2.3.3形状特征描述 13

第三章 信号灯的检测 16

3.1引言 16

3.2图像预处理 16

3.3获取目标区域 17

3.3.1格式转换 18

3.3.2颜色分割 19

3.3.3形态学处理 20

第四章 信号灯的识别 23

4.1引言 23

4.2图像特征提取 23

4.2.1面积过滤 23

4.2.2圆形度测量 24

4.3模板匹配 26

4.3.1简介 26

4.3.2对信号灯的形状匹配 28

4.4识别结果与分析 29

4.4.1识别结果 29

4.4.2结果分析 29

第五章 总结与展望 31

5.1主要工作总结 31

5.2未来工作展望 32

致谢 33

参考文献 34

第一章 绪论

1.1研究背景及意义

随着经济的发展，城市人口和机动车占有量也在急剧增长，中国已经步入了“汽车社会”，以致于交通拥堵、交通事故等情况时有发生，间接阻碍制约着经济建设的发展。另一方面，虽说正常情况下，色盲患者无法取得驾照，但对于一些国家来说并没有太严格的要求，所以近几年来因为色盲色弱而发生的交通事故也越来越频繁。再加上道路状况复杂性以及信息的多样性，对于正常驾驶员来说长时间的驾驶很容易使其分散注意力或者产生视觉疲劳[1]，增加驾驶危险系数。

而红绿灯多处于交通枢纽地带，对疏通车流方面有着不可或缺的作用。因此，对信号灯状态的识别，不仅对于红绿色盲及色弱患者有利，使色盲、色弱患者驾驶汽车成为可能，同时在有效减少交通拥堵方面也十分明显。另一方面，信号灯识别作为辅助驾驶系统，不仅能减轻驾驶员的压力，降低危险系数，而且其智能性作为无人驾驶技术中十分重要的一部分，对保障交通安全方面有着巨大的作用，将使无人驾驶技术向前迈进一大步。

1.2国内外研究现状

1.3交通信号灯识别难点及研究安排

虽然目前国内外专家学者在信号灯识别方面都取得了不错的成果，不过由于环境的复杂性以及信息的多样性，系统在对交通信号灯识别的时候都或多或少会出现差错，并不能十分完美有效的对信号灯进行识别。而出现差错的原因主要可以归结于以下几点，这也是在信号灯识别方面的难点[9].：

1、光照影响。交通信号灯的颜色对光照较敏感，容易受其影响。比如说白天天气晴朗时曝光度会降低，而在夜晚的时候很容易出现曝光过度的情况，这些都很容易导致系统不能很好的对信号灯进行识别。

2、背景环境复杂。信号灯识别之前接收的数据包含着大量的信息量，背景也复杂多样，比如说树木、车灯、建筑物等，很多时候与交通信号灯的颜色和形状有着相似的地方，都会给系统的识别带来干扰。