交通信號燈的檢測與識別

【摘要】交通信號燈的檢測與識別系統是無人駕駛與輔助駕駛必不可少的一部分，同時還可以輔助色覺障礙人群與疲勞司機進行安全駕駛，因此本文提出一種能檢測和識別交通信號燈狀態的新方法。首先在HSV色彩空間對交通信號燈進行顏色分割，利用交通信號燈被黑色矩形框包圍的特征進行形狀分割，將顏色分割與形狀分割相結合確認候選區域;使用顏色直方圖統計候選區域的H分量，識別交通信號燈的顏色;使用模板匹配的方法，識別箭頭型交通信號燈的方向。實驗表明，該方法的檢測與識別率達到97%以上。

【關鍵詞】交通信號燈;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

交通信號燈的檢測與識別系統是無人駕駛與輔助駕駛必不可少的一部分。目前，國內外學者已經對交通信號燈的檢測與識別做了一些研究。Masako Omachi[1]提出在RGB色彩空間分割交通信號燈，使用HOUGH變換檢測分割出的區域。該方法雖然能有效地檢測圓形交通信號燈，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燈，使用模板匹配的方法識別交通信號燈的狀態，雖然識別率很高，但是只有水平方向交通信號燈的模板，適用范圍窄。谷明琴[3]首先根據交通信號燈的圓形度和背板顏色信息對獲取的圖像進行過濾，然后將其從RGB色彩空間轉換到HSV色彩空間，使用顏色直方圖統計圖像的H分量，確定交通信號燈的類型，該方法只能檢測和識別圓形交通信號燈，無法檢測箭頭型交通信號燈。

綜合上述所提出的問題，本文提出一種將顏色分割與形狀分割相結合的方法檢測和識別交通信號燈。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色彩空間對交通信號燈進行分割，并使用圓形度方法對圓形交通信號燈進行過濾;使用顏色直方圖統計候選區域的H分量，識別交通信號燈的顏色;使用模板匹配的方法，識別箭頭型交通信號燈的方向。

二、交通信號燈檢測

由于行車環境的多變性與復雜性，因此如何快速、準確地檢測與識別交通信號燈，并且濾除圖像中的雜質是交通信號燈檢測與識別的關鍵。

在圖像處理中，人們關心的通常只是圖像的某一區域，如果只處理這些區域，將會提高圖像處理的效率和正確率，這些區域被稱為興趣區域（Regions of Interest，ROI）。根據道路交通信號燈設置與安裝要求以及實際情況，興趣區域可選圖像實際高度的1/3或1/2。由于只處理圖像的一部分，節省了系統處理時間，而且排除了非目標區域的干擾，如汽車尾燈的干擾，提高了檢測的準確性。

顏色特征是交通信號燈重要而顯著的特征之一。要對交通信號燈進行顏色分割，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個分量之間相關性較高，受光照影響較大，不利于顏色分割。HSV色彩空間符合人眼對色彩的感知，同時是圖像分割中常用的色彩空間之一。它的三個色彩通道分別是色調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通道的不同組合表示，而且三個分量之間相互獨立，滿足交通信號燈檢測與識別系統對色彩空間的獨立性和均勻性的要求。

圖1 交通信號燈檢測過程與結果

圖2 箭頭型交通信號燈模板

本文統計了不同環境條件下拍攝的交通信號燈的紅色、黃色、綠色的H與S值，確定交通信號燈的顏色閾值。

如：（或）且（），則該區域為紅燈區域;如（）且（），則該區域為綠燈區域;如（）且（），則該區域為黃燈區域。

進行顏色分割后的圖像仍然有很多非目標區域，分別在距離交通信號燈10米和100米的地方，統計圓形和箭頭型交通信號燈的面積，過濾面積過大或過小區域。對于圓形交通信號燈使用圓形度檢測，過濾圓形度過低的區域，其中圓形度是指候選區域邊緣接近圓形的程度。由于物體面積為，周長為，則為一常數，定義圓形度為：

