[发明专利]基于视频分析的交通信号灯定位、识别与分类方法

说明书

技术领域

本发明涉及智慧交通领域，尤其涉及基于视频分析的交通信号灯定位、识别与分类方法。

背景技术

在日常的交通管理中，通常通过规律性改变路口交通信号灯的状态来保证交通秩序有序进行，从而保障交通安全和道路畅通。自然而然，智能交通系统就逐渐地应用于城市道路交通管理，现有的智能交通系统通过接入交通信号灯、信号线的特定接口来获取交通灯状态，同时该系统中也采用了人工配置交通信号灯相关基础信息的方法，其中基础信息包括：信号灯的位置，信号灯的类型，信号灯所表示的状态等信息。该方法虽然满足了准确性的提高，但是也带来了一系列的弊端：(1)施工难度大、运作成本高，而且系统需要与视频监控系统同步；(2)自适应能力较差，系统的设置就需要进行人为的调整与修改。为了更加方便、低成本、智能地获得信号灯的实时信息，就需要一种能够自动检测到信号灯信息的方法。交通管理部门迫切的希望能够通过该系统中的实时交通视频监控系统自动检测交通信号灯的状态变化，并结合当前车辆的行驶行为自动检测进行交通违法行为。因此设计一种基于视频分析的交通信号灯定位、识别与分类方法是非常有必要的。

发明内容

本发明为克服上述的不足之处，目的在于提供一种基于视频分析的交通信号灯定位、识别与分类方法，该方法能够实现信号灯的自动检测与分类，具有良好的鲁棒性和适应性，为交通违法和信号灯故障的自动检测提供支持。

本发明以下技术方案达到上述目的：基于视频分析的交通信号灯定位、识别与分类方法，具体步骤为：

(1)将视频图像的RGB颜色空间转换到HSV颜色空间，得到当前视频图像各像素点的色调、饱和度、亮度；

(2)对各像素点的H、S、V值进行颜色分类，并根据分类结果在单通道空白颜色分类结果标记图像I_result上设置对应的灰度值；

(3)对颜色分类结果标记图像I_result通过轮廓检测获得轮廓的外接矩形区域集合，并将其作为疑似信号灯区域集合，通过是否纯色方法对疑似信号灯区域集合进行过滤获得信号灯候选区域集合；

(4)更新历史信号灯候选区域集合；所述更新历史信号灯候选区域集合具体包括以下步骤：若当前帧图像是视频中的第一帧图像，则将所有的信号灯候选区域加入历史候选区域集合；若不满足上述条件，则通过判断两个矩形区域是否为重复区域方法和纯色检测方法来进行对历史候选区域的筛选；

(5)判断视频数据是否读取完毕，是则跳转到步骤(6)，否则跳转到步骤(1)；

(6)判断历史候选区域集合中区域记录的颜色突变次数以及颜色持续时间是否大于相应阈值；若是，则确定为信号灯区域，否则不为信号灯区域；

(7)建立交通信号灯图像库，对图像库中的信号灯图像进行灰度化、平滑和去噪处理，提取图像的HOG方向梯度直方图信息作为特征向量，训练SVM分类器，获到信号灯形状识别模型；

(8)调用信号灯形状识别模型对步骤(6)确定的信号灯区域内的信号灯的形状进行分类，输出分类结果。

作为优选，所述步骤(2)中的对各像素点的H、S、V值进行颜色分类，并根据分类结果在单通道空白颜色分类结果标记图像I_result上设置对应的灰度值具体包括以下设置规则：

(1)若V≤20或S<100或S≤53且V≤185时像素的颜色分类为黑色，颜色分类结果标记图像I_result中对应像素的灰度值设置为2；

(2)若S≤27且V>190像素的颜色分类为白色，颜色分类结果标记图像I_result中对应像素的灰度值设置为1；

(3)若S值，V值都不满足上面两种情况时：

(3.1)若H≤15或H≥156且H≤180像素的颜色分类为红色，颜色分类结果标记图像I_result中对应像素的灰度值设置为180；

(3.2)若H>15且H≤35像素的颜色分类为黄色，颜色分类结果标记图像I_result中对应像素的灰度值设置为30；

(3.3)若H>35且H≤100像素的颜色分类为绿色，颜色分类结果标记图像I_result中对应像素的灰度值设置为100；

(4)若H值皆不满足上述条件，则为无关颜色，颜色分类结果标记图像I_result中对应像素的灰度值设置为1。

作为优选，所述的判断区域颜色是否为纯色的方法包括：