交通信号灯的识别方法和装置与流程

本公开涉及图像识别技术领域，尤其涉及一种交通信号灯的识别方法和装置。

背景技术：

目前，随着汽车的保有量不断增多，道路交通的压力越来越重。交通信号灯作为应用最广泛的交通管理器，能够有效疏导交通流量、提高道路通行能力、减少交通事故。在交通监测系统中，是通过检测交通信号灯的状态，来判断是是否存在违规车辆，近年来，为了更能引起驾驶员注意力，交通信号灯开始采用黄色信号灯底板和外壳，对信号灯的识别带来了干扰，导致识别交通信号灯的准确度降低。

技术实现要素：

本公开提供一种交通信号灯的识别方法和装置，用以解决交通信号灯采用黄色信号灯底板和外壳，导致识别交通信号灯的准确度降低的问题。

为了实现上述目的，根据本公开实施例的第一方面，提供一种交通信号灯的识别方法，该方法包括：

获取摄像设备采集的监测区域图像；

获取所述监测区域图像的灰度图像；

利用预先设置的图形模板，获取所述灰度图像中与所述图形模板最匹配的目标区域；所述图形模板为根据交通信号灯底板形状以及所述交通信号灯底板上的指示灯的形状设置的；

将所述目标区域的图像作为交通信号灯在所述监测区域图像中的交通信号灯图像。

可选的，所述图形模板与所述交通信号灯底板在所述监测区域图像中的形状和大小相同，且所述图形模板上设置有与交通信号灯底板上的N个指示灯的位置对应的N个圆形子区域，所述利用预先设置的图形模板，获取所述灰度图像中与所述图形模板最匹配的目标区域，包括：

a.利用所述图形模板在所述灰度图像上选择第n个比对区域；

b.获取所述第n个比对区域中位于所述图形模板内且位于所述N个圆形子区域外的区域中所述像素的灰度值之和，作为第一灰度值；

c.获取所述第n个比对区域中的分别位于所述N个圆形子区域的N个区域灰度值，并在所述N个区域灰度值中选择最小值作为第二灰度值，其中第i个圆形子区域的区域灰度值为所述第n个比对区域中位于所述第i个圆形子区域内的所有像素的灰度值之和，其中1≤i≤N；

d.根据所述第一灰度值和所述第二灰度值，获取所述第n个比对区域与所述图形模板的第一匹配度，其中，n为正整数，且1≤n≤M，M为利用所述图形模板将所述监测区域图像遍历一遍所需的比对次数；

取n＝n+1后再次执行步骤a至步骤d，直至获取M个第一匹配度；

将M个第一匹配度中最大的第一匹配度对应的比对区域作为所述灰度图像中与所述图形模板最匹配的目标区域。

可选的，所述根据所述第一灰度值和所述第二灰度值，获取所述第n个比对区域与所述图形模板的第一匹配度包括：

X_n＝(d-N*a)/a

其中，X_n为所述第n个比对区域与所述图形模板的第一匹配度，d为所述第一灰度值，a为所述第二灰度值。

可选的，所述图形模板与所述交通信号灯底板在所述监测区域图像中的形状和大小相同，且所述图形模板上设置有与交通信号灯底板上的N个指示灯的位置对应的N个圆形子区域，所述利用预先设置的图形模板，获取所述灰度图像中与所述图形模板最匹配的目标区域，包括：

e.利用所述图形模板在所述灰度图像上选择第n个比对区域；

f.获取所述第n个比对区域中位于所述N个圆形子区域的中的每个圆形子区域中像素的灰度差，得到N个灰度差；其中所述第i个灰度差为所述第n个比对区域中位于第i个圆形子区域中的图像的外环像素的平均灰度值和内环像素的平均灰度值的差值，其中1≤i≤N；

g.根据所述N个灰度差，获取所述第n个比对区域与所述图形模板的第二匹配度，其中，n为正整数，且1≤n≤M，M为利用所述图形模板将所述监测区域图像遍历一遍所需的比对次数；

