[發明專利]一種交通信號燈候選圖像區域的驗證方法

在審

• 申請號: 202011079459.7
• 申請日: 2020-10-10
• 公開（公告）號: CN112232168A
• 公開（公告）日: 2021-01-15
• 發明（設計）人: 鐘銘恩;湯世福
• 申請（專利權）人: 廈門理工學院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 泉州市潭思專利代理事務所(普通合伙) 35221
• 代理人: 麻艷

本發明公開了一種交通信號燈候選圖像區域的驗證方法，包括如下步驟：(1)將待驗證的交通信號燈候選圖像區域分割成若干子塊，提取每個子塊的像素密度特征，利用預訓練好的一級支持向量機判斷是否為燈體；(2)將經過步驟(1)篩選的候選圖像區域進行擴展，依據該擴展區域從原始圖像中切割出同一區域，提取HOG特征，并利用預訓練好的二級支持向量機進一步驗證。本發明通過二級向量機對候選燈體圖像進行驗證及類別判斷，其中一級向量機所處理的圖像為二值化圖像，運算效率很高，并且通過其篩選之后的圖像才進一步判斷，可減少后續提取的圖像數目，減少總耗時；而二級向量機驗證采用提取原始彩色圖像的HOG特征的方式，從而可以提高判斷準確率。

技術領域

本發明涉及車輛的智能駕駛輔助及無人駕駛技術領域，更具體地，涉及一種交通信號燈候選圖像區域的驗證方法。

背景技術

紅綠燈自動識別技術，尤其是紅燈的自動識別技術，是車輛安全駕駛輔助和無人駕駛的關鍵支撐技術之一，是車輛交通環境感知的重要組成部分。根據所采用的技術方案不同，現有識別方案主要分為基于車路通信、基于周邊車輛狀態感知、基于GPS導航和基于車輛視覺四大類。盡管多方案融合是未來發展的趨勢，但基于車載視覺的識別技術仍是學術界和企業界研究的熱點，已成為智能交通系統的熱點研究領域。其中，由于紅燈表示禁止標志，對于交通次序和安全具有更為重要的意義，因此，能夠快速實時、準確可靠的從交通環境視頻圖像中檢測出紅燈是工程應用的基本要求。

現有紅燈圖像自動檢測技術主要分為傳統圖像識別和基于深度學習的紅燈識別兩大類。前者多基于紅燈的顏色、幾何等特征提取紅燈的候選圖像區域，實時性較好，但由于車輛運行過程中相對于紅燈燈體可能存在隨機變化的側傾、俯仰和橫擺等位置變化，對于這些特征的具體參數如何界定缺乏依據，準確率不高。后者需要大量的圖像樣本進行模型的訓練，準確率好，但由于訓練好的神經網絡模型的參數數量往往很龐大，對硬件處理速度提出了較高要求，不利于部署在車輛上，實時性也較差。這些直接制約著基于車載視覺的紅燈自動檢測技術在智能駕駛輔助和無人駕駛技術中的應用。

針對圖像識別技術，為了提高準確率，降低漏檢率，往往通過擴大閾值范圍的方式，但是這樣做的結果就是會識別出一些看似燈體而非燈體的偽燈體。這時就有必要進一步對獲得的信號燈候選圖像區域進行驗證。

另外，交通信號燈除了具有相對簡單且結構對稱的圓形燈和叉形燈以外，還包括箭形交通信號燈。事實上，我國關于交通紅綠燈的制作、設置和安裝都分別在國標GB14886-2006《道路交通信號燈設置與安裝規范》、國標GB14886-2016《道路交通信號燈設置與安裝規范》、GB14887-2011《道路交通信號燈》和GB14887-2016《道路交通信號燈》等標準內做出了詳細的規定。根據這些標準，常見的箭形交通信號燈主要有箭頭朝左的禁止左轉方向指示燈和箭頭朝上的禁止直行方向指示燈兩種，如圖1所示。

理想情況下，箭形交通信號燈在視頻圖像中為如圖1所示的分體形式，其包括“指向箭頭”和“尾部直線”兩個獨立部分。然而在現實中可能由于光暈、距離過遠等原因，其圖像成為一體形式，如圖2所示。在現有研究中，部分學者并未考慮到箭頭燈實際上是由分離的兩部分組成，這種分離現象尤其在近距離成像時特別明顯；部分學者雖然考慮到了此問題，但大多采用形態學方法進行合并操作，在處理不同距離、不同角度以及復雜多變背景下的分離燈體圖像時如何選取合適的形態學內核大小一直沒有好的方案。因此對于圖像的識別存在限制性。

為此，本案發明人提出特定的燈體幾何形狀特征閾值，可以識別分體式燈體的指向箭頭圖像和尾部直線圖像，之后再通過特殊的方法進行配對拼接(已另案申請)。這種方式可以大大降低漏檢率，然而，由于整燈的幾何形狀閾值與各分體的閾值存在交集，會出現將指向箭頭圖像和尾部直線圖像作為整燈識別的現象。

因此基于各種原因，均有必要進一步對獲得的交通信號燈候選圖像區域進行驗證，本案由此而產生。

參考文獻(References):