李海霞 羅芳芳

摘要 隨著汽車(chē)保有量的增加，汽車(chē)交通事故逐年增加，其中由于駕駛員疲勞駕駛、近視、紅綠色盲，不熟悉路況等原因，無(wú)法及時(shí)識(shí)別交通信號(hào)燈而造成的交通事故屢見(jiàn)不鮮。本文設(shè)計(jì)了一種可用于汽車(chē)輔助駕駛系統(tǒng)的交通信號(hào)燈自動(dòng)識(shí)別算法。首先對(duì)圖像進(jìn)行預(yù)處理，將圖像的顏色空間從RGB空間轉(zhuǎn)換到HSV空間;其次使用形態(tài)學(xué)開(kāi)運(yùn)算對(duì)圖片中紅、綠、黃色區(qū)域進(jìn)行初步識(shí)別，去除掉圖片中不為紅綠黃色的噪聲區(qū)域和毛邊等無(wú)關(guān)信息，并得出紅綠黃色三個(gè)區(qū)域的坐標(biāo);最后利用空洞填充法填充二進(jìn)制的空洞區(qū)域，恢復(fù)待識(shí)別的圓形目標(biāo)區(qū)域信號(hào);接著利用區(qū)域檢測(cè)的算法定位找出交通信號(hào)燈的具體位置并讀取交通信號(hào)燈的顏色信息，最終利用目標(biāo)區(qū)域中心點(diǎn)坐標(biāo)判斷出交通信號(hào)燈的顏色類(lèi)型，完成了交通信號(hào)燈的識(shí)別。算法在MATLAB平臺(tái)上對(duì)實(shí)際拍攝的交通信號(hào)燈圖片進(jìn)行識(shí)別，結(jié)果表明該算法對(duì)于圓形交通信號(hào)燈有較高的識(shí)別率。

【關(guān)鍵詞】汽車(chē)輔助駕駛 交通信號(hào)燈 識(shí)別形態(tài)學(xué)處理

1 引言

二十一世紀(jì)以來(lái)，汽車(chē)的量化使得人們購(gòu)買(mǎi)汽車(chē)的難度降低，一線城市甚至還出現(xiàn)了共享汽車(chē)，所以現(xiàn)在馬路上的汽車(chē)越來(lái)越多，交通事故發(fā)生率也在不斷增加。其中，許多交通事故是由于駕駛員疲勞駕駛，注意力不集中或者對(duì)路況不熟悉、色盲色弱而導(dǎo)致的無(wú)法及時(shí)正確識(shí)別交通信號(hào)燈造成?；诖?，汽車(chē)輔助駕駛系統(tǒng)的交通信號(hào)燈識(shí)別研究也成為目前無(wú)法回避的研究熱點(diǎn)。國(guó)內(nèi)外的研究學(xué)者相繼提出了對(duì)交通信號(hào)燈進(jìn)行智能識(shí)別的算法?，F(xiàn)有的信號(hào)燈識(shí)別算法主要利用了信號(hào)燈的色彩及形狀特征?；谏侍卣鞯淖R(shí)別算法是選取某個(gè)色彩空間對(duì)信號(hào)燈顏色進(jìn)行描述并選取合適的閾值進(jìn)行分割、提取;基于形狀特征的識(shí)別算法是利用信號(hào)燈圓形、箭頭形等形狀特征及其附屬物的形狀信息對(duì)候選區(qū)域進(jìn)行提取。2011年武瑩提出基于圖像處理的交通信號(hào)燈識(shí)別方法研究，該算法將RGB顏色空間轉(zhuǎn)換到HSI顏色空間，再進(jìn)行圓形檢測(cè)，通過(guò)在形狀分割最小外接矩形中搜索是否有色彩圖塊，來(lái)確定交通信號(hào)燈的圖塊，該方法實(shí)時(shí)性差，漏檢率高。谷明琴等人提出基于顏色閾值分割法進(jìn)行識(shí)別，該方法利用HIS顏色空間，基于對(duì)顏色直方圖的分析，給出顏色分割的閾值，區(qū)分交通信號(hào)燈的顏色，該方法弊端是受光照影響大，所以魯棒性不高。Raoul de Charette等提出了一種基于亮度的圓形交通信號(hào)燈檢測(cè)和識(shí)別算法，該算法將彩色圖像轉(zhuǎn)換為灰度圖像，再二值化，接著通過(guò)形態(tài)學(xué)濾波過(guò)濾連通域，最后運(yùn)用自適應(yīng)模板匹配ATM進(jìn)行識(shí)別，但該方法唯一的弊端是對(duì)光照過(guò)強(qiáng)的天氣無(wú)法識(shí)別。