取n＝n+1后再次执行步骤e至步骤g，直至获取M个第二匹配度；

将M个第二匹配度中最大的第二匹配度对应的比对区域作为所述灰度图像中与所述图形模板最匹配的目标区域。

可选的，所述根据所述N个灰度差，获取所述第n个比对区域与所述图形模板的第二匹配度包括：

其中,Y_n为所述第n个比对区域与所述图形模板的第二匹配度，e_i为所述第i个灰度差。

可选的，所述图形模板与所述交通信号灯底板在所述监测区域图像中的形状和大小相同，且所述图形模板上设置有与交通信号灯底板上的N个指示灯的位置对应的N个圆形子区域，所述利用预先设置的图形模板，获取所述灰度图像中与所述图形模板最匹配的目标区域，包括：

a.利用所述图形模板在所述灰度图像上选择第n个比对区域；

b.获取所述第n个比对区域中位于所述图形模板内且位于所述N个圆形子区域外的区域中所述像素的灰度值之和，作为第一灰度值；

c.获取所述第n个比对区域中的分别位于所述N个圆形子区域的N个区域灰度值，并在所述N个区域灰度值中选择最小值作为第二灰度值，其中第i个圆形子区域的区域灰度值为所述第n个比对区域中位于所述第i个圆形子区域内的所有像素的灰度值之和，其中1≤i≤N；

d.根据所述第一灰度值和所述第二灰度值，获取所述第n个比对区域与所述图形模板的第一匹配度；

e.获取所述第n个比对区域中位于所述N个圆形子区域的中的每个圆形子区域中像素的灰度差，得到N个灰度差；其中所述第i个灰度差为所述第n个比对区域中位于第i个圆形子区域中的图像的外环像素的平均灰度值和内环像素的平均灰度值的差值，其中1≤i≤N；

f.根据所述N个灰度差，获取所述第n个比对区域与所述图形模板的第二匹配度，其中，n为正整数，且1≤n≤M，M为利用所述图形模板将所述监测区域图像遍历一遍所需的比对次数；

g.获取第n个比对区域的综合匹配度，所述综合匹配度为所述第一匹配度与所述第二匹配度的乘积；

取n＝n+1后再次执行步骤a至步骤g，直至获取M个所述综合匹配度；

将M个综合匹配度中最大的综合匹配度对应的比对区域作为所述灰度图像中与所述图形模板最匹配的目标区域。

可选的，所述根据所述第一灰度值和所述第二灰度值，获取所述第n个比对区域与所述图形模板的第一匹配度包括：

X_n＝(d-N*a)/a

其中，X_n为所述第n个比对区域与所述图形模板的第一匹配度，d为所述第一灰度值，a为所述第二灰度值；

所述根据所述N个灰度差，获取所述第n个比对区域与所述图形模板的第二匹配度包括：

其中,Y_n为所述第n个比对区域与所述图形模板的第二匹配度，e_i为所述第i个灰度差。

可选的，所述方法还包括：

获取所述交通信号灯中的指示灯信息，所述指示灯信息包括所述交通信号灯中每个颜色的指示灯的位置；

根据所述监测区域图像获取所述交通信号灯中每个指示灯的亮度；

根据所述每个颜色的指示灯的位置，以及亮度最高的指示灯的位置确定当前开启的指示灯的颜色；

根据所述当前开启的指示灯的颜色判断是否存在违规车辆。

根据本公开实施例的第二方面，提供一种交通信号灯的识别装置，所述装置包括：图像采集模块、灰度图像获取模块、匹配模块和识别模块；

所述图像采集模块，用于获取摄像设备采集的监测区域图像；

所述灰度图像获取模块，用于获取所述监测区域图像的灰度图像；

所述匹配模块，用于利用预先设置的图形模板，获取所述灰度图像中与所述图形模板最匹配的目标区域；所述图形模板为根据交通信号灯底板形状以及所述交通信号灯底板上的指示灯的形状设置的；

所述识别模块，用于将所述目标区域的图像作为交通信号灯在所述监测区域图像中的交通信号灯图像。

可选的，所述图形模板与所述交通信号灯底板在所述监测区域图像中的形状和大小相同，且所述图形模板上设置有与交通信号灯底板上的N个指示灯的位置对应的N个圆形子区域，所述匹配模块包括：选择子模块、第一灰度值获取子模块、第二灰度值获取子模块和第一匹配度获取子模块；

所述选择子模块，用于利用所述图形模板在所述灰度图像上选择第n个比对区域；

所述第一灰度值获取子模块，用于获取所述第n个比对区域中位于所述图形模板内且位于所述N个圆形子区域外的区域中所述像素的灰度值之和，作为第一灰度值；

所述第二灰度值获取子模块，用于获取所述第n个比对区域中的分别位于所述N个圆形子区域的N个区域灰度值，并在所述N个区域灰度值中选择最小值作为第二灰度值，其中第i个圆形子区域的区域灰度值为所述第n个比对区域中位于所述第i个圆形子区域内的所有像素的灰度值之和，其中1≤i≤N；

所述第一匹配度获取子模块，用于根据所述第一灰度值和所述第二灰度值，获取所述第n个比对区域与所述图形模板的第一匹配度，其中，n为正整数，且1≤n≤M，M为利用所述图形模板将所述监测区域图像遍历一遍所需的比对次数；

