基于图像处理的交通灯检测技术.docVIP

　　基于图像处理的交通灯检测技术 摘 要： 针对城市交通安全和路口通行效率等问题，研究一种交通信号灯检测的技术。采用亮度分析、图像分割和形态学滤波对采集的图像进行预处理，排除背景干扰；利用RGB 颜色空间下的颜色各通道差值分布检测交通灯颜色；最后基于对图像[0°，180°]的Radon变换找出峰值对应的角度，对图像在该角度上分别进行变换，利用形状特征对交通灯进行形状检测。采集自然环境下图像进行试验。结果表明，该算法的正确识别率达到90%以上，是一种较好的交通信号灯检测方法。 中国 8/vie 　　关键词： 图像处理； 交通灯检测； RGB； Radon变换 　　中图分类号： TN911?34.73； TP39 文献标识码： A ： 1004?373X（2017）08?0103?04 　　Traffic lights detection technology based on image processing 　　echanical Engineering， Nantong University， Nantong 226019， China； 　　2. Jiangsu Engineering Research Center for s 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 age is transformed. The shape feature is employed to detect the shape of the traffic lights. The image acquired in the natural environmental is higher than 90%， ethod for traffic light detection. 　　Keyage processing； traffic lights detection； RGB； Radon transform 　　随着道路交通迅速发展，交通事故急剧增加。因此，智能交通系统成为了未来发展的重要领域。智能交通系统是一种将信息技术、通信技术、传感技术、控制技术以及计算机技术等有效地集成融合于整个交通运输管理体系， 而建立起的一种在大范围内、全方位发挥作用的，实时、准确、高效的综合的运输和管理系统[1]。基于智能交通系统的快速发展需求，很多研究学者开始致力于研究各种基于图像的目标检测系统，例如建筑物检测， 树木检测，以及大量的基于图像的交通灯检测系统[2]。对交通信号灯的识别是智能交通机器视觉的的一个重要部分，可以及时为驾驶员提供当前路口状态，提示道路可行性，避免交通事故发生；对于无人驾驶系统，交通灯检测识别则是确保安全性的关键技术之一。 　　现有的交通灯识别算法主要利用颜色和形状信息。Jin?Hymig Park等利用颜色信息，提取可能是交通信号灯的像素，利用K均值聚类方法进行聚类；再用简单的圆检测算法，检测圆形交通信号灯，但在复杂环境下，漏检、误检率较高[进行预处理，部分排除背景干扰。 　　1.1 图像灰度阈值分割 　　交通灯所处的背景较为复杂，干扰因素较多。为了满足系统实时性要求，必须快速、准确地检测定位交通灯在图像中的位置并进行识别。本文利用交通灯自行发光的特点，亮度特征比图像背景较为明显，分析图像的亮度属性，对图像进行阈值分割，消除图像背景的影响。实时从图像中提取亮度值，既能一定程度消除光照的影响，更能确保该算法的鲁棒性。原图像见图1。