劉金龍+薛名芷

摘 要 介紹了機器視覺技術在交通路標識別中的應用。路標區(qū)域的分割主要依據(jù)路標顏色在HSI顏色空間的類聚特征，路標指示的識別采用基于尺度不變特征提取算法的模板匹配來實現(xiàn)。

關鍵詞 機器視覺；智能交通；交通標志；路標定位；路標識別

中圖分類號：TP391.4 文獻標識碼：A 文章編號：1671-7597（2014）05-0046-01

由于信息的采集技術得到了長足的發(fā)展，信息處理方式越來越多樣化，機器視覺逐漸成為人們生活中的關鍵技術之一。所謂機器視覺就是用計算機來模擬人的視覺功能的技術，從客觀事物的圖像中提取信息，進行處理并加以理解，最終用于實際檢測、測量和控制。隨著機器視覺技術的引入，智能交通技術得到了飛速的發(fā)展。智能公交、電子警察、交通信號控制、交通視頻監(jiān)控等智能技術為城市交通運輸系統(tǒng)的疏導與協(xié)調作出了重大貢獻。先進駕駛輔助系統(tǒng)作為關鍵技術之一，不但能幫助司機更好駕駛，并且能在一定程度上避免交通事故的發(fā)生。交通路標識別作為其核心技術，在城市交通的安全上具有深遠的意義。大體上，交通路標識別技術主要包含兩方面，即路標區(qū)域的分割和路標指示信息的識別。

1 路標區(qū)域的提取

對路標區(qū)域與背景區(qū)域的分割是在HSI顏色空間上進行的。HSI是用色調、飽和度和亮度來描述顏色空間的，與人的視覺系統(tǒng)保持一致。色度是描述純色的屬性，與光波的波長有關，它表示人的感官對不同顏色的感受；飽和度給出一種純色被白光稀釋的程度的度量，飽和度越大，顏色看起來就會越鮮艷；亮度是一個主觀的描述，體現(xiàn)了無色的強度概念。

標準交通路標主要有藍色和黃色兩種底色。對于藍色路標，背景顏色為藍色并且占據(jù)大部分面積，路標指示的描述部分為白色；對于黃色路標，背景顏色為黃色并且占據(jù)大部分面積，路標指示部分的描述部分為紅色。黃色與藍色在HSI顏色空間呈現(xiàn)類聚性：對于藍色，H取值在132到175之間，S取值在100到240之間，I取值在53到179之間；對于黃色，H取值在28到48之間，S取值在114到240之間，I取值在61到175之間。

基于此兩種顏色特征可以在目標圖像中進行路標嫌疑區(qū)域分割；通過形態(tài)學處理可以去掉較小空洞以及路標指示的描述信息；最后依據(jù)連通域的面積與形狀等判斷并提取出路標區(qū)域。形態(tài)學處理是一種對鄰域的運算形式。通過形態(tài)學處理不但可以過濾由于噪音或者其他原因引起的一些較小的不可能為路標背景的區(qū)域，減少候選區(qū)域和提高檢測速度，而且可以填補路標中由于路標指示信息灰度不同導致的較小空洞，降低了誤判的可能性。

路標區(qū)域提取的具體步驟如下所示。

Step1：在HSI顏色空間里依據(jù)顏色通道取值范圍對目標圖像進行二值化處理。

Step2：對二值圖像進行膨脹處理，腐蝕掉路標指示描述等干擾。

Step3：查詢連通區(qū)域邊界。

Step4：依據(jù)連通區(qū)域的面積和形狀來定位出路標區(qū)域。

如果目標中只有藍色路標像素點，則該路標是以藍色為底色的路標；如果目標中只有黃色路標像素點，則該路標是以黃色為底色的路標。

2 路標指示識別

路標指示信息的識別主要依據(jù)尺度不變特征提取與模板匹配的方法。

尺度不變特征提取方法包含尺度不變性與旋轉不變性的特點。所謂尺度不變性是指不管物體是遠是近，都能進行正確的辨識；所謂旋轉不變性是指當物體發(fā)生旋轉時，依然能正確的識別它。尺度不變特征提取算法主要有SIFT算法和SURF算法。SIFT算法是最有效的，SURF算法對SIFT算法進行了簡化，在運算速度上提高了3倍，綜合性能要更優(yōu)。

