一种基于分块识别的道路警告标志检测与识别方法技术

本发明专利技术公开了一种基于分块识别的道路警告标志检测与识别方法，对车载视频数据进行HSV色彩空间变换并进行二值化处理；提取二值化图像的轮廓信息并通过轮廓的几何特征判断其形状，从而检测出警示标志的区域；提取警示标志区域的分块特征和HOG特征，并以自建标志库为标准匹配出待识别标志的类型，获取标志检测的结果。该方法能够保证标志识别正确率高而又有效地降低漏检，从而获得了更好的标志检测结果。在智能交通领域具有良好的应用价值。

【技术实现步骤摘要】

本专利技术涉及交通标志的识别方法，特别是一种基于分块识别的道路警告标志检测与识别方法。
技术介绍
道路上的交通标志是一种有着显著色彩和形状特征的公共标志，用于管理交通、指示行车方向以及保证道路畅通与行车安全的设施。交通标志是交通信息的重要载体，可以给车辆、行人准确的交通引导，因此及时准确地识别交通标志信息对于交通安全至关重要。我国的道路交通标志可分为禁令标志、警告标志和指示标志三类，其中禁令标志40种，白底红框，多为圆形；警告标志45种，黄底黑框，多为三角形；指示标志29种，蓝底白框，多为圆形。因此，通过对颜色和形状特征的检测，很容易将三种标志予以划分。道路交通标志的识别过程可归纳为交通标志检测和分类识别等两步。交通标志的检测算法多种多样，主要分为以下四种：基于颜色特征的检测、基于形状特征的检测、基于模板匹配的检测以及基于颜色几何融合特征的检测等，基于颜色特征的检测方法处理速度最快，因此应用最为广泛。在基于颜色特征的检测方法中，首先对图像进行色彩空间的分割，然后将分割得到的二值图像矢量化，最后筛选出交通标志所在的区域。在色彩空间的选择中，最常见的是RGB彩色空间和HIS彩色空间。前者在交通标志的检测过程中不需要进行色彩空间变换，实时性好，但缺点是不能很好地模拟人类对颜色的视觉感知，且易受到光照的影响。后者需要先将RGB图像经过色彩空间变换转化到HIS(Hue:色调，Intensity:亮度，Saturation:饱和度)颜色模型下，然后进行颜色分割。HIS颜色模型对颜色的描述更符合人类对颜色的视觉理解，且三个分量各不相关，因此更有利于图像处理，同时也能很好的削弱光照对交通标志成像的影响。但由于从RGB到HIS色彩空间的变换属于非线性变换，涉及到反三角计算，耗时较长，阻碍了交通标志的实时检测。另外，在RGB空间的信号发生微小的变化时，转换到HIS空间时色调信号也会有较大的变化，即呈现出不稳定的性质。交通标志的分类识别是交通标志识别问题的最终目标。目前，已有较多的交通标志分类算法，大致可分为统计分类算法、神经网络分类算法、句法分类和集成分类方法等。在分类的过程中，所采用的特征多为颜色或形状不变矩等，总体来说现阶段的交通标志识别方法存在识别准确率不高、运行时间长、不能满足车载实时性的需求等缺点。
技术实现思路
为了解决上述技术问题，本专利技术提供了一种基于分块识别的道路警告标志检测与识别方法。本专利技术所采用的技术方案是：一种基于分块识别的道路警告标志检测与识别方法，其特征在于，包括以下步骤：1.