張 妍

(黑龍江工業(yè)學(xué)院，黑龍江雞西 158100)

伴隨著現(xiàn)代社會(huì)城市化進(jìn)程的快速進(jìn)展，道路交通的壓力不斷增大，交通擁堵現(xiàn)象日益嚴(yán)重。與此同時(shí)人們對(duì)安全意識(shí)關(guān)注度正不斷提高，交通安全越來越受到重視，因此，目前許多國家開始研究智能交通系統(tǒng)(Intelligent Transport System或者Intelligent Transportation System，簡(jiǎn)稱ITS)，即整個(gè)交通運(yùn)輸管理體系綜合運(yùn)用了先進(jìn)的計(jì)算機(jī)處理技術(shù)、數(shù)據(jù)通信技術(shù)、信息技術(shù)、電子傳感控制技術(shù)等建立起來的全方位、大范圍的綜合運(yùn)輸管理系統(tǒng)，其目的是準(zhǔn)確、實(shí)時(shí)、高效的提升道路的通行能力、提高安全性、節(jié)約能源，最大限度的發(fā)揮良好作用。［1］

道路交通標(biāo)志識(shí)別系統(tǒng)(TSR)是智能交通系統(tǒng)(ITS)的重要組成部分。交通標(biāo)志識(shí)別系統(tǒng)(Traffic Sign Recognition，簡(jiǎn)稱TSR)，是指在車輛運(yùn)行過程中借助計(jì)算機(jī)視覺技術(shù)采集道路交通標(biāo)志圖像并進(jìn)行相應(yīng)的自動(dòng)檢測(cè)和識(shí)別信息，能夠給駕駛員提供輔助駕駛功能，為其提供前方實(shí)時(shí)的路況信息，指示駕駛員有效地駕駛車輛，預(yù)防交通事故的發(fā)生以及保持整個(gè)路網(wǎng)交通運(yùn)行通暢。所以研究交通標(biāo)志識(shí)別技術(shù)在智能交通系統(tǒng)中是一個(gè)重要的研究課題，并具有實(shí)用價(jià)值。但由于道路交通的復(fù)雜性，交通標(biāo)志識(shí)別技術(shù)的研究尚不成熟，因此高效實(shí)用的道路交通標(biāo)志識(shí)別系統(tǒng)還需相關(guān)人員繼續(xù)進(jìn)行深入的研究和探討。

一 交通標(biāo)志識(shí)別技術(shù)在智能交通系統(tǒng)中的作用

1.為出行者提供方便的信息服務(wù)。

智能交通系統(tǒng)可以為出行者提供實(shí)時(shí)的交通路線引導(dǎo)，駕駛員與外界完全相通，出行變得容易，避免迷路和違規(guī)駕駛，使駕駛員的精力集中在駕駛操作上，可以大大降低交通事故的發(fā)生率。同時(shí)還可以根據(jù)出行者的不同需求提供最優(yōu)的出行方案，以幫助出行者選擇出符合出行預(yù)算和時(shí)間要求的交通工具和出行線路。

2.優(yōu)化城市交通。

智能交通系統(tǒng)控制中心通過道路監(jiān)控儀器設(shè)備實(shí)時(shí)監(jiān)控路網(wǎng)交通狀況，利用人工智能系統(tǒng)，將得到的路況信息進(jìn)行綜合整理，從而計(jì)算出優(yōu)化路網(wǎng)的運(yùn)行方案。與此同時(shí)，駕駛員通過智能交通系統(tǒng)控制中心發(fā)來的路網(wǎng)引導(dǎo)信息，選擇適合自己的行車路線，節(jié)省了駕駛員在路面上的駕駛時(shí)間，也使得路網(wǎng)設(shè)施的利用率得到提高并且安全性得以保障，還降低了汽車尾氣對(duì)空氣的排放量，從能源角度考慮減少了交通帶來的環(huán)境污染，保障了人們的生活質(zhì)量。

二 交通標(biāo)志識(shí)別相關(guān)技術(shù)的應(yīng)用

交通標(biāo)志識(shí)別是利用車輛上裝載的照相機(jī)或者攝像機(jī)采集外部自然場(chǎng)景圖像，通過相應(yīng)的檢測(cè)技術(shù)和部分分類算法進(jìn)行分類識(shí)別，與普通的非自然場(chǎng)景目標(biāo)識(shí)別相比，自然場(chǎng)景中有很多影響交通標(biāo)志檢測(cè)效果和分類精度的因素，所以它更具挑戰(zhàn)性。

