【技术实现步骤摘要】
交通标志识别方法及系统
本专利技术涉及交通
,特别涉及一种交通标志识别方法及系统。
技术介绍
进几年,国内外较多的研究学者从事交通标志识别的研究。但是针对复杂场景的交通图像,由于受到光照、遮挡、阴雨天气等影响,常常会造成交通标志较高的漏检率和误检率。常用的交通标志识别方法分为两个方向,基于颜色阈值方法进行识别,但是由于颜色各通道相关性,容易受到光照等影响,造成交通标志识别的不完整性。基于形状的交通标志识别算法,对光照影响具有一定的鲁棒性,将交通标志分为若干区域进行边缘检测,然后利用形状特征进行交通标志识别,取得了较为理想的效果,但是由于复杂场景下受到变形、天气、遮挡等影响,也会造成交通标志识别的不精准性。近年来,随着深度学习的发展迅速,基于深度学习的交通标志识别方法越来越多的研究,取得非常好的检测效果。但是基于神经网络的交通标志检测方法需要大量的标注数据,成本消耗较大。
技术实现思路
有鉴于此,本专利技术提出一种交通标志识别方法及系统。一种交通标志识别方法,其包括如下步骤:S1、采集交通标志原始图像,提取交通标志原始图像的颜色特征和纹理特征;S2、根据提取的交通标志原始图像的高阶谱特征和纹理特征,进行图像区域粗分割,将交通标志原始图像划分成不同的小块区域;同时对分割后的小块区域图像的多种特征进行融合;S3、根据图像区域相似性度量将相似的图像小区域融合成新的区域;S4、将融合后的图像区域过滤,通过滤波核设置区域面积阈值,提取感兴趣的目标区域,并根据图像的形状对提取的目标区域进行检测拟合,精确的提取图像中的圆形、三角形、矩形标志牌。在本专利技术所述的交通标志 ...
【技术保护点】
1.一种交通标志识别方法,其特征在于,其包括如下步骤:S1、采集交通标志原始图像,提取交通标志原始图像的颜色特征和纹理特征;S2、根据提取的交通标志原始图像的高阶谱特征和纹理特征,进行图像区域粗分割,将交通标志原始图像划分成不同的小块区域;同时对分割后的小块区域图像的多种特征进行融合;S3、根据图像区域相似性度量将相似的图像小区域融合成新的区域;S4、将融合后的图像区域过滤,通过滤波核设置区域面积阈值,提取感兴趣的目标区域,并根据图像的形状对提取的目标区域进行检测拟合,精确的提取图像中的圆形、三角形、矩形标志牌。
【技术特征摘要】
1.一种交通标志识别方法,其特征在于,其包括如下步骤:S1、采集交通标志原始图像,提取交通标志原始图像的颜色特征和纹理特征;S2、根据提取的交通标志原始图像的高阶谱特征和纹理特征,进行图像区域粗分割,将交通标志原始图像划分成不同的小块区域;同时对分割后的小块区域图像的多种特征进行融合;S3、根据图像区域相似性度量将相似的图像小区域融合成新的区域;S4、将融合后的图像区域过滤,通过滤波核设置区域面积阈值,提取感兴趣的目标区域,并根据图像的形状对提取的目标区域进行检测拟合,精确的提取图像中的圆形、三角形、矩形标志牌。2.如权利要求1所述的交通标志识别方法,其特征在于,所述步骤S1包括:通过Gabor小波变换进行纹理特征提取。3.如权利要求2所述的交通标志识别方法,其特征在于,Gabor函数g(x,y)表示为:Gabor函数g(x,y)的傅立叶变换G(u,v)如下所示:其中,给定原图像I(x,y),其Gabor小波变换Wm,n(u,v)如下:其中上标*表示复共轭,下标m和n分别表示多个尺度和方向;σ表示标准差,σx、σy、σm、σy分别表示坐标x、y和尺度m、方向n的方差;然后计算图像多个尺度与方向上的均值μm,n和标准差σm,n;μm,n=∫∫|Wm,n(x,y)|dxdy最终Gabor纹理特征表示为T=[u0,0σ0,0u0,1…uM-1,N-1σM-1,N-1]。4.如权利要求3所述的交通标志识别方法,其特征在于,所述步骤S1包括:提取交通标志原始图像的颜色特征表示为:C=[RMean,RVar,GMean,GVar,BMean,BVar]T;其中,其中Var表示像素点邻域类的方差,RVar、GVar、BVar表示像素点p邻域的R通道、G通道、V通道的的方差;其中Mean表示像素点邻域类的均值,RMean、GMean、BMean表示像素点p邻域的R通道、G通道、V通道的均值。5.如权利要求4所述的交通标志识别方法,其特征在于,所述步骤S2中通过图像聚类Meanshift的方法对图像进行预分割,包括:对于图像像素点p,以像素点p为圆心,h为半径,落在圆类的像素点pi定义两个规则:与像素点p颜色越接近的像素点,概率密度越高;与像素点p位置越接近的像素点,概率密度越高;然后将两个规则的概率密度相乘如下:其中K代表概率密度,r代表颜色,s代表位置;表示像素点p和像素点pi的位置差,表示像素点p和像素点pi的颜色差;为位置概率密度,像素点p和像素点pi位置越近,位置概率密度越大;为颜色概率密度...
【专利技术属性】
技术研发人员:何豪杰,
申请(专利权)人:武汉中海庭数据技术有限公司,
类型:发明
国别省市:湖北,42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。