一种基于分块识别的道路警告标志检测与识别方法，其特征在于，包括以下步骤：步骤1：获取车载视频数据，将其拆解成按时间先后顺序排列的影像，调取出对应曝光时刻车辆的GPS、IMU数据以获取车辆的车速和姿态；步骤2：将车载视频分解为帧图像，并对各帧进行预处理；所述预处理包括滤波、去雾、去霾、色彩平衡；步骤3：将步骤2中处理后的帧图像由RGB色彩空间转换到HSV色彩空间，以得到与人眼视觉系统最为符合的颜色空间；步骤4：采用优化后的HSV阈值分割方法对步骤3中转换的HSV空间的帧图像进行颜色分割，并对分割结果进行二值化处理，得到二值图像；步骤5：对二值图像进行形态学开运算和闭运算以去除孤立点，并通过边缘提取算法获取连通区域的轮廓信息，在此基础上根据轮廓的几何参数判定连通区域的形状，从而检测出图像中的三角形区域，获取三角形标志大致所在的区域即粗糙感兴趣区域Rough_ROI；步骤6：根据三角形的几何特征对粗糙感兴趣区域Rough_ROI进行交通标志的轮廓拟合，并对其进行尺度归一化和几何纠正处理，得到精确感兴趣区域Exact_ROI；步骤7：提取精确感兴趣区域Exact_ROI的分块特征；步骤8：提取精确感兴趣区域Exact_ROI的HOG特征；步骤9：结合分块特征和HOG特征，以标志库为样本，采用SVM方法对检测出的标志进行分类识别。作为优选，步骤4中所述采用优化后的HSV阈值分割方法对步骤3中转换的帧图像基于HSV颜色空间做颜色分割，其具体实现过程包括以下子步骤：步骤4.1：针对由RGB颜色空间向HSV颜色空间转换后的帧图像，计算帧图像中每个像素的黄色程度，得到表征黄色程度的灰度图像；步骤4.2：对于黄色程度的灰度图像，用正方形窗口对其进行均值滤波，去除噪声；步骤4.3：采用OTSU自动阈值法提取出黄色程度灰度图像的黄色位图，采用正方形窗口对其进行均值滤波，得到每个正方形窗口内黄色点个数所占总像素的比例；步骤4.4：设定双阈值，得到优化后的图像黄色位图。作为优选，步骤6的具体实现包括以下子步骤：步骤6.1：对步骤5中提取出的粗糙感兴趣区域Rough_ROI，按逆时针方向将粗糙感兴趣区域Rough_ROI的轮廓转点进行编号，记为P1、P2、P3、…、Pn，n≥3，并将拟合出的轮廓线段分别记作L1、L2、L3、…、Ln；步骤6.2：取L1、L2、L3、…、Ln序列中长度排前三的线段作为待拟合三角形标志的三边，将三条边根据角度关系、相对位置关系确定三边关系，分别记为L左、L右和L底；步骤6.3：分别在L左、L右和L底所在直线方向，同时对三条线段进行延长，最终得到两两相交的三边；记L左、L右的延长线交于P顶；L右、L底延长线相交于点P右；L左、L底延长交于P左；步骤6.4：P左、P顶、P右即检测出的三角形的三个顶点，两两连接P左、P顶、P右三点，所组成的三角形区域即为分割出的交通标志精确感兴趣区域Exact_ROI；步骤6.5：采用双线性差值算法将所有精确感兴趣区域Exact_ROI尺寸归一化到40*40像素；步骤6.6：采用仿射变换对精确感兴趣区域Exact_ROI进行几何纠正，使其于标志库中的正三角形状相同。作为优选，步骤7的具体实现包括以下子步骤：步骤7.1：将三角形分为14块，相互不重叠且互为领域分开，每个块大小为10×10像素，第1号块左上起点坐标为(30，35)，依次划分为14小块，第14号小块在所有分块的最右下方，14块小块全部位图三角形黑色外框内部；步骤7.2：利用OTSU二值化方法，对灰度影像进行处理，得到二值内核图案；步骤7.3：以每一小块内提取的内核二值图案所有前景色像素的总数占分块窗口大小的比值作为特征值，其中前景色像素值为1，背景为0，窗口面积大小为10×10；并将这14个小块的本文档来自技高网...

