值和绿色偏色消除阈值,红灯区域和黄灯区域对应的偏色消除阈值为红黄偏色消除阈值,绿灯区域对应的偏色消除阈值为绿色偏色消除阈值。
如图2所示,偏色消除阈值确定方法包括步骤:
步骤S201、将红灯区域内的绿色特征值的总和作为绿色偏色样本,将绿灯区域内的红黄色特征值的总和作为红黄色偏色样本,分别建立绿色偏色样本数组和红黄色偏色样本数组并实时更新。
获取红灯区域内的每个像素点的绿色特征值,并求出绿色特征值的总和作为一个绿色偏色样本,获取绿灯区域的每个像素点的红黄色特征值的总和作为一个红黄色偏色样本。其中,绿色偏色样本表示为:将绿色偏色样本存储于绿色偏色样本数组GreenDif[n]中;红黄色偏色样本表示为:将红黄色偏色样本存储于红黄色偏色样本数组RedYelDif[n]中。其中n表示样本总数的大小,一般取交通信号灯周期帧数的2倍为宜。样本数组存满后,再次接受新数据时,替换最旧的那个样本即可。
步骤S202、从绿色偏色样本数组中由大到小按照第二比例值取样,计算取样样本的均值作为绿色偏色消除阈值GreenDifAvg,从红黄色偏色样本数组中由大到小按照第二比例值取样,计算取样样本的均值作为红黄色偏色消除阈值RedYelDifAvg。
本实施例第二比例值为10%,从偏色样本数组中由大到小取样本总数的10%,即n*10%的样本,计算他们的均值作为偏色消除阈值,并记红黄色偏色消除阈值为RedYelDifAvg,绿色偏色消除阈值为GreenDifAvg。
具体地,根据各像素点的颜色特征值,确定交通信号灯各自区域的区域颜色特征值,若红灯、黄灯和绿灯各自的区域颜色特征值为LightR、LightY、LightG,则根据如下公式确定交通信号灯各自区域的区域颜色特征值:
其中,LightR、LightY、LightG分别为红灯区域的区域颜色特征值、黄灯区域的区域颜色特征值、绿灯区域的区域颜色特征值,RedYelDifAvg为红黄色偏色消除阈值,GreenDifAvg为绿色偏色消除阈值。可见,交通信号灯各自区域的区域颜色特征值为该区域所有像素点的颜色特征值之和减去该区域对应的偏色消除阈值,红灯区域和黄灯区域对应的偏色消除阈值为红黄偏色消除阈值,绿灯区域对应的偏色消除阈值为绿色偏色消除阈值。
需要说明的是,偏色消除阈值的大小也可以根据经验值来确定,本实施例的确定偏色消除阈值的方法能够实时更新样本,动态实时地根据环境的变化调整偏色消除阈值。
步骤S105、根据交通信号灯各自的区域颜色特征值和疑似亮灯区域信息,确定交通信号灯各自的初步状态。
比较LightR,LightY,LightG,找出最大值,若疑似亮灯区域中含有该最大值对应的交通信号灯区域,则认为该交通信号灯区域对应的交通信号灯点亮,否则认为所有交通信号灯均关闭。
如果某种颜色信号灯区域的区域颜色特征值最大且疑似亮灯区域中含有该区域,则认为该区域对应的交通信号灯点亮,如果某区域的区域颜色特征值最大但是疑似亮灯区域中没有包含该区域,则认为所有交通信号灯均关闭,得到交通信号灯各自的初步状态。
例如,如果最大值为LightR且疑似亮灯区域中含有红灯区域,则认为红灯点亮;如果最大值为LightR但是疑似亮灯区域中没有包含红灯区域,则认为所有灯均关闭。黄灯和绿灯依此类推即可,即可得到交通信号灯初步状态。
步骤S106、根据交通信号灯各自的初步状态,将区域颜色特征值作为一个样本组成交通信号灯各自点亮和关闭状态样本库,并根据样本库建立交通信号灯各自点亮和关闭状态的高斯模型,并计算所述高斯模型的均值和标准差。
基于交通信号灯各自的区域颜色特征值及交通信号灯各自的初步状态,分别建立交通信号灯点亮和关闭状态样本库。基于区域颜色特征值LightR,LightY,LightG和交通信号灯初步状态分别建立红灯点亮样本库RedIllume[m],红灯关闭样本库RedOff[m],黄灯点亮样本库YelIllume[m],黄灯关闭样本库YellOff[m],绿灯点亮样本库GreIllume[m],绿灯关闭样本库GreOff[m],其中m表示样本总数大小,一般取交通信号灯周期帧数的2倍为宜。即将区域颜色特征值放入交通信号灯各自点亮和关闭状态样本库,样本数组存满后,再次接收新数据时,替换最旧的那个样本即可。
