明本申请。
[0034]请参考图1，其示出了用于电子设备的交通安全提示方法的一个实施例的流程100。本实施例主要以该方法应用于具有图像采集组件的电子设备中来举例说明，该电子设备可以包括但不限于车载设备、导航装置、智能手机、平板电脑、膝上型便携计算机和穿戴式设备等等。所述用于电子设备的交通安全提示方法，包括以下步骤:
[0035]如图1所示，在步骤101中，采集图像。
[0036]在本实施例中，电子设备可以通过图像米集组件，例如，CO)(Charge-coupledDevice，电荷親合元件)或 CMOS (Complementary Metal Oxide Semiconductor，互补金属氧化物器件)等，进行图像采集。通常电子设备采集的图像是其移动方向的前方图像。例如，当电子设备是车载设备时，其图像采集组件可以沿着车头方向对前方道路、车辆和/或交通信号等路况信息进行成像。
[0037]继而，在步骤102中，确定图像中是否包括交通信号灯区域。
[0038]在本实施例中，当在上述步骤101中采集到图像后，可以进一步确定是否采集到交通信号灯信息，即判断上述图像中是否包括交通信号灯区域。在一种可能的实现方式中，可以使用大量的包括或不包括交通信号灯的图像对数据模型进行训练，然后用训练好的模型去判断采集的图像中是否包括交通信号灯区域。在另一种可能的实现方式中，可以预先构建一个交通信号灯区域的图像特征库，然后通过特征匹配的方法去识别采集的图像中是否包括交通信号灯区域。
[0039]接着，在步骤103中，若是，则从交通信号灯区域中确定交通信号状态和倒计时信息。
[0040]当在上述步骤102中确定出采集的图像中包括有交通信号灯区域后，可以进一步对该区域进行图像分析和处理，以从中识别出具体的交通信号状态以及这种状态发生变化的剩余时间，即倒计时信息。
[0041]最后，在步骤104中，基于交通信号状态和倒计时信息，输出交通安全提示信息。
[0042]在本实施例中，当在上述步骤103中得到了交通信号状态和倒计时信息后，可以进一步根据预设的信息提示规则，输出交通安全提示信息。例如，当交通信号是通行状态，且倒计时的剩余时间大于预设的时间阈值(如15秒)时，输出的交通安全提示信息可以是提醒司机保持车速，匀速通过路口的信息。而当交通信号是非通行状态，且倒计时的剩余时间大于预设的时间阈值(如15秒)时，输出的交通安全提示信息可以是提醒司机及时减速，在路口等候通行的信息。需要说明的是，具体的信息提示规则和提示内容，可以由用户根据实际的使用需求自行设置，本申请对此不做限定。
[0043]本申请的上述实施例提供的用于电子设备的交通安全提示方法，可以首先进行图像采集，如果采集的图像中包括有交通信号灯区域，则可以从该区域中确定出交通信号状态和倒计时信息，并基于这些信息输出交通安全提示信息。本实施例可以根据交通信号灯的信号状态和倒计时情况输出相应的交通安全提示信息，提高了信息提示的准确性和及时性，便于用户根据提示信息做出正确的应对策略，具有较强的实用性。
[0044]进一步参考图2，其示出了用于电子设备的交通安全提示方法的另一个实施例的流程200。
[0045]如图2所示，在步骤201中，检测电子设备的当前位置与下一个路口之间的距离。
[0046]在本实施例中，要对交通安全进行提示，可以首先获取用户即将达到的下一个路口的交通信号灯的情况。若距离下一个路口太远，则无法获取清楚的信号灯图像，因此可以首先检测电子设备与下一个路口之间的距离，然后根据这个距离来确定是否进行图像采集。
[0047]在本实施例的一个可选实现方式中，检测电子设备的当前位置与下一个路口之间的距离可以通过以下方式实现:获取电子设备的当前位置和当前移动方向；根据当前位置和当前移动方向，确定下一个路口的位置；基于当前位置和下一个路口的位置，确定当前位置与下一个路口之间的距离。具体地，可以首先通过现有技术中的定位技术(如全球卫星定位系统GPS)，确定电子设备的当前位置。同时还可以根据当前位置相对于上一位置的偏移，确定电子设备的当前移动方向。接着，可以根据已有的导航地图，定位到电子设备从当前位置沿着当前移动方向行进时，所要到达的下一个路口的位置。最后，可以进一步基于导航地图，确定出电子设备的当前位置与下一个路口的位置之间的距离
[0048]继而，在步骤202中，响应于距离小于距离阈值，采集图像。
[0049]如果在上述步骤201中得到的距离，小于一个预先设置的距离阈值(例如200米)，则可以认为用户已经接近下一个路口。此时用户很可能需要得到有关于道路交通安全提醒的信息，因此电子设备可以开始进行图像采集。在接近下一个路口的过程中，电子设备可以以一定的采集频率(例如5帧/秒)，不断地进行图像采集
[0050]接着，在步骤203中，提取图像中由红色、黄色和绿色像素分别形成的单色区域。
[0051]由于交通信号灯的颜色通常是红色和绿色的，在一些情况下还可以包括黄色。因此，想要识别交通信号灯所在区域，可以首先确定图像中的红色、黄色和绿色区域。具体地，在获得到电子设备采集的图像后，可以首先将图像的色彩空间由RGB转换为HSL的格式。然后，可以根据图像中每个像素点的H色相分量和S色彩饱和度分量，分别提取出高饱和度的红色、黄色和绿色像素点。由于信号灯的颜色通常都具有很高的色彩饱和度，因此在上述提取过程中，可以对低色彩饱和度的干扰数据，例如车辆，衣服或树木等，进行滤掉。最后，可以得到由提取出的红色、黄色和绿色像素点，所分别形成的单色区域。
[0052]可选地，可以根据单色区域的面积，对得到的所有单色区域进行筛选。具体地，可以将面积超出一定面积范围的单色区域进行剔除，也就是忽略那些面积超出最大面积阈值或少于最小面积阈值的单色区域。这是由于交通信号灯的尺寸是固定的，因此所得到的单色区域的面积也应该在一定范围内，而不会过大或过小。例如，如果单色区域仅由几个或十几个像素点构成，则很可能是图像噪声；或者某个单色区域的面积大于整个图像的十分之一，则很可能是前方车辆等干扰数据。
[0053]可选地，在提取出高饱和度的红色、黄色和绿色像素点之前，还可以对图像进行缩小处理。例如，可以将图像的长度和宽度都缩减至原图的1/4，生成一张像素点仅为原图1/16的缩略图像，然后再进行上述像素点的提取。这样可以在不影响像素提取精度的情况下，提尚提取效率。
[0054]继而，在步骤204中，根据各个单色区域之间的位置关系，确定图像中是否包括交通信号灯区域。
[0055]在得到图像中的红色、黄色和绿色区域后，可以首先确定各个单色区域的区域中心，并将区域中心的坐标作为单色区域在图像中的位置。然后可以对所有单色区域的位置进行统计和分析，以得到各个单色区域之间的位置关系