高歌+譚兵+陳心睿

摘要：隨著社會經(jīng)濟的發(fā)展，城市交通問題日益突出，交通事故頻發(fā)，為了緩解這一趨勢，智能交通系統(tǒng)因此而誕生。交通標(biāo)志識別系統(tǒng)TSR（Traffic Sign Recognition）作為智能交通系統(tǒng)的重要組成部分，在輔助駕駛、無人汽車駕駛以及智能機器人等方面發(fā)揮著重要的作用。為此，總結(jié)了國內(nèi)外交通標(biāo)志檢測的研究成果，經(jīng)過幾十年的研究，TSR的理論和實踐體系逐漸形成，并取得了一些階段性的進展。接著對常見的基于顏色檢測和形狀檢測方法做了簡單闡述。對交通標(biāo)志檢測目前存在的問題做了歸納總結(jié)，設(shè)計出能夠勝任復(fù)雜多變的現(xiàn)實場景的交通標(biāo)志識別系統(tǒng)依然是未來的研究熱點和難點。

關(guān)鍵詞：交通標(biāo)志檢測；ITS；TSR；顏色檢測；形狀檢測

中圖分類號：TB

文獻標(biāo)識碼：A

doi：10.19311/j.cnki.16723198.2017.12.089

1引言

隨著經(jīng)濟的發(fā)展，汽車出行在為人們帶來便利的同時也增加了安全事故的發(fā)生。智能交通系統(tǒng)ITS（Intelligent Transportation System）作為一種全新的汽車識別模式，能夠緩解交通事故的發(fā)生。具體表現(xiàn)在，汽車在行駛過程中，利用車載系統(tǒng)對交通標(biāo)志進行識別，再反饋給駕駛員，為駕駛提供路況信息，使駕駛員能夠?qū)β窙r做出準(zhǔn)確的判斷，減少交通意外的發(fā)生。另一方面，對于無人駕駛和交通標(biāo)志的識別，也發(fā)揮著重要的維護作用。

近幾十年來，交通標(biāo)志檢測與識別受到了諸多學(xué)者的關(guān)注與研究，ITS在減少安全事故和緩解道路壓力方面發(fā)揮著重要作用，交通標(biāo)志識別系統(tǒng)TSR（Traffic Sign Recognition）也應(yīng)運而生。交通標(biāo)志識別系統(tǒng)包括很多方面，交通標(biāo)志檢測是其一個子方面，但其重視程度不言而喻，它的應(yīng)用范圍很廣，如無人駕駛車輛和駕駛員輔助系統(tǒng)等，在行車過程中，為駕駛員提供實時路況檢測。雖然目前在交通標(biāo)志檢測方面取得了一些突破性的進展和一些階段性的成果，但隨著道路環(huán)境的多樣化和不確定因素，使得檢測仍存在諸多困難?？偟膩碚f，交通標(biāo)志檢測實用性強，關(guān)注度高，在任何時候熱度都不會消減，會引發(fā)更多的人去深入研究。

2交通標(biāo)志檢測系統(tǒng)組成

交通標(biāo)志檢測包括五部分：圖像采集，預(yù)處理，顏色分割，形狀檢測，精準(zhǔn)定位。圖形的采集尤為重要，對于采集到傾斜的圖像，我們需要對其進行矯正處理。對于正常圖像，大多數(shù)情況我們需要對其做預(yù)處理，以消除光照等的影響，然后可以通過交通標(biāo)志特有的顏色和形狀信息對其進行分割處理，以得到待選區(qū)域。再根據(jù)一些特定的算法對干擾區(qū)域進行剔除，從而得到目標(biāo)區(qū)域。對于目前交通標(biāo)志檢測的研究現(xiàn)狀，雖然取得了突破性的進展，但各種算法亦有優(yōu)缺點，面對復(fù)雜多變的交通環(huán)境很難做出很好的檢測，所以有必要對交通標(biāo)志的檢測進行更進一步的討論和研究。