2 交通信號(hào)燈識(shí)別算法

對(duì)于汽車(chē)輔助駕駛系統(tǒng)中交通信號(hào)燈的識(shí)別，應(yīng)該具有的功能是，對(duì)空間分布的交通信號(hào)燈的信息進(jìn)行圖像采集，然后對(duì)采集的圖像進(jìn)行預(yù)處理，接著定位交通信號(hào)燈的具體位置并讀取交通信號(hào)燈的顏色信息，根據(jù)一定的顏色判定方法識(shí)別交通信號(hào)燈顏色。所提算法的總體設(shè)計(jì)流程圖l所示。

2.1 顏色空間轉(zhuǎn)換

在顯示器系統(tǒng)發(fā)揮作用的通常是RGB顏色空間，譬如：電腦、電視機(jī)的顯示器行使的皆是RGB顏色空間。圖片中的所有顏色種類(lèi)都可以由R、G、B三原色進(jìn)行組合。自然界中的每種顏色都可以映射為RGB空間中的一個(gè)點(diǎn)，RGB顏色空間比較簡(jiǎn)單，其三分量間互不干擾，但它并不符合人眼對(duì)于顏色的感知。HSV顏色空間是圖像分割中常用的顏色空間之一，其三個(gè)顏色通道是色調(diào)H、飽和度S、亮度V;H表示顏色的類(lèi)別，如紅色、橙色、黃色、青色、綠色等等;S表示顏色的深淺程度;V表示顏色的亮度;自然界中，任何一種顏色都可以用這三個(gè)顏色通道的不同組合來(lái)表示。HSV顏色空間不適合顯示器系統(tǒng)，然而卻更符合人眼的視覺(jué)特性，因此通常會(huì)將顏色從RGB空間域轉(zhuǎn)換到HSV空間域進(jìn)行處理，然后再換回RGB域進(jìn)行顯示。其數(shù)學(xué)模型的示意方式如圖2所示。某一像素的H可以由該點(diǎn)與白色基準(zhǔn)線所形成的圓心角表示，H的取值范圍為[0.360];某一點(diǎn)的s可以由該點(diǎn)與所在圓面的圓心之間的距離表示，距離越大，飽和度越高，反之越低;某一點(diǎn)的V可以由該點(diǎn)所在圓面與圓錐頂部之間的距離表示，距離越大，亮度越高，反之則越低。原圖像轉(zhuǎn)換到HSV顏色空間后的圖像如圖3所示。

利用分段函數(shù)法，實(shí)現(xiàn)由RGB顏色空間到HSV顏色空間的轉(zhuǎn)換：

顏色空間轉(zhuǎn)換完后會(huì)分別得到紅色、黃色、綠色三種顏色的二值化圖像，如圖4，圖5，圖6所示。接下來(lái)會(huì)分別對(duì)三種顏色的二值化圖像進(jìn)行形態(tài)學(xué)處理。

2.2 形態(tài)學(xué)處理

算法中的形態(tài)學(xué)處理包括形態(tài)學(xué)開(kāi)運(yùn)算和形態(tài)學(xué)空洞填充。形態(tài)學(xué)開(kāi)運(yùn)算的歷程中包括了膨脹和腐蝕。膨脹可將圖像區(qū)域周?chē)谋尘包c(diǎn)合并到區(qū)域中去，使區(qū)域面積增大相應(yīng)的數(shù)量點(diǎn)。腐蝕即使圖像縮小，消除物體邊界點(diǎn)。腐蝕可把小于結(jié)構(gòu)元素的物體去除，選取不同大小的結(jié)構(gòu)元素，可去掉不同大小且無(wú)意義的物體。當(dāng)結(jié)構(gòu)元素足夠大時(shí)可消除兩物體間細(xì)小的連通，從而將兩物體分開(kāi)。因此，腐蝕處理的結(jié)果可使原來(lái)的二值圖像減小一圈，可以把小于結(jié)構(gòu)元素的物體如毛刺、凸起等去除掉。形態(tài)學(xué)開(kāi)運(yùn)算定義為先腐蝕后膨脹的運(yùn)算。形態(tài)學(xué)閉運(yùn)算是開(kāi)運(yùn)算的對(duì)偶運(yùn)算，即對(duì)圖像先膨脹后腐蝕的運(yùn)算?？商畛湮矬w內(nèi)細(xì)小空洞、合并斷裂的目標(biāo)物、平滑其邊界的同時(shí)基本保持其面積。

