專利名稱：自動(dòng)識(shí)別紅綠燈的方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明屬于智能交通領(lǐng)域，特別涉及一種自動(dòng)識(shí)別紅綠燈的方法及裝置。
背景技術(shù)：
在基于線圈的電子警察中，紅綠燈的狀態(tài)主要通過(guò)路ロ信號(hào)機(jī)來(lái)獲取。這種方式具有準(zhǔn)確，穩(wěn)定等特點(diǎn)。然而，隨著基于視頻方式的電子警察設(shè)備大量應(yīng)用，通過(guò)信號(hào)機(jī)獲取紅綠燈狀態(tài)的方式存在設(shè)備的安裝和維護(hù)困難、系統(tǒng)兼容性差等問(wèn)題，同時(shí)系統(tǒng)的成本也比較高。

發(fā)明內(nèi)容
本發(fā)明的主要目的在于提供一種自動(dòng)識(shí)別紅綠燈的方法，g在解決現(xiàn)有技術(shù)中設(shè)備安裝和維護(hù)困難的技術(shù)問(wèn)題。為了實(shí)現(xiàn)發(fā)明目的，本發(fā)明提供一種自動(dòng)識(shí)別紅綠燈的方法，包括以下步驟初始化HSV空間中紅、綠、黃三種顏色的均值和方差；指定信號(hào)燈所在的區(qū)域；將輸入圖像從RGB空間轉(zhuǎn)換到HSV空間；提取信號(hào)燈潛在區(qū)域，并對(duì)圖像作數(shù)學(xué)形態(tài)學(xué)處理，得到信號(hào)燈區(qū)域色度分量的分布特征；根據(jù)信號(hào)燈區(qū)域色度分量的分布特征，以期望最大化EM算法結(jié)合高斯模型求出所述三種顔色所對(duì)應(yīng)的三個(gè)高斯模型的均值、方差以及權(quán)重；根據(jù)三個(gè)高斯模型的均值、方差以及權(quán)重，計(jì)算信號(hào)燈潛在區(qū)域的每個(gè)點(diǎn)屬于三種顏色的概率，取概率最大的作為當(dāng)前點(diǎn)的顔色，并記錄；統(tǒng)計(jì)某一連通域中所有像素點(diǎn)的顔色比例，取比例最大的顔色為該區(qū)域的顔色。優(yōu)選地，所述提取信號(hào)燈潛在區(qū)域?yàn)閷⑿盘?hào)燈的亮度值大于給定閾值的點(diǎn)判定為潛在區(qū)域。優(yōu)選地，所述指定信號(hào)燈所在的區(qū)域?yàn)樵谛盘?hào)燈系統(tǒng)啟動(dòng)時(shí)指定信號(hào)燈所在的矩形區(qū)域。本發(fā)明另提供一種自動(dòng)識(shí)別紅綠燈的裝置，其包括初始化模塊，用于初始化HSV空間中紅、綠、黃三種顏色的均值和方差；區(qū)域指定模塊，用于指定信號(hào)燈所在的區(qū)域；圖像轉(zhuǎn)換模塊，用于將輸入圖像從RGB空間轉(zhuǎn)換到HSV空間；色度分量獲取模塊，用于提取信號(hào)燈潛在區(qū)域，并對(duì)圖像作數(shù)學(xué)形態(tài)學(xué)處理，得到信號(hào)燈區(qū)域色度分量的分布特征；顔色參數(shù)獲取模塊，用于根據(jù)信號(hào)燈區(qū)域色度分量的分布特征，以期望最大化EM算法結(jié)合高斯模型求出所述三種顔色所對(duì)應(yīng)的三個(gè)高斯模型的均值、方差以及權(quán)重；運(yùn)算模塊，用于根據(jù)三個(gè)高斯模型的均值、方差以及權(quán)重，計(jì)算信號(hào)燈潛在區(qū)域的每個(gè)點(diǎn)屬于三種顏色的概率，取概率最大的作為當(dāng)前點(diǎn)的顔色，并記錄；統(tǒng)計(jì)模塊，用于統(tǒng)計(jì)某一連通域中所有像素點(diǎn)的顔色比例，取比例最大的顏色為該區(qū)域的顔色。優(yōu)選地，所述色度分量獲取模塊進(jìn)ー步用于將信號(hào)燈的亮度值大于給定閾值的點(diǎn)判定為潛在區(qū)域。優(yōu)選地，所述區(qū)域指定模塊進(jìn)一步用于在信號(hào)燈系統(tǒng)啟動(dòng)時(shí)指定信號(hào)燈所在的矩形區(qū)域。本發(fā)明通過(guò)采用了 HSV圖像處理與模式識(shí)別算法，基于純視頻的方式識(shí)別紅綠燈的狀態(tài)，無(wú)需添加其它硬件設(shè)備，成本較低，并且可適用于任何基于視頻方式的電子警察設(shè)備，給設(shè)備的安裝維護(hù)帶來(lái)了極大的便利性。


