一種基于預(yù)先標(biāo)定的信號(hào)燈識(shí)別方法
【專(zhuān)利摘要】本發(fā)明涉及一種基于預(yù)先標(biāo)定的信號(hào)燈識(shí)別方法。它首先通過(guò)HOG特征訓(xùn)練SVM分類(lèi)器檢測(cè)信號(hào)燈背板，完成對(duì)信號(hào)燈候選區(qū)域進(jìn)行初定位；其次從實(shí)時(shí)視頻中獲取信號(hào)燈候選區(qū)域的彩色圖像，再將信號(hào)燈背板區(qū)域剔除得到各信號(hào)燈的位置；然后利用連通區(qū)域與水平外接矩形的面積比對(duì)信號(hào)燈候選區(qū)域中的信號(hào)燈形狀進(jìn)行判斷；最后利用HSV顏色空間進(jìn)行信號(hào)燈識(shí)別。本發(fā)明通過(guò)識(shí)別背板區(qū)域代替直接識(shí)別信號(hào)燈本身，避免多輪分類(lèi)，降低樣本訓(xùn)練的難度，預(yù)先標(biāo)定過(guò)程全部采用灰度圖像，進(jìn)一步降低訓(xùn)練樣本的類(lèi)型要求，在實(shí)時(shí)檢測(cè)信號(hào)燈中，只需要在預(yù)先標(biāo)定好的信號(hào)燈候選區(qū)內(nèi)進(jìn)行識(shí)別，大大縮小了檢測(cè)范圍，從而提高了運(yùn)算速度，實(shí)時(shí)性高。
【專(zhuān)利說(shuō)明】
一種基于預(yù)先標(biāo)定的信號(hào)燈識(shí)別方法
技術(shù)領(lǐng)域
[0001]本發(fā)明屬于智能交通技術(shù)領(lǐng)域，具體是一種利用預(yù)先標(biāo)定策略進(jìn)行信號(hào)燈識(shí)別的基于預(yù)先標(biāo)定的信號(hào)燈識(shí)別方法。
【背景技術(shù)】
[0002]信號(hào)燈標(biāo)定等同于一次性的信號(hào)燈檢測(cè)，通過(guò)標(biāo)定出各色信號(hào)燈位置與類(lèi)型的對(duì)應(yīng)關(guān)系，降低實(shí)時(shí)檢測(cè)的成本。目前國(guó)內(nèi)外對(duì)于交通信號(hào)燈檢測(cè)的研究主要可以分為四類(lèi)方法:(I)根據(jù)信號(hào)燈的顏色特征進(jìn)行區(qū)分；(2)直接利用信號(hào)燈的形狀進(jìn)行識(shí)別；(3)通過(guò)機(jī)器學(xué)習(xí)訓(xùn)練信號(hào)燈的某類(lèi)特征從而做出預(yù)測(cè)；(4)利用先驗(yàn)地圖的形式進(jìn)行后期查詢(xún)。
[0003]根據(jù)信號(hào)燈的顏色特征進(jìn)行識(shí)別的方式首先需要確定具體的顏色空間或者說(shuō)編碼方式，此類(lèi)研究有基于RGB顏色模型、HSV顏色模型、HIS顏色模型、YUV(YCbCr)顏色模型和Lab顏色模型，然而RGB顏色模型的各分量均受亮度的影響，在不同光照條件下變化幅度大，用于實(shí)際的紅綠燈顏色特征劃分時(shí)較難給出閾值，因而通常需要組合各分量信息進(jìn)行判斷，如使用RGB空間相似距離或者轉(zhuǎn)化為其他更易區(qū)分的顏色模型。
