一种基于视觉的交通信号灯识别方法及装置制造方法及图纸

一种基于视觉的交通信号灯识别方法及装置。一种基于视觉的交通信号灯识别方法，本识别方法包括三步，第一步判定交通信号灯类型，第二步图像预处理，第三步深度学习识别模型。本发明专利技术用于交通信号灯识别。

A vision based identification method and device for traffic lights

A vision based traffic signal recognition method and device. A traffic light recognition method based on vision consists of three steps: the first step is to determine the type of traffic lights, the second step is image preprocessing, and the third step is to learn the recognition model in depth. The invention is used for traffic signal recognition.

【技术实现步骤摘要】
一种基于视觉的交通信号灯识别方法及装置
：本专利技术涉及一种基于视觉的交通信号灯识别方法及装置。
技术介绍
：交通信号灯的识别研究相对较少，由于交通信号灯是主动发光体，其检测和识别都存在相当高的难度。目前常用的识别技术有：（1）基于颜色分布的识别交通信号的颜色分为红色，黄色，绿色，通过分析交通信号灯的像素颜色信息，得出该交通信号灯所属的颜色类型。然而，交通信号的颜色随距离，天气和光照的影响非常大;拍摄常用的RGB空间，R、G、B这3个分量之间相关性较高，不利于颜色分割和分析；在实际应用中，颜色阈值的选取十分关键而又难以把控，由于阈值选取不灵活，使得识别效果很不理想；不仅如此，交通信号灯除了颜色信息外，还有图案指示信息需要识别，仅仅识别颜色是远远不够的。（2）基于模板匹配的识别通过预先设定的交通信号灯的模板，对交通信号灯进行识别；模板匹配是一种最原始、最基本的模式识别方法，研究某一特定对象物的图案位于图像的什么地方，进而识别对象物；然而，模板匹配法的局限性十分明显，对每一种可能出现的交通信号灯的组合方式都必须要预先设定其模板，才能进行有效的识别，缺乏灵活性。（3）基于支持向量机的识别支持向量机（SVM）基于结构风险最小化理论之上在特征空间中构建最优超平面，使得学习器得到全局最优解；通过提取交通灯的HoG或LBP训练SVM模型进行识别；由于SVM是借助二次规划来求解支持向量，而求解二次规划将涉及m阶矩阵的计算（m为样本的个数），当m数目很大时该矩阵的存储和计算将耗费大量的机器内存和运算时间。
技术实现思路
：本专利技术的目的是提供一种能够准确而且及时地识别道路交通信号灯的系统，很有实际意义的一种基于视觉的交通信号灯识别方法及装置。上述的目的通过以下的技术方案实现：一种基于视觉的交通信号灯识别方法，本识别方法包括三步，第一步判定交通信号灯类型，第二步图像预处理，第三步深度学习识别模型。所述的一种基于视觉的交通信号灯识别方法，所述的第一步判定交通信号灯类型是通过为交通信号灯长、宽比（L/W=ratio）设定阈值（Threshold=1.5），将交通信号灯分为两种，一种是竖型交通信号灯（Ratio<1.5），另一种是横型交通信号灯(Ratio≥1.5)；计算输入图像的长、宽比，首先判定输入图像是竖型交通信号灯或是横型交通信号灯，用以确定在图像预处理中的切割方向。所述的一种基于视觉的交通信号灯识别方法，所述的第二步图像预处理是首先进行HSV颜色分割，是在HSV颜色空间中，色调（Hue）、饱和度(Saturation)和明度(Value)，相互独立，颜色分布集中；通过HSV颜色特征，对输入图像进行二值化处理，将阈值范围内的区域设置为白色（pixelvalue=255），阈值范围外的区域设置为黑色（pixelvalue=0）,从而将待识别的交通灯图案区域与黑色灯箱背景区域区分出来；其次是局部最小值切割是在一个黑色灯箱中，存在一个或多个交通信号灯图案，图案之间都存在着黑色的间隙；最后筛选行号进行实际切割。