摘 要：交通標(biāo)志的自動(dòng)識(shí)別技術(shù)是智能車輛中輔助駕駛系統(tǒng)中的關(guān)鍵技術(shù)，未來(lái)會(huì)發(fā)揮越來(lái)越重要的作用。根據(jù)當(dāng)前該領(lǐng)域的研究現(xiàn)狀，結(jié)合圖像處理、計(jì)算機(jī)視覺(jué)和模式識(shí)別技術(shù)，提出了包括道路標(biāo)志、 紅綠燈和車道線的道路信息識(shí)別算法，開(kāi)發(fā)出一款智能車輛系統(tǒng)。該系統(tǒng)可以根據(jù)攝像頭采集的道路視頻圖像，實(shí)時(shí)準(zhǔn)確地識(shí)別圖像中的道路標(biāo)志信息，并對(duì)駕駛員發(fā)出相應(yīng)的文本及語(yǔ)音提示，從而實(shí)現(xiàn)交通信號(hào)的自動(dòng)識(shí)別和預(yù)警。

關(guān)鍵詞：計(jì)算機(jī)視覺(jué)；模式識(shí)別；道路標(biāo)志；自動(dòng)識(shí)別；圖像處理

中圖法分類號(hào)：TN929文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-1302（2014）06-0045-03

0引言

20世紀(jì)60年代以來(lái)，隨著車輛走進(jìn)千家萬(wàn)戶，給日常生活帶來(lái)了極大方便。但是另一方面，由于交通基礎(chǔ)設(shè)施建設(shè)不能及時(shí)跟進(jìn)，造成各國(guó)的交通狀況不佳。隨著車輛數(shù)的逐年急速增長(zhǎng)，交通問(wèn)題愈發(fā)嚴(yán)重，交通事故的頻繁發(fā)生，已引起發(fā)達(dá)國(guó)家以及發(fā)展中國(guó)家的一致高度專注。在這種情況下，智能車輛的出現(xiàn)不僅將人從單調(diào)乏味的駕駛環(huán)境中解脫出來(lái)，而且能夠有效的避免由于注意力不集中或者其他人為過(guò)失而造成的重大交通事故。智能車輛是一種典型的高新技術(shù)的綜合體，主要包括計(jì)算機(jī)技術(shù)、現(xiàn)代傳感器技術(shù)、通訊網(wǎng)絡(luò)、信息技術(shù)融合、人工智能、自控原理等。隨著對(duì)智能化車輛控制系統(tǒng)的研究不斷深入與完善，從一定角度來(lái)說(shuō)，駕駛員的控制、視覺(jué)和感官功能都得到了延伸，這就彌補(bǔ)了人為因素造成的缺陷，大大提高交通中的安全因素。

智能車輛的主要研究?jī)?nèi)容是智能車輛中的自動(dòng)或輔助駕駛系統(tǒng)、駕駛員預(yù)警系統(tǒng)，而交通路標(biāo)自動(dòng)識(shí)別技術(shù)是輔助駕駛系統(tǒng)中的關(guān)鍵技術(shù)，對(duì)自動(dòng)駕駛、預(yù)警系統(tǒng)的可靠性和穩(wěn)定性起著決定性作用，因而相關(guān)的研究具有重要的現(xiàn)實(shí)意義。

1系統(tǒng)結(jié)構(gòu)

該系統(tǒng)由路標(biāo)識(shí)別模塊、紅路燈識(shí)別模塊和車道線識(shí)別模塊三大模塊組成。圖1所示是系統(tǒng)的詳細(xì)設(shè)計(jì)流程圖。當(dāng)讀入一幀圖像后，系統(tǒng)的三個(gè)模塊同時(shí)對(duì)圖像進(jìn)行處理，并輸出相應(yīng)的提示信息，各個(gè)模塊構(gòu)成了一個(gè)功能相對(duì)完整的道路信息提示軟件系統(tǒng)。

2模塊設(shè)計(jì)

2.1路標(biāo)檢測(cè)模塊設(shè)計(jì)