[0004]利用信號(hào)燈形狀進(jìn)行識(shí)別的研究所根據(jù)的具體對(duì)象有基于圓形發(fā)光區(qū)域、信號(hào)燈矩形框架和信號(hào)燈桿的幾何形狀信息。其中基于圓形發(fā)光區(qū)域展開(kāi)的研究有Hough變化檢測(cè)圓燈、計(jì)算候選區(qū)域圓形度、計(jì)算候選區(qū)域圓形標(biāo)準(zhǔn)差;針對(duì)信號(hào)燈的矩形框架的研究有基于信號(hào)燈背板進(jìn)行矩形識(shí)別、計(jì)算矩形度以及模板匹配。但這些方法都需要比較高質(zhì)量的圖像才能得到明顯的形狀信息進(jìn)行識(shí)別，并且只利用單一靠形狀特征很難對(duì)距離較遠(yuǎn)的情況進(jìn)行定位。
[0005]通過(guò)機(jī)器學(xué)習(xí)的識(shí)別方法需要獲取訓(xùn)練樣本并對(duì)某類(lèi)特征進(jìn)行預(yù)先學(xué)習(xí)，由于信號(hào)燈的種類(lèi)不一，通常只能針對(duì)某一類(lèi)信號(hào)燈進(jìn)行訓(xùn)練學(xué)習(xí)，現(xiàn)有的研究有通過(guò)提取信號(hào)燈的局部二值特征，再利用分類(lèi)器來(lái)訓(xùn)練識(shí)別圓形信號(hào)燈;采用小波變換與分類(lèi)器對(duì)箭頭形信號(hào)燈進(jìn)行識(shí)別，但復(fù)雜的分類(lèi)器容易導(dǎo)致運(yùn)算速度緩慢，影響系統(tǒng)實(shí)時(shí)性。
[0006]利用基于先驗(yàn)地圖的方法，預(yù)先通過(guò)駕駛配有GPS、加速度傳感器、攝像頭設(shè)備的測(cè)繪車(chē)輛制作先驗(yàn)地圖，在后期識(shí)別時(shí)利用當(dāng)前地理位置信息找到先驗(yàn)地圖中對(duì)應(yīng)紅綠燈的位置，從而完成信號(hào)燈定位。但該方法在前期需要投入非常大的人力物力并且不夠靈活，在后期維護(hù)也同樣繁瑣，很難及時(shí)更新先驗(yàn)地圖。
[0007]除了上述現(xiàn)有的研究方向，交通信號(hào)燈還有其他的特征信息如紋理特征、統(tǒng)計(jì)特征、邊界特征可以幫助進(jìn)一步分析和理解圖像，結(jié)合這些互有優(yōu)勢(shì)的特征和具有高適用性與可成長(zhǎng)性的機(jī)器學(xué)習(xí)方法，本發(fā)明利用城市交叉路口的信號(hào)燈檢測(cè)應(yīng)用場(chǎng)景中相機(jī)位置固定不動(dòng)的特點(diǎn)(即具體單個(gè)相機(jī)的所有視頻中紅綠燈位置固定)，提出一種基于預(yù)先標(biāo)定的信號(hào)燈識(shí)別方法，可以高效低耗地對(duì)信號(hào)燈進(jìn)行實(shí)時(shí)檢測(cè)識(shí)別。

【發(fā)明內(nèi)容】

[0008]針對(duì)現(xiàn)有技術(shù)中存在的上述問(wèn)題，本發(fā)明的目的在于提供一種基于預(yù)先標(biāo)定的信號(hào)燈識(shí)別方法。它首先通過(guò)HOG特征訓(xùn)練SVM分類(lèi)器檢測(cè)信號(hào)燈背板，完成對(duì)信號(hào)燈候選區(qū)域進(jìn)行初定位;其次從實(shí)時(shí)視頻中獲取信號(hào)燈候選區(qū)域的彩色圖像，再將信號(hào)燈背板區(qū)域剔除得到各信號(hào)燈的位置;然后利用連通區(qū)域與水平外接矩形的面積比對(duì)信號(hào)燈候選區(qū)域中的信號(hào)燈形狀進(jìn)行判斷;最后利用HSV顏色空間進(jìn)行信號(hào)燈識(shí)別。
[0009]所述的一種基于預(yù)先標(biāo)定的信號(hào)燈識(shí)別方法，其特征在于包括以下步驟:
[0010]步驟1:提取信號(hào)燈背板的HOG特征，并利用SVM進(jìn)行訓(xùn)練；
