一种用于商用车主动安全的交通标志识别方法与系统技术方案

本发明专利技术公开了一种用于商用车主动安全的交通标志识别方法与系统，所述识别方法的具体步骤如下：S1、通过车载摄像头装置捕获道路全景图像信息，并对道路全景图像信息进行预处理操作，通过色彩变换空间设定阈值提取感兴趣区域图像；S2、将上述感兴趣区域图像与交通标志模板库图片进行匹配，根据匹配结果定位道路全景图像中的标志图像；S3、设计并搭建神经网络模型，在采样交通标志数据集上训练所述神经网络模型，获得最优交通标志识别模型；S4、合并上述最优交通标志识别模型中的多分支结构，获得重塑模型；S5、针对步骤S2中所述的标志图像进行分类识别，将标志图像进行归一化处理后输入步骤S4的重塑模型，根据输出结果判断交通标志类型。类型。类型。

【技术实现步骤摘要】
一种用于商用车主动安全的交通标志识别方法与系统


[0001]本专利技术属于商用车主动安全
，具体涉及一种用于商用车主动安全的交通标志识别方法与系统。

技术介绍

[0002]随着智能驾驶技术乃至无人驾驶技术的发展，汽车智能化已经成为汽车制造商普遍关注的重点，商用车基于其自身车辆特点和在经济生产中的作用,一旦发生交通事故对于生命财产所造成的损失比乘用车辆更为显著。因此,提高商用车辆的安全性特别是运用主动安全技术具有极高的价值。
[0003]其中，交通标志识别是主动安全技术的重要组成部分，它为主动安全系统提供关键的信息和数据，高效准确地识别判断交通标志可以辅助驾驶员决策，以达到安全行车的目的。因此，交通标志识别在商用车主动安全中起着不可或缺的作用。
[0004]然而现有的交通标志识别方法存在以下问题：
[0005]1)室外光照变化、复杂天气场景影响下识别精度较差问题；
[0006]2)复杂算法部署到嵌入式设备后实时性较差问题。