3國內(nèi)外研究現(xiàn)狀

3.1國外研究現(xiàn)狀

早在1987年日本就進行了交通標(biāo)志的檢測與識別，采用了模板匹配的經(jīng)典算法，其平均識別時間為0.5秒。發(fā)到國家也不甘落后，1993年美國針對“停車”的標(biāo)志研究開發(fā)了ADIS系統(tǒng)，采用了顏色聚類的方法對目標(biāo)進行檢測，然而AIDS存在一個明顯的缺陷，就是時間不穩(wěn)定。為了滿足交通標(biāo)志時間識別的精確性，1994年，戴姆勒-奔馳汽車公司與大學(xué)合作開發(fā)，最終，一個全新的系統(tǒng)誕生了，其速度之快令人嘆服，達到3.2s/幅，交通標(biāo)志數(shù)據(jù)庫中，有40000多幅圖像，其識別準(zhǔn)確率為98%。交通標(biāo)志檢測與識別研究進入新千年。越來越多的科研工作者和科研機構(gòu)加入到交通標(biāo)志檢測與識別中去，使得檢測技術(shù)有了很大的進步。在2001年Winconsin大學(xué)的Liu和Ran基于HIS空間的顏色閾值分割法，結(jié)合神經(jīng)網(wǎng)絡(luò)進行識別，經(jīng)過實驗顯示該系統(tǒng)的準(zhǔn)確率為95%。2005年Carethloy實驗室和Nick Barnes自動化研究所利用交通標(biāo)志在圖形上的對稱性來確定交通標(biāo)志的質(zhì)心位置，其建立的交通標(biāo)志識別系統(tǒng)的準(zhǔn)確率為95%。在2009年Muhammad等人運用多個方法進行識別實驗得到最好的識別準(zhǔn)確率為97%。2011年德國以德國交通標(biāo)志數(shù)據(jù)庫（GTSRB）為基礎(chǔ)舉辦了交通標(biāo)志識別大賽（IJCNN2011）。標(biāo)志著交通標(biāo)志檢測與識別受到了全世界的高度關(guān)注，這也促進了交通標(biāo)志檢測與識別的研究進展。Ciresan等人在IJCNN2011大賽上采用深度卷積神經(jīng)網(wǎng)絡(luò)（Deep Convolution Neural Network）識別算法得到了比人類識別平均率高的結(jié)果。2013年，對于交通標(biāo)志檢測系統(tǒng)，Kim J.B將視覺顯著性模型運用到其中，使交通識別的準(zhǔn)確性更高。

3.2國內(nèi)研究現(xiàn)狀

與國外相比，在時間上，對于交通檢測系統(tǒng)，我國運用的稍微落后。在交通標(biāo)志檢測研究方面，將顏色和形狀結(jié)合的相關(guān)檢測方法較為廣泛，在識別算法方面，國內(nèi)一些學(xué)者也取得了顯著性的成果。在2000年郁梅提出了一種基于顏色的快速檢測方法。2004年，根據(jù)不變矩特征和BP神經(jīng)網(wǎng)絡(luò)，王坤明等人對交通識別系統(tǒng)做了進一步的闡述。2008年，交通識別系統(tǒng)有了進一步的發(fā)展，以BP神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，寧波大學(xué)朱雙東教授等人將交通標(biāo)志的顏色區(qū)分成了五種最基本的顏色。2012年朱淑鑫在RGB和HIS空間上進行多閾值分割。2013年，“紅色位圖”方法被提出，其主要利用在邊緣信息的形狀檢測上，王剛毅希望通過這一方法來提高紅色圓形標(biāo)志區(qū)域的檢測率。

4交通標(biāo)志檢測算法現(xiàn)狀

我國的交通標(biāo)志主要分為警告、禁止、指示三大類，交通標(biāo)志顏色主要有紅色、藍色、黑色、黃色和白色五種基本顏色，交通標(biāo)志的形狀有四大類，即三角形、矩陣、八邊形和圓形。目前針對道路交通標(biāo)志檢測的算法主要是基于顏色的檢測、形狀的檢測以及顏色和形狀相結(jié)合的檢測，下面我們對常見的檢測方法進行簡單的概述。

4.1基于顏色的檢測方法

由于交通標(biāo)志具有很明顯的顏色特征，所以很多文獻都對這一方法做了討論和研究。常見的顏色空間有RGB、HSI、Lab、Ycgcr、Ycbcr等。De La Escalear A等人運用RGB閾值的方法將顏色分類。但此方法受光照影響因素較大，為了減少光照等環(huán)境因素的影響，Ruta等人提出了RGB空間顏色增強的方法，這種方法可以快速將標(biāo)志區(qū)域檢測出來。由于RGB空間亮度和色度的混合在一起的，后來研究者們運用了更符合人類對顏色的視覺理解的HIS、HSV空間。為了使交通標(biāo)志的檢測精度更高，在HIS空間中設(shè)定閾值這個方法被提出了，事實上，一個交通標(biāo)志可以由幾種顏色構(gòu)成，因此，S.Lafuente–Arroyo等人希望通過這種方法對于不同顏色的交通標(biāo)志都能檢測出來。但HIS顏色空間聚類效果不好，因此，為了更好的對交通標(biāo)志的顏色進行區(qū)分，選擇聚類效果好的顏色空間至關(guān)重要，在此基礎(chǔ)上，Jitendra N.Chourasia等人主張使用Ycbcr顏色區(qū)間。