1.交通標(biāo)志的檢測(cè)。

交通標(biāo)志識(shí)別系統(tǒng)的第一步就是如何快速高效地從復(fù)雜場(chǎng)景圖像中檢測(cè)出交通標(biāo)志。我國現(xiàn)有的交通標(biāo)志是由特定的圖形、文字和顏色等信息構(gòu)成。首先要借助交通標(biāo)志的這些特征信息檢測(cè)出可能包含交通標(biāo)志的目標(biāo)區(qū)域，然后再根據(jù)這些目標(biāo)區(qū)域進(jìn)行交通標(biāo)志的具體位置定位。常用的檢測(cè)方法有基于顏色信息的檢測(cè)和基于形狀信息的檢測(cè)兩種方式。

2.交通標(biāo)志的識(shí)別。

當(dāng)檢測(cè)階段完成后，需要判定目標(biāo)區(qū)域的有效性，同時(shí)識(shí)別出標(biāo)志的具體含義是交通標(biāo)志識(shí)別的任務(wù)，這些問題都屬于交通標(biāo)志的分類。目前，國內(nèi)外的研究學(xué)者提出了多種關(guān)于此類問題的算法，可以概括成統(tǒng)計(jì)分類算法、神經(jīng)網(wǎng)絡(luò)分類算法、句法分類算法和集成分類算法等四大類。［1］

(1)統(tǒng)計(jì)分類算法。

統(tǒng)計(jì)分類算法應(yīng)用得比較廣泛，主要是利用目標(biāo)的各種分布特征，即直接利用目標(biāo)的各種概率密度函數(shù)、后驗(yàn)概率或者隱含地利用目標(biāo)的各種概率密度函數(shù)、后驗(yàn)概率進(jìn)行分類識(shí)別，但統(tǒng)計(jì)分類算法在實(shí)際交通標(biāo)志識(shí)別系統(tǒng)中受到了交通標(biāo)志的類別數(shù)多、計(jì)算量大等因素的限制。為了簡(jiǎn)化設(shè)計(jì)，加快運(yùn)行處理速度，提高分類精度，可以考慮多層決策樹的分類方法，即每個(gè)統(tǒng)計(jì)分類器由每棵樹的節(jié)點(diǎn)組成，通過高維特征空間的加權(quán)矩陣，分析得到需要的參數(shù)，但決策樹的優(yōu)化設(shè)計(jì)是難點(diǎn)，并且分類器的參數(shù)選擇也很復(fù)雜。

(2)神經(jīng)網(wǎng)絡(luò)分類算法。

神經(jīng)網(wǎng)絡(luò)分類算法的特點(diǎn)是非線性映射和容錯(cuò)性強(qiáng)，對(duì)輸入有噪聲干擾或者形變的信息進(jìn)行識(shí)別，自適應(yīng)能力強(qiáng)，采用并行分布的方式對(duì)信息存儲(chǔ)進(jìn)行預(yù)處理，識(shí)別速度快，所以在目前交通標(biāo)志識(shí)別領(lǐng)域中，神經(jīng)網(wǎng)絡(luò)分類算法是應(yīng)用最多的一類，隨著計(jì)算機(jī)技術(shù)的高速發(fā)展，在識(shí)別領(lǐng)域里神經(jīng)網(wǎng)絡(luò)分類算法取得了一定的成果。De la Escalera等研究人員把檢測(cè)出的交通標(biāo)志轉(zhuǎn)化為32×32個(gè)像素的圖像，然后將獲得到的全部像素作為特征向量構(gòu)建多層感知網(wǎng)絡(luò)，對(duì)9種不同的交通標(biāo)志信息進(jìn)行分類理解。這種算法存在一定的不足，例如特征空間維數(shù)很大，收斂速度也比較慢，而且在某些情況中還必須重新對(duì)整個(gè)網(wǎng)絡(luò)進(jìn)行構(gòu)建;另一個(gè)不足是常常需要依靠研究者的實(shí)踐經(jīng)驗(yàn)選取網(wǎng)絡(luò)的隱層數(shù)和節(jié)點(diǎn)數(shù)，導(dǎo)致分類精度不高，抗干擾能力和魯棒性都比較差。

(3)句法分類算法。

數(shù)值特征在交通標(biāo)志識(shí)別算法中不能準(zhǔn)確地反映目標(biāo)的結(jié)構(gòu)特征信息，尤其是對(duì)復(fù)雜的交通標(biāo)志更加不完整，所以只采樣數(shù)值特征向量對(duì)交通標(biāo)志進(jìn)行分類具有一定的局限性，不能進(jìn)行全面系統(tǒng)的描述。因此，句法分類算法成為交通標(biāo)志識(shí)別算法中的一種，即利用目標(biāo)的結(jié)構(gòu)特征提取某些數(shù)值作為特征向量，對(duì)目標(biāo)進(jìn)行分類。句法分類算法對(duì)交通標(biāo)志語義網(wǎng)的構(gòu)成分析，實(shí)時(shí)性等方面還需要進(jìn)行改進(jìn)。

