視覺交通信號的處理與識別方法
【技術領域】
[0001]本發明涉及圖像處理和模式識別技術領域，具體是一種基于視覺的交通車輛檢測識別系統和方法。
【背景技術】
[0002]近年來，隨著城鎮化的快速發展和社會的不斷進步，汽車數量與日倶增，隨之而來的交通問題也日益嚴峻，交通阻塞。如何實現交通場景的實時監控、調度和控制，建立行之有效的智能交通系統早已成為國內外關注的焦點和當前亟待解決的問題。在此背景之下，基于視覺的車輛檢測識別技術作為新興的車輛檢測方法，日益受到人們的關注。基于計算機視覺和數字圖像處理的可視化智能處理技術對交通事故的處理提供了一種更為實時、準確和高效的方法，并對交通事故的救援、事故的責任認定等善后處理提供技術支持。
[0003]現有技術中，例如，中國專利文獻CN102332167A公開了一種智能交通監控中車輛和行人的目標檢測方法，對視覺幀序列進行背景模型的初始化，獨立建立飽和度分量和亮度分量的混合高斯背景分量模型并取分量均值；將視覺幀序列中的當前幀跟背景幀相差分，對前景幀進行二值化處理后再去除陰影和噪聲并進行形態學濾波；用更新因子更新得到的混合高斯背景模型的分量的權值、均值和方差；將要進行匹配的運動目標像素點值與更新后的混合高斯背景模型中的每一個分布的Jeffrey值進行比較，利用Jeffrey值判斷運動目標像素點是否屬于前景點。中國專利文獻CN102222346A公開了一種車輛檢測和跟蹤方法，首先對視覺中的每一幀圖像建立高斯背景模型；利用幀差法對相鄰兩幀做差分處理，得到粗略的運動區域和靜止區域；對獲得的靜止區域進行背景更新，運動區域不更新；對當前幀圖像和獲得的更新后的背景圖像做差分，得到精確的運動區域；利用每個像素點匹配方法對獲得的相鄰兩幀運動區域圖像找出重疊區域，并比較重疊區域與給定閾值大小；如果重疊區域大于給定閾值，則判斷是否發生目標重合；如果是，則計算相鄰兩幀中的第一幀運動區域的長寬比，通過這個比例檢測和跟蹤該運動車輛；如果不是，則判斷為同一車輛；如果重疊區域小于給定閾值，則求出多個目標框的最小外接矩形來正確對車輛檢測和跟蹤。
[0004]但是，上述現有技術無法對交通信號(本發明中，交通信號包括但不限于路名牌、禁止左轉、禁止右轉、單行線、行人通道、慢性、連續急轉彎等交通標識的紅綠燈等)與車輛信息同時進行有效的識別和處理。例如，車輛的尾燈會干擾對交通信號燈的識別。
【發明內容】
[0005]本發明為了解決現有技術中，車輛本身無法有對交通信號與車輛信息同時進行有效識別的問題，提供了一種視覺交通信號的處理與識別方法。其中，首次采用了點距的方式進行識別和處理。該方法用于供分析車輛判斷路況中的交通信號，包括如下步驟:
[0006](1)建立交通信號模型數據庫；
[0007](2)在第一時刻采集實時路況中的交通信號圖像信息；
[0008](3)進行交通信號和車型識別；
[0009](4)將步驟(3)的識別結果發送給輸出系統。
[0010]進一步地，所述交通信號和車型識別包括如下步驟:
[0011](31)在待識別的交通信號圖像信息中，提取各個超過亮度閥值的圖像區域；
[0012](32)對各圖像區域中的顏色進行識別；
[0013](33)判斷各個圖像區域中識別出來的顏色是否為單色以及是否為藍色與白色的混合；
[0014](34)若為單色，則將圖像信息進行放大，判斷是否為交通紅綠燈，如果不是，則判斷為車輛上具有的信號燈；
[0015](35)若為藍色與白色的混合，則與交通信號模型數據庫進行匹配。
