一种基于先验概率图的多类交通灯检测方法及系统技术方案

本发明专利技术公开了一种基于先验概率图的多类交通灯检测方法及系统，属于计算机视觉技术领域。本发明专利技术方法首先提取交通灯正负样本图像的积分通道特征，采用Adaboost学习算法训练一个交通灯检测模型，再利用交通灯的分布规律构建先验概率图，对检测阈值进行自适应设置，采用软级联的方式对目标图像进行交通灯定位，最后再对交通灯进行分类识别，在识别前先对不同形状和状态的交通灯样本进行类别标记，训练一个多类分类器；再对交通灯图像区域进行类型识别。本发明专利技术还公开了一种基于先验概率图的多类交通灯检测系统，本发明专利技术技术方案经过大量样本的训练，不容易受噪声以及光照变化的影响，适用于复杂的城市交通场景。

Method and system for detecting multiple traffic lights based on prior probability graph

The invention discloses a method and a system for detecting a plurality of traffic lights based on a prior probability map, belonging to the technical field of computer vision. The method first extracts integral channel features of traffic lights of positive and negative samples of the image, using Adaboost learning algorithm to train a traffic light detection model, the distribution of traffic lights to construct the prior probability map, adaptive setting of detection threshold, traffic lights to localize the target image with soft cascade way, then the traffic lights for classification, of different shapes and the traffic lights class markers before recognition, training a multi class classifier; then the identification of traffic light image area. The invention also discloses a multi class traffic lights prior probability image detection system based on the technical scheme of the invention, after a large number of training samples, not easily affected by noise and illumination changes, suitable for complex city traffic scene.

【技术实现步骤摘要】
一种基于先验概率图的多类交通灯检测方法及系统
本专利技术属于计算机视觉
，更具体地，涉及一种基于先验概率图的多类交通灯检测方法及系统。
技术介绍
随着汽车的增多，交通问题日益凸显。为了解决交通拥堵，降低事故发生率，越来越多的研究机构投入到了智能交通系统的研究中，而交通灯作为交通运转的枢纽设备，是其中必不可少的一部分。如果能及时、自动地捕捉到交通灯信号，无论是对无人驾驶还是智能辅助驾驶，都有非常重要的意义。交通灯检测系统通常采用短程通信，全球定位系统(GlobalPositioningSystem，GPS)，计算机视觉等方式。其中，使用计算机视觉的检测方法由于其易于安装，成本低廉，效果直观，且无需增添额外的基础设施等特点受到重视。该方法通过在汽车上安装一个摄像机，采集汽车前方道路场景的图像，分析图像中是否存在交通灯，并对其位置和类型进行判断。目前基于计算机视觉的交通灯检测方法基本上采用的是启发式的方法，一般分为以下几个步骤：首先得到交通灯的候选区域，通常是在特定的颜色空间内对图像进行分割，或者采用顶帽算法得到图像中的亮斑区域；其次对得到的候选区域采模板匹配或者连通域分析等方式进行本文档来自技高网...

【技术保护点】
一种基于先验概率图的多类交通灯检测方法，其特征在于，该方法包括以下步骤：(1)按照设定好的比例对待测图像进多尺度缩放；(2)对缩放后的所有图像提取积分通道特征，形成特征金字塔；(3)采用一个固定大小的窗口在特征金字塔的每一层进行滑动，并利用交通灯检测模型对滑动窗口内的积分通道特征进行检测，得到包含交通灯的滑动窗口位置和窗口的交通灯概率得分；(4)统计包含交通灯并相互重叠的滑动窗口的重叠面积，重叠面积超过设定的重叠阈值则选取交通灯概率得分最高的滑动窗口作为待分类窗口；(5)将待分类窗口输入到交通灯分类模型，得到交通灯的类型及状态并输出。

