黃躍凱，徐 丹，曾 昊，吳達(dá)德

（江蘇科技大學(xué) 計(jì)算機(jī)科學(xué)與工程學(xué)院，江蘇 鎮(zhèn)江 212003）

交通標(biāo)志可以制定行為規(guī)則、告知路況，對行車和行人給與指導(dǎo)或警告，在日常交通中具有至關(guān)重要的作用。除此之外，交通標(biāo)志的自動(dòng)檢測與識(shí)別作為自動(dòng)駕駛和智能車輛視覺感知系統(tǒng)的一部分也受到越來越多的關(guān)注[1-3]。然而，以下原因?qū)е侣窐?biāo)檢測成為較具挑戰(zhàn)性的工作：1）顏色信息容易受光照和天氣影響；2）交通事故或極端天氣會(huì)使路標(biāo)旋轉(zhuǎn)、變形；3）嘈雜環(huán)境下交通標(biāo)志容易淹沒于背景中。

由于交通標(biāo)志具有明顯的顏色和形狀特征，現(xiàn)有的交通標(biāo)志檢測方法多以顏色分割和形狀分析為主。基于顏色閾值的算法首先選定一個(gè)作者認(rèn)為合適的顏色空間然后借助閾值將路標(biāo)和背景區(qū)分開來。在[3]中，作者以紅色為參照顏色將RGB顏色分量歸一化，然后采用固定的閾值進(jìn)行分割。在[4]中，作者選擇CIElab空間因?yàn)榇祟伾臻g可以單獨(dú)處理顏色和強(qiáng)度信息。文獻(xiàn)[1]則選擇對光照不敏感的HIS顏色空間。然而顏色空間的轉(zhuǎn)換消耗了算法的實(shí)時(shí)性。對此，Gómez-Moreno做了細(xì)致的比較，認(rèn)為歸一化的RGB空間改進(jìn)算法性能的同時(shí)保證了較低的計(jì)算代價(jià)[5]。

在形狀檢測方面Barners和他的同事做了很優(yōu)秀的工作。其在[6]中提出利用徑向?qū)ΨQ變換檢測圓的算法，之后此方法被推廣至八邊形、矩形和三角形[7]。徑向?qū)ΨQ變換是一種單變量的轉(zhuǎn)換，每一個(gè)邊緣點(diǎn)獨(dú)立于其鄰域單獨(dú)向多個(gè)累加器投票，這就導(dǎo)致了較高的虛警率。為了解決這個(gè)問題Belaroussi和Tarel提出了BCT算法，采用成對的梯度向量向其中點(diǎn)投影的方法找出多邊形的中心[8]，遺憾的是這種方法不適用于三角形。

以上算法雖然在特定的情況下取得了較好的檢測效果，仍然存在著在計(jì)算量大和魯棒性差的不足。本文提出利用顏色對抗性突出紅色和黃色區(qū)域，從復(fù)雜的背景中提取出交通標(biāo)志。另外，采用旋轉(zhuǎn)對稱投影的方法確定路標(biāo)的中心和尺度。最后結(jié)合形狀分析進(jìn)一步區(qū)分路標(biāo)類別并降低虛警率。

1 顏色對抗性

在人眼的視覺機(jī)制中存在著相互對立的顏色對，如黑/白，紅/綠，黃/藍(lán)。Itti在其顯著性模型中首先歸一化紅、綠、藍(lán)、黃各分量，然后利用顏色對抗性創(chuàng)建紅綠，藍(lán)黃顏色特征圖。Woong-Jae Won等人進(jìn)一步提出顏色對比圖的概念，這種顏色對比圖能夠突出紅色、黃色和藍(lán)色區(qū)域。在此基礎(chǔ)上，我們改進(jìn)了黃色分量的歸一化方法以及顏色對比圖的生成方法，改進(jìn)后的算法能夠更明顯的突出紅色和黃色區(qū)域，同時(shí)保持藍(lán)色區(qū)域與[10]中的算法效果相同，如圖1所示。

