【摘要】交通信號(hào)燈的檢測(cè)與識(shí)別系統(tǒng)是無(wú)人駕駛與輔助駕駛必不可少的一部分，同時(shí)還可以輔助色覺(jué)障礙人群與疲勞司機(jī)進(jìn)行安全駕駛，因此本文提出一種能檢測(cè)和識(shí)別交通信號(hào)燈狀態(tài)的新方法。首先在HSV色彩空間對(duì)交通信號(hào)燈進(jìn)行顏色分割，利用交通信號(hào)燈被黑色矩形框包圍的特征進(jìn)行形狀分割，將顏色分割與形狀分割相結(jié)合確認(rèn)候選區(qū)域;使用顏色直方圖統(tǒng)計(jì)候選區(qū)域的H分量，識(shí)別交通信號(hào)燈的顏色;使用模板匹配的方法，識(shí)別箭頭型交通信號(hào)燈的方向。實(shí)驗(yàn)表明，該方法的檢測(cè)與識(shí)別率達(dá)到97%以上。

【關(guān)鍵詞】交通信號(hào)燈;形狀分割;HSV色彩空間;圓形度

Abstract：Because of the traffic signal detection and recognition system is an essential part of unmanned systems and auxiliary driving system，at the same time it can also auxiliary dyschromatopsia crowd and fatigue driver safe driving，so this paper puts forward a way to identify the state of the traffic lights.Segmenting the traffic light in HSV color space.Using the typical characters of the traffic light surrounded by a black rectangle to shape the traffic light split.According to the shape of segmentation candidate areas to confirm the position of color segmentation.The number of H of labeled region images is counted by color histogram，as basis to judge the traffic light color.Using template matching，confirming the direction of the arrow traffic lights.Experimental results indicate that the overall recognition rates of the proposed method are over 97%.

Key words：Traffic light;shape segmentation;HSV color space;circularity

一、引言

交通信號(hào)燈的檢測(cè)與識(shí)別系統(tǒng)是無(wú)人駕駛與輔助駕駛必不可少的一部分。目前，國(guó)內(nèi)外學(xué)者已經(jīng)對(duì)交通信號(hào)燈的檢測(cè)與識(shí)別做了一些研究。Masako Omachi[1]提出在RGB色彩空間分割交通信號(hào)燈，使用HOUGH變換檢測(cè)分割出的區(qū)域。該方法雖然能有效地檢測(cè)圓形交通信號(hào)燈，但是由于RGB色彩空間受光照影響較大，本方法只適用于良好的光照條件。徐成[2]提出在Lab色彩空間分割交通信號(hào)燈，使用模板匹配的方法識(shí)別交通信號(hào)燈的狀態(tài)，雖然識(shí)別率很高，但是只有水平方向交通信號(hào)燈的模板，適用范圍窄。谷明琴[3]首先根據(jù)交通信號(hào)燈的圓形度和背板顏色信息對(duì)獲取的圖像進(jìn)行過(guò)濾，然后將其從RGB色彩空間轉(zhuǎn)換到HSV色彩空間，使用顏色直方圖統(tǒng)計(jì)圖像的H分量，確定交通信號(hào)燈的類(lèi)型，該方法只能檢測(cè)和識(shí)別圓形交通信號(hào)燈，無(wú)法檢測(cè)箭頭型交通信號(hào)燈。

綜合上述所提出的問(wèn)題，本文提出一種將顏色分割與形狀分割相結(jié)合的方法檢測(cè)和識(shí)別交通信號(hào)燈。由于RGB色彩空間顏色與光照相互影響較大，本文選擇與光照影響較小HSV色彩空間對(duì)交通信號(hào)燈進(jìn)行分割，并使用圓形度方法對(duì)圓形交通信號(hào)燈進(jìn)行過(guò)濾;使用顏色直方圖統(tǒng)計(jì)候選區(qū)域的H分量，識(shí)別交通信號(hào)燈的顏色;使用模板匹配的方法，識(shí)別箭頭型交通信號(hào)燈的方向。

二、交通信號(hào)燈檢測(cè)

由于行車(chē)環(huán)境的多變性與復(fù)雜性，因此如何快速、準(zhǔn)確地檢測(cè)與識(shí)別交通信號(hào)燈，并且濾除圖像中的雜質(zhì)是交通信號(hào)燈檢測(cè)與識(shí)別的關(guān)鍵。

在圖像處理中，人們關(guān)心的通常只是圖像的某一區(qū)域，如果只處理這些區(qū)域，將會(huì)提高圖像處理的效率和正確率，這些區(qū)域被稱(chēng)為興趣區(qū)域（Regions of Interest，ROI）。根據(jù)道路交通信號(hào)燈設(shè)置與安裝要求以及實(shí)際情況，興趣區(qū)域可選圖像實(shí)際高度的1/3或1/2。由于只處理圖像的一部分，節(jié)省了系統(tǒng)處理時(shí)間，而且排除了非目標(biāo)區(qū)域的干擾，如汽車(chē)尾燈的干擾，提高了檢測(cè)的準(zhǔn)確性。