[0011]步驟2:對(duì)待標(biāo)定的視頻幀利用多尺度的滑動(dòng)窗口機(jī)制初步確定信號(hào)燈所在的區(qū)域，即背板位置；
[0012]步驟3:實(shí)時(shí)提取信號(hào)燈背板區(qū)域的局部彩色圖像，通過(guò)灰度分割操作后將信號(hào)燈背板區(qū)域的暗部區(qū)域去除，得到發(fā)光的信號(hào)燈區(qū)域，再利用連通區(qū)域與水平外接矩形的面積比來(lái)判斷發(fā)光信號(hào)燈的外形；
[0013]步驟4:進(jìn)一步判斷步驟3中識(shí)別為箭頭形信號(hào)燈的箭頭方向；
[0014]步驟5:進(jìn)一步將檢測(cè)到的信號(hào)燈轉(zhuǎn)化到HSV的顏色空間，再對(duì)信號(hào)燈顏色進(jìn)行識(shí)另IJ，從而得到各種類(lèi)型的信號(hào)燈位置與顏色信號(hào)的映射關(guān)系，完成標(biāo)定，具體步驟如下:
[0015]步驟5.1:將發(fā)光的連通區(qū)域圖像轉(zhuǎn)化至HSV顏色空間；
[0016]步驟5.2:統(tǒng)計(jì)各信號(hào)燈區(qū)域的H、S、V通道平均值；
[0017]步驟5.3:滿(mǎn)足He(O，30) U (330，360)，Se [ 10，100]，Ve [5，100)的區(qū)域判斷為紅燈；
[0018]步驟5.4:滿(mǎn)足H G (40，80)，S e [ 30，100 ]，V e [ 5，100)的區(qū)域判斷為黃燈；
[0019]步驟5.5:滿(mǎn)足He(90,160)，Se [30,100]，Ve[5，100)的區(qū)域判斷為綠燈。
[0020]所述的一種基于預(yù)先標(biāo)定的信號(hào)燈識(shí)別方法，其特征在于步驟I中利用SVM進(jìn)行訓(xùn)練的具體步驟如下:
[0021]步驟1.1:使用寬為Wo、高為Ho的灰度圖作為樣本進(jìn)行HOG特征采集，其中，正樣本為各類(lèi)信號(hào)燈背板圖片，負(fù)樣本為除信號(hào)燈背板外的其他區(qū)域；
[0022]步驟1.2:設(shè)置!106特征塊尺寸為￥1^*11^，塊步長(zhǎng)為3朽，胞元尺寸為0(:，劃分直方圖區(qū)間個(gè)數(shù)為K;
[0023]步驟1.3:對(duì)HOG特征塊進(jìn)行歸一化并將歸一化后的各個(gè)胞元的特征向量聯(lián)結(jié)在一起構(gòu)成塊的HOG特征，所有的HOG特征集合即為整個(gè)信號(hào)燈背板的HOG的特征；
[0024]步驟1.4:利用SVM對(duì)信號(hào)燈背板正負(fù)樣本的特征進(jìn)行訓(xùn)練，確定分割兩種訓(xùn)練樣本的最佳超平面。
[0025]所述的一種基于預(yù)先標(biāo)定的信號(hào)燈識(shí)別方法，其特征在于步驟2中對(duì)待標(biāo)定的視頻幀利用多尺度的滑動(dòng)窗口機(jī)制初步確定信號(hào)燈所在的區(qū)域的具體步驟如下:
[0026]步驟2.1:待標(biāo)定的視頻幀提取的目標(biāo)圖像大小為Width*Height，設(shè)定矩形滑動(dòng)窗口大小為Wwin*Hwin，按照水平步長(zhǎng)為Hste3p和豎直步長(zhǎng)為Vste3p滑動(dòng)遍歷整個(gè)目標(biāo)圖像，將窗口中采集到的部分縮放至訓(xùn)練樣本W(wǎng)Q*HQ大小后再作為SVM識(shí)別；
