[發(fā)明專利]一種基于多分類器的交通信號(hào)燈的識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201711195384.7
• 申請(qǐng)日: 2017-11-24
• 公開（公告）號(hào): CN107704853A
• 公開（公告）日: 2018-02-16
• 發(fā)明（設(shè)計(jì)）人: 朱浩;劉智毅;吳吉紅;秦浩;舒德偉
• 申請(qǐng)（專利權(quán)）人: 重慶郵電大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/46;G06K9/62
• 代理公司: 北京同恒源知識(shí)產(chǎn)權(quán)代理有限公司11275
• 代理人: 趙榮之

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及一種基于多分類器的交通信號(hào)燈的識(shí)別方法。

背景技術(shù)

隨著社會(huì)和經(jīng)濟(jì)技術(shù)的發(fā)展，交通道路上的車輛越來越多，道路環(huán)境也越來越復(fù)雜，隨之而來的交通事故也頻繁發(fā)生，為了減少此類情況的發(fā)生，智能交通應(yīng)運(yùn)而生，而在智能交通中，智能車是智能交通中關(guān)鍵的一部分，智能車的出現(xiàn)幫助駕駛員駕駛，使得交通事故發(fā)生的頻率得以減少，同時(shí)讓紅綠色盲的人駕車成為可能性，因此對(duì)于交通信號(hào)燈識(shí)別有著非常重要的意義

要實(shí)現(xiàn)這個(gè)目標(biāo)，首先得從復(fù)雜多變的環(huán)境中，準(zhǔn)備找出交通信號(hào)燈的位置，然后在通過進(jìn)一步特征提取和識(shí)別，判斷出交通信號(hào)燈的具體信息。目前這種方法有準(zhǔn)確性，但無法有廣泛性適用性不強(qiáng)。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明的目的在于提供一種基于多分類器的交通信號(hào)燈的識(shí)別方法，用于實(shí)時(shí)運(yùn)行的智能車中，準(zhǔn)確識(shí)別各個(gè)道路口的紅綠燈信息，提高安全駕駛性。

為達(dá)到上述目的，本發(fā)明提供如下技術(shù)方案：

一種基于多分類器的交通信號(hào)燈的識(shí)別方法，該方法包含如下步驟：

S1：用視頻采集裝置采集車輛前方的圖像；

S2：對(duì)采集的圖像進(jìn)行圖像灰度化，濾波以及建立興趣區(qū)域的預(yù)處理過程；

S3：根據(jù)采集到的圖像，提取交通信號(hào)燈顏色；

S4：對(duì)步驟S3提取的顏色區(qū)域進(jìn)行形態(tài)學(xué)過濾；

S5：對(duì)過濾之后的顏色區(qū)域進(jìn)行HOG特征和顏色特征提取；

S6：利用HOG特征對(duì)SVM分類器進(jìn)行訓(xùn)練，將顏色特征輸入訓(xùn)練好的SVM分類器中進(jìn)行識(shí)別。

進(jìn)一步，所述視頻采集裝置為攝像頭，且分辨率大于640*480，所述攝像頭安裝在車輛后視鏡位置。

進(jìn)一步，步驟S2中所述興趣區(qū)域?yàn)椴杉降膱D像的上方1/2部分的區(qū)域。

進(jìn)一步，步驟S3包含如下步驟：

S31：將攝像頭采集的圖像轉(zhuǎn)換為YcbCr顏色模式，轉(zhuǎn)化公式為；

其中，Y為轉(zhuǎn)換后圖像顏色的亮度成分，Cb為轉(zhuǎn)換后圖像顏色的藍(lán)色濃度偏移量成分，Cr為轉(zhuǎn)換后圖像顏色的紅色濃度偏移量成分，R為原始圖像中的紅色成分，G為原始圖像中的綠色成分，B為原始圖像中的藍(lán)色成分；

S32：在Cb通道下進(jìn)行紅色與綠色的顏色區(qū)域提取，判定交通信號(hào)燈存在的區(qū)域，

{f(x,y)|R_min≤f_cb≤R_max},color＝Red

{f(x,y)|G_min≤f_cb≤G_max},color＝Green

其中，f(x,y)為像素點(diǎn)的位置，R_min為最小紅色閾值，R_max為最大紅色閾值，G_max表示最大綠色閾值，G_min表示最小綠色閾值。

進(jìn)一步，步驟S4中形態(tài)學(xué)過濾條件滿足：

過濾條件Ⅰ：遍歷通過顏色檢測(cè)的候選區(qū)域，通過長(zhǎng)寬比條件來過濾，滿足條件的保留，不滿足條件的剔除，

其中，R_wh表示交通信號(hào)燈的長(zhǎng)寬之比，

過濾條件Ⅱ：將經(jīng)過長(zhǎng)寬比過濾后區(qū)域經(jīng)過圓檢測(cè)，定義圓心和半徑，

其中，r表示交通信號(hào)燈圓的半徑。

進(jìn)一步，步驟S5中HOG特征提取包含如下步驟：

S51：將整個(gè)圖像進(jìn)行色彩和伽馬歸一化處理；

S52：計(jì)算圖像橫坐標(biāo)和縱坐標(biāo)方向的梯度，并據(jù)此計(jì)算每個(gè)像素位置的梯度方向值；

S53：將圖像分成若干細(xì)胞單元，構(gòu)建方向的直方圖，細(xì)胞單元中的每一個(gè)像素點(diǎn)都為某個(gè)基于方向的直方圖通道投票；

S54：將細(xì)胞單元進(jìn)行合成空間上連通的區(qū)間，獲得交通信號(hào)燈的HOG特征。

進(jìn)一步，步驟S6包含：

S61：將交通信號(hào)燈的HOG特征作為分類特征輸入SVM分類器模型Ⅰ中進(jìn)行訓(xùn)練，訓(xùn)練好的SVM分類器模型Ⅰ將交通信號(hào)燈分為左轉(zhuǎn)、右轉(zhuǎn)和直行三類；

S62：將YcbCr顏色分類分別輸入到SVM分類器模型Ⅱ、SVM分類器模型Ⅲ和SVM分類器模型Ⅳ進(jìn)行訓(xùn)練；

S63：將左轉(zhuǎn)、右轉(zhuǎn)和直行三類分別輸入訓(xùn)練好的SVM分類器模型Ⅱ、SVM分類器模型Ⅲ和SVM分類器模型Ⅳ進(jìn)行顏色識(shí)別；

S64：輸出識(shí)別結(jié)果。