交通标志检测方法技术

公开了一种用于检测和识别至少一个交通标志的方法。接收具有多个图像帧的视频序列。使用一个或多个滤波器来测量表示感兴趣对象的至少一个图像帧内的特征。所测量的特征被聚集并组合成指示对象的可能出现的记分。为了稳健地检测，在多个图像帧上融合记分。如果记分指示在图像帧的区域内对象的可能出现，则用模型对准该区域。然后，确定该区域是否表示交通标志。如果该区域表示交通标志，则该区域被分类为特定类型的交通标志。本发明专利技术目的也在于训练系统以检测和识别交通标志。

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术目的在于一种用于交通标志检测的方法，更具体地目的在于用于利用灰度或颜色、形状以及运动信息对交通标志进行检测与识别的系统和方法。
技术介绍
在交通环境中，标志管制交通，警示驾驶员以及命令或禁止某些行为。实时且稳健的自动交通标志识别可以帮助驾驶员并解除驾驶员的负担，从而显著地提高驾驶安全性和舒适性。例如，可以提醒驾驶员当前车速限制，防止他进行不适当的行为，例如进入单行道、在无超车区中超车、不应有的超速行驶等等。而且，它可以被集成到自适应巡航控制(ACC)中，以减轻紧张驾驶。在更全球化的背景中，它可有助于交通背景的场景理解(例如，如果汽车行驶在城市中或高速公路上)。交通标志识别是以一些基本假定为前提并利用交通标志的一些有益的特性。首先，交通标志的设计是独一无二的，因此，对象变化小。此外，标志颜色经常与环境对比非常好。此外，标志相对于该环境严格被定位(与车辆相反)，并且常常被设置在驾驶员能清楚看到之处。然而，对于成功的识别仍存在多个挑战。首先，在交通环境中天气和照明条件差异显著，减少了所提及的对象唯一性的优点。另外，因为摄像机的移动，附加的图像失真(例如运动模糊和突然的对比度改变)经常发生。而且，标志安装和表面材料可以受事故和天气影响而随时间发生物理上的变化，从而产生可旋转的标志和退化的颜色。最后，应用区域所给定的约束条件需要廉价系统(也即，低质量传感器，慢速硬件)、高精度及实时计算。用于交通标志识别的大多数已知技术利用至少两个步骤，一个旨在检测，而另一个旨在分类、也就是将所检测的标志图像映射为其语义范畴的任务。关于检测问题，已提供了一些方法。这些方法中的一些依赖于灰度数据。一个这样的方法采用基于模板的技术结合距离变换。另一方法使用径向对称性测量并将其应用为框架内的预分割。因为径向对称性对应于简化的(即快速的)圆形Hough(霍夫)变换，所以它特别适于检测圆形标志的可能出现。假设证实被集成在分类内。用于交通标志检测的一些其它技术使用颜色信息。这些技术共享两步骤策略。首先，通过对颜色表示(例如红绿蓝(RGB))的阈值操作进行预分割。RGB表示的线性或非线性变换也已被使用。随后，从基于形状的特征中获得最终检测决策，只应用到预分割的区。已经使用了边角特征、遗传算法和模板匹配。这些连续策略的缺点是，已经被颜色分割错误拒绝的区不能在进一步处理中被重新获得。另外，颜色分割需要阈值的固定，主要从耗时且易出错的手动调整获得。也已提供颜色和形状方法的联合处理。当结合标志的几何模型时，该方法根据颜色和梯度信息来计算整个图像帧的特征映射。该方法也需要手动阈值调整并且是计算量大的。对于分类任务，多数方法使用公知的技术，例如模板匹配、多层感知、径向基函数网络、和Laplace(拉普拉斯)核分类器。一些方法采用基于帧的检测的时间融合(temporal fusion)来获得更稳健的全面检测。这些方法需要某类跟踪框架。需要一种用于检测和识别交通标志的方法，所述方法在全面的对象检测中使用用于颜色和形状建模的集成方法，但其不需要手动地调整阈值。
技术实现思路