[0027]步驟2.2:對(duì)目標(biāo)圖像的遍歷操作需要進(jìn)行多次，即通過(guò)調(diào)整滑動(dòng)窗口的比例，在其0.5?2倍范圍內(nèi)創(chuàng)建11個(gè)尺度的滑動(dòng)窗口進(jìn)行搜索，定位信號(hào)燈背板區(qū)域。
[0028]所述的一種基于預(yù)先標(biāo)定的信號(hào)燈識(shí)別方法，其特征在于步驟3利用連通區(qū)域與水平外接矩形的面積比來(lái)判斷發(fā)光信號(hào)燈的外形的具體步驟如下:
[0029]步驟3.1:將信號(hào)燈背板區(qū)域的圖像轉(zhuǎn)換到灰度空間中，并通過(guò)劃分信號(hào)燈背板黑色像素的灰度區(qū)間，得到一系列連通的信號(hào)燈區(qū)域；
[0030]步驟3.2:計(jì)算出各個(gè)連通區(qū)域與相應(yīng)的水平外接矩形的面積比；
[0031]步驟3.3:保留面積比在60%?99%的連通區(qū)域，并判斷為圓形信號(hào)燈；
[0032]步驟3.4:保留面積比在20%?45%的連通區(qū)域，并判斷為箭頭形信號(hào)燈。
[0033]所述的一種基于預(yù)先標(biāo)定的信號(hào)燈識(shí)別方法，其特征在于步驟4中判斷步驟3中識(shí)別為箭頭形信號(hào)燈的箭頭方向的具體步驟如下:
[0034]步驟4.1:按連通區(qū)域外接矩形對(duì)半劃分為上下兩部分，計(jì)算這兩部分中各自的連通區(qū)域面積；
[0035]步驟4.2:按連通區(qū)域外接矩形對(duì)半劃分為左右兩部分，計(jì)算這兩部分中各自的連通區(qū)域面積；
[0036]步驟4.3:計(jì)算各連通區(qū)域的左右、上下部分的面積比，用作對(duì)稱(chēng)性判別依據(jù)；
[0037]步驟4.4:滿(mǎn)足左右面積比大于1.5、上下面積比在0.9?1.1之間的識(shí)別為左轉(zhuǎn)燈；
[0038]步驟4.5:滿(mǎn)足左右面積比在0.9?1.1之間、上下面積比大于1.5的識(shí)別為直行燈；
[0039]步驟4.6:滿(mǎn)足左右面積比小于0.66、上下面積比在0.9?1.1之間的識(shí)別為右轉(zhuǎn)燈。
[0040]本發(fā)明的有益效果為通過(guò)識(shí)別背板區(qū)域代替直接識(shí)別信號(hào)燈本身，避免多輪分類(lèi)，降低樣本訓(xùn)練的難度，預(yù)先標(biāo)定過(guò)程全部采用灰度圖像，進(jìn)一步降低訓(xùn)練樣本的類(lèi)型要求，在實(shí)時(shí)檢測(cè)信號(hào)燈中，只需要在預(yù)先標(biāo)定好的信號(hào)燈候選區(qū)內(nèi)進(jìn)行識(shí)別，大大縮小了檢測(cè)范圍，從而提高了運(yùn)算速度，實(shí)時(shí)性高。
【附圖說(shuō)明】
[0041 ]圖1為信號(hào)燈標(biāo)定流程示意圖；
[0042]圖2為信號(hào)燈背板區(qū)域定位效果圖；
[0043]圖3為信號(hào)燈背板灰度分割效果圖；
[0044]圖4-1為箭頭形信號(hào)燈外接矩形示意圖；
[0045]圖4-2為圓形信號(hào)燈外接矩形示意圖；
[0046]圖5-1為箭頭形左轉(zhuǎn)信號(hào)燈左右部分面積示意圖
[0047]圖5-2為箭頭形左轉(zhuǎn)信號(hào)燈上下部分面積示意圖；
[0048]圖5-3為箭頭形直行信號(hào)燈左右部分面積示意圖
[0049]圖5-4為箭頭形直行信號(hào)燈上下部分面積示意圖；
[0050]圖5-5為箭頭形右轉(zhuǎn)信號(hào)燈左右部分面積示意圖；
