专利名称：基于广义霍夫变换的交通信号灯位置检测方法
技术领域：
本发明属于数字图像处理及模式识别技术领域，具体涉及视频图像中交通信号灯位置检测方法。
背景技术：
随着经济的不断发展，城市人口和机动车辆数量迅猛增长，交通事故的发生率和每年因交通事故死亡人数非常惊人，其中的重要原因之一就是机动车驾驶员在交警视线之外违法驾驶的情况非常普遍。为了能更广泛地管理交通，提供交警非现场执法能力，电子警察系统作为智能交通系统(Intelligent Transportation System)重要成分应运而生。它实现了对城市道路全天候、大范围的管理要求，同时，为交警执法提供了清晰的视频图像证据，提高了管理水平，减少了因交通事故造成的人员伤亡和财产损失，间接地创造了巨大的经济价值。早期电子警察系统主要是通过在道路路基下方埋设感应线圈来获取车辆的违章信息[1]，但感应线圈不易安装且易受路面的维护而破坏。于是人们开始研究新的非感应线圈检测的电子警察系统。随着技术的发展，基于视频检测的方法逐渐成熟起来，能应运到道路监控的日常管理中。交通灯信号识别是基于视频的电子警察系统中必不可少的组成成分。电子警察系统在闯红灯违规、红灯违规左右转或绿灯违规跟进等违章车辆检测过程中都需要交通灯信号的资讯，同时交通灯信号判别的准确性也直接严重地影响着电子警察系统的后续处理。 目前智能道路监控中主要采用固定单目摄像头，交通灯在视野中的位置相对稳定。但由于场外自然环境的影响，如大风使摄像头晃动、来往大型车辆造成架立在路面的像机抖动等， 使得图像中交通灯位置检测成为非常必要的工作。近年来人们针对交通灯检测问题提出了许多方法，可以大致分为两类一种利用图像色彩信息和另一种仅利用图像像素强度处理。早在2002年Chung et al. [2]对固定摄像头拍摄的彩色图像，结合背景建模、模糊处理和形态学操作获取到交通灯在图像中的坐标。他们先把RGB图像转化到HSV空间，利用背景模型估计环境光照参数，分别对色调和强度两个通道的图像进行模糊化，借助一个类圆形模板进行形态操作，提取图像中所有可能的候选区域，然后加入交通灯的时序信息筛选最终的坐标。另外，Shioyama et al. [3] 也是对彩色图像建立交通灯在Farnsowrth色彩空间模板，计算三种不同颜色灯各自的二维直方图，通过直方图反向投影获取搜索图像中单个像素点属于灯的概率，然后聚类清除， 达到交通灯检测的目的。之后，Shen et al. [4]改为了 HSI空间的二维高斯分布表示灯的色彩模型。然而这些方法都具有同样的缺陷，都无法彻底解决环境光照变化的影响。虽然 [3]利用高斯分布试图拟合交通灯各个色彩变化，对颜色变化容忍能力有所提升，但依然对场外灯线长期变化不具鲁棒性。同时交通灯通过图像传感器成像，由于光线在传播过程的衰减、成像元对强度信息丢失的影响，容易出现偏色现象，大大限制了算法的可适用性。抛弃交通灯色彩信息，仅利用像素强度，Omachi et al. [5]针对交通灯圆形的结构特征，先将灰度图像按像素强度进行聚类，以图像梯度边缘为特征，在建立的交通灯圆形方程模式下进行标准的霍夫变换，搜索投射空间的极值确定红绿灯的坐标。这种方法把其它圆形的物体也检测出来了，对结果造成了很大的干扰。于是作者在2010年[6]改进了自己的方法，利用三个交通灯的结构形状建立曲线方组，同样采用标准霍夫变换求解交通灯的位置。这些方法都很优秀地解决了色彩不稳定的因素，然而因为采用了标准二维几何图形进行交通灯模型描述，这与真实场景中红绿灯成像结果差异较大，最终缺乏了实用性。
交通灯检测受到光照变化、色彩偏向和形状差异等影响，目前的一些方法都不能在实际应用中达到令人满意的准确率。针对上述问题，本发明针对色彩不稳定性和交通灯模型的广泛适用性，提出了基于广义霍夫变换的交通灯位置检测算法。
发明内容