例如,如果LightR最大且疑似亮灯区域中含有红灯区域,确定红灯为点亮状态,则将该LightR放入红灯点亮样本库,如果LightR最大但疑似亮灯区域中没有含有红灯区域,则确定红灯处于关闭状态,将该LightR放入红灯关闭样本库。
基于交通信号灯点亮和关闭状态样本库,按照第三比例值剔除样本库中数值最高和最低的样本后,建立交通信号灯各自点亮和关闭状态高斯模型,包括红灯点亮高斯模型,红灯关闭高斯模型,黄灯点亮高斯模型,黄灯关闭高斯模型,绿灯点亮高斯模型,绿灯关闭高斯模型,并计算各高斯模型的均值和标准差。
按照第三比例值剔除各样本中区域颜色特征值最高和最低的样本,本实施例第三比例值取15%,剔除样本库中区域颜色特征值最高的15%和区域颜色特征值最低的15%样本点后,取剩下70%样本点建立高斯模型,并计算出各自的高斯参数,红灯点亮高斯模型IllumeGuassRedLight的均值GuaIllAvgR和标准差GuaIllDifR,红灯关闭高斯模型OffGuassRedLight的均值GuaOffAvgR和标准差GuaOffDifR,黄灯点亮高斯模型IllumeGuassYelLight的均值GuaIllAvgY和标准差GuaIllDifY,黄灯关闭高斯模型OffGuassYelLight的均值GuaOffAvgY和标准差GuaOffDifY,绿灯点亮高斯模型IllumeGuassGreLight的均值GuaIllAvgG和标准差GuaIllDifG,绿灯关闭高斯模型OffGuassGreLight的均值GuaOffAvgG和标准差GuaOffDifG。
步骤S107、判断交通信号灯各自区域的区域颜色特征值属于哪种高斯模型,若仅有一个区域颜色特征值属于其对应交通信号灯点亮状态的高斯模型,则判定该区域颜色特征值对应的交通信号灯处于点亮状态,否则判定交通信号灯全关闭。
将区域颜色特征值LightR,LightY,LightG与各灯点亮状态的高斯模型和关闭状态的高斯模型进行比较,例如当LightR属于红灯点亮高斯模型则认为红灯状态标识RedFlag为1,当LightR属于红灯关闭高斯模型则认为红灯状态标识RedFlag为0,都不属于时认为建模失效,红灯状态未知,红灯状态标识RedFlag为2。
具体见公式4、5、6,得出各灯的状态标识RedFlag、YelFlag和GreFlag:
----(公式4)
----(公式5)
----(公式6)
当RedFlag、YelFlag、GreFlag中仅有一个值为1时认为对应灯点亮,当有多个值为1或没有1时则认为所有灯熄灭,即若仅有一个区域颜色特征值属于其对应交通信号灯点亮状态的高斯模型,则判定该区域颜色特征值对应的交通信号灯处于点亮状态,否则判定交通信号灯全关闭。
本实施例同时给出了实现上述方法的基于视频检测交通信号灯的装置,用于根据拍摄的交通信号灯图像,判断交通信号灯的状态,如图3所示,包括:
图像接收和解析模块301,用于获取交通信号灯图像并转换为HSV数据格式,得到该图像的色度、饱和度和亮度信息,并基于亮度信息将该图像二值化,确定该图像中的疑似亮灯区域;
颜色分类模块302,用于接收图像接收和解析模块301发送的交通信号灯图像的各像素点色度值确定其对应的颜色分类;
颜色特征值模块303,用于接收颜色分类模块302发送的颜色分类信息,和接收所述图像接收和解析模块301发送的饱和度和亮度信息,确定像素点的颜色特征值;
区域颜色特征值模块304,用于接收颜色特征值模块303发送的颜色特征值,用交通信号灯各自区域的所有像素点的颜色特征值之和减去该区域对应的偏色消除阈值得到该区域的区域颜色特征值;
初步状态确定模块305,用于接收区域颜色特征值模块304发送的区域颜色特征值,并接收图像接收和解析模块301发送的疑似亮灯区域信息,确定交通信号灯各自的初步状态;
高斯模型模块306,用于接收初步状态确定模块305发送的交通信号灯各自的初步状态信息,将区域颜色特征值作为一个样本组成交通信号灯各自点亮和关闭状态样本库,并根据样本库建立交通信号灯各自点亮和关闭状态高斯模型,并计算所述高斯模型的均值和标准差;