[0051 ]圖5-6為箭頭形右轉(zhuǎn)信號(hào)燈上下部分面積示意圖。
【具體實(shí)施方式】
[0052]下面結(jié)合附圖對(duì)本發(fā)明進(jìn)行進(jìn)一步的說(shuō)明，應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅用于解釋本發(fā)明，并不用于限定本發(fā)明。
[0053]圖1是根據(jù)本發(fā)明實(shí)施例的信號(hào)燈標(biāo)定的具體流程圖，分為基于單幀圖像的預(yù)標(biāo)定(標(biāo)定出信號(hào)燈背板區(qū)域)和基于視頻的信號(hào)燈標(biāo)定(標(biāo)定出信號(hào)燈的位置與類(lèi)型的映射關(guān)系)，具體流程為首先通過(guò)HOG特征訓(xùn)練SVM分類(lèi)器檢測(cè)信號(hào)燈背板，完成對(duì)信號(hào)燈候選區(qū)域進(jìn)行初定位;其次從實(shí)時(shí)視頻中獲取信號(hào)燈候選區(qū)域的彩色圖像，再將信號(hào)燈背板區(qū)域剔除得到各信號(hào)燈的位置;然后利用連通區(qū)域與水平外接矩形的面積比對(duì)信號(hào)燈候選區(qū)域中的信號(hào)燈形狀進(jìn)行判斷;最后利用HSV顏色空間進(jìn)行信號(hào)燈識(shí)別。
[0054]本發(fā)明的技術(shù)方案包括以下步驟:
[0055]步驟1:提取信號(hào)燈背板的HOG特征，并利用SVM進(jìn)行訓(xùn)練，具體步驟如下:
[0056]步驟1.1:使用寬為Wo、高為Ho大小的灰度圖作為樣本進(jìn)行HOG特征采集，其中，正樣本為各類(lèi)信號(hào)燈背板圖片，負(fù)樣本為除信號(hào)燈背板外的其他區(qū)域;在實(shí)例中，Wo=100、Ho =50；
[0057]步驟1.2:設(shè)置HOG特征塊尺寸為Whqg*Whqg，塊步長(zhǎng)為S*S，胞元尺寸為C*C，劃分直方圖區(qū)間個(gè)數(shù)為K;在本實(shí)施例中，Whqg=10，S = 5，C = 5，K = 9;
[0058]步驟1.3:對(duì)HOG特征塊進(jìn)行歸一化并將歸一化后的各個(gè)胞元的特征向量聯(lián)結(jié)在一起構(gòu)成塊的HOG特征，所有的HOG特征集合即為整個(gè)信號(hào)燈背板的HOG的特征；
[0059]步驟1.4:利用SVM對(duì)信號(hào)燈背板正負(fù)樣本的特征進(jìn)行訓(xùn)練，確定分割兩種訓(xùn)練樣本的最佳超平面；
[0060]步驟2:對(duì)待標(biāo)定的視頻幀利用多尺度的滑動(dòng)窗口機(jī)制初步確定信號(hào)燈所在的區(qū)域，即背板位置，具體步驟如下:
[0061 ] 步驟2.1:待標(biāo)定的視頻幀提取的目標(biāo)圖像大小為Width*Height，設(shè)定滑動(dòng)窗口大小為Wwin*Hwin，按照水平步長(zhǎng)為Hste3p和豎直步長(zhǎng)為Vste3p滑動(dòng)遍歷整個(gè)目標(biāo)圖像，將窗口中采集到的部分縮放至訓(xùn)練樣本W(wǎng)q*Hq大小后再作為SVM識(shí)別對(duì)象;在本實(shí)施例中，滑動(dòng)檢測(cè)窗口Wwin=10, Hwin = 50,滑動(dòng)步長(zhǎng) Hstep = 5，Vstep = 5;