圖I為本發(fā)明一實(shí)施例中自動(dòng)識(shí)別紅綠燈的方法流程圖；圖2為本發(fā)明一實(shí)施例中自動(dòng)識(shí)別紅綠燈的裝置的結(jié)構(gòu)示意圖。本發(fā)明目的的實(shí)現(xiàn)、功能特點(diǎn)及優(yōu)點(diǎn)將結(jié)合實(shí)施例，參照附圖做進(jìn)ー步說(shuō)明。
具體實(shí)施例方式應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。參照?qǐng)D1，圖I為本發(fā)明自動(dòng)識(shí)別紅綠燈的方法實(shí)施例的流程圖。如圖I所示，該流程包括以下步驟步驟S10，初始化直觀顏色模型HSV空間中紅、綠、黃三種顏色的均值和方差；HSV空間是直方圖最常用的顔色空間。它的三個(gè)分量分別代表色彩(Hue)、飽和度(Saturation)和值(Value)。步驟S20，指定信號(hào)燈所在的區(qū)域；由于信號(hào)燈在圖像中的位置相對(duì)固定，指定區(qū)域可以加快算法，避免全圖搜索。本發(fā)明實(shí)施例中，可在信號(hào)燈系統(tǒng)啟動(dòng)時(shí)指定信號(hào)燈所在的矩形區(qū)域。步驟S30，將輸入圖像從三原色光模式RGB空間轉(zhuǎn)換到HSV空間；在HSV空間中，信號(hào)燈區(qū)域的亮度和色度信息獲取比較簡(jiǎn)単，且紅黃綠三種顏色在HSV空間中其色度分量具有較好的區(qū)分性，因此算法在HSV顔色空間中運(yùn)行。步驟S40，提取信號(hào)燈潛在區(qū)域，并對(duì)圖像作數(shù)學(xué)形態(tài)學(xué)處理，得到信號(hào)燈區(qū)域色度分量的分布特征；為了減少非信號(hào)燈區(qū)域?qū)y(tǒng)計(jì)結(jié)果的影響，算法每幀提取信號(hào)燈的潛在位置，在潛在區(qū)域上進(jìn)行統(tǒng)計(jì)。潛在區(qū)域的提取主要用到亮度信息，亮度值大于給定閾值的點(diǎn)認(rèn)為是潛在區(qū)域。步驟S50，根據(jù)信號(hào)燈區(qū)域色度分量的分布特征，以期望最大化EM算法Expectation-maximization algorithm)結(jié)合高斯模型求出所述三種顏色所對(duì)應(yīng)的三個(gè)高斯模型的均值、方差以及權(quán)重；該步驟獲取HSV空間運(yùn)算所需的色度直方圖，以統(tǒng)計(jì)信號(hào)燈區(qū)域色度分量的分布特征。每個(gè)點(diǎn)色度分量拉伸到O 255上。步驟S60，根據(jù)三個(gè)高斯模型的均值、方差以及權(quán)重，計(jì)算信號(hào)燈潛在區(qū)域的每個(gè)點(diǎn)屬于三種顏色的概率，取概率最大的作為當(dāng)前點(diǎn)的顔色，并記錄；根據(jù)色度直方圖的統(tǒng)計(jì)、特征，可以用三個(gè)高斯模型疊加來(lái)擬合統(tǒng)計(jì)數(shù)據(jù)。步驟S70，統(tǒng)計(jì)某一連通域中所有像素點(diǎn)的顔色比例，取比例最大的顔色為該區(qū)域的顏色。本發(fā)明方法實(shí)施例通過(guò)采用了 HSV圖像處理與模式識(shí)別算法，基于純視頻的方式識(shí)別紅綠燈的狀態(tài)，無(wú)需添加其它硬件設(shè)備，成本較低，并且可適用于任何基于視頻方式的電子警察設(shè)備，給設(shè)備的安裝維護(hù)帶來(lái)了極大的便利性。