一種利用交通標(biāo)識顏色及形狀特征進(jìn)行檢測與識別算法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及應(yīng)用計算機(jī)視覺研宄領(lǐng)域，尤其涉及一種利用交通標(biāo)識顏色及形狀特 征進(jìn)行檢測與識別算法。
【背景技術(shù)】
[0002] 人類自步入二十一世紀(jì)以來，社會經(jīng)濟(jì)和各項(xiàng)科學(xué)技術(shù)水平均取得了迅猛的發(fā) 展，機(jī)動車的出現(xiàn)正體現(xiàn)了這一點(diǎn)，機(jī)動車在現(xiàn)代交通中已經(jīng)成為了最重要的交通工具， 普及率也越來越高。我們甚至可以這么說，人類社會已經(jīng)離不幵這種快速、便捷的現(xiàn)代文 明產(chǎn)物了。但是，由于機(jī)動車輛的大范圍使用，道路交通面臨著日趨嚴(yán)重的承載壓力，交 通堵塞情況隨處可見，更嚴(yán)重的是，由疲勞駕駛和酒后駕駛等不安全因素引發(fā)的交通事故 越來越多。有資料統(tǒng)計，在世界范圍內(nèi)發(fā)生的安全事故中，道路交通事故約占90%，由此 造成的傷亡人數(shù)占總傷亡人數(shù)的80%以上，在非正常死亡人口中位列第一，給國家和人民 的生命財產(chǎn)造成了巨大的損失。
[0003] 針對道路交通的擁堵現(xiàn)象，傳統(tǒng)的方法是拓寬道路面積和修建更多的道路，這些 方法不僅需要投入大量的人力和財力，而且不能從根本上解決問題。因此從上世紀(jì)八十年 代起，一些發(fā)達(dá)國家開始把智能技術(shù)的方法應(yīng)用于交通系統(tǒng)，例如人們幵始研宄自動和半 自動的駕駛技術(shù)以及開展了智能交通系統(tǒng)（IntelligentTransportationSystem,ITS)的 研宄工作。所謂智能交通系統(tǒng)，就是通過合理的協(xié)調(diào)人、車和路來達(dá)到緩解交通堵塞、減少 交通事故的目的，它綜合運(yùn)用多種先進(jìn)的科學(xué)技術(shù)并把它們有效地集成在一起從而建立 了一個強(qiáng)大的交通運(yùn)輸管理系統(tǒng)。
[0004] 道路交通由人、道路和交通工具三個主體構(gòu)成，其中人發(fā)揮著最重要的指導(dǎo)作 用。道路不僅僅指路面，它還包括路面上的一些行人和物，以及樹立在兩旁的交通標(biāo)識。 因此要研宄智能交通系統(tǒng)，就必然要涉及到對道路兩旁的交通標(biāo)識的檢測和識別。道路交 通標(biāo)識采用文字或者符號的方式表達(dá)當(dāng)前的路況信息，它是交通管理部門進(jìn)行交通管理 的有效措施。在古羅馬時代，人們已經(jīng)采用了類似指示標(biāo)志的里程碑和指路牌等來引導(dǎo)軍 隊(duì)行進(jìn)。經(jīng)過兩千多年的發(fā)展，現(xiàn)在的交通標(biāo)識已經(jīng)多種多樣，并且有其專門的顏色和形 狀，它們遍布在世界的任何角落，為道路交通安全護(hù)航?？偟膩碚f，交通標(biāo)識識別系統(tǒng)有 以下幾個方面的應(yīng)用。
[0005] 另外，研宄交通標(biāo)識識別系統(tǒng)涉及到機(jī)器視覺、模式識別和圖像處理等多方面的 技術(shù)，它和人臉識別、目標(biāo)跟蹤一樣是典型的模式識別應(yīng)用系統(tǒng)。但是由于復(fù)雜的場景和 較高的實(shí)時性要求，對交通標(biāo)識的檢測和識別一直沒有理想的解決方案。

【發(fā)明內(nèi)容】

[0006] 針對現(xiàn)有技術(shù)中存在的缺陷或不足，本發(fā)明所要解決的技術(shù)問題是：提供一種利 用交通標(biāo)識顏色及形狀特征進(jìn)行檢測與識別算法。
[0007] 為了實(shí)現(xiàn)上述目的，本發(fā)明采取的技術(shù)方案為提供一種利用交通標(biāo)識顏色及形狀 特征進(jìn)行檢測與識別算法，包括以下步驟：
[0008] A、選取適當(dāng)?shù)念伾臻g對原始圖像做閾值分割，然后設(shè)置適合的顏色分割閾值， 得到含有紅、藍(lán)、黃顏色信息的交通標(biāo)識目標(biāo)圖像；
[0009] B、對交通標(biāo)識目標(biāo)圖像進(jìn)行預(yù)處理；
[0010]C、對經(jīng)過預(yù)處理的圖像進(jìn)行形狀識別，采取快速徑向?qū)ΨQ變換方法檢測圓形標(biāo) 識，采用角檢測與幾何信息相結(jié)合的方法檢測矩形及三角形；