[0062]步驟2.2:對(duì)目標(biāo)圖像的遍歷操作需要進(jìn)行多次，即通過(guò)調(diào)整滑動(dòng)窗口的比例，在其0.5?2倍范圍內(nèi)創(chuàng)建11個(gè)尺度的滑動(dòng)窗口進(jìn)行搜索，定位信號(hào)燈背板區(qū)域;本實(shí)施例中，圖2為路口背景圖像中的信號(hào)燈背板定位效果圖，其中識(shí)別為背板的區(qū)域已用紅線(xiàn)框出；
[0063]步驟3:實(shí)時(shí)提取信號(hào)燈區(qū)域的局部彩色圖像，通過(guò)灰度分割操作后將信號(hào)燈背板區(qū)域的暗部區(qū)域去除，得到發(fā)光的信號(hào)燈區(qū)域，再利用連通區(qū)域與水平外接矩形的面積比來(lái)判斷發(fā)光信號(hào)燈的外形，具體步驟如下:
[0064]步驟3.1:將信號(hào)燈區(qū)域的圖像轉(zhuǎn)換到灰度空間當(dāng)中，并通過(guò)劃分信號(hào)燈背板黑色像素的灰度區(qū)間，得到一系列連通的信號(hào)燈區(qū)域;圖3為本實(shí)施例中信號(hào)燈背板黑色像素的灰度劃分效果圖；
[0065]步驟3.2:計(jì)算出各個(gè)連通區(qū)域與相應(yīng)的水平外接矩形的面積比；
[0066]步驟3.3:保留面積比在60%?99%的連通區(qū)域，并判斷為圓形信號(hào)燈；圖4-2為本實(shí)施例中圓形信號(hào)燈示意圖；
[0067]步驟3.4:保留面積比在20%?45%的連通區(qū)域，并判斷為箭頭形信號(hào)燈；圖4-1為本實(shí)施例中箭頭形信號(hào)燈示意圖；
[0068]步驟4:進(jìn)一步判斷步驟3中識(shí)別為箭頭形信號(hào)燈的箭頭方向，具體步驟如下:
[0069]步驟4.1:按連通區(qū)域外接矩形對(duì)半劃分為上下兩部分，計(jì)算這兩部分中各自的連通區(qū)域面積；
[0070]步驟4.2:按連通區(qū)域外接矩形對(duì)半劃分為左右兩部分，計(jì)算這兩部分中各自的連通區(qū)域面積；
[0071]步驟4.3:計(jì)算各連通區(qū)域的左右、上下部分的面積比，用作對(duì)稱(chēng)性判別依據(jù)；
[0072]步驟4.4:滿(mǎn)足左右面積比大于1.5、上下面積比在0.9?1.1之間的識(shí)別為左轉(zhuǎn)燈；圖5-1為本實(shí)施例中箭頭左轉(zhuǎn)信號(hào)燈左右部分面積示意圖，圖5-2為本實(shí)施例中箭頭形左轉(zhuǎn)信號(hào)燈上下部分面積示意圖；
[0073]步驟4.5:滿(mǎn)足左右面積比在0.9?1.1之間、上下面積比大于1.5的識(shí)別為直行燈；圖5-3為本實(shí)施例中箭頭形直行信號(hào)燈左右部分面積示意圖，圖5-4為本實(shí)施例中箭頭形直行信號(hào)燈上下部分面積示意圖；
[0074]步驟4.6:滿(mǎn)足左右面積比小于0.66、上下面積比在0.9?1.1之間的識(shí)別為右轉(zhuǎn)燈；圖5-5為本實(shí)施例中箭頭形右轉(zhuǎn)信號(hào)燈左右部分面積示意圖，圖5-6為本實(shí)施例中箭頭形右轉(zhuǎn)信號(hào)燈上下部分面積示意圖；
[0075]步驟5:進(jìn)一步將檢測(cè)到的信號(hào)燈轉(zhuǎn)化到HSV的顏色空間，再對(duì)信號(hào)燈顏色進(jìn)行識(shí)另IJ，從而得到各種類(lèi)型的信號(hào)燈位置與顏色信號(hào)的映射關(guān)系，完成標(biāo)定，具體步驟如下:
[0076]步驟5.1:將發(fā)光的連通區(qū)域圖像轉(zhuǎn)化至HSV顏色空間；