本發(fā)明另提供一種自動(dòng)識(shí)別紅綠燈的裝置，如圖2所示，其包括 初始化模塊10，用于初始化HSV空間中紅、綠、黃三種顏色的均值和方差；區(qū)域指定模塊20，用于指定信號(hào)燈所在的區(qū)域；由于信號(hào)燈在圖像中的位置相對(duì)固定，指定區(qū)域可以加快算法，避免全圖搜索。本發(fā)明實(shí)施例中，區(qū)域指定模塊20可在信號(hào)燈系統(tǒng)啟動(dòng)時(shí)指定信號(hào)燈所在的矩形區(qū)域。圖像轉(zhuǎn)換模塊30，用于將輸入圖像從RGB空間轉(zhuǎn)換到HSV空間；在HSV空間中，信號(hào)燈區(qū)域的亮度和色度信息獲取比較簡(jiǎn)單，且紅黃綠三種顏色在HSV空間中其色度分量具有較好的區(qū)分性，因此通過(guò)圖像轉(zhuǎn)換模塊30將圖像轉(zhuǎn)換到HSV顔色空間，以使后續(xù)的圖像處理在HSV顏色空間中運(yùn)行。色度分量獲取模塊40，用于提取信號(hào)燈潛在區(qū)域，并對(duì)圖像作數(shù)學(xué)形態(tài)學(xué)處理，得到信號(hào)燈區(qū)域色度分量的分布特征；為了減少非信號(hào)燈區(qū)域?qū)y(tǒng)計(jì)結(jié)果的影響，色度分量獲取模塊40每幀提取信號(hào)燈的潛在位置，在潛在區(qū)域上進(jìn)行統(tǒng)計(jì)。潛在區(qū)域的提取主要用到亮度信息，亮度值大于給定閾值的點(diǎn)認(rèn)為是潛在區(qū)域。顔色參數(shù)獲取模塊50，用于根據(jù)信號(hào)燈區(qū)域色度分量的分布特征，以期望最大化EM算法結(jié)合高斯模型求出所述三種顔色所對(duì)應(yīng)的三個(gè)高斯模型的均值、方差以及權(quán)重；顏色參數(shù)獲取模塊50獲取HSV空間運(yùn)算所需的色度直方圖，以統(tǒng)計(jì)信號(hào)燈區(qū)域色度分量的分布特征。每個(gè)點(diǎn)色度分量拉伸到O 255上。運(yùn)算模塊60，用于根據(jù)三個(gè)高斯模型的均值、方差以及權(quán)重，計(jì)算信號(hào)燈潛在區(qū)域的每個(gè)點(diǎn)屬于三種顏色的概率，取概率最大的作為當(dāng)前點(diǎn)的顔色，并記錄；根據(jù)色度直方圖的統(tǒng)計(jì)特征，運(yùn)算模塊60可以用三個(gè)高斯模型疊加來(lái)擬合統(tǒng)計(jì)數(shù)據(jù)。統(tǒng)計(jì)模塊70，用于統(tǒng)計(jì)某一連通域中所有像素點(diǎn)的顔色比例，取比例最大的顔色為該區(qū)域的顔色。以上僅為本發(fā)明的優(yōu)選實(shí)施例，并非因此限制本發(fā)明的專利范圍，凡是利用本發(fā)明說(shuō)明書(shū)及附圖內(nèi)容所作的等效結(jié)構(gòu)或等效流程變換，或直接或間接運(yùn)用在其他相關(guān)的技術(shù)領(lǐng)域，均同理包括在本發(fā)明的專利保護(hù)范圍內(nèi)。
權(quán)利要求
1.一種自動(dòng)識(shí)別紅綠燈的方法，其特征在于，包括以下步驟 初始化HSV空間中紅、綠、黃三種顏色的均值和方差； 指定信號(hào)燈所在的區(qū)域； 將輸入圖像從RGB空間轉(zhuǎn)換到HSV空間； 提取信號(hào)燈潛在區(qū)域，并對(duì)圖像作數(shù)學(xué)形態(tài)學(xué)處理，得到信號(hào)燈區(qū)域色度分量的分布特征； 根據(jù)信號(hào)燈區(qū)域色度分量的分布特征，以期望最大化EM算法結(jié)合高斯模型求出所述三種顏色所對(duì)應(yīng)的三個(gè)高斯模型的均值、方差以及權(quán)重； 根據(jù)三個(gè)高斯模型的均值、方差以及權(quán)重，計(jì)算信號(hào)燈潛在區(qū)域的每個(gè)點(diǎn)屬于三種顏色的概率，取概率最大的作為當(dāng)前點(diǎn)的顏色，并記錄； 統(tǒng)計(jì)某一連通域中所有像素點(diǎn)的顏色比例，取比例最大的顏色為該區(qū)域的顏色。
