URL: https://ieeexplore.ieee.org/document/8054751/?arnumber=8054751

TL;DR

TIS 2018 车载摄像头视频中检测交通信号灯，并确定最需要关注的那个。

Dataset

LARA: 高质量的城市交通场景视频
VIVA: 复杂的行车场景视频，清晰度光强不稳定

Algorithm/Model

image 首先是获取先验特征，这里主要是交通灯的大小，长宽比例，在图像中高度等。采用了聚类的方法。 然后是混合检测。检测基于颜色空间变换以凸显红绿特征。考虑到远近变化使用多尺度检测。如果如果在候选区上方发现红色块(同理下方绿色)，则增加20%置信。 作者设计了两种方法利用视频的连续关系: 1. 当无法区分红绿时将红灯、绿灯等都作为GT，以便其他图像检测。 2. 考虑灯移动不会很快，填补偶尔检测失败的图像。 作者对最需要关注的灯的判断采用了阈值法——最强置信、最大尺寸、最高位置。

Experiment Detail

image 作者在LARA数据集建模做特征工程，然后在VIVA测试。 采用AUC作为指标，在第2中利用视频连续的方法上取得最优。 红灯71.5%,红左转27.67%,绿灯52.16%,绿左转40.47%。

Thoughts

本文主要提升视频中对交通等检测的准确和召回。 主灯判断太简单粗暴了。