基于HOG特征的交通信号灯实时识别算法研究

针对无人驾驶汽车的交通信号灯识别,提出了一种基于HOG特征和SVM的交通信号灯实时识别算法。该算法首先提取视频中的红绿色区域,筛选出符合条件的区域,提取各类信号灯的HOG特征,然后运用SVM构建对应类别信号灯的分类器,之后依据判决函数对当前信号进行实时判决,从而得到准确的信号灯信息。实验结果表明该算法有良好的准确率和实时性。     

应用圆形度和颜色直方图的交通信号灯识别

针对智能车辆介绍了一种在城市环境中识别交通信号灯的新方法.该方法先对原图像进行预处理,过滤不符合形态学准则的区域.计算候选区域的圆形度和背板的颜色信息,把圆形度符合和背板为黑色的区域作为交通信号灯区域.并将检测到的交通信号灯区域图像从RGB空间转换到HSV空间中,用颜色直方图对图像的H分量进行分布统计,根据其分布特征来识别交通信号灯的类型.实验结果表明,该方法能有效地识别复杂环境下的交通信号灯.     

基于改进YOLOv4的交通信号灯倒计时数字检测与识别

交通信号灯倒计时数字的快速检测和准确识别可以提高驾驶的安全性,减少交通事故的发生.针对目标检测算法在交通信号灯倒计时数字检测与识别中准确率较低、漏检率较高的问题,提出一种基于改进YOLOv4的交通信号灯倒计时数字检测与识别算法.首先将YOLOv4的主干网络CSPDarkNet53替换为CSPResNet50vd,并将C...     

小尺度交通信号灯的检测与状态识别

交通信号灯识别包括检测和状态识别，在智能交通系统中发挥重要作用。基于YOLOv3算法提出了一种交通信号灯检测与状态识别模型。针对交通信号灯相较于交通场景中其他目标具有尺度小的特性进行了算法的设计：降低骨干网络的下采样倍率以增加小尺度目标的特征描述能力；通过增大特征图的尺度来改进多尺度特征融合；引入广义交并比作为检测任务的损失函数来改进目标边界框的回归效果。同时，根据交通信号灯本身的特性，使用颜色和形状约束的方法对信号灯进行状态识别和类别验证。最后在公开的Bosch交通信号灯数据集上和实际的城区道路进行了实验验证。实验结果表明，所提出的算法能够提升交通信号灯识别的精度和召回率，识别准确率可以达到90%左右。     

基于Faster-RCNN的交通信号灯检测与识别

交通信号灯检测和识别是无人驾驶和辅助驾驶领域的重要研究内容,能够避免在通过路口时由于交通信号灯判断失误导致的交通事故,提升驾驶的安全性。客观的复杂交通场景增加了检测识别算法难度。实现了基于Faster-RCNN的交通信号的检测识别,采集了交通场景数据进行标注,填充了国内交通信号灯公开数据集的空白。通过实验对比,选择最优的特征提取网络,并在智能车实验平台上验证了方法的有效性。     

光流法在机车安全行驶中的应用

在基于路况视频的机车安全行驶中,依据轨道与信号灯的相对位置先验知识可缩小信号灯检测范围,提高信号灯检测的效率和可靠性,但在某些复杂光照条件下(尤其是夜间)因检测不到轨道而无法提供信号灯区域信息。针对此问题,提出一种基于光流的信号灯区域预测方法,首先在感兴趣区域中使用KLT算子提取强角点,并采用基于金字塔的Lucas-Kanade光流法计算强角点光流;然后根据全局光流信息判断机车转向状态;最后结合转向状态与先验知识估计出信号灯区域。此外,还提出了利用转向状态进行轨道跟踪检错的方法,该方法可及时发现轨道跟踪错误并唤醒系统进行轨道重定位。实验表明,该方法能有效预测信号灯区域,使信号灯检测实时性更高,抗干扰能力更强。     

FPGA设计的太阳能交通信号灯控制器

现在大多数太阳能交通信号灯控制器采用单片机设计,交通信号灯主控制器和从控制器采用无线传输的方式传输数据,但是经过交叉路口的车辆所带来的电子干扰会对无线传输线路带来一些影响.本文完全采用FPGA设计交通信号灯从控制器,主控制器与从控制器采用有线传输,接口电路使用FPGA和CAN传输线实现.采用FPGA实现的从控制器实质上相当于一个纯硬件电路的设计,传输接口采用CAN传输线,具有非常强的抗干扰性.最后仿真、制板、测试,实现了主控制器与从控制器之间的稳定传输.     

交通信号灯状态判别

介绍了机动车违章闯红灯视频自动监测系统的基本原理和实现框架,分析了其中的关键技术,并提出了一个视频交通信号灯状态判别模型以解决交通信号灯状态判别这个关键问题。该模型在闯红灯视频自动监测系统中得到应用。实际结果表明该模型准确、可靠、实用、鲁棒性强。     

用单片机控制的交通信号灯

介绍一种用8031单片机控制的交通信号灯的硬件结构与软件设计,并给出了其硬件原理和MCS－51汇编语言源程序。     

基于时空关系模型的交通信号灯的实时检测与识别

交通信号灯的检测与识别是无人驾驶汽车和高级驾驶辅助系统(ADAS)的重要组成部分。针对城市道路复杂环境下的交通信号灯的检测和识别需求,依据多帧视频图像序列的时空连续变化关系构建多帧视频图像的时空关系模型(Time-Space Model,TSM),提出了一种新的基于多帧视频图像序列的交通信号灯的检测和识别算法。算法包含3部分:基于颜色的视频图像快速分割压缩算法,用于提高计算效率;引入多帧视频图像序列的时空关系模型,以提高交通信号灯检测的准确性 ;根据图像的HOG(Histogram of Oriented Gradient)特征,通过SVM(Support Vector Machine)分类器对信号灯进行识别。实验结果表明,算法的鲁棒性强、检测识别速度快、准确率高。     

