一种交通信号灯故障检修方法

技术领域

本发明属于交通设施技术领域，尤其涉及一种交通信号灯故障检修方法。

背景技术

随着社会经济的发展，城市交通问题越来越引起人们的关注。人、车、路三者关系的协调，已成为交通部门急需解决问题之一，而交通信号灯的正确设计和建设是保证公路和道路交通畅通和安全的基础。因此，信号灯的设计、控制和故障的管理和维修方式显得尤为关键。在此背景下，随着交通信号灯保持稳定、安全工作的要求不断提高，对交通灯工作状况的连续实时监控提出了更高的要求。传统的交通信号灯故障检测仍停留在采用指定人员巡检的方式，因此故障发现周期长、信息反馈速度慢、监测成本高，已经不能适应当今社会日益增大的交通运输的需求。

在实际使用中，传统交通信号灯故障检测存在一些不足之处：道路路口交通信号灯的正常与否，对道路的畅通起着决定性的作用。但交通信号灯的故障与否，一直困扰着交通部门，没有统一的检测系统。

传统方式有在前端安装信号灯监测单元，建立一套信号灯监测系统或者安排固定的巡检人员进行故障巡检，这俩种巡检方式都需要投入大量的资金和人力，并且还要克服传统方式的结构弊端。

传统的故障检测有，安排专门巡检人员进行固定路线的故障巡检和现场安装故障监测单元进行故障发现。但这俩种故障发现方式都有着明显的的缺陷。

在现场安装监测单元的方式，监测单元与监控中心之间往往有大量重要的数据及信息需要传送，这就需要有高质量的通信线路将它们连接起来。当通信线缆老化或者现场检测单元故障时，故障监系统就会出现监控盲点，即使该路口发生故障，指挥中心和维修人员也不能得到及时的故障信息。信号灯故障路口就会出现拥堵，如果在高峰期，非常可能导致路段交通瘫痪；或者诱发重大交通事故。

或采用固定巡检人员采用定期巡检的方式进行故障发现，尽管可以简单直接的发现故障信息，但针对交通状况复杂、拥有大量信号灯的区域，该方法效率低、成本高，更不能满足准确定位故障来源和实时监控的要求。要做好交通灯故障检测，首先要了解信号灯正常工作原理以及各种故障下的主要特征信息，而目前交通部门及生产厂家缺少对上述信息的研究与统计，很难提供针对性的故障监控方案。

发明内容

为解决上述技术问题，本发明提供了一种交通信号灯故障检修方法。

本发明通过以下技术方案得以实现。

本发明提供一种交通信号灯故障检修方法，包括以下步骤：获取摄像机视频流，实时采集单帧图像；根据采集到的单帧图像，获取交通信号灯区域；根据交通信号灯区域，对交通信号灯的检测环境进行判断；根据判断结果，对交通信号灯区域进行灰度图划分，得到单通道灰度图；所述单通道灰度图包括红色通道灰度图、黄色通道灰度图和绿色通道灰度图；根据单通道灰度图，得到红色灰度图像、黄色灰度图像以及绿色灰度图像；分别对红色灰度图像、黄色灰度图像以及绿色灰度图像进行图像二值化处理，得到二值化图像；根据二值化图像，生成故障检测结果；所述故障包括交通信号灯熄灭故障和交通信号灯显示故障。

所述根据交通信号灯区域，对交通信号灯的检测环境进行判断这一步骤，包括以下步骤：基于预设的转换公式，将交通信号灯区域的彩色图像转换为灰度图像；对灰度图像进行二值化处理，得到二值化图像；计算二值化图像的总体像素面积以及白色像素面积；计算白色像素面积与总体像素面积之间的比值；判断比值是否大于预设的第一阈值，若是，则判定交通信号灯的检测环境不合格；反之，则判定交通信号灯的检测环境合格，并执行根据判断结果，对交通信号灯区域进行灰度图划分，得到单通道灰度图的步骤。

所述对灰度图像进行二值化处理，得到二值化图像这一步骤，其具体为：判断灰度图像中像素点的灰度值是否大于预设的第二阈值，若是，则将所述像素点的灰度值配置为255；反之，则将所述像素点的灰度值配置为0。

