论文部分内容阅读
摘 要：我国城镇化建设的稳步推进，城镇道路建设发展迅猛，交通信号灯成为城镇交通领域不可或缺的重要组成部分。受空气环境污染，雾霾天气经常出现严重影响了人们的生活，驾驶员因无法及时识别交通灯信号而发生交通事故的情况时有发生。针对交通信号灯在雾霾天气下不容易识别的情况，本文论述了一种抗雾霾天气的交通灯定位识别算法。
关键词：雾霾天气;交通信号灯;定位;识别算法
引言
在复杂天气情况下及时准确识别交通灯，是影响交通安全的重要因素之一。现有的交通灯检测算法，对采集的图像清晰度要求较高，适用于在天气条件较好的情况下，由于雾霾天气采集的图像不清晰所以不适用，因此需要一种适用于雾霾天气的交通信号灯处理体统。
1.抗雾霾天气交通信号灯与原有信号灯系统对比
现有交通灯自动识别系统主要有一是颜色定位法，是将交通灯图像用RGB色系进行定位识别，对图像要求色彩对比鲜明，系统算法比较简单。二是模板匹配法，通过搭建数据库平台与采集的图像进行对比，由于数据需要大量图像数据支持，而信号灯样式多种多样，数据库不容易完善到位，不容易实施。三是邻分类器法，虽然不需要建立数据模型，对图形形状没有要求，但是容易受外界噪音等因素干扰。抗雾霾天气交通信号灯系统是针对雾霾等能见度低的天气下的交通信号灯准确定位与识别系统，主要应用了以下几个技术的组合，一是使用Harris角点检测算法定位信号灯灯框的位置，二是采用引导滤波技术提供图片对比度，三是将灯框区域图像转换成HSV色系识别信号灯。
2关键技术与相关工作
2.1引导滤波的优势
雾霾是影响图像清晰度的重要因素，如何减小雾霾对图像的影响是关键。图像去雾是雾霾图像处理的关键技术，通过处理后增强了图像轮廓等特征。图像去雾主要有以下算法：一是图像复原类去雾算法，该种方法主要是通过采集正常天气下的图像和雾霾天气下采集的图像进行参照来找出原图像，因此效果较为理想，但由于正常天气下的原图像信息采集难度很大，所以可行性较低。二是图像增强类去雾算法，这是一种最为简单的方式，直接通过增强色彩对比，达到去雾的目的，但是图像的细节不能有效的显示出来，效果不理想。导滤波是一种图像滤波技术，原理是将一张样板图像作为参照，对采集的图像进行滤波处理，处理后的图像基本与采集的图像接近，纹理部分与样品图像接近。当样板图像为采集的图像本身时，可以用于图像的重建，将滤波技术用于雾霾图像的预处理，有效的进行去雾处理，减少外界干扰，解决了上述两种去雾算法的弊端。
2.2 Harris角点检测的优势
首先根据不同交通信号灯的形状和颜色一致的特性，对图像进行矩形灯框位置的提取，信号灯一致性的特性是灰度值较低的黑色矩形灯框内部包括一个或三个圆。 Hough 变换算法是目前交通信号灯矩形检测算法系统中最普遍的算法，它的原理是基于矩形的结构特性，矩形是由四条线段组成的，对边平行而且两两相交，所以通过监测4条线段所在的直線就可以确定直线的交点，交点就是矩形的顶点。通过Hough 变换算法可以确定图像中全部矩形，但是对于尺寸较小的矩形检测不精确，因为Hough 变换算法需要对直线进行检测，所以计算量很大，计算过程需要的时间较长，不能达到实际使用中快速反应的要求，缺乏实时性。Harris角点检测算法是用一个矩形的样板，在图像上进行移动，然后对比移动前和移动后的模板内灰度变化情况。通过判断灰度的变化情况，来确认模板中是否存在角点，移动引起的灰度变化较大，说明有角点存在。利用这个原理可以快速检测出长方形的角点，从而起到定位的作用，与Hough变换算法相比，Harris角点检测不是用线段来定位矩形的，只是通过几个角点来定位，这种方法更加快捷方便，计算方法简单，提高了定位的准确性。
2.3 HSV色系的优势
