[发明专利]一种基于卷积网络的交通信号灯识别算法

权利要求书

1.一种基于卷积网络的交通信号灯识别算法，包含原始图像采集与处理模块、输入图像特征提取模块、候选区域获取模块、交通信号灯候选区域获取模块、交通信号灯检测模块、颜色与形状识别模块以及识别结果输出模块，其特征在于，原始图像采集与处理模块，用于采集车辆行驶前方的图像数据，并对图像分辨率进行处理，得到RGB色彩空间的输入图像；输入图像特征提取模块，用于依靠多层卷积特征提取器从所述的输入图像中提取特征，得到卷积特征图；候选区域获取模块，靠滑动窗口从所述的卷积特征图中获取信息，并将滑动窗口与所述的输入图像中的某一块区域建立映射关系，以此得到图像区域集合，同时获取所述图像区域中交通信号灯区域的精确位置，最终从所述的图像区域集合中挑选出最有可能包含交通信号灯的图像区域，生成候选区域集合；交通信号灯候选区域获取模块，用于从候选区域所对应的滑动窗口中获取信息，然后利用全连接与奇异值分解得到每个候选区域的特征向量，进而从中分离出交通信号灯候选区域集合；交通信号灯检测模块，用于通过位置回归器来确定所述的交通信号灯候选区域在所述输入图像中的精确位置，结合候选区域获取模块，最终得到交通信号灯区域在所述的输入图像中的精确位置；颜色与形状识别模块，用于将所述的交通信号灯区域从RGB色彩空间转化为HSV色彩空间，分割出交通信号灯背景板的二值图像，并根据交通信号灯背景板的特征、交通信号灯发光部分的特征以及交通信号灯一级分类，确定交通信号灯的颜色与形状，识别结果输出模块，用于产生相应的语音、文字等提示信息，输出识别结果。

2.根据权利要求1所述的基于卷积网络的交通信号灯识别系统，其特征在于，所述多层卷积特征提取器主要包含卷积、特征抽取、网络激活三个操作，采用以下公式对所述输入图像进行卷积操作：

其中代表第l个卷积层的第j个特征图数值，w代表卷积参数，b代表偏置参数，f()代表网络激活函数，采用以下公式对所述输入图像进行特征抽取操作：

其中代表第l个卷积层的第j个特征图数值，w代表卷积参数，b代表偏置参数，f()代表网络激活函数，down()代表最大值提取操作，采用以下公式对所述输入图像进行网络激活：

f(x)＝max(0，x)。

3.根据权利要求1所述的基于卷积网络的交通信号灯识别算法，其特征在于，确定所述的图像区域中交通信号灯区域的精确位置采用如下公式：

其中x，x_a分别表示交通信号灯区域的中点的x轴坐标值，图像区域的中点的x轴坐标值，w_a，t_x为坐标预测参数，y、w、h三个参数组则分别代表了纵轴、宽、高。

4.根据权利要求1所述的基于卷积网络的交通信号灯识别系统，其特征在于，采用以下公式完成奇异值分解：

W≈U∑_tV^T

其中W是权重矩阵，U是左奇异向量，∑_t是对角矩阵，V^T是右奇异向量，采用以下公式得到所述交通信号灯的候选区域在输入图像中的精确位置：

其中，P表示交通信号灯的候选区域在输入图像中的粗略位置，F表示交通信号灯的候选区域在输入图像中的精确位置，x，y，w，h分别表示交通信号灯的候选区域的中点x、y、长与度，d_*(P)表示位置调整函数。

5.根据权利要求1所述的基于卷积网络的交通信号灯识别算法，其特征在于，从RGB色彩空间转化为HSV色彩空间采用如下公式：

2