所述分别对红色灰度图像、黄色灰度图像以及绿色灰度图像进行图像二值化处理，得到二值化图像这一步骤，包括以下步骤：对交通信号灯的形状进行判断：当交通信号灯的形状为圆形时，采用大津法获取二值化的分割阈值；当交通信号灯的形状为箭头时，采用三角法获取二值化的分割阈值；根据二值化的分割阈值，将红色灰度图像、黄色灰度图像以及绿色灰度图像分割成二值化图像；对二值化图像进行图像形态学处理。

所述采用大津法获取二值化的分割阈值这一步骤，包括以下步骤：获取灰度图像中的前景图像和背景图像；所述前景图像为交通信号灯发光模块的图像，所述背景图像为二值化图像中除去交通信号灯发光模块以外的图像；计算前景图像的方差和背景图像的方差；计算前景图像的像素点数量占所述灰度图像总像素点数量的比例；计算前景图像的像素点的平均灰度；计算背景图像的像素点数量占所述灰度图像总像素点数量的比例；计算背景图像的像素点的平均灰度；计算所述灰度图像的像素点的总平均灰度；计算二值化的分割阈值。

所述采用三角法获取二值化的分割阈值这一步骤，包括以下步骤：建立灰度图像的三角直方图；根据三角直方图，构造像素数量的最高峰与最小灰度值之间的直线；计算三角直方图中每个直方图到所述直线之间的垂直距离；获取最大垂直距离对应的直方图，然后获取该直方图对应的灰度值，并将该灰度值作为二值化的分割阈值。

所述根据二值化图像，生成故障检测结果这一步骤，包括以下步骤：分别计算红色二值化图像、黄色二值化图像和绿色二值化图像的总体像素面积以及白色像素面积；分别计算红色二值化图像、黄色二值化图像和绿色二值化图像的白色像素面积与总体像素面积之间的比值；判断三个比值是否均小于预设的第三阈值，若是，则判定交通信号灯存在熄灭故障；反之，则执行下一步骤；根据计算得到的三个比值和预设的第三阈值，通过比对法对交通信号灯进行显示故障检测。

另外，本发明还提供了一种交通信号灯故障检修系统，包括：采集模块，用于获取摄像机视频流，实时采集单帧图像；区域选取模块，用于根据采集到的单帧图像，获取交通信号灯区域；环境检测模块，用于根据交通信号灯区域，对交通信号灯的检测环境进行判断；单通道灰度图划分模块，用于根据判断结果，对交通信号灯区域进行灰度图划分，得到单通道灰度图；所述单通道灰度图包括红色通道灰度图、黄色通道灰度图和绿色通道灰度图；三色灰度图生成模块，用于根据单通道灰度图，得到红色灰度图像、黄色灰度图像以及绿色灰度图像；二值化处理模块，用于分别对红色灰度图像、黄色灰度图像以及绿色灰度图像进行图像二值化处理，得到二值化图像；故障检测模块，用于根据二值化图像，生成故障检测结果；所述故障包括交通信号灯熄灭故障和交通信号灯显示故障。

此外，本发明还提供了一种交通信号灯故障检修系统，包括：至少一个处理器；至少一个存储器，用于存储至少一个程序；当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如前所述的交通信号灯故障检修方法。

此外，本发明还提供了一种存储器，其中存储有处理器可执行的程序，所述处理器可执行的程序在由处理器执行时用于执行如前所述的交通信号灯故障检修方法。

本发明的有益效果在于：采用本发明的技术方案，通过道路上的摄像机视频流来实时采集单帧图像，无需额外铺设图像采集设备，工作人员可以在后台直接获取最终的故障检测结果，无需进行户外工作，大大降低了人工成本且提高了工作效率；另外，本发明能够同时检测交通信号灯的熄灭故障和显示故障，进一步提高了检测效率。

