肖志濤，樊佩茹，耿 磊，張 芳

（天津工業(yè)大學(xué) 電子與信息工程學(xué)院，天津300387）

0 引 言

近年來，國內(nèi)外已有很多的關(guān)于交通標(biāo)志檢測的研究。S.Bascon等結(jié)合交通標(biāo)志的顏色和形狀信息，利用基于高斯核的支持向量機(jī)對各種交通標(biāo)志進(jìn)行分類［1］；P.Siegmann等根據(jù)圖像中交通標(biāo)志的亮度信息和反射性測量的基本原理進(jìn)行標(biāo)志的定位［2］；Gary Overett等設(shè)計(jì)了一種駕駛員輔助系統(tǒng)，該系統(tǒng)在檢測技術(shù)上主要采取形狀識別的方法，在晴天時(shí)可準(zhǔn)確識別各種交通標(biāo)志，并按照交通標(biāo)志對駕駛員進(jìn)行警告和提醒，但在陰雨天氣時(shí)識別效果卻不夠理想［3］；文獻(xiàn) ［4］利用最穩(wěn)定極值域的方法找出可能含有交通標(biāo)志的ROI區(qū)域，然后用HOG特征訓(xùn)練級聯(lián)的SVM分類器對其進(jìn)行識別。

王永飛等通過分析中國道路限速標(biāo)志的顏色和幾何形狀2種先驗(yàn)特征，結(jié)合Adaboost算法提出了一種基于圓覆蓋的顏色濾波方法，采用基于梯度信息的Hough變換檢測出圖像中的圓和橢圓區(qū)域，從而進(jìn)行限速標(biāo)志的檢測［5］。鄧曉等提出了一種使用稀疏模式的字典學(xué)習(xí)方法收集交通標(biāo)志信息，對交通標(biāo)志進(jìn)行定位［6］。楊恒等提出了一種基于SURF特征描述符的車載交通標(biāo)志識別系統(tǒng)，采用RBFilter濾波器找出圖像中的ROI區(qū)域，提取其SURF特征描述符并與基準(zhǔn)數(shù)據(jù)庫中的交通標(biāo)志描述符進(jìn)行搜索匹配，完成交通標(biāo)志的檢測［7］。陳娜等在HSI顏色空間中對圖像進(jìn)行顏色分割，采用改進(jìn)的基于梯度方向角的方法進(jìn)行圓檢測，實(shí)現(xiàn)交通標(biāo)志的粗定位，然后采用ASM模型進(jìn)行限速標(biāo)志的識別［8］。

運(yùn)用現(xiàn)有方法檢測速度標(biāo)識牌時(shí)，在良好天氣條件下其準(zhǔn)確率和實(shí)時(shí)性能滿足要求，但在陰雨天、夜間等天氣、光照較差條件時(shí)，檢測效果并不理想。為解決這一問題，本文提出了一種基于徑向?qū)ΨQ變換的速度標(biāo)識牌檢測方法。該方法利用徑向?qū)ΨQ變換的特性定位圖像中的圓對稱區(qū)域，然后根據(jù)速度標(biāo)識牌內(nèi)部的數(shù)字特征排除偽目標(biāo)，實(shí)現(xiàn)標(biāo)識牌的正確檢測。

1 速度標(biāo)識牌的檢測

為增加環(huán)境適應(yīng)性，本文采用灰度圖像進(jìn)行處理。

速度標(biāo)識牌的檢測主要包括2部分：①標(biāo)識牌的粗定位：利用徑向?qū)ΨQ變換的特性定位出圖像中的圓對稱區(qū)域；②偽目標(biāo)的排除：根據(jù)速度標(biāo)識牌的內(nèi)部特征排除誤檢。