本文使用形態(tài)學(xué)開(kāi)運(yùn)算，先對(duì)圖像進(jìn)行腐蝕去除毛邊噪聲等區(qū)域，再對(duì)圖像進(jìn)行膨脹運(yùn)算一一空洞填充?？斩刺畛涞膶?shí)質(zhì)就是一個(gè)形態(tài)學(xué)膨脹重建的過(guò)程，其目的是填充二進(jìn)制圖像中的空洞區(qū)域，恢復(fù)出待識(shí)別信息。經(jīng)過(guò)形態(tài)學(xué)開(kāi)運(yùn)算后，黃色和綠色二值化區(qū)域都被濾除，只剩下紅色二值化區(qū)域，對(duì)紅色二值化區(qū)域進(jìn)行空洞填充后的結(jié)果如圖7所示。

2.3 交通信號(hào)燈位置識(shí)別

本文主要對(duì)圓形交通信號(hào)燈進(jìn)行識(shí)別，因此要重點(diǎn)消除圖片中過(guò)大過(guò)小和不是圓形的區(qū)域。MATLAB中實(shí)現(xiàn)的編程代碼為：

smim=（aa/15）^2;

（4）

smax=（aa）^2/2;

（5）

bw_circle（i）<0.5;

（6）

代碼（4）設(shè)置目標(biāo)區(qū)域不能小于原圖面積的255分之一，太小則被視為噪聲濾除;代碼（5）設(shè)置目標(biāo)區(qū)域最大不能大于原圖的一半。代碼（6）實(shí)現(xiàn)將不夠圓的區(qū)域去掉。最后得到的就是目標(biāo)區(qū)域了。通過(guò)求取目標(biāo)區(qū)域的橫縱坐標(biāo)的均值作為目標(biāo)區(qū)域中心點(diǎn)坐標(biāo)的方法得出目標(biāo)區(qū)域中心點(diǎn)坐標(biāo)，進(jìn)而實(shí)現(xiàn)了圓形交通信號(hào)燈的位置識(shí)別，算法識(shí)別成功會(huì)采用綠色的矩形框?qū)⒛繕?biāo)區(qū)域進(jìn)行定位。如圖8所示。

2.4 交通信號(hào)燈顏色識(shí)別

在判定交通信號(hào)燈的顏色過(guò)程中，設(shè)定不為零的中心點(diǎn)坐標(biāo)所處的區(qū)域就是該交通信號(hào)燈的顏色。設(shè)定紅色中心點(diǎn)坐標(biāo)為（xl，yl）、綠色中心點(diǎn)坐標(biāo)為（x2，y2）、紅色中心點(diǎn)坐標(biāo)為（x3，y3）。其判定規(guī)則是：若判定的紅、綠或黃色目標(biāo)區(qū)域中有一個(gè)連通區(qū)域的中心點(diǎn)坐標(biāo)不為零，另外兩個(gè)連通區(qū)域中心點(diǎn)坐標(biāo)為零，則交通信號(hào)燈的顏色識(shí)別為中心點(diǎn)坐標(biāo)不為零區(qū)域的顏色。若有兩個(gè)目標(biāo)區(qū)域的中心點(diǎn)坐標(biāo)不為零，另一個(gè)中心點(diǎn)坐標(biāo)為零，或者三個(gè)區(qū)域的的中心點(diǎn)坐標(biāo)都不為零以及三個(gè)區(qū)域的中心點(diǎn)坐標(biāo)都為零時(shí)，則說(shuō)明該交通信號(hào)燈識(shí)別算法失效。出現(xiàn)該情況的原因是輸入圖像中的目標(biāo)區(qū)域由于拍攝時(shí)光線等因素的影響，使得目標(biāo)區(qū)域顏色跟其他兩個(gè)區(qū)域非目標(biāo)區(qū)域顏色相近。比如白天拍攝光線非常強(qiáng)時(shí)，紅燈的顏色拍攝完后變成橙紅色，接近黃色，顏色空間轉(zhuǎn)化完后，在黃色區(qū)域二值化圖像里面同時(shí)包含了本該為紅色的目標(biāo)區(qū)域，進(jìn)而造成識(shí)別失敗。交通信號(hào)燈顏色識(shí)別的MATLAB仿真結(jié)果如圖9和圖10所示。

