摘  要： 鑒于紅綠燈在城市交通中占有的重要地位，通過圖像處理設(shè)計一個系統(tǒng)來輔助駕駛員判別紅綠燈。首先通過圖像采集及圖像預(yù)處理的方法獲得源圖像，然后再設(shè)立紅綠燈主要特征訓(xùn)練集，用邊緣跟蹤的方法框選出紅綠燈類似目標(biāo)，對類似目標(biāo)進(jìn)行特征提取，再與標(biāo)準(zhǔn)模板做對比，確定為目標(biāo)后標(biāo)出各個燈的位置。最后通過圖像坐標(biāo)讀取各個燈的顏色分量，比較燈的各色分量，從而確定每一個燈的顏色。識別完成后將識別結(jié)果通過數(shù)字顯示或聲音提示的方式輸出以提醒駕駛員注意紅綠燈的變化。
關(guān)鍵詞： 紅綠燈；模式識別；圖像處理；智能交通

    隨著我國經(jīng)濟(jì)的快速發(fā)展，各個城市的機(jī)動車輛數(shù)量迅速增加，道路交通也隨之日益復(fù)雜，交通指揮系統(tǒng)所承受的壓力越來越大。紅綠燈多處于交通樞紐地帶，負(fù)責(zé)指揮交通，因此紅綠燈的識別顯得尤為重要。然而有些駕駛員因疲勞或其他原因而未能及時注意到紅綠燈的變化，從而釀成諸多慘劇。本文通過圖像處理及顏色判別而設(shè)計的紅綠燈自主識別系統(tǒng)可以提醒駕駛員注意紅綠燈變化，繼而有望降低事故發(fā)生率。
1 設(shè)計思路
    本系統(tǒng)設(shè)計主要由圖像采集、圖像預(yù)處理、紅綠燈定位、顏色判別及輸出顯示等模塊組成，如圖1所示。首先用安裝在車頂或車內(nèi)的攝像機(jī)對前方場景進(jìn)行實(shí)時圖像采集。由于攝像機(jī)跟隨車輛一起運(yùn)動，因此采集到的圖像難免會產(chǎn)生一些噪聲，這就需要進(jìn)行圖像預(yù)處理，以便于之后的目標(biāo)提取。設(shè)計編碼程序從采集到的圖像中定位提取出紅綠燈的位置，再定位出各個燈的坐標(biāo)，然后對提取的目標(biāo)進(jìn)行顏色判定，將結(jié)果通過顯示器輸出。結(jié)果輸出可以多元化，例如可以用數(shù)字顯示器表示各個燈的顏色，也可以用聲音提醒；若在顏色判定的同時進(jìn)行數(shù)字讀取，還可以實(shí)現(xiàn)紅綠燈倒計時報時提醒。由于數(shù)字是實(shí)時變化的，因此數(shù)字提取涉及的條件較復(fù)雜且成功率尚未達(dá)到要求，本文暫且不對此模塊做研究。

2 圖像采集
    圖像采集需要在車頂或車內(nèi)前方安裝一款攝像機(jī)，對汽車前方進(jìn)行實(shí)時圖像采集。攝像機(jī)選擇條件是像素高、處理速度快、價格便宜。經(jīng)過綜合考慮，車載攝像機(jī)需要符合的各方面要求及部分規(guī)格數(shù)據(jù)如下：
    (1)帶彩色顯示屏車載錄像儀，可即錄即看；
    (2)鏡頭角度：90°；
    (3)感光芯片：1/4 color CMOS；
    (4)拍攝像素：1 280×720/720×480/640×480 pixels；
    (5)拍攝文件格式：錄像AVI格式，拍照J(rèn)PG格式，可連接電腦或在導(dǎo)航儀、手機(jī)等設(shè)備上即時播放；
    (6)支持幀率調(diào)節(jié)以節(jié)省空間或錄制最優(yōu)質(zhì)圖像功能；
    (7)支持SD/SDHC/MMC卡存儲拍攝，支持32 GB存儲卡；
    (8)帶有數(shù)字化部件，可以直接將數(shù)字圖像通過計算機(jī)端口（如并口、USB接口）或標(biāo)準(zhǔn)設(shè)備（如磁盤驅(qū)動器）傳送給計算機(jī)。
3 圖像預(yù)處理
    圖像采集之后，通過攝像機(jī)固有的模數(shù)轉(zhuǎn)換部件完成圖像數(shù)字化，通過端口輸入微處理器。
    因為攝像頭是隨汽車運(yùn)動的，因此采集到的圖像難免會出現(xiàn)邊緣模糊。另外由于空氣狀況、日照變化、電磁等干擾，再加上圖像采集過程中會受到噪聲的影響，會使采集到的圖像變得模糊，如圖2所示，因此圖像采集完畢后需要進(jìn)行圖像預(yù)處理。