1.1 標(biāo)識牌的粗定位

徑向?qū)ΨQ變換［9］是在廣義對稱變換的基礎(chǔ)上發(fā)展出來的一種簡單、快速的基于梯度的目標(biāo)檢測算法，能在一個(gè)或多個(gè)半徑中檢測出具有對稱性的目標(biāo)。道路圖像中，相比于天空、地面、樹木、護(hù)欄、汽車等非圓目標(biāo)，速度標(biāo)識牌具有良好的圓對稱性。因此，根據(jù)這一特征，可以通過檢測圖像中的圓對稱區(qū)域?qū)崿F(xiàn)速度標(biāo)識牌的粗定位。

進(jìn)行徑向?qū)ΨQ變換時(shí)，本文利用梯度的方向信息求出投影圖，突出圖像中的圓對稱區(qū)域，找出圓心。然后根據(jù)平面幾何的性質(zhì)確定圓。由于梯度的方向信息對圖像亮度和對比度的魯棒性高，使得本方法能適應(yīng)不同天氣、不同時(shí)段下道路視頻的檢測。

圓對稱區(qū)域檢測流程如圖1所示。

具體計(jì)算步驟如下：

（1）將圖像分別與Sobel水平算子和垂直算子進(jìn)行卷積，求出邊緣梯度圖像g（p）；

（2）初始化迭代參數(shù)，設(shè)置起始搜索半徑為Rmin，終止搜索半徑為Rmax，對在半徑集合R內(nèi)變化的每個(gè)ri定義為

（3）計(jì)算灰度圖像上每個(gè)像素點(diǎn)p處的梯度方向及距離為r的正反方向映射點(diǎn)的位置p＋ve（p）和p－ve（p），為

映射點(diǎn)位置如圖2所示。

（4）對每個(gè)映射點(diǎn)對做如下操作，求出梯度方向映射圖On

（5）累加半徑集合R中每個(gè)半徑值對應(yīng)的梯度方向圖Or得出徑向?qū)ΨQ強(qiáng)度圖FR，為

（6）為降低噪聲的干擾，選用一個(gè)3×3的窗AR，以圓心候選點(diǎn)為窗口中心，對FR濾波，得出SR

（7）對SR進(jìn)行歸一化操作，得到結(jié)果圖S，設(shè)置徑向?qū)ΨQ強(qiáng)度閾值Tgray濾出滿足條件的點(diǎn)作為圓心候選點(diǎn)

（8）根據(jù)圓心候選點(diǎn)的坐標(biāo)從圖像中分割出圓對稱區(qū)域并保存。

圓對稱區(qū)域的檢測結(jié)果如圖2所示。

圖2 圓對稱區(qū)域的檢測結(jié)果

汽車行駛過程中，隨著距離、角度的變化，視頻中的標(biāo)識牌可能會形變?yōu)闄E圓。本文方法遍歷一個(gè)給定的半徑范圍，計(jì)算自適應(yīng)閾值，可以檢測到輕度、中度形變的圓形目標(biāo)。如圖3所示。因此，該方法對標(biāo)識牌形變具有較好的魯棒性。

1.2 偽目標(biāo)的排除

利用徑向?qū)ΨQ變換的圓檢測算法能有效定位圖像中的圓對稱區(qū)域，但檢測出的區(qū)域中不僅含有速度標(biāo)識牌，還含有其他圓形目標(biāo)，要進(jìn)行排除。

圖3 形變的標(biāo)識牌檢測結(jié)果

偽目標(biāo)可分為2類。第1類是圓形偽目標(biāo)，如汽車備胎、路燈光暈等，如圖4所示。第2類是非速度標(biāo)識牌的圓形交通標(biāo)志，如各種禁止標(biāo)志和指示標(biāo)志等，如圖5所示。

圖4 圓形偽目標(biāo)

圖5 非速度標(biāo)識牌的圓形交通標(biāo)志

對第1類偽目標(biāo)，通過分析候選區(qū)域內(nèi)部灰度的分布來排除。速度標(biāo)識牌內(nèi)部由白色底和黑色數(shù)字組成，前景和背景的灰度差異較大，邊緣處灰度值跳變明顯；而如汽車備胎、路燈光暈等圓形目標(biāo)內(nèi)部的灰度分布較均勻。據(jù)此可以排除該類非標(biāo)識牌的誤檢。

