The invention provides a road traffic sign recognition method in natural scenes, including the following steps: S1, data collection; S2, image preprocessing: S21, contrast enhancement using contrast-limited adaptive histogram equalization technology (CLAHE); S22, determination of red and blue prohibition, indication and warning signs in GTSDB, and study of road map. Enhanced red and blue areas in the image can make the traffic sign area prominent; S23, the use of joint top and bottom cap transformation to make the traffic sign in gray image brighter and more stable; S3, MSER-based region of interest extraction and screening; S4, convolutional neural network (CNN) based region of interest secondary discrimination, that is, the area where the traffic sign is located. The road traffic sign recognition method in natural scenes solves the problem of large recognition error caused by the absence of data pre-processing in the existing technology.
【技术实现步骤摘要】
自然场景中道路交通标志识别方法
本专利技术涉及图像识别技术，具体涉及一种自然场景中道路交通标志识别方法。
技术介绍
中国专利公开了一种申请号为CN201310319615.6的识别交通标志的方法，该方法步骤如下：S1：生成识别交通标志所需的颜色分割模型，形状检测模型和内容识别模型；S2：使用颜色分割模型对应的颜色分割模板对原始图像进行分割，得到分割后的图像；使用滑动窗口在原始图像上滑动，判断窗口中各颜色的比例关系是否满足预设条件；如果不满足预设条件，则判定图像中不存在交通标志，如果满足预设条件，则判定图像中存在交通标志，则调用形状检测模型；如果形状检测模型的检测结果满足预设的交通标志形状条件，则判定图像中存在交通标志，否则判定图像中不存在交通标志；S3：对存在交通标志的图像，根据检测时的颜色和形状信息调用对应的内容识别模型对交通标志的类别进行判断。该方法虽然一定程度上实现了对交通标志的识别，但是该方法存在的缺点为：由于该方法中没有对数据进行预处理，图像中交通标志的图案不强、不明亮也不稳定，导致识别结果误差较大的问题出现，降低了识别的准确率，不方便使用。
技术实现思路
...
【技术保护点】
1.一种自然场景中道路交通标志识别方法，其特征在于，包括以下步骤：S1、数据集收集；S2、图像预处理：S21、使用限制对比度的自适应直方图均衡化技术(CLAHE)对道路图像进行对比度增强；S22、确定GTSDB中的红色和蓝色的禁令、指示和警告标志为研究对象，对道路图像中的红色和蓝色区域进行增强；S23、使用顶底帽联合变换使灰度图中的交通标志变得更加明亮和稳定；S3、基于MSER的感兴趣区域的提取与筛选：S31、在步骤S2的基础上得到的红色、蓝色增强的灰度图上使用MSER‑算法，提取出最大稳定极值区域；S32、使用开运算用来分离相邻的交通标志或者交通标志与背景区域；S33、在...
【技术特征摘要】
1.一种自然场景中道路交通标志识别方法，其特征在于，包括以下步骤：S1、数据集收集；S2、图像预处理：S21、使用限制对比度的自适应直方图均衡化技术(CLAHE)对道路图像进行对比度增强；S22、确定GTSDB中的红色和蓝色的禁令、指示和警告标志为研究对象，对道路图像中的红色和蓝色区域进行增强；S23、使用顶底帽联合变换使灰度图中的交通标志变得更加明亮和稳定；S3、基于MSER的感兴趣区域的提取与筛选：S31、在步骤S2的基础上得到的红色、蓝色增强的灰度图上使用MSER-算法，提取出最大稳定极值区域；S32、使用开运算用来分离相邻的交通标志或者交通标志与背景区域；S33、在步骤S32的基础上选择原矩形框的中心作为新的ROI矩形框的中心，对原ROI的宽度和高度放大1.2倍作为新的ROI的宽度和高度，并选择放大后的ROI矩形框作为感兴趣区域；S4、基于卷积神经网络(CNN)的感兴趣区域的二次判别：S41、使用SelectiveSearch算法来生成负样本；S42、使用CNN，并去掉了倒数第二个全连接层，对正负样本进行训练，然后生成一个分类器；使用该分类器可以进一步对ROI矩形框作为感兴趣区域进一步分期，提取出更加准确的ROI区域，即交通标志牌所在的区域。2.根据权利要求1所述的自然场景中道路交通标志识别方法，其特征在于，步骤S21的具体步骤包括：S211、一个灰度级范围在[0,L-1]的数字图像，它的归一化的直方图是一个离散函数，如式(1.1)所示：P(rk)＝nk,/n,k＝0,1,...L-1(1.1)其中rk表示第k级灰度，nk表示第k级灰度的像素点数，n表示图像总像素数；S212、设连续函数，对图像进行灰度增强的灰度级变换函数为式：s＝T(r),0≤r≤1(1.2)其中，r表示待增强图像的灰度级，s表示增强后的灰度级；r已被归一化到[0,1]区间；当r＝0时，表示黑色，r＝1时表示白色；T(r)要满足下面两个条件：T(r)在区间0≤r≤1中单调递增，0≤r≤1时，0≤T(r)≤1，公式(1.2)的逆函数为公式(1.3)：r＝T-1(s)，0≤s≤1(1.3)S213、设P_r(r)是r的概率密度函数，Ps(s)是s的概率密度函数，如果P_r(r)和T(r)已知，且T-1(s)满足上面的两个条件，则可以得到下式(1.4)：S214、定义图像处理中一个很重要的变换函数，公式(1.5)：其中，等式的右边是r的累积分布函数；S215、根据公式(1.4)和(1.5)，可以得到：显然Ps(s)是一个均匀概率密度函数，即由公式(1.5)的变换函数得到的增强图像的灰度级是等概率的；S216、由于数字图像的灰度级一般都是离散的，对于离散情况，结合公式(1.1)和(1.5)的变换成：式(1.6)的变换即为直方图均衡化，通过此变换可以将输入图像中灰度级是rk的像素映射到输出图像中灰度级为sk的对应像素。3.根据权利要求2所述的自然场景中道路交通标志识别方法，其特征在于，步骤S22具体包括：S221、需要在RGB颜色空间下进行颜色增强，增强公式如下所示：其中，xR,xG,xB分别代表在图像的x像素点处，R、G、B三个颜色通道的分量值，s＝xR+xG+xB，fR(x)，fB(x)，fY(x)分别代表原始图像的红色、蓝色和黄色增强图像，由于本发明的研究对象是红色和蓝色的交通标志，所以本文只对红色和蓝色区域进行增强；S222、由于在光照较暗或者较亮的情况下，RGB图像的蓝色分量和绿色分量有相近的值，所以将公式(1.7)中蓝色通道的增强公式修改为：S223、合并公式(1.7)和(1.8)，得到原始图像的红蓝色区域的增强公式(1.9)：fRB(x)＝max(fR(x),fB(x))(1.9)。4.根据权利要求3所述的自然场景中道路交通标志识别方法，其特征在于，步...
【专利技术属性】
技术研发人员：刘慧君，王俊杰，肖亚斌，朱庆生，张程，滕智飞，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆,50
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。