黃涵 劉宇軒 寧儀

摘 要：道路交通標(biāo)志的自動(dòng)識(shí)別技術(shù)在車輛自動(dòng)駕駛領(lǐng)域至關(guān)重要，但是自然場(chǎng)景下，光線強(qiáng)弱、障礙物遮擋以及拍攝視角等干擾因素往往會(huì)給標(biāo)識(shí)牌的正確識(shí)別帶來(lái)挑戰(zhàn)。針對(duì)禁令類交通標(biāo)志，介紹了一種能準(zhǔn)確識(shí)別標(biāo)識(shí)牌的方法，通過(guò)HSV顏色特征定位標(biāo)識(shí)牌具體位置后，利用SIFT算法進(jìn)行特征相似度匹配，實(shí)現(xiàn)標(biāo)識(shí)牌的快速分類。實(shí)驗(yàn)表明，SIFT算法特有的尺度不變特征可以有效提升路標(biāo)的識(shí)別準(zhǔn)確率和魯棒性，在一定程度上為智能駕駛領(lǐng)域道路標(biāo)識(shí)牌識(shí)別技術(shù)的發(fā)展提供理論依據(jù)。

關(guān)鍵詞：顏色特征;SIFT算法;交通標(biāo)志檢測(cè);特征匹配

0 引言

隨著生活質(zhì)量幸福指數(shù)的提升，人們對(duì)于日常出行的一個(gè)安全保障性和車輛的舒適性也有了一個(gè)很大的追求。于是汽車的配置在多方面都根據(jù)人們的需求變得更加智能化與人性化。交通標(biāo)志的自動(dòng)識(shí)別與檢測(cè)，作為無(wú)人駕駛汽車和智能輔助駕駛系統(tǒng)的不可或缺的部分，但是自然場(chǎng)景下，光線強(qiáng)弱、障礙物遮擋以及拍攝視角等干擾因素往往會(huì)給標(biāo)識(shí)牌的正確識(shí)別帶來(lái)挑戰(zhàn)。如果將智能化識(shí)別交通標(biāo)志的技術(shù)加載到汽車的輔助駕駛系統(tǒng)、無(wú)人駕駛車輛當(dāng)中去，就可以很好地輔助駕駛員駕駛車輛，能有效地降低交通事故的發(fā)生，提高安全性。

1 總體設(shè)計(jì)思路

本設(shè)計(jì)從交通標(biāo)志圖像預(yù)處理開(kāi)始，后續(xù)展開(kāi)對(duì)HSV顏色空間進(jìn)行一個(gè)設(shè)計(jì)，從而引出基于顏色特征的圖像分割定位處理，例如：低通濾波、腐蝕、膨脹。接著分析了相關(guān)圖像特征，利用SIFT算法對(duì)交通標(biāo)志進(jìn)行特征對(duì)比，結(jié)合圖像集進(jìn)行匹配識(shí)別。本設(shè)計(jì)主要基于顏色特征和SIFT算法結(jié)合的禁令類交通標(biāo)志識(shí)別與研究等核心內(nèi)容去設(shè)計(jì)，完成圖像的獲取、圖像分割、特征提取、標(biāo)志識(shí)別，并通過(guò) Matlab 仿真工具完成實(shí)驗(yàn)系統(tǒng)搭建，驗(yàn)證其工作狀況。本次設(shè)計(jì)的總體流程圖如下：

2 交通標(biāo)識(shí)分割定位

交通標(biāo)志圖像預(yù)處理中的二值化圖像是首先需要進(jìn)行的一個(gè)步驟，此步驟非常必要關(guān)鍵。二值化圖像需要將交通標(biāo)志圖像中的像素點(diǎn)全部灰度化處理，可以很好的處理圖像因光線強(qiáng)度變化，受陰影影響所導(dǎo)致的問(wèn)題。二值化交通標(biāo)志圖像不僅提高了圖像的辨識(shí)清晰度，同時(shí)方便了后續(xù)數(shù)據(jù)處理、圖像檢測(cè)識(shí)別。二值化后的交通標(biāo)志圖象如圖2所示。

HSV顏色空間采用多個(gè)基調(diào)組合去填充表達(dá)。其組合了色調(diào)、飽和度和明度三種基數(shù)，更能表達(dá)出圖像的特征性。故基于顏色特征本設(shè)計(jì)采用HSV顏色空間進(jìn)行對(duì)交通標(biāo)志區(qū)域的定位。HSV顏色空間色彩閾值范圍如表1所示。定位后的圖像如圖3所示。

