[發(fā)明專利]一種基于層階的地面交通標(biāo)志識別方法

有效

• 申請?zhí)枺?/td>: 201910102556.4
• 申請日: 2019-02-01
• 公開（公告）號: CN109886168B
• 公開（公告）日: 2020-10-16
• 發(fā)明（設(shè)計）人: 高尚兵;王雨豪;張晟鼎;李祖?zhèn)?/a>;周君;蔡創(chuàng)新;朱全銀;相林;郭若凡
• 申請（專利權(quán)）人: 淮陰工學(xué)院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/46
• 代理公司: 南京蘇高專利商標(biāo)事務(wù)所(普通合伙) 32204
• 代理人: 康燕文

本發(fā)明公開了一種基于層階的地面交通標(biāo)志識別方法，首先對視頻圖像進行分析處理，通過車道線檢測對提取出的矩形區(qū)域的大小和角度的篩選，對視頻圖像中的車道線進行檢測和追蹤，得到穩(wěn)定、準(zhǔn)確的車道線，并截取出所感興趣的區(qū)域；然后，采用自適應(yīng)二值化技術(shù)，定義灰度圖像的像素值，將所有的像素點分為n個層級，將最上層和最下層的像素值舍去，得到有效的像素值，對分好的每個層階像素點聚居區(qū)域分別進行目標(biāo)檢測，實現(xiàn)交通標(biāo)志的識別。本發(fā)明具有準(zhǔn)確和高效的優(yōu)點，基于層階算出的閾值能夠突出所需要的車道線部分，有利于地面交通標(biāo)志的識別。

技術(shù)領(lǐng)域

本發(fā)明涉及計算機視覺、智能駕駛領(lǐng)域，具體涉及一種基于層階的地面交通標(biāo)志識別方法。

背景技術(shù)

作為ITS(智能交通系統(tǒng))中的一項重要研究內(nèi)容，交通標(biāo)志識別技術(shù)是必不可少的，這些年來，隨著計算機視覺、模式識別及人工智能等相關(guān)技術(shù)的快速發(fā)展，交通標(biāo)志識別技術(shù)受到了越來越多的關(guān)注，已成為計算機視覺領(lǐng)域的一個重要的研究內(nèi)容，其中基于視頻流的交通標(biāo)志檢測更是計算機視覺和模式識別領(lǐng)域的一個研究熱點。

但是，目前國內(nèi)對于智能交通系統(tǒng)的研究還是初級階段，在交通標(biāo)志檢測、識別與3D顯示方面的研究較少，并且又由于現(xiàn)在交通路況更加的復(fù)雜，導(dǎo)致識別難度加大，所以我們這次選擇的一種地面交通標(biāo)志檢測方法的主題也是將更有效識別交通標(biāo)志作為出發(fā)點和落腳點。

當(dāng)前的自適應(yīng)二值化方法大多數(shù)是otsu(最大類間差法)算法和wellner(快速自適應(yīng)圖像二值化)算法，在環(huán)境不復(fù)雜的情況下有著不錯的效果，但是對城市道路卻有很大的局限，容易受到環(huán)境、天氣狀況等干擾，無法有效的突出檢測目標(biāo)。而傳統(tǒng)的目標(biāo)區(qū)域判別方法耗時較長對我們檢測結(jié)果會有延遲的影響，本文提出的基于層階的目標(biāo)區(qū)域判別技術(shù)有效的解決了這些問題，在壞境較差的情況下有很好的二值化效果。并且通過階層可以很快的找到目標(biāo)的大致區(qū)域，排除感興趣區(qū)域中的其他干擾因素，能夠更好的滿足需求。

發(fā)明內(nèi)容

發(fā)明目的：本發(fā)明提供一種基于層階的地面交通標(biāo)志識別方法，能對地面交通標(biāo)志進行快速的檢測識別。

技術(shù)方案：本發(fā)明所述的一種基于層階的地面交通標(biāo)志識別方法，包括以下步驟：

(1)對視頻圖像進行預(yù)處理，得到降噪后的圖像；

(2)以預(yù)處理后的圖像為輸入，運用特征提取算法得到圖像中矩形區(qū)域，通過對矩形區(qū)域的篩選，進行車道線的提取與檢測；

(3)以車道線提取后的圖像為輸入，運用邊緣檢測算法得到車道線的邊緣，接著利用霍夫直線檢測算法得到車道線點的集合，利用集合中點的斜率分出左右車道線點的集合，分別將兩個點的集合擬合為最優(yōu)的兩條直線，實現(xiàn)車道線的檢測，并不斷更新這些點的集合，實現(xiàn)車道線的追蹤；

(4)根據(jù)識別出來的車道線，對車道線之間的區(qū)域進行逆透視變換，提取用于地面交通標(biāo)識識別的區(qū)域；

(5)通過圖像像素值的標(biāo)準(zhǔn)差將圖像分層，去除最上層與最下層的像素值，對剩下的像素值取對數(shù)求平均值，再求平均值的自然指數(shù)值，排除天氣環(huán)境對二值化效果的干擾，突出車道線部分；

(6)將采集的車道線樣本通過深度學(xué)習(xí)的方法，建立模型，通過模型對每個階層的像素點聚集區(qū)域進行識別，鎖定目標(biāo)區(qū)域。

步驟(1)所述的對視頻圖像進行預(yù)處理主要包括：圖像灰度化、去除圖像噪聲、定義感興趣區(qū)域、圖像二值化、形態(tài)學(xué)操作和高斯模糊。

步驟(2)所述的對于矩形區(qū)域的篩選通過以下方式實現(xiàn)：定義一個矩形區(qū)域的最大范圍和最小范圍，獲取矩形區(qū)域的大小與矩形區(qū)域的角度的正弦函數(shù)值，定義一個正線函數(shù)的最大值與最小值，選擇保留下式的值都為1矩形區(qū)域：