取n＝n+1后再次执行所述选择子模块、所述第一灰度值获取子模块、所述第二灰度值获取子模块和所述第一匹配度获取子模块所执行的步骤，直至获取M个第一匹配度；

将M个第一匹配度中最大的第一匹配度对应的比对区域作为所述灰度图像中与所述图形模板最匹配的目标区域。

可选的，所述第一匹配度获取子模块包括：

X_n＝(d-N*a)/a

其中，X_n为所述第n个比对区域与所述图形模板的第一匹配度，d为所述第一灰度值，a为所述第二灰度值。

可选的，所述图形模板与所述交通信号灯底板在所述监测区域图像中的形状和大小相同，且所述图形模板上设置有与交通信号灯底板上的N个指示灯的位置对应的N个圆形子区域，所述匹配模块包括：选择子模块、灰度差获取子模块和第二匹配度获取子模块；

所述选择子模块，用于利用所述图形模板在所述灰度图像上选择第n个比对区域；

所述灰度差获取子模块，用于获取所述第n个比对区域中位于所述N个圆形子区域的中的每个圆形子区域中像素的灰度差，得到N个灰度差；其中所述第i个灰度差为所述第n个比对区域中位于第i个圆形子区域中的图像的外环像素的平均灰度值和内环像素的平均灰度值的差值，其中1≤i≤N；

所述第二匹配度获取子模块，用于根据所述N个灰度差，获取所述第n个比对区域与所述图形模板的第二匹配度，其中，n为正整数，且1≤n≤M，M为利用所述图形模板将所述监测区域图像遍历一遍所需的比对次数；

取n＝n+1后再次执行所述选择子模块、所述灰度差获取子模块和所述第二匹配度获取子模块所执行的步骤，直至获取M个第二匹配度；

将M个第二匹配度中最大的第二匹配度对应的比对区域作为所述灰度图像中与所述图形模板最匹配的目标区域。

可选的，所述第二匹配度获取子模块包括：

其中,Y_n为所述第n个比对区域与所述图形模板的第二匹配度，e_i为所述第i个灰度差。

可选的，所述图形模板与所述交通信号灯底板在所述监测区域图像中的形状和大小相同，且所述图形模板上设置有与交通信号灯底板上的N个指示灯的位置对应的N个圆形子区域，所述匹配模块包括：选择子模块、第一灰度值获取子模块、第二灰度值获取子模块、第一匹配度获取子模块、灰度差获取子模块、第二匹配度获取子模块和综合匹配度获取子模块；

所述选择子模块，用于利用所述图形模板在所述灰度图像上选择第n个比对区域；

所述第一灰度值获取子模块，用于获取所述第n个比对区域中位于所述图形模板内且位于所述N个圆形子区域外的区域中所述像素的灰度值之和，作为第一灰度值；

所述第二灰度值获取子模块，用于获取所述第n个比对区域中的分别位于所述N个圆形子区域的N个区域灰度值，并在所述N个区域灰度值中选择最小值作为第二灰度值，其中第i个圆形子区域的区域灰度值为所述第n个比对区域中位于所述第i个圆形子区域内的所有像素的灰度值之和，其中1≤i≤N；

所述第一匹配度获取子模块，用于根据所述第一灰度值和所述第二灰度值，获取所述第n个比对区域与所述图形模板的第一匹配度；

所述灰度差获取子模块，用于获取所述第n个比对区域中位于所述N个圆形子区域的中的每个圆形子区域中像素的灰度差，得到N个灰度差；其中所述第i个灰度差为所述第n个比对区域中位于第i个圆形子区域中的图像的外环像素的平均灰度值和内环像素的平均灰度值的差值，其中1≤i≤N；

所述第二匹配度获取子模块，用于根据所述N个灰度差，获取所述第n个比对区域与所述图形模板的第二匹配度，其中，n为正整数，且1≤n≤M，M为利用所述图形模板将所述监测区域图像遍历一遍所需的比对次数；

所述综合匹配度获取子模块，用于获取第n个比对区域的综合匹配度，所述综合匹配度为所述第一匹配度与所述第二匹配度的乘积；

取n＝n+1后再次执行所述选择子模块、所述第一灰度值获取子模块、所述第二灰度值获取子模块、所述第一匹配度获取子模块、所述灰度差获取子模块、所述第二匹配度获取子模块和所述综合匹配度获取子模块所执行的步骤，直至获取M个所述综合匹配度；

