交通信号灯的特点是什么？采用哪些系统模块？什么是离线训练？

(1)交通信号灯识别所采用的系统结构可分为图像采集模块、图像预处理模块、识别模块和跟踪模块。果。摄像机的镜头焦距、曝光时间、增益、白平衡等参数的选择对摄像机成像效果和后续处理均有重要影响。(2)图像预处理模块,包括彩色空间选择和转换,彩色空间各分量的统计分析,基于统计分析的彩色图像分割、噪声去除,基于区域生长聚类的区域标记。通过图像预处理可以得到交通信号灯的候选区域。

(3)识别模块,包括离线训练和在线识别两部分。离线训练是通过交通信号灯的样本和背景样本得到分类器,利用得到的分类器完成交通信号灯的检测,结合图像预处理得出的结果完成其识别功能。(4)跟踪模块,通过识别模块得到的结果可以得到跟踪目标,利用基于彩色的跟踪算法可以对目标进行跟踪,有效提高目标识别的实时性和稳定性。运用基于彩色视觉的交通信号灯识别方法可以检测到单帧图像中的交通信号灯。车辆在自主行驶的过程中,车载摄像机所采集到的图像为连续的图像序列,目标在图像中的相对姿态、位置和大小不断地发生变化,而且会存在交通信号灯被前方车辆部分遮挡的情况。

为防止出现误检测或跟踪丢失的现象,可以采用基于色彩直方图的目标跟踪算法。Bradski提出的CAMSHIFT(Continu-ouslyAdaptiveMeanSHIFT)算法是以色彩直方图为目标模式的目标跟踪算法,可以有效地解决目标变形和遮挡的问题,且运算效率较高。CAMSHIFT算法是对MeanSHIFT算法的改进,是一种通过寻找最大统计分布来实现的鲁棒性统计方法。尽管CAMSHIFT算法快速而简单,但它仅在目标的统计特性足够好时才有效。

因此,在实际应用中需要对跟踪目标进行相关特征统计,得到特征量的统计结果,然后将搜索区域中的所有像素转换至具有统计特性的特征量空间,这样目标就有了良好的相关特征统计特性,不容易受背景环境和外界因素干扰。交通信号灯在HSV彩色空间中具有良好的H、S、V特征分量统计特性,因此在对交通信号灯进行彩色分割预处理后,再用CAMSHIFT算法对其标记区域的色调分量进行统计,最后按照色调分量概率分布进行跟踪。

本文为***作者原创，未经授权不得转载