摘要：平交道是道路与铁路的交叉路口，是铁路中的复杂路口，同时也是铁路交通意外最多的地方，因此平交道安全也成了智能型运输系统建置的重要议题之一。本研究是利用图像处理技术，准确的撷取平交道中红绿灯状态，作为辅助判断火车靠近时平交道栅栏内区域是否具备安全通过的条件，并能及时给予火车乘务人员告警，排除危害平交道的事务，确保行车安全。
关键词：图像处理；复杂路口；红绿灯判别
一、前言
图像处理技术日新月异，图像处理技术已渐趋成熟，应用范围亦日趋广泛，目前如何实现复杂路口中的红绿灯判别乃是图像处理技术的重点应用研究方向。历年来我国的铁路管理局对铁路安全非常重视，采取各种措施防范平交道意外事故发生，如简单的发出警告声响与红灯警示，但是有强烈的噪音与红绿灯的被动防护很明显的不足。以前也曾经尝试铺设的感应线圈，遗憾的是感应线圈对气候和干扰信号太敏感与对金属信号的变异性，因此常常容易出现各式各样的问题。而本研究则是着重如何利用影像辨识技术撷取红绿灯与划分影像中的平交道区域中红绿的灯状态，作为辅助判断火车靠近时平交道栅栏内区域是否具备安全通过的条件，并能及时给予火车乘务人员告警，排除危害平交道的事务，确保行车安全。
二、图像处理技术
数字图像处理是指藉由计算机处理数字影像，大致分为三种阶段：低阶、中阶与高阶的处理，低阶处理包含减少影像噪声、增强对比及影像锐化等影像预处理的基本运算，低阶处理具有输入与输出同为影像的特点；影像的中阶包含分割、描述这些物体并简化成为适合计算机处理的形式，以及个体的分类，中阶处理的输入一般为影像，不过输出是由这些影像所撷取的特征（例如边缘、轮廓）；最后，高阶处理则涉及理解一群经辨认过的物体。
（1）色彩空间转换技术
色彩空间是以三个以上的颜色成份来表示所描述颜色的抽象数学模型，色彩空间转换是指将任何色彩空间中的颜色数据经过转换相对应到另一个色彩空间中的颜色数据，在不同的色彩空间中可以用不同的数据表示同一颜色，常见的色彩空间有 RGB、HSV、IHS、YCbCr、YIQ等。
本文所采用的影像格式为RGB 格式，RGB 格式彩色影像又称为全彩影像，以三维空间的资料型态来记录。每一个R、G、B 像素值大小在0~255之间即8位（bit），加起来24位图资料，所以呈现1000 多万种颜色变化，该标准几乎包括了人类视觉所能感知的所有颜色，是目前运用最广的颜色模型。HSV 是最接近人所体验与描绘的色彩感受，使用 H、S、V 三个基本特征来描述色彩空间，色彩空间模型如图1 所示，其含义如下：（1）色调（Hue）：是色彩的基本属性，就是平常所说的颜色名称。（2）饱和度（Saturation）：是指色彩的纯度，越高色彩越纯，低则逐渐变白。（3）明暗度（Value）：也可称为亮度，亮的颜色明暗度越高，暗的颜色明暗度越低
图1 色彩空间模型
（2）图像二值化技术
图像二值化又称灰度划分，就是将一般灰阶影像划分成只有两种灰度，区分成不需要的部分与待处理的目标物，即定义一个门坎值将像素分为 0 跟 1，亦可降低影像资料量及复杂度，降低计算机的运算时间，所以图像二值化在影像辨识里占了很重要的地位。
三、研究实践
本研究以北京五道口的铁路平交道作为研究对象，研究路过的火车路过该复杂路口时如何应用图像处理技术实现对红绿灯状态的准确判别。本次实验所硬件配备为桌面计算机，Intel（R）Core（TM）i5-2400 CPU 3.10 GHz，内存大小为 8 GB，显示适配器为 NVDIA GeForce9500GT，开发软件使用Matlab R2012a，实验之影像是由 Canon EOS 550D 数字摄影机拍摄如图 4-1 所示，摄影机规格如表 4-1，本实验所采用之影像解析为 1920 x 1080，影像格式为 RGB，采用镜头为 EF-S 18-135mm f/3.5-5.6 IS。
图2 图像色彩空间转换