将M个综合匹配度中最大的综合匹配度对应的比对区域作为所述灰度图像中与所述图形模板最匹配的目标区域。

可选的，所述第一匹配度获取子模块包括：

X_n＝(d-N*a)/a

其中，X_n为所述第n个比对区域与所述图形模板的第一匹配度，d为所述第一灰度值，a为所述第二灰度值；

所述第二匹配度获取子模块包括：

其中,Y_n为所述第n个比对区域与所述图形模板的第二匹配度，e_i为所述第i个灰度差。

可选的，所述装置还包括：信息获取模块、亮度获取模块、指示灯识别模块和判断模块；

所述信息获取模块，用于获取所述交通信号灯中的指示灯信息，所述指示灯信息包括所述交通信号灯中每个颜色的指示灯的位置；

所述亮度获取模块，用于根据所述监测区域图像获取所述交通信号灯中每个指示灯的亮度；

所述指示灯识别模块，用于根据所述每个颜色的指示灯的位置，以及亮度最高的指示灯的位置确定当前开启的指示灯的颜色；

所述判断模块，用于根据所述当前开启的指示灯的颜色判断是否存在违规车辆。

通过上述技术方案，本公开利用监测区域图像的灰度图像，分析与预先设置的图形模板中交通信号灯底板和指示灯相对应位置的图像像素的灰度，来获取监测区域图像中与图形模板最匹配的区域，从而识别出交通信号灯的位置，能够解决交通信号灯采用黄色信号灯底板和外壳，导致识别交通信号灯的准确度降低的问题，具有提高识别交通信号灯的准确度的效果。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：

图1是本公开一实施例提供的一种交通信号灯的识别方法的流程图；

图2是本公开一实施例提供的另一种交通信号灯的识别方法的流程图；

图3是根据图2所示方法识别的比对区域的示意图；

图4是本公开一实施例提供的另一种交通信号灯的识别方法的流程图；

图5是根据图4所示方法识别的比对区域的示意图；

图6是本公开一实施例提供的又一种交通信号灯的识别方法的流程图；

图7是本公开一实施例提供的再一种交通信号灯的识别方法的流程图；

图8是本公开一实施例提供的一种交通信号灯的识别装置的框图；

图9是本公开一实施例提供的另一种交通信号灯的识别装置的框图；

图10是本公开一实施例提供的另一种交通信号灯的识别装置的框图；

图11是本公开一实施例提供的又一种交通信号灯的识别装置的框图；

图12是本公开一实施例提供的再一种交通信号灯的识别装置的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

在介绍本公开提供的交通信号灯的识别方法和装置之前，首先对本公开各个实施例所涉及应用场景进行介绍。该应用场景可以是在有交通信号灯的路口，在该路口附近设置有交通监测系统，该系统中包含设置在路口附近的摄像设备，可以从不同的角度采集道路的通行情况和交通信号灯的图像。交通信号灯包括底板和指示灯两部分，且信号灯可以有多个，在本公开各个实施例中，以交通信号灯上有三个指示灯为例进行说明。

图1是根据一示例性实施例示出的一种交通信号灯的识别方法的流程图，如图1所示，该方法包括：

步骤101，获取摄像设备采集的监测区域图像。

示例的，在一个有交通信号灯的路口，想要监测通过该路口的车辆是否存在违规行为，除了要获取车辆的通行状态，还需要配合获取相应时间段内交通信号灯的状态。交通信号灯的状态可以由交通监测系统中的摄像设备采集含有交通信号灯的图像，将该图像作为监测区域图像。

步骤102，获取监测区域图像的灰度图像。

需要说明的是，灰度图像的获取，可以是任意一种现有的灰度图像处理技术，将监测区域图像中红色、绿色和蓝色三个通道的色阶，按照预设的比例进行处理，例如可以采用浮点法、移位法或平均值法对监测区域图像进行处理得到灰度图像。

步骤103，利用预先设置的图形模板，获取灰度图像中与图形模板最匹配的目标区域；图形模板为根据交通信号灯底板形状以及交通信号灯底板上的指示灯的形状设置的。

其中，需要说明的是，图形模板可以是与交通信号灯底板在监测区域图像中的形状和大小相同，且图形模板上设置有与交通信号灯底板上的N个指示灯的位置对应的N个圆形子区域，其中对于一般情况下，交通信号灯上有红黄绿三个颜色的信号灯，此时N等于3，图形模板上设置有与交通信号灯底板上的3个指示灯的位置对应的3个圆形子区域。图形模板可以是在设置交通监测系统时，根据摄像设备能够采集到的图像提前设置好的。例如，可以根据摄像设备提前采集到的图像，找到该图像中的交通信号灯的位置、形状和大小，按照该形状和大小来设置图形模板，同时根据该图像中的交通信号灯上指示灯的数量和在底板上的位置，相应地在图形模板上也设置数量相同且位置相同的圆形子区域。图形模板可以根据不同种类交通信号灯的更换进行适应性调整。

