[發明專利]一種道路交通標志的識別方法有效

申請號：	201110212734.2	申請日：	2011-07-28
公開（公告）號：	CN102262728A	公開（公告）日：	2011-11-30
發明（設計）人：	屈鴻;魏爍;王曉斌;侯孟書;劉貴松;梁魏	申請（專利權）人：	電子科技大學
主分類號：	G06K9/00	分類號：	G06K9/00;G06K9/62
代理公司：	成都華典專利事務所(普通合伙) 51223	代理人：	楊保剛;徐豐
地址：	611731 四川省成***	國省代碼：	四川;51
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	一種道路交通標志識別方法
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

技術領域

本發明涉及智能交通領域，具體涉及基于人工神經網絡—脈沖耦合神經網絡時間簽名的道路交通標志快速識別方法。

背景技術

1990年，Eckhorn等人在對貓的視覺皮層同步脈沖發放現象的研究中，提出了哺乳動物神經元模型——Eckhorn模型。該模型由一個稱為神經模擬器（neuromime）的脈沖生成部件、一個調制耦合部件和一個突觸連接部件組成。為了彌補Eckhorn模型的不足，使其更加適用于圖像處理，人們對Eckhorn模型進行了各種改進，最后由Johnson等人加以總結，提出了脈沖耦合神經網絡（Pulse?Coupled?Neural?Network，簡稱PCNN）的概念。脈沖耦合神經網絡不同于Eckhorn模型的兩大特點是調制耦合和脈沖生成機制。鏈接輸入以非線性的方式調制饋送輸入，生成內部活動項，而鏈接強度參數可以起到調節鏈接輸入對神經元內部活動影響大小的作用。脈沖耦合神經網絡采用了這樣一種調制耦合而不是相加耦合的耦合方式，這就防止了沒有主輸入的神經元單純在鏈接輸入的作用下點火，而這對于圖像處理是很重要的。脈沖生成采用了神經模擬器方式，工作原理如同一個階躍函數，同時實現動態閾值增減，從而和一般I-N-F(integrate?and?fire)模式有很大不同。

脈沖耦合神經網絡每一次的輸出都可以用一個二維矩陣來表示。當脈沖耦合神經網絡用于圖像處理時，圖像中的每一個像素就對應網絡中的每一個神經元，而它的輸出實際上就是一幅二值圖像，表示了每次迭代點火的神經元。計算每次迭代點火的神經元的總數，將其按時間排列起來，就構成了脈沖耦合神經網絡的時間簽名。由于該時間簽名常被用來處理圖像識別等問題，因此也稱作圖像簽名。它可以作為圖像特征提取中的一個圖像特征。對于非復雜背景的簡單圖像來說，時間簽名具有周期性和關于圖像的唯一性以及扭曲、旋轉、平移和伸縮不變性。研究發現，對于這樣的圖像，只需要觀察其時間簽名很短的一部分就能獲知整個圖像的內容。

智能交通系統(?ITS)?是將先進的信息技術、數據通信傳輸技術、電子傳感技術、電子控制技術及計算機處理技術等有效地集成運用于整個交通管理而建立的一種在大范圍內、全方位發揮作用的、實時、準確、高效的綜合交通運輸管理系統。道路交通標志識別作為智能交通的重要環節，負責采集有關道路交通標志的信息，使車輛按交通規則行駛。

發明內容

本發明要解決的技術問題是提供一種高效精準的道路交通標志的識別方法，使其能夠更好的輔助車輛行駛和管理，運用脈沖耦合神經網絡解決傳統人工神經網絡在處理圖像識別和分類問題中的樣本需求大，訓練時間長等問題。

為了解決上述技術問題，本發明采用如下技術方案：一種道路交通標志的識別方法，包括如下步驟：

（1）針對每一道路交通標志圖像，利用孔洞填充技術分別生成外背景圖像和內背景圖像；

（2）外背景圖像預點火：外背景圖像輸入相應的脈沖耦合神經網絡PCNN_outer中，經兩次迭代，生成外波；

（3）內背景圖像預點火：內背景圖像輸入相應的脈沖耦合神經網絡PCNN_inner中，經兩次迭代，生成內波；

（4）更新外波為原外波中不在內波的那一部分；

（5）將新外波作為增量記錄在表示道路交通標志外框的結果集合R中；

（6）若新外波不為空，則新外波輸入PCNN_outer中，生成外波，轉入步驟(4)；不然，轉入步驟(7)；

（7）把道路交通標志的外框提取了出來，再結合原圖，提取出道路交通標志的內圖；該內圖輸入相應的脈沖耦合神經網絡PCNN_signature中，記錄歷次迭代點火神經元的個數，生成圖像簽名;

(8)搜索圖像簽名數據庫，比較圖像簽名相似度，識別道路交通標志。

與現有技術相比，本發明具有以下有益效果：以新型人工神經網絡——脈沖耦合神經網絡（PCNN）作為主要處理工具，通過交通標志邊框去除和生成脈沖耦合神經網絡特有的圖像簽名來實現對道路交通標志的識別。