[發明專利]一種基于貝爾格式圖像的紅綠燈快速識別方法

在審

• 申請號: 201710128988.3
• 申請日: 2017-03-06
• 公開（公告）號: CN107016343A
• 公開（公告）日: 2017-08-04
• 發明（設計）人: 王飛;齊峰;張秋光;王樂;鄭南寧
• 申請（專利權）人: 西安交通大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 西安通大專利代理有限責任公司61200
• 代理人: 王萌

【技術領域】

本發明屬于計算機視覺的模式識別和人工智能領域，涉及一種用于圖像識別和目標信息提取的方法，特別涉及一種基于貝爾格式圖像的紅綠燈快速識別方法。

【背景技術】

利用數字圖像處理的方法實現目標分割、模式識別在計算機視覺領域是一種十分普遍的應用。近年來，無人駕駛汽車的研究和發展促使人們越來越關注城市交通環境中的紅綠燈識別問題。

現有的紅綠燈識別方法一般是從攝像頭采集的彩色圖像出發，使用合適的圖像處理算法，提取圖像中具體特征，進而實現紅綠燈的識別。目前有兩種常用的識別方法。其一，是基于顏色空間的識別方法，該方法從RGB、HIS、Lab等顏色空間中提取像素特征，進而判斷紅綠燈的狀態。其二，是基于機器學習的方法，如Adaboost和神經網絡。這種方法首先對大量的訓練樣本提取紅綠燈的顯著特征，進行模式分類，生成特定的判別準則，然后對相機采集得到的新的圖像進行相應的判斷。這種方法的準確度相對較高，但需要大量的訓練樣本和較長的時間的離線學習，且計算復雜。

因此，設計一種簡單有效、魯棒性較高的紅綠燈識別算法十分重要。

【發明內容】

本發明提供了一種基于貝爾格式圖像的紅綠燈快速識別方法，該方法在傳統的圖像處理基礎上，基于貝爾格式圖像設計識別算法，提高了紅綠燈識別的準確度和速度。

本發明采用以下技術方案：

一種基于貝爾格式圖像的紅綠燈快速識別方法，包括以下步驟：

(1)固定、標定相機；

(2)采集圖像，確定候選區域：

根據貝爾格式圖像提取采集圖像中的紅色通道分量和綠色通道分量，提取圖像中的連通域，以每個連通域作為候選區域，其他暗區視為背景區域；

(3)識別紅綠燈：

首先排除掉圖像中大部分的非紅綠燈區域，對于剩下的候選區域采用占空比和圓度確定出近似原型的區域，最后通過紅綠通道灰度值比確定紅綠燈。

進一步，在步驟(2)中，提取紅色通道分量和綠色通道分量后，提取圖像中亮斑的部分，使用連通域算法，提取圖像中連通域部分，作為候選區域。

進一步，步驟(3)中，根據紅綠燈在圖像中的像素面積或紅綠燈的燈中心像素坐標位置排除掉大部分非紅綠燈區域。

進一步，所述的紅綠燈在圖像中的像素面積根據以下計算：

紅綠燈在圖像中的直徑d：

其中，d是紅綠燈在圖像中的直徑，以像素為單位，f是相機的等效焦距，f₀是相機鏡頭的實際焦距，d_x是相機的尺寸；Z_c是相機與紅綠燈之間的距離；

根據相機的參數，便可估算出相機在距離紅綠燈Z_c時，紅綠燈在圖像中的外接矩形區域和面積大小。

進一步，所述的紅綠燈的燈中心像素坐標位置根據以下計算：

紅綠燈的燈中心像素坐標應滿足以下約束：

其中，x，y為燈中心像素坐標，width，height分別為圖像的寬和高。

進一步，步驟(3)中，

候選區域的占空比R為：

其中，S為候選區域，S_r為候選區域的外接矩形的面積；

候選區域的圓度為C：

其中，L是候選區域的周長。

進一步，在步驟(3)中，候選區域紅綠燈的灰度比為：

其中R為候選區域的R通道灰度值均值，G為候選區域的G通道灰度值均值；

當K遠大于1時，認為候選區域為紅燈；K遠小于1時，認為候選區域為綠燈；K接近于1時，認為候選區域為黃燈。

相機的光軸與車身方向保持一致。

標定相機的參數后，調整好相機鏡頭的光圈和焦距，保證圖像的清晰呈現。

標定相機的參數后，調整相機的成像參數，突出紅綠燈，關閉相機的自動曝光和自動增益功能，減少相機的曝光時間和增益，使圖像整體亮度大幅度下降。

與現有技術相比，本發明至少具有以下有益效果：本發明是一種基于貝爾格式圖像分通道的、簡單有效的紅綠燈識別方法，具有以下特點：首先，分兩通道單獨識別，極大地減少了彩色圖像中其他顏色的干擾，僅保留了強度較大的紅色分量和綠色分量，對光照變化不敏感，便于快速準確的定位候選區域，而不用采用復雜的模式識別算法。

【附圖說明】

圖1為貝爾格式原始圖像示意圖；

圖2為本發明的紅綠燈識別流程圖。

【具體實施方式】