论文总字数：16239字

目 录

第一章绪论 5

1.1课题研究的背景及意义 5

1.2 国内外研究现状 7

1.3 图像处理 8

第二章 总体方案 8

2.1 系统结构分析 8

2.2 系统结构设计 9

第三章交通信号灯的图像预处理 11

3.1 图像输入 11

3.2 交通信号灯的定位 11

3.2.1 基于形状特征的图像分割 11

3.2.2亮光位置的定位 13

3.3颜色分割 14

3.3.1 不同颜色空间的区别 14

3.3.2 颜色分割 15

3.3.3 RGB颜色空间与HSI颜色空间之间的转换 16

3.3.4 RGB颜色空间与Lab颜色空间之间的转换 16

第四章 交通信号灯的识别 18

4.1 交通信号灯识别算法流程 18

4.2 交通信号灯识别 19

4.3 交通信号灯识别的结果输出 19

第五章 系统分析 20

5.1 系统界面 20

5.2 系统分析 22

第六章 总结与展望 22

参考文献 24

致谢 25

基于图像处理的交通信号灯识别

郭文建

Abstract: After the intersection usually encounter traffic lights, traffic lights for vehicle identification problems, can the traffic lights recognition system based on image processing, the system includes image segmentation, color segmentation, positioning of traffic lights, traffic lights and other parts recognition. In order to identify traffic signals more accurately, you can first convert RGB images into HSI color spaces. In the HSI color space, because of the overlap of red and yellow areas, you can use the Lab color space to identify the red and yellow lights. Recognition in the Lab color space, the need for color segmentation in Lab color space, extract the red pixels and yellow pixels, as the red channel and yellow channel are separated, so the recognition result is more accurate. Finally, the identified results are outputed through the system. Keywords: Traffic signal recognition; location; image segmentation; color space conversion; color segmentation

第一章绪论

1.1课题研究的背景及意义

自从汽车问世以来，人们对汽车的运用越来越广泛，汽车为世界的发展做出巨大的贡献如下图。汽车作为一种交通工具，已经成为人们日常生活中离不开的一部分了。然而在汽车发展的同时，许多问题也随之而来，比如大气污染、能源危机、交通事故等等。全世界大概有７％~８％的红绿色盲、色弱患者，对于这些人，驾驶汽车很容易出危险，因此，为这些人设计一款能够辅助识别交通信号灯的工具很有必要^[1]。而随着智能时代的到来，汽车也将变得智能化，而汽车要变得智能化，无人驾驶技术就不可获取。但不管是辅助驾驶系统还是无人驾驶系统，交通信号灯识别都是必须要有的。

图1 大城市里川流不息的车辆

因此，智能汽车无人驾驶操作系统及高级驾驶员辅助系统ADAS(Advanced Driver Assistant System)都已经成为热点^[2]。通过安装在汽车上的传感器，通过嵌入式处理信息并做出决定，辅助驾驶员或变成驾驶员进行驾驶行为。汽车智能程度越来越高，智能汽车已成为汽车行业未来发展的方向^[3]。在今天，为了城市疏导交通，基本上每个路口都有交通信号灯，而交通信号的应用，使交通得以有效的管制，交通信号灯作为重要的交通标志，可以给驾驶员提供很多有用的信息，如下图。在一些复杂的驾驶环境或视觉信息太多而人眼无法立刻辨别的情况下，利用高新技术开发无人驾驶操作系统或高级驾驶员辅助系统刻不容缓，而无人驾驶操作系统或高级驾驶员辅助字体作为驾驶员或辅助驾驶员的工具，识别交通信号灯尤为重要。

图2 在交通灯引导下正确行驶的车辆

(1)辅助驾驶系统

辅助驾驶系统可具体分为刹车系统、行车系统、自动停车系统、倒车系统、车道保持系统等。现在倒车系统、刹车系统和车道保持系统发展已经相对成熟，在现实中已经开始应用了；而作为行车系统重要组成部分的交通信号灯识别系统，还有大量急需解决的问题。辅助驾驶系统可以帮助色盲或色弱的驾驶员进行正确的驾驶操作，减少因分不清交通信号灯引起的交通事故。

(2)无人驾驶系统

无人驾驶系统虽然发展时间较短，但目前已经有了成品，并且已经应用在智能汽车上了。美国、日本、瑞典等国已经有无人驾驶汽车，并且已经开始出售了。虽然无人驾驶汽车还有很多问题需要一一解决，但未来无人驾驶已经成为发展趋势，如下图是一辆正在测验汽车性能的无人驾驶汽车。我国在上世纪已经开始无人驾驶汽车的研究了，我国第一辆无人驾驶汽车在1992年就已经研制成功了，而第一辆城市无人驾驶汽车也在2005年研制成功了。这些足以说明我国在无人驾驶技术方面已经取得了很大的成就，并且随着科技的进步，这些技术会越来越成熟。

图3 无人驾驶汽车

1.2 国内外研究现状

随着智能汽车的迅速发展，智能汽车识别技术也日趋成熟，基于图像处理的交通信号灯识别技术也成为了研究焦点。2007年，美国国防部举办的城市挑战赛吸引了许多科技团队的参加。该挑战赛主要考验了无人驾驶车辆的智能识别能力、实时性及安全性等各方面。在挑战中，无人驾驶汽车需要在模拟城市中进行自主行驶，期间完成各种各样的任务，包括交通信号灯的识别、自主规划车辆的前进路线等等。2008年，我国就将 “视听觉信息的认知计算”列为研究计划之一，其中具有自然环境感知能力和智能行为决策能力的无人驾驶汽车是研究计划的目标之一。2009年，我国第一届智能汽车挑战赛正式举行，挑战赛要求比赛车辆在行驶的过程中具有能识别障碍物、U-Turn、交通信号灯、路面减速带以及自主停车等能力^[4]。

