[發(fā)明專利]一種利用交通標識顏色及形狀特征進行檢測與識別方法

有效

• 申請?zhí)枺?/td>: 201510065181.0
• 申請日: 2015-02-06
• 公開（公告）號: CN104766046B
• 公開（公告）日: 2018-02-16
• 發(fā)明（設(shè)計）人: 趙博雅;陳瑩;王明江
• 申請（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)深圳研究生院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34
• 代理公司: 深圳市科吉華烽知識產(chǎn)權(quán)事務(wù)所(普通合伙)44248
• 代理人: 張立娟

技術(shù)領(lǐng)域

本發(fā)明涉及應(yīng)用計算機視覺研究領(lǐng)域，尤其涉及一種利用交通標識顏色及形狀特征進行檢測與識別方法。

背景技術(shù)

人類自步入二十一世紀以來,社會經(jīng)濟和各項科學(xué)技術(shù)水平均取得了迅猛的發(fā)展,機動車的出現(xiàn)正體現(xiàn)了這一點,機動車在現(xiàn)代交通中已經(jīng)成為了最重要的交通工具,普及率也越來越高。我們甚至可以這么說,人類社會已經(jīng)離不幵這種快速、便捷的現(xiàn)代文明產(chǎn)物了。但是,由于機動車輛的大范圍使用,道路交通面臨著日趨嚴重的承載壓力,交通堵塞情況隨處可見,更嚴重的是,由疲勞駕駛和酒后駕駛等不安全因素引發(fā)的交通事故越來越多。有資料統(tǒng)計,在世界范圍內(nèi)發(fā)生的安全事故中,道路交通事故約占90％,由此造成的傷亡人數(shù)占總傷亡人數(shù)的80％以上,在非正常死亡人口中位列第一,給國家和人民的生命財產(chǎn)造成了巨大的損失。

針對道路交通的擁堵現(xiàn)象,傳統(tǒng)的方法是拓寬道路面積和修建更多的道路,這些方法不僅需要投入大量的人力和財力,而且不能從根本上解決問題。因此從上世紀八十年代起,一些發(fā)達國家開始把智能技術(shù)的方法應(yīng)用于交通系統(tǒng),例如人們幵始研究自動和半自動的駕駛技術(shù)以及開展了智能交通系統(tǒng)(Intelligent Transportation System,ITS)的研究工作。所謂智能交通系統(tǒng),就是通過合理的協(xié)調(diào)人、車和路來達到緩解交通堵塞、減少交通事故的目的,它綜合運用多種先進的科學(xué)技術(shù)并把它們有效地集成在一起從而建立了一個強大的交通運輸管理系統(tǒng)。

道路交通由人、道路和交通工具三個主體構(gòu)成,其中人發(fā)揮著最重要的指導(dǎo)作用。道路不僅僅指路面,它還包括路面上的一些行人和物,以及樹立在兩旁的交通標識。因此要研究智能交通系統(tǒng),就必然要涉及到對道路兩旁的交通標識的檢測和識別。道路交通標識采用文字或者符號的方式表達當前的路況信息,它是交通管理部門進行交通管理的有效措施。在古羅馬時代,人們已經(jīng)采用了類似指示標志的里程碑和指路牌等來引導(dǎo)軍隊行進。經(jīng)過兩千多年的發(fā)展,現(xiàn)在的交通標識已經(jīng)多種多樣,并且有其專門的顏色和形狀,它們遍布在世界的任何角落,為道路交通安全護航。總的來說,交通標識識別系統(tǒng)有以下幾個方面的應(yīng)用。

另外,研究交通標識識別系統(tǒng)涉及到機器視覺、模式識別和圖像處理等多方面的技術(shù),它和人臉識別、目標跟蹤一樣是典型的模式識別應(yīng)用系統(tǒng)。但是由于復(fù)雜的場景和較高的實時性要求,對交通標識的檢測和識別一直沒有理想的解決方案。

發(fā)明內(nèi)容

針對現(xiàn)有技術(shù)中存在的缺陷或不足，本發(fā)明所要解決的技術(shù)問題是：提供一種利用交通標識顏色及形狀特征進行檢測與識別方法。

為了實現(xiàn)上述目的，本發(fā)明采取的技術(shù)方案為提供一種利用交通標識顏色及形狀特征進行檢測與識別方法，包括以下步驟：

A、選取適當?shù)念伾臻g對原始圖像做閾值分割，然后設(shè)置適合的顏色分割閾值，得到含有紅、藍、黃顏色信息的交通標識目標圖像；

B、對交通標識目標圖像進行預(yù)處理；

C、對經(jīng)過預(yù)處理的圖像進行形狀識別，采取快速徑向?qū)ΨQ變換方法檢測圓形標識，采用角檢測與幾何信息相結(jié)合的方法檢測矩形及三角形；

D、對分割得到的不同種類的交通標識進行識別，采用Hu不變矩作為特征向量，在識別方法方面采用支持向量機(SVM)方法。

作為本發(fā)明的進一步改進，所述適當?shù)念伾臻g為HIS顏色空間。

作為本發(fā)明的進一步改進，所述預(yù)處理包括圖像去噪，使用連通域標記法去除過大過小面積干擾物，區(qū)域內(nèi)部孔洞填充、外邊緣輪廓檢測、使用圖像膨脹方法改善圖像形狀，選取Prewitt算子進行邊緣提取。

作為本發(fā)明的進一步改進，所述形狀識別還包括采取圓形度的方法對提取的感興趣區(qū)域的圓形標識進行形狀判別。

作為本發(fā)明的進一步改進，所述步驟B中，三角形判別利用了已知高長度與拐角檢測來實現(xiàn)。

作為本發(fā)明的進一步改進，所述步驟C中，矩形檢測使用矩形的左上角和右下角兩個拐角檢測模塊，進行卷積找到峰值后，使用矩形的集合信息進行矩形的進一步檢測，即左拐角及右拐角之間的長寬比需要滿足一定條件。

作為本發(fā)明的進一步改進，所述步驟C中，三角形檢測使用三角形頂部拐角模板及左下角拐角模板進行卷積，找到峰值之后，利用兩角之間的寬高比進行篩選與檢測。

作為本發(fā)明的進一步改進，所述矩形檢測方法如下：

(1)將含有矩形及三角形交通標識的圖像經(jīng)過顏色分割，圖像預(yù)處理及邊緣提取等步驟之后，得到一副二值圖像，并且將該圖像進行填充。