状态判定模块307,用于接收区域颜色特征值模块304发送的区域颜色特征值,和高斯模型模块306发送的高斯模型信息,判断交通信号灯各自区域的区域颜色特征值属于哪种高斯模型,若仅有一个区域颜色特征值属于其对应交通信号灯点亮状态的高斯模型,则判定该区域颜色特征值对应的交通信号灯处于点亮状态,否则判定交通信号灯全关闭。
其中,区域颜色特征值模块304如图4所示,还进一步包括:
偏色样本单元401,用于将红灯区域内的绿色特征值的总和作为绿色偏色样本,将绿灯区域内的红黄色特征值的总和作为红黄色偏色样本,分别建立绿色偏色样本数组和红黄色偏色样本数组并实时更新;
偏色消除阈值单元402,从绿色偏色样本数组中由大到小按照第二比例值取样,计算取样样本的均值作为绿色偏色消除阈值,从红黄色偏色样本数组中由大到小按照第二比例值取样,计算取样样本的均值作为红黄色偏色消除阈值。
其中,初步状态确定模块305如图5所示,还进一步包括:
比较单元501,用于比较交通信号灯各自的区域颜色特征值,找出最大值;
初步判定单元502,用于根据最大值和疑似亮灯区域进行判定,若疑似亮灯区域中含有该最大值对应的交通信号灯区域,则认为该交通信号灯区域对应的交通信号灯点亮,否则认为所有交通信号灯均关闭。
以上实施例仅用以说明本发明的技术方案而非对其进行限制,在不背离本发明精神及其实质的情况下,熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (10)
1.一种基于视频检测交通信号灯的方法,用于根据拍摄的交通信号灯图像,判断交通信号灯的状态,其特征在于,包括步骤:
将获取的所述图像转换为HSV数据格式,得到该图像各像素点的色度、饱和度和亮度信息,并基于亮度信息将该图像二值化,确定该图像中的疑似亮灯区域;
根据所述图像中各像素点的色度值确定其对应的颜色分类;
根据各像素点的颜色分类及其饱和度和亮度信息,确定各像素点的颜色特征值;
根据各像素点的颜色特征值,用交通信号灯各自区域的所有像素点的颜色特征值之和减去该区域对应的偏色消除阈值得到该区域的区域颜色特征值;
根据交通信号灯各自区域的区域颜色特征值和疑似亮灯区域信息,确定交通信号灯各自的初步状态;
根据交通信号灯各自的初步状态,将区域颜色特征值作为一个样本组成交通信号灯各自点亮和关闭状态样本库,并根据样本库建立交通信号灯各自点亮和关闭状态高斯模型,并计算所述高斯模型的均值和标准差;
判断交通信号灯各自区域的区域颜色特征值属于哪种高斯模型,若仅有一个区域颜色特征值属于其对应交通信号灯点亮状态的高斯模型,则判定该区域颜色特征值对应的交通信号灯处于点亮状态,否则判定交通信号灯全关闭。
2.根据权利要求1所述的基于视频检测交通信号灯的方法,其特征在于,所述基于亮度信息将该图像二值化,确定该图像中的疑似亮灯区域,包括步骤:
基于亮度信息将所述图像转换为二值化图像;
判断二值化图像中交通信号灯对应区域的高亮部分面积占所述二值化图像总面积的比例是否大于第一比例值,若大于第一比例值,则认为该交通信号灯对应的区域为疑似亮灯区域。
3.根据权利要求1所述的基于视频检测交通信号灯的方法,其特征在于,所述颜色分类包括红黄色、绿色和无效颜色,分类方法如下:
若Hij>330或者Hij≤75,则确定该像素点对应的颜色分类为红黄色;
若75<Hij<210,则确定该像素点对应的颜色分类为绿色;
若210≤Hij≤330,则确定该像素点对应的颜色分类为无效颜色;
其中Hij表示坐标为(i,j)的像素点的色度值,其中i和j为像素点的坐标。
4.根据权利要求3所述的基于视频检测交通信号灯的方法,其特征在于,所述颜色特征值包括红黄色特征值和绿色特征值,所述根据各像素点的颜色分类及其饱和度和亮度信息,确定各像素点的颜色特征值,具体包括步骤:
若像素点颜色分类属于红黄色,则其红黄特征值为其饱和度和亮度的乘积,而其绿色特征值为0;
若像素点颜色分类属于绿色,则其绿色特征值为其饱和度和亮度的乘积,而其红黄特征值为0;
若像素点颜色分类属于无效颜色,则其红黄色特征值和绿色特征值均为0。
5.根据权利要求4所述的基于视频检测交通信号灯的方法,其特征在于,所述交通信号灯包括红灯、绿灯和黄灯,在所述图像中具有对应的区域,分别为红灯区域、绿灯区域和黄灯区域,所述偏色消除阈值包括红黄色偏色消除阈值和绿色偏色消除阈值,红灯区域和黄灯区域对应的偏色消除阈值为红黄偏色消除阈值,绿灯区域对应的偏色消除阈值为绿色偏色消除阈值,所述偏色消除阈值确定方法包括步骤:
