摘要：汽车的车灯不仅具有照明作用,也是车辆行驶时与周围车辆交流信息的重要途径。在辅助驾驶中,准确理解周围车辆传递出的灯语信息,是制定车辆正确驾驶决策的前提。在日间行车时,由于行车环境多变,单通过特征匹配的方式检测车灯或车辆,进而识别灯语的方式,很难在道路实测中取得良好的效果。为此,针对日间行车情况,文中提出一种基于车辆检测的灯语识别方法。首先,文中使用Haar特征结合Adaboost级联分类器的车辆检测方式进行车辆检测,并在此基础上根据车灯在车尾的位置分布特征确定感兴趣区域;然后,在RGB色彩空间中提出一种颜色分割算法,其能够在感兴趣区域的基础上精确提取车灯位置并判断车灯的点亮状态,同时使用车灯点亮时的亮度特征排除颜色分割算法导致的误检;最后,使用高位刹车灯作为刹车灯灯语的识别条件,将历史频率信息作为转向灯灯语的识别条件,完成了日间行车时前车尾灯灯语的识别。以VS2010和opencv3.4.9作为算法的实现工具,将上汽提供的行车记录仪中的道路实测数据进作为测试数据进行实验。经测试,使用更新样本的训练方法得到的分类器识别准确率为93%,相对于传统Adaboost分类器,识别准确率提升了约2%,灯语识别算法的平均精度为93%,其总体平均耗时约53 ms。实验结果表明,分类训练方法能够小幅度提升检测精度,而灯语识别算法能够较准确地识别出刹车灯和转向灯以及两种灯语同时存在的情况,且基本保证实时性。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社