[发明专利]一种基于CBAM结合HSB模式的交通信号灯检测方法和系统

权利要求书

1.一种基于CBAM结合HSB模式的交通信号灯检测方法，其特征在于，包括以下步骤：

步骤一：通过CBAM机制结合卷积神经网络技术检测到每个交通信号灯在图像中的区域和对应的信号灯类别；

步骤二：切割出每个交通信号灯区域块子图，并转换到HSB颜色模式，统计该子图的红、黄、橙、绿的色相H通道的直方图；

步骤三：根据步骤二中的信息，对于色相H直方图的所属色块为红、黄、绿的，直接输出该交通信号灯颜色信息；对于所属色块为橙的，计算区域块子图在亮度B通道的重心位置，根据重心位置以及交通信号灯类别判断当前信号灯是红色还是黄色；具体包括：

(3.1) 计算步骤二得到的红、黄、橙、绿区域直方图的最大值，当最大值为红、黄、绿色时，直接输出该交通信号灯颜色信息；

(3.2) 当最大值为橙色时，表示当前信号灯为橙色，不能直接根据图像颜色判断当前信号灯的颜色状态，需要进一步计算交通信号灯区域块子图在亮度B通道的重心位置（x₀,y₀）；

(3.3) 根据交通信号灯子图的亮度B通道重心位置（x₀, y₀）和信号灯类别判断橙色的交通信号灯是红灯还是黄灯：当交通信号灯为横向灯时，若重心位置（x₀, y₀）位于中间时为黄色灯，在左侧三分之一处时为红色灯；当交通信号灯为竖向灯时，若重心位置（x₀, y₀）位于中间时为黄色灯，在上侧三分之一处时为红色灯；当交通信号灯为单灯时，将色相H通道橙色区域块平均分为两部分，即[11，18]和[19，25]，若[11，18]部分更大则为红色灯，否则为黄色灯；

步骤四：重复步骤二和步骤三，完成所有交通信号灯的检测，然后根据图像中的所有交通信号灯的位置排列信息，判断每个交通信号灯所代表的方向指示，从而得到完整的交通信号灯信息。

2.根据权利要求1所述一种基于CBAM结合HSB模式的交通信号灯检测方法，其特征在于，所述步骤一通过以下子步骤来实现：

(1.1) 在交通信号灯检测网络训练阶段，对训练数据集先使用CBAM机制序列化地在通道和空间两个维度上生成注意力特征图信息，然后再网络训练时，将原始训练集输入到卷积神经网络中提取到常规特征图，并与通过CBAM机制得到的特征图信息进行自适应特征修正，产生最后的特征图，并输入到交通信号灯检测网络中进行网络训练；

(1.2) 通过（1.1）得到训练好的交通信号灯检测网络，将待测试的包含交通信号灯的图像输入到训练好检测网络中，得到图像中所有的交通信号灯位置和类别，其中类别包括横向灯、竖向灯、单灯三种，最终输出交通信号灯区域位置信息和对应的类别信息。

3.根据权利要求1所述一种基于CBAM结合HSB模式的交通信号灯检测方法，其特征在于，所述步骤二通过以下子步骤来实现：

(2.1) 根据步骤一得到的交通信号灯位置信息，切割出每个交通信号灯区域块子图，首先将子图转为灰度图，然后计算灰度图阈值T，阈值 T 的计算方式为：将灰度图的灰度值按从小到大排序，取前 10%作为分界线 V，即 T=V；

(2.2) 然后使用阈值法对灰度子图进行二值化，对二值化后的图进行连通域检索，找到最大的连通域作为交通信号灯区域，并切割出来得到最终的信号灯区域子图；

(2.3) 计算信号灯区域子图在HSB模式下的H、B通道矩阵；

(2.4) 分别统计交通信号灯区域块子图色相H通道在红、黄、橙、绿区域的直方图，其中红色区域代表H通道数值区间为{[0,10],[156,180]}，黄色区域代表H通道数值区间为[26，40]，橙色区域代表H通道数值区间为[11，25]，绿色区域代表H通道数值区间为[41，115]，其中，绿色区域的H通道数值区间包含绿色、青蓝色区域，避免颜色失真导致的绿色灯表现为青蓝色；然后计算各个颜色区间的总值。