一種基于cpu與gpu協(xié)同計(jì)算的交通燈檢測(cè)識(shí)別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及交通信號(hào)燈的識(shí)別方法，特別涉及一種基于CPU與GPU協(xié)同計(jì)算的交 通燈檢測(cè)識(shí)別方法。
【背景技術(shù)】
[0002] 隨著城市的發(fā)展，交通狀況日益復(fù)雜。在交叉路口，信號(hào)燈對(duì)車輛的行駛有著非常 關(guān)鍵的指導(dǎo)意義。已前的算法主要針對(duì)圓形信號(hào)燈，基本未涉及箭頭形交通燈，然而在現(xiàn)代 城市中箭頭形交通燈占據(jù)了非常重要的地位。交通信號(hào)燈識(shí)別系統(tǒng)能夠準(zhǔn)確快速地檢測(cè)和 識(shí)別交通燈，是無人駕駛車行駛系統(tǒng)中必不可少的一部分，具有研宄價(jià)值及現(xiàn)實(shí)意義。無人 駕駛車輛需要識(shí)別系統(tǒng)在交通路口提供指導(dǎo)信息，識(shí)別交通燈的方法能有效輔助色覺障礙 人群和司機(jī)安全駕駛。

【發(fā)明內(nèi)容】

[0003] 為了解決上述技術(shù)問題，本發(fā)明提供一種適用于圓形交通燈和箭頭形交通燈的基 于CPU與GPU協(xié)同計(jì)算的交通燈檢測(cè)識(shí)別方法。
[0004] 本發(fā)明解決上述問題的技術(shù)方案是：一種基于CPU與GPU協(xié)同計(jì)算的交通燈檢測(cè) 識(shí)別方法，包括以下步驟：
[0005] 1)采集原始圖像，降低原始圖像的分辨率，在原始圖像中對(duì)交通信號(hào)燈定位，得到 感興趣區(qū)域；
[0006] 2)將得到的感興趣區(qū)域映射到原始圖像中，對(duì)其進(jìn)行顏色分割，得到候選區(qū)域圖 像；
[0007] 3)對(duì)候選區(qū)域圖像進(jìn)行預(yù)處理，包括形態(tài)學(xué)處理、幾何特征過濾；
[0008] 4)為每類交通信號(hào)燈構(gòu)造樣本庫，對(duì)候選區(qū)域進(jìn)行特征提取，通過模板匹配識(shí)別 候選區(qū)域，從而識(shí)別交通燈；
[0009] 5)將步驟1)至步驟4)在協(xié)同異構(gòu)計(jì)算平臺(tái)上進(jìn)行并行化加速，以滿足車載實(shí)時(shí) 性需求。
[0010] 上述基于CPU與GPU協(xié)同計(jì)算的交通燈檢測(cè)識(shí)別方法，所述步驟1)具體步驟為：
[0011] ⑴降低原始圖像的分辨率，在YCbCr顏色空間中采用閾值為0. 42對(duì)降低分辨率 后的原始圖像進(jìn)行顏色分割，得到二值圖像；
[0012] (2)通過對(duì)二值圖像進(jìn)行腐蝕、膨脹，修復(fù)分割不完整的交通信號(hào)燈，得到連通區(qū) 域；
[0013] (3)通過對(duì)連通區(qū)域的面積、外接矩形過濾，得到交通信號(hào)燈的感興趣區(qū)域。
[0014] 上述基于CPU與GPU協(xié)同計(jì)算的交通燈檢測(cè)識(shí)別方法，所述步驟2)具體步驟為： 將得到的感興趣區(qū)域映射到原始圖像中，在YCbCr顏色空間中使用OTSU閾值選取算法對(duì)感 興趣區(qū)域進(jìn)行顏色分割，得到該區(qū)域的二值圖像。
[0015] 上述基于CPU與GPU協(xié)同計(jì)算的交通燈檢測(cè)識(shí)別方法，所述步驟3)具體步驟為： 首先對(duì)二值圖像進(jìn)行膨脹操作，將兩個(gè)連通區(qū)域膨脹為一個(gè)連通區(qū)域，然后進(jìn)行腐蝕操作， 修復(fù)原始圖像，再通過候選區(qū)域的面積、飽和度、外接矩形、圓形度、箭頭形交通信號(hào)燈幾何 特征的過濾，濾除非交通信號(hào)燈的感興趣區(qū)域。
[0016] 上述基于CPU與GPU協(xié)同計(jì)算的交通燈檢測(cè)識(shí)別方法，所述步驟4)具體步驟為：
[0017] (1)為每類交通信號(hào)燈構(gòu)造樣本庫，選擇圓形度檢測(cè)候選區(qū)域，將檢測(cè)結(jié)果與樣本 庫進(jìn)行對(duì)比，若不能識(shí)別交通燈，則進(jìn)行下一步驟；
