论文部分内容阅读
摘要：随着道路交通的日趋发达，电子地图的作用也越来越重要。为更全面的反映路面情况，需要将道路交通标志标记到电子地图上面，而如何快速的进行道路交通标志的检测和识别仍是一个有待解决的问题。本文主要针对这样的问题，提出了基于视频的道路交通标志识别的方法的研究。
本文主要对禁令、警告、指示三大类交通标志的检测进行了相关的研究，结合实际视频图像的特点，提出了相应的基于颜色和基于像素统计的形态学的检测算法，并且完善改进，对算法的准确率进行了相关的统计，同时提出了改进方法。经过实际数据检测得知，该算法对于一般的道路交通标志的检测有着很大的改进作用。
关键词：交通标志颜色形态学检测算法
Abstract: with the road traffic is developed, the role of electronic map is more and more important. For more comprehensive reflect different conditions, need will road traffic signs mark to electronic map, and how to quickly road signs in the detection and identification is still a problem to solve. This article mainly aims at such problems, and put forward based on the video of the road traffic signs identification method of research.
This paper mainly to the ban, warning, the instructions three categories of traffic signs on the testing of the relevant research, combining the actual video image characteristics, and put forward the corresponding based on color and based on the statistics of the morphology of the pixels detection algorithm, and perfect the improvement, the accuracy of the algorithm and the correlation of the statistics, and the improved method are put forward. After the actual data that test, the algorithm for the average road traffic signs test has the very big improvement action.
Keywords: traffic signs color morphologic detection algorithm
中圖分类号：U491.5+2文献标识码：A文章编号：
1、引言
随着社会经济的发展，现代交通已经非常发达，道路交通在其中仍然占着主导的地位。ITS这一研究领域便应运而生，并迅速发展起来了。ITS是一个集检测、通信、控制和计算机等技术为一体的综合信息体统。TSR系统主要包括两个基本技术环节：首先是交通标志的检测，包括交通标志的定位及必要的预处理；其次是交通标志的判别，包括交通标志的特征提取和分类等。基于视频的道路交通标志识别方法中，道路标志图像的获取是通过一个放在汽车内部的数字摄像机（DV）来采集的，摄像机拍摄到的是一组连续的画面，然后再根据各帧图像之间的相关性来选取适当的图像进行道路交通标志的识别和标注，并且在处理过程中尽量避免和解决现有识别技术的不足之处。提高识别的效率和准确性，从而加快整个“智能交通系统”的运行效率。
2、交通标志的颜色特征提取
2.1警告标志的颜色特征提取
因为警告标志以黄色为主色调，所以可以根据颜色特征提取图像中的黄色区域。
将从视频中提取的图像的RGB分量转化为HIS分量，提取HIS分量满足以下条件的像素 ：
仅仅对H分量进行选择判断是不够充分的，因为如果只是按照H分量来进行相应的判断，在后面的正确率的判读检测过程中发现，最容易与黄色警告标志发生混淆的就是树叶之类。
将满足以上条件的像素设为白色，不满足以上条件的像素设为黑色，从而对图像进行二值化，提取可能存在警告标志的区域。
2.2禁令标志的颜色特征提取
因为禁令标志几乎都有红色的外边缘，所以可以根据颜色特征提取图像中的红色区域。
从视频中提取的图像的RGB分量转化为HIS分量，然后根据以下HIS分量的取值对图像进行二值化。
将满足以上条件的像素设为白色，不满足以上条件的像素设为黑色，从而对图像进行二值化，提取可能存在禁令标志的区域。
2.3指示标志的颜色特征提取
因为指示标志以蓝色调为主，所以可以根据颜色特征提取图像中的蓝色区域，为后续检测做准备，主要步骤如下：
从视频中提取的图像的RGB分量转化为HIS分量，然后根据HIS分量的取值对图像进行二值化。
将满足以上条件的像素设为白色，不满足以上条件的像素设为黑色，从而对图像进行二值化，提取可能存在指示标志的区域。
3、交通标志的形状特征提取与检测
本次研究主要研究道路交通标志中的警告标志、禁令标志、指示标志等。这些标志的形状主要有圆形、三角形、矩形等。本文主要采用对特定区域对应的像素统计数目关系来判断该区域的形状类型。形状特征提取的正确与否直接关系到后续图像识别的优劣。