[0016]進一步地，所述交通信號和車型識別還包括:
[0017]在步驟(31)和步驟(32)之間，對各個圖像區域的形狀進行判斷，若形狀符合預定形狀，則進行步驟(32)的識別。
[0018]進一步地，所述步驟(34)進一步包括:
[0019](341)從被放大的圖像信息中獲得中心與圖像的中心重合的方形區域，且該方形區域的邊框的選取方式為:對被放大的圖像信息的亮度信息進行灰度化處理，將被放大的圖像信息轉換成灰度矩陣，該灰度矩陣中灰度值大小表示圖像信息中的亮度值，且該矩陣中包括亮點和暗點，其中每個亮點的灰度值為100，每個暗點的灰度值為0 ;
[0020](342)找出圖像的中心點，以該中心點為方心向外部擴展方形；
[0021](343)查找距離該所述方向的邊最近的暗點，并且逐個地將方形邊的各個點移動到這樣的暗點，以重新定義步驟(342)形成的方形；
[0022](344)計算被重新定義的方形內的所有亮點的數量N，且設X = N/2 ;
[0023](345)計算步驟(343)中確定的方形中的每兩個亮點之間距離DX，并計算該方形中的所有亮點之間的距離的平均值A:A =(各行中起止亮點之間的長度+各列中起止亮點之間的長度)/N ；
[0024](346)比較DX與A的差值是否在預定范圍之內，若在預定范圍之內，則認為該被放大的圖像信息是交通信號，否則認為該被放大的圖像信息是車輛本身的燈發光形成的圖像?目息。
[0025]進一步地，所述輸出系統包括GPS導航儀、顯示屏、智能手機中的一種或多種。
[0026]進一步地，該方法還包括:
[0027]在第二時刻采集實時路況中的交通信號圖像信息并進行交通信號和車型識別，然后將該識別結果發送給輸出系統，其中第二時刻在第一時刻之后且在此兩個時刻之間所述分析車輛進行直線運動。
[0028]進一步地，所述方法還包括:對于在所采集到的實時路況中的交通信號圖像信息中，如果判斷在延所述直線前進的透視方向上，發送到輸出系統中的某交通信號所代表的對象在該第一時刻所采集的實時路況中的交通信號圖像信息中的相對位置，以及發送到輸出系統中的該同一交通信號所代表的對象在該第二時刻所采集的實時路況中的交通信號圖像信息中的相對位置在預定閥值范圍內時，則對該對象在第一時刻發送到輸出系統的信息與第二時刻發送到輸出系統的信息進行比較，判斷二者是否相同。
[0029]本發明具有如下的有益效果:能夠輔助智能駕駛系統自動識別路況中的交通信號，并能夠作為輔助信息供司機查詢由于疏忽而遺漏的交通指示信息。
【附圖說明】
[0030]圖1示出了根據本發明的優選實施例的流程圖。
【具體實施方式】
[0031]根據本發明的優選實施例的視覺交通信號的處理與識別方法如圖1所示。該方法用于供分析車輛判斷路況中的交通信號。該分析車輛優選地具有輸出信息的輸出設備或輸出系統，包括但不限于:GPS導航儀、顯示屏，也可以在其中包括其他車載智能設備，例如智能手機。本實施例中這些設備的目的是為了使信息能夠被顯示給車內的乘員，例如司機或副駕駛員。此外，輸出給這些輸出設備或輸出系統的信息還可以被通過語音的方式給車內的乘員加以提示。
[0032]本視覺交通信號的處理與識別方法包括如下步驟:
[0033](1)建立交通信號模型數據庫。該數據庫中以BLOB型存儲了各個交通信號的圖像文件的十六進制編碼。
[0034](2)在第一時刻采集實時路況中的交通信號圖像信息。該被采集的交通信號圖像信息是圖片的形式被采集的，例如通過數碼攝像機。采集到的圖像信息被轉換成圖像文件，該圖像文件中包括了每個象素