對第2類偽目標(biāo)，根據(jù)速度標(biāo)識牌內(nèi)部的數(shù)字特征排除。將候選圖像自適應(yīng)二值化后，提取交通標(biāo)志內(nèi)部的黑色連通區(qū)域，如果連通區(qū)域滿足以下任意一個(gè)條件，則認(rèn)為是誤檢：

（1）Nconnected＜2或Nconnected＞3，Nconnected是交通標(biāo)志內(nèi)部連通區(qū)域的個(gè)數(shù)。

（2）hmax／hmin＞0.2，hmax是連通區(qū)域外接矩形的最大高度，hmin是最小高度。

（3）hi＜0.25＊H，hi是任意一個(gè)連通區(qū)域外接矩形的高度，H是交通標(biāo)志外接矩形的高度。

偽目標(biāo)排除的流程如圖6所示。

濾除結(jié)果如圖7所示。

圖7 不同交通標(biāo)志內(nèi)部圖案的連通域

2 實(shí)驗(yàn)結(jié)果分析

為驗(yàn)證上述算法的有效性，本文實(shí)地拍攝多種環(huán)境的道路視頻對算法進(jìn)行實(shí)驗(yàn)，分析了算法檢測率、誤檢率、漏檢率、檢測速度等技術(shù)指標(biāo)，取得了較為理想的實(shí)驗(yàn)結(jié)果。視頻樣本主要采集路段為天津市內(nèi)快速路及周邊的高速路，采集到的文件涵蓋晴天、陰天、雨天和霧天4種天氣條件下6：00～22：00的道路圖像。統(tǒng)計(jì)數(shù)據(jù)見表1和表2，表中可以看出，白天速度標(biāo)識牌的正確檢測率為98.54%，早晨和晚上速度標(biāo)識牌的正確檢測率為95.5%。

實(shí)驗(yàn)統(tǒng)計(jì)過程中發(fā)現(xiàn)，誤檢錯誤主要出現(xiàn)在檢測視頻圖像中限重標(biāo)志時(shí)，由于采集到的圖像質(zhì)量良莠不一，部分限重標(biāo)志圖像內(nèi)部字母信息丟失而將其誤判為速度標(biāo)識牌。漏檢錯誤主要出現(xiàn)在速度標(biāo)識牌遮擋較多、嚴(yán)重變形、光線特別昏暗或圖像極其模糊時(shí)，提取到的標(biāo)識牌圖像輪廓信息不夠完整而使得目標(biāo)檢測失敗。

圖8 、圖9和圖10為不同場景下速度標(biāo)識牌檢測的實(shí)驗(yàn)結(jié)果。

表1 速度標(biāo)識牌檢測結(jié)果統(tǒng)計(jì)一

表2 速度標(biāo)識牌檢測結(jié)果統(tǒng)計(jì)二

圖8 不同天氣條件下的實(shí)驗(yàn)結(jié)果

圖9 不同時(shí)段時(shí)的實(shí)驗(yàn)結(jié)果

圖10 不同路段上的實(shí)驗(yàn)結(jié)果

本方法在主頻2.93GHz、內(nèi)存2G字節(jié)的PC機(jī)上處理時(shí)間為35～45ms／frame。與幾種同類檢測速度標(biāo)識牌的算法在處理時(shí)間、圖像分辨率和所用硬件平臺的比較結(jié)果見表3。由于文獻(xiàn) ［10－12］處理的圖像都是在白天采集得到的，所以本文也選擇白天的實(shí)驗(yàn)結(jié)果進(jìn)行比較。從表中可知，本文方法提高了檢測率，滿足實(shí)時(shí)性的要求。

