相对较暗。应该注意，图4仅是为了说明。在实践过程中，无需形成图像W 用于图示像素响应值。
[0077] 在S105中，基于计算的像素响应值来识别候选像素。
[0078] 红色交通灯像素的像素响应值、绿色交通灯像素的像素响应值W及其他像素的像 素响应值可W分布成分割的范围。因此，可W基于像素响应值来识别红色交通灯或绿色交 通灯的候选像素。
[0079] 在一个示例中，像素响应值是基于公式（1)来计算的且归一化为[0，1]。在该示例 中，像素响应值在从-0.25到0.375的预定范围内的像素被识别为交通灯W外的像素，像素 响应值在该预定范围的第一侧，即，大于0.375的像素被识别为红色交通灯候选像素，W及 像素响应值在该预定范围的第二侧，即，小于-0.25的像素被识别为绿色交通灯候选像素。 该特定范围仅是一个示例，并且可W基于摄像头参数等予W调整。
[0080] 图5W示意图形式图示图3的颜色图像中的候选像素。如图5所示，红色交通灯候选 像素和绿色交通灯候选像素被标记。应该注意，图5仅是为了说明而给出的。在实践过程中， 无需获取如图5那样的图像W可视化地显示候选像素。
[0081] 在S107中，基于候选像素识别第一组块。
[0082] 在一些实施方案中，可W使用连通的分量标记来识别所述第一组块。所述第一组 块可W包含基于要接受红色交通灯检测的红色交通灯候选像素来识别的块，W及基于要接 受绿色交通灯检测的绿色交通灯候选像素来识别的块。在红色交通灯检测和绿色交通灯检 测的后续过程可W并行地或顺序地执行。下文中，作为示例，将红色交通灯检测与绿色交通 灯检测并行地执行。
[0083] 应该注意，可W取第一组块作为候选块来使用交通灯检测器或分类器进行验证。 但是，在一些实施方案中，可W进一步将第一组块中的误报过滤掉，W便可W减少候选块的 验证，其通常占用大多数计算资源。下文给出进一步过滤掉误报的示例。
[0084] 在S109中，基于至少一个几何参数从第一组块中识别第二组块。
[0085] 为了减少计算工作负荷，可W使用基于至少一个几何参数的块分析来基于其形状 和/或尺寸过滤掉不可能是交通灯的一些块。对应地，可W将其余块识别为第二组块。
[0086] 可W在块分析中定义分别包含第一组的块的最小封闭形状可便有助于分析。 图6W示意图形式图示第一组块的第一示例块及其最小封闭形状。在一些实施方案中，最小 封闭形状可W是矩形。
[0087] 在一些实施方案中，所述至少一个几何参数可W是像素数量。例如，如果第一示例 块具有大于255的像素数量，则可W将其过滤掉，因为交通灯应该不会太大。应该注意，该标 准的特定值可W基于如图像分辨率的因素而进行改动。当图像分辨率是720*480时，上面提 出的数量255可能是适合的。此标准的适合值可W随图像分辨率的增大或减小而增大或减 小。
[0088] 在一些实施方案中，所述至少一个几何参数可W是块的宽度或高度。在一些实施 方案中，可W取最小封闭形状的宽度和高度作为第一示例块的宽度和高度，W及如果该第 一示例块具有大于24的宽度或高度，则可W将其过滤掉。应该注意，宽度或高度标准的值也 可W随图像分辨率而改变。
[0089] 在一些实施方案中，所述至少一个几何参数可W是宽高比。因为通常交通灯应该 是圆形的，所W其对应的块可W具有接近正方形的最小封闭矩形。例如，如果第一示例块具 有超出从约0.5到2的范围的宽高比，则可W将其过滤掉。
[0090] 可W将上文描述的几何参数个别地或一起用作块分析的标准。应该注意，上文描 述的数值仅是示例，并且可W根据特定情形和或摄像头参数予W调整。
[0091] 在Sill中，基于所述第二组块中和周围像素的像素响应值从所述第二组块中识别 候选块。
[0092] 可W基于第二组的每个块的像素 W及其周围像素的像素响应值确定其是否为候 选块的成员。误报可W被减少，因为通常交通灯不仅应该明亮且交通灯颜色本身是纯色的， 而且在其局部周围中是突显的，运意味着交通灯块在像素响应值上可能是突出的。
[0093] 图7W示意图形式图示根据一个实施方案的用于从第二组块中识别候选块的过程 200的流程图。
[0094] 参考图7,在S201中，定义所述第二组块中的第二示例块的自我分段。
[00M]自我分段可W基本上包含第二示例块。在一些实施方案中，自我分段可W是第二 示例块的最小封闭矩形。
[0096] 在一些实施方案中，最小封闭矩形是在S109中的块分析期间定义的，所W可W免 除S201。
[0097] 在S203中，计算自我分段响应值。
[0098] 自我分段响应值可W基于自我分段中像素的像素响应值之和来计算。在一些实施 方案中，自我块响应可W基于如下公式(2)来计算：