附图说明

图1为本发明实施例的步骤流程图；

图2为本发明实施例的三角法直方图示意图。

具体实施方式

下面进一步描述本发明的技术方案，但要求保护的范围并不局限于所述。

本发明提供一种交通信号灯故障检修方法，如图1、图2所示，利用了机器视觉的相关技术，其中，机器视觉主要用计算机来模拟人的视觉功能，但并不仅仅是人眼的简单延伸，更重要的是具有人脑的一部分功能一一从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。机器视觉系统通过摄像机把图像抓取到，然后将该图像传送至处理单元，通过数字化处理，根据像素分布和亮度、颜色等信息，来进行尺寸、形状、颜色等的判别。

参照图1，本发明实施例提供了一种交通信号灯的故障检测方法，具体实现步骤如下：

S1、获取摄像机视频流，实时采集单帧图像；

本发明属于数字图像处理领域，所以要从交通摄像机中获取视频流，实时采集单帧视频图像进行处理。

S2、根据采集到的单帧图像，获取交通信号灯区域；

具体地，ROI区域(region of interest，感兴趣区域)，是指从图像中选择的一个图像区域，作为图像分析所关注的重点，在本发明中即是摄像机视频流采集到的图像中交通信号灯的区域。由于原始图像的分辨率较大，设置ROI区域作为目标图像可以减少处理时间，并提高处理精度。

S3、根据交通信号灯区域，对交通信号灯的检测环境进行判断；

进一步作为步骤S3的优选实施方式，所述步骤S3包括以下步骤：

S31、基于预设的转换公式，将交通信号灯区域的彩色图像转换为灰度图像；

S32、对灰度图像进行二值化处理，得到二值化图像；

S33、计算二值化图像的总体像素面积以及白色像素面积；

S34、计算白色像素面积与总体像素面积之间的比值；

S35、判断比值是否大于预设的第一阈值，若是，则判定交通信号灯的检测环境不合格；反之，则判定交通信号灯的检测环境合格，并执行根据判断结果，对交通信号灯区域进行灰度图划分，得到单通道灰度图的步骤。

具体地，由于本实施例通过摄像机采集的图像是彩色图像，因此首先把彩色图像转换为灰度图像。把白色与黑色之间按对数关系分为若干等级，称为灰度，灰度分为256阶，用灰度表示的图像称作灰度图。本实施例通过下面的方法将彩色图像转为灰度图像：

Gray＝R*0.3+G*0.59+B*0.11，其中，颜色模型为RGB(R：red，红色；G：green，绿色；B：blue，蓝色)，分别由R通道、G通道、B通道组成；Gray代表转换后的图像灰度值。

在本实施例中，一幅灰度图像中包含前景图像和背景图像，前景图像是交通信号灯发光模块对应的图像，背景是交通信号灯发光模块以外的部分对应的图像。因为需要对前景与背景进行分离之后，才能提取目标，所以本实施例首先把灰度图像进行二值化。图像二值化是将图像上的像素点的灰度值设置为0或255，像素点的灰度值为0时呈现黑色，255时呈现白色，也就是将整个图像呈现出明显的黑白效果。通过图像二值化处理，能够将256个亮度等级的灰度图像通过适当的阈值选取而获得仍然可以反映图像整体和局部特征的二值化图像。所有灰度大于或等于第二阈值的像素被判定为前景图像，其灰度值为255表示，否则这些像素点被排除在目标以外，判定为背景图像，灰度值为0，表示背景或者其他物体的区域。

接着，本实施例将二值化图像的长和宽相乘，获得图像总体像素面积S0，再遍历整个图像的所有像素中灰度值为255(即图像中白色像素)的总体像素面积s0，计算s0和S0之间的比例(即图像中白色像素的像素比P0)。由于在实际环境中常有雨天或雾天的情况，并且常有车灯照在交通信号灯的情况，这些情况下二值化图片的白色像素面积会增加，影响后续的检测。因此在检测之前，设定一个阈值T0(即第一阈值)，这个阈值是可以接受的白色像素比最大值。当计算得到的比例P0大于这个阈值T0，则认为当前交通信号灯的环境不适合做检测；否则，认为当前交通信号灯没有异常，可以继续做检测。