澳大利亚的Mahipa.R.Yelal在Lab颜色空间中将图像进行分割^[5]，并且成功地实现了对圆形交通信号灯的识别。他采用了将颜色空间进行转换的算法，即对图像原来所用的RGB颜色空间转换成比较适合运算的Lab颜色空间，并且对转换后的颜色空间进行聚类以方便找到目标区域。最后用边缘特征对边缘点的信息进行了识别。他采用的算法的优点是稳定性比较强，但涉及的背景相对来说比较简单。

Masako Omachi于2009年提出了一种通过颜色分割和边缘特征对圆形交通信号灯进行提取地识别算法^[6]。他采用的算法先将提取到的图像的颜色的信息进行归一、分割，从而提取出了具有符合交通信号灯颜色特性的目标区域，然后用索贝尔算法提取出目标区域的边缘特征，并用霍尔变换检测出图像中所有的圆形目标区域，将其作为交通信号灯的目标候选区域。该算法运行时的效率基本上能满足实时检测的要求，但该算法的抗干扰能力较弱，特别容易对车尾灯产生错误识别。

在对交通信号灯的识别中，谭乃强提出了一种识别交通信号灯的算法，该算法主要针对的是圆形交通信号灯^[7]。该算法首先需要在Lab颜色空间中对采集到的图像进行预处理；其次通过对目标区域的特征进行过滤，如：面积、外接最小矩形的长宽比、饱和度灯；最终通过模板匹配的方式来识别交通信号灯的颜色。该算法成立的条件是交通信号灯颜色显示良好，因为当环境变得比较复杂的时候，容易发生误判。

1.3 图像处理

图像处理，又称影像处理。一般情况下是指数字图像处理。数字图像处理技术是指将通过照相机拍摄到的图像经过处理得到的一个数组，在该数组中，通常将数组中的元素用像素来表示，值用灰度值来表示。

当今的社会是一个属于信息时代的社会。图像作为人们观察世界的视觉基础，是人类得到信息、叙述信息和传达信息的一种重要手段。所谓的数字图像处理，就是人类通过计算机对采集的图像进行加工处理，数字图像处理发展的时间很短。数字图像处理技术开始于上个世纪，人们为了能够传输图像，经过各种尝试，最后通过数字压缩技术完成了这一任务，当时人们通过海底电缆完成传输任务，因此这一次试验完成了人们传输图像的梦想。数字图像处理技术可以帮助人类能够更加客观、更加准确地认识这个世界。人类的眼睛帮助人类获取的信息占人类所能接受的所有信息的一半还多，而图像和图形又是所有视觉能够接受信息的载体，所以人类能够看清更多的图像或图形对于人类而言非常重要。由于人类眼睛器官十分精密，因此眼睛对图像和颜色的鉴别能力很高，可以看清楚几千种图像或颜色。但人眼毕竟是器官，不是机器，因此对于大自然中存在的所有颜色不是每一种都能分清，在很多时候，有些颜色人类是分不清的，对于一些模糊的图像或颜色，人眼还是很难做到精确地识别，而对于一些颜色特别浅的颜色，人眼甚至是看不见的，为了人眼能直接识别，所有很有必要运用图像增强技术来帮助人类识别或看清一些模糊的图像和人眼难以鉴别的颜色，使这些图像或颜色能够很清晰地呈现在人眼中，方便人类接受颜色或图像的信息。

所有的图像可以在计算机中按照颜色和灰度的不同将图像进行分类，目前，计算机中大致的将图像分为灰度图像、索引图像、真彩色RGB图像和二值图像这四种。在现有的计算机中，有不同的图像处理软件，但大多数图像处理软件都支持这四种类型的图像。

第二章 总体方案

2.1 系统结构分析

在进行交通信号灯识别时，首先要采集交通信号灯的图像，然后在图像中进行交通信号灯的识别。在识别之前，要对图像中的交通信号灯亮灯部分的位置做出判断，本文中可以根据采集到的交通信号灯的图像，对交通信号灯的形状特征进行提取，也就是根据交通信号灯的形状特征将原图像中符合交通信号灯形状的部分提取出来，然后可以依据提取出的部分中有无其他颜色，将交通信号灯亮灯的部分定位出来。目前生活中通常看到的交通信号灯在只能发出三种颜色的灯光，所以首先要对图像中的颜色进行分割，这样可以减少其他颜色对识别结果的影响，方便系统对交通信号灯的识别。在识别过程中，由于颜色空间有多种，并且每种颜色空间的识别方法是不同的，所以可以基于不同的颜色空间，选出最适合进行识别的颜色空间进行交通信号灯的识别。在目前采集图像的设备中，大多数采用普通照相机或摄像机去帮助交通信号灯图像的采集，而普通照相机拍摄到的图像格式多为RGB格式，但是由于RGB格式的图像受到光照影响比较大，在识别过程中不利于识别，所以可以将其转换成独立描述色彩通道的HSI颜色空间图像，这样可以减少光照影响，能够更加准确的识别出交通信号灯。但是由于HSI颜色空间在识别时精确度不够，所以还可以将RGB格式的图像转换成Lab颜色空间，再进行一次交通信号灯的识别，使其结果能够更加准确。最好在定位出的部分根据颜色分割的结果进行识别。

剩余内容已隐藏，请支付后下载全文，论文总字数：16239字

相关图片展示：