[发明专利]一种箭形交通信号灯候选图像区域的快速提取方法

说明书

本发明公开了一种箭形交通信号灯候选图像区域的快速提取方法，包括如下步骤：将待识别的原始图像从RGB色彩模式变换到HSV色彩模式；基于HSV阈值的候选灯体图像分割；基于几何形状变化阈值的候选灯体图像分割；分离箭头灯图像配对拼接。本发明利用颜色阈值与几何特征双重提取箭形交通信号灯候选图像区域的方式，不但可达到快速提取的目的，并且由于充分考虑到箭头灯实际图像可能为分体式图像，因此可以大大提高图像识别的准确性。

技术领域

本发明涉及车辆的智能驾驶辅助及无人驾驶技术领域，更具体地，涉及一种能够从交通环境视频图像中快速提取箭形交通信号灯候选图像区域的方法。

背景技术

红绿灯自动识别技术，尤其是红灯的自动识别技术，是车辆安全驾驶辅助和无人驾驶的关键支撑技术之一，是车辆交通环境感知的重要组成部分。根据所采用的技术方案不同，现有识别方案主要分为基于车路通信、基于周边车辆状态感知、基于GPS导航和基于车辆视觉四大类。尽管多方案融合是未来发展的趋势，但基于车载视觉的识别技术仍是学术界和企业界研究的热点，已成为智能交通系统的热点研究领域。其中，由于红灯表示禁止标志，对于交通次序和安全具有更为重要的意义，因此，能够快速实时、准确可靠的从交通环境视频图像中检测出红灯是工程应用的基本要求。

现有红灯图像自动检测技术主要分为传统图像识别和基于深度学习的红灯识别两大类。前者多基于红灯的颜色、几何等特征提取红灯的候选图像区域，实时性较好，但由于车辆运行过程中相对于红灯灯体可能存在随机变化的侧倾、俯仰和横摆等位置变化，对于这些特征的具体参数如何界定缺乏依据，准确率不高。后者需要大量的图像样本进行模型的训练，准确率好，但由于训练好的神经网络模型的参数数量往往很庞大，对硬件处理速度提出了较高要求，不利于部署在车辆上，实时性也较差。这些直接制约着基于车载视觉的红灯自动检测技术在智能驾驶辅助和无人驾驶技术中的应用。

事实上，我国关于交通红绿灯的制作、设置和安装都分别在国标GB14886-2006《道路交通信号灯设置与安装规范》、国标GB14886-2016《道路交通信号灯设置与安装规范》、GB14887-2011《道路交通信号灯》和GB14887-2016《道路交通信号灯》等标准内做出了详细的规定。根据这些标准，常见的箭形交通信号灯主要有箭头朝左的禁止左转方向指示灯和箭头朝上的禁止直行方向指示灯两种，如图1所示。

理想情况下，箭形交通信号灯在视频图像中为如图1所示的分体形式，其包括“指向箭头”和“尾部直线”两个独立部分。然而在现实中可能由于光晕、距离过远等原因，其图像成为一体形式，如图2所示。在现有研究中，部分学者并未考虑到箭头灯实际上是由分离的两部分组成，这种分离现象尤其在近距离成像时特别明显；部分学者虽然考虑到了此问题，但大多采用形态学方法进行合并操作，在处理不同距离、不同角度以及复杂多变背景下成像的分离灯体时如何选取形态学内核大小一直没有好的方案。因此对于图像的识别存在限制性。

此外，现实中还由于车辆运行过程中相对于红灯灯体可能存在随机变化的侧倾、俯仰和横摆等位置变化，使得箭形交通信号灯的图像发生各类变形。这些因素都使得检测的复杂性和难度大幅上升。

参考文献(References)：

[1]Kim K T.STVC:Secure Traffic-light to Vehicle Communication[C].International Congress on Ultra-Modern Telecommunications and ControlSystems and Workshops,St.Petersburg Russia,2012:96-104。

[2]Iglesias I,Isasi L,Larburu M,et al.I2V Communication DrivingAssistance System:On-Board Traffic Light Assistant[C].Vehicular TechnologyConference,Calgary Canada,2008:1-5。