交通信号灯识别方法及系统技术方案

本发明专利技术提供一种交通信号灯识别方法及系统，属于图像识别技术领域。所述方法包括：S1)获取交通信号灯的场景图像，根据预设图像算法对所述场景图像进行预处理，获得预处理图像；S2)将所述预处理图像在RGB色域上进行通道分解，获得R通道、G通道和B通道；S3)对所述R通道、所述G通道和所述B通道进行归一化处理，获得归一化图像；S4)对所述归一化图像进行色素聚类，获得色素聚类后图像；S5)根据预设图像处理算法对所述色素聚类后图像进行处理，获得处理后图像，并基于所述处理后图像判定当前交通信号灯的亮灯颜色。本发明专利技术方案实现了白天场景下的信号灯准确识别。信号灯准确识别。信号灯准确识别。

【技术实现步骤摘要】
交通信号灯识别方法及系统


[0001]本专利技术涉及图像识别
，具体地涉及一种交通信号灯识别方法及一种交通信号灯识别系统。

技术介绍

[0002]交通信号灯识别具有很大的应用场景，从违章抓拍到智能驾驶，交通信号灯准确识别都是必不可少的。在现有的交通信号灯识别方法中，主要是在采集到交通信号灯图像后，采用传统图像处理领域的阈值处理和颜色处理，这种处理方法有一定的效果，但是针对一个相机一套算法处理白天的多种信号灯的效果还是有待提升，近两年，随着深度学习的火热，研究者们开始使用深度学习技术处理这方面的问题，但是提升效果还是有待验证。目前主要存在两种交通信号灯识别方法，分别采用了传统图像处理技术和深度学习技术，前者针对白天一天的情况效果不理想，如阴雨天、反光、曝光灯情况；后者无法解决预设固定图像采集设备白天信号灯识别的情况。基于现有信号灯识别方法存在的弊端，需要创造一种新的交通信号灯的识别方法。

