论文部分内容阅读
随着汽车的逐渐普及,道路的交通状况日趋复杂,使得交通管理及设备逐渐走向智能化的时代。交通信号灯的实时检测与识别技术作为智能交通系统的重要组成部分,在城市交通安全及道路通行效率等问题中有着不可估量的作用,不仅是无人驾驶和辅助驾驶必不可少的一部分,也是色觉障碍人群和疲劳司机进行安全驾驶的重要保障。由于交通信号灯自身颜色以及环境光线的多样性,城市环境背景的复杂性,以及实时性的要求等,导致现有的检测与识别交通信号灯的算法不能很好地适应现实环境要求,而目前的交通信号灯识别研究多数是局限于简单背景场景下的圆形信号灯的识别。针对以上问题,本文主要对复杂城市环境背景中的交通信号灯进行研究,提出了一种基于计算机视觉的交通信号灯检测与识别的方法,该方法既能满足复杂场景下交通信号灯颜色信息的识别,又能实现信号灯形状类型的识别。在充分了解和分析交通信号灯特征的基础上,本文主要对交通信号灯的检测、识别和跟踪三部分进行研究。首先对原始的交通信号灯图像进行预处理,再利用图像颜色分割与形态滤波处理来定位交通信号灯黑色背板的位置;其次,将交通信号灯黑色背板区域的彩色图像转换到YCbCr颜色空间,利用Cb和Cr通道图像来定位信号灯区域,同时得到交通信号灯的颜色信息;然后对信号灯区域图像进行归一化,利用Canny边缘检测算法提取信号灯区域的轮廓信息,通过提取和分析信号灯轮廓的改进Hu不变矩特征,建立和筛选信号灯特征样本库,实现信号灯候选区域的分类识别;最后,分析交通信号灯的几何模型,建立圆形、箭头型和掉头型信号灯的几何模型,验证信号灯分类识别结果,显示最终交通信号灯识别结果,并结合跟踪算法来跟踪已识别到的交通信号灯。通过改进交通信号灯的检测过程和跟踪识别算法,对复杂现实场景下的交通信号灯进行检测和识别,实验结果表明该方法能够有效提高交通信号灯检测的准确率,降低误检率和漏检率,实现箭头指示信号灯和掉头信号灯的识别,并符合实时性的要求。