在指示信息識別之前需要建立路標特征數(shù)據(jù)庫。依據(jù)路標底色的不同，需要建立藍色路標數(shù)據(jù)庫和黃色路標數(shù)據(jù)庫。

模板匹配就是用路標數(shù)據(jù)庫中的每個模板一一與目標圖像中的路標區(qū)域進行匹配，計算相似度，相似度最大的一組就是對應的路標指示信息。其中進行匹配的方面就是尺度不變的特征。另外，路標的背景顏色部分足夠表示該路標的所有特征了，因為背景提取圖恰到好處的得到了路標指示的邊框部分，所以提取背景部分可以進行路標識別。

路標指示識別的具體步驟如下所示。

Step1：建立路標特征數(shù)據(jù)庫。

Step2：在HSI顏色空間中提取出路標區(qū)域中的指示邊框部分。

Step3：提取出來的部分作為尺度不變特征提取算法的輸入圖像，進行特征點檢測和特征向量提取。

Step4：將提取出來的特征點、特征向量與數(shù)據(jù)庫中的標準路標的特征點、特征向量進行比對，得出匹配結果。

按照以上步驟處理后，如果所有匹配相似度都很低，說明目標圖像中不存在交通路標。

3 結論

文章闡述了交通路標識別技術的實現(xiàn)方法。路標區(qū)域定位部分主要依據(jù)路標底色的顏色特征并在HSI顏色空間完成，從而極大的提高了定位的實時性；路標指示識別部分利用模板匹配的方法來實現(xiàn)，基于尺度不變特征提取算法的特征點匹配對尺度變化、旋轉變化、照度變化和視角變化具有良好的魯棒性。

參考文獻

[1]唐向陽，張勇，李江有，等.機器視覺關鍵技術的現(xiàn)狀及應用展望[J].昆明理工大學學報（理工版），2004，29（2）：36-39.

[2]許祥祥.計算機視覺技術的應用研究[J].硅谷，2013（16）：114-114.

[3]王宇鋒.國內外智能交通系統(tǒng)現(xiàn)狀簡介[J].硅谷，2008（23）：181-181.

[4]李峰.智能交通系統(tǒng)在國外的發(fā)展趨勢[J].國外公路，1999，19（1）：1-5.

[5]孫龍林.先進駕駛輔助系統(tǒng)的發(fā)展現(xiàn)狀和趨勢[J].汽車電器，2009（7）：4-7.

[6]朱雙東，陸曉峰.道路交通標志識別的研究現(xiàn)狀及展望[J].計算機工程與科學，2007，28（12）：50-52.

[7]阮秋琦.數(shù)字圖像處理學[M].電子工業(yè)出版社，2007.

[8]劉小飛.基于邊緣檢測和形態(tài)學的車牌定位[J].硅谷，2012（12）：24-24.

[9]彭皓.局部不變特征提取算法的研究及其在圖像識別中的應用[J].電子測量技術，2009（2）：135-139.

[10]張銳娟，張建奇，楊翠.基于SURF的圖像配準方法研究[J].紅外與激光工程，2009，38（1）：160-165.

[11]田娟，鄭郁正.模板匹配技術在圖像識別中的應用[J].傳感器與微系統(tǒng)，2008，27（1）：112-114.

作者簡介

劉金龍（1990-），男，黑龍江哈爾濱人，在讀碩士，研究方向：新能源汽車與模式識別。

薛名芷（1990-），女，黑龍江黑河人，本科畢業(yè)，研究方向：模式識別。endprint