[发明专利]一种基于视觉的交通信号灯识别方法及装置

说明书

一种基于视觉的交通信号灯识别方法及装置。一种基于视觉的交通信号灯识别方法，本识别方法包括三步，第一步判定交通信号灯类型，第二步图像预处理，第三步深度学习识别模型。本发明用于交通信号灯识别。

技术领域：

本发明涉及一种基于视觉的交通信号灯识别方法及装置。

背景技术：

交通信号灯的识别研究相对较少，由于交通信号灯是主动发光体，其检测和识别都存在相当高的难度。

目前常用的识别技术有：

（1）基于颜色分布的识别

交通信号的颜色分为红色，黄色，绿色，通过分析交通信号灯的像素颜色信息，得出该交通信号灯所属的颜色类型。

然而，交通信号的颜色随距离，天气和光照的影响非常大;拍摄常用的RGB空间，R、G、B这3个分量之间相关性较高，不利于颜色分割和分析；在实际应用中，颜色阈值的选取十分关键而又难以把控，由于阈值选取不灵活，使得识别效果很不理想；不仅如此，交通信号灯除了颜色信息外，还有图案指示信息需要识别，仅仅识别颜色是远远不够的。

（2）基于模板匹配的识别

通过预先设定的交通信号灯的模板，对交通信号灯进行识别；模板匹配是一种最原始、最基本的模式识别方法，研究某一特定对象物的图案位于图像的什么地方，进而识别对象物；然而，模板匹配法的局限性十分明显，对每一种可能出现的交通信号灯的组合方式都必须要预先设定其模板，才能进行有效的识别，缺乏灵活性。

（3）基于支持向量机的识别

支持向量机（SVM）基于结构风险最小化理论之上在特征空间中构建最优超平面，使得学习器得到全局最优解；通过提取交通灯的HoG或LBP训练SVM模型进行识别；

由于SVM是借助二次规划来求解支持向量，而求解二次规划将涉及m阶矩阵的计算（m为样本的个数），当m数目很大时该矩阵的存储和计算将耗费大量的机器内存和运算时间。

发明内容：

本发明的目的是提供一种能够准确而且及时地识别道路交通信号灯的系统，很有实际意义的一种基于视觉的交通信号灯识别方法及装置。

上述的目的通过以下的技术方案实现：

一种基于视觉的交通信号灯识别方法，本识别方法包括三步，第一步判定交通信号灯类型，第二步图像预处理，第三步深度学习识别模型。

所述的一种基于视觉的交通信号灯识别方法，所述的第一步判定交通信号灯类型是通过为交通信号灯长、宽比（L/W=ratio）设定阈值（Threshold=1.5），将交通信号灯分为两种，一种是竖型交通信号灯（Ratio<1.5），另一种是横型交通信号灯(Ratio≥1.5)；计算输入图像的长、宽比，首先判定输入图像是竖型交通信号灯或是横型交通信号灯，用以确定在图像预处理中的切割方向。

所述的一种基于视觉的交通信号灯识别方法，所述的第二步图像预处理是首先进行HSV颜色分割，是在HSV颜色空间中，色调（Hue）、饱和度(Saturation)和明度(Value)，相互独立，颜色分布集中；

通过HSV颜色特征，对输入图像进行二值化处理，将阈值范围内的区域设置为白色（pixel value=255），阈值范围外的区域设置为黑色（pixel value=0）,从而将待识别的交通灯图案区域与黑色灯箱背景区域区分出来；

其次是局部最小值切割是在一个黑色灯箱中，存在一个或多个交通信号灯图案，图案之间都存在着黑色的间隙；最后筛选行号进行实际切割。