[0189] 其中Posrad、Posg_n、Pos yellciw表示幾個信號燈周期中統(tǒng)計的檢測出的信號燈中紅 燈、綠燈、黃燈亮燈區(qū)域的中心點位置，在后面步驟中具體說明。
[0190] 接著，進入步驟403中，綜合上述步驟401與402給出的候選區(qū)域的顏色及位置信 息判斷信號燈的狀態(tài)，對應(yīng)的連通域為最優(yōu)連通域〇pt ra_t，包含以下步驟：
[0191] 1)若連通域Labelrannet^ Colorroi= 1且Posroi= 1，則判定信號燈狀態(tài)為紅燈。
[0192] 2)若連通域Labelrannet^ Color roi= 2且Pos roi= 2,則判定信號燈狀態(tài)為綠燈。
[0193] 3)連通域Labelrannetj3在黃燈位置時（即Pos roi= 3)，包括以下步驟：
[0194] 若連通域Labelrannet^ Color rai= 3,則判定信號燈狀態(tài)為黃燈。
[0195] 若連通域Labelrannet^ Color rai= 1，則判定信號燈狀態(tài)為紅燈。
[0196] 若連通域Labelrannet^ Color rai= 2,則判定信號燈狀態(tài)為綠燈。
[0197] 此外，若滿足上述條件的最優(yōu)連通域optconnet的個數(shù)多于一個，則認為信號燈 的狀態(tài)為綠燈倒計時、紅燈倒計時和逆光導(dǎo)致的陰影。進行如下判斷：
[0198] 1)若Optrannetj為紅燈Pos roi= 1且opt rannet_2為紅燈Pos roi= 3,則認為信號燈狀 態(tài)為紅燈倒計時。
[0199] 2)若Optrannet l為綠燈Pos roi= 2且opt rannet 2為綠燈Pos roi= 3,則認為信號燈狀 態(tài)為綠燈倒計時。
[0200] 3)若 Optccinnetj為紅燈 Pos roi= 1 且 opt rannet_2為綠燈 Pos roi= 2,包括以下步驟： [0201]若Iroi_e_etj> I rcil__net_2X2,則認為最優(yōu)連通域為Optrannet l信號燈狀態(tài)為紅燈 Posroi= 1，否則為暗。
[0202]若Irai_ra_t 2> I roi_ra_t lX2,則認為最優(yōu)連通域為〇ptra_t 2信號燈狀態(tài)為紅燈 P〇Sroi= 2,否則為暗。
[0203] 其中 Ircil_ccinnet_x表示 opt rannet_x的平均亮度。
[0204] 夜間場景且Colorroi= 4時，判斷信號燈的狀態(tài)，包括一下步驟：
[0205] 若連通域Labelra_t」的Pos rai= 1，則判定信號燈狀態(tài)為紅燈。
[0206] 若連通域Labelra_t^ Pos rai= 2,則判定信號燈狀態(tài)為綠燈。
[0207] 若連通域Labelrannet^ Pos rai= 3,則判定信號燈狀態(tài)為黃燈。
[0208] 夜間畫面曝光的情況下，導(dǎo)致信號燈亮度區(qū)域的顏色信息失效。由于夜間彩色干 擾少，通過亮度區(qū)域的位置信息，可以得到信號燈的狀態(tài)，提高了特殊場景中算法的有效性 和準確性。
[0209] 若信號燈狀態(tài)為暗，則結(jié)束流程進入視頻下一幀并從步驟102開始計算。
[0210] 本實例中，步驟105的方案在具體實現(xiàn)時，其主要是通過步驟104中給出的信號燈 狀態(tài)及對應(yīng)的連通域〇pt ra_t的位置信息周期性的統(tǒng)計信號燈的特征值，由此進一步的提 高了本方案中閾值的自適應(yīng)性和穩(wěn)定性。根據(jù)統(tǒng)計值對信號燈位置偏移進行校驗，進一步 保證了場景偏移時信號燈狀態(tài)檢測的精確度。