[0077]步驟5.2:統(tǒng)計(jì)各信號(hào)燈區(qū)域的H、S、V通道平均值；
[0078]步驟5.3:滿(mǎn)足He(O，30) U (330，360)，Se [ 10，100]，Ve [5，100)的區(qū)域判斷為紅燈；
[0079]步驟5.4:滿(mǎn)足He(40,80)，Se [30,100]，Ve[5，100)的區(qū)域判斷為黃燈；
[0080]步驟5.5:滿(mǎn)足He(90,160)，Se [30,100]，Ve [5，100)的區(qū)域判斷為綠燈;
[0081]本說(shuō)明書(shū)實(shí)施例所述的內(nèi)容僅僅是對(duì)發(fā)明構(gòu)思的實(shí)現(xiàn)形式的列舉，本發(fā)明的保護(hù)范圍的不應(yīng)當(dāng)被視為僅限于實(shí)施例所陳述的具體形式，本發(fā)明的保護(hù)范圍也及于本領(lǐng)域技術(shù)人員根據(jù)本發(fā)明構(gòu)思所能夠想到的等同技術(shù)手段。
【主權(quán)項(xiàng)】
1.一種基于預(yù)先標(biāo)定的信號(hào)燈識(shí)別方法，其特征在于包括以下步驟: 步驟I:提取信號(hào)燈背板的HOG特征，并利用SVM進(jìn)行訓(xùn)練； 步驟2:對(duì)待標(biāo)定的視頻幀利用多尺度的滑動(dòng)窗口機(jī)制初步確定信號(hào)燈所在的區(qū)域，SP背板位置； 步驟3:實(shí)時(shí)提取信號(hào)燈背板區(qū)域的局部彩色圖像，通過(guò)灰度分割操作后將信號(hào)燈背板區(qū)域的暗部區(qū)域去除，得到發(fā)光的信號(hào)燈區(qū)域，再利用連通區(qū)域與水平外接矩形的面積比來(lái)判斷發(fā)光信號(hào)燈的外形； 步驟4:進(jìn)一步判斷步驟3中識(shí)別為箭頭形信號(hào)燈的箭頭方向； 步驟5:進(jìn)一步將檢測(cè)到的信號(hào)燈轉(zhuǎn)化到HSV的顏色空間，再對(duì)信號(hào)燈顏色進(jìn)行識(shí)別，從而得到各種類(lèi)型的信號(hào)燈位置與顏色信號(hào)的映射關(guān)系，完成標(biāo)定，具體步驟如下: 步驟5.1:將發(fā)光的連通區(qū)域圖像轉(zhuǎn)化至HSV顏色空間； 步驟5.2:統(tǒng)計(jì)各信號(hào)燈區(qū)域的H、S、V通道平均值； 步驟5.3:滿(mǎn)足He (O，30) U (330，360)，Se [ 10，100]，Ve [5，100)的區(qū)域判斷為紅燈； 步驟5.4:滿(mǎn)足H e (40，80)，S e [ 30，100 ]，V e [ 5，100)的區(qū)域判斷為黃燈； 步驟5.5:滿(mǎn)足H e (90，160)，S e [ 30，100 ]，V e [ 5，100)的區(qū)域判斷為綠燈。2.根據(jù)權(quán)利要求1所述的一種基于預(yù)先標(biāo)定的信號(hào)燈識(shí)別方法，其特征在于步驟I)中利用SVM進(jìn)行訓(xùn)練的具體步驟如下: 步驟1.1:使用寬為Wo、高為Ho的灰度圖作為樣本進(jìn)行HOG特征采集，其中，正樣本為各類(lèi)信號(hào)燈背板圖片，負(fù)樣本為除信號(hào)燈背板外的其他區(qū)域； 步驟1.2:設(shè)置HOG特征塊尺寸為Whqg*Whqg，塊步長(zhǎng)為S*S，胞元尺寸為OC，劃分直方圖區(qū)間個(gè)數(shù)為K; 步驟1.3:對(duì)HOG特征塊進(jìn)行歸一化并將歸一化后的各個(gè)胞元的特征向量聯(lián)結(jié)在一起構(gòu)成塊的HOG特征，所有的HOG特征集合即為整個(gè)信號(hào)燈背板的HOG的特征； 步驟1.4:利用SVM對(duì)信號(hào)燈背板正負(fù)樣本的特征進(jìn)行訓(xùn)練，確定分割兩種訓(xùn)練樣本的最佳超平面。