[发明专利]一种基于OpenCV和综合匹配距离的红绿灯识别方法

说明书

一种基于OpenCV和综合匹配距离的红绿灯识别方法，利用OpenCV中的cv2.VideoCapture类函数捕获行车过程中的路况视频流，接着调用cv2.VideoCapture.read函数、cv2.CAP_PROP_FRAME_WIDTH函数和cv2.CAP_PROP_FRAME_HEIGHT函数捕获width、height尺寸的视频帧；然后利用OpenCV中的cv2.medianBlur函数对捕获的视频帧进行中值滤波；紧接着对中值滤波后的图像进行加权平均灰度化，然后利用OpenCV中的cv2.HoughCircles函数对图像进行霍夫圆环检测。再然后对检测、分割到的圆环进行颜色检测，即把图像从RGB色彩空间转换到HSV色彩空间，接着利用cv2.inRange函数筛选颜色，然后通过综合待测试图像与数据库图像非零像素点向量之间的欧氏距离以及非零像素点数比值，构建衡量两幅图像相似度的综合匹配距离，最后通过比较计算出的所有综合匹配距离，选择最小综合匹配距离对应的待测试图像的类别为识别结果。

技术领域

本发明涉及自动驾驶领域，具体涉及一种识别红绿灯的方法。

技术背景

在计算机技术的发展浪潮下，自动驾驶技术离人们越来越近，这也逐渐引发了人们对如何精准完成红绿灯识别问题的思考。目前，基于机器学习的识别方法算法较复杂、计算量较大，难以满足行车过程中的实时识别要求，而直接提取彩色图像的红色分量和绿色分量用于识别的方法，易受外界条件的影响，如相机的成像质量和环境的光照等。打造智慧城市，借助科学技术识别交通灯，提高驾驶员的安全驾驶指数，不断深化对智慧城市中的红绿灯识别问题的研究显得尤为必要。

发明内容

针对现有技术的上述问题，本发明提出一种基于OpenCV和综合匹配距离的红绿灯识别方法。

本发明首先利用OpenCV中的cv2.VideoCapture类函数捕获行车过程中的路况视频流，接着调用cv2.VideoCapture.read函数、cv2.CAP_PROP_FRAME_WIDTH函数和cv2.CAP_PROP_FRAME_HEIGHT函数捕获width、height尺寸的视频帧。然后利用OpenCV中的cv2.medianBlur函数对捕获的视频帧进行中值滤波。紧接着对中值滤波后的图像进行加权平均灰度化，然后利用OpenCV中的cv2.HoughCircles函数对图像进行霍夫圆环检测。再然后对检测、分割到的圆环进行颜色检测，即把图像从RGB色彩空间转换到HSV色彩空间，接着利用cv2.inRange函数筛选颜色，然后通过综合待测试图像与数据库图像非零像素点向量之间的欧氏距离以及非零像素点数比值，构建衡量两幅图像相似度的综合匹配距离，最后通过比较计算出的所有综合匹配距离，选择最小综合匹配距离对应的待测试图像的类别为识别结果。

为实现上述目的，本发明采用以下技术方案：

一种基于OpenCV和综合匹配距离的红绿灯识别方法，包括如下步骤：

步骤一，捕获视频帧；

本发明利用OpenCV中的cv2.VideoCapture类函数从安装在车头用于拍摄前方路况的摄像设备实时读入视频流。同时通过利用cv2.CAP_PROP_FPS函数设置捕获每幅视频帧的帧速，然后调用cv2.VideoCapture.read函数和设置每个帧对象的width、height的cv2.CAP_PROP_FRAME_WIDTH函数、cv2.CAP_PROP_FRAME_HEIGHT函数完成视频帧捕获。

步骤二，对视频图像进行中值滤波；

利用OpenCV中的cv2.medianBlur函数对步骤一捕获的视频帧进行平滑操作，以减少图像中的噪声，避免后续步骤发生误判。

步骤三，霍夫圆环检测；