基于显著性特征的交通信号灯检测和识别∗

许明文 张重阳

（南京理工大学计算机科学与工程学院南京210094）

基于显著性特征的交通信号灯检测和识别∗

许明文 张重阳

（南京理工大学计算机科学与工程学院南京210094）

提出一种基于显著性特征的交通信号灯检测方法，并通过SVM分类器进行识别。首先，对低分辨率图像生成颜色、亮度和边缘特征图并融合成显著图。其次，获取交通信号灯候选区域，利用交通信号灯的几何特征和颜色特征过滤噪点。然后，提取交通信号灯目标，得到只包含单个箭头灯、圆灯和数字灯的区域。最后，提取检测区域的HOG特征，通过SVM分类器进行识别。实验结果表明，该算法检测率和识别率均超过97%。

显著图；交通灯检测；交通灯识别；交通数字灯；图像检测

Class NumberTP391

1 引言

交通信号灯检测和识别系统是无人驾驶和辅助驾驶系统的重要组成部分，针对交通灯检测和识别的研究受到了许多国内外研究者的关注。Masa⁃ko和Shinichiro提出RGB颜色分割后通过Hough变换检测圆形的方法检测圆形交通信号灯［1］，该方法仅仅适用于圆形信号灯，无法检测箭头型和数字型信号灯。Gong Jianwei等在HSV颜色空间下分割图像［2］，并利用跟踪算法对交通灯区域进行跟踪，该方法在较为复杂环境中检测和识别率不高。徐成等提出基于Lab色彩空间和模板匹配的方法［3］，由于其模板是人为生成的，匹配程度不高。谷明琴等提出先用颜色分割和形态滤波定位交通灯灯板［4］，然后将灯板区域在YCbCr颜色空间下分割，得出候选区域，再用二维Gabor小波变换和二维独立分量分析提取特征，最后用最邻近分类器分类。……