江治國，陳小林

(安徽國防科技職業(yè)學(xué)院機電工程系，安徽 六安 237011)

基于特征匹配的交通標(biāo)志識別算法*

江治國，陳小林

(安徽國防科技職業(yè)學(xué)院機電工程系，安徽 六安 237011)

智能交通系統(tǒng)(ITS)是當(dāng)前研究的熱點，而在ITS中的關(guān)鍵技術(shù)之一就是交通標(biāo)志的特征提取技術(shù).針對交通標(biāo)志的特征提取，提出利用尺度不變特征變換(SIFT)算法提取交通標(biāo)志的點特征，采取最小距離分類器對特征向量進行分類，并通過Matlab、仿真驗證實驗結(jié)果，結(jié)果表明能夠較好地檢測出交通標(biāo)志的特征.

智能交通系統(tǒng);尺度不變特征變換;交通標(biāo)志;特征提取;最小距離分類器

交通標(biāo)志的識別最終是將檢測到的交通標(biāo)志的特征通過一些算法進行分類識別，當(dāng)前很多學(xué)者提出采用向量機下機器學(xué)習(xí)模型［1］、模板匹配算法、聚類分析、人工神經(jīng)網(wǎng)絡(luò)等.基于特征的圖像匹配技術(shù)根據(jù)匹配目標(biāo)的需要進行特征的組合、變換，以形成易于匹配、穩(wěn)定性好的特征向量［2］.尺度不變特征變換［3］(scale invariant feature transform，SIFT)算法就是基于模板匹配的算法之一，SIFT特征是圖像的局部特征，該特征對旋轉(zhuǎn)、尺度縮放、亮度變化保持不變性，對視角變化、仿射變換、噪聲也保持一定程度的穩(wěn)定性.SIFT的特征匹配算法在特征匹配方面取得顯著進展，性能得到充分肯定.SIFT特征描述對于檢測交通標(biāo)志的特征點具有較好的性能，不僅能夠提高系統(tǒng)的運算速度，而且具有較高的識別率，提取出的特征點進行SIFT特征描述，然后利用最近鄰歐式距離進行匹配，能有效解決傳統(tǒng)的特征匹配算法對圖像尺寸和旋轉(zhuǎn)比較敏感的問題.

1 SIFT算法理論

1.1 SIFT描述符

圖1 SIFT描述符中主方向計算示意圖

為了實現(xiàn)圖像的旋轉(zhuǎn)不變性，需要根據(jù)檢測到的特征點的局部圖像結(jié)構(gòu)求得一個方向基準(zhǔn).使用圖像梯度的方法求取該局部結(jié)構(gòu)的穩(wěn)定方向，對于已經(jīng)檢測到的特征點，知道了該尺度的特征值，根據(jù)這個尺度信息，選擇描述該點的鄰域大小，計算出此領(lǐng)域范圍內(nèi)的高斯圖像梯度，再使用直方圖，統(tǒng)計鄰域內(nèi)像素的梯度方向和幅值.如圖1所示，梯度方向直方圖的橫軸是方向角，縱軸是梯度方向角對應(yīng)的梯度幅值累加值.梯度方向直方圖將0～360°的范圍分為36個柱，每10°為1個柱，直方圖的峰值代表了該特征點處鄰域內(nèi)圖像梯度的主方向，即為該特征點的主方向.這個向量是該區(qū)域圖像信息的一種抽象，具有唯一性.

圖2 SIFT描述符的128維向量生成圖解

如圖2所示，描述SIFT特征點的向量為128維，取關(guān)鍵點周圍的16×16領(lǐng)域，按4×4大小劃分，共分成16塊.每塊里面含有4×4個像素點，統(tǒng)計每塊里面8個方向的梯度直方圖，由于有16塊，因此對一個關(guān)鍵點領(lǐng)域的描述子向量就是16×8=128維的特征向量，這樣就生成了SIFT描述符.

1.2 SIFT算法

Lowe在前人的基礎(chǔ)上提出了SIFT算法，該算法將斑點檢測、特征矢量生成、特征匹配搜索等步驟完整地結(jié)合在一起進行優(yōu)化，達到接近實時的運算速度.對于同一個場景拍攝到的2幅圖像，若提取的2個特征點描述矢量間距離很小，則這2個特征點在對應(yīng)場景的同一位置，若距離很大則不在同一位置.SIFT特征匹配是通過計算一幅圖像中所有特征點與另外一幅圖像中所有特征點之間的歐氏距離來實現(xiàn)的［4］.從2組特征點集合中找到兩兩距離最近的特征點匹配對，這個匹配對對應(yīng)的是場景中同一個位置.圖3給出了在光照變化情況下SIFT算法的匹配分?jǐn)?shù)，橫坐標(biāo)描述了光照變換的程度，縱坐標(biāo)是匹配分?jǐn)?shù).由圖3可以看出，SIFT算法在一定程度上對于光照變化保持較好的匹配效果.