顏色分量歸一化公式為：

顏色對比圖生成公式為：

2 旋轉(zhuǎn)對稱中心投影

2.1 旋轉(zhuǎn)對稱

對于任意一對不平行的點(diǎn)向量（pi，pj），總存在一個(gè)點(diǎn)p使得pi圍繞其旋轉(zhuǎn)一定角度后pj與完全重合，則p是pi和pj的旋轉(zhuǎn)對稱中心。 記為 rc（pi，pj）=p。 圖 2 表示了 pi，pj和旋轉(zhuǎn)中心p之間的關(guān)系。p可由公式（3）得到。

式中，xi，yi是 pi的坐標(biāo)，γ 是 pipj連線與水平方向的夾角，可以由pi和pj的坐標(biāo)計(jì)算得到。r是pi，pj與p之間的距離，可由公式（4）得到。

圖1 顏色對比圖Fig.1 Contrast images

圖2 點(diǎn)向量pi，pj的旋轉(zhuǎn)對稱中心Fig.2 Rotational center of point vectors piand pj

式中，d 是 pi與 pj之間的距離。分別用 φi，φj表示 pi，pj的梯度方向，則有

至此，公式（3）的未知量都得到求解。

2.2 旋轉(zhuǎn)中心投影

警告路標(biāo)可近似為等邊三角形，符合角度為的旋轉(zhuǎn)對稱，即等邊三角形的任一邊和頂點(diǎn)旋轉(zhuǎn)2π/3后與另一邊和頂點(diǎn)完全重合。通過梯度方向相差2π/3的點(diǎn)對向其旋轉(zhuǎn)中心投影可以確定等邊三角形的位置和尺度。圓形滿足任意角度的旋轉(zhuǎn)對稱，此種方法也可以同時(shí)檢測圓形路標(biāo)。對旋轉(zhuǎn)中心投影的強(qiáng)度采用廣義對稱變換的對稱強(qiáng)度計(jì)算方法。

對于圖像中的任一點(diǎn)p，定義向量集合

p點(diǎn)的投影累加器定義為：

C（i，j）是點(diǎn)對（pi，pj）對其旋轉(zhuǎn)對稱中心投影的強(qiáng)度大小，與點(diǎn)對之間的距離、點(diǎn)對之間的梯度方向以及點(diǎn)對的梯度強(qiáng)度有關(guān)。具體表示如下：

式中D（i，j）為距離權(quán)重函數(shù)，在GST中采用的是連續(xù)函數(shù)，權(quán)重隨‖pipj‖的增大而減小。本文采用離散函數(shù)來表示，將路標(biāo)的尺度限制在固定的范圍[Rmin，Rmax]內(nèi)。距離權(quán)重函數(shù)表示如下：

Φ（i，j）是方向權(quán)重函數(shù)，圓形和三角形均滿足角度為 2π/3的旋轉(zhuǎn)對稱，因此只有梯度方向相差2π/3的點(diǎn)對才能向其旋轉(zhuǎn)中心投影，定義如下：

式中δ是很小的角度，小于這個(gè)角度可以認(rèn)為|φj-φi|和2π/3大致相等，本文中 δ取 π/18。 ri，rj是梯度強(qiáng)度的函數(shù)，定義為 ri=log（1+‖ni‖），ni是 pi的梯度向量。

另外，定義累加器diam，在對中心p進(jìn)行投影的同時(shí)，累加投影點(diǎn)對的距離。投影結(jié)束后，利用式（11）計(jì)算多邊形的大致尺度。

式中N為向中心p投影的點(diǎn)對的數(shù)量。

綜上，旋轉(zhuǎn)中心投影的過程如下：

（1）求灰度圖（顏色對比圖）的梯度。為降低計(jì)算量同時(shí)減少噪聲的影響，忽略幅值過小的梯度。

（2）尋找滿足距離和梯度方向條件的點(diǎn)對。這個(gè)過程非常耗時(shí)，如果沒有任何優(yōu)化其時(shí)間復(fù)雜度為O（m2），m為圖像中的像素?cái)?shù)。為了加快算法的執(zhí)行速度，將像素的梯度方向（-π，π）均勻分為36個(gè)子集，即δ取π/18。對于特定子集中的點(diǎn)，其對應(yīng)點(diǎn)在與其相差12的子集中。找到滿足梯度方向的點(diǎn)對后再用距離條件進(jìn)一步減少點(diǎn)對的數(shù)量。

