專案簡介：
正如題目所說的，這個專案的主要工作實際上就是實現交通燈的檢測。在智慧交通領域關於交通標誌，車道線，車輛前向碰撞預警，後向碰撞預警，車距檢測等已經有比較廣泛的研究。這些交通相關的計算機視覺方向也是目前自動駕駛汽車正在解決或者已經解決的經典問題。相比於這幾個方向，對於交通燈的檢測的研究相對較少。交通燈的檢測在自動駕駛汽車的安全行駛中至關重要。傳統CV的研究中，更多的是針對比較簡單的高空架空的交通燈的識別。在複雜的城市環境中，交通燈的檢測和識別仍然是一個比較困難的問題。雖然目前藉助於Deep Learning 的技術，交通燈的識別效果有了很大的進步。但是複雜城市環境道路中的交通燈檢測仍然達不到很高的精度。開設這個專案的目的在於梳理自己的知識，同時提升自己的C++的能力以及基於tensorflow框架的程式設計和專案搭建能力。這個專案將在github開源。歡迎大家共同進行專案維護。提出寶貴意見。
以下是github地址:

https://github.com/Gavinic/Traffic-Lights-Detection
(1)專案整體設計：
整個專案主要分為三大部分:Traffic lights locate; Traffic lights detect; Traffic lights recognize;
Traffic lights locate: 交通燈定位部分主要是對專案所使用的圖片進行預處理等操作，準確找到交通燈區域；
Traffic lights detect: 交通燈檢測部分主要是對定位部分得到的交通燈區域進行精確篩選；
Traffic lights recognize: 交通燈識別部分主要是對檢測到的交通燈進行紅，黃，綠的顏色區分。
(2)專案相關資料集：
Bosch Small Traffic Lights Dataset
https://hci.iwr.uni-heidelberg.de/node/6132

(3)傳統CV檢測效果：





(4)基於Tensorflow深度學習框架的交通燈識別效果：


(5)參考資料：
1，Traffic Light Mapping and Detection
2，Traffic Light Detection: A Learning Algorithm and Evaluations on
Challenging Dataset
3，A Tlreshold Selection Method from Gray-Level Histograms
4，城市環境中交通物件檢測與識別研究
5，複雜場景下交通燈的檢測與識別方法研究
以上只列出了主要的參考文獻，整體演算法主要是藉助各個文章的部分思想，進行整體演算法方案的設計和實現。
(6)Code overview:

這是一個持久的project，後續會逐部分分析和講解相關的程式碼和演算法原理。整個專案的程式碼除了少部分引用外，其他的全部來源於筆者原創。由於本人比能力有限，程式碼結構和質量可能存在一些瑕疵，希望各位可以提出寶貴意見，以及在github上contribute，共同完善這個工程。目前實現了演算法部分，後續計劃加上軟體介面。最終形成一個完整的產品。