S4、根据判断结果，对交通信号灯区域进行灰度图划分，得到单通道灰度图；所述单通道灰度图包括红色通道灰度图、黄色通道灰度图和绿色通道灰度图；

具体地，由于交通信号灯的显示颜色为红色、绿色、黄色，因此需要获得对应颜色的灰度图。本实施例通过下式得到对应颜色的灰度图：

R＝r–g；G＝g–r；Y＝g–b；

其中，R表示红色通道灰度图的像素值，G表示绿色通道灰度图的像素值，Y表示黄色通道灰度图的像素值；r表示彩色图像R通道的像素值，g表示彩色图像G通道的像素值，b表示彩色图像B通道的像素值。

S5、根据单通道灰度图，得到红色灰度图像、黄色灰度图像以及绿色灰度图像；

S6、分别对红色灰度图像、黄色灰度图像以及绿色灰度图像进行图像二值化处理，得到二值化图像；

进一步作为步骤S6的优选实施方式，所述步骤S6包括以下步骤：

S61、对交通信号灯的形状进行判断：当交通信号灯的形状为圆形时，采用大津法获取二值化的分割阈值；当交通信号灯的形状为箭头时，采用三角法获取二值化的分割阈值；

S62、根据二值化的分割阈值，将红色灰度图像、黄色灰度图像以及绿色灰度图像分割成二值化图像；

S63、对二值化图像进行图像形态学处理。

具体地，由于交通信号灯的类型不同，显示的形状分为圆形和箭头的类型，经过图像预处理后的二值化图片白色像素面积有较大的差异，因此需要使用不同的方法处理。

本实施例中，显示形状为圆形的图像采用大津法来获得二值化的分割阈值。在大津法中所采用的衡量差别的标准就是较为常见的最大类间方差。其中，前景和背景之间的类间方差如果越大，就说明构成图像的两个部分之间的差别越大，当部分目标被错分为背景或部分背景被错分为目标时，都会导致两个部分之间的差别变小，当所取阈值的分割使类间方差最大时就意味着错分概率最小。

本实施例中，记t0为前景与背景的之间分割阈值，前景的像素点数占整个图像的像素点的比例为w0，前景的像素点的平均灰度为u0；背景的像素点数占整个图像的像素点的比例为w1，背景的像素点平均灰度为u1，整个图像的总平均灰度为u，前景图像和背景图像的方差为g，则有：

u＝w0×u0+w1×u1，

g＝w0×(u0-u)2+w1×(u1-u)2

联立上面两式可得：

g＝w0×w1×(u0-u1)2，

当方差g最大时，可以认为此时前景和背景差异最大，此时的灰度t0为所求分割阈值。通过本发明的方法能够获得每张图片不同的最佳阈值，因此阈值具有很强的自适应性。

另外，在本实施例中，显示形状为箭头的图片采用三角法来获得二值化的阈值。在三角法中通过建立直方图数据，使用基于纯几何的方法来寻找最佳阈值。本实施例中三角法直方图如图2所示。

图2中的横坐标表示0到255的灰度值，纵坐标表示对应灰度值下的像素数量。假设直方图最大波峰在灰度值较大的一侧(如图2所示的横坐标为192处)，从直方图的最高峰bmax(如图2所示的横坐标为192处)到最低灰度值bmin(如图2所示的横坐标为32处)构造一条直线，从bmin处开始计算每个对应的直方图b到直线之间的垂直距离d，直到bmax为止，其中最大距离d对应的直方图位置即为图像二值化对应的阈值t0。和上述大津法相似，本发明的三角法具有很强的自适应性。

虽然图像二值化后可以去除图像的大部分背景，但是有时会出现前景会变成多个白色块状，没有成为一个白色整体的情况；还有在实际交通场景中，当交通信号灯并排安装的时候，附近信号灯的光线会导致目标图像存在一些离散的噪音点的情况；这些情况会导致后续的处理和判断出现异常，因此需要对其进行图像形态学处理。

