1、引言

機(jī)器視覺又稱計(jì)算機(jī)視覺，是用計(jì)算機(jī)來實(shí)現(xiàn)人的視覺功能，也就是用機(jī)器代替人眼來做測量和判斷。機(jī)器視覺技術(shù)包含光源照明技術(shù)、光成像技術(shù)、傳感器技術(shù)、數(shù)字圖像處理技術(shù)、機(jī)械工程技術(shù)、檢測控制技術(shù)、模擬與數(shù)字視頻技術(shù)、計(jì)算機(jī)技術(shù)、人機(jī)接口技術(shù)等相關(guān)技術(shù)，是實(shí)現(xiàn)計(jì)算機(jī)集成系統(tǒng)的基礎(chǔ)技術(shù)。

對于交通燈的識別，將使世界上7~8%的色盲、色弱患者駕駛汽車成為可能，也為無人駕駛汽車在技術(shù)上前進(jìn)一步。因而將為汽車工業(yè)以及汽車電子工業(yè)帶來更大的經(jīng)濟(jì)效益，和更大的社會效益，并可在國際上填補(bǔ)該領(lǐng)域的空白。

2、基于機(jī)器視覺的交通燈識別方法

2.1、交通燈識別方法的流程圖如下所示

2.2、交通燈定位

當(dāng)獲取一張?jiān)嫉膱D像時，考慮到背景的變化及其他物體對交通燈識別的干擾，我們需要將圖像中交通燈的部分提取出來。在此本文用交通燈的形狀及灰度值來定位交通燈在圖像中的位置。

2.2.1、交通燈形狀的矩形度與圓形度

可以通過交通燈的矩形度來找出交通燈一定的范圍，在此采用一種簡單的矩形度計(jì)算方法rectangularity算子，即將上述低灰度值的分散區(qū)域作為輸入?yún)^(qū)域，當(dāng)?shù)玫侥骋痪匦魏洼斎雲(yún)^(qū)域有相同的一、二階矩時，計(jì)算出輸入?yún)^(qū)域的面積和該矩形面積的比，即為矩形度rectangularity的值。顯然當(dāng)輸入?yún)^(qū)域?yàn)榫匦螘r，得到矩形度的最大值1；輸入的區(qū)域越接近矩形，則矩形度越接近與1（無輸入?yún)^(qū)域時矩形度為0）。

通過上述矩形度的算法，可以在低灰度值的區(qū)域中篩選出一定范圍（包含交通燈輪廓）的類矩形，最后通過交通燈在圖像中占據(jù)的面積定位出交通燈的輪廓。

圖2-1通過形狀定位出交通燈的位置

然后在上圖的基礎(chǔ)上，采用一種簡單的Circularity算子，確定出包含有交通燈的輪廓。

具體的算法如下：

假設(shè)F是一個閉合區(qū)域的面積，max這個區(qū)域內(nèi)中心點(diǎn)到邊界或輪廓的最大距離，那么：

circularity=F/（max^2*π）（2-1）

根據(jù)式2-1可得圓的circularity為1。由此可知對于一個輪廓或多邊形包圍的區(qū)域如果其circularity接近與1，那么這個輪廓近似于一個圓?？梢酝ㄟ^一個閾值選取出與圓的相似的輪廓，例如可以選取circularity在［0.8，1］范圍內(nèi)的輪廓。如果有多個輪廓符合，則將這些輪廓所對應(yīng)的區(qū)域存放入一個數(shù)組之內(nèi)。

2.3、顏色空間變化

當(dāng)確認(rèn)交通燈的位置后，我們需要通過顏色識別來確定交通燈的狀態(tài)。

由于RGB顏色空間的相似不能代表顏色的相似，HSI顏色空間則沒有這個方面的問題，它們很適合人們?nèi)庋鄣姆直?，較好地反映人對顏色的感知和鑒別能力。因此可以先將RGB顏色空間轉(zhuǎn)化為HSI顏色空間。