表3 本文方法與其他幾種方法的比較

3 結(jié)束語

本文對實(shí)際道路視頻中速度標(biāo)識牌的檢測方法進(jìn)行了研究。利用徑向?qū)ΨQ變換的圓檢測方法粗定位標(biāo)識牌，通過分析標(biāo)識牌內(nèi)部的數(shù)字特征排除偽目標(biāo)，提高了速度標(biāo)識牌檢測的準(zhǔn)確率，此外，應(yīng)用本文方法初步實(shí)現(xiàn)了夜間條件下的目標(biāo)檢測。實(shí)驗(yàn)結(jié)果表明，該方法在不同天氣條件、不同時(shí)段和不同道路環(huán)境下均能準(zhǔn)確檢測出速度標(biāo)識牌，白天的平均檢測率為98.54%，早晨和晚上的平均檢測率為95.50%，系統(tǒng)處理時(shí)間為35～45ms／frame，準(zhǔn)確率高，魯棒性強(qiáng)。

［1］Saturnino Maldonado－Bascon，Sergio Lafuente－Arroyo.Roadsign detection and recognition based on support vector machines［J］.IEEE Transactions on Intelligent Transportation Systems，2007，8 （2）：264－278.

［2］Philip Siegmann，Roberto Javier Lopez－Sastre.Fundaments in luminance and retroreflectivity measurements of vertical traffic signs using a color digital camera ［J］.IEEE Transactions on Instrumentation and Measurement，2008，57 （3）：607－615.

［3］Gary Overett，Lars Petersson.Boosting a heterogeneous pool of fast hog features for pedestrian and sign detection ［C］／／Intelligent Vehicles Symposium，2009：1－7.

［4］Jack Greenhalgh， Majid Mirmehdi.Real－time detection and recognition of road traffic signs ［J］.IEEE Transactions on Intelligent Transportation Systems，2012，13 （4）：1498－1506.

［5］WANG Yongping.Research on speed limit sign recognition system based on DSP ［D］.Changsha：National University of Defense Technology，2009 （in Chinese）.［王永平.基于DSP的限速標(biāo)志識別系統(tǒng)研究 ［D］.長沙：國防科學(xué)技術(shù)大學(xué)，2009.］

［6］Deng Xiao，Wang Donghui.Traffic sign recognition using dictionary learning method ［C］／／WRI Global Congress on Intelligent Systems，2010：372－375.

［7］YANG Heng，LIU Xiaolin.Real－time on vehicle traffic sign recognition system based on SURF ［J］.Microcomputer Information，2011，27 （6）：101－102 （in Chinese）.［楊恒，劉肖琳.基于SURF的車載實(shí)時(shí)交通標(biāo)志識別系統(tǒng) ［J］.微計(jì)算機(jī)信息，2011，27 （6）：101－102.］

［8］CHEN Na.Research on recognition method of speed limit signs based on ASM model［D］.Shenyang：Liaoning University，2011（in Chinese）.［陳娜.基于ASM模型的限速標(biāo)志識別方法的研究 ［D］.沈陽：遼寧大學(xué)，2011.］

［9］Hauagge DC，Snavel N.Image matching using local symmetry features［C］／／Proceedings of IEEE Conference on Computer Vision and Patern Recognition，2012：206－213.

［10］Liu Wei，Liu Yujie.Real－time speed limit sign detection and recognition from image sequences ［C］／／International Conference on Artificial Intelligence and Computational Intelligence，2010：262－267.

［11］Liu Wei，Lv Jin.An efficient real－time speed limit signs recognition based on rotation invariant feature ［C］／／Proceedings of IEEE Intelligent Vehicles Symposium，2011：1000－1005.

［12］Huang Yea－Shuan，Le Yun－Shin， Cheng Fang－Hsuan.A method of detecting and recognizing speed－limit signs ［C］／／International Conference on Intelligent Information Hiding and Multimedia Signal Processing，2012：371－374.