圖3 光照變換下SIFT算法的匹配分?jǐn)?shù)

2 基于SIFT算法交通標(biāo)志識別流程設(shè)計

SIFT算法的流程如圖4所示，交通標(biāo)志識別系統(tǒng)的流程如圖5所示.識別系統(tǒng)有3個分類器，分別為顏色特征分類器、形狀特征分類器以及最小距離分類器［5］，其中顏色特征分類器和形狀特征分類器主要用于實現(xiàn)待測交通標(biāo)志圖的粗分類，然后通過最小距離分類器實現(xiàn)待測樣本的細分類.另外，可以看到系統(tǒng)框架(圖5)的右下角有一個小矩形框內(nèi)的區(qū)域，包括交通標(biāo)志數(shù)據(jù)庫的子數(shù)據(jù)庫和交通標(biāo)志子數(shù)據(jù)庫的特征子空間.交通標(biāo)志子數(shù)據(jù)庫的特征子空間存放的是交通標(biāo)志樣本的SIFT特征.

圖4 SIFT算法的流程

圖5 交通標(biāo)志識別系統(tǒng)的流程

SIFT算法特征提取部分源程序代碼如下所示:

3 算法應(yīng)用

3.1 特征庫的建立

根據(jù)系統(tǒng)設(shè)計的要求，特征庫為分層特征庫，從上到下依次為顏色特征庫、形狀特征庫和SIFT特征庫.算法首先根據(jù)顏色特征將交通標(biāo)志粗分類為藍、黃和紅3類，即指示標(biāo)志、警告標(biāo)志和禁令標(biāo)志;然后根據(jù)形狀特征進一步進行細化，將這3類交通標(biāo)志根據(jù)是矩形、三角形、圓形或其他圖形進一步細化;最后根據(jù)SIFT特征來進一步精確定位交通標(biāo)志的類別，實現(xiàn)交通標(biāo)志的識別.利用采集的自然場景下的圖像作為實驗樣本，根據(jù)光照條件將圖片分為早晨、中午和下午3種類型，根據(jù)天氣狀況不同分為晴天、有霧和雨天.試驗選用樣本數(shù)量如表格1所示.采集的部分圖像樣本如圖6所示.

表1 不同天氣環(huán)境下實驗樣本數(shù)量

將采集到的圖像經(jīng)過預(yù)處理后，從自然場景中分割出交通標(biāo)志，根據(jù)顏色特征將交通標(biāo)志粗分類，根據(jù)形狀特征進一步進行細分類，最后根據(jù)SIFT特征來進一步精確分類，用4×4共16個種子點來表示圖像每一個關(guān)鍵點的特征，每一個種子點有8個方向的向量信息，每一個方向信息包含了方向和大小2個元素，即每個關(guān)鍵點產(chǎn)生128維SIFT特征向量.將生成的特征向量存放在SIFT特征向量庫中.

3.2 SIFT算法特征匹配

圖7 SIFT算法匹配

對特征點進行描述一般分為2個步驟［6］:首先為特征點確定一個主方向，然后根據(jù)其領(lǐng)域信息生成特征向量.當(dāng)2幅圖像的SIFT特征向量生成以后，采用關(guān)鍵點特征向量的歐式距離作為2幅圖像中關(guān)鍵點的相似性的判定度量，如圖7所示，在2個關(guān)鍵點中，若最近的距離除以次近的距離少于某個比例閾值，則保留該匹配點.降低比例閾值，雖然SIFT匹配點數(shù)量減少，但是系統(tǒng)會更加穩(wěn)定.

3.3 基于SIFT算法交通標(biāo)志識別系統(tǒng)的設(shè)計

系統(tǒng)設(shè)計在Matlab R2009a平臺下，Intel○RCore(TM)2 Quad CPU Q9500硬件平臺、Windows XP pack3環(huán)境下進行.操作方法如下:點擊“打開文件”按鈕，選擇并打開一張待測的交通標(biāo)志圖案，然后單擊“顏色分類”按鈕，根據(jù)顏色分類器對輸入的交通標(biāo)志進行粗分類，即確定是禁令標(biāo)志、指示標(biāo)志還是警告標(biāo)志;接著單擊“形狀分類”，根據(jù)形狀分類器來確定輸入圖像的形狀特征，如圓形、矩形和三角形，進一步確定待測圖像所屬的類別;最后根據(jù)最小距離分類器來精確確定交通標(biāo)志的類別.基于SIFT算法交通標(biāo)志識別系統(tǒng)系統(tǒng)設(shè)計如圖8所示.其中，“打開文件”按鈕實現(xiàn)選擇打開待測交通標(biāo)志圖的功能;“顏色分類”按鈕根據(jù)輸入待測交通標(biāo)志圖片的顏色特征，對交通標(biāo)志進行粗分類，實現(xiàn)系統(tǒng)的第1層分類功能;“顏色分類器”面板里的編輯框用于顯示顏色分類的結(jié)果;“形狀分類”按鈕則根據(jù)提取的形狀特征實現(xiàn)交通標(biāo)志的第2層分類功能;“最小距離分類”按鈕則實現(xiàn)的第3層分類功能，根據(jù)SIFT特征實現(xiàn)系統(tǒng)的精細分類，確定待測交通標(biāo)志的類別，實現(xiàn)該系統(tǒng)設(shè)計的最終目的.

