基于MATLAB的红绿灯检测识别系统

课题介绍

红绿灯识别技术是智能交通系统一个重要方面，而且对无人驾驶以及智能车辆的辅助驾驶系统发展有积极推动作用。常用的红绿灯识别方法主要有两类：基于颜色方法和基于模板匹配的方法。基于颜色的方法对交通标志所处的外部环境要求高，且容易受噪声影响；基于模板匹配的方法对恶劣环境下的识别有较好的效果，但是其鲁棒性差。机器学习则是利用从已知的数据样本学习，根据某些特征通过某些特定的方法，来对未知的样本数据进行识别，做出正确判断。基于塔式梯度直方图（Pyramid Histogram of Oriented Gradients， PHOG）特征及支持向量机（Support Vector Machine，SVM）的红绿灯自动识别方法就是一种机器学习方法，不同于基于颜色和模板匹配的方法，此方法只需对图像进行特征提取，然后利用支持向量机对提取的特征进行学习形成分类模型，再利用该模型对红绿灯图像进行识别判断。

1. GUI界面设计

1. 核心代码

%主要功能描述：实现对红绿灯检测功能，将图像从RGB转换到HVS空间， %避免了普通%RGB空间易于受到亮度影响判定结果的弊端。

 clear; close all; 
Image_f=imread('pic.jpg'); 
figure(1),imshow(Image_f);title('检测图像'); %RGB TO HSV 
hsv_f = rgb2hsv(Image_f); H = hsv_f(:,:,1)*255; S = hsv_f(:,:,2)*255; V = hsv_f(:,:,3)*255; figure,imhist(uint8(H)); [y,x,z]=size(Image_f); Red_y=zeros(y,1); Green_y=zeros(y,1); Yellow_y=zeros(y,1);  for i=1:y     for j=1:x 
             if(((H(i,j)>=0)&&(H(i,j)<15))||((H(i,j) >= 245) && (H(i,j) <=255)) 
&&(V(i,j)>50)&&(S(i,j)>30))  %(V(i,j)<255)      &&(V(i,j)>50)&&(S(i,j)>30)                 Red_y(i,1)= Red_y(i,1)+1;%红像素点统计              elseif(((H(i,j)>=66)&&(H(i,j)<130)) 
&&(V(i,j)>50)&&(S(i,j)>30))  %(V(i,j)<255)   &&(V(i,j)>50)&&(S(i,j)>30)                 Green_y(i,1)= Green_y(i,1)+1;%绿像素点统计              elseif(((H(i,j)>=20)&&(H(i,j,1)<65)) 
&&(V(i,j)>50)&&(S(i,j)>30))  %(V(i,j)<255)    &&(V(i,j)>50)&&(S(i,j)>30)                 Yellow_y(i,1)= Yellow_y(i,1)+1;%黄像素点统计              end      end        end   
Max_Red_y=max(Red_y) Max_Green_y=max(Green_y) Max_Yellow_y=max(Yellow_y) 
if((Max_Red_y> Max_Green_y)&&(Max_Red_y> Max_Yellow_y))     Result =1; 
elseif((Max_Green_y> Max_Red_y)&&(Max_Green_y> Max_Yellow_y))     Result =2; 
elseif((Max_Yellow_y> Max_Green_y)&&(Max_Yellow_y> Max_Red_y)) 
 
                    Result =3; else 
    Result =4; end 
if(Result==1) 
    disp('检测结果为红灯'); elseif(Result==2); 
    disp('检测结果为绿灯'); elseif(Result==3) 
    disp('检测结果为黄灯'); else 
    disp('检测失败'); end