本专利技术目的在于一种用于检测和识别至少一个交通标志的方法。接收由多个图像帧组成的视频序列。使用一个或多个滤波器来测量表示感兴趣的对象的至少一个图像帧中的特征。将所测量的特征组合和聚集成表示对象的可能存在的记分(score)。为了稳健地检测，在多个图像帧上融合记分。如果记分在图像帧的区域内表示对象的可能存在，则用模型对准该区域。然后，确定该区域是否表示交通标志。如果该区域表示交通标志，该区域被分类为特定类型的交通标志。本专利技术也用来训练一种系统用以检测和识别交通标志。附图说明本专利技术优选的实施例将在下面参照附图更详细地进行描述，其中相同的参考数字表示相同的要素图1是根据本专利技术的用于识别交通标志的系统的系统框图；图2是根据本专利技术的例示可被检测的交通标志的例子的一系列图像；图3是根据本专利技术的说明用于交通标志识别的方法的图表；图4说明根据本专利技术的作为弱分类器函数的局部响应正负例的图；图5说明根据本专利技术的环形滤波器的例子；图6说明根据本专利技术的通过AdaBoost算法所选择的最初六个Haar小波，包括环形滤波器小波；和图7说明根据本专利技术的用于标志的三个所定义的区。具体实施例方式本专利技术目的在于一种用于检测和识别交通标志的方法。图1说明用于实现本专利技术的系统的框图。摄像机102用于捕获道路及其环境的图像。摄像机102典型地被安装在车辆上，并指向一方向用以捕获交通标志。如在典型的道路图像情况下所期望的那样，图像包括背景图象，例如道路、建筑物、树、和房屋以及在道路上行驶的车辆。图像被传递给处理器104，该处理器分析图像强度和图像运动，以检测场景动态中的任何变化。标志检测框架是利用AdaBoost训练实现的以组合基于滤波器的特征。被检测的对象在时间信息传播框架内被跟踪。接着，为了获得精确的标准化，被检测的标志利用标志几何形状的统计建模以高达像素精度地被准确对准。最后，根据Bayesian生成式建模(Bayesian generative modeling)执行分类，包括在多帧上的假设融合。一旦检测到交通标志，则通过输出装置106识别该标志。输出装置106提供输出信号，所述输出信号通知用户存在该交通标志。该输出信号可以是听得到的信号或其它种类的警告信号。该输出装置106也可以包括用于观看检测标志的显示器。显示器提供已被检测到并且正在被跟踪的标志的图标表示。这些图标可以被存储在数据库108中。本专利技术提供用于实时、稳健的交通标志检测与识别的框架，该框架融合来自颜色、形状与运动的线索。这种系统例如能被用于智能汽车驾驶室环境中的驾驶员辅助。图2说明例示可以利用本专利技术方法检测的交通标志的一系列图像帧。当图像是黑白的时，不同的灰度强度表示标志的着色，该着色如上所示与背景颜色明显不同。本专利技术由三个主要组成部分组成。图3说明用于检测交通标志的本专利技术方法的概观。初始图像帧302从街道环境获得。该图像帧302包括道路的视图以及背景的视图。第一，标志检测框架利用AdaBoost训练来实现以组合基于滤波器的特征。被检测的对象在时间信息传播框架内被跟踪。本专利技术使用专门适用于要检测的标志的形状的滤波器设计。颜色灵敏Haar小波特征被用于在每个帧t检测标志的出现。对于每个随后的图像帧(例如帧304)，关于对象(例如，交通标志)是否被检测而作出确定。一旦标志被检测，该标志被跟踪，并且来自帧(t-t0，...t)的各个检测在时间上被融合，用于稳健的全面检测。第二，为了获得精确标准化，被检测的标志利用标志几何形状的统计建模以高达像素精度地被准确对准。该标志关于位置、比例与亮度被标准化。最终所得出的图像在帧306中显示，帧306隔离可能的对象。第三，基于Bayesian生成式建模执行分类，包括在多帧上的假设融合。如果被检测的对象是感兴趣的，则最终对象如通过图像308所示被显示。通过基于块(patch)的方法来从事对象(在该情形种是交通标志)的检测。详细地，通过评估简单特征与简单分类器的聚集yi=sign(Σt=1Tαtsign(⟨ft,xi⟩)-&thet本文档来自技高网...

【技术保护点】
一种用于检测和识别至少一个交通标志的方法，该方法包括以下步骤：　　　　ａ．接收由多个图像帧组成的视频序列；　　　　ｂ．使用一个或多个滤波器来测量表示感兴趣对象的至少一个图像帧内的特征；　　　　ｃ．将特征聚集并组合成表示对象的可能存在的记分；　　　　ｄ．为了稳健地检测，在多个图像帧上融合记分；　　　　ｅ．如果记分指示在图像帧区域内对象的可能出现，则用模型对准该区域；　　　　ｆ．确定该区域是否表示交通标志；以及　　　　ｇ．如果是这样的话，则将该区域分类成交通标志的特定类型。

【技术特征摘要】
【国外来华专利技术】...

【专利技术属性】
技术研发人员：C巴尔曼，Y朱，V拉梅什，M佩尔科菲，T克勒，
申请(专利权)人：西门子共同研究公司，西门子公司，
类型：发明
国别省市：US[美国]