[0099]
^2)
[0100] 其中η表示自我分段响应值，pr(x，y)表示自我分段中具有图像坐标(x，y)的像素 的像素响应值，ym和yn分别表示自我分段在y轴上的最高和最低坐标，W及XI和xj分别表示 自我分段在X轴上的最左边和最右边坐标。
[0101] 在一些实施方案中，在计算自我分段响应值之后，可W确定第二示例块是否是误 报。确切地来说，如果自我分段响应值和第二示例块中的像素的像素响应值不在所述预定 范围的相同一侧，则可W过滤掉该第二示例块。因此，可W进一步过滤掉误报，尤其对于如 红色和或绿色人物、徽标等的一些物体，运些物体可能具有极端像素响应值且在块分析中 几乎不会被过滤掉。此外，可W免除针对运些误报的后续计算。
[0102] 在S205中，定义预定数量的周边分段，每个周边分段可W与自我分段重叠。
[0103] 有多种方式定义周边分段。在一些实施方案中，运些周边分段中每一个可W具有 与自我分段相同的尺寸和形状。
[0104] 图8W示意图形式图示第二示例块及其自我分段和周边分段的示例。如图8所示， 最小封闭矩形粗线划定窗口的），其定义为第二示例块的自我分段。形状和尺寸与最小 封闭矩形相同的8个矩形定义为周边分段。确切地来说，C0至C8是自我分段和周边分段的中 屯、点。8个周边分段是日化3C〇ai已、日2日4C4C8、日3日抽7C0、C2日脚8C6、CO日7日9日11、C8C4日10日12、日化CO日11日13和 ai6C2C 脚 14。
[0105] 在S207中，计算周边分段响应值。
[0106] 每个周边分段响应值可W基于对应周边分段中像素的像素响应值来计算。例如， 可W计算像素响应值之和。
[0107] 在一些实施方案中，可W基于第二示例块的自我分段响应值和周边分段响应值来 确定第二示例块是否是误报。例如，如果像素响应值基于上文公式（1)来计算，则在其像素 是红色交通灯像素的情况下，第二示例块的自我分段响应值应该大于任何其周边分段响应 值，且反之亦然，否则可W将第二示例块过滤掉。
[0108] 在S209中，基于第二示例块的自我分段响应值和周边分段响应值来计算第二示例 块的概率值。
[0109] 在一些实施方案中，第二示例块的概率值可W基于如下公式(3)来计算：
[0110]
微
[0111] 其中PV表示对应块的概率值，η表示自我分段响应值,?表示第k个周边块的周边 分段响应值，W及η是预定数量。
[0112] 可W得出结论，该概率值越大，第二示例块越可能表示交通灯。
[0113] 在S211中，基于S201至S209,计算第二组块中的其他块的概率值。
[0114] 在S213中，选择预定数量的具有最大概率值的块作为候选块。
[0115] 在一些实施方案中，基于概率值分别将红色交通灯和绿色交通灯的块降序排序， 其中将红色交通灯的前20个块和绿色交通灯的前30个选为候选块。
[0116] W此方式，可W将相对较小数量的块选为候选块。误报可得W减少W及处理速度 可得W提高。
[0117] 再次参考图1，在S113中，验证候选块是否是交通灯。
[011引使用如模板匹配、神经网络、支持向量机（SVM)、级联检测器等的交通灯检测器或 分类器，可W确定与候选块对应的区域是否表示交通灯。在一些实施方案中，可W验证颜色 图像中与候选块对应的区域。在一些实施方案中，可W验证从颜色图像转换的灰度级图像 中与候选块对应的区域。如上文陈述，基于上文处理，可W剩余相对较小数量的候选块，从 而同时地提高了可靠性和效率。
[0119] 确切地来说，首先可W在颜色图像中将与候选块对应的区域分段。将区域分段可 W基于候选块的位置、尺寸和类型W及交通灯模板来实现。在一些实施方案中，对于垂直安 排的交通灯模板，红色交通灯的候选块应该位于对应区域的顶部，绿色交通灯的候选块应 该位于对应区域的底部，W及对应区域可W具有等于或稍大于块宽度的宽度W及Ξ倍于块 高度的高度。对于水平安排的交通灯模板，红色交通灯的候选块应该位于对应区域的左边， 绿色交通灯的候选块应该位于对应区域的右边底部，W及对应区域可W具有Ξ倍于块宽度 的宽度W及等于或稍大于块高度的高度。
[0120] 在一些实施方案中，可W将对应区域扩大W确保它们能够覆盖颜色图像中的交通 灯。例如，与第Ξ组块中的候选块对应的矩形区域可W基于如下公式(4)来计算：
[0121]
[0122] 其中max(w，h)表示W像素数量测得的候选块的宽度与高度之间的较大值，cx和cy 分别表示候选块的中屯、点的X和y坐标，left ji曲t、top和bottom分别表示该矩形区域的四 个侧边。
[0123] 图