（3）對于每對點(diǎn)對利用式（3）找到其旋轉(zhuǎn)對稱中心，以ri，rj為權(quán)重向中心投影。最終的投影圖像是與原圖像尺寸相同的灰度圖，投影圖中亮度最大的點(diǎn)即為多邊形的中心。如圖3所示。

（4）利用式（11）計(jì)算多邊形的尺度信息。

圖3 投影結(jié)果Fig.3 Voting results of input images

3 形狀分析

這里采用多邊形的邊數(shù)NumSides進(jìn)一步區(qū)分目標(biāo)形狀。為了得到Numsides，需要計(jì)算從多邊形中心到邊界的距離，這里用d來表示。如圖4所示，在頂點(diǎn)處d有最大值然后逐漸減小，在邊的中點(diǎn)達(dá)到最小。因此，從中點(diǎn)到邊界點(diǎn)的距離呈拋物線狀，波谷代表從中心到邊中點(diǎn)的距離，波峰代表從中心到頂點(diǎn)的距離，拋物線的峰-谷數(shù)代表了多邊形的邊數(shù)。需要注意的是，向中心投票的點(diǎn)中不光有邊界點(diǎn)，還有路標(biāo)內(nèi)部的點(diǎn)以及背景中的噪聲點(diǎn)，在計(jì)算NumSides之前首先提取路標(biāo)的邊界點(diǎn)，如圖5所示。

4 實(shí)驗(yàn)結(jié)果與分析

4.1 實(shí)驗(yàn)結(jié)果

為了驗(yàn)證本方法的有效性和實(shí)時(shí)性，在實(shí)景拍攝的交通標(biāo)志圖片庫上進(jìn)行實(shí)驗(yàn)。該圖片庫主要由項(xiàng)目組利用Canon Digital IXUS 65相機(jī)采集，還有一部分禁止路標(biāo)由于其通用性，采用了西班牙研究者提供的圖片（http://agamenon.tsc.uah.es/）。所有圖片的大小均為640*480，包括多種天氣和光照情況下的交通標(biāo)志。實(shí)驗(yàn)結(jié)果如圖5所示。

圖4 計(jì)算多邊形邊數(shù)Fig.4 Computing polygons’side number

圖5 禁止標(biāo)志檢測Fig.5 Detection of prohibition sign

圖5 顯示了所提算法檢測交通標(biāo)志的流程和結(jié)果。（a）是輸入圖像。（b）是顏色對比圖，經(jīng)過顏色對抗性處理紅色區(qū)域被明顯提升。（c）根據(jù)經(jīng)驗(yàn)值排除面積和縱橫比不和理的區(qū)域。對于面積閾值的設(shè)定，以圖像的高、寬中較小的為參照標(biāo)準(zhǔn)，排除尺寸小于其1/20或大于其2/3的區(qū)域。區(qū)域的縱橫比限制在1/1.9至1.9之間[1]。（d）滿足條件的點(diǎn)對向其旋轉(zhuǎn)中心投影后的圖像。（e）顯示向中心投影的各點(diǎn)的位置，并標(biāo)出邊界。（f）邊界到中心的距離曲線。

4.2 性能分析

本實(shí)驗(yàn)中采用278張圖片中的40種共366個(gè)有效交通標(biāo)志進(jìn)行測試。根據(jù)檢測的難易程度，分別將警告和禁止標(biāo)志分為4類，如圖6所示。測試結(jié)果如表1，2所示。