技术实现思路

[0003]本专利技术实施方式的目的是提供一种交通信号灯识别方法，以至少解决现有交通信号灯识别方法在情况多变的白天场景下信号灯识别准确性不高的问题。
[0004]为了实现上述目的，本专利技术第一方面提供一种交通信号灯识别方法，所述方法包括：S1)获取交通信号灯的场景图像，根据预设图像算法对所述场景图像进行预处理，获得预处理图像；S2)将所述预处理图像在RGB色域上进行通道分解，获得R通道、G通道和B通道；S3)对所述R通道、所述G通道和所述B通道进行归一化处理，获得归一化图像；S4)对所述归一化图像进行色素聚类，获得色素聚类后图像；S5)根据预设图像处理算法对所述色素聚类后图像进行处理，获得处理后图像，并基于所述处理后图像判定当前交通信号灯的亮灯颜色。
[0005]可选的，步骤S1)中，所述预设图像算法至少包括：图像噪点过滤算法和过度曝光修复算法。
[0006]可选的，步骤S2)中，所述对所述R通道、所述G通道和所述B通道进行归一化处理，获得归一化图像，包括：获取所述R通道、所述G通道和所述B通道各自对应位置的像素值；对所述R通道、所述G通道和所述B通道各自对应位置的像素值求和，获得像素和；分别获取所述R通道、所述G通道和所述B通道的像素值与所述像素和之比作为归一化图像的R通道、G通道和B通道的归一化数值；计算公式为：
[0007][0008]其中，R，G，B分别为所述R通道、所述G通道和所述B通道的像素值；R
N
,G
N
,B
N
分别为
所述R通道、所述G通道和所述B通道的归一化数值；all＝R+G+B，为所述像素和。
[0009]可选的，步骤S4)中，所述对归一化图像进行色素聚类，获得色素聚类后图像，包括：根据所述R通道、所述G通道、所述B通道的像素值和所述R通道、所述G通道、所述B通道的归一化数值，获得不同颜色的判断算据；将所述不同颜色的判断算据与对应的判据预设阈值进行对比，确定不同颜色的像素聚类，获得色素聚类后图像。
[0010]可选的，所述不同颜色包括：红色、黄色、绿色、黑色和白色；所述不同颜色的像素聚类包括红色像素聚类、黄色像素聚类、绿色像素聚类、黑色像素聚类和白色像素聚类；其中，所述红色像素聚类的判断规则为：
[0011][0012]其中，α，β，γ为红色判据预设阈值；所述黄色像素聚类的判断规则为：
[0013][0014]其中，δ，ω，π为黄色判据预设阈值；所述绿色像素聚类的判断规则为：
[0015][0016]其中，μ，ρ，ε为绿色判据预设阈值；所述黑色像素聚类的判断规则为：
[0017]R+G+B<ψ
[0018]其中，ψ为黑色判据预设阈值；所述白色像素聚类的判断规则为：若所述颜色判据不满足所述黄色像素聚类的判断规则、所述红色像素聚类的判断规则、所述绿色像素聚类的判断规则和所述黑色像素聚类的判断规则，则判定为白色像素聚类。
[0019]可选的，所述方法还包括：根据预设规则计算所述红色判据预设阈值α，β，γ、所述黄色判据预设阈值δ，ω，π、所述绿色判据预设阈值μ，ρ，ε和所述黑色判据预设阈值ψ；其中，所述预设规则包括：选取N张交通信号灯的场景图像，分别提取所述场景图像的R通道、G通道和B通道；其中，所述N张交通信号灯的场景图像至少包括：雾天的交通信号灯场景图像、雪天的交通信号灯场景图像和晴朗天的交通信号灯场景图像；在所述场景图像的R通道、G通道和B通道中分别进行红色像素、黄色像素和绿色像素划分；根据划分结果分别获得红色像素、黄色像素和绿色像素下，对应图像的R通道、G通道、B通道的像素值和R通道、G通道、B通道的归一化数值；根据R通道、G通道和B通道的像素值和R通道、G通道和B通道归一化数值，计算所述红色判据预设阈值α，β，γ、所述黄色判据预设阈值δ，ω，π、所述绿色判据预设阈值μ，ρ，ε和所述黑色判据预设阈值ψ。
[0020]可选的，步骤S5)中，所述根据预设图像处理算法对所述色素聚类后图像进行处理，获得处理后图像，包括：根据膨胀腐蚀技术对所述色素聚类后图像进行筛选，在所述色素聚类后图像中独立出需要识别的颜色区域，获得处理后图像。
[0021]本专利技术第二方面提供一种交通信号灯识别系统，所述系统包括：采集单元，用于获
取交通信号灯的场景图像；处理单元，用于根据预设图像算法对所述场景图像进行预处理，获得预处理图像；将所述预处理图像在RGB色域上进行通道分解，获得R通道、G通道和B通道；对所述R通道、所述G通道和所述B通道进行归一化处理，获得归一化图像；对所述归一化图像进行色素聚类，获得色素聚类后图像；根据预设图像处理算法对所述色素聚类后图像进行处理，获得处理后图像；人机交互单元，用于在原始图像的RGB通道中分别进行红色像素、黄色像素和绿色像素划分，以及显示所述处理后图像。
[0022]可选的，所述人机交互单元包括：输入模块，用于在原始图像的RGB通道中分别进行红色像素、黄色像素和绿色像素划分；显示模块，用于显示所述处理后图像。
[0023]另一方面，本专利技术提供一种计算机可读储存介质，该计算机可读存储介质上储存有指令，其在计算机上运行时使得计算机执行上述的交通信号灯识别方法。
[0024]通过上述技术方案，本专利技术方案将采集后的信号灯场景图像进行通道分解，然后基于白天场景下对应规律进行通道归一化处理和后续的聚类处理，通过聚类结果判定当前场景中的信号灯显色结果。本专利技术方案是基于整理的白天规律进行的信号灯识别，使得本专利技术方案在复杂多变的白天场景下，进行交通信号灯的识别结果非常准确。
[0025]本专利技术实施方式的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
[0026]附图是用来提供对本专利技术实施方式的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本专利技术实施方式，但并不构成对本专利技术实施方式的限制。在附图中：
[0027]图1是本专利技术一种实施方式提供的交通本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种交通信号灯识别方法，其特征在于，所述方法包括：S1)获取交通信号灯的场景图像，根据预设图像算法对所述场景图像进行预处理，获得预处理图像；S2)将所述预处理图像在RGB色域上进行通道分解，获得R通道、G通道和B通道；S3)对所述R通道、所述G通道和所述B通道进行归一化处理，获得归一化图像；S4)对所述归一化图像进行色素聚类，获得色素聚类后图像；S5)根据预设图像处理算法对所述色素聚类后图像进行处理，获得处理后图像，并基于所述处理后图像判定当前交通信号灯的亮灯颜色。2.根据权利要求1所述的交通信号灯识别方法，其特征在于，步骤S1)中，所述预设图像算法至少包括：图像噪点过滤算法和过度曝光修复算法。3.根据权利要求1所述的交通信号灯识别方法，其特征在于，步骤S2)中，所述对所述R通道、所述G通道和所述B通道进行归一化处理，获得归一化图像，包括：获取所述R通道、所述G通道和所述B通道各自对应位置的像素值；对所述R通道、所述G通道和所述B通道各自对应位置的像素值求和，获得像素和；分别获取所述R通道、所述G通道和所述B通道的像素值与所述像素和之比作为归一化图像的R通道、G通道和B通道的归一化数值；计算公式为：其中，R，G，B分别为所述R通道、所述G通道和所述B通道的像素值；R
N
,G
N
,B
N
分别为所述R通道、所述G通道和所述B通道的归一化数值；all＝R+G+B，为所述像素和。4.根据权利要求3所述的交通信号灯识别方法，其特征在于，步骤S4)中，所述对归一化图像进行色素聚类，获得色素聚类后图像，包括：根据所述R通道、所述G通道、所述B通道的像素值和所述R通道、所述G通道、所述B通道的归一化数值，获得不同颜色的判断算据；将所述不同颜色的判断算据与对应的判据预设阈值进行对比，确定不同颜色的像素聚类，获得色素聚类后图像。5.根据权利要求4所述的交通信号灯识别方法，其特征在于，所述不同颜色包括：红色、黄色、绿色、黑色和白色；所述不同颜色的像素聚类包括红色像素聚类、黄色像素聚类、绿色像素聚类、黑色像素聚类和白色像素聚类；其中，所述红色像素聚类的判断规则为：其中，α，β，γ为红色判据预设阈值；所述黄色像素聚类的判断规则为：
其中，δ，ω，π为黄色判据预设阈值；所述绿色像素聚类的判断规则为：其中，μ，ρ，ε为绿色判据预设阈值；所述黑色像素聚类的判断规则为：R+G+B<ψ其中，ψ为黑色判据预设阈值；所述白色像素聚类的判断规则为：...

【专利技术属性】
技术研发人员：赵守风，俎振山，莫为民，黄欣，潘苗苗，陈程，徐琴琴，陈海涛，宁烁，汪才隆，刘焕晓，汤蕾蕾，王强，王辰昊，
申请(专利权)人：合肥讯图信息科技有限公司，
类型：发明
国别省市：