在選擇識(shí)別方法上，考慮到當(dāng)前我國(guó)大多數(shù)路標(biāo)是圓形，因此聯(lián)想到首先運(yùn)用Hough變換檢測(cè)出路標(biāo)信息，然后對(duì)照標(biāo)準(zhǔn)路標(biāo)庫(kù)進(jìn)行進(jìn)一步匹配。在檢測(cè)中先對(duì)圖像進(jìn)行了預(yù)處理，包括灰度化，對(duì)比度增強(qiáng)，提取感興趣區(qū)域（ROI）。在精匹配中采用了最小誤差法的改進(jìn)算法，保證了測(cè)試精度，同時(shí)也提高了檢測(cè)速度。取十種標(biāo)準(zhǔn)路標(biāo)模板如圖2所示。

圖 1系統(tǒng)的詳細(xì)設(shè)計(jì)流程圖

圖 2十種標(biāo)準(zhǔn)路標(biāo)模板

圖 3 和圖 4 顯示了路標(biāo)識(shí)別的過(guò)程。首先將原圖灰度化，如圖3 （b）， 接著對(duì)灰度化的圖像進(jìn)行平滑處理，如圖3（c），并運(yùn)用Hough變換檢測(cè)圓，提取出ROI，如圖4（a），灰度化，如圖4（b），然后對(duì)ROI進(jìn)行對(duì)比度增強(qiáng)，如圖4（c），再將ROI與標(biāo)準(zhǔn)路標(biāo)模板進(jìn)行匹配，從而得到路標(biāo)信息，如4（d）。

（a） （b）

（c） （d）

圖 3路標(biāo)識(shí)別過(guò)程

注：（a）為待識(shí)別的原始圖像，（b）為彩色圖像轉(zhuǎn)化成的灰度圖像，（c）為經(jīng)過(guò)平滑處理后的圖像，（d）為路標(biāo)被識(shí)別后在原圖中被框出。

（a）（b）（c） （d）

圖 4感興趣區(qū)域提取圖及對(duì)應(yīng)的路標(biāo)模板

注：（a） 為輸入的圖像中提取的感興趣區(qū)域，（b）為感興趣區(qū)域灰度化，（c）為對(duì)比度增強(qiáng)后的感興趣區(qū)域，（d）為感興趣區(qū)域匹配成功的標(biāo)準(zhǔn)路標(biāo)。

2.2紅綠燈檢測(cè)模塊設(shè)計(jì)

在紅綠燈檢測(cè)的模塊中，如圖5所示，首先將圖像由RGB彩色空間轉(zhuǎn)換到HSV彩色空間，然后提取圖像提取H和V分量 ，根據(jù)V分量進(jìn)行閾值分割轉(zhuǎn)換為二值圖像，通過(guò)分析連通區(qū)域的大小找到連通區(qū)域的位置，并截出V分量的圖像，統(tǒng)計(jì)出該連通區(qū)域坐標(biāo)的H分量圖像中的綠色像素點(diǎn)或者紅色像素點(diǎn)的所占的比例。將綠色像素點(diǎn)所占總像素比例35%以上，紅色像素點(diǎn)所占總像素比例50% 以上的連通區(qū)域與模板圖片進(jìn)行匹配，如果相似度在一定范圍內(nèi)則在原圖中畫(huà)出紅燈或者綠燈，實(shí)驗(yàn)結(jié)果表明該方法可以取得較好的效果。

通過(guò)多次試驗(yàn)成功找到了從H圖中分離出綠色（紅色）色調(diào)的閾值，轉(zhuǎn)化成二值圖像找出連通區(qū)域；并且通過(guò)分析連通區(qū)域的形狀和大小，找出綠燈（紅燈）在放大的圖中的位置，然后在放大了的圖中框出綠燈（紅燈）。應(yīng)用這種方法在試驗(yàn)中對(duì)50多張照片進(jìn)行了試驗(yàn)，正確率在90%以上，并且實(shí)現(xiàn)了實(shí)時(shí)處理。

（a） （b）

（c） （d）

（e）（f）（g）

圖 5紅綠燈識(shí)別過(guò)程圖

注：（a）為待識(shí)別源圖像，（b）為待識(shí)別源圖像的色調(diào)H分量圖，（c）為待識(shí)別源圖像的V分量圖，（d）為亮度分割后的二值連通區(qū)域圖，（e）為在V分量圖像中提取的連通區(qū)域的圖像，（f）為與連通區(qū)域匹配的模板圖片，（g）為在源圖像中標(biāo)注紅綠燈位置。

2.3車道線檢測(cè)模塊設(shè)計(jì)

