自然场景下的交通标志检测方法技术

本发明专利技术提出一种自然场景下的交通标志检测方法，包括：获取自然场景下拍摄的检测图像；对检测图像的亮度信息进行统计，依据等级亮度阈值划分出不同亮度区域，分别计算不同亮度区域的像素比例，根据各像素比例及场景分类阈值而将图像分为阴暗场景、明亮场景、逆光场景和正常场景；根据场景分类结果选取gamma参数取值，采用自适应Gamma增强算法对分类图像进行图像增强处理；在RGB颜色空间下，针对不同场景选取分割算法进行图像颜色分割，得到疑似目标区域；将经颜色分割后的灰度图像进行二值化处理，得到二值化后的疑似目标区域；通过特征筛选器对疑似目标区域进行筛选，定位交通标志区域。可兼顾标志检测的鲁棒性和实时性。

【技术实现步骤摘要】
自然场景下的交通标志检测方法
本专利技术涉及标志识别检测
，尤其涉及的是一种自然场景下的交通标志检测方法。
技术介绍
交通标志对于保障道路交通有序通行具有重要作用，在驾驶过程中，准确识别交通标志对提升道路驾驶安全性具有重要意义，忽视交通标志可能导致交通事故。对于无人驾驶汽车而言，若车辆不能自动检测并准确识别出交通标志，则不能成为真正意义上的无人驾驶。目前，在计算机视觉，模式识别，智能机器人和智能交通系统等领域，交通标志检测和识别技术得到广泛的研究，具有重要的学术意义和实用价值。交通标志检测识别在现实生活中应用仍面临巨大挑战，包括：ADAS，自动驾驶和标志监控保养等多方面。造成交通标志检测识别困难的因素有许多，包括：(1)标志牌长期暴露在阳光下而导致褪色情况；(2)空气污染和天气状况导致能见度降低；(3)室外复杂光线情况影响标志牌颜色；(4)标志牌被障碍物遮挡；(5)车辆运行导致运动模糊。以上干扰都对标志检测识别带来困难，对相关算法的实时性和鲁棒性提出了更高的要求。目前，交通标志检测模块主要研究方法包括基于颜色分割技术，基于特定形状的检测技术，以及基于纹理和局部特征设计的分类器等本文档来自技高网...

【技术保护点】
一种自然场景下的交通标志检测方法，其特征在于，包括以下步骤：S1：获取自然场景下拍摄的检测图像；S2：对所述检测图像的亮度信息进行统计，依据等级亮度阈值划分出不同亮度区域，分别计算不同亮度区域的像素比例，根据各像素比例及场景分类阈值而将图像分为阴暗场景、明亮场景、逆光场景和正常场景；S3：根据场景分类结果选取gamma参数取值，采用自适应Gamma增强算法对分类图像进行图像增强处理；S4：在RGB颜色空间下，针对不同场景选取分割算法进行图像颜色分割，得到疑似目标区域；其中，针对明亮场景，采用归一化RGB分割算法进行颜色分割；针对阴暗场景、逆光场景和正常场景，均采用改进的三分量色差法进行颜色分割...

【技术特征摘要】
1.一种自然场景下的交通标志检测方法，其特征在于，包括以下步骤：S1：获取自然场景下拍摄的检测图像；S2：对所述检测图像的亮度信息进行统计，依据等级亮度阈值划分出不同亮度区域，分别计算不同亮度区域的像素比例，根据各像素比例及场景分类阈值而将图像分为阴暗场景、明亮场景、逆光场景和正常场景；S3：根据场景分类结果选取gamma参数取值，采用自适应Gamma增强算法对分类图像进行图像增强处理；S4：在RGB颜色空间下，针对不同场景选取分割算法进行图像颜色分割，得到疑似目标区域；其中，针对明亮场景，采用归一化RGB分割算法进行颜色分割；针对阴暗场景、逆光场景和正常场景，均采用改进的三分量色差法进行颜色分割，所述改进的三分量色差法通过设置自适应加权因子来自适应调整提取的颜色区域；S5：将经颜色分割后的灰度图像进行二值化处理，得到二值化后的疑似目标区域；S6：通过特征筛选器对疑似目标区域进行筛选，定位交通标志区域；其中，所述特征筛选器是根据交通标志的形状特征而建立的。2.如权利要求1所述的自然场景下的交通标志检测方法，其特征在于，所述步骤S2包括：S21：对亮度信息进行统计，根据亮度划分阈值划分亮度区域，确定高频区域、中频区域和低频区域的像素点个数，分别以亮度统计变量num_high、num_middle和num_low表示；S22：分别计算高频区域、中频区域和低频区域的像素点个数在所有像素点中所占比重P_high、P_middle和P_low，其中，M*N为所有像素点个数；S23：根据场景分类阈值将图像分为阴暗场景、明亮场景、逆光场景和正常场景，其中，亮光场景为P_high>0.53&P_low<0.35；黑暗场景为P_low>0.51；逆光场景为P_high+P_low>0.8&P_low>P_middle&P_high>P_middle；正常场景为其他情况。3.如权利要求2所述的自然场景下的交通标志检测方法，其特征在于，对亮度信息进行统计并进行归一化处理，根据亮度划分阈值划分亮度区域为：低频区域为[0,0.4]；中频区域为[0.4,0.7]；高频区域为[0.7,1]。4.如权利要求1所述的自然场景下的交通标志检测方法，其特征在于，所述步骤S3中，采用自适应Gamma增强算法对分类图像进行图像增强处理的公式为：f(I)＝Iγ,其中其中，I为处理前的图像每个像素点的灰度值，f(I)为处理后的图像每个像素点的灰度值，γ为gamma参数。5.如权利要求1所述的自然场景下的交通标志检测方法，其特征在于，所述步骤S4中，在RGB颜色空间下，采用改进的三分量色差法进行颜色分割包括：提取红色区域的特征算子为λR-G–B，对图像的R、G、B分量依据公式(1)根据特征算子进行处理提取红色区域，得到R分量图，提取蓝色区域的特征算子为λB-R-G，对图像的R、G、B分量依据公式(2)根据特征算子进行处理提取蓝色区域，得到B分量图，其中...

【专利技术属性】
技术研发人员：李文举，陈奇，陆云帆，胡文康，章梦，
申请(专利权)人：上海应用技术大学，
类型：发明
国别省市：上海,31