将红灯区域内的绿色特征值的总和作为绿色偏色样本,将绿灯区域内的红黄色特征值的总和作为红黄色偏色样本,分别建立绿色偏色样本数组和红黄色偏色样本数组并实时更新;
从绿色偏色样本数组中由大到小按照第二比例值取样,计算取样样本的均值作为绿色偏色消除阈值,从红黄色偏色样本数组中由大到小按照第二比例值取样,计算取样样本的均值作为红黄色偏色消除阈值。
6.根据权利要求1所述的基于视频检测交通信号灯的方法,其特征在于,所述根据交通信号灯各自区域的区域颜色特征值和疑似亮灯区域信息,确定交通信号灯各自的初步状态,包括步骤:
比较交通信号灯各自的区域颜色特征值,找出最大值;
若疑似亮灯区域中含有该最大值对应的交通信号灯区域,则认为该交通信号灯区域对应的交通信号灯点亮,否则认为所有交通信号灯均关闭。
7.根据权利要求1所述的基于视频检测交通信号灯的方法,其特征在于,所述交通信号灯各自点亮和关闭状态样本库包括红灯点亮样本库,红灯关闭样本库,黄灯点亮样本库,黄灯关闭样本库,绿灯点亮样本库,绿灯关闭样本库,按照第三比例值剔除各样本库中数值最高和最低的样本后,建立交通信号灯各自点亮和关闭状态的高斯模型,包括红灯点亮高斯模型,红灯关闭高斯模型,黄灯点亮高斯模型,黄灯关闭高斯模型,绿灯点亮高斯模型,绿灯关闭高斯模型。
8.一种基于视频检测交通信号灯的装置,用于根据拍摄的交通信号灯图像,判断交通信号灯的状态,其特征在于,包括:
图像接收和解析模块,用于获取所述交通信号灯图像并转换为HSV数据格式,得到该图像各像素点的色度、饱和度和亮度信息,并基于亮度信息将该图像二值化,确定该图像中的疑似亮灯区域;
颜色分类模块,用于接收所述图像接收和解析模块发送的所述交通信号灯图像的各像素点色度值确定其对应的颜色分类;
颜色特征值模块,用于接收所述颜色分类模块发送的颜色分类信息,和接收所述图像接收和解析模块发送的饱和度和亮度信息,确定像素点的颜色特征值;
区域颜色特征值模块,用于接收颜色特征值模块发送的颜色特征值,用交通信号灯各自区域的所有像素点的颜色特征值之和减去该区域对应的偏色消除阈值得到该区域的区域颜色特征值;
初步状态确定模块,用于接收所述区域颜色特征值模块发送的区域颜色特征值,并接收所述图像接收和解析模块发送的疑似亮灯区域信息,确定交通信号灯各自的初步状态;
高斯模型模块,用于接收初步状态确定模块发送的交通信号灯各自的初步状态信息,将区域颜色特征值作为一个样本组成交通信号灯各自点亮和关闭状态样本库,并根据样本库建立交通信号灯各自点亮和关闭状态高斯模型,并计算所述高斯模型的均值和标准差;
状态判定模块,用于接收所述区域颜色特征值模块发送的区域颜色特征值,和所述高斯模型模块发送的高斯模型信息,判断交通信号灯各自区域的区域颜色特征值属于哪种高斯模型,若仅有一个区域颜色特征值属于其对应交通信号灯点亮状态的高斯模型,则判定该区域颜色特征值对应的交通信号灯处于点亮状态,否则判定交通信号灯全关闭。
9.根据权利要求8所述的基于视频检测交通信号灯的装置,其特征在于,所述交通信号灯包括红灯、绿灯和黄灯,在所述图像中具有对应的区域,分别为红灯区域、绿灯区域和黄灯区域,所述偏色消除阈值包括红黄色偏色消除阈值和绿色偏色消除阈值,红灯区域和黄灯区域对应的偏色消除阈值为红黄偏色消除阈值,绿灯区域对应的偏色消除阈值为绿色偏色消除阈值,所述区域颜色特征值模块还包括:
偏色样本单元,用于将红灯区域内的绿色特征值的总和作为绿色偏色样本,将绿灯区域内的红黄色特征值的总和作为红黄色偏色样本,分别建立绿色偏色样本数组和红黄色偏色样本数组并实时更新;
偏色消除阈值单元,从绿色偏色样本数组中由大到小按照第二比例值取样,计算取样样本的均值作为绿色偏色消除阈值,从红黄色偏色样本数组中由大到小按照第二比例值取样,计算取样样本的均值作为红黄色偏色消除阈值。
10.根据权利要求9所述的基于视频检测交通信号灯的装置,其特征在于,所述初步状态确定模块还包括:
比较单元,用于比较交通信号灯各自的区域颜色特征值,找出最大值;
