[发明专利]一种用于视障人士的人行道交通灯检测系统和方法

权利要求书

1.一种用于视障人士的人行道交通灯检测系统，所述系统包含一个彩色相机，一个小型处理器，一个耳机模块，一个电池模块；彩色相机与小型处理器相连，电池模块与小型处理器相连；彩色相机实时地采集周围场景的彩色图像，小型处理器对获取的彩色图像进行处理，将识别到的交通灯信息，转化为声音信号，并传给耳机模块，进而给用户；

所述系统的检测方法包括以下步骤：

彩色相机采集到的彩色图像Color，传给小型处理器进行处理；

在HSV空间中进行合格像素提取，HSV空间三通道的取值范围为，，，所述合格像素为满足并且，且或者的像素；其中50va256，250hu1230，250hu2300；

对所有合格像素，采用区域生长法提取连通区域，每一个连通区域作为一个候选区域，计算该候选区域面积；

对于任意一个候选区域，建立覆盖该候选区域的最小矩形区域，且该矩形区域的每一边平行于彩色图像的边，并提取该最小矩形区域的高和宽，得到该最小矩形区域的高宽比r，以及填充率f,f为候选区域与最小矩形区域面积之比；进一步对候选区域经过候选区域面积,高宽比r和填充率f的筛选，筛选出a、的合格的候选区域，其中，10^-6area a110^-4area，10^-3area a2 10^-1area,01，1.54，0.20.6，其中area是Color面积；

以最小矩形区域的中心为扩展中心，对最小矩形区域将高宽等比扩展为三到六倍，得到矩形扩展区域；计算该扩展矩形区域中，候选区域的平均亮度v1和候选区域以外的背景区域的平均亮度v2，筛选出v1v2的矩形扩展区域作为检测区域；

将步骤5筛选得到的检测区域进行灰度化处理，并统一像素大小，提取HOG或LBP图像特征；

根据图像特征，通过SVM模型对检测区域进行预测，得到预测结果；所述预测结果选自：（a）红或黄人行道交通灯、（b）绿人行道交通灯、（c）非人行道交通灯；

针对步骤7输出的预测结果进行验证，预测结果为（b）的情况下，若检测区域色相均值h₁Hueh₂，则最后结果为绿灯；否则判定为非人行道交通灯；其中参数取值范围为100h₁180，150h₂220；预测结果为（a）的情况下，若检测区域包裹色相均值wh₁WHwh₂，则最后结果为红灯；若检测区域包裹色相均值wh₃WHwh₄，则最后结果为黄灯；否则判定为非人行道交通灯；其中参数取值范围为90wh1140，170wh2210；210wh₃260，200wh₄290，包裹色相WH，定义为；

对第n-m帧图像中的每个检测区域建立预期区域，组成预期区域集合，并对每个预期区域构建一个容量为m检测结果序列；通过以下方法对预期区域集合进行不断更新，直到当前帧n：

将每一帧中所有检测区域与前一帧的预期区域集合相匹配；如果检测区域的中心不在任何一个预期区域的范围内，则利用该检测区域新建一个预期区域及对应的容量为m检测结果序列；若检测区域的中心在前一帧的预期区域内，则用该检测区域的预期区域更新上一帧中匹配的预期区域，并将该检测区域的检测结果加入到检测结果序列中；

所述预期区域的建立方法为：以该检测区域的最小矩形区域的中心为扩展中心，对最小矩形区域进行高宽等比扩展30-60倍后得到的；

统计每个预期区域对应的检测结果序列中存储的检测结果，计算置信度其中signal表示红黄绿三种检测结果之一，；

选择最大置信度的那个颜色作为最终红绿灯检测结果输出；

输出结果通过耳机模块，用语音的形式传递给盲人。

2.根据权利要求1所述的系统，其特征在于，所述步骤7中的SVM训练模型，通过以下方法得到：

彩色相机采集包含绿人行道交通灯的彩色图像Color，传给小型处理器进行处理；

在HSV空间中进行合格像素提取，HSV空间三通道的取值范围为，，所述合格像素为满足并且，且或者的像素；其中50va256，250hu1230，250hu2300；

对所有合格像素，采用区域生长法提取连通区域，每一个连通区域作为一个候选区域，计算该候选区域面积；

对于任意一个候选区域，建立覆盖该候选区域的最小矩形区域，且该矩形区域的每一边平行于彩色图像的边，并提取该最小矩形区域的高和宽，得到该最小矩形区域的高宽比r，以及填充率f,f为候选区域与最小矩形区域面积之比；进一步对候选区域经过候选区域面积,高宽比r和填充率f的筛选，筛选出a、的合格的候选区域，其中，10^-6area a110^-4area，10^-3area a2 10^-1area,01，1.54，0.20.6，其中area是Color面积；

以最小矩形区域的中心为扩展中心，对最小矩形区域将高宽等比扩展为三到六倍，得到矩形扩展区域；计算该扩展矩形区域中，候选区域的平均亮度v1和候选区域以外的背景区域的平均亮度v2，筛选出v1v2的矩形扩展区域作为检测区域；

将步骤5筛选得到的检测区域进行灰度化处理，并统一像素大小，提取HOG或LBP图像特征；

按照步骤1-6获得黄人行道交通灯和红人行道交通灯的HOG或LBP图像特征；

对标记好的数据集使用SVM训练，内核为LINEAR或RBF函数，使用交叉验证方法得到最优精度和召回率。