圖6 禁止標(biāo)志和警告標(biāo)志分類Fig.6 Categories of prohibition and warning signs

警告標(biāo)志的第1類和第2類內(nèi)部符號比較簡單，經(jīng)過顏色對抗處理后可得到完整的三角形，故其檢測率較高。第3類警告標(biāo)志相對復(fù)雜，但沒有影響到三角形的邊緣。第4類難度最大，圖符內(nèi)容影響了邊緣的完整性，在成像條件好的情況下可以成功檢測，在路標(biāo)過小或光線較暗的情況下會(huì)漏檢。由表1可見，警告標(biāo)志的檢測率和漏檢率分別為93.6%和6.4%。禁止標(biāo)志的紅色圓形邊框能夠形成明顯的投影中心，檢測結(jié)果明顯優(yōu)于警告標(biāo)志，分別為96.7%和3.3%。整個(gè)系統(tǒng)的測試結(jié)果如表2所示：算法的檢測率為95.4%，漏檢率為4.6%，虛警率為4.2%。算法虛警率主要來源于路邊的圓形廣告牌以及與交通標(biāo)志顏色相近的車輛。

表1 交通標(biāo)志分類檢測結(jié)果Tab.1 Detection result of traffic signs

系統(tǒng)采用C++語言在2.59 GHZ，Pentium IV機(jī)器上編程實(shí)現(xiàn)，平均每幅圖像耗時(shí)98 ms，即每秒10幀，以車輛60 km/h的速度計(jì)，本算法滿足實(shí)時(shí)要求。

表2 檢測結(jié)果統(tǒng)計(jì)Tab.2 Statistic of detection result

5 結(jié) 論

文中提出了一種基于顏色對抗性和旋轉(zhuǎn)中心投影的實(shí)時(shí)路標(biāo)檢測方法。該方法有效規(guī)避了基于顏色的算法對光照敏感以及基于形狀的算法實(shí)時(shí)性不高的問題，在滿足實(shí)時(shí)要求的情況下取得了較好的檢測結(jié)果。通過實(shí)驗(yàn)驗(yàn)證了以下結(jié)論：

1）在實(shí)驗(yàn)數(shù)據(jù)集上達(dá)到95.6%檢測率和4.4%的漏檢率。2）在Pentium IV平臺(tái)上利用 C++編程，達(dá)到 10幀/秒的處理速度，滿足實(shí)時(shí)處理的要求。3）利用形狀分析，進(jìn)一步區(qū)分路標(biāo)的形狀，減少識(shí)別階段的工作量。4）對光照、旋轉(zhuǎn)、尺度變化有一定的不變性。綜上，該方法能夠滿足智能車輛安全行駛時(shí)交通標(biāo)志檢測的實(shí)時(shí)性和魯棒性要求，并為交通標(biāo)志的識(shí)別提供準(zhǔn)確的位置和尺度信息。

[1]Maldonado-Bascn S，Lafuente-Arroyo S，Gil-Jimnez P，et al.Road-sign detection and recognition based on support vector machines[J].IEEE Trans.Intell.Transp，2007，8（2）：264-278.

[2]繆小冬，李舜酩，沈峘，等.基于對抗色的交通標(biāo)志檢測方法[J].儀器儀表學(xué)報(bào)，2012，33（1）:56-61.MIAO Xiao-dong，LI Shun-ming，SHEN Huan，et al.Opponentcolor based traffic sign detection[J].Chinese Journal of Scientific Instrument，2012，33（1）:56-61.

[3]Xu D，Tang Z，Yan X.Real time road sign detection based on rotationalcenter voting and shape analysis[C]//Mechatronics and Automation （ICMA）， 2012 International Conference on.IEEE，2012:1972-1977.

[4]Khan J F，Bhuiyan S M A，Adhami R R.Image segmentation and shape analysis for road-sign detection[J].IEEE Trans.Intell.Transp，2011，12（1）：83-96.

[5]Gomez-Moreno H，Maldonado-Bascon S，Gil-Jimenez P，et al.Goal Evaluation of Segmentation Algorithms for Traffic Sign Recognition[J].IEEE Trans.Intell.Transp，2010，11 （4）：917-930.

[6]Barnes N，Zelinsky A.Real-time radial symmetry for speed sign detection[J].in Intelligent Vehicles Symposium，2004 IEEE，2004：566-571.

[7]Barnes N，Loy G，Shaw D.The regular polygon detector[J].Pattern Recognition，2010：592-602.

[8]Belaroussi R，Tarel J.A real time road sign detection using bilateral Chinese transform[J].Advanced in Visual Computing，2009：1161-1170.