[0211] 具體地說，如圖5所示，本實例步驟105在進行信號燈特征值的統(tǒng)計及位置偏移校 正時，主要通過以下子步驟實現(xiàn)：
[0212] 首先進入步驟501，通過判斷信號燈的狀態(tài)，若信號燈狀態(tài)為紅燈或者綠燈，則周 期性的統(tǒng)計其特征，否則結(jié)束流程進入視頻下一幀并從步驟102開始計算。
[0213] 接著進入步驟502,通過紅燈或者綠燈區(qū)域的特征，可以提取位置及顏色閾值的特 征進行周期性的統(tǒng)計，包括以下子步驟：
[0214] 步驟511中，通過步驟301中給出的飽和度和亮度的閾值ThrpCT_ s、ThrpCT l，可以提 取〇Pl_et的飽和度閾值Thr PCT_S和亮度閾值Thr PCT I并周期性的統(tǒng)計得出飽和度S th、和亮 度Ithx的閾值。其中I thx、Sthffl于步驟301中彩色分割的閾值。
[0215] 步驟512中，通過步驟306中給出的連通域的序列Labelrannet_ x，可以提取Optrannet 的中心點的位置Centroi并周期性的統(tǒng)計得出Cent roi_rad，Centroi_graen。
[0216] 步驟513中，通過黃燈的中心位置，周期性的統(tǒng)計出信號燈檢測區(qū)域的心點的位 置 CentrimO
[0217] 對應(yīng)復(fù)雜情況：如信號燈劇烈晃動、偏移出檢測區(qū)域、強順光，強逆光，可以通過周 期性統(tǒng)計顏色閾值信息，及位置信息及時調(diào)整閾值和信號燈的檢測位置。提高了算法在復(fù) 雜場景下的自適應(yīng)性和穩(wěn)定性。
[0218] 在步驟503中，通過步驟512中給出的紅、綠燈亮燈區(qū)域的中心位置統(tǒng)計值，分別 提取每幀紅燈或綠燈X方向和Y方向的偏移量Offset roi。
[0219] 其中Offsetroi表示單幀的紅燈或綠燈的Cent roi相對于統(tǒng)計值Cent roi_rad或者 Centrai g^在X方向和Y方向上的偏移量。
[0220] 在步驟504中，通過步驟513中給出的信號燈檢測區(qū)域中心位置的統(tǒng)計值，計算每 幀的檢測區(qū)域X方向和Y方向的偏移量Offset^。
[0221] 其中（^€8的""表示單幀檢測區(qū)域的中心位置相對于統(tǒng)計值Cent ""在X方向和Y 方向上的偏移量。
[0222] 以紅燈亮燈區(qū)域的X方向提取偏移量為例：
[0223] 計算Offsetroi(X)二 abs(Centroired(X) - Centroi(X)),其中 abs()表示求絕 對值。
[0224] 接著進入步驟505中，綜合上述步驟503和504給的信號燈亮燈區(qū)域位置及信號 燈檢測區(qū)域位置的偏移值判斷信號燈周期是否正常，包含以下步驟：
[0225] 通過紅燈和綠燈亮度區(qū)域的統(tǒng)計值，計算出紅燈與綠燈X方向和Y方向的相對位 置信息。
[0226] 計算X方向的相對位置：
[0229] 若0ffset"late(y)~1，則認為檢測得到的信號燈的周期正常，否則認為異常。
[0230] 若正常且Offsetralate(X) > Thrrffsetj,則信號燈偏移超出檢測區(qū)域認為異常。
[0231] 若正常、Offsetrelate(X) > Thrciffset L且 Offset relate(X) < Thrciffsetj,則進入步驟 506 〇
[0232] 若異常，則進入步驟507。
[0233] 其中Thrciffsetj^P Thr rffset_H分別表不偏移量的下限和上限。
[0234] 在步驟506中，通過統(tǒng)計值，校驗步驟101中定位的信號燈檢測區(qū)域的位置。通過 更新信號燈檢測區(qū)域的位置，可以降低信號燈定位的復(fù)雜度。