举例来说，以预先设置的图形模板为标准，按照预设的距离间隔对在步骤102中所获取的灰度图像上进行遍历，获取多个与图形模板的大小和形状相同的区域与图形模板的匹配程度，并从中找到匹配程度最高的区域，作为目标区域。

步骤104，将目标区域的图像作为交通信号灯在监测区域图像中的交通信号灯图像。

根据步骤103获得的目标区域，就可以识别出监测区域图像中交通信号灯所在的位置，从而能够配合道路上车辆的行驶状态，来判断是否存在违规行为。识别交通信号灯在监测区域图像中位置可以采用抠图的方式，直接将该区域的图像截取出来，再进行处理，也可以通过对该区域中的像素添加标识来处理。

图2是根据一示例性实施例示出的另一种交通信号灯的识别方法的流程图，如图2所示，步骤103包括：

步骤1031，利用图形模板在灰度图像上选择第n个比对区域。

步骤1032，获取第n个比对区域中位于图形模板内且位于N个圆形子区域外的区域中像素的灰度值之和，作为第一灰度值。

步骤1033，获取第n个比对区域中的分别位于N个圆形子区域的N个区域灰度值，并在N个区域灰度值中选择最小值作为第二灰度值，其中第i个圆形子区域的区域灰度值为第n个比对区域中位于第i个圆形子区域内的所有像素的灰度值之和，其中1≤i≤N。

步骤1034，根据第一灰度值和第二灰度值，获取第n个比对区域与图形模板的第一匹配度，其中，n为正整数，且1≤n≤M，M为利用所述图形模板将监测区域图像遍历一遍所需的比对次数。

可选的，步骤1034包括

X_n＝(d-N*a)/a

其中，X_n为第n个比对区域与所述图形模板的第一匹配度，d为第一灰度值，a为第二灰度值。

取n＝n+1后再次执行步骤1031至步骤1034，直至获取M个第一匹配度，将M个第一匹配度中最大的第一匹配度对应的比对区域作为灰度图像中与图形模板最匹配的目标区域。

举例来说，以预先设置的图形模板为标准，按照预设的距离间隔对在步骤102中所获取的灰度图像上进行遍历，获取M个比对区域。以n为5时为例，首先选择第5个比对区域。图3是根据图2所示方法识别的比对区域的示意图，其中区域A、区域B和区域C分别为第5个比对区域中三个圆形子区域，分别对应交通信号灯上的指示灯，区域D表示第5个比对区域中位于图形模板内且位于3个圆形子区域外的区域，对应交通信号灯的底板。

其次，对区域D中所有像素的灰度值求和，记为第一灰度值d。分别对区域A、区域B和区域C中所有像素的灰度值求和，获得三个区域的灰度值，将这三个灰度值中的最小值记为第二灰度值a。

然后，根据第一灰度值d和第二灰度值a计算第5个比对区域与图形模板的第一匹配度X₅＝(d-3*a)/a。

再将n+1，即对第6个比对区域重复上述步骤，直到获取M个第一匹配度：X₁，X₂，。。。。X_M-1，X_M，从中选出最大的第一匹配度，则最大的第一匹配度对应的比对区域就是步骤102中所获取的灰度图像中与图形模板最匹配的目标区域。

图4是根据一示例性实施例示出的另一种交通信号灯的识别方法的流程图，如图4所示，步骤103包括：

步骤1035，利用图形模板在灰度图像上选择第n个比对区域。

步骤1036，获取第n个比对区域中位于N个圆形子区域的中的每个圆形子区域中像素的灰度差，得到N个灰度差；其中第i个灰度差为第n个比对区域中位于第i个圆形子区域中的图像的外环像素的平均灰度值和内环像素的平均灰度值的差值，其中1≤i≤N。

步骤1037，根据N个灰度差，获取第n个比对区域与图形模板的第二匹配度，其中，n为正整数，且1≤n≤M，M为利用图形模板将监测区域图像遍历一遍所需的比对次数。

可选的，步骤1037包括：

其中,Y_n为第n个比对区域与图形模板的第二匹配度，e_i为第i个灰度差。

取n＝n+1后再次执行步骤1035至步骤1037，直至获取M个第二匹配度，将M个第二匹配度中最大的第二匹配度对应的比对区域作为灰度图像中与图形模板最匹配的目标区域。