所述的一种基于视觉的交通信号灯识别方法，由于交通信号灯是发光体，所以通过设置较高的明度(Hue)的阈值和颜色范围阈值，将交通灯从周围的环境中分割出来；颜色的阈值范围设定为（按OpenCV中的HSV范围标准）：红色色调redHue（redHue∈[0,18]∪[156,180]），黄色色调yellowHue（yellowHue∈[11,34]）,绿色色调greenHue（greenHue∈[35,100]）,饱和度Saturation(Saturation∈[43,255]),明度Value（Value∈[156,180]）。所述的一种基于视觉的交通信号灯识别方法，如一个经过二值化后竖型交通信号灯（Image,Ratio<1.5）；利用黑色间隙处的一行的像素值之和，小于、上下两边存在白色待识别区域的一行的像素值之和的这一特征，在黑色间隙区域进行切割，将一个完整的交通信号灯切割成多个只包含“单个”交通信号灯的图案；具体算法如下：找出待切割的行号，计算其每行的像素值之和，存入二维数组A（数组大小为：A[W×1]）中；根据该交通信号灯的较长边(W)与较短边(L)之比（r=W/L）计算适应此Image的局部最小值的步长Step（Step=W/(r*2+2)）；遍历数组A，当A[i]满足A[i]≤A[j](j∈[0,W-1]∩[i-Step,i+Step])时，将行号i存入向量B中；向量B中存储着A中满足步长为Step的局部最小值的行号；筛选行号进行实际切割是在进行切割时，在满足width≥10（width=B[i+1]-B[i],i∈[0,B.size()-1]）时，才进行实际切割，切割出的图案为Pattern(Pattern=Image.rowRange(A[B[i]],A[B[i+1]]))。所述的一种基于视觉的交通信号灯识别方法，所述的第三步深度学习识别模型的颜色分为有红色，黄色，绿色；形状分为圆形或箭头形或和进度条形；切割出的“单个”交通信号灯图案，通过颜色和图案形状特征将它们分成不同的类。一种基于视觉的交通信号灯识别方法的装置，其组成包括:转动底板，所述的转动底板焊接固定圆环，所述的转动底板的首位竖向设置，所述的固定圆环内装入转动圆盘，所述的转动圆盘的左侧具有竖平面，所述的竖平面的底部续接斜限位面，所述的转动圆盘开有顶限位孔和底限位孔，所述的顶限位孔与所述的底限位孔相对设置，所述的固定圆环开有对接顶限位孔和对接底限位孔，所述的对接顶限位孔连接顶弹簧，所述的顶弹簧连接顶插杆，所述的对接底限位孔连接底弹簧，所述的底弹簧连接底插杆，所述的转动底板的竖向设置时所述的对接顶限位孔与所述的顶限位孔对接、所述的顶插杆弹出插入所述的顶限位孔内固定，所述的转动底板的竖向设置时所述的对接底限位孔与所述的底限位孔对接、所述的底插杆弹出插入所述的底限位孔内固定。所述的一种基于视觉的交通信号灯识别方法的装置，所述的转动圆盘开有右限位孔，所述的转动底板的横向设置时所述的对接底限位孔与所述的右限位孔对接、所述的底插杆弹出插入所述的右限位孔内固定。所述的一种基于视觉的交通信号灯识别方法的装置，所述的固定圆环的顶部连接固定磁圈，所述的固定磁圈吸合左半磁盖和右半磁盖，所述的左半磁盖吸合所述的右半磁盖限位挡住所述的转动圆盘的外圆，所述的转动圆盘固定连接弯杆，所述的弯杆连接支撑柱，所述的支撑柱连接固定板，所述的固定板连接膨胀螺栓、固定在混凝土基础内。所述的一种基于视觉的交通信号灯识别方法的装置，所述的转动底板顺次连接红色信号灯、黄色信号灯、绿色信号灯，所述的红色信号灯、所述的黄色信号灯、所述的绿色信号灯均连接电源，所述的固定圆环的左侧连接卡块，所述的卡块限位所述的转动圆盘向左侧转动，所述的转动圆盘向右侧转动90度使所述的转动底板处于横向设置。有益效果：1.本专利技术的实时性强，运行效率高。本专利技术的适应性强，能够根据不同地区交通信号灯的特点，增减分类类型。本专利技术的基于深度学习的识别算法，学习能力强，识别率高。本专利技术既能够用于竖型交通信号灯也能够用于横型交通信号灯,竖型交通信号灯与横型交通信号灯的变换只需要将转动底板旋转90度即可，使用本文档来自技高网...