[0235] Offsetrim= abs (Offset rim-〇ffSetrelate (x))
[0236] 在步驟507中，還原紅燈和綠燈的中心位置為初始化規(guī)則中的位置。
[0237] 在本實例中，步驟106在實現(xiàn)其方案時，通過信號燈檢測區(qū)域的HIS直觀色彩描述 法對紅燈、黃燈或者綠燈的區(qū)域像素點判定顏色是否異常并校正，提高了校正后視覺的真 實性和準確性，進一步完善了執(zhí)法證據(jù)。主要時根據(jù)步驟103中給出的信號燈區(qū)域內(nèi)的飽 和度與亮度的閾值，結(jié)合步驟104中判定的信號燈狀態(tài)和對應(yīng)的亮燈區(qū)域的顏色特征，由 此判定并校正亮燈區(qū)域顏色異常的像素點。
[0238] 具體地說，如圖6所示，本實例步驟106在進行異常色度的判斷及校正時，主要通 過以下子步驟實現(xiàn)：
[0239] 首先進入步驟601，通過用戶的需求從系統(tǒng)界面反饋判斷是否進行顏色校正。若是 則進入步驟602,否則結(jié)束流程進入視頻下一幀并從步驟102開始計算。
[0240] 進入步驟602,通過步驟102和104中給出的信號燈狀態(tài)及其對應(yīng)的亮度區(qū)域 〇PU_ t，可以判定信號燈顏色是否異常，包括以下子步驟：
[0241] 根據(jù)步驟301中給出的信號燈區(qū)域Optecinnet，提取滿足色度H x thx、飽和度Sth、亮度 Ithx閾值范圍的顏色點（i，j)的色度H U、飽和度S^j和亮度I μ。判斷像素點（i，j)的顏 色是否異常。
[0242] 以紅燈亮燈區(qū)域的顏色點（i，j)為例：
[0243] 若圖像過亮、G(i，j) > Gth且B(i，j) > B th，則認為像素點（i，j)顏色異常。
[0244] 若夜間場景、I^> I th、G(i，j) > Gtj B(i，j) > B th，則認為像素點（i，j)顏色 異常。
[0245] 其中G(i，j)和B(i，j)表示像素點（i，j)在RGB圖像中對應(yīng)的G和B通道像素 值。G th和Bth表示G和B通道的閾值上限。
[0246] 若異常則進入步驟603,否則結(jié)束流程進入視頻下一幀并從步驟102開始計算。
[0247] 在步驟603中，通過步驟602中給出的滿足條件的異常色度的像素點（i，j)，分別 對RGB空間像素點pixel RSB(i，j)進行顏色校正。
[0248] pixelnewJfGB(i, j) = Tcorr x (Slj Ilj j) XpixelRGB(i, j)
[0249] 其中S1,,和I w表示像素點（i，j)的飽和度和亮度值。Tra"_x(S1J I1,,)表示像素 點（i，j)的顏色校正系數(shù)，通過高斯特征的顏色空間模型求得，計算步驟如下：
[0252] 其中Clerel表示彩色校正程度的級別，通過用戶視覺對顏色的理解，靈活的調(diào)整校 正顏色的色度，提高了本算法的靈活性。I 1, ,)表示主顏色的校正系數(shù) P U表示副顏色的校正系數(shù)。
[0253] 以紅燈亮燈區(qū)域的像素點為例（i，j):
[0257] 在本實例中，步驟107在實現(xiàn)其方案時，主要依據(jù)信號燈狀態(tài)及其對應(yīng)的亮度區(qū) 域，再利用SVM分類器識別信號燈的形狀。
[0258] 具體地說，如圖7所示，本實例步驟107在進行信號燈的形狀識別時，主要通過以 下子步驟實現(xiàn)：
[0259] 在步驟701中，根據(jù)上述步驟506給出的信號燈周期，判斷信號燈周期是否正常。 若是則進入步驟702,否則結(jié)束流程進入視頻下一幀并從步驟102開始計算。
[0260] 在步驟702中，根據(jù)上述步驟503給出的