3.1警告标志的形状特征提取与检测
警告标志以三角形为主，检测主要步骤如下：
1、将二值化以后的图按照最近临元法放大为原图的四倍，之所以做这样的操作，是为了方便检测出在图中相对较小的不明显的标志。
2、对整幅图像进行一次膨胀操作，平滑白色联通区域边界。
3、保存各个联通区域的外边界。
4、求出各个联通区域的面积Area周长Circumference及其最小外接矩形的面积RectArea。
5、根据公式： 求出如果区域为三角形的面积S。
6、将满足 条件的区域用黄色圆形标注为警告标志。
3.2禁令标志的形状特征提取与检测
圆形禁令标志检测
1、搜索整幅图像的白色联通区域，在各个联通区域的最小外接四边形（X表示该最小四边形的长，Y表示该最小四边形的宽）的范围内通过各对边中点连线将该区域等分为四分。然后统计整幅图像内黑色像素的总面积BlackArea，该四边形的最大内切圆范围内的黑色像素的总面积InArea，白色像素的总面积WhiteArea，四等分的各个区域内黑色像素的总面积为BArea1，BArea2，BArea3，BArea4（按照二维坐标系象限来排列）。
2、对整幅图像的每个白色联通区域进行判断，当满足：
其中： 或
将满足以上条件之一的联通区域进行下一步的判断，不满足的直接舍弃。
3、根据查阅相关的道路交通标志制作的规范，可知，圆形禁令标志外围的红色圆环的宽度是整个圆环半径的五分之一。因此，在联通区域最小外接四边形内的最大内切圆的半径4/5与最大内切圆所组成的圆环内随机选取3个点构成三角形，计算此三角形的外心，然后比较外心所在位置与此联通区域的内心的位置关系，重复此步操作十次。即计算出十个相应的三角形的外心。统计满足两心欧式距离大于1/4最大内切圆半径的个数，将此个数大于3的联通区域去掉，剩下的即判断为红色圆形禁令标志。
4、用红色圆形在原图内标注出可能的红色圆形禁令标志的范围。
三角形禁令标志检测
1、步骤与三角形警告标志的检测步骤一样。
2、用红色圆形在原图内标注出可能的紅色禁令标志的范围。
3.3指示标志的形状特征提取与检测
指示标志的形状以矩形为主，主要的检测步骤如下：
1、对整幅图像进行一次膨胀操作，平滑白色联通区域边界。
2、保存各个联通区域的外边界。
3、求出各个联通区域的面积Area周长Circumference及其最小外接圆的面积CircleArea和最小外接矩形的面积RectArea。
4、根据公式 求出可能的圆形的面积 。
5、根据公式 求出可能的矩形的面积 。
6、对于每一个白色联通区域进行如下的选择：
（1）或者（2）
将满足条件1的联通区域标注为圆形指示标志，将满足条件2的联通区域标注为矩形指示标志。
7、进行判断时先判断是否为圆形标志 。
8、用蓝色圆形在原图内标注出可能的蓝色指示标志的范围。
4、交通标志的检测精度评定
对于不同的特征提取和识别算法，其性能也是不尽相同的。因此需要对整套检测与识别方法做出合理的评价。评价指标包括正确检测率、误检率、漏检率。200张影像统计结果。
参考文献：
[1] ZHU Shuang-dong;LU Xiao-feng A Survey of the Research on Traffic Sign Recongition[期刊论文]-COMPUTER ENGINEERING&SCIENCE 2006.
[2] Xu,Yalan;Liu,Jianxun A Quick Road Sign Recognition Support System[期刊论文]-CONTROL&AUTOMATION 2006.
[3] ZHANG Jing;HE Mingyi;DAI Yuchao,QU Xiaogang Circular traffic sign detection based on color and sharp[期刊论文]-Computer Engineering and Application 2011.
[4] Liu Jia;Li Zheying;Wang shuying Study on the Road Sign Recongnition[学术论文]-Beijing Union University Institution of Micro-electronic Application Tech.
[5] FENG Xiaowei;FENG Minglun;HE Yongyi;HE Qiong Natural Landmark Extraction Method for Mobile Robot[期刊论文]-ROBOT 2010.
[6] LI Lun-bo;MA Guang-fu Detection and classification of traffic signs in natural environments[期刊论文]-JOURNAL OF HARBIN INSTITUTE OF TECHNOLOGY 2009.
[7] ZOU Bai-xian;LIN Jing-rang Contour extraction research of image[期刊论文]-Computer Engineering and Applications 2008.
[8] WANG Jinlin;ZHAO Li Research on Extracting Shape Feature of Digital Image[期刊论文]-MICROEL ECTRONICS & COMPUTER 2010.
注：文章内所有公式及图表请用PDF形式查看。