4.2基于形狀的檢測方法

除了利用顏色對交通標(biāo)志進行檢測之外，還可以利用交通標(biāo)志的形狀，這也是其另一個重要的特點。最常用的檢測圓形和直線是Hough變換，事實證明，Kuo W J等人通過Hough變換，對交通標(biāo)志進行檢測，效果顯著，但由于其計算量大的原因不適用于實時性監(jiān)測。另一種形狀檢測法是基于拐角提取算法，Escalera等人提出拐角檢測算法，簡單來說，就是根據(jù)形狀的變化所產(chǎn)生的像素點判斷能否為拐點，來進行檢測，但是，其唯一的缺點是誤檢率也比較高。Rangarajan等人提出了一種最優(yōu)拐角檢測方法，通過設(shè)計好的掩膜與圖像做卷積運算后將拐角檢測出來，魯棒性好。

4.3基于顏色和形狀的檢測方法

既然基于顏色和基于形狀的方法都不能得到很好的交通標(biāo)志檢測，于是很多學(xué)者將這兩種方法結(jié)合起來，產(chǎn)生了綜合顏色和形狀的檢測方法。并也取得了一些顯著性的成果。M.Zadeh等人利用圖像處理的相關(guān)知識，先把圖像進行顏色分割，再運用形態(tài)學(xué)的相關(guān)方法提取區(qū)域邊緣，最后對待定區(qū)域進行跟蹤和幾何分析，從而提取得到目標(biāo)檢測區(qū)域。但該方法對噪聲特別敏感。所以當(dāng)圖像的噪聲很強時這種檢測方法的效果并不理想。

5交通標(biāo)志檢測與識別難點

盡管近幾十年提出了很多新的檢測方法，但目前的研究成果還不能夠勝任復(fù)雜多變的現(xiàn)實場景。交通標(biāo)志識別系統(tǒng)TSR設(shè)計到多個研究領(lǐng)域，包括圖像處理、人工智能、模式識別和機器學(xué)習(xí)等相關(guān)領(lǐng)域，因此，關(guān)于交通標(biāo)志識別系統(tǒng)的研究任重而道遠，在未來，不管是自然場景下，還是復(fù)雜場景下，對于交通識別系統(tǒng)研究，都應(yīng)重點關(guān)注。現(xiàn)階段交通標(biāo)志檢測與識別主要面臨的困難和挑戰(zhàn)如下：

（1）環(huán)境對交通標(biāo)志的影響。這主要表現(xiàn)在四季中風(fēng)雨對交通標(biāo)志的損壞，這在一定程度上會降低圖像的清晰度。交通標(biāo)志長年暴露在外面，難免會出現(xiàn)變形、污損、褪色等情況，這對檢測也造成了困難。

（2）拍攝角度的影響。不同的拍攝角度對檢測具有比較大的影響，對傾斜的圖像我們需要對其做一個矯正處理。

（3）現(xiàn)場場景環(huán)境中有很多干擾物體，使得在分割的時候會把不是標(biāo)志的物體也分割出來，對我們檢測帶來了一定程度上的干擾。

（4）交通標(biāo)志類型復(fù)雜，種類多，目前所了解的就有130多種，包括警告標(biāo)志、指示標(biāo)志、禁令標(biāo)志、指路標(biāo)志等等，給檢測大大增加了難度。

（5）實時性改進的問題，由于汽車移動速度快，而且在移動過程中往往在一定程度上有抖動和變速等動作，捕捉到的圖像會產(chǎn)生變形模糊，處理時間過長會導(dǎo)致司機反應(yīng)時間縮短。

（6）準(zhǔn)確率有待進一步提升。準(zhǔn)確率太低的話不但達不到駕駛輔助作用，反而會引起交通事故發(fā)生。

（7）沒有公用樣本數(shù)據(jù)。國內(nèi)目前統(tǒng)一的評判標(biāo)準(zhǔn)和數(shù)據(jù)庫尚未建立起來。

（8）智能交通識別系統(tǒng)服務(wù)于大眾，因此需要考慮經(jīng)濟成本問題。

綜合以上可知，由于在現(xiàn)實場景中以上問題的存在，所以在設(shè)計道路交通標(biāo)志檢測與識別算法的時候必須有針對性的解決上訴問題。

6總結(jié)