2.如權(quán)利要求I所述的方法，其特征在于，所述提取信號(hào)燈潛在區(qū)域?yàn)? 將信號(hào)燈的亮度值大于給定閾值的點(diǎn)判定為潛在區(qū)域。
3.如權(quán)利要求2所述的方法，其特征在于，所述指定信號(hào)燈所在的區(qū)域?yàn)? 在信號(hào)燈系統(tǒng)啟動(dòng)時(shí)指定信號(hào)燈所在的矩形區(qū)域。
4.一種自動(dòng)識(shí)別紅綠燈的裝置，其特征在于，包括 初始化模塊，用于初始化HSV空間中紅、綠、黃三種顏色的均值和方差； 區(qū)域指定模塊，用于指定信號(hào)燈所在的區(qū)域； 圖像轉(zhuǎn)換模塊，用于將輸入圖像從RGB空間轉(zhuǎn)換到HSV空間； 色度分量獲取模塊，用于提取信號(hào)燈潛在區(qū)域，并對(duì)圖像作數(shù)學(xué)形態(tài)學(xué)處理，得到信號(hào)燈區(qū)域色度分量的分布特征； 顏色參數(shù)獲取模塊，用于根據(jù)信號(hào)燈區(qū)域色度分量的分布特征，以期望最大化EM算法結(jié)合高斯模型求出所述三種顏色所對(duì)應(yīng)的三個(gè)高斯模型的均值、方差以及權(quán)重； 運(yùn)算模塊，用于根據(jù)三個(gè)高斯模型的均值、方差以及權(quán)重，計(jì)算信號(hào)燈潛在區(qū)域的每個(gè)點(diǎn)屬于三種顏色的概率，取概率最大的作為當(dāng)前點(diǎn)的顏色，并記錄； 統(tǒng)計(jì)模塊，用于統(tǒng)計(jì)某一連通域中所有像素點(diǎn)的顏色比例，取比例最大的顏色為該區(qū)域的顏色。
5.如權(quán)利要求4所述的裝置，其特征在于，所述色度分量獲取模塊進(jìn)一步用于將信號(hào)燈的亮度值大于給定閾值的點(diǎn)判定為潛在區(qū)域。
6.如權(quán)利要求5所述的裝置，其特征在于，所述區(qū)域指定模塊進(jìn)一步用于 在信號(hào)燈系統(tǒng)啟動(dòng)時(shí)指定信號(hào)燈所在的矩形區(qū)域。
全文摘要
本發(fā)明公開(kāi)一種自動(dòng)識(shí)別紅綠燈的方法，包括以下步驟初始化HSV空間中紅綠黃三種顏色的均值和方差；指定信號(hào)燈所在的區(qū)域；將輸入圖像從RGB空間轉(zhuǎn)換到HSV空間；提取信號(hào)燈潛在區(qū)域，并對(duì)圖像作數(shù)學(xué)形態(tài)學(xué)處理，得到信號(hào)燈區(qū)域色度分量的分布特征；根據(jù)信號(hào)燈區(qū)域色度分量的分布特征，以期望最大化EM算法結(jié)合高斯模型求出三種顏色所對(duì)應(yīng)的三個(gè)高斯模型的均值、方差以及權(quán)重；根據(jù)三個(gè)高斯模型的均值、方差以及權(quán)重，計(jì)算信號(hào)燈潛在區(qū)域的每個(gè)點(diǎn)屬于三種顏色的概率，取概率最大的作為當(dāng)前點(diǎn)的顏色，并記錄；統(tǒng)計(jì)某一連通域中所有像素點(diǎn)的顏色比例，取比例最大的顏色為該區(qū)域的顏色。本發(fā)明可降低安裝和維護(hù)難度。
文檔編號(hào)G06T7/00GK102663345SQ201210057390
公開(kāi)日2012年9月12日 申請(qǐng)日期2012年3月7日 優(yōu)先權(quán)日2012年3月7日
發(fā)明者佘中華, 吳海東, 王翔鷹 申請(qǐng)人:中盟智能科技(蘇州)有限公司, 深圳市中盟科技股份有限公司