(4)集成分類算法。

一些學(xué)者為了對(duì)交通標(biāo)志的分類精度進(jìn)行提高，常常對(duì)上面甚至更多算法進(jìn)行集成，構(gòu)成集成算法，其不足之處是計(jì)算量偏大，實(shí)時(shí)性較差。

相比于國外發(fā)達(dá)國家，在研究智能交通系統(tǒng)領(lǐng)域方面，我國不但起步較晚，而且研究的深度和廣度也不夠。雖然一些國內(nèi)外的專家學(xué)者為了解決相關(guān)問題已經(jīng)提出了一些算法，但到目前為止，沒有一種完美的算法很好地應(yīng)用于實(shí)際的輔助駕駛系統(tǒng)中。第一個(gè)原因是復(fù)雜道路環(huán)境中交通標(biāo)志識(shí)別算法的魯棒性差;第二個(gè)原因是傍晚、夜晚、陰雨天等在光照環(huán)境較差的情況下，不能滿足實(shí)際系統(tǒng)的要求，交通標(biāo)志識(shí)別算法的識(shí)別率太低是主要原因。

3.交通標(biāo)志識(shí)別中圖像分割與定位算法。

(1)基于RGB顏色的交通標(biāo)志圖像分割與定位算法。

交通標(biāo)志中顏色的不同是最基本、最顯著的特征信息，具有大小、視角不變性和較強(qiáng)的可分離性。借助于分析特征顏色，對(duì)大部分非感興趣的區(qū)域過濾掉，粗略地獲取到交通標(biāo)志的位置。RGB顏色空間是由紅 Red、綠 Green、藍(lán)Blue為三個(gè)顏色特征分量構(gòu)成，這三個(gè)顏色特征分量可以組合出其他任何一種顏色，紅、黃、藍(lán)三種顏色經(jīng)過歸一化后得到的三分量差值都在一個(gè)固定的范圍內(nèi)，能夠分割出對(duì)應(yīng)的顏色，從而對(duì)交通標(biāo)志進(jìn)行系統(tǒng)定位。定位公式如下:［2］

其中I是光照強(qiáng)度，F(xiàn)R、FB、FY是顏色轉(zhuǎn)換圖像，Δ是小常數(shù)用于避免分母為0而設(shè)置的。對(duì)于R、G、B三個(gè)分量中，任意二個(gè)分量小于第三個(gè)分量，圖像就呈現(xiàn)出該種顏色;對(duì)于紅、綠、藍(lán)以外的其他顏色，由組成該顏色的優(yōu)勢(shì)分量來決定;黑色也可以通過對(duì)I設(shè)定閥值的方法決定。這與人眼的視覺感受是一致的，所以能夠準(zhǔn)確的獲得感興趣的區(qū)域，對(duì)于光線不足的惡劣天氣條件也具有良好的魯棒性。該算法能夠增強(qiáng)交通標(biāo)志圖像，減輕因不利因素對(duì)交通標(biāo)志圖像分割和定位識(shí)別的影響。

(2)基于HSI顏色空間的交通標(biāo)志圖像分割與定位算法。

HSI模型由色調(diào) Hue、飽和度 Saturation、亮度 Intensity三個(gè)分量構(gòu)成，其特點(diǎn)是:色調(diào)分量和飽和度分量與亮度分量是分開的，亮度分量與圖像的顏色無關(guān);色調(diào)的概念和飽和度的概念相互獨(dú)立，符合人的視覺特性，更加適用于人的視覺系統(tǒng)對(duì)顏色特性進(jìn)行處理分析的圖像算法。

在HSI顏色空間進(jìn)行閥值分割，只需設(shè)定色度和飽和度兩個(gè)分量的閥值，計(jì)算公式如下:［3］

其中fx，fY分別為圖像像素點(diǎn)對(duì)于的色調(diào)和飽和度分量值。［Xa，Xb］、［Ya，Yb］分別對(duì)應(yīng)于色調(diào)分量和飽和度分量的閥值范圍。

交通標(biāo)志識(shí)別技術(shù)在智能交通系統(tǒng)中的研究雖然一直成為國內(nèi)外研究學(xué)者探討的熱點(diǎn)問題，有很多交通標(biāo)志識(shí)別算法，但針對(duì)自然場(chǎng)景下影響交通標(biāo)志檢測(cè)效果的不利因素，還有待各國的專家學(xué)者做進(jìn)一步的研究探討。

［1］秦飛.交通標(biāo)志實(shí)時(shí)檢測(cè)與識(shí)別技術(shù)研究［D］.重慶大學(xué)，2011:1－7.

［2］劉思平.道路交通標(biāo)志的檢測(cè)與識(shí)別系統(tǒng)技術(shù)研究［D］.南京理工大學(xué)，2011:24－25.

［3］劉旭東.高速公路限速標(biāo)志檢測(cè)與識(shí)別技術(shù)研究［D］.福建農(nóng)林大學(xué)，2009:13－14.