總的來說，交通標(biāo)志檢測與識別系統(tǒng)（TSR）的發(fā)展前景非常好，被廣泛運用于輔助駕駛系統(tǒng)、無人汽車駕駛和各種道路檢測標(biāo)志的檢測修復(fù)等領(lǐng)域。本文主要對國內(nèi)外的研究現(xiàn)狀做了一個回顧和分析，許多研究學(xué)者也做出了一些階段性的成果和進展，但由于自然環(huán)境下一些復(fù)雜多變的因素對檢測造成了困難和挑戰(zhàn)，因此TSR系統(tǒng)的研究還面臨許多難題有待解決。隨著人工智能和機器學(xué)習(xí)等算法的提升，我們堅信未來的道路交通標(biāo)志檢測與識別會邁上一個新的臺階。

參考文獻

[1]徐華青，陳瑞南，林錦川等.道路交通標(biāo)志檢測方法研究[J].福州大學(xué)學(xué)報，2010，（3）：387392.

[2]常發(fā)亮，黃翠，劉成云等.基于高斯顏色模型和SVM的交通標(biāo)志檢測[J].儀器儀表學(xué)報，2014，35（1）：4349.

[3]Salichs M A.TRAFFIC SIGN DETECTION FOR DRIVER SUPPORT SYSTEMS[C].2001.

[4]Kehtarnavaz N，Griswold N C，Kang D S.Stop-sign recognition based on color/shape processing[J].Machine Vision and Applications，1993，6（4）：206208.

[5]Priese L，Lakmann R，Rehrmann V.Ideogram identification in a realtime traffic sign recognition system[C].Intelligent Vehicles 95 Symposium. Proceedings of the.IEEE，1995：310314.

[6]Liu H，Ran B.Vision-Based Stop Sign Detection and Recognition System for Intelligent Vehicles[J].Transportation Research Record Journal of the Transportation Research Board，2001，1748（1）：161166.

[7]Barnes N，Loy G，Shaw D，et al.Regular polygon detection[C].Tenth IEEE International Conference on Computer Vision.IEEE，2014：778785.

[8]Muhammad A S，Lavesson N，Davidsson P，et al.Analysis of Speed Sign Classification Algorithms Using Shape Based Segmentation of Binary Images[J].Lecture Notes in Computer Science，2009，5702：12201227.

[9]Kim J B.Detection of traffic signs based on eigen-color model and saliency model in driver assistance systems[J].International Journal of Automotive Technology，2013，14（3）：429439.

[10]郁梅，郁伯康.基于彩色圖像的指示標(biāo)志檢測[J].計算機工程與應(yīng)用，2000，36（4）：169172.

[11]王坤明，許忠仁.基于不變矩和神經(jīng)網(wǎng)絡(luò)的交通標(biāo)志識別方法研究[J].計算機應(yīng)用研究，2004，21（3）：254255.

[12]朱雙東，蔣甜甜，劉蘭蘭.基于顏色規(guī)格化的交通標(biāo)志識別[J].計算機應(yīng)用與軟件，2008，25（1）：220222.

[13]朱淑鑫.基于顏色特征的交通標(biāo)志圖像分割研究[J].考試周刊，2012，（81）：111112.

[14]Wang G，Ren G，Jiang L，et al.Hole-based traffic sign detection method for traffic signs with red rim[J].The Visual Computer，2014，30（5）：539551.

[15]De l E A，Moreno L E，Salichs M A，et al.Road traffic sign detection and classification[J].IEEE Transactions on Industrial Electronics，1997，44（6）：848859.

[16]Ruta A，Li Y，Liu X.Real-time traffic sign recognition from video by class-specific discriminative features[J].Pattern Recognition，2010，43（1）：416430.

[17]Lafuente-Arroyo S，Salcedo-Sanz S，Maldonado-Basc，et al.A decision support system for the automatic management of keep-clear signs based on support vector machines and geographic information systems[J].2010，37（1）：767773.

[18]Chourasia J N，Bajaj P.Centroid Based Detection Algorithm for Hybrid Traffic Sign Recognition System[C].International Conference on Emerging Trends in Engineering and Technology.IEEE，2010：96100.

[19]Kuo W J，Lin C C.Two-Stage Road Sign Detection and Recognition[C].IEEE International Conference on Multimedia and Expo.IEEE Xplore，2007：14271430.

[20]De l E A，Moreno L E，Salichs M A，et al.Road traffic sign detection and classification[J].IEEE Transactions on Industrial Electronics，1997，44（6）：848859.

[21]Rangarajan K，Shah M，Van Brackle D.Optimal corner detector[J].Computer Vision Graphics & Image Processing，1989，48（2）：230245.

[22]Zadeh M M，Kasvand T，Suen C Y.Localization and recognition of traffic signs for automated vehicle control systems[C].Intelligent Systems & Advanced Manufacturing.International Society for Optics and Photonics，1998.