交通信号灯所在环境复杂多变，因此RGB色系必然会受到光线等因素的影响，造成交通信号灯的颜色会有所偏差，为了更好地进行识别处理，就必须利用色彩空间的进行调整。三大色系空间中Luv 色系空间突出明度和亮度，不适用于交通信号灯。 Lab 色系空间是比较全面的系统，能够满足颜色的要求，但 lab转换过程复杂，需要用的时间较长，因此也不适用于交通信号灯系统。 HSV 空间的包括色度、饱和度和亮度等元素，H代表色度（ Hue ）空间，H代表饱和度（ Saturation ）空间，V亮度（ Value ），能够充分的显示红绿色彩的色调，更容易进行识别，因此可以应用于交通信号灯识别系统中。交通灯矩形框中有红灯、黄灯、绿灯三种色彩的信号灯。所以在进行定位时，每个黑色矩形框中仅有一种颜色，所以该系统具有便于识别，计算量小，实效性强的优势。
结语：
综上所述，本文从图像处理、定位、识别等方面介绍了交通信号灯的定位和识别算法。论述了雾霾天气等复杂天气情况下，结合目前交通灯定位识别系统在实际应用中存在的缺陷，针对雾霾天气对交通信号灯的影响，提出了可以在雾霾天气下正常工作的定位与识别算法。通过引导滤波预处理技术、Harris角点检测定位技术和HSV色彩空间技术的组合利用，进行交通灯定位和识别，可以在雾霾等复杂天气情况下，对交通信号灯进行及时准确的识别，保证交通安全。
参考文献：
[1] 黄振威.交通信号灯检测与识别算法的研究[D].中南大学硕士学位论文，2012.
[2] 徐丽珍，孙霖.基于Adaboost的人行横道红绿灯自动识别算法[J].计算机应用与软件，2010，27（3）：241-251.
[3] 朱永珍，孟庆虎，普杰信.基于HSV色彩空间与形状特征的交通灯自动识别[J].视频应用与工程，2015，39（5）：150-154.
[4] 徐成， 谭乃强， 刘彦 . 基于 Lab 色彩空间和模板匹配的实时交通灯识别算法 [J]. 计算机应用， 2010 ， 30（5 ） ： 1251-1254.
作者简介：
第一作者：吕鑫 （1998.3—）男，汉族，学生，河南省光山县，单位：郑州大学水利与环境学院，专业：道路桥梁与渡河工程 研究方向： 智能交通
第二作者：王轼超（1998.9-）男，汉族，学生，河北省沧州市，单位：郑州大学水利与环境学院，专业：道路桥梁与渡河工程
关键词：雾霾天气;交通信号灯;定位;识别算法
引言
在复杂天气情况下及时准确识别交通灯，是影响交通安全的重要因素之一。现有的交通灯检测算法，对采集的图像清晰度要求较高，适用于在天气条件较好的情况下，由于雾霾天气采集的图像不清晰所以不适用，因此需要一种适用于雾霾天气的交通信号灯处理体统。
1.抗雾霾天气交通信号灯与原有信号灯系统对比
现有交通灯自动识别系统主要有一是颜色定位法，是将交通灯图像用RGB色系进行定位识别，对图像要求色彩对比鲜明，系统算法比较简单。二是模板匹配法，通过搭建数据库平台与采集的图像进行对比，由于数据需要大量图像数据支持，而信号灯样式多种多样，数据库不容易完善到位，不容易实施。三是邻分类器法，虽然不需要建立数据模型，对图形形状没有要求，但是容易受外界噪音等因素干扰。抗雾霾天气交通信号灯系统是针对雾霾等能见度低的天气下的交通信号灯准确定位与识别系统，主要应用了以下几个技术的组合，一是使用Harris角点检测算法定位信号灯灯框的位置，二是采用引导滤波技术提供图片对比度，三是将灯框区域图像转换成HSV色系识别信号灯。
2关键技术与相关工作
2.1引导滤波的优势
雾霾是影响图像清晰度的重要因素，如何减小雾霾对图像的影响是关键。图像去雾是雾霾图像处理的关键技术，通过处理后增强了图像轮廓等特征。图像去雾主要有以下算法：一是图像复原类去雾算法，该种方法主要是通过采集正常天气下的图像和雾霾天气下采集的图像进行参照来找出原图像，因此效果较为理想，但由于正常天气下的原图像信息采集难度很大，所以可行性较低。二是图像增强类去雾算法，这是一种最为简单的方式，直接通过增强色彩对比，达到去雾的目的，但是图像的细节不能有效的显示出来，效果不理想。导滤波是一种图像滤波技术，原理是将一张样板图像作为参照，对采集的图像进行滤波处理，处理后的图像基本与采集的图像接近，纹理部分与样品图像接近。当样板图像为采集的图像本身时，可以用于图像的重建，将滤波技术用于雾霾图像的预处理，有效的进行去雾处理，减少外界干扰，解决了上述两种去雾算法的弊端。
