新闻中心
包括 初始标志牌化模块
在基于线圈的电子警察中，红绿灯的状态主要通过路ロ信号机来获取。这种方式具有准确，稳定等特点。交通信号灯然而，随着基于视频方式的电子警察设大量应用，通过信号机获取红绿灯状态的方式存在设的安装和维护困难、系统兼容性差等问题，同时系统的成本也比较高。
本发明的主要目的在于提供一种自动识别红绿灯的方法，g在解决现有技术中设安装和维护困难的技术问题。为了实现发明目的，本发明提供一种自动识别红绿灯的方法，包括以下步骤初始化HSV空间中红、绿、黄三种颜色的均值和方差；指定信号灯所在的区域；将输入图像从RGB空间转换到HSV空间；提取信号灯潜在区域，并对图像作数学形态学处理，得到信号灯区域色度分量的分布特征；根据信号灯区域色度分量的分布特征，以期望化EM算法结合高斯模型求出所述三种顔色所对应的三个高斯模型的均值、方差以及权重；根据三个高斯模型的均值、方差以及权重，计算信号灯潜在区域的每个点属于三种颜色的概率，取概率的作为当前点的顔色，并记录；统计某一连通域中所有像素点的顔色比例，取比例的顔色为该区域的顔色。优选地，所述提取信号灯潜在区域为将信号灯的亮度值大于给定阈值的点判定为潜在区域。优选地，所述指定信号灯所在的区域为在信号灯系统启动时指定信号灯所在的矩形区域。本发明另提供一种自动识别红绿灯的装置，其包括初始化模块，用于初始化HSV空间中红、绿、黄三种颜色的均值和方差；区域指定模块，用于指定信号灯所在的区域；图像转换模块，用于将输入图像从RGB空间转换到HSV空间；色度分量获取模块，用于提取信号灯潜在区域，并对图像作数学形态学处理，得到信号灯区域色度分量的分布特征；顔色參数获取模块，用于根据信号灯区域色度分量的分布特征，以期望化EM算法结合高斯模型求出所述三种顔色所对应的三个高斯模型的均值、方差以及权重；运算模块，用于根据三个高斯模型的均值、方差以及权重，计算信号灯潜在区域的每个点属于三种颜色的概率，取概率的作为当前点的顔色，并记录；统计模块，用于统计某一连通域中所有像素点的顔色比例，取比例的颜色为该区域的顔色。优选地，所述色度分量获取模块进ー步用于将信号灯的亮度值大于给定阈值的点判定为潜在区域。优选地，所述区域指定模块进一步用于在信号灯系统启动时指定信号灯所在的矩形区域。本发明通过采用了 HSV图像处理与模式识别算法，基于纯视频的方式识别红绿灯的状态，无需添加其它硬件设，成本较低，并且可适用于任何基于视频方式的电子警察设，给设的安装维护带来了极大的便利性。
图I为本发明一实施例中自动识别红绿灯的方法流程图；图2为本发明一实施例中自动识别红绿灯的装置的结构示意图。本发明目的的实现、功能特点及优点将结合实施例，參照附图做进ー步说明。
具体实施例方式应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。參照图1，图I为本发明自动识别红绿灯的方法实施例的流程图。如图I所示，该流程包括以下步骤步骤S10，初始化直观颜色模型HSV空间中红、绿、黄三种颜色的均值和方差；HSV空间是直方图常用的顔色空间。它的三个分量分别代表色彩(Hue)、饱和度(Saturation)和值(Value)。步骤S20，指定信号灯所在的区域；由于信号灯在图像中的位置相对固定，指定区域可以加快算法，避免全图搜索。本发明实施例中，可在信号灯系统启动时指定信号灯所在的矩形区域。步骤S30，将输入图像从三原色光模式RGB空间转换到HSV空间；在HSV空间中，信号灯区域的亮度和色度信息获取比较简単，且红黄绿三种颜色在HSV空间中其色度分量具有较好的区分性，因此算法在HSV顔色空间中运行。步骤S40，提取信号灯潜在区域，并对图像作数学形态学处理，得到信号灯区域色度分量的分布特征；为了減少非信号灯区域对统计结果的影响，算法每帧提取信号灯的潜在位置，在潜在区域上进行统计。潜在区域的提取主要用到亮度信息，亮度值大于给定阈值的点认为是潜在区域。步骤S50，根据信号灯区域色度分量的分布特征，以期望化EM算法Expectation-maximization algorithm)结合高斯模型求出所述三种颜色所对应的三个高斯模型的均值、方差以及权重；该步骤获取HSV空间运算所需的色度直方图，以统计信号灯区域色度分量的分布特征。每个点色度分量拉伸到O 255上。步骤S60，根据三个高斯模型的均值、方差以及权重，交通信号灯计算信号灯潜在区域的每个点属于三种颜色的概率，取概率的作为当前点的顔色，并记录；根据色度直方图的统计、特征，可以用三个高斯模型叠加来拟合统计数据。步骤S70，统计某一连通域中所有像素点的顔色比例，取比例的顔色为该区域的颜色。本发明方法实施例通过采用了 HSV图像处理与模式识别算法，基于纯视频的方式识别红绿灯的状态，无需添加其它硬件设，成本较低，并且可适用于任何基于视频方式的电子警察设，给设的安装维护带来了极大的便利性。