[发明专利]一种基于数字图像处理的交通信号灯识别方法

说明书

本发明公开了一种基于数字图像处理的交通信号灯识别方法，包括：构建车载前方图像采集系统；对待识别的图像进行预处理，进而二值化，定位出信号灯板和信号灯亮块；独立的信号灯块区域；标定出信号灯板及信号灯的检测区域，设置为检测感兴趣区域；在检测感兴趣区域中，删除干扰亮块，提取出信号灯灯块；采用阈值法对信号灯颜色进行分类；判断两类信号灯形状；对于圆形信号灯，结合颜色信息得出信号灯指示结果；对于箭头形信号灯，采用建立箭头形信号灯模型，对模型进行分块处理，再基于不同区域中目标像素点的分布情况进行方向的判断，结合前期颜色信息输出最终的信号灯指示结果。本发明有效提高了交通信号灯自动识别的精度和实时性。

技术领域

本发明涉及一种交通信号灯的自动识别方法，具体涉及一种基于数字图像处理的交通信号灯识别方法。

背景技术

交通信号灯自动识别系统是智能道路运输安全系统的关键组成部分，同时也是无人驾驶技术能够安全可靠运行的主要保障之一。信号灯的检测与识别是交通信号灯自动识别系统的两大核心技术。针对该领域的研究现状，对信号灯检测与识别需要进行深入的分析与思考，设计出能够自动获取所在道路上交通信号灯指示信息的算法，从而使驾驶员将更多的精力投入到车辆驾驶上，同时也能帮助视觉较弱和色觉辨识度不高的群体享受开车的便利，因此，开展对该课题的研究具有十分重要的研究意义。

目前，国内外许多研究人员对交通信号灯的自动识别展开了广泛的研究，提出了多种交通信号灯自动识别的有效方法。谷明琴等人采用YCrCb彩色模型，在Cb和Cr通道下对交通信号灯进行阈值分割，通过统计像素点的数量判断信号灯的颜色，再采用最邻近分类器方法识别方向。该方法仅考虑信号灯灯体，未加入信号灯的面板作为约束条件，因此，该方法的误检率较高。四川大学的李佳阳等人以亮度特征作为约束条件，对信号灯进行分割和提取，结合最优阈值的思路，实现了对信号灯的定位。采用HIS彩色空间的H通道颜色信息的约束，进而确定信号灯的颜色信息。然后，进行形状匹配以此确定信号灯的形状特征，最终判定交通信号灯的状态。国外学者jin.Hyung Park等人提出了一种有效的信号灯识别算法，该算法首先在彩色空间的颜色通道中提取属于信号灯的像素点，然后，采用k均值方法(k-means)进行聚类实现信号灯灯块的定位，再对信号灯灯块区域进行形状检测。最后，加入交通信号灯的背板特征，用于排除其他干扰亮块。该方法的创新之处为其利用了帧间跟踪方法，对误删和漏检的信号灯块进行修正和补充，再利用算法的最优解公式计算出现最优结果，由此有效提高了信号灯的检测率。但是，该方法受周围环境和天气条件的影响比较大，信号灯的误检率较高，算法的鲁棒性有待提高。

综上所述，对交通信号灯的自动识别方法主要有两大类，即侧重于采用颜色特征或者侧重采用形状特征识别信号灯。由于交通信号灯的颜色与周围环境的颜色对比度较大，基于颜色特征的信号灯识别方法能够取得较好的识别效果，但是，该类方法受光照和天气条件的影响会导致信号灯颜色失真，无法应用在在复杂光照环境下的信号灯识别。基于形态特征的信号灯识别方法可以克服信号灯颜色失真等因素，但是，自然场景中存在很多与信号灯形状相似的干扰物体，或者信号灯的轮廓被遮挡无法完整检测时都将降低信号灯的识别率。

发明内容

本发明的目的在于克服现有技术的不足，提供一种交通信号灯的自动识别方法，在图像采集系统、图像增强和滤波降噪的预处理、信号灯灯板和灯块检测区域定位、基于颜色和形状特征的信号灯目标灯块提取的前提下，通过灯块的形状特征进行的箭头形信号灯的方向判定，并在此基础上结合颜色特征输出信号灯的指示结果，有效提高了交通信号灯自动识别的精度和实时性。

本发明的目的是通过以下技术方案来实现的：

一种基于数字图像处理的交通信号灯识别方法，包括以下步骤：

S1.构建车载前方图像采集系统；

S2.采集若干张包含交通信号灯的图像，对采集的待识别的图像进行预处理；

S3.对预处理后的图像进行二值化，定位出信号灯板和信号灯亮块；