項(xiàng)目三智能網(wǎng)聯(lián)汽車的知第五節(jié)交通信號(hào)識(shí)別課件

項(xiàng)目三：智能網(wǎng)聯(lián)汽車的“知”第五節(jié)交通信號(hào)識(shí)別交通信號(hào)識(shí)別基于顏色特征的識(shí)別方法基于形狀特征的識(shí)別方法○交通信號(hào)燈識(shí)別的主要方法交通信號(hào)識(shí)別

基于顏色特征的識(shí)別方法，是通過選取某個(gè)色彩空間，對(duì)交通信號(hào)燈的紅、黃、綠3種顏色進(jìn)行描述。○交通信號(hào)燈識(shí)別的主要方法交通信號(hào)識(shí)別

基于形狀特征的識(shí)別方法，是利用交通信號(hào)燈和它的相關(guān)支撐物之間的幾何信息?！鸾煌ㄐ盘?hào)燈識(shí)別的主要方法交通信號(hào)識(shí)別

基于顏色特征的交通信號(hào)燈識(shí)別方法，需要在背景環(huán)境相對(duì)簡單的情況下，才能夠有效的檢測(cè)和識(shí)別出來交通信號(hào)燈。但是對(duì)于背景環(huán)境相對(duì)比較復(fù)雜的情況，較多的色彩會(huì)影響到識(shí)別，可能會(huì)造成誤識(shí)別?！鸹陬伾卣鞯淖R(shí)別方法交通信號(hào)識(shí)別

基于形狀特征的識(shí)別方法，可以有效的減少由顏色特征識(shí)別而出現(xiàn)的錯(cuò)誤。此類識(shí)別方法需要建立形狀特征樣板庫，就是交通信號(hào)燈與安裝支架，橫向安裝還是豎向安裝，所安裝的橫梁支架具體是什么樣?！鸹谛螤钐卣鞯淖R(shí)別方法交通信號(hào)識(shí)別

目前對(duì)于交通信號(hào)燈檢測(cè)問題基本上比較完善，而且在深度學(xué)習(xí)還有計(jì)算機(jī)視覺的創(chuàng)新上，技術(shù)基本上發(fā)展到比較完善的階段，不僅可以實(shí)現(xiàn)交通信號(hào)燈的數(shù)量、位置、形狀、大小等等的這些信息識(shí)別，通過深度學(xué)習(xí)還可以解決多個(gè)紅綠燈同時(shí)出現(xiàn)的辨識(shí)問題。通過深度的學(xué)習(xí)，可以準(zhǔn)確識(shí)別出距離最近的交通信號(hào)燈，也可以識(shí)別出來對(duì)于通過目前路口所需遵守的信號(hào)燈是哪個(gè)。○交通信號(hào)燈識(shí)別的主要方法交通信號(hào)識(shí)別

交通信號(hào)識(shí)別的精度直接關(guān)乎智能駕駛的安全。但是在一般情況下，采集到的交通信號(hào)燈的圖像是具有復(fù)雜背景的圖像，對(duì)于系統(tǒng)來說，其感興趣的信號(hào)燈區(qū)域只占很少的一部分，所以都是在各種的顏色空間當(dāng)中，利用信號(hào)燈所儲(chǔ)備紅、黃、綠這3種顏色去進(jìn)行分割，得到系統(tǒng)所需要的興趣區(qū)域，再通過信號(hào)燈所特有的形狀特征和其他的相關(guān)特征進(jìn)行進(jìn)一步的判定?！鸾煌ㄐ盘?hào)燈識(shí)別的主要方法交通信號(hào)識(shí)別○交通信號(hào)燈識(shí)別范例1讀取原始圖像轉(zhuǎn)化并輸出HSV圖像2交通信號(hào)識(shí)別○交通信號(hào)燈識(shí)別范例3繪制原始圖圖像直方圖統(tǒng)計(jì)識(shí)別圖中的紅綠黃像素點(diǎn)4

分別統(tǒng)計(jì)識(shí)別圖中的紅綠黃像素。MATLAB將圖像轉(zhuǎn)化為HSV圖像后分別統(tǒng)計(jì)圖像中的紅黃綠像素點(diǎn)的個(gè)數(shù)。交通信號(hào)識(shí)別○交通信號(hào)燈識(shí)別范例5對(duì)輸出像素點(diǎn)的個(gè)數(shù)并進(jìn)行比較輸出識(shí)別結(jié)果6

通過比較圖像中紅黃綠像素點(diǎn)個(gè)數(shù)的多少來進(jìn)行判斷當(dāng)前的信號(hào)燈，像素點(diǎn)多的即為當(dāng)前信號(hào)燈。Max_Red_y=345統(tǒng)計(jì)的紅色像素點(diǎn)的個(gè)數(shù)。Max_Green_y=9