交通信号灯作为一种视觉语言,能实时的给驾驶员或智能驾驶系统传递重要的交通信息,而交通信号灯识别技术作为智能驾驶系统和辅助驾驶系统的一部分,在交通安全中有着无法替代的作用。相比于欧美发达国家,我国在交通灯识别领域的研究起步较晚,虽然近年来通过举办智能车比赛等方式,使我国在这方面取得了不菲的成果。不过在自然条件下,因为各种复杂的环境因素,尤其是遇到恶劣的天气时,对于交通灯的识别仍然没有什么完美的解决办法[2]。
而对于欧美发达国家,单从Google公司的智能汽车来看,虽说已经够先进,但也还未达到正常的在车道上行驶的标准。由于交通信号灯的背景复杂多变,干扰因素较多,使得准确实时地识别出交通信号灯变得更具挑战性。
从上世纪九十年代开始,交通信号灯的识别研究就已经在各个国家进行。在Mahipa.R.Yelal[3]的研究中,实现了圆形交通灯的检测。在他的研究中,先是将RGB图像转变为Lab图像然后在Lab图像中进行颜色分割,根据聚类方法得到候选区域,再通过几何特征来对候选区域进行识别,不过此方法最大的缺点是在复杂的环境中不能保证识别的有效性。Shioyama等人[4]提出了一种用于检测违反交通规则的机动车的红绿灯识别算法,算法依次检测信号灯的红黄绿区域再对检测结果进行比较验证,这种方法虽然能很好的检测到信号灯,但是对距离的要求较短,在实时性方面有着明显的缺点。Chang-sungJeong等人[5]提出了一种通过汽车导航技术对交通信号灯进行实时检测识别的方法,通过颜色分割来获取视频序列里面的目标区域,分割时使用了几个自设阈值来得到目标区域,不过这种识别方法的缺点是红色和黄色的RGB值比较接近,以致于很难找到合适的值来区分红色与黄色。MasakoOmachi[6][7]在2009年提出了基于颜色和边缘的圆形交通灯检测方法,对输入目标的颜色进行归一化处理之后再进行颜色分割,从而得到属于信号灯颜色特征的候选区域,然后再利用Sobel算法进行边缘提取,利用hough变换进行圆形区域的识别,从而检测交通信号灯,但是该算法的主要缺点是抗干扰性不强,无法有效排除车灯等干扰。MasakoOmachi等人[8]还提出了用hough变换的方法对交通信号灯进行检测,同时在检测过程中加入了边缘提取及像素聚类的方法,在处理前将RGB空间归一化,然后将颜色聚类成红色、黄色、绿色、白色、黑色五种颜色,但是该方法的主要缺点也是受汽车尾灯的干扰大。
参考文献
[1] 孔令铮. 交通事故致因中的人为因素分析[J]. 中国安全科学学报,2013,23(1):28-34.
[2] 徐有春,李克强,连小珉. 智能车辆机器视觉发展近况[J]. 汽车工程,2003,25(5).
[3] MR Yelal,S Sasi,GR Shaffer,AK Kumar. Color-Based Signal Light Tracking in Real-Time Video[C]. IEEE International Conference on Advanced Video & Signal Based Surveillance. 2006:67
[4] T Shioyama,H Wu, N Nakamura, S Kitawaki. Measurement of the length of pedestrian crossings and detection of traffic lights from image data[M]. Measurement Science & Technology, 2002 , 13 (9) :1450-1457
[5] Chang-sung Jeong,Jin-Hyung Park. Real-time Signal Light Detection[C]. International Conference on Future Generation Communication & Networking Symposia. 2008,2 (2) :139-142
[6] M.Omachi , S.Omachi. Fast Detection of Traffic Light with Color and Edge Information[N].Journal of the Institute of Image Electronics Engineers of Japan. 2009,38:673-679
[7] M.Omachi , S.Omachi. Traffic light detection with color and edge information[C]. IEEE International Conference on Computer Science & Information Technology,2009:284-287