基于顏色與形狀特征相結(jié)合的交通標志檢測方法
【專利摘要】本發(fā)明提出了一種基于顏色和形狀特征相結(jié)合的交通標志檢測方法，首先采用HSV顏色特征，提取整幅圖像中交通標志的可疑區(qū)域，然后采用形狀特征，對可疑區(qū)域進行再次劃分，提取出顏色和形狀都滿足條件的區(qū)域，濾去其它區(qū)域。本發(fā)明方法運算量小，魯棒性好，對外界環(huán)境變化不敏感，能夠準確、實時的檢測出道路兩旁復雜背景下的交通標志。
【專利說明】 基于顏色與形狀特征相結(jié)合的交通標志檢測方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種道路交通標志的檢測方法，特別是涉及一種基于復雜背景下的交通標志檢測方法。
【背景技術(shù)】
[0002]交通標志識別(Traffic Sign Recognition, TSR)系統(tǒng)是指人們將先進的信息技術(shù)、數(shù)據(jù)傳輸技術(shù)、控制技術(shù)以及計算機處理技術(shù)等有效地綜合運用于整個運輸管理體系，使人、車、路及環(huán)境密切配合，從而建立起一種在大范圍內(nèi)、全方位發(fā)揮作用的實時、準確、高效的交通信息提示系統(tǒng)。其是智能交通系統(tǒng)的一個重要組成部分，由于交通標志中含有許多重要的交通信息，如對當前行車的速度提示、前方道路狀況的變化、駕駛員行為制約等，因此在這一輔助系統(tǒng)中，如何快速、準確、有效地檢測出道路中的交通標志并將之反饋給駕駛?cè)藛T或控制系統(tǒng)，對于保證駕駛安全，避免交通事故的發(fā)生具有十分重要的研究意義，因此，受到越來越多專家學者的重視。
[0003]在智能交通系統(tǒng)研究方面比較著名的有:歐洲普羅米修斯(Program forEuropean Traffic with Highest Efficiency and Unprecedented Safety, PROMETHEUS)計劃，美國提出的智能車輛道路系統(tǒng)(Intelligent Vehicle and Highway Systems, IVHS),以及日本的先進安全車輛(Advanced Safety Vehicle, ASV)等。目前,在智能車輛機器視覺領(lǐng)域研究中處于前沿的主要有德國的UBM (Universitat der Bundeswehr Munchen)大學、意大利Broggi教授領(lǐng)導的課題組、美國國際科技應用公司等。其中，德國UBM大學Dick-manns教授領(lǐng)導的智能車輛研究小組一直致力于動態(tài)機器視覺領(lǐng)域的研究,研制的EMS-Vision視覺可較好的模擬人眼功能。過去的10多年里,有些國家已經(jīng)成功開發(fā)了一些基于視覺的道路識別和跟蹤系統(tǒng)。其中，具有代表性的系統(tǒng)有=LOIS系統(tǒng)、GOLD系統(tǒng)、RALPH系統(tǒng)、SCARF系統(tǒng)和ALVINN系統(tǒng)。
[0004]谷歌兩年半之前就推出了無人駕駛汽車項目，其中，也離不開交通標志識別系統(tǒng)，早在2011年的8月份谷歌無人駕駛汽車項目的帶頭人克里斯.厄姆森就宣布該公司的十余輛無人駕駛汽車已經(jīng)在電腦控制下安全行駛了 48萬公里。隨后寶馬、沃爾沃、奧迪等汽車廠商也相繼通過配備智能軟件、視野輔助及環(huán)境檢測系統(tǒng)推出了無人駕駛概念車。主要設(shè)計用于市區(qū)駕駛，通過對路邊交通標志的判斷以及其它相關(guān)技術(shù)，汽車能獨立加速和制動。