举例来说，以预先设置的图形模板为标准，按照预设的距离间隔对在步骤102中所获取的灰度图像上进行遍历，获取M个比对区域。以n为9时为例，首先选择第9个比对区域。图5是根据图4所示方法识别的比对区域的示意图，其中区域A1区域A2分别表示第9个比对区域中第一个圆形子区域中图像的外环区域和内环区域，对应交通信号灯上的第一个指示灯。区域B1区域B2分别表示第9个比对区域中第二个圆形子区域中图像的外环区域和内环区域，对应交通信号灯上的第二个指示灯。区域C1区域C2分别表示第9个比对区域中第三个圆形子区域中图像的外环区域和内环区域，对应交通信号灯上的第三个指示灯。

其次，对第9个比对区域中的三个圆形子区域分别计算三个灰度差e₁、e₂和e₃。其中e₁为区域A1中所有像素的平均灰度值减去区域A2中所有像素的平均灰度值，其中e₂为区域B1中所有像素的平均灰度值减去区域B2中所有像素的平均灰度值，其中e₃为区域C1中所有像素的平均灰度值减去区域C2中所有像素的平均灰度值。

然后，根据三个灰度差e₁、e₂和e₃可以求得第9个比对区域与图形模板的第二匹配度Y₉＝e₁+e₂+e₃。

再将n+1，即对第10个比对区域重复上述步骤，直到获取M个第二匹配度：Y₁，Y₂，。。。。Y_M-1，Y_M，从中选出最大的第二匹配度，则最大的第二匹配度对应的比对区域就是步骤102中所获取的灰度图像中与图形模板最匹配的目标区域。

图6是根据一示例性实施例示出的又一种交通信号灯的识别方法的流程图，如图6所示，步骤103包括：

步骤103a，利用图形模板在灰度图像上选择第n个比对区域。

步骤103b，获取第n个比对区域中位于图形模板内且位于N个圆形子区域外的区域中像素的灰度值之和，作为第一灰度值。

步骤103c，获取第n个比对区域中的分别位于N个圆形子区域的N个区域灰度值，并在N个区域灰度值中选择最小值作为第二灰度值，其中第i个圆形子区域的区域灰度值为第n个比对区域中位于第i个圆形子区域内的所有像素的灰度值之和，其中1≤i≤N。

步骤103d，根据第一灰度值和第二灰度值，获取第n个比对区域与图形模板的第一匹配度。

可选的，步骤103d包括：

X_n＝(d-N*a)/a

其中，X_n为第n个比对区域与图形模板的第一匹配度，d为第一灰度值，a为第二灰度值。

步骤103e，获取第n个比对区域中位于N个圆形子区域的中的每个圆形子区域中像素的灰度差，得到N个灰度差；其中第i个灰度差为第n个比对区域中位于第i个圆形子区域中的图像的外环像素的平均灰度值和内环像素的平均灰度值的差值，其中1≤i≤N。

步骤103f，根据N个灰度差，获取第n个比对区域与图形模板的第二匹配度，其中，n为正整数，且1≤n≤M，M为利用图形模板将监测区域图像遍历一遍所需的比对次数。

可选的，步骤103f包括：

其中,Y_n为第n个比对区域与图形模板的第二匹配度，e_i为第i个灰度差。

步骤103g，获取第n个比对区域的综合匹配度，所述综合匹配度为所述第一匹配度与所述第二匹配度的乘积；

取n＝n+1后再次执行步骤103a至步骤103g，直至获取M个综合匹配度，将M个综合匹配度中最大的综合匹配度对应的比对区域作为灰度图像中与图形模板最匹配的目标区域。

示例的，上述实施例结合了图2和图4所示实施例的两种方法，选取第n个比对区域后分别计算该区域内的第一匹配度X_n和第二匹配度Y_n，再按照步骤103g计算第n个比对区域的综合匹配度：X_n*Y_n。再将n+1，重复上述步骤，直到获取M个综合匹配度：X₁*Y₁，X₂*Y₂，。。。。X_M-1*Y_M-1，X_M*Y_M，从中选出最大的综合匹配度，则最大的综合匹配度对应的比对区域就是步骤102中所获取的灰度图像中与图形模板最匹配的目标区域。

图7是根据一示例性实施例示出的再一种交通信号灯的识别方法的流程图，如图7所示，该方法还包括：

步骤105，获取交通信号灯中的指示灯信息，指示灯信息包括交通信号灯中每个颜色的指示灯的位置。

示例的，在设置交通监测系统时，可以根据摄像设备能够采集到的图像获取交通信号灯中的指示灯信息，该信息可以根据指示灯的个数，包括每个颜色的指示灯在交通信号灯上的位置，该信息可以根据不同种类交通信号灯的更换进行适应性调整。