[0011] D、對分割得到的不同種類的交通標(biāo)識進(jìn)行識別，采用Hu不變矩作為特征向量，在 識別方法方面采用支持向量機(jī)（SVM)方法。
[0012] 作為本發(fā)明的進(jìn)一步改進(jìn)，所述適當(dāng)?shù)念伾臻g為HIS顏色空間。
[0013] 作為本發(fā)明的進(jìn)一步改進(jìn)，所述預(yù)處理包括圖像去噪，使用連通域標(biāo)記法去除過 大過小面積干擾物，區(qū)域內(nèi)部孔洞填充、外邊緣輪廓檢測、使用圖像膨脹方法改善圖像形 狀，選取Prewitt算子進(jìn)行邊緣提取。
[0014] 作為本發(fā)明的進(jìn)一步改進(jìn)，所述形狀識別還包括采取圓形度的方法對提取的感興 趣區(qū)域的圓形標(biāo)識進(jìn)行形狀判別。
[0015] 作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟B中，三角形判別利用了已知高長度與拐角 檢測來實(shí)現(xiàn)。
[0016] 作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟C中，矩形檢測使用矩形的左上角和右下角 兩個拐角檢測模塊，進(jìn)行卷積找到峰值后，使用矩形的集合信息進(jìn)行矩形的進(jìn)一步檢測，即 左拐角及右拐角之間的長寬比需要滿足一定條件。
[0017] 作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟C中，三角形檢測使用三角形頂部拐角模板 及左下角拐角模板進(jìn)行卷積，找到峰值之后，利用兩角之間的寬高比進(jìn)行篩選與檢測。
[0018] 作為本發(fā)明的進(jìn)一步改進(jìn)，所述矩形檢測方法如下：
[0019] (1)將含有矩形及三角形交通標(biāo)識的圖像經(jīng)過顏色分割，圖像預(yù)處理及邊緣提取 等步驟之后，得到一副二值圖像，并且將該圖像進(jìn)行填充。
[0020] (2)對于矩形將矩形左上角拐角模板與右下角拐角模板依次對二值圖像做卷積， 產(chǎn)生結(jié)果矩陣Hl和H2 ;同樣對于三角形使用頂角拐角模板與左下角拐角模板分別對圖像 做卷積，產(chǎn)生結(jié)果矩陣H3和H4。
[0021] (3)設(shè)立閾值為最大卷積值的0. 8,根據(jù)閾值分別求得H1、H2中滿足條件的點(diǎn)。
[0022] (4)將檢測出來的距離相近的點(diǎn)進(jìn)行合并，去除多余的點(diǎn)。
[0023] (5)對于矩形，將兩個模板對應(yīng)的檢測出的點(diǎn)的橫縱坐標(biāo)分別相減，求得兩點(diǎn)的寬 高比，若比值滿足矩形寬高比范圍，則認(rèn)為這兩點(diǎn)能構(gòu)建一個矩形。
[0024] 本發(fā)明的有益效果是：本發(fā)明首先選取適當(dāng)?shù)念伾臻g對原始圖像做閾值分割。 考慮各種光照及復(fù)雜背景下分割效果，最終選取HSI顏色空間，然后通過設(shè)置適合的顏色 分割閾值，得到了含有紅、藍(lán)、黃顏色信息的交通標(biāo)識目標(biāo)圖，隨后對通過圖像分割得到的 目標(biāo)圖像進(jìn)行一定的預(yù)處理。由于圖像在分割之后仍存在大量的噪聲及干擾物，圖像預(yù)處 理的主要作用就是去除噪聲干擾物及對圖像做一定的細(xì)節(jié)處理以改善圖像質(zhì)量，接下來對 經(jīng)過預(yù)處理的圖像進(jìn)行形狀識別。形狀識別可以進(jìn)一步區(qū)分目標(biāo)物體與非目標(biāo)物體，對后 續(xù)的交通標(biāo)識的識別起到一個輔助的作用，最后對分割得到的不同種類的交通標(biāo)識進(jìn)行識 另IJ，支持向量機(jī)能避免局部最優(yōu)值及過度擬合等問題，同時對小樣本分類有著良好性能。
【附圖說明】
[0025] 圖1是HSI顏色空間模型圖。
[0026] 圖2是HSI顏色空間直接閾值分割結(jié)果圖。
[0027] 圖3是圖像預(yù)處理中均值濾波結(jié)果過程圖；
[0028] 圖4是圖像預(yù)處理中中值濾波進(jìn)行平滑過程圖；
[0029] 圖5是圖像預(yù)處理中去除過大過小面積效果圖；
[0030] 圖6是圖像預(yù)處理中膨脹運(yùn)算效果圖；
[0031] 圖7是矩形標(biāo)識預(yù)處理之后效果圖；
[0032] 圖8是圓形標(biāo)識預(yù)處理之后效果圖；
[0033] 圖9是Prewitt算子邊緣檢測效果圖；
[0034] 圖10是某點(diǎn)在其梯度方向及反方向投影示意圖；
[0035] 圖11是快速徑向?qū)ΨQ變換檢測圓形效果圖；
[0036] 圖12是矩形標(biāo)識檢