摘 要： 給出一般交通標(biāo)志識別系統(tǒng)的框圖，交通標(biāo)志的檢測是系統(tǒng)中的重要環(huán)節(jié)。根據(jù)我國交通標(biāo)志顏色的規(guī)定，確定了彩色分割空間HSV的閾值，并以圓形為例，提出一種統(tǒng)一對稱局部特征檢測模板，用來提取自然場景下獲得的目標(biāo)區(qū)域的特征，設(shè)計一組模糊規(guī)則判定形狀，形成一種基于局部特征的交通標(biāo)志檢測算法。

關(guān)鍵詞： 交通標(biāo)志； 識別系統(tǒng)； 檢測算法； 局部特征

中圖分類號： TN911.73?34 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2015）13?0114?03

Abstract： Since traffic signs detection is an important link in system， block diagram of general traffic signs recognition system is given. According to traffic signs’ color stipulation in China， the threshold value of color segmentation space HSV is determined. Taking the circle as an example， the feature detection template of unified symmetry local is proposed to extract target region feature in natural scene. A set of fuzzy rules determination form was designed. The traffic signs detection algorithm based on local feature formation is formed.

Keywords： raffic sign； recognition system； detection algorithm； local feature

1 交通標(biāo)志識別系統(tǒng)

交通標(biāo)志識別系統(tǒng)（Traffic Signs Recognition，TSR）是高級輔助駕駛系統(tǒng)的重要組成部分，對提高駕車的安全性和舒適性都具有重要意義。系統(tǒng)所完成的功能即通過對自然場景的圖像采集，經(jīng)過圖像處理與識別，對交通標(biāo)志進(jìn)行檢測，及時提醒、指示和警告駕駛?cè)藛T。系統(tǒng)框圖如圖1所示。主要包括：

（1） 采集數(shù)據(jù)，自然場景下的交通標(biāo)志圖像由機(jī)動車上的攝像設(shè)備進(jìn)行采集；

（2） 標(biāo)志檢測，對彩色圖像進(jìn)行增強(qiáng)、顏色分割、目標(biāo)區(qū)域判斷等過程；

（3） 特征提取，獲取檢測出的交通標(biāo)志圖像的標(biāo)志特征向量；

（4） 分類器設(shè)計與分類決策，即模式識別，包括交通標(biāo)志的特征顏色、形狀等。

交通標(biāo)志的檢測是系統(tǒng)的一個關(guān)鍵環(huán)節(jié)，充分利用特征信息，將簡化系統(tǒng)設(shè)計，同時大大提高系統(tǒng)的實時性和識別精度。系統(tǒng)將對交通標(biāo)志的特征顏色、形狀及其內(nèi)部圖形組成等進(jìn)行算法分析，本文以圓形的標(biāo)志為例，根據(jù)局部特征檢測目標(biāo)區(qū)域，設(shè)計了檢測模板并用模糊規(guī)則確定目標(biāo)區(qū)域的形狀，完成一種基于局部特征的交通標(biāo)志檢測算法。

2 彩色空間的分割

由于安裝在機(jī)動車上的數(shù)據(jù)采集設(shè)備獲取的是基于RGB顏色模型的圖像，而RGB顏色模型不易被模擬，即RGB 彩色空間并不適合彩色空間的精確分割，尤其不適合自然場景下的交通標(biāo)志圖像的分割。為了讓顏色系統(tǒng)更接近人類對色彩的感知，更適合自然場景下對彩色圖像的顏色分割，因此將分量密切相關(guān)的RGB空間轉(zhuǎn)換到分量不相關(guān)的HSV（色調(diào)、飽和度、數(shù)值）彩色空間。將RGB轉(zhuǎn)換為HSV就是將數(shù)值從笛卡爾坐標(biāo)系映射到柱坐標(biāo)系，映射公式如下：[H=16G-Bmax-min，if R=max162+B-Rmax-min，if G=max164+R-Gmax-min，if B=max] （1）

根據(jù)我國交通標(biāo)志的顏色規(guī)定GB8416?87[1]，并結(jié)合多幅自然場景下交通標(biāo)志圖像的分析，確定了HSV空間的具體顏色閾值，如表1所示。

[S=max-minmax] （2）

[V=max（R，G，B）] （3）

3 基于局部特征的交通標(biāo)志檢測算法

3.1 交通標(biāo)志檢測算法的流程圖

首先根據(jù)表1中的顏色閾值，將自然場景下RGB格式的交通標(biāo)志圖像轉(zhuǎn)換同時進(jìn)行彩色分割，按照HSV空間的顏色閾值轉(zhuǎn)換成為三幅二值的圖像。得到的圖像還需進(jìn)行濾波處理，去除圖像中的干擾信號，對目標(biāo)區(qū)域進(jìn)行列表，計算圖像中聯(lián)通區(qū)域的特征和個數(shù)，將非交通標(biāo)志區(qū)域去除，最后根據(jù)形狀判別算法確定該圖像是否為交通標(biāo)志。交通標(biāo)志檢測算法的流程圖如圖2所示。

