[0189] 其中Posrad、Posg_n、Pos yellciw表示几个信号灯周期中统计的检测出的信号灯中红 灯、绿灯、黄灯亮灯区域的中心点位置，在后面步骤中具体说明。
[0190] 接着，进入步骤403中，综合上述步骤401与402给出的候选区域的颜色及位置信 息判断信号灯的状态，对应的连通域为最优连通域〇pt ra_t，包含以下步骤：
[0191] 1)若连通域Labelrannet^ Colorroi= 1且Posroi= 1，则判定信号灯状态为红灯。
[0192] 2)若连通域Labelrannet^ Color roi= 2且Pos roi= 2,则判定信号灯状态为绿灯。
[0193] 3)连通域Labelrannetj3在黄灯位置时（即Pos roi= 3)，包括以下步骤：
[0194] 若连通域Labelrannet^ Color rai= 3,则判定信号灯状态为黄灯。
[0195] 若连通域Labelrannet^ Color rai= 1，则判定信号灯状态为红灯。
[0196] 若连通域Labelrannet^ Color rai= 2,则判定信号灯状态为绿灯。
[0197] 此外，若满足上述条件的最优连通域optconnet的个数多于一个，则认为信号灯 的状态为绿灯倒计时、红灯倒计时和逆光导致的阴影。进行如下判断：
[0198] 1)若Optrannetj为红灯Pos roi= 1且opt rannet_2为红灯Pos roi= 3,则认为信号灯状 态为红灯倒计时。
[0199] 2)若Optrannet l为绿灯Pos roi= 2且opt rannet 2为绿灯Pos roi= 3,则认为信号灯状 态为绿灯倒计时。
[0200] 3)若 Optccinnetj为红灯 Pos roi= 1 且 opt rannet_2为绿灯 Pos roi= 2,包括以下步骤： [0201]若Iroi_e_etj> I rcil__net_2X2,则认为最优连通域为Optrannet l信号灯状态为红灯 Posroi= 1，否则为暗。
[0202]若Irai_ra_t 2> I roi_ra_t lX2,则认为最优连通域为〇ptra_t 2信号灯状态为红灯 P〇Sroi= 2,否则为暗。
[0203] 其中 Ircil_ccinnet_x表示 opt rannet_x的平均亮度。
[0204] 夜间场景且Colorroi= 4时，判断信号灯的状态，包括一下步骤：
[0205] 若连通域Labelra_t」的Pos rai= 1，则判定信号灯状态为红灯。
[0206] 若连通域Labelra_t^ Pos rai= 2,则判定信号灯状态为绿灯。
[0207] 若连通域Labelrannet^ Pos rai= 3,则判定信号灯状态为黄灯。
[0208] 夜间画面曝光的情况下，导致信号灯亮度区域的颜色信息失效。由于夜间彩色干 扰少，通过亮度区域的位置信息，可以得到信号灯的状态，提高了特殊场景中算法的有效性 和准确性。
[0209] 若信号灯状态为暗，则结束流程进入视频下一帧并从步骤102开始计算。
[0210] 本实例中，步骤105的方案在具体实现时，其主要是通过步骤104中给出的信号灯 状态及对应的连通域〇pt ra_t的位置信息周期性的统计信号灯的特征值，由此进一步的提 高了本方案中阈值的自适应性和稳定性。根据统计值对信号灯位置偏移进行校验，进一步 保证了场景偏移时信号灯状态检测的精确度。
[0211] 具体地说，如图5所示，本实例步骤105在进行信号灯特征值的统计及位置偏移校 正时，主要通过以下子步骤实现：
[0212] 首先进入步骤501，通过判断信号灯的状态，若信号灯状态为红灯或者绿灯，则周 期性的统计其特征，否则结束流程进入视频下一帧并从步骤102开始计算。
[0213] 接着进入步骤502,通过红灯或者绿灯区域的特征，可以提取位置及颜色阈值的特 征进行周期性的统计，包括以下子步骤：
[0214] 步骤511中，通过步骤301中给出的饱和度和亮度的阈值ThrpCT_ s、ThrpCT l，可以提 取〇Pl_et的饱和度阈值Thr PCT_S和亮度阈值Thr PCT I并周期性的统计得出饱和度S th、和亮 度Ithx的阈值。其中I thx、Sthffl于步骤301中彩色分割的阈值。
[0215] 步骤512中，通过步骤306中给出的连通域的序列Labelrannet_ x，可以提取Optrannet 的中心点的位置Centroi并周期性的统计得出Cent roi_rad，Centroi_graen。
[0216] 步骤513中，通过黄灯的中心位置，周期性的统计出信号灯检测区域的心点的位 置 CentrimO
[0217] 对应复杂情况：如信号灯剧烈晃动、偏移出检测区域、强顺光，强逆光，可以通过周 期性统计颜色阈值信息，及位置信息及时调整阈值和信号灯的检测位置。提高了算法在复 杂场景下的自适应性和稳定性。
[0218] 在步骤503中，通过步骤512中给出的红、绿灯亮灯区域的中心位置统计值，分别 提取每帧红灯或绿灯X方向和Y方向的偏移量Offset roi。
