王慧敏 閆新寶

【摘要】 禁令交通標志牌檢測是智能交通領(lǐng)域中的一個關(guān)鍵問題。針對復(fù)雜場景中多個禁令交通標志牌誤檢率高的問題，該文提出一種基于動態(tài)模板匹配的多標志牌檢測的方法。首先對禁令標志進行圖像預(yù)處理，結(jié)合顏色閾值分割特征和形狀特征兩個粒度劃分連通區(qū)域，然后根據(jù)連通區(qū)域的邊界信息構(gòu)造動態(tài)模板進行多個禁令交通標志牌的檢測。實驗結(jié)果表明，動態(tài)模板匹配檢測方法在檢測偽圓和處理多個標志牌之間粘連方面明顯優(yōu)于Hough變換方法。

【關(guān)鍵詞】 禁令標志 特征提取 動態(tài)模板匹配

一、引言

禁令交通標志的檢測作為駕駛員輔助系統(tǒng)（Driver Support System， DSS）中的關(guān)鍵技術(shù)，可以及時控制響應(yīng)駕駛員疲勞狀態(tài)下的安全隱患，減少交通安全事故的發(fā)生。

在真實的道路場景，禁令交通標志并不是孤立存在的。集群出現(xiàn)的禁令標志不能被完全檢測到，導(dǎo)致誤檢測和漏檢的主要原因有兩種：第一種是相似背景色物體的干擾，導(dǎo)致不易進行顏色分割；第二是是由視距或天氣原因?qū)е聵酥九瞥霈F(xiàn)偽彩色，造成標志粘連或殘缺。單獨的顏色分割方法不能有效的檢測集群出現(xiàn)的禁令標識牌。

本文作者結(jié)合顏色閾值分割方法和形狀特征檢測方法，利用連通區(qū)域構(gòu)造動態(tài)模板進行多個禁令標志牌的檢測，在降低檢測偽圓個數(shù)的同時，很好的解決了多個標志牌間的粘連問題。

二、圖像預(yù)處理方法

標志牌檢測過程中的圖像預(yù)處理分為兩步：二值化和濾波降噪。

本文在RGB顏色空間下對禁令標志牌進行二值化處理，結(jié)合標志牌的先驗特征和機器學(xué)習(xí)算法，得出紅色閾值的范圍：

利用圖像形態(tài)學(xué)中的“開運算”，圖形進行腐蝕和膨脹運算，對二值化圖像進行去噪處理。但是開運算在標志牌出現(xiàn)殘缺現(xiàn)象時的去噪處理效果過于魯莽。由于標志牌在人眼可分辨范圍內(nèi)直徑大于14，我們保留連通區(qū)域像素數(shù)大于150的塊。

三、基于動態(tài)模板匹配的多標志牌檢測

Torresen[1]通過構(gòu)造一組固定的不同尺寸的圓環(huán)，在實時道路環(huán)境中用模板匹配的方法實現(xiàn)限速標志牌檢測；Fleyeh[2]在該方法上進行改進，根據(jù)二值化區(qū)域面積的大小，構(gòu)建實心的圓形模板，通過異或操作直接濾出標志牌的內(nèi)核圖案。但是這類基于固定模板檢測的方法對于集群出現(xiàn)的標志牌檢測效果不好。受文獻[1]和文獻[2]的啟發(fā)，我們根據(jù)連通區(qū)域的輪廓信息動態(tài)構(gòu)造模板進行原型檢測，算法描述如下：

step1. 根據(jù)紅色閾值范圍進行圖像分割；

step2. 去噪處理；

step3.

提取連通區(qū)域r，并構(gòu)造其最小外接矩形R，以min（r.高，r.寬）為直徑構(gòu)造動態(tài)圓形模板；

四、實驗

本文采用重慶郵電大學(xué)機器學(xué)習(xí)研究所提供的圖片庫，共265幅圖片。

將本文方法與Hough變換檢測方法進行比較，動態(tài)模板匹配檢測方法在正檢率和耗時上遜于Hough變換，但在檢測到的偽圓個數(shù)明顯減少，這為后續(xù)的剔除偽圓工作節(jié)省了系統(tǒng)開銷。同時發(fā)現(xiàn)，動態(tài)模板匹配檢測方法在處理集群標志牌之間粘連情況優(yōu)于Hough變化，檢測率和計算量都有所提升，具備實用價值。

五、結(jié)語

本文結(jié)合禁令標志牌顏色和形狀的先驗特征，利用連通區(qū)域構(gòu)造動態(tài)模板進行標志牌的檢測。實驗結(jié)果表明本文算法在處理集群標志牌粘連和偽圓方面的有效性。我們將在下一步工作中研究如何提高特征屬性區(qū)分度的問題。

參 考 文 獻

[1] Torresen J， Bakke J W， Sekanina L. Efficient recognition of speed limit signs[C]//Intelligent Transportation Systems， 2004. Proceedings. The 7th International IEEE Conference on. IEEE， 2004： 652-656.

[2] Fleyeh H， Davami E. Eigen-based traffic sign recognition[J]. IET intelligent transport systems， 2011， 5（3）： 190-196.