顏色特征是交通信號(hào)燈重要而顯著的特征之一。要對(duì)交通信號(hào)燈進(jìn)行顏色分割，首先要選擇合適的色彩空間。我們拍攝的圖像一般是RGB色彩空間，但是R、G、B這3個(gè)分量之間相關(guān)性較高，受光照影響較大，不利于顏色分割。HSV色彩空間符合人眼對(duì)色彩的感知，同時(shí)是圖像分割中常用的色彩空間之一。它的三個(gè)色彩通道分別是色調(diào)H（Hue）、飽和度S（Saturation）、亮度V（Value）。自然界中，任意一種顏色都可以用這三個(gè)通道的不同組合表示，而且三個(gè)分量之間相互獨(dú)立，滿(mǎn)足交通信號(hào)燈檢測(cè)與識(shí)別系統(tǒng)對(duì)色彩空間的獨(dú)立性和均勻性的要求。

圖1 交通信號(hào)燈檢測(cè)過(guò)程與結(jié)果

圖2 箭頭型交通信號(hào)燈模板

本文統(tǒng)計(jì)了不同環(huán)境條件下拍攝的交通信號(hào)燈的紅色、黃色、綠色的H與S值，確定交通信號(hào)燈的顏色閾值。

如：（或）且（），則該區(qū)域?yàn)榧t燈區(qū)域;如（）且（），則該區(qū)域?yàn)榫G燈區(qū)域;如（）且（），則該區(qū)域?yàn)辄S燈區(qū)域。

進(jìn)行顏色分割后的圖像仍然有很多非目標(biāo)區(qū)域，分別在距離交通信號(hào)燈10米和100米的地方，統(tǒng)計(jì)圓形和箭頭型交通信號(hào)燈的面積，過(guò)濾面積過(guò)大或過(guò)小區(qū)域。對(duì)于圓形交通信號(hào)燈使用圓形度檢測(cè)，過(guò)濾圓形度過(guò)低的區(qū)域，其中圓形度是指候選區(qū)域邊緣接近圓形的程度。由于物體面積為，周長(zhǎng)為，則為一常數(shù)，定義圓形度為：

（1）

表示圓形度，其取值范圍為，由前面描述所知時(shí)表示標(biāo)準(zhǔn)圓形。由于拍攝角度的不同和曝光等原因，交通信號(hào)燈可能發(fā)生畸變，本文選取比較寬的閾值0.5。

圖3 交通信號(hào)燈的檢測(cè)與識(shí)別結(jié)果

形狀特征是交通信號(hào)燈重要而顯著的另一特征，盡管氣候、道路環(huán)境等會(huì)對(duì)采集的交通信號(hào)燈產(chǎn)生不同程度的噪聲、褪色及形變，但是交通信號(hào)燈的形狀和幾何尺寸不會(huì)發(fā)生太大的變化。交通信號(hào)燈在形狀上有個(gè)顯著的特征，即它的燈板是一個(gè)黑色矩形框。根據(jù)交通信號(hào)燈的設(shè)計(jì)規(guī)范，該黑色矩形框有固定的長(zhǎng)寬比和面積，利用該特征可以將交通信號(hào)燈的范圍提取出來(lái)。

首先采用固定閾值法將原始圖像轉(zhuǎn)換成二值圖像，將黑色部分提取出來(lái)，根據(jù)實(shí)驗(yàn)與經(jīng)驗(yàn)選取閾值為50。將提取出的區(qū)域以8-連通的方式連接成圖像塊，過(guò)濾掉長(zhǎng)寬比過(guò)大或過(guò)小的圖像塊。但是由于行車(chē)環(huán)境與光照的不同，交通信號(hào)燈的形狀不斷發(fā)生變化，僅依靠長(zhǎng)寬比過(guò)濾是不行的。因此，本文同時(shí)使用了長(zhǎng)寬比屬性和面積屬性，兩者都設(shè)置了比較寬松的閾值。分別在距離交通信號(hào)燈10米和100米的地方，統(tǒng)計(jì)交通信號(hào)燈燈板的面積，設(shè)定小于85個(gè)像素和大于992個(gè)像素的圖像塊為噪聲，將其過(guò)濾。如圖1所示。

三、交通信號(hào)燈識(shí)別

利用交通信號(hào)燈由黑色矩形框包圍這一特性，在形狀分割后得到的圖像中，找到分割后的圖像塊最小外接矩形框包圍的區(qū)域，在顏色分割后得到的圖像中的同一區(qū)域進(jìn)行搜索，若有圖像塊出現(xiàn)且又不與外接矩形框交叉，為交通信號(hào)燈。

根據(jù)形狀分割與顏色分割確定的交通信號(hào)燈候選區(qū)域，使用顏色直方圖統(tǒng)計(jì)色調(diào)H在紅色、綠色、黃色3種顏色范圍內(nèi)的像素個(gè)數(shù)Num{R，G，Y}，候選區(qū)域內(nèi)總的像素個(gè)數(shù)記為N，兩者的比率為：

（2）

設(shè)定其閾值為0.85，則交通信號(hào)燈顏色的判斷如下：

（3）

統(tǒng)計(jì)交通信號(hào)燈的顏色信息，可確定圓形交通信號(hào)燈的狀態(tài)，但是對(duì)于箭頭型交通信號(hào)燈還需進(jìn)一步確認(rèn)箭頭方向。箭頭型交通信號(hào)燈有前進(jìn)、左轉(zhuǎn)、右轉(zhuǎn)三種方向，如圖2所示，建立模板庫(kù)。計(jì)算模板與待匹配區(qū)域的相似性，確定箭頭方向。設(shè)原圖f（x，y）大小為M×N，圖像模板w（x，y）大小為m×n，待匹配區(qū)域s（x，y）與W（x，y）的相似性：

（4）

四、實(shí)驗(yàn)與分析

為了分析本文算法的準(zhǔn)確率與實(shí)時(shí)性，使用攝像機(jī)在陰天、背光、順光環(huán)境下拍攝交通路口的交通信號(hào)燈圖像。在Matlab7中對(duì)本文提出的算法進(jìn)行仿真，發(fā)現(xiàn)本文算法具有實(shí)時(shí)性強(qiáng)、檢測(cè)與識(shí)別率高的特點(diǎn)，在不同環(huán)境下的檢測(cè)與識(shí)別率均在97%以上，其結(jié)果如表1所示，圖3為本算法的檢測(cè)與識(shí)別結(jié)果。

表1 交通信號(hào)燈檢測(cè)與識(shí)別率

圖像 個(gè)數(shù)/張 檢測(cè)與識(shí)別率

陰天 500 98%

背光 500 97.2%

順光 500 98.4%

總數(shù) 1500 97.9%

五、總結(jié)

本文采用將交通信號(hào)燈的顏色與形狀特征相結(jié)合的方法，在HSV色彩空間對(duì)圖像進(jìn)行顏色分割，并使用圓形度方法對(duì)圓形交通信號(hào)燈進(jìn)行過(guò)濾;利用交通信號(hào)燈燈板是一個(gè)黑色矩形框的特點(diǎn)對(duì)候選區(qū)域進(jìn)行確認(rèn);使用顏色直方圖統(tǒng)計(jì)候選區(qū)域的H分量，識(shí)別交通信號(hào)燈的顏色;使用模板匹配的方法，識(shí)別箭頭型交通信號(hào)燈的方向。實(shí)驗(yàn)結(jié)果表明該算法雖然能夠?qū)崟r(shí)、準(zhǔn)確地檢測(cè)與識(shí)別交通信號(hào)燈的狀態(tài)，但是還存在一些不足之處。例如，對(duì)于被高大樹(shù)木遮擋的交通信號(hào)燈、惡劣天氣環(huán)境下的交通信號(hào)燈，本文算法無(wú)法檢測(cè)出來(lái)，這將是我們以后研究的重點(diǎn)。

參考文獻(xiàn)

[1]Masako Omachi，Shinichiro Omachi.Traffic light detection with color and edge information[C]//IEEE Intelligent Vehicles Symposium.Washington，DC： IEEE Press，2009：284-287.

[2]徐成，譚乃強(qiáng)，劉彥.基于Lab色彩空間和模板匹配的實(shí)時(shí)交通信號(hào)燈識(shí)別算法[J].計(jì)算機(jī)應(yīng)用，2010，30（5）：1251-1254.

[3]谷明琴，蔡自興.應(yīng)用圓形度和顏色直方圖的交通信號(hào)燈識(shí)別[J].計(jì)算機(jī)工程與設(shè)計(jì)，2012，33（1）：44-50.

[4]黃振威.交通信號(hào)燈檢測(cè)與識(shí)別算法的研究[D].中南大學(xué)， 2012.

[5]谷明琴，蔡自興，黃振威.城市環(huán)境箭頭型交通信號(hào)燈的實(shí)時(shí)識(shí)別算法[J].中南大學(xué)學(xué)報(bào)，2013，44（5）：55-60.

[6]武瑩，張小寧，何斌.基于圖像處理的交通信號(hào)燈識(shí)別方法[J].交通信息與安全，2011，29（3）：51-55.

[7]黃振威.交通信號(hào)燈檢測(cè)與識(shí)別算法的研究[D].中南大學(xué)碩士學(xué)位論文，2012.

作者簡(jiǎn)介：侯曼曼（1989—），江蘇徐州人，研究生，研究方向：控制科學(xué)與控制工程。