技术实现思路

[0007]为解决现有技术存在的上述技术问题，本专利技术第一目的在于克服现有技术的缺点与不足，提供一种快速准确的交通标志识别方法，该方法能够有效提高光照变化、阴影遮挡、雨雾天气等状况下的交通标志识别的准确率，同时该方法能在嵌入式设备端实现标志实时检测；本专利技术第二目的在于提供一种交通标志识别系统。
[0008]本专利技术采用的技术方案是：
[0009]一种用于商用车主动安全的交通标志识别方法，其特征在于，所述识别方法的具体步骤如下：
[0010]S1、通过车载摄像头装置捕获道路全景图像信息，并对道路全景图像信息进行预处理操作，通过色彩变换空间设定阈值提取感兴趣区域图像；
[0011]S2、将上述感兴趣区域图像与交通标志模板库图片进行匹配，根据匹配结果定位道路全景图像中的标志图像；
[0012]S3、设计并搭建神经网络模型，在采样交通标志数据集上训练所述神经网络模型，获得最优交通标志识别模型；
[0013]S4、合并上述最优交通标志识别模型中的多分支结构，获得重塑模型；
[0014]S5、针对步骤S2中所述的标志图像进行分类识别，将标志图像进行归一化处理后输入步骤S4的重塑模型，根据输出结果判断交通标志类型。
[0015]进一步的，在所述步骤S1中，获取感兴趣区域图像具体包括如下步骤：
[0016]S11：所述车载摄像头装置获取道路图像宽度为width像素，高度为height像素；
[0017]S12：保留所述捕获道路图像高h倍的上侧图像，剪裁后图像的宽、高分别为I
width
、
I
height
，可通过下列公式(1)、(2)计算得到：
[0018]I
wide
＝width
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0019]I
height
＝h
·
height
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0020]S13：对步骤S12中所述上侧图像进行平滑滤波处理，假设选取尺寸为m
×
n的窗口对所述上侧图像进行滤波，则滤波窗口中心像素(x,y)处的计算公式如下式(3)所示：
[0021][0022]其中，w(r,s)是加权函数，r、s分别是滤波窗口当前计算像素相对于滤波窗口中心像素的横、纵坐标偏移量，根据实际工程需要为加权函数赋予不同权值，g(x,y)是原始图像，a、b是整数且
[0023]S14：对上述步骤S13中滤波处理后的图像进行HSV空间变换，假设当前图像某一点的红色通道值为R，绿色通道值为G、蓝色通道值为B，则经过HSV空间换后的H、S、V值可以通过以下具体转换步骤得到：
[0024]S141：取出RGB图像中的红色通道值R、绿色通道值G和蓝色通道值B；
[0025]S142：将R、G、B三者进行归一化处理，得到R'、G'、B'，计算公式如下式(4)、(5)和(6)所示：
[0026]R'＝R/255
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0027]G'＝G/255
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0028]B'＝B/255
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0029]S143：计算最大通道值C
max
和最小通道值C
min
，计算公式如下式(7)、(8)所示；
[0030]C
max
＝max(R',G'B')
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
[0031]C
min
＝min(R',G'B') (8)
[0032]S144：通过以下公式(9)、(10)、(11)计算得到RBG格式图片转换到HSV空间后的色调H、饱和度S、亮度V：
[0033][0034][0035]V＝C
max (11)
[0036]S15，设定步骤S14中H、S、V的阈值获取掩膜，将掩膜与步骤S13中的上侧图像进行相乘，获取感兴趣区域图像，计算公式如下式(12)所示：
[0037][0038]其中，B(x,y)表示获得感兴趣图像在坐标(x,y)处的像素值，O
x,y
表示原图在坐标(x,y)处的像素值，I
x,y
表示所述掩膜在坐标(x,y)处的像素值。
[0039]进一步的，所述步骤S2具体包括如下步骤：
[0040]S21：制作交通标志模板库，具体包括以下步骤：
[0041]S211：针对每一类待检测标志，选择清晰可辨的标志图片作为样本；
[0042]S212：将选定的标志图片从RGB格式转换为HSV格式，转换过程按照上述步骤S142、S143及S144完成，以便在HSV颜色空间进行后续处理；
[0043]S213：在HSV颜色空间中，根据设定的阈值，针对红色、黄色或者蓝色区域进行提取操作，得到目标颜色区域；
[0044]S214：从提取的目标颜色区域中获得模板图片，所述模板图片代表了特定类型标志的形状和颜色特征；
[0045]S215：将经过处理和提取的模板图片进行组合，形成一个包含各种不同类型标志的模板库；
[0046]S22：设定一个宽、高缩放系数的列表，用于对模板图片进行缩放操作，该列表包含多组宽、高缩放系数；
[0047]S23：对前述的模板库图片和前述的HSV分割图像进行模板匹配；对于每组宽、高缩放系数，在匹配过程中，将模板图片根据当前的缩放系数进行缩放，然后与HSV分割图像进行匹配；
