機(jī)器視覺技術(shù)在交通路標(biāo)識別中的實(shí)現(xiàn)方法

劉金龍+薛名芷

摘 要 介紹了機(jī)器視覺技術(shù)在交通路標(biāo)識別中的應(yīng)用。路標(biāo)區(qū)域的分割主要依據(jù)路標(biāo)顏色在HSI顏色空間的類聚特征，路標(biāo)指示的識別采用基于尺度不變特征提取算法的模板匹配來實(shí)現(xiàn)。

關(guān)鍵詞 機(jī)器視覺；智能交通；交通標(biāo)志；路標(biāo)定位；路標(biāo)識別

中圖分類號：TP391.4 文獻(xiàn)標(biāo)識碼：A 文章編號：1671-7597（2014）05-0046-01

由于信息的采集技術(shù)得到了長足的發(fā)展，信息處理方式越來越多樣化，機(jī)器視覺逐漸成為人們生活中的關(guān)鍵技術(shù)之一。所謂機(jī)器視覺就是用計(jì)算機(jī)來模擬人的視覺功能的技術(shù)，從客觀事物的圖像中提取信息，進(jìn)行處理并加以理解，最終用于實(shí)際檢測、測量和控制。隨著機(jī)器視覺技術(shù)的引入，智能交通技術(shù)得到了飛速的發(fā)展。智能公交、電子警察、交通信號控制、交通視頻監(jiān)控等智能技術(shù)為城市交通運(yùn)輸系統(tǒng)的疏導(dǎo)與協(xié)調(diào)作出了重大貢獻(xiàn)。先進(jìn)駕駛輔助系統(tǒng)作為關(guān)鍵技術(shù)之一，不但能幫助司機(jī)更好駕駛，并且能在一定程度上避免交通事故的發(fā)生。交通路標(biāo)識別作為其核心技術(shù)，在城市交通的安全上具有深遠(yuǎn)的意義。大體上，交通路標(biāo)識別技術(shù)主要包含兩方面，即路標(biāo)區(qū)域的分割和路標(biāo)指示信息的識別。

1 路標(biāo)區(qū)域的提取

對路標(biāo)區(qū)域與背景區(qū)域的分割是在HSI顏色空間上進(jìn)行的。HSI是用色調(diào)、飽和度和亮度來描述顏色空間的，與人的視覺系統(tǒng)保持一致。色度是描述純色的屬性，與光波的波長有關(guān)，它表示人的感官對不同顏色的感受；飽和度給出一種純色被白光稀釋的程度的度量，飽和度越大，顏色看起來就會越鮮艷；亮度是一個(gè)主觀的描述，體現(xiàn)了無色的強(qiáng)度概念。

標(biāo)準(zhǔn)交通路標(biāo)主要有藍(lán)色和黃色兩種底色。對于藍(lán)色路標(biāo)，背景顏色為藍(lán)色并且占據(jù)大部分面積，路標(biāo)指示的描述部分為白色；對于黃色路標(biāo)，背景顏色為黃色并且占據(jù)大部分面積，路標(biāo)指示部分的描述部分為紅色。黃色與藍(lán)色在HSI顏色空間呈現(xiàn)類聚性：對于藍(lán)色，H取值在132到175之間，S取值在100到240之間，I取值在53到179之間；對于黃色，H取值在28到48之間，S取值在114到240之間，I取值在61到175之間。

基于此兩種顏色特征可以在目標(biāo)圖像中進(jìn)行路標(biāo)嫌疑區(qū)域分割；通過形態(tài)學(xué)處理可以去掉較小空洞以及路標(biāo)指示的描述信息；最后依據(jù)連通域的面積與形狀等判斷并提取出路標(biāo)區(qū)域。形態(tài)學(xué)處理是一種對鄰域的運(yùn)算形式。通過形態(tài)學(xué)處理不但可以過濾由于噪音或者其他原因引起的一些較小的不可能為路標(biāo)背景的區(qū)域，減少候選區(qū)域和提高檢測速度，而且可以填補(bǔ)路標(biāo)中由于路標(biāo)指示信息灰度不同導(dǎo)致的較小空洞，降低了誤判的可能性。

路標(biāo)區(qū)域提取的具體步驟如下所示。

Step1：在HSI顏色空間里依據(jù)顏色通道取值范圍對目標(biāo)圖像進(jìn)行二值化處理。

Step2：對二值圖像進(jìn)行膨脹處理，腐蝕掉路標(biāo)指示描述等干擾。

Step3：查詢連通區(qū)域邊界。

Step4：依據(jù)連通區(qū)域的面積和形狀來定位出路標(biāo)區(qū)域。

如果目標(biāo)中只有藍(lán)色路標(biāo)像素點(diǎn)，則該路標(biāo)是以藍(lán)色為底色的路標(biāo)；如果目標(biāo)中只有黃色路標(biāo)像素點(diǎn)，則該路標(biāo)是以黃色為底色的路標(biāo)。