【技术保护点】
一种基于分块识别的道路警告标志检测与识别方法，其特征在于，包括以下步骤：步骤1：获取车载视频数据，将其拆解成按时间先后顺序排列的影像，调取出对应曝光时刻车辆的GPS、IMU数据以获取车辆的车速和姿态；步骤2：将车载视频分解为帧图像，并对各帧进行预处理；所述预处理包括滤波、去雾、去霾、色彩平衡；步骤3：将步骤2中处理后的帧图像由RGB色彩空间转换到HSV色彩空间，以得到与人眼视觉系统最为符合的颜色空间；步骤4：采用优化后的HSV阈值分割方法对步骤3中转换的HSV空间的帧图像进行颜色分割，并对分割结果进行二值化处理，得到二值图像；步骤5：对二值图像进行形态学开运算和闭运算以去除孤立点，并通过边缘提取算法获取连通区域的轮廓信息，在此基础上根据轮廓的几何参数判定连通区域的形状，从而检测出图像中的三角形区域，获取三角形标志大致所在的区域即粗糙感兴趣区域Rough_ROI；步骤6：根据三角形的几何特征对粗糙感兴趣区域Rough_ROI进行交通标志的轮廓拟合，并对其进行尺度归一化和几何纠正处理，得到精确感兴趣区域Exact_ROI；步骤7：提取精确感兴趣区域Exact_ROI的分块特征；步骤8：提取精确感兴趣区域Exact_ROI的HOG特征；步骤9：结合分块特征和HOG特征，以标志库为样本，采用SVM方法对检测出的标志进行分类识别。...

【技术特征摘要】
1.一种基于分块识别的道路警告标志检测与识别方法，其特征在于，包括
以下步骤：
步骤1：获取车载视频数据，将其拆解成按时间先后顺序排列的影像，调取
出对应曝光时刻车辆的GPS、IMU数据以获取车辆的车速和姿态；
步骤2：将车载视频分解为帧图像，并对各帧进行预处理；所述预处理包括
滤波、去雾、去霾、色彩平衡；
步骤3：将步骤2中处理后的帧图像由RGB色彩空间转换到HSV色彩空间，
以得到与人眼视觉系统最为符合的颜色空间；
步骤4：采用优化后的HSV阈值分割方法对步骤3中转换的HSV空间的帧
图像进行颜色分割，并对分割结果进行二值化处理，得到二值图像；
步骤5：对二值图像进行形态学开运算和闭运算以去除孤立点，并通过边缘
提取算法获取连通区域的轮廓信息，在此基础上根据轮廓的几何参数判定连通区
域的形状，从而检测出图像中的三角形区域，获取三角形标志大致所在的区域即
粗糙感兴趣区域Rough_ROI；
步骤6：根据三角形的几何特征对粗糙感兴趣区域Rough_ROI进行交通标
志的轮廓拟合，并对其进行尺度归一化和几何纠正处理，得到精确感兴趣区域
Exact_ROI；
步骤7：提取精确感兴趣区域Exact_ROI的分块特征；
步骤8：提取精确感兴趣区域Exact_ROI的HOG特征；
步骤9：结合分块特征和HOG特征，以标志库为样本，采用SVM方法对检
测出的标志进行分类识别。
2.根据权利要求1所述的基于分块识别的道路警告标志检测与识别方法，其
特征在于：步骤4中所述采用优化后的HSV阈值分割方法对步骤3中转换的帧
图像基于HSV颜色空间做颜色分割，其具体实现过程包括以下子步骤：
步骤4.1：针对由RGB颜色空间向HSV颜色空间转换后的帧图像，计算帧
图像中每个像素的黄色程度，得到表征黄色程度的灰度图像；
步骤4.2：对于黄色程度的灰度图像，用正方形窗口对其进行均值滤波，去
除噪声；
步骤4.3：采用OTSU自动阈值法提取出黄色程度灰度图像的黄色位图，采

\t用正方形窗口对其进行均值滤波，得到每个正方形窗口内黄色点个数所占总像素
的比例；
步骤4.4：设定双阈值，得到优化后的图像黄色位图。
3.根据权利要求1所述的基于分块识别的道路警告标志检测与识别方法，其
特征在于，步骤6的具体实现包括以下子步骤：
步骤6.1：对步骤5中提取出的粗糙感兴趣区域Rough_ROI，按逆时针方向
将粗糙感兴趣区域Rou...

【专利技术属性】
技术研发人员：贾永红，胡志雄，周明婷，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北;42