【技术保护点】
1.一种基于视觉的交通信号灯识别方法，其特征是:本识别方法包括三步，第一步判定交通信号灯类型，第二步图像预处理，第三步深度学习识别模型。

【技术特征摘要】
1.一种基于视觉的交通信号灯识别方法，其特征是:本识别方法包括三步，第一步判定交通信号灯类型，第二步图像预处理，第三步深度学习识别模型。2.根据权利要求1所述的一种基于视觉的交通信号灯识别方法，其特征是:所述的第一步判定交通信号灯类型是通过为交通信号灯长、宽比（L/W=ratio）设定阈值（Threshold=1.5），将交通信号灯分为两种，一种是竖型交通信号灯（Ratio<1.5），另一种是横型交通信号灯(Ratio≥1.5)；计算输入图像的长、宽比，首先判定输入图像是竖型交通信号灯或是横型交通信号灯，用以确定在图像预处理中的切割方向。3.根据权利要求1所述的一种基于视觉的交通信号灯识别方法，其特征是:所述的第二步图像预处理是首先进行HSV颜色分割，是在HSV颜色空间中，色调（Hue）、饱和度(Saturation)和明度(Value)，相互独立，颜色分布集中；通过HSV颜色特征，对输入图像进行二值化处理，将阈值范围内的区域设置为白色（pixelvalue=255），阈值范围外的区域设置为黑色（pixelvalue=0）,从而将待识别的交通灯图案区域与黑色灯箱背景区域区分出来；其次是局部最小值切割是在一个黑色灯箱中，存在一个或多个交通信号灯图案，图案之间都存在着黑色的间隙；最后筛选行号进行实际切割。4.根据权利要求3所述的一种基于视觉的交通信号灯识别方法，其特征是:由于交通信号灯是发光体，所以通过设置较高的明度(Hue)的阈值和颜色范围阈值，将交通灯从周围的环境中分割出来；颜色的阈值范围设定为（按OpenCV中的HSV范围标准）：红色色调redHue（redHue∈[0,18]∪[156,180]），黄色色调yellowHue（yellowHue∈[11,34]）,绿色色调greenHue（greenHue∈[35,100]）,饱和度Saturation(Saturation∈[43,255]),明度Value（Value∈[156,180]）。5.根据权利要求3所述的一种基于视觉的交通信号灯识别方法，其特征是:如一个经过二值化后竖型交通信号灯（Image,Ratio<1.5）；利用黑色间隙处的一行的像素值之和，小于、上下两边存在白色待识别区域的一行的像素值之和的这一特征，在黑色间隙区域进行切割，将一个完整的交通信号灯切割成多个只包含“单个”交通信号灯的图案；具体算法如下：找出待切割的行号，计算其每行的像素值之和，存入二维数组A（数组大小为：A[W×1]）中；根据该交通信号灯的较长边(W)与较短边(L)之比（r=W/L）计算适应此Image的局部最小值的步长Step（Step...

【专利技术属性】
技术研发人员：王若瑜，郑晓峰，赵贵平，刘金伦，
申请(专利权)人：天津天瞳威势电子科技有限公司，
类型：发明
国别省市：天津,12