車道線也是道路信息的重要組成部分，對(duì)于年輕的新手駕駛員而言更是如此。許多交通事故的發(fā)生就是因?yàn)轳{駛員偏離了車道線位置，如果輔助駕駛系統(tǒng)能夠?qū)崟r(shí)提醒駕駛員車道線的位置，使駕駛員不超出車道線的位置，那將會(huì)大大降低交通事故發(fā)生的可能性。因此我們?cè)谙到y(tǒng)中加入了對(duì)車道線的識(shí)別。

在車道線的檢測(cè)模塊中，首先將輸入的圖像灰度化，然后利用Hough變換檢測(cè)線，再根據(jù)車道線的寬度，顏色等確定是否為車道線。檢測(cè)過(guò)程如圖6所示。首先，將輸入的圖片進(jìn)行灰度化處理，然后對(duì)灰度圖進(jìn)行Hough變換檢測(cè)線，最后根據(jù)車道線的顏色，寬度找出車道線。

3結(jié)語(yǔ)

基于圖像的路標(biāo)自動(dòng)識(shí)別主要包括路標(biāo)樣本收集，圖像預(yù)處理、圖像分割、特征提取、模式分類器的選擇和使用等步驟。采用廉價(jià)的可見(jiàn)光攝像頭，可以降低整個(gè)系統(tǒng)的成本，為系統(tǒng)最終走向?qū)嵱没峁┛赡?。采用最新的圖像識(shí)別算法—最小誤差法匹配的改進(jìn)算法，靈活性高，環(huán)境自適應(yīng)能力強(qiáng)。該系統(tǒng)所提出的道路信息自動(dòng)理解系統(tǒng)，使用模塊化的設(shè)計(jì)原則，充分考慮了系統(tǒng)的實(shí)用性。由于核心算法完全采用標(biāo)準(zhǔn)C/C++語(yǔ)言設(shè)計(jì)，該系統(tǒng)具有很好的移植性，為系統(tǒng)的進(jìn)一步應(yīng)用打下了基礎(chǔ)。

（a） （b）

圖 6車道線識(shí)別過(guò)程圖

注：（a） 為源圖像灰度化后的結(jié)果，（b）為經(jīng)過(guò)檢測(cè)表示出車道線結(jié)果圖（黑線表示車道線）。

參 考 文 獻(xiàn)

[1]（美）布拉德斯基（Bradski，G.），（美）克勒（Kaehler，A.）. 學(xué)習(xí)OpenCV（中文版）[M].于仕琪，劉瑞禎，譯. 北京：清華大學(xué)出版社，2009.

[2]劉瑞琪，于仕琪. OpenCV教程.基礎(chǔ)篇 [M]. 北京：北京航空航天大學(xué)出版社，2007.

[3]郭慶銳.交通標(biāo)志自動(dòng)分割識(shí)別算法研究 [D].杭州：浙江理工大學(xué)，2011.

[4]謝偉.基于非局部方法的圖像分割與圖像去噪研究[D].南京：南京理工大學(xué)，2013.

[5]張磊.交通標(biāo)志的提取與識(shí)別[D]. 武漢：武漢理工大學(xué)，2012.

[6]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：重慶大學(xué)，2011.

[7]楊青錦. OpenCV下按視頻幀率（FPS）播放視頻[J]. 中國(guó)科技信息，2012 （21）：81，85.

[8]L.W.Tsai，J.W.Hsieh，C.H.Chang，Y.J.Tseng，K.C.Fan，C.C.Lee，H.Poor， Road sign detection using eigen colour[J].IET Comput.Vis.，2008，2（3）：164-177.

[9]Jitendra N.Chourasia，Preeti Bajaj， Centroid Based Detection Algorithm for Hybrid Traffic Sign Recognition System[C].icetet，pp.96-100，2010 3rd International Conference on Emerging Trends in Engineering and Technology，2010

[10] Fatmehsan， Y.R. Ghahari， A. Zoroofi， R.A. Gabor wavelet for road sign detection and recognition using a hybrid classifier[C].International Conference on Multimedia Computing and Information Technology （MCIT）， 2010.

作者簡(jiǎn)介：程結(jié)園（1990—）， 女，安徽安慶人，碩士研究生。主要研究方向?yàn)閿?shù)字圖像處理、智能信息處理；

張濤（1986—），男，安徽阜陽(yáng)人，碩士研究生。主要研究方向?yàn)橹悄芸刂啤inux嵌入式 。