3 算法仿真

本文所設(shè)計(jì)的專(zhuān)門(mén)針對(duì)圓形交通燈信號(hào)識(shí)別算法在MATLAB軟件中進(jìn)行仿真。算法對(duì)6張圖片進(jìn)行了識(shí)別。其中4張圖片全部能夠正確識(shí)別，有兩張圖片由于拍攝時(shí)光線太強(qiáng)，造成了信號(hào)燈顏色變化而識(shí)別失敗。圖11為可以正確識(shí)別的4張交通信號(hào)燈圖片。圖12為識(shí)別失敗的兩張信號(hào)燈圖片。

4 結(jié)論

文中所提交通信號(hào)燈識(shí)別算法包括：圖片從RGB空間轉(zhuǎn)換到HSV空間，紅色、黃色、綠色三種顏色區(qū)域的圖像二值化處理，形態(tài)學(xué)開(kāi)運(yùn)算進(jìn)行圖形濾波去燥和空洞填充，對(duì)圓形區(qū)域進(jìn)行識(shí)別，最后目標(biāo)區(qū)域的位置和顏色進(jìn)行識(shí)別。整個(gè)算法流程較為簡(jiǎn)便，對(duì)圓形信號(hào)燈識(shí)別率較高，但是仍然會(huì)受到拍攝時(shí)光線強(qiáng)度變化的影響。

參考文獻(xiàn)

[1]金濤，復(fù)雜場(chǎng)景下交通燈的檢測(cè)與識(shí)別方法研究[D].上海：上海交通大學(xué)，2012.

[2]侶君淑，朱文興，沙永賀.復(fù)雜背景下的交通信號(hào)燈綜合識(shí)別方法[J]，山東大學(xué)學(xué)報(bào)（工學(xué)版），2014，44 （02）： 64-68.

[3]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 （03）： 51-54.

[4]王豪.交通信號(hào)燈識(shí)別技術(shù)方法的研究[D].東北大學(xué)，2013.

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

[6]朱淑鑫.交通標(biāo)志及信號(hào)燈的檢測(cè)與識(shí)別研究[D].南京：南京理工大學(xué)，2012.

[7]楊淑熒.圖像識(shí)別與項(xiàng)目實(shí)踐[M].北京：電子工業(yè)出版社，2014.

[8]吳澤峰，張重陽(yáng)，許明文，基于投影特征值的交通信號(hào)燈檢測(cè)與識(shí)別方法[J].現(xiàn)代電子技術(shù)，2014，39 （09）：160-163.

[9]周宣汝，袁家政，留宏哲，基于HOG特征的交通信號(hào)燈實(shí)時(shí)識(shí)別算法研究[J].計(jì)算機(jī)科學(xué)，2014，41（07）： 313-317.

[10]李佳陽(yáng)，劉奇，基于MATLAB交通信號(hào)燈識(shí)別方法[J].甘肅科技，2016，32 （23）： 23-43.

[11]付強(qiáng)，智能汽車(chē)交通燈識(shí)別方法研究[D].哈爾濱：哈爾濱理工大學(xué)，2016.

[12]?？镂酰悄苘?chē)輛的交通燈識(shí)別[D].上海：上海交通大學(xué)，2012.

[13]張立天，交通信號(hào)燈檢測(cè)一跟蹤一定位與識(shí)別方法研究[D]，北京：北京理工大學(xué)，2014.

[14] Ballabio D，Vasight M，Kompany-ZarehM.Genetie Algonthms for architectureoptimisation of Counter-PmpagationArtificial Network [J]. Chemometricsand Intelligent LaboratorySystems，2011：105 （01）： 56-64.