國內(nèi)無人車研發(fā)方面，從上世紀90年代中期開始國防科技大學的賀漢根教授和戴斌教授率領(lǐng)的“自主駕駛技術(shù)”創(chuàng)新團隊從零起步，依靠自主創(chuàng)新實現(xiàn)了一系列關(guān)鍵技術(shù)突破，于2001年研制成功我國首臺無人駕駛汽車，打破了國外對我國無人駕駛技術(shù)的封鎖。此外，軍事交通學院的徐友春教授、清華大學的鄧志東教授等，也在無人車研發(fā)方面頗有建樹。國內(nèi)一些其它高校(如北京理工大學、清華大學、西安交通大學、武漢大學等)、研究機構(gòu)、以及一些汽車企業(yè)相繼也展開了一些相關(guān)方法的探索研究和初步實驗。
[0005]TSR輔助系統(tǒng)是計算機視覺、人工智能、圖像處理、模式識別等多學科的交叉應用，隨著視頻技術(shù)和計算機技術(shù)的發(fā)展，采用圖像處理方法智能提取交通標志的視頻檢測識別已經(jīng)成為可能。TSR系統(tǒng)中主要包括兩個基本環(huán)節(jié):首先是交通標志的檢測(分割)，包括對采集到的圖像的預處理和交通標志的分割定位；其次是交通標志的識別(分類)，包括交通標志的特征提取、特征分析及最終識別等。而檢測是TSR系統(tǒng)的關(guān)鍵環(huán)節(jié)，其結(jié)果的好壞直接影響識別結(jié)果的好壞。

【發(fā)明內(nèi)容】

[0006]發(fā)明目的
[0007]為了更好的對交通標志進行識別，本發(fā)明提出了一種基于顏色與形狀特征相結(jié)合的交通標志檢測方法。
[0008]技術(shù)方案
[0009]本發(fā)明是通過以下技術(shù)方案實施的:
[0010]一種基于顏色與形狀特征相結(jié)合的交通標志檢測方法，其特征在于:該方法步驟如下:
[0011](I)、提取顏色特征
[0012]采用HSV色度模型，通過對H、S、V賦相應的值來對整幅圖像提取可疑目標顏色。
[0013](2)、提取形狀特征
[0014]對顏色提取之后整幅圖像只剩下與目標交通標志顏色相同的區(qū)域，此時，通過對各個區(qū)域進行基于區(qū)域的形狀提取，通過求圓度、矩形度、伸展度對各個區(qū)域的形狀進行判斷，并且只留取圓形、矩形以及三角形區(qū)域。
[0015](3)形態(tài)學過濾
[0016]采用二維高斯函數(shù)作為平滑濾波器來去除圖像的邊界噪聲，使得目標圖像更加平滑；通過膨脹與腐蝕減少圖像中的毛刺、模糊噪聲以及去除比結(jié)構(gòu)元素小的暗色細節(jié)，保持圖像整體灰度值和大的暗區(qū)域基本不變。
[0017](4)可疑目標提取
[0018]將提取出的形狀特征經(jīng)過形態(tài)學過濾后，與原圖像進行與運算，提取出彩色的目標圖像，即交通標志圖像。
[0019]優(yōu)點和效果
[0020]由于圖像的單一特征對圖像的內(nèi)容描述難免過于片面，僅能對圖像的部分屬性予以表達，對于自然狀態(tài)下實時的交通標志提取，單一特征的檢索常常效果不佳，而基于顏色和形狀特征相結(jié)合的檢索，對圖像內(nèi)容的表達更全面，從而能夠揚長避短，取得更好的檢索效果。下面就單獨應用顏色、單獨應用形狀、其他顏色與形狀共同作用方法以及本專利所采用的顏色形狀相結(jié)合來提取交通標志圖標進行對比。
【專利附圖】

【附圖說明】
[0021]圖1為交通標志檢測的顏色-形狀配對模型及初分類示意圖；
[0022]圖2為提取目標最小輪廊不意圖；
[0023]圖3為不同交通標志各個形狀長、寬示意圖；
[0024]圖4為原始圖像；
[0025]圖5為單獨采用RGB進行藍色標志提取示意圖；[0026]圖6為單獨采用RGB進行藍色標志提取示意圖；
