[發明專利]基于自建神經網絡的交通標志檢測與識別方法

在審

• 申請號: 201810040243.6
• 申請日: 2018-01-16
• 公開（公告）號: CN108304785A
• 公開（公告）日: 2018-07-20
• 發明（設計）人: 黃知超;李棟;王斌
• 申請（專利權）人: 桂林電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 桂林市華杰專利商標事務所有限責任公司 45112
• 代理人: 周雯

本發明公開了一種基于自建神經網絡的交通標志檢測與識別方法，屬于機器學習及深度學習技術領域，該方法根據拍攝到的圖像運用數字圖像理論中的顏色分割獲取交通標志在圖片中的非真實感興趣區域，使用SVM分類器得到真實感興趣區域，再將真實的感興趣區域放進自建卷積神經網絡中進行識別分類。采用本發明的技術方案能對交通標志使用狀態進行快速準確識別和分類，達到快速、可靠和識別準確的實時要求，并且省時省力。

技術領域

本發明涉及機器學習及深度學習技術領域，尤其涉及一種基于自建神經網絡的交通標志檢測與識別方法。

背景技術

截至2017年5月底，全國機動車的保有量已達到了3億量，機動車駕駛員總數達3.5億之多。汽車給人們帶來便利并推動著道路交通發展的同時，頻發的交通事故也給當今社會帶來極大的危害。導致交通事故發生的原因有很多，其中很重要的一項就是駕駛員不規范操作，例如疲勞駕駛，自身疏忽等。為了提高駕駛安全性，幫助駕駛員規范操作乃至代替駕駛員執行正確的操作，高級駕駛員輔助系統(Advanced Driver Assistance Systems，ADAS)應運而生，自動交通標志牌檢測和識別系統(Automatic traffic sign detectionand recognition，TSDR)正是其重要組成部分。ADAS系統的主要目的是通過實時分析道路交通標志來提醒司機當前路況，確保駕駛員安全駕駛。該系統主要利用計算機視覺技術，將車載攝像頭拍攝的道路場景畫面作為輸入源來分析影像，將分析結果反饋給駕駛員，如：駕駛適當的車道，限速，避開障礙物等，以幫助駕駛員做出正確決定，或者根據反饋結果直接做出正確操作。除了可以輔助駕駛之外，標志牌識別系統也可應用于自動化道路標志牌使用狀態維護。由于每一條道路都必須定期檢查標志牌缺失損毀情況，以往這些工作都是采用沿著道路駕駛一輛汽車，手動記錄觀察到的信息這種方式來完成的，費時費力，且容易出現人為錯誤。

發明內容

針對現有技術的不足，本發明所解決的問題是如何對交通標志使用狀態進行快速準確識別和分類以輔助駕駛，并且省時省力。

為解決上述技術問題，本發明采用的技術方案是一種基于自建神經網絡的交通標志檢測與識別方法，根據拍攝到的圖像運用數字圖像理論中的顏色分割獲取交通標志在圖片中的非真實感興趣區域，使用SVM分類器得到真實感興趣區域，再將真實的感興趣區域放進自建卷積神經網絡中進行識別分類，包括如下步驟：

(1)車載系統會對道路標志進行拍攝或錄像，如果拍攝的是圖片，那就直接進行彩色轉換，如果是視頻格式，那就對視頻抽幀，將RGB圖像轉換為HSI顏色模型，HSI分別表示色調、飽和度及亮度，其過程如下：

給定RGB彩色格式圖像，對任何三個歸一化到[0,1]范圍內的R,G,B值，其對應的H,S,I分量由公式(1)至公式(4)表示：

色調:

飽和分量：

亮度分量：

(2)設定閾值范圍，判斷像素是否為目標像素即交通標志區域的像素，提取目標像素顏色信息，進行初步顏色分割獲得感興趣區域，其過程如下：

對彩色圖像即紅、黃、藍進行分割時，依靠H、S、I三個分量相互獨立，同時考慮到自然環境下交通標志圖像色彩的波動性，可以對彩色圖像的各個分量進行適當地組合進行閾值分割，輸出掩摸由公式(5)至公式(7)所示：

設定一組顏色經驗閾值，即每種顏色分量的色調閾值上下限值和飽和度閾值，然后通過判斷閾值范圍將各個顏色分割出來，最后得到分割后的圖像；優選地，設定顏色經驗閾值如下表：