基于MATLAB的红绿灯检测识别系统

男娘i 2022-08-28 14:55 161阅读 0赞

1.  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

![v2-7a40fcb5ee0baf347ae4c740b306624a\_b.jpg][v2-7a40fcb5ee0baf347ae4c740b306624a_b.jpg]

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);