2.2 Harris角点检测的优势
首先根据不同交通信号灯的形状和颜色一致的特性，对图像进行矩形灯框位置的提取，信号灯一致性的特性是灰度值较低的黑色矩形灯框内部包括一个或三个圆。 Hough 变换算法是目前交通信号灯矩形检测算法系统中最普遍的算法，它的原理是基于矩形的结构特性，矩形是由四条线段组成的，对边平行而且两两相交，所以通过监测4条线段所在的直線就可以确定直线的交点，交点就是矩形的顶点。通过Hough 变换算法可以确定图像中全部矩形，但是对于尺寸较小的矩形检测不精确，因为Hough 变换算法需要对直线进行检测，所以计算量很大，计算过程需要的时间较长，不能达到实际使用中快速反应的要求，缺乏实时性。Harris角点检测算法是用一个矩形的样板，在图像上进行移动，然后对比移动前和移动后的模板内灰度变化情况。通过判断灰度的变化情况，来确认模板中是否存在角点，移动引起的灰度变化较大，说明有角点存在。利用这个原理可以快速检测出长方形的角点，从而起到定位的作用，与Hough变换算法相比，Harris角点检测不是用线段来定位矩形的，只是通过几个角点来定位，这种方法更加快捷方便，计算方法简单，提高了定位的准确性。
2.3 HSV色系的优势
交通信号灯所在环境复杂多变，因此RGB色系必然会受到光线等因素的影响，造成交通信号灯的颜色会有所偏差，为了更好地进行识别处理，就必须利用色彩空间的进行调整。三大色系空间中Luv 色系空间突出明度和亮度，不适用于交通信号灯。 Lab 色系空间是比较全面的系统，能够满足颜色的要求，但 lab转换过程复杂，需要用的时间较长，因此也不适用于交通信号灯系统。 HSV 空间的包括色度、饱和度和亮度等元素，H代表色度（ Hue ）空间，H代表饱和度（ Saturation ）空间，V亮度（ Value ），能够充分的显示红绿色彩的色调，更容易进行识别，因此可以应用于交通信号灯识别系统中。交通灯矩形框中有红灯、黄灯、绿灯三种色彩的信号灯。所以在进行定位时，每个黑色矩形框中仅有一种颜色，所以该系统具有便于识别，计算量小，实效性强的优势。
结语：
综上所述，本文从图像处理、定位、识别等方面介绍了交通信号灯的定位和识别算法。论述了雾霾天气等复杂天气情况下，结合目前交通灯定位识别系统在实际应用中存在的缺陷，针对雾霾天气对交通信号灯的影响，提出了可以在雾霾天气下正常工作的定位与识别算法。通过引导滤波预处理技术、Harris角点检测定位技术和HSV色彩空间技术的组合利用，进行交通灯定位和识别，可以在雾霾等复杂天气情况下，对交通信号灯进行及时准确的识别，保证交通安全。
参考文献：
[1] 黄振威.交通信号灯检测与识别算法的研究[D].中南大学硕士学位论文，2012.
[2] 徐丽珍，孙霖.基于Adaboost的人行横道红绿灯自动识别算法[J].计算机应用与软件，2010，27（3）：241-251.
[3] 朱永珍，孟庆虎，普杰信.基于HSV色彩空间与形状特征的交通灯自动识别[J].视频应用与工程，2015，39（5）：150-154.
[4] 徐成， 谭乃强， 刘彦 . 基于 Lab 色彩空间和模板匹配的实时交通灯识别算法 [J]. 计算机应用， 2010 ， 30（5 ） ： 1251-1254.
作者简介：
第一作者：吕鑫 （1998.3—）男，汉族，学生，河南省光山县，单位：郑州大学水利与环境学院，专业：道路桥梁与渡河工程 研究方向： 智能交通
第二作者：王轼超（1998.9-）男，汉族，学生，河北省沧州市，单位：郑州大学水利与环境学院，专业：道路桥梁与渡河工程