本发明涉及图像识别，更具体地，涉及一种基于道路监控视频的交通信号灯运行异常判别方法。
背景技术：
1、道路交通信号灯常见故障包括停电、控制电路故障、线路错位、零线接错、接线短路、配时错误、设备及杆件硬件故障等，表现为信号灯不亮、常亮、颜色不变、配时不合理等。很多地方信号灯系统存在运维缺位的问题，亟需要第三方的监督，而靠人工检查或者路人报告往往不够及时，增加了交通事故的风险。考虑到很多城市道路路口存在视频监控设备，具有拍摄到交通信号灯的条件，基于视频识别交通信号灯异常具有很大的可行性，适合辅助交通信号灯系统运维工作。
2、基于道路监控视频识别信号灯异常存在以下问题：
3、一是难以判断交通信号灯应亮未亮。由于道路监控视频监控范围是可变的，基于视频的信号灯识别算法可以检测出亮着的信号灯，但检测不到信号灯并不意味着信号灯没有亮起，而仅仅可能是视频监控范围发生了变化，没有拍摄到信号灯。因而基于视频判断信号灯应亮未亮需要创新的方法。
4、二是难以判断交通信号灯错误常亮和颜色不变。为了降低识别的算力成本，信号灯异常识别算法通常通过定时或者随机抽样检测视频，不会一直持续检测，每次抽样信号灯一样也不代表一定是信号灯常亮不变，因而需要其他方法发现常亮不变的信号灯。
5、三是难以确定信号灯配时不合理。通常情况下，由于信号灯配时问题导致一些方向拥堵的同时其他方向没有车辆，才能认为信号灯配时不合理。单方向的信号灯和路况难以说明信号灯配时不合理。
技术实现思路
1、为了解决现有技术中存在的不足，本发明提供了一种基于道路监控视频的交通信号灯运行异常判别方法，以解决现有技术中存在的难以判断交通信号灯应亮未亮、难以判断交通信号灯错误常亮和颜色不变、难以确定信号灯配时不合理的问题。
2、作为本发明的第一个方面，提供一种基于道路监控视频的交通信号灯运行异常判别方法，包括以下步骤：
3、步骤s1：获取当前路口的交通信号灯图像；
4、步骤s2：从所述当前路口的交通信号灯图像中识别出处于点亮状态的交通信号灯，并检测出所述处于点亮状态的交通信号灯的轮廓；
5、步骤s3：根据所述处于点亮状态的交通信号灯的轮廓从所述当前路口的交通信号灯图像中识别出处于熄灭状态的交通信号灯；
6、步骤s4：判断同一组交通信号灯中除了所述处于熄灭状态的交通信号灯之外的其他交通信号灯是否点亮；若未点亮，则确定出该处于熄灭状态的交通信号灯存在应亮未亮故障；若点亮，则执行步骤s5；
7、步骤s5：判断当前路口的该组交通信号灯方向的交通状态是否异常；若交通状态异常，则长时间跟踪该其他交通信号灯的状态，以确定出该其他交通信号灯存在常亮不变故障；若交通状态不异常，则获取当前路口的其他方向的交通状态，然后执行步骤s6；
8、步骤s6：根据所述当前路口的该组交通信号灯方向的交通状态和所述当前路口的其他方向的交通状态得到当前路口的交通状态，当所述当前路口的交通状态为一个方向存在车辆排队情况而另一个方向未存在车辆排队情况时，对未排队方向整个绿灯时段的车辆通行情况进行跟踪；
9、步骤s7：当未排队方向的绿灯点亮一段时间后，未排队方向的排队车辆清空，则确定出当前路口的交通信号灯存在配时不合理情况。
10、进一步地，所述从所述当前路口的交通信号灯图像中识别出处于点亮状态的交通信号灯，还包括：
11、采用基于深度学习的目标检测算法对所述当前路口的交通信号灯图像进行定时抽样识别，以识别出交通信号灯的点亮状态和熄灭状态；
12、采用预训练的神经网络模型对所述当前路口的交通信号灯图像进行定时抽样检测，以检测出交通信号灯的颜色，其中，所述交通信号灯的颜色分为红色、绿色和黄色。
13、进一步地，所述检测出所述处于点亮状态的交通信号灯的轮廓中，还包括：