（1）

表示圓形度，其取值范圍為，由前面描述所知時表示標準圓形。由于拍攝角度的不同和曝光等原因，交通信號燈可能發生畸變，本文選取比較寬的閾值0.5。

圖3 交通信號燈的檢測與識別結果

形狀特征是交通信號燈重要而顯著的另一特征，盡管氣候、道路環境等會對采集的交通信號燈產生不同程度的噪聲、褪色及形變，但是交通信號燈的形狀和幾何尺寸不會發生太大的變化。交通信號燈在形狀上有個顯著的特征，即它的燈板是一個黑色矩形框。根據交通信號燈的設計規范，該黑色矩形框有固定的長寬比和面積，利用該特征可以將交通信號燈的范圍提取出來。

首先采用固定閾值法將原始圖像轉換成二值圖像，將黑色部分提取出來，根據實驗與經驗選取閾值為50。將提取出的區域以8-連通的方式連接成圖像塊，過濾掉長寬比過大或過小的圖像塊。但是由于行車環境與光照的不同，交通信號燈的形狀不斷發生變化，僅依靠長寬比過濾是不行的。因此，本文同時使用了長寬比屬性和面積屬性，兩者都設置了比較寬松的閾值。分別在距離交通信號燈10米和100米的地方，統計交通信號燈燈板的面積，設定小于85個像素和大于992個像素的圖像塊為噪聲，將其過濾。如圖1所示。

三、交通信號燈識別

利用交通信號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域，在顏色分割后得到的圖像中的同一區域進行搜索，若有圖像塊出現且又不與外接矩形框交叉，為交通信號燈。

根據形狀分割與顏色分割確定的交通信號燈候選區域，使用顏色直方圖統計色調H在紅色、綠色、黃色3種顏色范圍內的像素個數Num{R，G，Y}，候選區域內總的像素個數記為N，兩者的比率為：

（2）

設定其閾值為0.85，則交通信號燈顏色的判斷如下：

（3）

統計交通信號燈的顏色信息，可確定圓形交通信號燈的狀態，但是對于箭頭型交通信號燈還需進一步確認箭頭方向。箭頭型交通信號燈有前進、左轉、右轉三種方向，如圖2所示，建立模板庫。計算模板與待匹配區域的相似性，確定箭頭方向。設原圖f（x，y）大小為M×N，圖像模板w（x，y）大小為m×n，待匹配區域s（x，y）與W（x，y）的相似性：

（4）

四、實驗與分析

為了分析本文算法的準確率與實時性，使用攝像機在陰天、背光、順光環境下拍攝交通路口的交通信號燈圖像。在Matlab7中對本文提出的算法進行仿真，發現本文算法具有實時性強、檢測與識別率高的特點，在不同環境下的檢測與識別率均在97%以上，其結果如表1所示，圖3為本算法的檢測與識別結果。

表1 交通信號燈檢測與識別率

圖像 個數/張 檢測與識別率

陰天 500 98%

背光 500 97.2%

順光 500 98.4%

總數 1500 97.9%

五、總結

本文采用將交通信號燈的顏色與形狀特征相結合的方法，在HSV色彩空間對圖像進行顏色分割，并使用圓形度方法對圓形交通信號燈進行過濾;利用交通信號燈燈板是一個黑色矩形框的特點對候選區域進行確認;使用顏色直方圖統計候選區域的H分量，識別交通信號燈的顏色;使用模板匹配的方法，識別箭頭型交通信號燈的方向。實驗結果表明該算法雖然能夠實時、準確地檢測與識別交通信號燈的狀態，但是還存在一些不足之處。例如，對于被高大樹木遮擋的交通信號燈、惡劣天氣環境下的交通信號燈，本文算法無法檢測出來，這將是我們以后研究的重點。

參考文獻

[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，劉彥.基于Lab色彩空間和模板匹配的實時交通信號燈識別算法[J].計算機應用，2010，30（5）：1251-1254.

[3]谷明琴，蔡自興.應用圓形度和顏色直方圖的交通信號燈識別[J].計算機工程與設計，2012，33（1）：44-50.

[4]黃振威.交通信號燈檢測與識別算法的研究[D].中南大學， 2012.

[5]谷明琴，蔡自興，黃振威.城市環境箭頭型交通信號燈的實時識別算法[J].中南大學學報，2013，44（5）：55-60.

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

[7]黃振威.交通信號燈檢測與識別算法的研究[D].中南大學碩士學位論文，2012.

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