[0027]圖7為顏色與形狀共同作用檢測；
[0028]圖8為采用本專利方法進行圓形標志提取示意圖；
[0029]圖9為實施例1原始圖；
[0030]圖10為實施例1HSV顏色模型；
[0031]圖11為實施例1對整幅圖像提取出紅色區(qū)域的效果圖；
[0032]圖12為實施例1用形態(tài)學濾波并進行區(qū)域填充的效果圖；
[0033]圖13為實施例1提取目標形狀圖；
[0034]圖14為實施例1目標提取最終結(jié)果圖。
【具體實施方式】
[0035]下面結(jié)合附圖對本發(fā)明進行具體說明:
[0036]本發(fā)明提供了一種基于顏色與形狀特征相結(jié)合的交通標志檢測方法，該方法步驟如下:
[0037](I)、提取顏色特征
[0038]采用HSV色度模型，通過對H、S、V賦相應的值來對整幅圖像提取可疑目標顏色；例如，藍色、紅色、黃色等。
[0039](2)、提取形狀特征
[0040]對顏色提取之后整幅圖像只剩下與目標交通標志顏色相同的區(qū)域，此時，通過對各個區(qū)域進行基于區(qū)域的形狀提取，通過求圓度、矩形度、伸展度對各個區(qū)域的形狀進行判斷，并且只留取圓形、矩形以及三角形區(qū)域。
[0041](3)形態(tài)學過濾
[0042]采用二維高斯函數(shù)作為平滑濾波器來去除圖像的邊界噪聲，從而使得目標圖像更加平滑；通過膨脹與腐蝕減少圖像中的毛刺、模糊等噪聲以及去除比結(jié)構(gòu)元素小的暗色細節(jié)，保持圖像整體灰度值和大的暗區(qū)域基本不變。
[0043](4)可疑目標提取
[0044]將提取出的形狀特征經(jīng)過形態(tài)學過濾后，與原圖像進行與運算，從而提取出彩色的目標圖像，即交通標志圖像。
[0045]交通標志對駕駛員來說就是一種很生動的語言，駕駛員的駕駛過程差不多完全是依靠視覺系統(tǒng)對這種交通語言信息進行處理的。要想在熟悉的或不熟悉的環(huán)境中要做到遵守交通規(guī)則，準確、及時的識別出交通標志就是關(guān)鍵的前提。
[0046]但往往在駕駛過程中人們的注意力并不是完全集中的，容易受外界干擾物體(t匕如說電話、大小廣告、路人、車輛等)的影響，而忽視了交通標志牌。故自二十世紀八十年代中期開始，各種交通標志識別方法就不斷被提出，用于提醒駕駛員達到安全駕駛的目的。但由于場景任意帶來的多樣性和復雜性，還有對準確性、實時性以及魯棒性等方面的高要求，導致了到目前為止還沒有一個真正效果比較好的系統(tǒng)。由于研究對象是無法預知的復雜背景下的交通標志，因此本發(fā)明在光照變化、顏色殘缺、拍攝角度、標志模糊或扭曲、以及標志的遮擋方面都做了全面的考慮，以達到排除干擾，自動的、及時的找出交通標志牌，檢測標志信息，并迅速地反饋給駕駛員，最大程度的提高駕駛安全，減少事故發(fā)生的可能性，使駕駛變得更加安全和輕松。
[0047]我國直接與道路交通安全有關(guān)的交通標志分為3大類，合計131種(不包括可派生的標志)。其中，禁令標志48個，指示標志36個，警告標志47個。本發(fā)明的研究對象為這131個交通標志。
[0048]I)指示標志:用來指示車輛和行人的行進，以藍色為特征色，形狀為圓形或長方形。
[0049]2)警告標志:用來警告車輛和行人注意危險地點，以黃色為特征色，除“避險車道”為矩形外，形狀均為角向上的等邊三角形。
[0050]3)禁令標志:用來禁止或限制車輛和行人的行進，除“禁令解除”外以紅色為特征色，除“停車讓行”和“減速讓行”外形狀均為圓形。