光線強(qiáng)度變化、遮擋物遮擋的影響往往是圖像檢測(cè)識(shí)別最為困難的處理點(diǎn)，與之伴隨的還有環(huán)境噪音的干擾影響。為了不使環(huán)境噪音給后續(xù)的圖像檢測(cè)識(shí)別造成一定的影響，專門作出了一種去除噪音影響的處理方法——低通濾波處理。通過(guò)低通濾波處理可以將圖像處理過(guò)程中因噪聲的存在而導(dǎo)致的干擾給減少，或者是去除。如果在圖像處理中不將這些干擾因素去除掉，會(huì)影響到后續(xù)對(duì)交通標(biāo)志的分割與定位。低通濾波、腐蝕、膨脹處理圖像如圖4所示。

圖像處理之后將連通的標(biāo)志區(qū)域進(jìn)行填充，與面積閾值進(jìn)行對(duì)比，從而保留輸出圖像，完成交通標(biāo)志區(qū)域的定位。當(dāng)系統(tǒng)成功完成交通標(biāo)志圖像分割以及定位操作后，加入Canny算子將交通標(biāo)志圖像邊緣進(jìn)行檢測(cè)。經(jīng)過(guò)系統(tǒng)計(jì)算操作后可以定位交通標(biāo)志圖像的邊框，成功將交通標(biāo)志分割定位開(kāi)來(lái)。

3 基于SIFT算法的交通標(biāo)識(shí)特征匹配識(shí)別

道路標(biāo)識(shí)牌經(jīng)分割、定位之后，往往由于相機(jī)分辨率、拍攝角度、距離遠(yuǎn)近等因素導(dǎo)致分割后路標(biāo)圖像尺寸大小不一。為方便后期特征提取和分類識(shí)別，按照經(jīng)驗(yàn)值36×36像素標(biāo)準(zhǔn)化（尺寸歸一化）處理。基于SIFT算法的道路標(biāo)識(shí)別流程如圖5所示。主要分為兩步驟：

步驟1 建立全尺寸交通標(biāo)志圖像集的特征庫(kù)

中國(guó)大約有54種禁令類交通標(biāo)志。主要作用為禁止或限制車輛駕駛員以及行人，如禁止停放車輛、禁止左、右轉(zhuǎn)彎、限速等，該圖像特征庫(kù)用于在中間階段和后期階段對(duì)整體目標(biāo)圖像進(jìn)行分類和識(shí)別。

步驟2 整體目標(biāo)圖像配對(duì)識(shí)別

SIFT優(yōu)化算法用于分割后獲取實(shí)際場(chǎng)景中的標(biāo)牌圖像特征。獲得目標(biāo)圖像的整體特征點(diǎn)集之后，并根據(jù)路標(biāo)特征庫(kù)進(jìn)行特征點(diǎn)配對(duì)和統(tǒng)計(jì)分析，并輸出最佳匹配識(shí)別結(jié)果。

4 仿真分析

基于顏色特征和SIFT算法結(jié)合的交通標(biāo)志識(shí)別與研究等核心內(nèi)容去設(shè)計(jì)，實(shí)現(xiàn)圖像的采集、圖像分割、特征提取、標(biāo)志識(shí)別，并通過(guò) Matlab 仿真工具完成實(shí)驗(yàn)系統(tǒng)搭建，驗(yàn)證其工作狀況。下為交通標(biāo)志圖像分割效果圖。

當(dāng)基于顏色特征算法完成交通標(biāo)志圖像的分割定位之后，整個(gè)識(shí)別系統(tǒng)可以說(shuō)是已經(jīng)完成了百分之八十的工作量了。最后需要以基于SIFT算法為主相結(jié)合去進(jìn)行最后的交通標(biāo)志圖像的匹配識(shí)別。需要將分割定位所得到的交通標(biāo)志圖像與我國(guó)標(biāo)準(zhǔn)交通標(biāo)志圖像進(jìn)行特征匹配。匹配成功之后的結(jié)果利用GUI界面搭建一個(gè)信息框界面來(lái)輸出識(shí)別結(jié)果。如圖8所示。

5 小結(jié)

本文所設(shè)計(jì)的系統(tǒng)通過(guò)測(cè)試，其正確識(shí)別率達(dá)到90.16%，識(shí)別結(jié)果較為理想。在設(shè)計(jì)上還有一些細(xì)節(jié)沒(méi)有考慮進(jìn)去，如本文使用的是靜態(tài)圖像、不能自動(dòng)分類標(biāo)志牌。在應(yīng)用到實(shí)車上時(shí)可能需要實(shí)時(shí)的采集系統(tǒng)，需要涉及視頻幀的截取以及畫(huà)面抖動(dòng)和畫(huà)質(zhì)要求等問(wèn)題。

參考文獻(xiàn)：

[1]郭倩.基于特征提取的交通標(biāo)志檢測(cè)和識(shí)別[D].南京航空航天大學(xué)，2016.

[2]Razmi S M，Saad N，and Asirvadam V S.Vision-based flame analysis using motion and edge detection[C].ICIAS，2010：1-4.

[3]倪佳.特征匹配中顏色特征和SIFT算法的研究[D].華東理工大學(xué)，2012.