[发明专利]基于图像处理技术的红灯信号检测方法

说明书

技术领域

本发明涉及一种基于图像处理技术的红灯信号检测方法。

背景技术

随着我国经济的飞速发展和现代化建设步伐的加快，汽车也越来越普及，而由此带来的城市交通拥堵以及交通事故频发也日益严峻，如何有效缓解城市交通压力已成为关注的重点，而且如何提高城市交通系统的运行效率和安全指数也成为研究的热点和难点。为解决上述问题，智能交通系统(ITS)应运而生，ITS是近年来发展起来的一门综合性新兴学科，随着ITS的不断发展与完善，无人驾驶也引起了国内外的普遍关注并成为一大研究热点，而交通信号灯的检测和识别是无人驾驶系统研究领域中的重点攻关对象，也是智能辅助驾驶的重要应用。

红灯信号检测就是在车辆行驶过程中实现从自然场景中提取出交通信号灯的红灯信号并对其进行检测和识别，当检测到红灯时提醒驾驶员或由无人驾驶系统减速或及时刹车，从而增强行车的安全性，减少交通事故。传统红灯信号检测方式对摄像头的精度要求很高，而且在提取红灯信号时受到外界环境影响较大，会造成一定程度的误判或者漏判。

发明内容

本发明所要解决的技术问题是提供一种基于图像处理技术的红灯信号检测方法，本方法基于图像处理技术实现红灯信号的实时检测，提高了检测精度，且避免受外界环境干扰，杜绝误判或漏判，同时也极大的降低了检测成本。

为解决上述技术问题，本发明基于图像处理技术的红灯信号检测方法包括如下步骤：

步骤一、图像预处理，通过车载摄像头采集交通图像，对采集到的图像进行裁剪、缩放和增强操作；

步骤二、基于颜色特征的图像分割，采用自适应阈值计算的循环迭代算法对预处理后的灰度图进行二值化处理；

步骤三、基于形状特征的图像分割，对二值化处理后的图像区域标签化、旋转归一、边界跟踪以及边缘特征提取，通过判别图像的几何特征、曲率粗糙程度、是否有镂空特征将疑似红灯目标从复杂的路面背景中分割出来；

步骤四、相似性测量，采用基于双向投影法的相似性配准算法对疑似红灯目标与模板进行相似性测量，计算疑似红灯目标与模板的相似度；

步骤五、目标匹配，设定匹配阈值，对小于该匹配阈值的疑似红灯目标直接剔除并判断为杂质，剩下的为红灯信号目标。

进一步，所述基于颜色特征的图像分割是指根据疑似红灯目标的颜色特征选取最优的颜色空间模型，结合RGB和HSV空间模型挑选出红色分量，计算疑似红灯目标的红色分量的方差，并设定红色分量阈值，满足红色分量阈值的即为疑似红灯目标；同时由于红灯周围被黑色灯框所包围，根据疑似红灯目标的位置坐标信息来计算其外接矩形顶点区域的颜色信息，若颜色信息的黑色分量及其黑色像素点个数满足设定的黑色分量及其黑色像素点个数阈值要求即为疑似红灯目标。

进一步，所述自适应阈值计算的循环迭代算法利用图像的灰度特征，设定某一灰度阈值将图像分为明区和暗区，分别计算图像明区和暗区的平均灰度值，将求得的明暗两区的平均灰度值再求平均，将新求得的平均灰度值与设定的灰度阈值计算其差值的绝对值，若差值绝对值小于灰度阈值，则新求得的平均灰度值即为二值化的最优阈值，若不满足则将新求得的平均灰度值作为明暗区分界值，循环上述操作，直至找到最优自适应阈值，循环次数设定为6次。

进一步，所述基于形状特征的图像分割是指根据疑似红灯目标的形状过滤掉不必要的杂质，由于红灯由黑色灯框所包围，黑色灯框分为横向或竖向设置，因此根据疑似红灯目标的坐标位置信息分别设定横、竖两种虚拟灯框，通过计算虚拟灯框的黑色色度来判断红灯的黑色灯框方向，并输出虚拟灯框的坐标信息。

进一步，所述区域标签化是指经二值化处理后图像中相互连通的区域分别打上各自的标签号，其通过对二值化图像中白色目标像素的标记，使每个单独的连通区域形成一个被标识的块，以获取块的轮廓和外接矩形，进而计算块的质心、似圆度、矩形度、偏心率几何参数。

进一步，所述双向投影法是指对二值化图像计算疑似红灯目标的边缘坐标，将疑似红灯信号和模板信号拉伸到相同的长度，分别计算疑似红灯信号和模板信号的水平方向投影和垂直方向投影，各自得到两个方向的投影值。

进一步，所述的相似性测量是将疑似红灯信号的双向投影值与模板库中的红灯对象逐一匹配，计算疑似红灯信号与每一个模板红灯对象的相似值，并返回相似值的最大值，从而判断出红灯的类型，类型包括圆形、直行、左转、右转。