基于灯体特征阈值分割的交通红绿灯图像识别

交通红绿灯自动图像识别能够为赶黄灯、闯红灯等危险驾驶行为的车载预警与干预提供依据,对于增强车辆环境感知能力和提升路口交通安全具有重大意义。文章统计分析了红绿灯HSV通道像素值的分布规律,给出了95%、97.5%和99.75%分布概率下的颜色阈值;揭示了灯体图像的变形规律,给出了3种视野范围下的7组形状阈值;在利用颜色和形状阈值提取灯体候选区域的前提下,提取9维像素密度矩阵并利用支持向量机来判断识别灯体。算法识别的平均准确率可达97.18%,误检率为4.57%,漏检率为2.82%,实时性相对较好。

联合时序-空间特性的红绿灯视频图像检测方法

针对一些强干扰情况下的红绿灯图像检测问题,提出一种基于时序-空间特性的红绿灯视频图像双阶段检测方法。该方法基于灯体图像的颜色和形状特征分割感兴趣区域,计算其900维方向梯度直方图特征并利用支持向量机分类判断,提取给定时间窗口内连续交通图像序列中的所有灯体候选目标;进行目标匹配、关联和跟踪,提取其点亮状态时序规律,并分别设计单体时序过滤算法、组合时序匹配算法、空间几何关系验证算法和单灯点亮逻辑验证4种算法来实现红绿灯目标检测。实验表明,该方法综合检测准确率为97.4%,误检率为2.6%,漏检率仅为0.2%,对于各类极相似干扰物的滤除率达98.9%,且当灯体被局部遮挡时依然能进行有效检测。