本发明的目的在于提供一种基于广义霍夫变换的交通灯位置检测算法，获取监控图像中的交通灯坐标，为信号灯状态识别提供位置信息，并能为后面更深层次的应用做准备。本发明的技术方案为以图像序列为输入，使用图像灰度，对图像采用一阶微分算子计算图像梯度信息。通过文献[7]提到的方法，建立交通灯形状描述函数，定义一种从图像点到累加器空间的映射，搜索累加器空间极值获取信号灯的坐标，为进一步交通灯状态识别提供位置信息。本发明的具体步骤依次是
步骤1.将输入的图像从彩色空间转换为灰度空间。通常情况下输入图像是具有R、G、B三个通道的彩色图像，在R、G、B彩色模型中每个通道为8比特深度，强度的离散范围是0到255。于是转换的公式可以表示为
权利要求
1. 一种基于广义霍夫变换的交通信号灯位置检测方法，其特征在于以图像序列为输入，使用图像灰度，对图像采用一阶微分算子计算图像梯度信息；建立交通灯形状描述函数，定义从图像点到累加器空间的映射，搜索累加器空间极值获取信号灯的坐标，为交通灯状态识别提供位置信息；具体步骤为步骤1.将输入的图像从彩色空间转换为灰度空间所述输入的图像具有R、G、B三个通道的彩色图像，在R、G、B彩色模型中每个通道为8 比特深度，强度的离散范围是0到255 ；所述转换的公式为Γ = 0.299*Λ+0.587*σ+0.144*5(ι)其中λ、σ、s分别表示对应每个像素点的通道强度值，r是转换后灰度空间对应的强度值；步骤2.利用一阶微分算子计算图像梯度大小和方向通过对相邻点进行差分处理获得函数梯度计算对水平方向上的相邻点进行差分处理，获得垂直方向上的亮度变化，采用垂直方向上的相邻点差分处理，获得水平方向上的亮度变化，图像在某点的梯度大小表示为m (x, 二」dx2 + dy2(2)梯度方向表示为其中、分别是对图像χ、y方向的微分； 步骤3.对交通灯形状建立映射函数设足二 (xr,yrf是任意形状区域内的参考点，X = (x,yf是交通灯形状边If 上任意一点，记不和ι之间的差矢量为r到χ轴夹角为识，点至边界上I的距离为r，定义边界点χ处的边界取向角度为 ，由公式(3)中梯度方向公式，得(Χ = Θ+Μ !%(5)定义Γ和炉是取向α的函数，将α角可能的取值范围分成离散的m种可能状态=1,2,35...5f )，记作ak = kAa(6)其中Δα是角度增量，定义^力方向参数^\ =X + K )、os(识( ))，Vj. = J+(识( ))}(7)将全部边界点通过已确定的参考点公式建立对应关系，即得交通灯形状函数模型； 步骤4.利用交通灯形状函数进行空间映射计算得图像序列的梯度大小和方向后，将梯度大于0的像素点映射到累加器参数空间，具体做法是先将累加器阵列清零，对所有边界点X= (X5J)，根据步骤3计算出来的梯度方向，利用建立的交通灯函数进行映射xr = χ -I- r(cck) * cos(炉(α,—))(8)yr 二 y + ) * ))⑶对相应点(JCrsJMr)的累加器值加1 ； 步骤5.搜索累加器空间的最大值利用公式(8)、(9)将所有边界像素映射到参数空间，图像序列中位于交通灯的像素以 “投票”的方式累加到参数空间中同一点；随着“投票”的进行，参数空间会搜索到一个极大值点，这个极值点就是原图像空间中的参考点的参数； 步骤6.计算实际交通灯位置坐标利用原图空间中各交通灯与参考点相对坐标，反演算出交通灯的最终位置。
2.根据权利1所述的基于广义霍夫变换的交通灯位置检测方法，其特征在于步骤3中取向《离散集合的基数是10 ；为了增强交通灯形态模型容忍度，采用ΙΟ-bin的离散程度。
全文摘要
本发明属于数字图像处理及模式识别技术领域，本发明公开了一种基于广义霍夫变换的交通信号灯位置检测方法。本发明以图像序列为输入，使用图像灰度，对图像采用一阶微分算子计算图像梯度信息；建立交通灯形状描述函数，定义从图像点到累加器空间的映射，搜索累加器空间极值获取信号灯的坐标，为交通灯状态识别提供位置信息。本发明能应光照的显著变化，对图像采样偏色造成的影响不敏感，并能应对多种常见形状的交通灯。
文档编号G08G1/097GK102354457SQ20111032507
公开日2012年2月15日 申请日期2011年10月24日 优先权日2011年10月24日
发明者冯瑞, 薛向阳, 金城, 鲁帅 申请人:复旦大学