RGB空間轉(zhuǎn)化為HSI空間的一般公式如下：

圖2-2通過飽和度提取的交通燈信息

2.4、顏色識別

本文通過圖像分割來識別交通燈的顏色。將圖像通過選定的閾值分割后，找出所需要的圖形。

2.4.1、基于閾值的分割

這是一種最常用的區(qū)域分割技術(shù)，閾值是用于區(qū)分不同目

標(biāo)的灰度值。如果圖象只有目標(biāo)和背景兩大類，那么只需選取一個閾值稱為單閾值分割。這種方法是將圖象中每個象素的灰度值和閾值比較，灰度值大于閾值的象素為一類，灰度值小于閾值的象素為另一類。如果圖象中有多個目標(biāo)，就需要選取多個閾值將各個目標(biāo)分開，這種方法稱為多閾值分割。閾值分割的結(jié)果依賴于閾值的選取，確定閾值是閾值分割的關(guān)鍵，閾值分割實(shí)質(zhì)上就是按照某個標(biāo)準(zhǔn)求出最佳閾值的過程。

在背景和目標(biāo)圖像的先驗(yàn)概率相等這一特定條件下，最佳閾值是背景灰度均值與目標(biāo)圖像灰度均值之均值。即：

通常閾值化分割方法根據(jù)某種測度準(zhǔn)則確定分割閾值。如果僅使用象素的灰度級確定分割閾值，則閾值化是點(diǎn)相關(guān)的；如果由每個象素鄰域的局部特性決定門限，則閾值化是區(qū)域相關(guān)的?；邳c(diǎn)相關(guān)的閾值化方法有P-TIle方法，直方圖凹形分析法，最大類間方差法，最大熵法以及矩不變門限法等?；趨^(qū)域相關(guān)的分割方法有直方圖轉(zhuǎn)換法，基于二階灰度統(tǒng)計(jì)的方法，松弛法以及基于過度區(qū)提取的分割方法等。

圖2-3顏色識別的結(jié)果

2.5、數(shù)字識別

在本例中，OCR被用來識別出交通數(shù)字燈上的數(shù)字顯示變化，使用OCR之前應(yīng)先將圖像的灰度值取反。

2.5.1、灰度值轉(zhuǎn)換

灰度值轉(zhuǎn)換是將圖像的灰度值顛倒過來，其中圖像的bite和cyclic類型的計(jì)算公式為g‘=255-g

圖像的direcTIon類型轉(zhuǎn)化公式為：

g’=（g+90）modulo180（2-6）

圖2-4灰度值取反結(jié)果

2.5.2、OCR

OCR是英文OpTIcalCharacterRecogniTIon的縮寫，意思為光學(xué)字符識別，通稱為文字識別，它的工作原理為通過掃描儀或數(shù)碼相機(jī)等光學(xué)輸入設(shè)備獲取紙張上的文字圖片信息，利用各種模式識別算法分析文字形態(tài)特征，判斷出漢字的標(biāo)準(zhǔn)編碼，并按通用格式存儲在文本文件中，由此可以看出，OCR實(shí)際上是讓計(jì)算機(jī)認(rèn)字，實(shí)現(xiàn)文字自動輸入。它是一種快捷、省力、高效的文字輸入方法。

圖2-5OCR識別數(shù)字結(jié)果

因OCR是通過檢測暗的模式確定其形狀，所以在上一步的灰度值轉(zhuǎn)化過程中先將原圖像的灰度值取反，把原本灰度值高的部分轉(zhuǎn)換成灰度值低的部分，然后用字符識別方法將形狀翻譯成計(jì)算機(jī)文字，即對文本資料進(jìn)行掃描，然后對圖像文件進(jìn)行分析處理，最后獲取文字及版面信息。

3、結(jié)論

交通數(shù)字信號燈是指揮交通必不可少的、無人職守的公共交通設(shè)施，其重要性是人所共知的。本文建立的交通數(shù)字信號識別系統(tǒng)采用機(jī)器視覺技術(shù)，對交通信號燈的顏色及其數(shù)字進(jìn)行自動識別。眾所周知，色弱、色盲是一種遺傳疾病。根據(jù)統(tǒng)計(jì)，全世界約有7%～8%的人患有不同程度的色盲、色弱疾病，這給患者的工作和生活帶來了一定的障礙和困難，許多工作和專業(yè)都對色盲、色弱患者關(guān)閉了大門。在我國，色盲者從出生開始直至壽終正寢，駕駛機(jī)動車的權(quán)利就被硬性法規(guī)標(biāo)準(zhǔn)所剝奪！若能夠運(yùn)用機(jī)器視覺技術(shù)讓色盲患者正確區(qū)分紅綠等多種顏色，辨別彩色圖像中的種種事物，賦予他們正常人的生活權(quán)利，意義深遠(yuǎn)。