【技术特征摘要】
1.一种基于先验概率图的多类交通灯检测方法，其特征在于，该方法包括以下步骤：(1)按照设定好的比例对待测图像进多尺度缩放；(2)对缩放后的所有图像提取积分通道特征，形成特征金字塔；(3)采用一个固定大小的窗口在特征金字塔的每一层进行滑动，并利用交通灯检测模型对滑动窗口内的积分通道特征进行检测，得到包含交通灯的滑动窗口位置和窗口的交通灯概率得分；(4)统计包含交通灯并相互重叠的滑动窗口的重叠面积，重叠面积超过设定的重叠阈值则选取交通灯概率得分最高的滑动窗口作为待分类窗口；(5)将待分类窗口输入到交通灯分类模型，得到交通灯的类型及状态并输出。2.根据权利要求1所述的一种基于先验概率图的多类交通灯检测方法，其特征在于，所述步骤(3)中交通灯检测模型的训练具体包括以下步骤：(21)采集道路场景图像，采集到的样本图像中要包含需检测到的所有交通灯类型和状态，且不同类型和状态交通灯的数目平均分布；(22)对图像样本进行人工标记，切割包含完整交通灯的区域并标记为正样本，随机选取不包含交通灯区域作为负样本，将正负样本尺寸归一化；(23)选取正负样本的特征通道，之后提取正负样本特征通道的图像特征，最后对得到的图像特征进行集合得到正负样本的积分通道特征；(24)利用交通灯正负样本的积分通道特征，训练一个Adaboost分类器作为交通灯检测模型。3.根据权利要求1所述的一种基于先验概率图的多类交通灯检测方法，其特征在于，所述步骤(3)中对滑动窗口内的积分通道特征进行检测具体采用软级联Adaboost，Adaboost分类器是由多个弱分类器组成，如下式其中，x为滑动窗口中提取了积分通道特征向量；hi(x)为第i个弱分类器对特征向量x的输出；从第一个弱分类器开始，比较第一个弱分类器和自适应检测阈值，若小于自适应检测阈值,则认定滑动窗口内是背景，继续滑动窗口进行下一次检测；若大于自适应检测阈值则累加后一个弱分类器，并将累加结果继续和自适应检测阈值对比，若小于自适应检测阈值,则认定滑动窗口是背景，继续滑动窗口进行下一次检测；若大于自适应检测阈值则继续累加后一个弱分类器，直到通过最后一个弱分类器，则认定该滑动窗口包含交通灯目标，输出累加结果作为交通灯概率得分；输出滑动窗口位置。4.根据权利要求1、2或3所述的一种基于先验概率图的多类交通灯检测方法，其特征在于，所述的自适应检测阈值的求取包括以下步骤：(41)计算所有正样本的交通灯位置先验概率图和交通灯尺寸先验概率图；(42)计算位置先验概率图Ip的积分图其中，积分图的每一个点的值相当于原图中在该点左上角所有值的累加；通过对积分图进行简单的算术操作，得到其中，x和y表示检测窗口左上角的坐标,w和h分别表示检测窗口的宽和高；(43)由尺寸先验概率图Is，计算候选区域尺寸与该区域出现交通灯的期望尺寸之间的偏差Ps(x,y,w,h)(44)自适应检测阈值为T(x,y,w,h)＝-Ps(x,y,w,h)·Pp(x,y,w,h)。5.根据权利要求1或2所述的一种基于先验概率图的多类交通灯检测方法，其特征在于，所述步骤(5)中交通灯分类模型的训练具体分为以下步骤：(51)对正样本中不同形状不同状态的交通灯进行人工分类标记；(52)选取正样本的特征通道，之后提取正样本特征通道的图像特征，最后对得到的图像特征进行集合得到正负样本的积分通道特征；(53)利用分类正样本，采用多类分类器进行训练，得到交通灯分类模型。6.一种基于先验概率图的多类交通灯检测系统，其特征在于，该系统包括以下模块：待测图像缩放模块，用于按照设定好的比例对待测图像进多...

【专利技术属性】
技术研发人员：陶文兵，梁福禄，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北,42