初步判定单元,用于根据最大值和疑似亮灯区域进行判定,若疑似亮灯区域中含有该最大值对应的交通信号灯区域,则认为该交通信号灯区域对应的交通信号灯点亮,否则认为所有交通信号灯均关闭。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310483540.5A CN103488987B (zh) | 2013-10-15 | 2013-10-15 | 一种基于视频检测交通信号灯的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310483540.5A CN103488987B (zh) | 2013-10-15 | 2013-10-15 | 一种基于视频检测交通信号灯的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103488987A true CN103488987A (zh) | 2014-01-01 |
CN103488987B CN103488987B (zh) | 2017-04-19 |
Family
ID=49829195
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310483540.5A Active CN103488987B (zh) | 2013-10-15 | 2013-10-15 | 一种基于视频检测交通信号灯的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103488987B (zh) |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104298970A (zh) * | 2014-09-26 | 2015-01-21 | 博奥生物集团有限公司 | 一种基于颜色特征的摄像头识别和检测方法 |
CN104506779A (zh) * | 2014-12-24 | 2015-04-08 | 浙江宇视科技有限公司 | 一种红绿灯色彩矫正方法和摄像设备 |
CN104574377A (zh) * | 2014-12-24 | 2015-04-29 | 南京金智视讯技术有限公司 | 用于电子警察的红灯偏黄的校正方法 |
CN105023449A (zh) * | 2014-04-24 | 2015-11-04 | 深圳市赛格导航科技股份有限公司 | 一种交通灯的预警装置及预警方法 |
CN105160924A (zh) * | 2015-08-25 | 2015-12-16 | 公安部第三研究所 | 基于视频处理的智能信号灯状态检测方法及检测*** |
CN105791710A (zh) * | 2016-04-11 | 2016-07-20 | 北京英泰智科技股份有限公司 | 一种信号灯图像增强处理方法 |
CN105812674A (zh) * | 2014-12-29 | 2016-07-27 | 浙江大华技术股份有限公司 | 一种信号灯的颜色修正方法、监控方法及装置 |
CN105957071A (zh) * | 2016-04-26 | 2016-09-21 | 浙江宇视科技有限公司 | 一种灯组定位方法及装置 |
CN107067734A (zh) * | 2017-04-11 | 2017-08-18 | 山东大学 | 一种城市信号控制交叉口车辆滞留违章检测方法 |
CN107103330A (zh) * | 2017-03-31 | 2017-08-29 | 深圳市浩远智能科技有限公司 | 一种指示灯状态识别方法和装置 |
CN107273838A (zh) * | 2017-06-08 | 2017-10-20 | 浙江大华技术股份有限公司 | 交通信号灯抓拍图片的处理方法及装置 |
CN107341806A (zh) * | 2017-06-02 | 2017-11-10 | 青岛克路德机器人有限公司 | 基于颜色及形状特征的室内指示灯检测及状态判别方法 |
US10049464B2 (en) | 2014-09-26 | 2018-08-14 | Capitalbio Corporation | Method for identifying a unit using a camera |