3.根據(jù)權(quán)利要求1所述的一種基于預(yù)先標(biāo)定的信號(hào)燈識(shí)別方法，其特征在于步驟2)中對(duì)待標(biāo)定的視頻幀利用多尺度的滑動(dòng)窗口機(jī)制初步確定信號(hào)燈所在的區(qū)域的具體步驟如下: 步驟2.1:待標(biāo)定的視頻幀提取的目標(biāo)圖像大小為Width*Height，設(shè)定矩形滑動(dòng)窗口大小為Wwin*Hwin，按照水平步長(zhǎng)為Hste3p和豎直步長(zhǎng)為Vste3p滑動(dòng)遍歷整個(gè)目標(biāo)圖像，將窗口中采集到的部分縮放至訓(xùn)練樣本W(wǎng)Q*HQ大小后再作為SVM識(shí)別； 步驟2.2:對(duì)目標(biāo)圖像的遍歷操作需要進(jìn)行多次，即通過(guò)調(diào)整滑動(dòng)窗口的比例，在其0.5?2倍范圍內(nèi)創(chuàng)建11個(gè)尺度的滑動(dòng)窗口進(jìn)行搜索，定位信號(hào)燈背板區(qū)域。4.根據(jù)權(quán)利要求1所述的一種基于預(yù)先標(biāo)定的信號(hào)燈識(shí)別方法，其特征在于步驟3)利用連通區(qū)域與水平外接矩形的面積比來(lái)判斷發(fā)光信號(hào)燈的外形的具體步驟如下: 步驟3.1:將信號(hào)燈背板區(qū)域的圖像轉(zhuǎn)換到灰度空間中，并通過(guò)劃分信號(hào)燈背板黑色像素的灰度區(qū)間，得到一系列連通的信號(hào)燈區(qū)域； 步驟3.2:計(jì)算出各個(gè)連通區(qū)域與相應(yīng)的水平外接矩形的面積比； 步驟3.3:保留面積比在60%?99%的連通區(qū)域，并判斷為圓形信號(hào)燈； 步驟3.4:保留面積比在20%?45%的連通區(qū)域，并判斷為箭頭形信號(hào)燈。5.根據(jù)權(quán)利要求1所述的一種基于預(yù)先標(biāo)定的信號(hào)燈識(shí)別方法，其特征在于步驟4中判斷步驟3中識(shí)別為箭頭形信號(hào)燈的箭頭方向的具體步驟如下: 步驟4.1:按連通區(qū)域外接矩形對(duì)半劃分為上下兩部分，計(jì)算這兩部分中各自的連通區(qū)域面積； 步驟4.2:按連通區(qū)域外接矩形對(duì)半劃分為左右兩部分，計(jì)算這兩部分中各自的連通區(qū)域面積； 步驟4.3:計(jì)算各連通區(qū)域的左右、上下部分的面積比，用作對(duì)稱(chēng)性判別依據(jù)； 步驟4.4:滿(mǎn)足左右面積比大于1.5、上下面積比在0.9?1.1之間的識(shí)別為左轉(zhuǎn)燈； 步驟4.5:滿(mǎn)足左右面積比在0.9?1.1之間、上下面積比大于1.5的識(shí)別為直行燈； 步驟4.6:滿(mǎn)足左右面積比小于0.66、上下面積比在0.9?1.1之間的識(shí)別為右轉(zhuǎn)燈。
【文檔編號(hào)】G06K9/62GK105913041SQ201610270273
【公開(kāi)日】2016年8月31日
【申請(qǐng)日】2016年4月27日
【發(fā)明人】高飛, 令狐乾錦, 童偉圓, 倪逸揚(yáng), 李定謝爾, 盧書(shū)芳, 肖剛
【申請(qǐng)人】浙江工業(yè)大學(xué)