复杂路口红绿灯撷取算法一开始先由背景影像跟输入影像，两个影像灰阶化后，背景相减，再二值化、区块标记，而输入影像会另外经由色彩空间转换成 HSV，进行红色萃取，如图2所示。然后跟一开始的区块标记结果作处理，区块中有红色成份就保留，其余滤掉，再用形态学处理把空洞补满；面积过滤把太小的滤掉；边缘检测将剩余区块保留其边缘，最后利用圆形半径相同的特性来检测红绿灯。因为本文是使用固定式摄影机，所以采用背景相减法来去除背景，此算法需要输入两张影像，灰阶化后，两张影像中背景像素大于输入像素或像素差异越小，其结果值越黑，差异越大，则结果越白。在摄录像像有时会产生两边同时亮起，一边刚亮，一边刚灭。如果以绝对值只一次的相减时容易产生误判，所以在这采用两次互减的方式。由于天气阴晴会产生光线强弱的变化对颜色的呈现也不一样，而直接使用RGB 色彩空间容易侦测错误，也不易定出准确的范围，所以本论文选择HSV 色彩空间，将色调、饱和度、明暗度分开设定，可以尽量的避免颜色受光线影响。转换后 H 的范围从 0 至 360 度，S 和 V 介于 0 到 1，S 值越高则越鲜艳，V 值越低则越黑，转换如下图 3-5 所示，本文红色定义如下，色调在小于 30 度或大于 320 度之间，S 大于 0.3，V 也大于 0.3。因为红绿灯中间部分经常偏橘或偏白所以红色区域较难会是完整的对象，而背景相减较能保持对象完整，所以相减完二值化再区块标记后，只要区块中有红色成份就保留，其余滤掉。
由于红绿灯的外型皆属于圆的形状，所以此方法是利用圆的特性进行识别。如果该区块半径相同，则此区块为红绿灯，首先对影像作边缘检测，再将所有边缘坐标累加，取平均值做中心点，后计算中心点至每一点边缘距离，最后取出最大值与最小值相除，小于门坎值就判定为圆形。对于遮断杆撷取首先输入背景影像与遮断杆放下的输入影像做背景相减，二值化取出放下的栅栏，而输入影像另外用 HSV 色彩空间萃取出遮断杆的白色部分，接着和一开始的二值化对象做 AND 运算，呈现出一节一节的栅栏，再滤除噪声、区块标记，后将白色区块根据其宽度右移取代栅栏红色部分，并与白色合并，再进行闭合将遮断杆的对象连在一起，最后长度过滤撷取出遮断杆。由于遮断杆的红色部分在阳光照射下顶端会偏白色，因此取白色部分可确保遮断杆高度的完整，以利后续的作业，再将输入影像转换成 HSV 色彩空间，提高图像识别的准确性。
图3 图像识别处理结果
经实验结果证明了本研究能够针对平交道的影像，成功地依照特征分辨出红绿灯，如果还能加入影像序列，利用平交道号志灯的周期性闪烁将会更完美的撷取。
四、结语
本研究是利用图像处理技术，准确的撷取平交道中红绿灯状态，作为辅助判断火车靠近时平交道栅栏内区域是否具备安全通过的条件，并能及时给予火车乘务人员告警，排除危害平交道的事务，确保行车安全。本文所提出的背景相减搭配红色色彩萃取方法与圆检测图像处理技术，经实验结果证明了本研究能够针对平交道的影像，成功地依照特征分辨出红绿灯，如果还能加入影像序列，利用平交道号志灯的周期性闪烁将会更完美的撷取。遮断杆的撷取也取得不错的结果，缺点是如果有白色的车与栅栏重迭，或平交道内有障碍物也会撷取失败，以上都还有改良的空间。以往的监控多采用固定式摄影监控，而平交道区域的撷取也取得不错的成果，如果能延伸高度变化与拍摄角度的运算，将可应用在移动式多角度的监控。
参考文献：
[1]谢发荣.基于图像处理的交通灯智能控制[J].物联网技术，2018，87（05）：57-58.
[2]吴国庆，王星星，张旭东，et al.基于图像处理的交通灯检测技术[J].现代电子技术，2018（08）：111-114.
[3]肖磊.基于图像处理及嵌入式系统的交通灯智能控制研究[J].科技风，2019（9）：99-99.
[4]邹子聪，皮旸.图像处理技术在智能交通中的应用探讨[J].中国高新技术企业，2019（3）：41-42.
论文作者:司杰
论文发表刊物:《基层建设》2019年第13期
论文发表时间:2019/7/22
标签：平交道论文; 影像论文; 色彩论文; 图像处理论文; 红绿灯论文; 区块论文; 空间论文; 《基层建设》2019年第13期论文;