[發明專利]基于HOG特征和BCNN的交通標識牌檢測

在審

• 申請號: 201710029814.1
• 申請日: 2017-01-13
• 公開（公告）號: CN108304752A
• 公開（公告）日: 2018-07-20
• 發明（設計）人: 耿磊;彭曉帥;肖志濤;張芳;吳駿;楊振杰
• 申請（專利權）人: 天津工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明提供了一種基于HOG特征和BCNN的交通標識牌檢測方法，該方法包括：獲取交通標識牌樣本；提取圖像的HOG特征；基于HOG特征訓練級聯分類器檢測出候選窗口；針對候選窗口存在的誤檢情況設計BCNN網絡；把BCNN作為級聯分類器的最后一級，將候選窗口作為推薦窗口輸入BCNN消除誤檢。與現有技術相比，本發明可以對行車記錄儀獲取的視頻中的交通標識牌進行評估，準確率較高，魯棒性較強。

技術領域

本發明涉及圖像處理、視頻監控、深度學習以及卷積神經網絡，特別涉及交通標識牌的檢測。

背景技術

交通標識牌能夠規范和控制交通，提示道路的狀況，可以給駕駛員提醒和指導來降低交通事故的發生率。因此，交通標識牌的檢測與識別在無人系統中是一項十分重要的技術。

通常，交通標識牌呈剛性，具有簡單的形狀，顏色比較統一。目前，它的檢測方法主要基于這些顏色以及幾何特征進行檢測。基于顏色信息的檢測方法對環境要求比較高，對天氣以及光線敏感，檢測穩定性不強。基于幾何特征的邊緣檢測方法對部分標識牌的檢測效果不佳。其他一些基于梯度特征以及對圖像進行顏色空間轉換的檢測方法由于存在誤檢導致效率不高。道路環境復雜多變以及光線、水漬、陰影、復雜障礙物等因素的影響，導致交通標識牌的檢測與識別非常困難。

綜上所述，目前迫切需要提出一種魯棒性和實用性較強地交通標識牌檢測方法。

發明內容

有鑒于此，本發明的主要目的在于實現交通標識牌的檢測，且魯棒性和實用性較強。

為達到上述目的，針對復雜環境下交通標識牌檢測魯棒性不好的問題，本發明提供了一種基于HOG特征和BCNN的交通標識牌檢測方法，該方法包括：

(1)獲取交通標識牌樣本；

(2)提取圖像的HOG特征；

(3)基于HOG特征訓練級聯分類器檢測出候選窗口；

(4)針對候選窗口存在的誤檢情況設計BCNN網絡；

(5)把BCNN作為級聯分類器的最后一級，將候選窗口作為推薦窗口輸入BCNN消除誤檢。

所述步驟(2)進一步包括：

歸一化步驟，對輸入圖像進行灰度化和Gamma校正以降低圖像局部的陰影和光照變化，Gamma校正為

I(x，y)＝I(x，y)^Gamma

式中Gamma取0.5；

圖像梯度計算步驟，計算圖像橫坐標和縱坐標方向的梯度，并根據梯度計算每個像素位置的梯度方向值，圖像中像素點(x，y)的梯度為：

G_x(x，y)＝I(x+1，y)-I(x-1，y)

G_y(x，y)＝I(x，y+1)-I(x，y-1)

式中G_x(x，y)、G_y(x，y)和I(x，y)分別是輸入圖像中像素點(x，y)處的水平方向梯度、垂直方向梯度和像素值，像素點(x，y)處的梯度幅值和梯度方向分別為：

細胞單元的梯度方向直方圖構建步驟，將圖像劃分成細胞單元，統計每個細胞單元的梯度直方圖，形成每個細胞單元的特征描述子；

塊內歸一化梯度直方圖步驟，將每幾個細胞單元組成一個塊，一個塊內所有細胞單元的特征描述子串聯得到該塊的HOG特征描述子；