圖8 交通標(biāo)志識別系統(tǒng)界面

3.4 實驗結(jié)果及分析

對采集的自然場景圖像進行分割，分割出圖像中的指示、警告和禁令標(biāo)志，并對得到的交通標(biāo)志進行放大、縮小、旋轉(zhuǎn)變換，共得到140個測試樣本.特征匹配模板采用國家標(biāo)準(zhǔn)交通標(biāo)志庫的圖片，利用該系統(tǒng)和文中的算法進行相關(guān)實驗，得到的統(tǒng)計結(jié)果如表2所示.

表2 實驗系統(tǒng)識別結(jié)果統(tǒng)計

從圖8的實驗結(jié)果和表2的統(tǒng)計結(jié)果可以看出，文中提出的基于SIFT算法交通標(biāo)志識別系統(tǒng)具有較高的識別率，但是對于一些交通標(biāo)志相似度較高的交通標(biāo)志會出現(xiàn)誤識別.經(jīng)過分析推知，這是由于相類似的交通標(biāo)志圖提取的SIFT特征具有很大的相似性，并且在利用最小分類器識別的時候，會出現(xiàn)一定范圍內(nèi)的誤差.

4 結(jié)語

上述仿真實驗及結(jié)果分析說明，SIFT算法對于交通標(biāo)志的特征點匹配具有較高的優(yōu)越性，不僅能夠提高系統(tǒng)的識別率，而且能夠簡化識別系統(tǒng)，避免采用向量機下機器學(xué)習(xí)模型、人工神經(jīng)網(wǎng)絡(luò)等需要對實驗樣本進行訓(xùn)練的繁瑣過程，在智能交通識別系統(tǒng)中具有較高的應(yīng)用價值.

［1］ 李 海，李春來，侯德艷.支持向量機下機器學(xué)習(xí)模型的分析［J］.吉首大學(xué)學(xué)報:自然科學(xué)版，2010，31(3):39-40.

［2］ 賈世杰，王鵬翔，姜海洋.基于SIFT的圖像匹配算法［J］.大連交通大學(xué)學(xué)報，2010，31(2):17-18.

［3］ LOWE D G.Distinctive Image Features from Scale-Invariant Key-Points［J］.International Journal of Computer Vision，2004，60(2):91-110.

［4］ 楊幸芳，黃玉美.一種提高SIFT特征匹配效率的方法［J］.中國機械工程，2012，23(11):1 297-1 301.

［5］ 張 錚.數(shù)字圖像處理與機器視覺［M］.北京:人民郵電出版社，2010:428-430.

［6］ 吳文歡，李騫，江澤濤.基于局部不變特征的圖像匹配算法［J］.計算機工程與應(yīng)用，2012，48(14):168-170;219.

(責(zé)任編輯 向陽潔)

Traffic Sign Recognition Algorithm Based on Feature Matching

JIANG Zhi-guo，CHEN Xiao-lin
(Department of Mechanical and Electrical Engineering，Anhui Vocational College of Defense Technology，Liu’an 237011，Anhui China)

Intelligent transportation system(ITS)is currently a hot research subject，and the key technology in ITS is traffic signs feature extraction technique.This article，focuse on the characteristics of the traffic signs extraction，proposes use of the scale invariant feature transform algorithm to extract point characteristics of the traffic signs and use of minimum distance classifier to classify feature vectors.By Matlab，simulation is used to test the results.The results show that the characteristics of the traffic signs can be better detected.

intelligent transportation system;scale invariant feature transform;traffic sign;feature matching;minimum distance classifier

TP391

A

10.3969/j.issn.1007-2985.2013.01.008

1007-2985(2013)01-0028-05

2012-11-20

中央財政支持“高等職業(yè)學(xué)校提升專業(yè)服務(wù)能力項目”(580202);電工電子安徽省級示范實驗實訓(xùn)中心項目(20101687)

江治國(1982-)，男，安徽六安人，安徽國防科技職業(yè)學(xué)院機電工程系助教，碩士，主要從事數(shù)字圖像處理研究.