进一步作为优选的实施方式，所述图像形态学处理包括图像腐蚀、图像膨胀和去噪声操作

S7、根据二值化图像，生成故障检测结果；所述故障包括交通信号灯熄灭故障和交通信号灯显示故障。

进一步作为步骤S7的实施方式，所述步骤S7包括以下步骤：

S71、分别计算红色二值化图像、黄色二值化图像和绿色二值化图像的总体像素面积以及白色像素面积；

S72、分别计算红色二值化图像、黄色二值化图像和绿色二值化图像的白色像素面积与总体像素面积之间的比值；

S73、判断三个比值是否均小于预设的第三阈值，若是，则判定交通信号灯存在熄灭故障；反之，则执行下一步骤；

具体地，本实施例成功获取到所需要的二值化图像后，将二值化图像的长和宽相乘，获得图像总体像素面积Sr，再遍历整个图像中像素点的灰度值为255(即图像中白色像素)的总体像素面积sr，计算sr和Sr的比例即图像(红色灰度图像的二值化图像)中白色像素比R。用类似的方法求得黄色灰度图像的二值化图像的白色像素比Y，以及绿色灰度图像的二值化图像的白色像素比G，设定一个第三阈值T1，判断R、Y、G的值是否全部小于第三阈值T1，若是则认为交通信号灯全部熄灭，反之则再执行下一步骤。

S74、根据计算得到的三个比值和预设的第三阈值，通过比对法对交通信号灯进行显示故障检测。

具体地，在实际应用中，交通信号灯存在四种错误显示状态：①交通信号灯的红绿灯同时亮起；②交通信号灯的红黄灯同时亮起；③交通信号灯的黄绿灯同时亮起；④交通信号灯的红绿黄灯同时亮起。

在上述处理中已经获得了红、黄、绿各个二值化图像的白色像素比R、Y、G。本实施例使用R、Y、G这三个数值分别与阈值T1比较，进而可以判断显示错误的状态，其中：

若R>T1、G>T1且Y

若R>T1、Y>T1且G

若Y>T1、G>T1且R

若R>T1、G>T1、Y>T1，则判断交通信号灯的红绿黄灯同时亮起；

到此，上述四种错误显示状态都通过白色像素比与阈值的比较判断出来了，如果上述四种状态都判断为否，则认为信号灯正常工作。

进一步作为优选的实施方式，还包括以下步骤：

对故障检测结果进行保存以及展示。

具体地，当检测到信号灯故障时，本实施例把故障的信号灯图片保存到本机，然后图片保存路径写入MySql数据库，客户中心发出警报，工作人员用IIS服务器功能，通过图片保存路径查看故障信号灯图片，这样便知哪个路口交通信号灯故障，从而进行抢修。

本发明实施例还提供了一种交通信号灯的故障检测系统，包括：

采集模块，用于获取摄像机视频流，实时采集单帧图像；

区域选取模块，用于根据采集到的单帧图像，获取交通信号灯区域；

环境检测模块，用于根据交通信号灯区域，对交通信号灯的检测环境进行判断；

单通道灰度图划分模块，用于根据判断结果，对交通信号灯区域进行灰度图划分，得到单通道灰度图；所述单通道灰度图包括红色通道灰度图、黄色通道灰度图和绿色通道灰度图；

三色灰度图生成模块，用于根据单通道灰度图，得到红色灰度图像、黄色灰度图像以及绿色灰度图像；

二值化处理模块，用于分别对红色灰度图像、黄色灰度图像以及绿色灰度图像进行图像二值化处理，得到二值化图像；

故障检测模块，用于根据二值化图像，生成故障检测结果；所述故障包括交通信号灯熄灭故障和交通信号灯显示故障。

本发明实施例还提供了一种交通信号灯的故障检测系统，包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现所述的交通信号灯的故障检测方法。

上述方法实施例中的内容均适用于本系统实施例中，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。

此外，本发明实施例还提供了一种存储介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于执行所述的交通信号灯的故障检测方法。

综上所述，本发明在通过摄像机取流采集图像，这样用户可以通过远程连接工控机，用摄像机查看交通信号灯实时状态。交通信号灯安装分布广泛，这样用户可以在中心查看交通信号灯情况，减少工作人员户外工作的时间，提高工作效率。

另外，本发明整个检测过程都是24小时自动完成检测的，期间涉及了自动采集图像、图像处理以及保存检测结果过程，本发明可以同时实现熄灭故障和显示故障的检测，检测期间不需要人工干扰，大大减少了人工成本，同时替换人工巡检。