基于链码趋势表的交通灯形状识别方法

设计一种交通灯箭头形状识别方法,提出链码趋势表的概念。根据交通灯颜色特征,在RGB颜色空间内进行颜色过滤和颜色加强,得到交通灯候选区域;利用轮廓跟踪算法分割图像,得到目标轮廓链码;计算链码在链码趋势表中的匹配率,结合箭头的对称特征和边长度比例特征得到交通灯箭头匹配率,并根据实验数据确定识别区间。实验结果表明,该方法的识别准确率较高。     

基于影响模型的短时交通流预测方法

根据复杂交通网络中多个节点之间交通流相互影响的特性,提出一种基于影响模型的短时交通流预测方法。分析交通网络中交通流预测的难点,引入随机过程中影响模型的理论对其进行建模。将每个节点的交通流处理为一个隐马尔科夫过程,整个网络由多个相互交互的隐马尔科夫过程组成,采用EM算法对模型参数进行训练。实验结果表明,该方法具有较高的预测精度,可较好地显示交通网络中多个节点之间交通流的交互规律以及动态演化规律。     

快速交通标志检测预处理方法

为简化场景图处理的计算量,针对场景图复杂的颜色信息,提出了一种快速的交通标志检测预处理方法——颜色标准化。将颜色信息复杂的场景图映射成简单的由8种标准颜色组成的图像,并提取5种与交通标志相关的感兴趣颜色,滤除冗余区域后得到标准颜色的交通标志。该方法大幅度简化了场景图颜色信息的复杂性,节省了RGB-HSI模型转换的计算时间。实验表明,该预处理方法具有很好的鲁棒性,快速准确地实现了交通标志检测。     

基于颜色聚类和Hu不变矩的道路交通标志检测

介绍了一种基于颜色分割和区域描述的交通标志检测方法。该方法利用在RGB空间的颜色聚类算法分割出感兴趣色彩区域,然后进行形态学处理,最后结合Hu不变矩对道路交通标志进行识别。识别结果表明,基于颜色聚类和Hu不变矩的交通标志识别方法具有很强的抗图像平移、缩放和旋转识别能力,并具有实现简单、识别速度快、准确率高等特点,有较高的实用价值。     

改进的雾霾天气交通标志图像去雾算法

现有去雾算法直接应用于交通图像时容易出现过渡区域明显、偏色严重,不能满足后续交通标志检测系统的应用要求,为此提出一种改进的基于暗原色先验的单幅交通图像去雾算法。首先利用改进的均值漂移算法对交通图像进行天空区域分割,并对分割后的天空区域采用直方图均值化算法去雾,对非天空区域使用基于快速双边滤波的暗原色先验算法去雾,最后通过图像融合得到最终去雾图像。实验结果表明,相比其他几种典型去雾算法,所提算法对交通标志图像天空区域的过渡区域和色彩失真现象有所改善,且具有较快的处理速度,通过定量分析可知去雾效果较好,能够满足后续交通标志检测系统的应用要求。     

基于图像分割的交通图像快速去雾算法

现有去雾算法较少考虑交通图像的特征,直接应用于交通图像去雾效果和实时性较差。针对这一情况,在充分分析了雾天交通图像特征的基础上,提出一种基于图像分割的交通图像快速去雾算法。算法首先采用改进的均值漂移算法分割出天空区域,然后在天空区域中较准确的估计出大气光强度值,最后采用基于双边滤波器的改进暗原色先验（DCP）算法实现去雾,并结合雾天交通图像的特征对去雾图像进行了后处理,增强了去雾效果。实验结果证明该算法实时性高且去雾效果好,在交通图像去雾方面所提出的算法的综合性能优于现有的同类去雾算法。     

结合天空分割和局部透射率优化交通图像去雾算法

针对现有的去雾算法在处理交通场景图像时由于透射率估计与实际情况偏差较大,尤其交通图像含有天空区域时容易导致色彩失真和产生光晕效应等问题,在暗原色先验理论的基础上,提出一种结合天空分割和局部透射率优化的交通图像快速去雾算法。首先,采用大津算法(OTSU)将原始图像分割为天空区域与非天空区域;其次,对非天空区域,利用最大值滤波和引导滤波对其透射率进行优化,采用自适应参数调整的方法对天空区域的透射率进行修正;最后,对复原的图像利用限制对比度自适应直方图均衡法(Contrast Limited Adaptive Histogram Equalization, CLAHE)调整色调,提高亮度。实验结果表明,对于天空区域,本文算法不但能有效减少产生颜色失真和光晕效应的现象,得到更为自然清晰的复原结果,对于非天空区域,复原结果的清晰度和对比度更高,而且,算法保持较高的运行效率,另外,去雾后的图像在方差、平均梯度、信息熵等指标上相对于暗原色先验算法、Tarel算法、Meng算法、Zhu算法和Berman算法均有所提升。本文方法可较好地复原雾天交通图像,能为雾天模糊的交通图像快速有效去雾复原提供重要有益的理论基础和技术支持。     

基于聚类与Hough变换的交通标志检测方法

交通标志检测是进行交通标志识别系统的关键技术,提出一种基于图像的颜色和形状进行交通标志检测的方法.首先对图像进行灰度拉伸和噪声滤出的预处理,然后利用改进的K-means聚类算法对彩色图像进行颜色分割,最后采用基于Hough变换的形状检测技术对交通标志中的特殊形状进行定位,从而实现交通标志的检测.实验结果显示,该方法在各种复杂背景条件下检测出结果的平均正确率达到93.0%,优于同条件的算法且具有较高的实时性.