[0219] 其中Offsetroi表示单帧的红灯或绿灯的Cent roi相对于统计值Cent roi_rad或者 Centrai g^在X方向和Y方向上的偏移量。
[0220] 在步骤504中，通过步骤513中给出的信号灯检测区域中心位置的统计值，计算每 帧的检测区域X方向和Y方向的偏移量Offset^。
[0221] 其中（^€8的""表示单帧检测区域的中心位置相对于统计值Cent ""在X方向和Y 方向上的偏移量。
[0222] 以红灯亮灯区域的X方向提取偏移量为例：
[0223] 计算Offsetroi(X)二 abs(Centroired(X) - Centroi(X)),其中 abs()表示求绝 对值。
[0224] 接着进入步骤505中，综合上述步骤503和504给的信号灯亮灯区域位置及信号 灯检测区域位置的偏移值判断信号灯周期是否正常，包含以下步骤：
[0225] 通过红灯和绿灯亮度区域的统计值，计算出红灯与绿灯X方向和Y方向的相对位 置信息。
[0226] 计算X方向的相对位置：
[0229] 若0ffset"late(y)~1，则认为检测得到的信号灯的周期正常，否则认为异常。
[0230] 若正常且Offsetralate(X) > Thrrffsetj,则信号灯偏移超出检测区域认为异常。
[0231] 若正常、Offsetrelate(X) > Thrciffset L且 Offset relate(X) < Thrciffsetj,则进入步骤 506 〇
[0232] 若异常，则进入步骤507。
[0233] 其中Thrciffsetj^P Thr rffset_H分别表不偏移量的下限和上限。
[0234] 在步骤506中，通过统计值，校验步骤101中定位的信号灯检测区域的位置。通过 更新信号灯检测区域的位置，可以降低信号灯定位的复杂度。
[0235] Offsetrim= abs (Offset rim-〇ffSetrelate (x))
[0236] 在步骤507中，还原红灯和绿灯的中心位置为初始化规则中的位置。
[0237] 在本实例中，步骤106在实现其方案时，通过信号灯检测区域的HIS直观色彩描述 法对红灯、黄灯或者绿灯的区域像素点判定颜色是否异常并校正，提高了校正后视觉的真 实性和准确性，进一步完善了执法证据。主要时根据步骤103中给出的信号灯区域内的饱 和度与亮度的阈值，结合步骤104中判定的信号灯状态和对应的亮灯区域的颜色特征，由 此判定并校正亮灯区域颜色异常的像素点。
[0238] 具体地说，如图6所示，本实例步骤106在进行异常色度的判断及校正时，主要通 过以下子步骤实现：
[0239] 首先进入步骤601，通过用户的需求从系统界面反馈判断是否进行颜色校正。若是 则进入步骤602,否则结束流程进入视频下一帧并从步骤102开始计算。
[0240] 进入步骤602,通过步骤102和104中给出的信号灯状态及其对应的亮度区域 〇PU_ t，可以判定信号灯颜色是否异常，包括以下子步骤：
[0241] 根据步骤301中给出的信号灯区域Optecinnet，提取满足色度H x thx、饱和度Sth、亮度 Ithx阈值范围的颜色点（i，j)的色度H U、饱和度S^j和亮度I μ。判断像素点（i，j)的颜 色是否异常。
[0242] 以红灯亮灯区域的颜色点（i，j)为例：
[0243] 若图像过亮、G(i，j) > Gth且B(i，j) > B th，则认为像素点（i，j)颜色异常。
[0244] 若夜间场景、I^> I th、G(i，j) > Gtj B(i，j) > B th，则认为像素点（i，j)颜色 异常。
[0245] 其中G(i，j)和B(i，j)表示像素点（i，j)在RGB图像中对应的G和B通道像素 值。G th和Bth表示G和B通道的阈值上限。
[0246] 若异常则进入步骤603,否则结束流程进入视频下一帧并从步骤102开始计算。
[0247] 在步骤603中，通过步骤602中给出的满足条件的异常色度的像素点（i，j)，分别 对RGB空间像素点pixel RSB(i，j)进行颜色校正。
[0248] pixelnewJfGB(i, j) = Tcorr x (Slj Ilj j) XpixelRGB(i, j)
[0249] 其中S1,,和I w表示像素点（i，j)的饱和度和亮度值。Tra"_x(S1J I1,,)表示像素 点（i，j)的颜色校正系数，通过高斯特征的颜色空间模型求得，计算步骤如下：
[0252] 其中Clerel表示彩色校正程度的级别，通过用户视觉对颜色的理解，灵活的调整校 正颜色的色度，提高了本算法的灵活性。I 1, ,)表示主颜色的校正系数 P U表示副颜色的校正系数。
[0253] 以红灯亮灯区域的像素点为例（i，j):
[0257] 在本实例中，步骤107在实现其方案时，主要依据信号灯状态及其对应的亮度区 域，再利用SVM分类器识别信号灯的形状。
[0258] 具体地说，如图7所示，本实例步骤107在进行信号灯的形状识别时，主要通过以 下子步骤实现：
[0259] 在步骤701中，根据上述步骤506给出的信号灯周期，判断信号灯周期是否正常。 若是则进入步骤702,否则结束流程进入视频下一帧并从步骤102开始计算。
[0260] 在步骤702中，根据上述步骤503给出的