[0051]由以上分析可知，交通標志邊框有藍、黑、紅三種顏色，形狀有圓形、三角形及矩形，因此，可根據(jù)交通標志邊框的顏色與形狀定位檢測出交通圖像中交通標志所在的區(qū)域位置。所以通過對整幅圖像先進行黃色、紅色、藍色以及黑色部分的提取，之后通過掃描提取區(qū)域的形狀特征如三角形、圓形和矩形。就可大概提取出交通標志的可疑區(qū)域。圖1為交通標志檢測的顏色-形狀配對模型及初分類。
[0052]由于圖像的單一特征對圖像的內(nèi)容描述難免過于片面，僅能對圖像的部分屬性予以表達，對于不同用戶的不同需求，單一特征的檢索常常效果不佳，而基于顏色和形狀特征相結(jié)合的檢索，對圖像內(nèi)容的表達更全面，從而能夠揚長避短，取得更好的檢索效果。
[0053](I)提取顏色特征
[0054]在顏色提取方面主要采用的顏色空間有RGB、HS1、LAB、HSV等。其中，RGB顏色空間是最基礎(chǔ)的、應用最廣泛的，幾乎所有的其它空間都可以通過RGB空間進行轉(zhuǎn)換。但其反應圖像的信息不夠直觀，不符合人類視覺的感知，而且RGB顏色空間中三個變量具有一定的相關(guān)性，使得圖像比較容易受光照的影響。在HSI模型中，雖然H、S、I三個分量關(guān)聯(lián)性很小，較為獨立，但當飽和度和亮度較低時會導致色調(diào)的不穩(wěn)定，無法用于交通標志的檢測，只有具備一定的飽和度和亮度值才可以得到穩(wěn)定的色調(diào)，因此，不適用實時的顏色檢測。LAB顏色空間是由專門制定測量顏色標準的國際照明委員會制定的一種色彩模式。能夠直接用顏色空間的幾何距離進行不同顏色的比較，因此可有效地用于測量小的色差，但由于其是非線性變換，因此計算量較大，而且顏色空間存在奇異點。
[0055]HSV顏色空間是孟塞爾色彩空間的簡化形式，是以顏色的色調(diào)(H)、飽和度(S)、亮度(V)為三要素來表示的，是非線性顏色表示系統(tǒng)。其中，色調(diào)是描述純色的屬性，飽和度是描述純色被白光稀釋的程度的度量，亮度是一個主觀的描述子，體現(xiàn)了無色的亮度概念，是描述色彩感覺的關(guān)鍵參數(shù)。HSV顏色空間同人對色彩的感知相一致，且在HSV空間中，人對色差的感知較均勻，是適合人的視覺特性的顏色空間。下面我們從視覺一致性，完整性，緊湊性，自然性等幾個方面，對上述顏色空間進行比較，如表I所示。
[0056]表I幾個色度空間的比較
[0057]
【權(quán)利要求】
1.一種基于顏色與形狀特征相結(jié)合的交通標志檢測方法，其特征在于:該方法步驟如下: (1)、提取顏色特征 采用HSV色度模型，通過對H、S、V賦相應的值來對整幅圖像提取可疑目標顏色； (2)、提取形狀特征 對顏色提取之后整幅圖像只剩下與目標交通標志顏色相同的區(qū)域，此時，通過對各個區(qū)域進行基于區(qū)域的形狀提取，通過求圓度、矩形度、伸展度對各個區(qū)域的形狀進行判斷，并且只留取圓形、矩形以及三角形區(qū)域； (3)、形態(tài)學過濾 采用二維高斯函數(shù)作為平滑濾波器來去除圖像的邊界噪聲，使得目標圖像更加平滑；通過膨脹與腐蝕減少圖像中的毛刺、模糊噪聲以及去除比結(jié)構(gòu)元素小的暗色細節(jié)，保持圖像整體灰度值和大的暗區(qū)域基本不變； (4)、可疑目標提取 將提取出的形狀特征經(jīng)過形態(tài)學過濾后，與原圖像進行與運算，提取出彩色的目標圖像，即交通標志圖像。
【文檔編號】G06K9/46GK103559507SQ201310582174
【公開日】2014年2月5日 申請日期:2013年11月18日 優(yōu)先權(quán)日:2013年11月18日
【發(fā)明者】張志佳, 李文強, 齊芳, 才中 申請人:沈陽工業(yè)大學