2 路標(biāo)指示識別

路標(biāo)指示信息的識別主要依據(jù)尺度不變特征提取與模板匹配的方法。

尺度不變特征提取方法包含尺度不變性與旋轉(zhuǎn)不變性的特點(diǎn)。所謂尺度不變性是指不管物體是遠(yuǎn)是近，都能進(jìn)行正確的辨識；所謂旋轉(zhuǎn)不變性是指當(dāng)物體發(fā)生旋轉(zhuǎn)時(shí)，依然能正確的識別它。尺度不變特征提取算法主要有SIFT算法和SURF算法。SIFT算法是最有效的，SURF算法對SIFT算法進(jìn)行了簡化，在運(yùn)算速度上提高了3倍，綜合性能要更優(yōu)。

在指示信息識別之前需要建立路標(biāo)特征數(shù)據(jù)庫。依據(jù)路標(biāo)底色的不同，需要建立藍(lán)色路標(biāo)數(shù)據(jù)庫和黃色路標(biāo)數(shù)據(jù)庫。

模板匹配就是用路標(biāo)數(shù)據(jù)庫中的每個(gè)模板一一與目標(biāo)圖像中的路標(biāo)區(qū)域進(jìn)行匹配，計(jì)算相似度，相似度最大的一組就是對應(yīng)的路標(biāo)指示信息。其中進(jìn)行匹配的方面就是尺度不變的特征。另外，路標(biāo)的背景顏色部分足夠表示該路標(biāo)的所有特征了，因?yàn)楸尘疤崛D恰到好處的得到了路標(biāo)指示的邊框部分，所以提取背景部分可以進(jìn)行路標(biāo)識別。

路標(biāo)指示識別的具體步驟如下所示。

Step1：建立路標(biāo)特征數(shù)據(jù)庫。

Step2：在HSI顏色空間中提取出路標(biāo)區(qū)域中的指示邊框部分。

Step3：提取出來的部分作為尺度不變特征提取算法的輸入圖像，進(jìn)行特征點(diǎn)檢測和特征向量提取。

Step4：將提取出來的特征點(diǎn)、特征向量與數(shù)據(jù)庫中的標(biāo)準(zhǔn)路標(biāo)的特征點(diǎn)、特征向量進(jìn)行比對，得出匹配結(jié)果。

按照以上步驟處理后，如果所有匹配相似度都很低，說明目標(biāo)圖像中不存在交通路標(biāo)。

3 結(jié)論

文章闡述了交通路標(biāo)識別技術(shù)的實(shí)現(xiàn)方法。路標(biāo)區(qū)域定位部分主要依據(jù)路標(biāo)底色的顏色特征并在HSI顏色空間完成，從而極大的提高了定位的實(shí)時(shí)性；路標(biāo)指示識別部分利用模板匹配的方法來實(shí)現(xiàn)，基于尺度不變特征提取算法的特征點(diǎn)匹配對尺度變化、旋轉(zhuǎn)變化、照度變化和視角變化具有良好的魯棒性。

參考文獻(xiàn)

[1]唐向陽，張勇，李江有，等.機(jī)器視覺關(guān)鍵技術(shù)的現(xiàn)狀及應(yīng)用展望[J].昆明理工大學(xué)學(xué)報(bào)（理工版），2004，29（2）：36-39.

[2]許祥祥.計(jì)算機(jī)視覺技術(shù)的應(yīng)用研究[J].硅谷，2013（16）：114-114.

[3]王宇鋒.國內(nèi)外智能交通系統(tǒng)現(xiàn)狀簡介[J].硅谷，2008（23）：181-181.

[4]李峰.智能交通系統(tǒng)在國外的發(fā)展趨勢[J].國外公路，1999，19（1）：1-5.

[5]孫龍林.先進(jìn)駕駛輔助系統(tǒng)的發(fā)展現(xiàn)狀和趨勢[J].汽車電器，2009（7）：4-7.

[6]朱雙東，陸曉峰.道路交通標(biāo)志識別的研究現(xiàn)狀及展望[J].計(jì)算機(jī)工程與科學(xué)，2007，28（12）：50-52.

[7]阮秋琦.數(shù)字圖像處理學(xué)[M].電子工業(yè)出版社，2007.

[8]劉小飛.基于邊緣檢測和形態(tài)學(xué)的車牌定位[J].硅谷，2012（12）：24-24.

[9]彭皓.局部不變特征提取算法的研究及其在圖像識別中的應(yīng)用[J].電子測量技術(shù)，2009（2）：135-139.

[10]張銳娟，張建奇，楊翠.基于SURF的圖像配準(zhǔn)方法研究[J].紅外與激光工程，2009，38（1）：160-165.

[11]田娟，鄭郁正.模板匹配技術(shù)在圖像識別中的應(yīng)用[J].傳感器與微系統(tǒng)，2008，27（1）：112-114.

作者簡介

劉金龍（1990-），男，黑龍江哈爾濱人，在讀碩士，研究方向：新能源汽車與模式識別。

薛名芷（1990-），女，黑龍江黑河人，本科畢業(yè)，研究方向：模式識別。endprint