步骤106，根据监测区域图像获取交通信号灯中每个指示灯的亮度。

需要说明的是，根据步骤104获取的交通信号灯在监测区域图像中的交通信号灯图像，可以按照图像模板的大小、形状和交通信号灯上指示灯的数量和在底板上的位置，获得每个指示灯的亮度。

步骤107，根据每个颜色的指示灯的位置，以及亮度最高的指示灯的位置确定当前开启的指示灯的颜色。

步骤108，根据当前开启的指示灯的颜色判断是否存在违规车辆。

示例的，当步骤107确定是第二个指示灯为当前开启的指示灯时，结合步骤105中获取的交通信号灯中的指示灯信息，就可以确定当前开启的指示灯的颜色，由此可以判断当前道路上的车辆是否存在违规行为，起到交通监测的作用。

综上所述，本公开利用监测区域图像的灰度图像，分析与预先设置的图形模板中交通信号灯底板和指示灯相对应位置的图像像素的灰度，来获取监测区域图像中与图形模板最匹配的区域，从而识别出交通信号灯的位置，能够解决交通信号灯采用黄色信号灯底板和外壳，导致识别交通信号灯的准确度降低的问题，具有提高识别交通信号灯的准确度的效果。

图8是根据一示例性实施例示出的一种交通信号灯的识别装置的框图，如图8所示，该装置200包括：图像采集模块201、灰度图像获取模块202、匹配模块203和识别模块204。

图像采集模块201，用于获取摄像设备采集的监测区域图像。

灰度图像获取模块202，用于获取监测区域图像的灰度图像。

匹配模块203，用于利用预先设置的图形模板，获取灰度图像中与图形模板最匹配的目标区域；图形模板为根据交通信号灯底板形状以及交通信号灯底板上的指示灯的形状设置的。

识别模块204，用于将目标区域的图像作为交通信号灯在监测区域图像中的交通信号灯图像。

图9是根据一示例性实施例示出的另一种交通信号灯的识别装置的框图，如图9所示，匹配模块203包括：选择子模块2031、第一灰度值获取子模块2032、第二灰度值获取子模块2033和第一匹配度获取子模块2034。

选择子模块2031，用于利用图形模板在灰度图像上选择第n个比对区域。

第一灰度值获取子模块2032，用于获取第n个比对区域中位于图形模板内且位于N个圆形子区域外的区域中像素的灰度值之和，作为第一灰度值。

第二灰度值获取子模块2033，用于获取第n个比对区域中的分别位于N个圆形子区域的N个区域灰度值，并在N个区域灰度值中选择最小值作为第二灰度值，其中第i个圆形子区域的区域灰度值为第n个比对区域中位于第i个圆形子区域内的所有像素的灰度值之和，其中1≤i≤N。

第一匹配度获取子模块2034，用于根据第一灰度值和第二灰度值，获取第n个比对区域与图形模板的第一匹配度，其中，n为正整数，且1≤n≤M，M为利用图形模板将监测区域图像遍历一遍所需的比对次数。

取n＝n+1后再次执行选择子模块2031、第一灰度值获取子模块2032、第二灰度值获取子模块2033和第一匹配度获取子模块2034所执行的步骤，直至获取M个第一匹配度，将M个第一匹配度中最大的第一匹配度对应的比对区域作为灰度图像中与图形模板最匹配的目标区域。

可选的，第一匹配度获取子模块2034包括：

X_n＝(d-N*a)/a

其中，X_n为所述第n个比对区域与所述图形模板的第一匹配度，d为所述第一灰度值，a为所述第二灰度值。

图10是根据一示例性实施例示出的另一种交通信号灯的识别装置的框图，如图10所示，匹配模块203包括：选择子模块2035、灰度差获取子模块2036和第二匹配度获取子模块2037。

选择子模块2035，用于利用图形模板在灰度图像上选择第n个比对区域。

灰度差获取子模块2036，用于获取第n个比对区域中位于N个圆形子区域的中的每个圆形子区域中像素的灰度差，得到N个灰度差；其中第i个灰度差为第n个比对区域中位于第i个圆形子区域中的图像的外环像素的平均灰度值和内环像素的平均灰度值的差值，其中1≤i≤N。

第二匹配度获取子模块2037，用于根据N个灰度差，获取第n个比对区域与图形模板的第二匹配度，其中，n为正整数，且1≤n≤M，M为利用图形模板将监测区域图像遍历一遍所需的比对次数。