本发明另提供一种自动识别红绿灯的装置，如图2所示，其包括 初始化模块10，用于初始化HSV空间中红、绿、黄三种颜色的均值和方差；区域指定模块20，用于指定信号灯所在的区域；由于信号灯在图像中的位置相对固定，指定区域可以加快算法，避免全图搜索。本发明实施例中，区域指定模块20可在信号灯系统启动时指定信号灯所在的矩形区域。图像转换模块30，用于将输入图像从RGB空间转换到HSV空间；在HSV空间中，信号灯区域的亮度和色度信息获取比较简单，且红黄绿三种颜色在HSV空间中其色度分量具有较好的区分性，因此通过图像转换模块30将图像转换到HSV顔色空间，以使后续的图像处理在HSV颜色空间中运行。色度分量获取模块40，用于提取信号灯潜在区域，并对图像作数学形态学处理，交通信号灯得到信号灯区域色度分量的分布特征；为了減少非信号灯区域对统计结果的影响，色度分量获取模块40每帧提取信号灯的潜在位置，在潜在区域上进行统计。潜在区域的提取主要用到亮度信息，亮度值大于给定阈值的点认为是潜在区域。顔色參数获取模块50，用于根据信号灯区域色度分量的分布特征，以期望化EM算法结合高斯模型求出所述三种顔色所对应的三个高斯模型的均值、方差以及权重；颜色參数获取模块50获取HSV空间运算所需的色度直方图，以统计信号灯区域色度分量的分布特征。每个点色度分量拉伸到O 255上。运算模块60，用于根据三个高斯模型的均值、方差以及权重，计算信号灯潜在区域的每个点属于三种颜色的概率，取概率的作为当前点的顔色，并记录；根据色度直方图的统计特征，运算模块60可以用三个高斯模型叠加来拟合统计数据。统计模块70，用于统计某一连通域中所有像素点的顔色比例，取比例的顔色为该区域的顔色。以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
1.一种自动识别红绿灯的方法，其特征在于，包括以下步骤 初始化HSV空间中红、绿、黄三种颜色的均值和方差； 指定信号灯所在的区域； 将输入图像从RGB空间转换到HSV空间； 提取信号灯潜在区域，并对图像作数学形态学处理，得到信号灯区域色度分量的分布特征； 根据信号灯区域色度分量的分布特征，以期望化EM算法结合高斯模型求出所述三种颜色所对应的三个高斯模型的均值、方差以及权重； 根据三个高斯模型的均值、方差以及权重，计算信号灯潜在区域的每个点属于三种颜色的概率，取概率的作为当前点的颜色，并记录； 统计某一连通域中所有像素点的颜色比例，取比例的颜色为该区域的颜色。
2.如权利要求I所述的方法，其特征在于，所述提取信号灯潜在区域为 将信号灯的亮度值大于给定阈值的点判定为潜在区域。
3.如权利要求2所述的方法，其特征在于，所述指定信号灯所在的区域为 在信号灯系统启动时指定信号灯所在的矩形区域。
4.一种自动识别红绿灯的装置，其特征在于，包括 初始化模块，用于初始化HSV空间中红、绿、黄三种颜色的均值和方差； 区域指定模块，用于指定信号灯所在的区域； 图像转换模块，用于将输入图像从RGB空间转换到HSV空间； 色度分量获取模块，用于提取信号灯潜在区域，并对图像作数学形态学处理，得到信号灯区域色度分量的分布特征； 颜色参数获取模块，用于根据信号灯区域色度分量的分布特征，以期望化EM算法结合高斯模型求出所述三种颜色所对应的三个高斯模型的均值、方差以及权重； 运算模块，用于根据三个高斯模型的均值、方差以及权重，计算信号灯潜在区域的每个点属于三种颜色的概率，取概率的作为当前点的颜色，并记录； 统计模块，用于统计某一连通域中所有像素点的颜色比例，取比例的颜色为该区域的颜色。
5.如权利要求4所述的装置，其特征在于，所述色度分量获取模块进一步用于将信号灯的亮度值大于给定阈值的点判定为潜在区域。
6.如权利要求5所述的装置，其特征在于，所述区域指定模块进一步用于 在信号灯系统启动时指定信号灯所在的矩形区域。
本发明公开一种自动识别红绿灯的方法，包括以下步骤初始化HSV空间中红绿黄三种颜色的均值和方差；指定信号灯所在的区域；将输入图像从RGB空间转换到HSV空间；提取信号灯潜在区域，并对图像作数学形态学处理，得到信号灯区域色度分量的分布特征；根据信号灯区域色度分量的分布特征，以期望化EM算法结合高斯模型求出三种颜色所对应的三个高斯模型的均值、方差以及权重；根据三个高斯模型的均值、方差以及权重，计算信号灯潜在区域的每个点属于三种颜色的概率，取概率的作为当前点的颜色，并记录；统计某一连通域中所有像素点的颜色比例，取比例的颜色为该区域的颜色。本发明可降低安装和维护难度。
发明者佘中华, 吴海东, 王翔鹰 申请人:中盟智能科技(苏州)有限, 深圳市中盟科技股份有限
以上信息由扬州市旭瑞照明器材有限公司整理编辑，了解更多交通信号灯,红绿灯,标志牌信息请访问http://www.yzxrjt.com