CN108416284A (zh) * | 2018-03-02 | 2018-08-17 | 北京航空航天大学 | 一种交通信号灯的分割方法 |
CN108417062A (zh) * | 2018-03-07 | 2018-08-17 | 京东方科技集团股份有限公司 | 摆渡车及其运行方法和交通辅助*** |
CN110199294A (zh) * | 2017-02-28 | 2019-09-03 | 康蒂-特米克微电子有限公司 | 为机动车检测交通灯阶段的设备和方法 |
CN110275455A (zh) * | 2018-03-14 | 2019-09-24 | 佛山市顺德区美的电热电器制造有限公司 | 一种基于脑电信号的控制方法、中央控制设备、云服务器及*** |
CN110335273A (zh) * | 2019-07-15 | 2019-10-15 | 北京海益同展信息科技有限公司 | 检测方法、检测装置、电子设备和介质 |
CN111126150A (zh) * | 2019-11-25 | 2020-05-08 | 中国人民解放军国防科技大学 | 一种指示灯亮、灭状态的实时识别方法 |
CN111639656A (zh) * | 2020-05-28 | 2020-09-08 | 东软睿驰汽车技术(沈阳)有限公司 | 交通信号灯识别方法及装置 |
CN113963321A (zh) * | 2021-10-27 | 2022-01-21 | 阿波罗智联(北京)科技有限公司 | 图像处理方法、装置、电子设备和介质 |
CN114038204A (zh) * | 2020-10-21 | 2022-02-11 | 南京光准科技有限公司 | 一种利用激光感知红绿灯状态实现闯红灯风险预警的装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102142197B (zh) * | 2011-03-31 | 2013-11-20 | 汤一平 | 基于全方位计算机视觉的智能交通信号灯控制装置 |
CN102663345B (zh) * | 2012-03-07 | 2014-04-16 | 中盟智能科技(苏州)有限公司 | 自动识别红绿灯的方法及装置 |
-
2013
- 2013-10-15 CN CN201310483540.5A patent/CN103488987B/zh active Active
Cited By (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105023449A (zh) * | 2014-04-24 | 2015-11-04 | 深圳市赛格导航科技股份有限公司 | 一种交通灯的预警装置及预警方法 |
CN105023449B (zh) * | 2014-04-24 | 2017-08-08 | 深圳市赛格导航科技股份有限公司 | 一种交通灯的预警装置及预警方法 |
CN104298970A (zh) * | 2014-09-26 | 2015-01-21 | 博奥生物集团有限公司 | 一种基于颜色特征的摄像头识别和检测方法 |
US9818204B2 (en) | 2014-09-26 | 2017-11-14 | Capitalbio Corporation | Method for monitoring, identification, and/or detection using a camera based on a color feature |
US10049464B2 (en) | 2014-09-26 | 2018-08-14 | Capitalbio Corporation | Method for identifying a unit using a camera |
US10885673B2 (en) | 2014-09-26 | 2021-01-05 | Capitalbio Corporation | Method for identifying a unit using a camera |