[0018] (2)通過箭頭形交通信號(hào)燈的邊緣特征點(diǎn)和區(qū)域飽和度對(duì)其建模，并使用該模型 檢測(cè)候選區(qū)域，將檢測(cè)結(jié)果與樣本庫進(jìn)行對(duì)比，識(shí)別交通燈。
[0019] 上述基于CPU與GPU協(xié)同計(jì)算的交通燈檢測(cè)識(shí)別方法，所述步驟4)，識(shí)別交通燈之 后還包括交通燈背板檢測(cè)的步驟，交通燈背板檢測(cè)具體步驟為：檢測(cè)交通信號(hào)燈候選區(qū)域 的上下左右的相對(duì)區(qū)域是否為交通信號(hào)燈背板，對(duì)候選區(qū)域進(jìn)行確認(rèn)，經(jīng)過檢測(cè)定位到了 候選區(qū)域的顏色和位置信息，判斷該位置是否符合交通信號(hào)燈背板的顏色屬性，從而判斷 候選區(qū)域是否為交通信號(hào)燈。
[0020] 本發(fā)明的有益效果在于：本識(shí)別方法過程如下：首先對(duì)交通信號(hào)燈進(jìn)行定位，然 后將定位到的感興趣區(qū)域進(jìn)行檢測(cè)，最后提取候選區(qū)域的特征值，通過模板匹配識(shí)別候選 區(qū)域，從而準(zhǔn)確識(shí)別交通燈；本識(shí)別方法步驟簡(jiǎn)單、準(zhǔn)確率高，并且能夠?qū)A形交通燈和箭 頭形交通燈兩種交通燈進(jìn)行識(shí)別，應(yīng)用范圍廣。
【附圖說明】
[0021] 圖1為本發(fā)明的識(shí)別流程圖。
[0022] 圖2為l_ratio(A_的分布示意圖。
[0023] 圖3為l_ratio(c_的分布示意圖。
[0024] 圖4為diam_pix_ratio的分布示意圖。
[0025] 圖5為將交通燈分解為4個(gè)三角形時(shí)的二值圖像。 N(T) 一
[0026] 圖6為^V的分布示意圖。
[0027] 圖7為交通燈的背板區(qū)域示意圖。
[0028] 圖8為交通燈背板區(qū)域的均值與標(biāo)準(zhǔn)差分布示意圖。
[0029] 圖9為本發(fā)明并行計(jì)算的流程圖。
【具體實(shí)施方式】
[0030] 下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步的說明。
[0031] 如圖1所示，一種基于CPU與GPU協(xié)同計(jì)算的交通燈檢測(cè)識(shí)別方法，包括以下步 驟：
[0032] 1)采集原始圖像，降低原始圖像的分辨率，在降低分辨率后的原始圖像中對(duì)交通 信號(hào)燈定位，得到感興趣區(qū)域。具體步驟為：
[0033] (1)采集原始圖像，降低原始圖像的分辨率，在YCbCr顏色空間中采用閾值為0. 42 對(duì)降低分辨率后的原始圖像進(jìn)行顏色分割，得到二值圖像；
[0034] (2)通過對(duì)二值圖像進(jìn)行腐蝕、膨脹，修復(fù)分割不完整的交通信號(hào)燈，得到連通區(qū) 域；
[0035] (3)通過對(duì)連通區(qū)域的面積、外接矩形過濾，得到交通信號(hào)燈的感興趣區(qū)域。
[0036] 2)將得到的感興趣區(qū)域映射到原始圖像中，在YCbCr顏色空間中使用OTSU閾值選 取算法選取合適的閾值，對(duì)感興趣區(qū)域進(jìn)行顏色分割，得到該區(qū)域的二值圖像。
[0037] 將感興趣區(qū)域的坐標(biāo)映射到原始圖像中時(shí)，坐標(biāo)轉(zhuǎn)換公式如下：
【主權(quán)項(xiàng)】
1. 一種基于CPU與GPU協(xié)同計(jì)算的交通燈檢測(cè)識(shí)別方法，包括w下步驟： 1) 采集原始圖像，降低原始圖像的分辨率，在原始圖像中對(duì)交通信號(hào)燈定位，得到感興 趣區(qū)域； 2) 將得到的感興趣區(qū)域映射到原始圖像中，對(duì)其進(jìn)行顏色分割，得到候選區(qū)域圖像； 3) 對(duì)候選區(qū)域圖像進(jìn)行預(yù)處理，包括形態(tài)學(xué)處理、幾何特征過濾； 4) 為每類交通信號(hào)燈構(gòu)造樣本庫，對(duì)候選區(qū)域進(jìn)行特征提取，通過模板匹配識(shí)別候選 區(qū)域，從而識(shí)別交通燈； 5) 將步驟1)至步驟4)在協(xié)同異構(gòu)計(jì)算平臺(tái)上進(jìn)行并行化加速，W滿足車載實(shí)時(shí)性需 求。