    對于隨即干擾所產(chǎn)生的椒鹽噪聲可以用中值濾波處理[1]。圖3為圖2所示圖像經(jīng)中值濾波后的效果圖。中值濾波是一種局部平均平滑技術(shù)，對于脈沖干擾和椒鹽的抑制效果較好。其濾波原理是：對一個滑動的窗口內(nèi)的諸像素灰度排序，用其中值代替窗口中心像素(x，y)原來的灰度，若窗口中的像素有偶數(shù)個，則取兩個中間值的平均。
    對于圖像邊緣模糊問題可以用高通濾波方法處理。圖像中的邊沿或線條與圖像頻譜中的高頻分量相對應(yīng)，因此可以用高通濾波的方法使低頻分量得到抑制，從而增強(qiáng)高頻分量使圖像邊沿或線條變得清晰[1]。理想高通濾波器的轉(zhuǎn)移函數(shù)為：

4 紅綠燈定位
    圖像預(yù)處理完畢后進(jìn)入目標(biāo)定位階段，需要在整幅圖像中定位出目標(biāo)(即紅綠燈)，并標(biāo)記出各個燈的位置。由于現(xiàn)實(shí)中圖像背景復(fù)雜，光照不均勻，因此在采集到的圖片中準(zhǔn)確地定位紅綠燈的出現(xiàn)是整個系統(tǒng)的前提。
    事先對紅綠燈進(jìn)行特征設(shè)定，紅綠燈特征之一是：版面多為黑色，即顏色較深，灰度值較低；另一特征是大多數(shù)紅綠燈外形固定，分橫豎兩種（本文以橫著的紅綠燈作為說明，豎著的類同），可以用訓(xùn)練與學(xué)習(xí)的方法，先搜集一些紅綠燈樣本，進(jìn)行特征標(biāo)記[2]后存入訓(xùn)練集，捕捉到待確定目標(biāo)后與樣本對比，相似度達(dá)到一定程度即認(rèn)為是目標(biāo)。對于樣品的特征設(shè)定有多種方法，這里介紹一種簡單的模板法[3]。首先框定樣品的寬度和高度，對樣品進(jìn)行二值化和邊緣提取，再將樣品的長度和寬度N等分，構(gòu)成一個N×N均勻小區(qū)域，對于每一個小區(qū)域內(nèi)的黑像素個數(shù)進(jìn)行統(tǒng)計，除以該小區(qū)域的面積總數(shù)，所得值超過一個閾值標(biāo)定為1，未超過的小區(qū)域標(biāo)定為0，如圖4所示。這樣做的好處是針對同一形狀、不同大小的樣品得到的特征值相差不大，有能力對同一形狀、不同大小的樣品視為同類。這樣不論攝像機(jī)距離物體遠(yuǎn)近都可以識別物體。

    執(zhí)行時先對采集到的圖像進(jìn)行大范圍相關(guān)搜索，由于紅綠燈外框基本為黑色，灰度值變化不大，用邊緣跟蹤[4]的方法尋找出紅綠燈外圍邊框，結(jié)果如圖5所示。邊緣跟蹤從起始點(diǎn)開始跟蹤，直到跟蹤的后續(xù)點(diǎn)回到起始點(diǎn)。邊緣跟蹤方法的基本原理是：確定一個灰度值較低的像素作為起始點(diǎn)，從左上角0點(diǎn)方向開始跟蹤，即用0點(diǎn)方向的鄰近像素與起始點(diǎn)比較，若灰度值相差不大，則視為同一物體，把此點(diǎn)作為新的起始點(diǎn)，將跟蹤方向逆轉(zhuǎn)90°作為新的跟蹤方向繼續(xù)跟蹤；若灰度值與起始點(diǎn)相差很大，則認(rèn)為不是同一物體，將跟蹤方向順時針旋轉(zhuǎn)45°，沿新的跟蹤方向繼續(xù)跟蹤。重復(fù)上述方法，直到檢測點(diǎn)回到最開始的檢測點(diǎn)為止，此時將跟蹤圈定的目標(biāo)定位待確定目標(biāo)。確定待確定目標(biāo)后對其進(jìn)行二值化與邊緣提取，再與樣本訓(xùn)練集里的樣本做比較。相似度超過一個閾值則認(rèn)為是目標(biāo)，記錄目標(biāo)像素坐標(biāo)。若相似度小于閾值，則認(rèn)為是非目標(biāo)。確定出紅綠燈位置后繼續(xù)與樣本對比，確定出各個燈的位置。