CN104298970B (zh) * | 2014-09-26 | 2017-10-27 | 博奥生物集团有限公司 | 一种基于颜色特征的摄像头识别和检测方法 |
CN104574377A (zh) * | 2014-12-24 | 2015-04-29 | 南京金智视讯技术有限公司 | 用于电子警察的红灯偏黄的校正方法 |
CN104506779B (zh) * | 2014-12-24 | 2018-11-13 | 浙江宇视科技有限公司 | 一种红绿灯色彩矫正方法和摄像设备 |
CN104506779A (zh) * | 2014-12-24 | 2015-04-08 | 浙江宇视科技有限公司 | 一种红绿灯色彩矫正方法和摄像设备 |
CN105812674B (zh) * | 2014-12-29 | 2019-05-21 | 浙江大华技术股份有限公司 | 一种信号灯的颜色修正方法、监控方法及装置 |
CN105812674A (zh) * | 2014-12-29 | 2016-07-27 | 浙江大华技术股份有限公司 | 一种信号灯的颜色修正方法、监控方法及装置 |
CN105160924A (zh) * | 2015-08-25 | 2015-12-16 | 公安部第三研究所 | 基于视频处理的智能信号灯状态检测方法及检测*** |
CN105791710A (zh) * | 2016-04-11 | 2016-07-20 | 北京英泰智科技股份有限公司 | 一种信号灯图像增强处理方法 |
CN105957071A (zh) * | 2016-04-26 | 2016-09-21 | 浙江宇视科技有限公司 | 一种灯组定位方法及装置 |
CN105957071B (zh) * | 2016-04-26 | 2019-04-12 | 浙江宇视科技有限公司 | 一种灯组定位方法及装置 |
CN110199294A (zh) * | 2017-02-28 | 2019-09-03 | 康蒂-特米克微电子有限公司 | 为机动车检测交通灯阶段的设备和方法 |
CN107103330A (zh) * | 2017-03-31 | 2017-08-29 | 深圳市浩远智能科技有限公司 | 一种指示灯状态识别方法和装置 |
CN107067734A (zh) * | 2017-04-11 | 2017-08-18 | 山东大学 | 一种城市信号控制交叉口车辆滞留违章检测方法 |
CN107341806A (zh) * | 2017-06-02 | 2017-11-10 | 青岛克路德机器人有限公司 | 基于颜色及形状特征的室内指示灯检测及状态判别方法 |
CN107273838B (zh) * | 2017-06-08 | 2020-04-03 | 浙江大华技术股份有限公司 | 交通信号灯抓拍图片的处理方法及装置 |
CN107273838A (zh) * | 2017-06-08 | 2017-10-20 | 浙江大华技术股份有限公司 | 交通信号灯抓拍图片的处理方法及装置 |
CN108416284A (zh) * | 2018-03-02 | 2018-08-17 | 北京航空航天大学 | 一种交通信号灯的分割方法 |
CN108417062A (zh) * | 2018-03-07 | 2018-08-17 | 京东方科技集团股份有限公司 | 摆渡车及其运行方法和交通辅助*** |
CN110275455A (zh) * | 2018-03-14 | 2019-09-24 | 佛山市顺德区美的电热电器制造有限公司 | 一种基于脑电信号的控制方法、中央控制设备、云服务器及*** |
CN110275455B (zh) * | 2018-03-14 | 2021-05-25 | 佛山市顺德区美的电热电器制造有限公司 | 一种基于脑电信号的控制方法、中央控制设备、云服务器及*** |
CN110335273A (zh) * | 2019-07-15 | 2019-10-15 | 北京海益同展信息科技有限公司 | 检测方法、检测装置、电子设备和介质 |
CN110335273B (zh) * | 2019-07-15 | 2021-03-05 | 北京海益同展信息科技有限公司 | 检测方法、检测装置、电子设备和介质 |