取n＝n+1后再次执行选择子模块2035、灰度差获取子模块2036和第二匹配度获取子模块2037所执行的步骤，直至获取M个第二匹配度，将M个第二匹配度中最大的第二匹配度对应的比对区域作为灰度图像中与图形模板最匹配的目标区域。

可选的，第二匹配度获取子模块2037包括：

其中,Y_n为第n个比对区域与图形模板的第二匹配度，e_i为第i个灰度差。

图11是根据一示例性实施例示出的又一种交通信号灯的识别装置的框图，如图11所示，匹配模块203包括：选择子模块203a、第一灰度值获取子模块203b、第二灰度值获取子模块203c、第一匹配度获取子模块203d、灰度差获取子模块203e、第二匹配度获取子模块203f和综合匹配度获取子模块203g。

选择子模块203a，用于利用图形模板在灰度图像上选择第n个比对区域。

第一灰度值获取子模块203b，用于获取第n个比对区域中位于图形模板内且位于N个圆形子区域外的区域中像素的灰度值之和，作为第一灰度值。

第二灰度值获取子模块203c，用于获取第n个比对区域中的分别位于N个圆形子区域的N个区域灰度值，并在N个区域灰度值中选择最小值作为第二灰度值，其中第i个圆形子区域的区域灰度值为第n个比对区域中位于第i个圆形子区域内的所有像素的灰度值之和，其中1≤i≤N。

第一匹配度获取子模块203d，用于根据第一灰度值和第二灰度值，获取第n个比对区域与图形模板的第一匹配度。

灰度差获取子模块203e，用于获取第n个比对区域中位于N个圆形子区域的中的每个圆形子区域中像素的灰度差，得到N个灰度差；其中第i个灰度差为第n个比对区域中位于第i个圆形子区域中的图像的外环像素的平均灰度值和内环像素的平均灰度值的差值，其中1≤i≤N。

第二匹配度获取子模块203f，用于根据N个灰度差，获取第n个比对区域与图形模板的第二匹配度，其中，n为正整数，且1≤n≤M，M为利用图形模板将监测区域图像遍历一遍所需的比对次数。

综合匹配度获取子模块203g，用于获取第n个比对区域的综合匹配度，综合匹配度为第一匹配度与第二匹配度的乘积。

取n＝n+1后再次执行选择子模块203a、第一灰度值获取子模块203b、第二灰度值获取子模块203c、第一匹配度获取子模块203d、灰度差获取子模块203e、第二匹配度获取子模块203f和综合匹配度获取子模块203g所执行的步骤，直至获取M个所述综合匹配度，将M个综合匹配度中最大的综合匹配度对应的比对区域作为灰度图像中与图形模板最匹配的目标区域。

可选的，第一匹配度获取子模块203f包括：

X_n＝(d-N*a)/a

其中，X_n为第n个比对区域与图形模板的第一匹配度，d为第一灰度值，a为第二灰度值；

第二匹配度获取子模块203f包括：

其中,Y_n为第n个比对区域与图形模板的第二匹配度，e_i为第i个灰度差。

图12是根据一示例性实施例示出的再一种交通信号灯的识别装置的框图，如图12所示，该装置包括：信息获取模块205、亮度获取模块206、指示灯识别模块207和判断模块208。

信息获取模块205，用于获取交通信号灯中的指示灯信息，指示灯信息包括交通信号灯中每个颜色的指示灯的位置。

亮度获取模块206，用于根据监测区域图像获取交通信号灯中每个指示灯的亮度。

指示灯识别模块207，用于根据每个颜色的指示灯的位置，以及亮度最高的指示灯的位置确定当前开启的指示灯的颜色。

判断模块208，用于根据当前开启的指示灯的颜色判断是否存在违规车辆。

其中，上述各个模块所实现功能的具体说明已经在上述方法实施例中进行了详细描述，此处不再赘述。

综上所述，本公开利用监测区域图像的灰度图像，分析与预先设置的图形模板中交通信号灯底板和指示灯相对应位置的图像像素的灰度，来获取监测区域图像中与图形模板最匹配的区域，从而识别出交通信号灯的位置，能够解决交通信号灯采用黄色信号灯底板和外壳，导致识别交通信号灯的准确度降低的问题，具有提高识别交通信号灯的准确度的效果。

以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，本领域技术人员在考虑说明书及实践本公开后，容易想到本公开的其它实施方案，均属于本公开的保护范围。

另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。同时本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。本公开并不局限于上面已经描述出的精确结构，本公开的范围仅由所附的权利要求来限制。