[0048]S24：在逐一进行模板匹配的过程中，记录每组系本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于商用车主动安全的交通标志识别方法，其特征在于，所述识别方法的具体步骤如下：S1、通过车载摄像头装置捕获道路全景图像信息，并对道路全景图像信息进行预处理操作，通过色彩变换空间设定阈值提取感兴趣区域图像；S2、将上述感兴趣区域图像与交通标志模板库图片进行匹配，根据匹配结果定位道路全景图像中的标志图像；S3、设计并搭建神经网络模型，在采样交通标志数据集上训练所述神经网络模型，获得最优交通标志识别模型；S4、合并上述最优交通标志识别模型中的多分支结构，获得重塑模型；S5、针对步骤S2中所述的标志图像进行分类识别，将标志图像进行归一化处理后输入步骤S4的重塑模型，根据输出结果判断交通标志类型。2.如权利要求1所述的一种用于商用车主动安全的交通标志识别方法，其特征在于，在所述步骤S1中，获取感兴趣区域图像具体包括如下步骤：S11：所述车载摄像头装置获取道路图像宽度为width像素，高度为height像素；S12：保留所述捕获道路图像高h倍的上侧图像，剪裁后图像的宽、高分别为I
width
、I
height
，可通过下列公式(1)、(2)计算得到：I
wide
＝width (1)I
height
＝h
·
height
ꢀꢀ
(2)S13：对步骤S12中所述上侧图像进行平滑滤波处理，假设选取尺寸为m
×
n的窗口对所述上侧图像进行滤波，则滤波窗口中心像素(x,y)处的计算公式如下式(3)所示：其中，w(r,s)是加权函数，r、s分别是滤波窗口当前计算像素相对于滤波窗口中心像素的横、纵坐标偏移量，根据实际工程需要为加权函数赋予不同权值，g(x,y)是原始图像，a、b是整数且S14：对上述步骤S13中滤波处理后的图像进行HSV空间变换，假设当前图像某一点的红色通道值为R，绿色通道值为G、蓝色通道值为B，则经过HSV空间换后的H、S、V值可以通过以下具体转换步骤得到：S141：取出RGB图像中的红色通道值R、绿色通道值G和蓝色通道值B；S142：将R、G、B三者进行归一化处理，得到R'、G'、B'，计算公式如下式(4)、(5)和(6)所示：R'＝R/255
ꢀꢀ
(4)G'＝G/255
ꢀꢀ
(5)B'＝B/255
ꢀꢀ
(6)S143：计算最大通道值C
max
和最小通道值C
min
，计算公式如下式(7)、(8)所示；C
max
＝max(R',G'B')
ꢀꢀ
(7)
C
min
＝min(R',G'B')
ꢀꢀ
(8)S144：通过以下公式(9)、(10)、(11)计算得到RBG格式图片转换到HSV空间后的色调H、饱和度S、亮度V：饱和度S、亮度V：V＝C
max
ꢀꢀ
(11)S15，设定步骤S14中H、S、V的阈值获取掩膜，将掩膜与步骤S13中的上侧图像进行相乘，获取感兴趣区域图像，计算公式如下式(12)所示：其中，B(x,y)表示获得感兴趣图像在坐标(x,y)处的像素值，O
x,y
表示原图在坐标(x,y)处的像素值，I
x,y
表示所述掩膜在坐标(x,y)处的像素值。3.如权利要求1所述的一种用于商用车主动安全的交通标志识别方法，其特征在于，所述步骤S2具体包括如下步骤：S21：制作交通标志模板库，具体包括以下步骤：S211：针对每一类待检测标志，选择清晰可辨的标志图片作为样本；S212：将选定的标志图片从RGB格式转换为HSV格式，转换过程按照上述步骤S142、S143及S144完成，以便在HSV颜色空间进行后续处理；S213：在HSV颜色空间中，根据设定的阈值，针对红色、黄色或者蓝色区域进行提取操作，得到目标颜色区域；S214：从提取的目标颜色区域中获得模板图片，所述模板图片代表了特定类型标志的形状和颜色特征；S215：将经过处理和提取的模板图片进行组合，形成一个包含各种不同类型标志的模板库；S22：设定一个宽、高缩放系数的列表，用于对模板图片进行缩放操作，该列表包含多组宽、高缩放系数；S23：对前述的模板库图片和前述的HSV分割图像进行模板匹配；对于每组宽、高缩放系数，在匹配过程中，将模板图片根据当前的缩放系数进行缩放，然后与HSV分割图像进行匹配；S24：在逐一进行模板匹配的过程中，记录每组系数对应的匹配得分，得分通过以下公
式(13)计算得到：其中，Score表示二者匹配得分，T'表示模板像素值，I'表示目标图像像素值，当模板与滑动窗口完全匹配时计算数值为1，当两者完全不匹配时计算结果为
‑
1；S25：从所有的匹配得分中选择得分最大的一组系数作为模板最终的缩放系数；S26：将模板高宽按照前述缩放系数进行缩放，通过公式(14)、(15)计算得到模板缩放后的宽、高：w
new
＝w
coef
·
w
old
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(14)h
new
＝h
coef
·
h
old
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(15)其中，w
new
、h
new
分别模板缩放后的宽、高，w
old
、h
old
分别表示原始模板宽、高，w
coef
、h
coef
分别表示模板宽、高的缩放系数；S27：与步骤S1所述感兴趣区域图像进行匹配，设定置信度阈值，记录得分大于置信度阈值的坐标点；S28：若未匹配到交通标志则舍弃当前帧图像数据，跳转至步骤S1，重新获取下一帧道路图像数据；若匹配到交通标志，通过无监督聚类算法对所述记录的坐标点进行聚类，获得交通标志所在位置的左上角坐标，结合模板缩放尺度计算出交通标志定位框；S29：根据前述计算出的交通标志定位框坐标在原始图像的对应区域进行剪裁，获得交通标志图像。4.如权利要求3所述的一种用于商用车主动安全的交通标志识别方法，其特征在于，在步骤S28中，若匹配到交通标志时，定位交通标志的具体步骤为：S281：记待聚类坐标样本点集合为D＝{X1,X2,
…
,X
n
}，聚类步骤为：(1)设定参数(ε,MinPts)，用于描述邻域样本分布紧密程度；(2)初始化核心对象集合初始化聚类簇数k＝0；(3)遍历集合D中的样本点X
i

【专利技术属性】
技术研发人员：付明磊，刘小霞，顾鹏笠，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：