CN111126150A (zh) * | 2019-11-25 | 2020-05-08 | 中国人民解放军国防科技大学 | 一种指示灯亮、灭状态的实时识别方法 |
CN111639656A (zh) * | 2020-05-28 | 2020-09-08 | 东软睿驰汽车技术(沈阳)有限公司 | 交通信号灯识别方法及装置 |
CN114038204A (zh) * | 2020-10-21 | 2022-02-11 | 南京光准科技有限公司 | 一种利用激光感知红绿灯状态实现闯红灯风险预警的装置 |
CN113963321A (zh) * | 2021-10-27 | 2022-01-21 | 阿波罗智联(北京)科技有限公司 | 图像处理方法、装置、电子设备和介质 |
CN113963321B (zh) * | 2021-10-27 | 2023-08-04 | 阿波罗智联(北京)科技有限公司 | 图像处理方法、装置、电子设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103488987B (zh) | 2017-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103488987A (zh) | 一种基于视频检测交通信号灯的方法及装置 | |
CN108108761B (zh) | 一种基于深度特征学习的快速交通信号灯检测方法 | |
CN102496282B (zh) | 一种rgb颜色变换的交通路口信号灯状态识别方法 | |
CN107392890B (zh) | 一种fpc铜线表面氧化缺陷检测方法及其检测*** | |
CN103093203B (zh) | 一种人体再识别方法以及人体再识别*** | |
CN106991707B (zh) | 一种基于昼夜成像特征的交通信号灯图像强化方法及装置 | |
CN102663345B (zh) | 自动识别红绿灯的方法及装置 | |
CN110688907B (zh) | 基于夜间道路光源识别物体的方法及装置 | |
CN107103606A (zh) | 一种图像识别方法及装置 | |
US20090316957A1 (en) | Method of vehicle segmentation and counting for nighttime video frames | |
CN102298852A (zh) | 基于视频的交通信号灯检测方法及装置 | |
CN109087363B (zh) | 一种基于hsv颜色空间的污水排放检测方法 | |
DE102014118779A1 (de) | Pfeilsignal-Erkennungsvorrichtung | |
CN103310201B (zh) | 目标混合颜色识别方法 | |
CN103729863B (zh) | 基于自主学习的交通信号灯全自动定位识别的方法 | |
JP2011216051A (ja) | 信号灯識別プログラムおよび信号灯識別装置 | |
CN103324957B (zh) | 信号灯状态的识别方法及识别装置 | |
CN102306276A (zh) | 基于分块聚类的视频车辆图像中车身颜色识别方法 | |
CN106373096A (zh) | 一种多特征权值自适应的阴影消除方法 | |
CN109389132A (zh) | 一种基于图像的雾浓度检测预警方法及*** | |
CN109584317B (zh) | 基于hsv色彩空间直方图的车身颜色识别方法 | |
CN114821078B (zh) | 一种车牌识别方法、装置、电子设备及存储介质 | |
CN109800693B (zh) | 一种基于颜色通道混合特征的夜间车辆检测方法 | |
CN116363100A (zh) | 图像质量评价方法、装置、设备及存储介质 | |
CN111724349B (zh) | 一种基于hsv和svm的图像脏污识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |