吳國慶+王星星+張旭東+翟春樹

摘 要： 針對(duì)城市交通安全和路口通行效率等問題，研究一種交通信號(hào)燈檢測(cè)的技術(shù)。采用亮度分析、圖像分割和形態(tài)學(xué)濾波對(duì)采集的圖像進(jìn)行預(yù)處理，排除背景干擾；利用RGB 顏色空間下的顏色各通道差值分布檢測(cè)交通燈顏色；最后基于對(duì)圖像[0°，180°]的Radon變換找出峰值對(duì)應(yīng)的角度，對(duì)圖像在該角度上分別進(jìn)行變換，利用形狀特征對(duì)交通燈進(jìn)行形狀檢測(cè)。采集自然環(huán)境下圖像進(jìn)行試驗(yàn)。結(jié)果表明，該算法的正確識(shí)別率達(dá)到90%以上，是一種較好的交通信號(hào)燈檢測(cè)方法。

關(guān)鍵詞： 圖像處理； 交通燈檢測(cè)； RGB； Radon變換

中圖分類號(hào)： TN911?34.73； TP39 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2017）08?0103?04

Traffic lights detection technology based on image processing

WU Guoqing1，2， WANG Xingxing1， ZHANG Xudong2， ZHAI Chunshu1

（1. School of Mechanical Engineering， Nantong University， Nantong 226019， China；

2. Jiangsu Engineering Research Center for Wind Energy Application， Nantong 226019， China）

Abstract： A traffic lights detection technology is studied to solve the problems of urban traffic safety and crossroad traffic efficiency. The brightness analysis， image segmentation and morphological filtering are used to preprocess the acquired image to eliminate the background interference. The three?channel difference distribution of the three traffic lights colors in RGB color space is adopted to detect the color of traffic lights. On the basis of the Radon transform for the image in 0°～180°， the angle corresponding to the peak value is found out， on which the image is transformed. The shape feature is employed to detect the shape of the traffic lights. The image acquired in the natural environmental was tested. The results show that the correct recognition rate of the algorithm is higher than 90%， which is a good method for traffic light detection.

Keywords： image processing； traffic lights detection； RGB； Radon transform

隨著道路交通迅速發(fā)展，交通事故急劇增加。因此，智能交通系統(tǒng)成為了未來發(fā)展的重要領(lǐng)域。智能交通系統(tǒng)是一種將信息技術(shù)、通信技術(shù)、傳感技術(shù)、控制技術(shù)以及計(jì)算機(jī)技術(shù)等有效地集成融合于整個(gè)交通運(yùn)輸管理體系， 而建立起的一種在大范圍內(nèi)、全方位發(fā)揮作用的，實(shí)時(shí)、準(zhǔn)確、高效的綜合的運(yùn)輸和管理系統(tǒng)[1]?；谥悄芙煌ㄏ到y(tǒng)的快速發(fā)展需求，很多研究學(xué)者開始致力于研究各種基于圖像的目標(biāo)檢測(cè)系統(tǒng)，例如建筑物檢測(cè)， 樹木檢測(cè)，以及大量的基于圖像的交通燈檢測(cè)系統(tǒng)[2]。對(duì)交通信號(hào)燈的識(shí)別是智能交通機(jī)器視覺的的一個(gè)重要部分，可以及時(shí)為駕駛員提供當(dāng)前路口狀態(tài)，提示道路可行性，避免交通事故發(fā)生；對(duì)于無人駕駛系統(tǒng)，交通燈檢測(cè)識(shí)別則是確保安全性的關(guān)鍵技術(shù)之一。

現(xiàn)有的交通燈識(shí)別算法主要利用顏色和形狀信息。Jin?Hymig Park等利用顏色信息，提取可能是交通信號(hào)燈的像素，利用K均值聚類方法進(jìn)行聚類；再用簡(jiǎn)單的圓檢測(cè)算法，檢測(cè)圓形交通信號(hào)燈，但在復(fù)雜環(huán)境下，漏檢、誤檢率較高[3]。H wang等用6個(gè)顏色閾值來分割輸入圖像，得到候選區(qū)域。然而，它無法區(qū)分紅色和黃色交通信號(hào)燈，適應(yīng)性不強(qiáng)[4]。徐成等在Lab顏色空間分割交通信號(hào)燈的候選區(qū)域，用模板匹配算法識(shí)別交通信號(hào)燈，識(shí)別的準(zhǔn)確率較高，但面對(duì)不同安裝與種類的交通燈，通用性不足[5]。

1 交通燈預(yù)處理

在城市環(huán)境中，交通信號(hào)燈的背景比較復(fù)雜，存在很多干擾，如前方汽車尾燈、道路兩邊的建筑顏色、樹木等，而且在各種不同的環(huán)境中，光照等因素對(duì)交通信號(hào)燈的顏色變化的影響比較大。因此，需要對(duì)圖像進(jìn)行預(yù)處理，部分排除背景干擾。

1.1 圖像灰度閾值分割

交通燈所處的背景較為復(fù)雜，干擾因素較多。為了滿足系統(tǒng)實(shí)時(shí)性要求，必須快速、準(zhǔn)確地檢測(cè)定位交通燈在圖像中的位置并進(jìn)行識(shí)別。本文利用交通燈自行發(fā)光的特點(diǎn)，亮度特征比圖像背景較為明顯，分析圖像的亮度屬性，對(duì)圖像進(jìn)行閾值分割，消除圖像背景的影響。實(shí)時(shí)從圖像中提取亮度值，既能一定程度消除光照的影響，更能確保該算法的魯棒性。原圖像見圖1。

為了進(jìn)一步縮短處理時(shí)間，減小運(yùn)算量，確定有意義的區(qū)域，利用灰度閾值分割法對(duì)圖像進(jìn)行二值化處理。結(jié)合圖2亮度分析，對(duì)灰度圖像進(jìn)行二值化處理，排除如樹木、房屋等圖像背景。故可以確定分割閾值T=。

1.2 圖像形態(tài)學(xué)操作

二值化處理圖像后，交通燈區(qū)域較為明顯地被分割出來，但同時(shí)仍然有許多灰度值較大的背景雜質(zhì)也被檢測(cè)出來。為了消除汽車尾燈、窗燈等細(xì)小物體以及背景區(qū)域散布的噪聲物體的干擾，平滑二值圖像的邊界，對(duì)圖像進(jìn)行形態(tài)學(xué)處理（開運(yùn)算），即將圖像先進(jìn)行腐蝕后再膨脹處理。腐蝕操作會(huì)去掉物體的邊緣點(diǎn)，細(xì)小物體會(huì)被認(rèn)為是邊緣點(diǎn)，會(huì)整個(gè)被刪除；再進(jìn)行膨脹操作時(shí)，留下的較大物體會(huì)恢復(fù)原來大小，小物體則被刪除了。處理結(jié)果如圖3所示。

2 交通燈檢測(cè)

2.1 顏色檢測(cè)

（1） 歸一化。由于自然環(huán)境下，外界對(duì)顏色的影響較為直接，如亮度的變化直接可能導(dǎo)致顏色的失色。因此需要不考慮亮度等的影響只提取顏色信息，必須將RGB各通道進(jìn)行標(biāo)準(zhǔn)化處理。在歸一化RGB模型中r，g，b表示標(biāo)準(zhǔn)化三通道，r+g+b=1，分別為：

（1）

（2） 色彩分割。在RGB顏色空間下對(duì)顏色進(jìn)行分割，由于受到光照影響，三通道值的相關(guān)性較大，不能進(jìn)行單一通道值取值分析。因此，本文利用在RGB顏色空間下，三種交通燈顏色的三通道差值分布的穩(wěn)定性進(jìn)行顏色分割，這樣不僅解決了RGB顏色空間的缺點(diǎn)，而且避免了顏色空間的轉(zhuǎn)換，減少了處理時(shí)間，一定程度上提高了實(shí)時(shí)性。在進(jìn)行顏色分割前，分割閾值范圍的確定尤為重要， 不同的分割閾值會(huì)導(dǎo)致分割效果的不同。本文通過分析三種交通燈在RGB模型下的三通道分布情況，多次試驗(yàn)總結(jié)得出一組分割閾值范圍為：紅燈區(qū)域20

[ 圖3 形態(tài)學(xué)操作后圖像 圖4 r?g分布]

為了驗(yàn)證三通道差值分割提取候選區(qū)域效果，選取其中任意的一幅圖像作為實(shí)驗(yàn)對(duì)象。實(shí)驗(yàn)結(jié)果如圖6所示，差值分割能夠有效地提取出圖像中的紅色部分，抑制其他顏色干擾，但也部分地提取了背景中顏色接近的區(qū)域，并且由于交通燈發(fā)光性會(huì)使得交通燈區(qū)域中心亮度過大導(dǎo)致中心顏色淹沒現(xiàn)象，只能檢測(cè)出邊緣顏色區(qū)域。因此，需要結(jié)合區(qū)域的形狀信息進(jìn)行進(jìn)一步檢測(cè)。

2.2 Radon變換形狀檢測(cè)

Radon變換是從不同的角度對(duì)圖像進(jìn)行該角度上的投影，每個(gè)向量的投影值為該方向上圖像所有像素點(diǎn)的線積分和，計(jì)算公式為：

對(duì)于同一目標(biāo)圖像進(jìn)行Radon變換在不同的角度下投影波形是不同的，若將多個(gè)角度下的投影波形作為特征全部進(jìn)行對(duì)比分析，則會(huì)因?yàn)樘幚泶罅咳哂鄶?shù)據(jù)降低處理效率，無法滿足實(shí)時(shí)性要求。因此，必須選取其中部分投影波形作為特征進(jìn)行分析。

對(duì)交通燈圖像在θ為[0°，180°]范圍內(nèi)進(jìn)行Radon變換，結(jié)果如圖8、圖9所示。

對(duì)比圖8、圖9，可以看出圓形交通燈一直維持在恒定的數(shù)據(jù)，對(duì)于箭頭形交通燈，向左和向右呈現(xiàn)了明顯的對(duì)稱性，再次只考慮一種方向。除了在兩個(gè)坐標(biāo)軸投影，就是分別在45°和135°出現(xiàn)了峰值，因此本文選取四個(gè)方向的投影波形作為交通燈的特征，分別是0°，45°，90°和135°投影，結(jié)果如圖10和圖11所示。將通過顏色檢測(cè)得到的目標(biāo)區(qū)域進(jìn)行這四個(gè)角度上的Radon變換得到投影特性，若區(qū)域的投影特性符合圓形或者箭頭形特性，則認(rèn)為該區(qū)域?yàn)榻煌魠^(qū)域。

3 實(shí) 驗(yàn)

為了檢測(cè)算法的有效性與實(shí)用性，搜集了部分?jǐn)?shù)據(jù)進(jìn)行檢測(cè)。共采集了不同時(shí)間，不同地區(qū)的交通燈圖像80幅作為本試驗(yàn)樣本。實(shí)驗(yàn)選擇軟件為Matlab R2009a平臺(tái)，硬件為PC（配置：IntelCore（TM）i3 CPU M350@2.27 GHz 內(nèi)存2 GB 32位WIN 7操作系統(tǒng)）。

本文算法檢測(cè)了80幅圖像，為了驗(yàn)證該算法是否滿足實(shí)時(shí)性要求，對(duì)每一幅圖像都記錄了檢測(cè)識(shí)別消耗的時(shí)間，然后取平均值代表該算法的實(shí)時(shí)性。統(tǒng)計(jì)結(jié)果見表1。

表1 算法準(zhǔn)確率、實(shí)時(shí)性統(tǒng)計(jì)

實(shí)驗(yàn)表明，該交通信號(hào)燈檢測(cè)識(shí)別方法，能夠較為有效地檢測(cè)到交通燈的位置并且正確檢測(cè)率能達(dá)到90%。對(duì)于紅、黃、綠交通燈平均識(shí)別時(shí)間分別為4.25 s，3.91 s，5.32 s，實(shí)時(shí)性較其他算法較差。因此，需進(jìn)一步優(yōu)化算法，加快圖像處理速度，體現(xiàn)系統(tǒng)實(shí)時(shí)性效果。

4 總 結(jié)

本文首先對(duì)圖像進(jìn)行預(yù)處理排除如樹木等背景的干擾。再對(duì)圖像進(jìn)行歸一化后在RGB顏色空間下，利用直方圖統(tǒng)計(jì)出三種交通燈的三通道差值分布情況，確定顏色分割的閾值范圍；最后對(duì)檢測(cè)的目標(biāo)區(qū)域進(jìn)行Radon變換進(jìn)行形狀特性檢測(cè)。最終結(jié)合顏色和形狀信息確定檢測(cè)出的交通燈區(qū)域，得出交通燈的當(dāng)前狀態(tài)。實(shí)驗(yàn)表明，本文提出的方法，能有效地檢測(cè)識(shí)別交通信號(hào)燈，且識(shí)別率較好。這充分說明了本方法能有效、快速地識(shí)別城市復(fù)雜環(huán)境下的交通信號(hào)燈。

未來進(jìn)一步的研究方向是對(duì)從不同的角度、時(shí)間、空間等多種條件下的圖像進(jìn)行處理；而且目前對(duì)于箭頭形和數(shù)字形交通信號(hào)燈還沒有較好的算法研究，所以需進(jìn)一步針對(duì)箭頭和數(shù)字的交通燈研究有效處理算法；另外需要進(jìn)一步的優(yōu)化算法，減少處理時(shí)間，提高檢測(cè)的準(zhǔn)確性。

參考文獻(xiàn)

[1] 朱永珍，孟慶虎，普杰信.基于HSV色彩空間與形狀特征的交通燈自動(dòng)識(shí)別[J].電視技術(shù)，2015，39（5）：150?154.

[2] 牛紅惠，劉凌霞.基于歸一化RGB空間與曲率的交通燈檢測(cè)研究[J].科學(xué)技術(shù)與工程，2013，13（6）：1703?1707.

[3] 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)交通燈識(shí)別算法[J].計(jì)算機(jī)應(yīng)用，2010，30（5）：1251?1254.

[4] 尹濤.自然場(chǎng)景下交通標(biāo)志牌的檢測(cè)與識(shí)別[D].南京：南京理工大學(xué)，2010.

[5] PARK J H， JEONG C. Real?time signal light detection [C]// Proceedings of 2008 Second International Conference on Future Generation Communication and Networking. Hainan， China： IEEE， 2008： 139?142.

[6] OMACHI M， OMACHI S. Traffic light detection with color and edge information [C]// Proceedings of 2009 2nd IEEE International Conference on Computer Science and Information Technology. Beijing， China： IEEE， 2009： 284?287.

[7] WANG W. Reach on Sobel operator for vehicle recognition [C]// Proceedings of 2009 1st IITA International Joint Conference on Artificial Intelligence. Hainan， China： IEEE， 2009： 448?451.

[8] LU K H， WANG C M， CHEN S Y. Traffic light recognition [J]. Journal of the Chinese Institute of Engineers， 2008， 31（6）： 1069?1075.

[9] 譚乃強(qiáng).視頻交通燈識(shí)別和陰影消除方法及應(yīng)用研究[D].長沙：湖南大學(xué)，2010.