視頻交通燈識別和陰影消除方法及應(yīng)用研究.pdf

1、目標(biāo)識別是計(jì)算機(jī)視覺的重要研究課題，而交通燈識別和陰影識別是目標(biāo)識別中當(dāng)前研究的熱點(diǎn)問題。實(shí)時(shí)交通燈的識別在輔助駕駛和無人駕駛汽車方面有廣泛的應(yīng)用；而陰影消除關(guān)系到目標(biāo)追蹤算法的效果，是許多高層計(jì)算機(jī)視覺算法的基礎(chǔ)，如目標(biāo)分類、行為理解與描述等。由于實(shí)際應(yīng)用中交通燈通常在圖像中所占面積較小、導(dǎo)航實(shí)時(shí)性需求、車輛運(yùn)動(dòng)造成背景動(dòng)態(tài)變化等多種特殊原因，使得交通燈識別頗具挑戰(zhàn)性。陰影自身的特點(diǎn)決定了陰影消除問題的復(fù)雜性。首先，陰影和運(yùn)動(dòng)物體一樣

2、都顯著區(qū)別于背景。其次，陰影和投射它們的運(yùn)動(dòng)物體具有相同的運(yùn)動(dòng)規(guī)律。陰影和運(yùn)動(dòng)物體可能是粘合在一起的，也可能是分離的，使得陰影消除問題更加復(fù)雜。
　　 針對現(xiàn)有算法或識別率不高或?qū)崟r(shí)性不強(qiáng)的特點(diǎn)，本文提出一種基于Lab色彩空間和模板匹配的實(shí)時(shí)交通燈識別算法，在色彩建模和候選區(qū)域的確認(rèn)方面對現(xiàn)有的交通燈識別算法進(jìn)行改進(jìn)。在色彩建模方面，現(xiàn)有算法在RGB空間或HSV空間建立色彩模型，需要設(shè)立多個(gè)閾值，本文注意到交通燈只有三種顏色的特

3、點(diǎn)，在對交通燈色彩描述更加適合的Lab空間建立色彩模型，只需要設(shè)立三個(gè)閾值，從而提升了色彩模型的魯棒性。在候選區(qū)域確認(rèn)方面，現(xiàn)有算法或簡單的考慮候選區(qū)域的形狀或設(shè)置復(fù)雜的模板，造成算法識別準(zhǔn)確率不高或處理速度慢，本文注意到交通燈被黑色矩形框包圍的特點(diǎn)，設(shè)計(jì)了三個(gè)模板對候選區(qū)域進(jìn)行確認(rèn)，在兼顧處理速度的同時(shí)達(dá)到了較高的識別準(zhǔn)確率。
　　 針對現(xiàn)有陰影消除算法魯棒性不強(qiáng)的特點(diǎn)，本文提出一種基于陰影特征的陰影消除的方法。陰影消除方法大

4、多基于陰影區(qū)域色度不發(fā)生變化而強(qiáng)度發(fā)生較大變化的特點(diǎn)建立模型，通過設(shè)立多個(gè)閾值來查找陰影區(qū)域，效果和閾值的設(shè)定有很大關(guān)系，算法魯棒性不強(qiáng)。本文首先分析了陰影投射前后區(qū)域的直方圖變化，直方圖表明陰影投射前后區(qū)域呈高斯分布。受陰影直方圖的啟發(fā)，本文在HSV空間為每個(gè)通道建立一個(gè)高斯模型，通過計(jì)算前景和陰影模型的匹配程度來確認(rèn)陰影區(qū)域。由于模型只需要較少的閾值，因此提高了算法的魯棒性。
　　 為了測試陰影消除算法，我們從美國加利福尼亞

5、州圣迭戈大學(xué)的網(wǎng)站上下載了兩段標(biāo)準(zhǔn)室內(nèi)陰影視頻，并自行拍攝了兩段室外的陰影視頻，實(shí)驗(yàn)結(jié)果表明，本文方法成功消除了目標(biāo)追蹤中的陰影。和其它方法相比，本文方法在略微降低處理速度的同時(shí)取得更好的陰影消除效果。
　　 為了驗(yàn)證本文的算法，我們在湖南大學(xué)無人駕駛汽車平臺上實(shí)現(xiàn)本文的算法。本文的交通燈識別算法作為湖南大學(xué)無人駕駛汽車的一個(gè)子系統(tǒng)參加了首屆中國“智能車未來挑戰(zhàn)”賽，湖南大學(xué)獲得此次比賽的冠軍，在比賽中本文算法成功識別出交通燈。