2. 如權(quán)利要求1所述的基于CPU與GPU協(xié)同計(jì)算的交通燈檢測(cè)識(shí)別方法，其特征在于： 所述步驟1)具體步驟為： (1) 降低原始圖像的分辨率，在YCb&顏色空間中采用闊值為0. 42對(duì)降低分辨率后的 原始圖像進(jìn)行顏色分割，得到二值圖像； (2) 通過對(duì)二值圖像進(jìn)行腐蝕、膨脹，修復(fù)分割不完整的交通信號(hào)燈，得到連通區(qū)域； (3) 通過對(duì)連通區(qū)域的面積、外接矩形過濾，得到交通信號(hào)燈的感興趣區(qū)域。
3. 如權(quán)利要求1所述的基于CPU與GPU協(xié)同計(jì)算的交通燈檢測(cè)識(shí)別方法，其特征在于： 所述步驟2)具體步驟為；將得到的感興趣區(qū)域映射到原始圖像中，在YCb化顏色空間中使 用OTSU闊值選取算法對(duì)感興趣區(qū)域進(jìn)行顏色分割，得到該區(qū)域的二值圖像。
4. 如權(quán)利要求1所述的基于CPU與GPU協(xié)同計(jì)算的交通燈檢測(cè)識(shí)別方法，其特征在于： 所述步驟3)具體步驟為；首先對(duì)二值圖像進(jìn)行膨脹操作，將兩個(gè)連通區(qū)域膨脹為一個(gè)連通 區(qū)域，然后進(jìn)行腐蝕操作，修復(fù)原始圖像，再通過候選區(qū)域的面積、飽和度、外接矩形、圓形 度、箭頭形交通信號(hào)燈幾何特征的過濾，濾除非交通信號(hào)燈的感興趣區(qū)域。
5. 如權(quán)利要求1所述的基于CPU與GPU協(xié)同計(jì)算的交通燈檢測(cè)識(shí)別方法，其特征在于： 所述步驟4)具體步驟為： (1) 為每類交通信號(hào)燈構(gòu)造樣本庫，選擇圓形度檢測(cè)候選區(qū)域，將檢測(cè)結(jié)果與樣本庫進(jìn) 行對(duì)比，若不能識(shí)別交通燈，則進(jìn)行下一步驟； (2) 通過箭頭形交通信號(hào)燈的邊緣特征點(diǎn)和區(qū)域飽和度對(duì)其建模，并使用該模型檢測(cè) 候選區(qū)域，將檢測(cè)結(jié)果與樣本庫進(jìn)行對(duì)比，識(shí)別交通燈。
6. 如權(quán)利要求5所述的基于CPU與GPU協(xié)同計(jì)算的交通燈檢測(cè)識(shí)別方法，其特征在于： 所述步驟4)，識(shí)別交通燈之后還包括交通燈背板檢測(cè)的步驟，交通燈背板檢測(cè)具體步驟為： 檢測(cè)交通信號(hào)燈候選區(qū)域的上下左右的相對(duì)區(qū)域是否為交通信號(hào)燈背板，對(duì)候選區(qū)域進(jìn)行 確認(rèn)，經(jīng)過檢測(cè)定位到了候選區(qū)域的顏色和位置信息，判斷該位置是否符合交通信號(hào)燈背 板的顏色屬性，從而判斷候選區(qū)域是否為交通信號(hào)燈。
【專利摘要】本發(fā)明公開了一種基于CPU與GPU協(xié)同計(jì)算的交通燈檢測(cè)識(shí)別方法，包括以下步驟：1）采集原始圖像，降低原始圖像的分辨率，在原始圖像中對(duì)交通信號(hào)燈定位，得到感興趣區(qū)域；2）將得到的感興趣區(qū)域映射到原始圖像中，對(duì)其進(jìn)行顏色分割，得到候選區(qū)域圖像；3）對(duì)候選區(qū)域圖像進(jìn)行預(yù)處理，包括形態(tài)學(xué)處理、幾何特征過濾；4）為每類交通信號(hào)燈構(gòu)造樣本庫，對(duì)候選區(qū)域進(jìn)行特征提取，通過模板匹配識(shí)別候選區(qū)域，從而識(shí)別交通燈；5）將步驟1）至步驟4）在協(xié)同異構(gòu)計(jì)算平臺(tái)上進(jìn)行并行化加速，以滿足車載實(shí)時(shí)性需求。本識(shí)別方法步驟簡(jiǎn)單、準(zhǔn)確率高，并且能夠?qū)A形交通燈和箭頭形交通燈兩種交通燈進(jìn)行識(shí)別，應(yīng)用范圍廣。
【IPC分類】G06K9-60
【公開號(hào)】CN104598912
【申請(qǐng)?zhí)枴緾N201510035243
【發(fā)明人】劉朝華, 曾瓊斌, 李小花
【申請(qǐng)人】湖南科技大學(xué)
【公開日】2015年5月6日
【申請(qǐng)日】2015年1月23日