本发明涉及一种工厂自动化设备上的指示灯检测及状态判别方法，具体涉及一种基于颜色特征及形状特征相结合的室内指示灯检测及状态判别方法。
背景技术：
随着我国战略性新兴产业的提出及两化融合的稳步推进，中国智能制造得到了广泛的关注，由于劳力成本的提升及人类本身固有的局限性，工业机器人在某些领域正逐渐发挥着替代性的作用。随着机器人的兴起及需求的提升，智能监控必不可少，而指示灯作为自动化设备的常规配置，其检测及状态的自动判别日渐重要。
由于不同设备其指示灯的大小、形状、颜色等信息不尽相同，所以目前为止，并没有通用的识别方法，本发明针对特定工厂的自动化设备上的指示灯及类似条件下的指示灯进行识别。目前指示灯的识别研究主要集中在智能交通领域，通常方法大体分为两大类：基于颜色信息的方法和基于形状信息的方法。
基于颜色信息的方法可以将具有明显颜色信息的指示灯从背景中提取出来，但是该方法对光照比较敏感，在指示灯与背景对比明显的情况下才能获得较好的处理结果；基于形状信息的方法虽不受颜色模糊及光照变化等因素影响，但易把环境中与指示灯具有相同形状的物体误判为指示灯。
技术实现要素：
有鉴于此，本发明提供了一种基于颜色及形状特征的室内指示灯检测及状态判别方法，能够综合利用颜色信息及形状信息进行判断，在不影响系统实时性的情况下可以有效地降低误检率。
基于颜色及形状特征的室内指示灯检测及状态判别方法，该方法实现的步骤如下：
步骤1：预处理区域提取：对采集到的图像进行预处理，设定阈值对图像进行分割，去掉不相关的背景区，只保留兴趣区；
步骤2：hsv空间颜色分割：选择hsv颜色空间进行颜色分割，提取指示灯区域；
步骤3：基于形状信息的滤波：采用形态学处理进行滤波消噪后进行连通域提取，并计算每个连通域的面积及高宽比，通过设定阈值滤除非指示灯干扰；
步骤4：指示灯状态判别：指示灯区域提取出来之后采用亮度值v找出指示灯区域中亮度最大的点，然后提取该点处的色调值，通过对色调的范围进行判断来区分颜色的种类，从而判断出当前哪个颜色的指示灯亮。
有益效果：
本发明将基于颜色信息与基于形状信息的方法相结合，在不影响系统实时性的情况下可以有效地提取出信号灯区域并判断当前区域信号灯的状态，可以在一定程度上实现智能监控，将人工从重复的工作中解脱出来，为智能化生产提供保障。
附图说明
图1为本发明进行指示灯的检测及状态判别的流程图。
具体实施方式
下面结合附图并举实施例，对本发明进行详细描述。
如附图1所示，本发明提供了一种基于颜色及形状特征的室内指示灯检测及状态判别方法，该方法实现的步骤如下：
步骤1：预处理区域提取：采集到的图像中除了指示灯还有很多不相关的信息，由于指示灯在整幅图像中只占很小的区域且由于摄像头的位置固定该区域相对固定，故为了减小计算量、加快图像处理的速度，先对采集到的图像进行预处理，设定阈值对图像进行分割，去掉不相关的背景区，只保留兴趣区；
步骤2：hsv空间颜色分割：颜色是指示灯区域的一个重要信息，而颜色分割的关键是选择一个合适的颜色空间，由于图像采集设备所采集到的图像通常是基于rgb颜色空间的，直接基于rgb颜色空间进行颜色分割省去了空间转换的麻烦，因此具有很好的实时性，但是由于rgb颜色空间对光照变化敏感，且r、g、b三个分量之间具有很大的相关性，故很难达到理想的分割效果。hsv颜色空间最符合人眼对颜色的感知，故在图像处理中比较常用，且hsv颜色空间色调、饱和度、亮度相对独立，光线对颜色的干扰较小，选择hsv颜色空间进行颜色分割，提取指示灯区域；
步骤3：基于形状信息的滤波：鉴于颜色信息固有的缺陷，可能把背景中与指示灯颜色相近的区域误检测出来，为了进一步对指示灯区域定位，采用形状信息进行滤波，本发明采用两种形状信息：连通域面积及高宽比。上述颜色阈值分割可以把红、黄、绿三种颜色的区域提取出来，在进行后续处理之前为了避免噪声干扰，先用形态学处理进行滤波消噪，然后再进行连通域提取，并计算每个连通域的面积及高宽比，通过设定阈值，滤除非指示灯干扰；
步骤4：指示灯状态判别：指示灯区域提取出来之后，需要对当前指示灯的状态进行判断，以确定当前哪个颜色的指示灯亮来判断自动化设备的运行状况；在hsv颜色空间中，h(色调)代表颜色的种类，s(饱和度)代表颜色的深浅，v(亮度)代表颜色的明亮程度，由于三分量互相独立，故首先采用亮度值v找出指示灯区域中亮度最大的点，然后提取该点处的h值，通过对h的范围进行判断来区分颜色的种类，从而判断出当前哪个颜色的指示灯亮。
综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。