14、利用深度卷积神经网络模型对所述处于点亮状态的交通信号灯进行分割，以检测出所述处于点亮状态的交通信号灯的轮廓；
15、使用模板匹配算法，结合图像处理技术canny边缘检测，保存所述处于点亮状态的交通信号灯的轮廓信息。
16、进一步地，所述根据所述处于点亮状态的交通信号灯的轮廓从所述当前路口的交通信号灯图像中识别出处于熄灭状态的交通信号灯中，还包括：
17、根据所述处于点亮状态的交通信号灯的轮廓，应用模板匹配算法，从所述当前路口的交通信号灯图像中识别出处于熄灭状态的交通信号灯；
18、对所述处于熄灭状态的交通信号灯进行分类，并记录其位置和状态。
19、进一步地，所述判断当前路口的该组交通信号灯方向的交通状态是否异常中，还包括：
20、获取当前路口的该组交通信号灯方向的交通图像；
21、应用基于深度学习的目标检测算法识别并跟踪所述交通图像中的动态目标；
22、根据动态目标的跟踪结果，判断当前路口的该组交通信号灯方向的交通状态是否异常；其中，异常的交通状态包括闯红灯、路口拥堵和急刹车。
23、进一步地，所述根据所述当前路口的该组交通信号灯方向的交通状态和所述当前路口的其他方向的交通状态得到当前路口的交通状态中，还包括：
24、在当前路口的绿灯变红灯期间，利用目标检测和跟踪算法对当前路口各方向的交通图像进行检测，以检测出各方向的车辆排队情况，并确定各方向的车辆排队长度和车辆排队持续时间。
25、进一步地，所述对未排队方向整个绿灯时段的车辆通行情况进行跟踪中，还包括：
26、应用交通流仿真模型，分析未排队方向整个绿灯时段的车辆通行情况和排队车辆消散速度。
27、进一步地，所述当未排队方向的绿灯点亮一段时间后，未排队方向的排队车辆清空，则确定出当前路口的交通信号灯存在配时不合理情况中，还包括：
28、当所述当前路口的交通信号灯存在配时不合理情况时，通过交通流优化算法线性规划和遗传算法，调整所述当前路口的交通信号灯的信号配时方案。
29、本发明提供的一种基于道路监控视频的交通信号灯运行异常判别方法具有以下优点：在有道路监控视频的情况下，能够及时发现道路交通信号灯运行异常，从而解决交通信号灯运行异常及时预警的问题，避免由信号灯运行异常引发交通事故。
1.一种基于道路监控视频的交通信号灯运行异常判别方法，其特征在于，所述基于道路监控视频的交通信号灯运行异常判别方法包括以下步骤：
2.根据权利要求1所述的基于道路监控视频的交通信号灯运行异常判别方法，其特征在于，所述从所述当前路口的交通信号灯图像中识别出处于点亮状态的交通信号灯，还包括：
3.根据权利要求1所述的基于道路监控视频的交通信号灯运行异常判别方法，其特征在于，所述检测出所述处于点亮状态的交通信号灯的轮廓中，还包括：
4.根据权利要求1所述的基于道路监控视频的交通信号灯运行异常判别方法，其特征在于，所述根据所述处于点亮状态的交通信号灯的轮廓从所述当前路口的交通信号灯图像中识别出处于熄灭状态的交通信号灯中，还包括：
5.根据权利要求1所述的基于道路监控视频的交通信号灯运行异常判别方法，其特征在于，所述判断当前路口的该组交通信号灯方向的交通状态是否异常中，还包括：
6.根据权利要求1所述的基于道路监控视频的交通信号灯运行异常判别方法，其特征在于，所述根据所述当前路口的该组交通信号灯方向的交通状态和所述当前路口的其他方向的交通状态得到当前路口的交通状态中，还包括：
7.根据权利要求1所述的基于道路监控视频的交通信号灯运行异常判别方法，其特征在于，所述对未排队方向整个绿灯时段的车辆通行情况进行跟踪中，还包括：
8.根据权利要求1所述的基于道路监控视频的交通信号灯运行异常判别方法，其特征在于，所述当未排队方向的绿灯点亮一段时间后，未排队方向的排队车辆清空，则确定出当前路口的交通信号灯存在配时不合理情况中，还包括：