3.2 自適應(yīng)中值濾波器設(shè)計

為去除圖像采集和傳輸過程中產(chǎn)生的噪聲，減小圖像分割、圖像識別、圖像檢測的難度，必須進(jìn)行圖像去噪，這是標(biāo)志識別系統(tǒng)中的一個重要環(huán)節(jié)。選用中值濾波器，它是應(yīng)用最廣的一種統(tǒng)計濾波器，擁有優(yōu)秀的去噪能力[2]，能將鄰域內(nèi)灰度值的中值代替像素的值。但中值濾波器在有效地濾出噪聲的同時，往往也去掉了圖像的細(xì)節(jié)，因此選用一種自適應(yīng)的多級中值濾波器。自適應(yīng)中值濾波器可以在平滑非脈沖噪聲圖像時更好地保持圖像的細(xì)節(jié)，同時最大程度地濾除脈沖噪聲，對系統(tǒng)帶來的好處遠(yuǎn)遠(yuǎn)超過傳統(tǒng)中值濾波器。

3.3 局部特征的提取

（1） 統(tǒng)一的對稱局部特征檢測模板

為確認(rèn)目標(biāo)區(qū)域是否是交通標(biāo)志，需對其形狀特征進(jìn)行形狀判別。為此提出一種統(tǒng)一的對稱局部特征檢測模板，如圖3所示。形狀初步檢測模板的大小為32×32像素，形狀驗證模板尺寸為8×8 像素，在兩個模板的四個頂點和四條邊的中心位置上有四個檢測局部特征的子模板。

以圓形檢測為例：形狀初步檢測模板與確認(rèn)模板如圖4所示，可基于模糊規(guī)則的形狀判別寫出其算法。

（2） 子模板內(nèi)含有特征顏色像素個數(shù)的隸屬度函數(shù)

如圖5所示，橫坐標(biāo)為子模板內(nèi)含有特征顏色像素的個數(shù)，縱坐標(biāo)為隸屬度函數(shù)的值。這樣定義后便于用模糊推理來確定目標(biāo)區(qū)域的形狀[3]，對交通標(biāo)志的形狀特征進(jìn)行深入分析。

4 結(jié)果分析

任取一幅具有三個交通標(biāo)志的圖像，如圖6（a）所示，這三個標(biāo)志剛好對應(yīng)紅色、藍(lán)色和黃色，因此根據(jù)顏色的閾值在HSV空間上進(jìn)行顏色分割，得到圖6（b）～圖6（d），再經(jīng)過濾波、形狀判別、用局部特征等算法流程，得到檢測的交通標(biāo)志圖像如圖6（e），圖6（f）所示。

5 結(jié) 論

利用設(shè)計的交通標(biāo)志檢測算法分別檢測在不同自然場景下的交通標(biāo)志圖像，結(jié)果表明，該交通標(biāo)志檢測算法檢測率基本達(dá)到90%左右；該算法具有較好的魯棒性，對表面有污損的，但特征顏色輪廓完整的標(biāo)志也能正確檢測。

通過分析，天氣情況、交通標(biāo)志的表面顏色退化、被污染或場景中有干擾，如道路邊上的廣告牌、路邊行人、路邊的建筑物，數(shù)據(jù)采集時的角度、交通標(biāo)志設(shè)計的大小等，都是影響檢測率的重要因素。

參考文獻(xiàn)

[1] 楊久齡，劉會學(xué).GB 5768?1999《道路交通標(biāo)志和標(biāo)線》應(yīng)用指南[M].北京：中國標(biāo)準(zhǔn)出版社，1999.

[2] 邊肇祺，張學(xué)工.模式識別[M].北京：清華大學(xué)出版社，2000.

[3] WANG Xin. Adaptive multistage median filter [J]. IEEE Transactions on Signal Processing， 1992， 40（4）： 1015?1017.

[4] 李士勇.模糊控制·神經(jīng)控制和智能控制論[M].2版.哈爾濱：哈爾濱工業(yè)大學(xué)出版社，1998.

[5] 張穎，秦光潔.一種魯棒的交通標(biāo)志檢測方法[J].現(xiàn)代電子技術(shù)，2009，32（23）：177?181.

[6] 謝小軍，張紹陽.機(jī)動車輛磁像識別技術(shù)在交通控制中的應(yīng)用[J].現(xiàn)代電子技術(shù)，2003，26（3）：86?87.