[发明专利]一种基于时序规律的交通指示红黄绿灯的图像识别方法

说明书

本发明公开了一种基于时序规律的交通指示红黄绿灯的图像识别方法：按一定时间间隔T逐帧采集行驶车辆前方的交通图像；根据给定的颜色阈值，分别获得每一帧图像中的红灯、黄灯和绿灯的候选图像区域；然后在一定的时间观察窗口W*T中按颜色统计分析所有相对应候选图像区域的点亮时序曲线，最后根据这些时序曲线的自身规律或/和相互关系来自动识别判断这些红灯、黄灯和绿灯的候选图像区域是否为红灯、黄灯和绿灯的目标图像。相比于现有各类交通指示灯的图像识别方法，本发明原理简单，算法效率高，当灯体存在局部缺陷或者部分被遮挡时，或者存在大量与灯体形似的干扰物时，都依然能够保持较高的识别准确率。

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，涉及一种基于时序规律的交通指示红黄绿灯的图像识别方法。

背景技术

红绿灯自动识别技术，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。基于车载摄像头实时捕捉车辆行驶方向前方的环境图像，并利用数字图像处理技术自动识别判断环境图像中的交通指示灯情况，是广受关注的一个研究热点和潜在应用。现有红灯图像自动识别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，后者需要大量的图像样本进行模型的训练。然而，当交通指示灯的发光灯体存在局部缺陷或者部分被遮挡时，或者当图像中存在大量与灯体形似的干扰物时，例如夕阳、圆形红灯笼、圆形汽车尾灯和中文广告字“个”等，这些识别方法都极可能失败。这直接制约着基于车载视觉的交通指示灯的自动识别技术在智能驾驶辅助和无人驾驶领域中的应用。

CN201510208977.7公开的“一种应用于无人驾驶汽车的交通灯快速检测算法”，该方法根据上一帧图像中的红绿灯区域位置和传感器的数据，并结合红绿灯的高度范围，预测当前帧图像中红绿灯区域的位置，再识别当前帧图像中是否有相同形状和颜色的识别区域在预测区域之内，如果有，由判断该区别为红绿灯区域。该方法虽然可以缩小检测范围，但是必须依赖车载传感器获得车速、车转向角等数据，且不能识别处于变化状态的灯体，因此具有一定局限性。

发明内容

本发明所要解决的技术问题在于提供一种基于时序规律，从交通环境视频图像中自动识别判断红灯、黄灯和绿灯的方法。

为解决上述技术问题，本发明的技术解决方案是：

一种基于时序规律的交通指示红黄绿灯的图像识别方法：按一定时间间隔T逐帧采集行驶车辆前方的交通图像；根据给定的颜色阈值，分别获得每一帧图像中的红灯、黄灯和绿灯的候选图像区域；然后在一定的时间观察窗口W*T中按颜色统计分析所有相对应候选图像区域的点亮时序曲线，最后根据这些时序曲线的自身规律或/和相互关系来自动识别判断这些红灯、黄灯和绿灯的候选图像区域是否为红灯、黄灯和绿灯的目标图像。

优选地，所述图像识别方法包括如下步骤：

第一步：实时交通图像采样，根据一定的时间间隔T实时逐帧采集车辆行驶方向前方的交通图像，并记当前最新采集的图像为第k帧图像G(k)；

第二步：交通指示灯的候选图像区域分割，基于颜色阈值从G(k)中提取出所有可能是红灯、黄灯和绿灯的候选图像区域，分别记为Rk{o}、Yk{p}和Gk{q}，其中o、p和q分别为G(k)中红灯、黄灯和绿灯的候选图像区域的个数；

第三步：基于特征匹配的候选图像观察窗内搜索，在一定时间长度W*T的时间观察窗内，按颜色根据特征匹配每一帧图像中的候选图像区域，各帧中相互匹配成功的候选图像区域被认定为同一灯体，根据该匹配的候选图像区域在各帧中出现与否设置点亮值；

第四步：基于上述点亮值绘制点亮时序变化曲线；

第五步：根据各相匹配的灯体候选图像区域的点亮时序曲线的自身规律或/和相互关系，判断其是否为交通指示红灯、黄灯或绿灯。