【技术实现步骤摘要】
基于深度学习及边缘切割算法融合的交通信号灯检测方法
[0001]本申请涉及交通
，尤其是一种基于深度学习及边缘切割算法融合的交通信号灯检测方法。
技术介绍
[0002]智能交通是目前世界交通运输领域的前沿研究课题，它融合了电子信息技术、通信技术、自动控制理论、计算机技术和传统的交通工程学理论等多个学科的理论，并将其应用于现代的交通运输管理体系中，从而实现交通运输服务和管理智能化。
[0003]智能交通技术常应用于违章监控抓拍闯红灯，而交通信号灯的检测及识别是这一应用中的一个重要环节。但交通信号灯的检测场景复杂多变，且容易受到强背景干扰、汽车尾灯及路灯等反射之类的外界环境的干扰，导致目前交通信号灯检测准确度较低。
技术实现思路
[0004]本申请人针对上述问题及技术需求，提出了一种基于深度学习及边缘切割算法融合的交通信号灯检测方法，本申请的技术方案如下：
[0005]一种基于深度学习及边缘切割算法融合的交通信号灯检测方法，该方法包括：
[0006]获取路口的交通信号灯组的信号灯图像...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习及边缘切割算法融合的交通信号灯检测方法，其特征在于，所述方法包括：获取路口的交通信号灯组的信号灯图像，每个交通信号灯组包括若干个灯盘且在不同的灯盘点亮时具有相应的颜色状态；利用检测模型对所述信号灯图像进行检测识别，得到所述信号灯图像中的若干个预测框以及颜色状态，所述检测模型预先基于深度学习模型训练得到；对得到的预测框与所述信号灯图像中的若干个真实框进行比较，得到初始预测结果并确定得到至少一个漏检区域图像，所述初始预测结果包括利用检测模型检测得到的交通信号灯组的位置以及颜色状态，每个所述漏检区域图像包括利用检测模型未检测得到的一个交通信号灯组所在区域的信号灯图像；对所述漏检区域图像利用边缘切割算法确定点亮的灯盘得到补充检测结果，所述补充检测结果指示所述漏检区域图像对应的交通信号灯组的颜色状态；结合所述初始预测结果和补充检测结果确定所述信号灯图像中各个交通信号灯组的颜色状态。2.根据权利要求1所述的方法，其特征在于，所述对所述漏检区域图像利用边缘切割算法确定点亮的灯盘得到补充检测结果包括：利用边缘切割算法检测得到所述漏检区域图像中的各个灯盘的轮廓，并基于灯盘的轮廓确定灯盘区域；比较检测出的各个灯盘区域内的像素点的像素值确定与当前点亮的灯盘对应的灯盘区域；根据当前点亮的灯盘在所述漏检区域图像中的位置、确定交通信号灯组在当前位置的灯盘被点亮时的颜色状态，得到所述交通信号灯组的补充检测结果。3.根据权利要求2所述的方法，其特征在于，所述比较检测出的各个灯盘区域内的像素点的像素值确定与当前点亮的灯盘对应的灯盘区域，包括：将所述漏检区域图像处理为灰度图，并确定灰度图中每个灯盘区域内的像素点的平均像素值，并确定灰度图中所述交通信号灯组中所有灯盘区域内的像素点的全局平均像素值；若交通信号灯组中有且仅有一个灯盘区域内的平均像素值大于所述全局像素值，则确定平均像素值大于所述全局像素值的灯盘区域对应当前点亮的灯盘；若交通信号灯组中有多个灯盘区域内的平均像素值大于所述全局像素值，确定平均像素值大于所述全局像素值且平均像素值最大的灯盘区域对应当前点亮的灯盘。4.根据权利要求2所述的方法，其特征在于，所述确定交通信号灯组在当前位置的灯盘被点亮时的颜色状态，包括：计算所述漏检区域图像的长宽比，并根据计算得到的长宽比确定所述漏检区域图像对应的交通信号灯组的灯组类型，不同灯组类型的交通信号灯组具有不同的尺寸且包含不同数量的灯盘；确定所述灯组类型的交通信号灯组在当前位置的灯盘被点亮时的颜色状态，每种灯组类型的交通信号灯组中对应各种不同的颜色状态的灯盘的相对设置位置固定。5.根据权利要求2所述的方法，其特征在于，确定所述漏检区域图像中的各个灯盘区域
的方法包括：利用ca...
【专利技术属性】
技术研发人员：徐云倩，何煜埕，袁渊，潘晓鹏，
申请(专利权)人：江苏航天大为科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。