    具體流程如下：
    (1)對訓(xùn)練集中的樣本進(jìn)行特征提取并存儲。
    (2)對預(yù)處理后的圖像做搜索，用邊界跟蹤的方法圈定類目標(biāo)物體。
    (3)將圈定的物體與樣本集里的樣本做比較，相似度超過一定閾值則認(rèn)為是目標(biāo)。將目標(biāo)像素坐標(biāo)標(biāo)定存儲。
    (4)通過與樣本目標(biāo)對比，標(biāo)定出各個燈的位置并標(biāo)記存儲坐標(biāo)。
    流程如圖6所示。

5 顏色判別及輸出顯示
    根據(jù)德國物理學(xué)家赫姆霍茲(Helinholtz)的三原色理論[5]可知，各種顏色是由不同比例的三原色混合而成的，也就是說數(shù)字圖像中色彩是由R、G、B三個基本色組成的，被稱為是與設(shè)備相關(guān)的色彩空間。其中紅、綠可以組成黃色；藍(lán)、綠組成青色；紅、藍(lán)組成品紅色[6]。由此可以根據(jù)圖像中各個燈所在位置像素的R、G、B分量來判斷燈的顏色。具體實(shí)現(xiàn)方法如下：首先讀入像素地址并標(biāo)定起始像素坐標(biāo)，從上到下、自左而右地逐個判別該像素的顏色。比較各像素的顏色分量：若R>G+B，此像素為紅色，紅色像素數(shù)量加1，總像素數(shù)量加1；若G>R+B，此像素為綠色，綠色像素數(shù)量加1，總像素數(shù)量加1；若R、G分量大致相等且大于閾值T1，則此燈為黃色，黃色像素數(shù)量加1，總像素數(shù)量加1；若以上情況都不是，此像素未亮，總像素數(shù)量加1。然后計算各色像素與總像素的比值，通過比較得出比值最大者。最后判斷最大的比值是否大于閾值T2，若大于則此燈顏色為比值最大的量，否則認(rèn)為此燈未亮。
    具體實(shí)現(xiàn)流程如圖7所示。

    對于輸出，可以選擇一種點(diǎn)陣LCD顯示器，根據(jù)辨別結(jié)果分別在相應(yīng)的位置輸出“紅”、“綠”、“黃”等字眼。另外可以連接上警鈴，當(dāng)紅燈出現(xiàn)時發(fā)出聲音提醒車主注意。
參考文獻(xiàn)
[1] 楊枝靈，王開.Visual C++數(shù)字圖象獲取處理及實(shí)踐應(yīng)用[M].北京：人民郵電出版社，2003：175-190.
[2] 李志清，施智平，李志新，等.結(jié)構(gòu)相似度稀疏編碼及其圖像特征提取[J].模式識別與人工智能，2010，23(1)：12-19.
[3] 楊淑瑩，李蘭友.圖像模式識別—VC++技術(shù)實(shí)現(xiàn)[M].北京：清華大學(xué)出版社，2005：37-52.
[4] 周寧寧，趙正旭，翁素文.圖像的中介邊緣檢測方法[J]. 中國圖象圖形學(xué)報，2010，15(3)：36-42.
[5] 薛朝華.顏色科學(xué)與計算機(jī)測色配色實(shí)用技術(shù)[M].北京：化學(xué)工業(yè)出版社，2004：90-112.
[6] 綦科，張大方，謝冬青.基于顏色梯度特性的彩色圖像隱寫分析[J].通信學(xué)報，2011，32(1)：23-27.