基于YOLOv5的闯红灯检测系统（含源码、UI及部署指南）

简介：
本项目提供了一种基于YOLOv5算法的实时闯红灯检测解决方案，包含完整源代码、用户界面设计和详细的部署文档。 使用说明可在zip压缩包中的README文件内找到，请仔细阅读。 交通信号灯的检测与识别是无人驾驶及辅助驾驶系统的重要组成部分，其精度直接关系到智能驾驶的安全性。在实际的道路场景中采集的交通信号灯图像往往包含复杂的背景，并且感兴趣的信号灯区域只占很小的一部分。为应对这些挑战，国内外的研究者提出了多种解决方案。大多数方案基于传统的图像处理方法；然而，目前也有研究采用具有较强学习能力的卷积神经网络进行识别，但这类方法通常需要大量的训练样本以避免过拟合的风险。 迄今为止，多数现有方法在各种颜色空间中利用信号灯的颜色先验知识来分割出感兴趣区域，并进一步通过信号灯特有的形状特征和角点特征等来进行判定。例如，Masako Omachi等人提出在RGB色彩空间内进行交通信号灯的分割工作，并使用HOUGH变换检测并确定所划分出来的圆形区域；徐成等人则建议采用Lab色彩空间对交通信号灯进行颜色分割，并利用模板匹配的方法来识别其状态；谷明琴等人的研究是在HSV色彩空间中通过统计图像H分量的颜色直方图，以确定交通信号灯的类型。 参考上述方案，本项目将基于传统的图像处理算法来进行交通信号灯的识别工作，并重点介绍其中的核心技术。