基于動態模板匹配的多禁令標志牌檢測方法

王慧敏 閆新寶

【摘要】 禁令交通標志牌檢測是智能交通領域中的一個關鍵問題。針對復雜場景中多個禁令交通標志牌誤檢率高的問題，該文提出一種基于動態模板匹配的多標志牌檢測的方法。首先對禁令標志進行圖像預處理，結合顏色閾值分割特征和形狀特征兩個粒度劃分連通區域，然后根據連通區域的邊界信息構造動態模板進行多個禁令交通標志牌的檢測。實驗結果表明，動態模板匹配檢測方法在檢測偽圓和處理多個標志牌之間粘連方面明顯優于Hough變換方法。

【關鍵詞】 禁令標志 特征提取 動態模板匹配

一、引言

禁令交通標志的檢測作為駕駛員輔助系統（Driver Support System， DSS）中的關鍵技術，可以及時控制響應駕駛員疲勞狀態下的安全隱患，減少交通安全事故的發生。

在真實的道路場景，禁令交通標志并不是孤立存在的。集群出現的禁令標志不能被完全檢測到，導致誤檢測和漏檢的主要原因有兩種：第一種是相似背景色物體的干擾，導致不易進行顏色分割；第二是是由視距或天氣原因導致標志牌出現偽彩色，造成標志粘連或殘缺。單獨的顏色分割方法不能有效的檢測集群出現的禁令標識牌。

本文作者結合顏色閾值分割方法和形狀特征檢測方法，利用連通區域構造動態模板進行多個禁令標志牌的檢測，在降低檢測偽圓個數的同時，很好的解決了多個標志牌間的粘連問題。

二、圖像預處理方法

標志牌檢測過程中的圖像預處理分為兩步：二值化和濾波降噪。

本文在RGB顏色空間下對禁令標志牌進行二值化處理，結合標志牌的先驗特征和機器學習算法，得出紅色閾值的范圍：

利用圖像形態學中的“開運算”，圖形進行腐蝕和膨脹運算，對二值化圖像進行去噪處理。但是開運算在標志牌出現殘缺現象時的去噪處理效果過于魯莽。由于標志牌在人眼可分辨范圍內直徑大于14，我們保留連通區域像素數大于150的塊。

三、基于動態模板匹配的多標志牌檢測

Torresen[1]通過構造一組固定的不同尺寸的圓環，在實時道路環境中用模板匹配的方法實現限速標志牌檢測；Fleyeh[2]在該方法上進行改進，根據二值化區域面積的大小，構建實心的圓形模板，通過異或操作直接濾出標志牌的內核圖案。但是這類基于固定模板檢測的方法對于集群出現的標志牌檢測效果不好。受文獻[1]和文獻[2]的啟發，我們根據連通區域的輪廓信息動態構造模板進行原型檢測，算法描述如下：

step1. 根據紅色閾值范圍進行圖像分割；

step2. 去噪處理；

step3.

提取連通區域r，并構造其最小外接矩形R，以min（r.高，r.寬）為直徑構造動態圓形模板；

四、實驗

本文采用重慶郵電大學機器學習研究所提供的圖片庫，共265幅圖片。

將本文方法與Hough變換檢測方法進行比較，動態模板匹配檢測方法在正檢率和耗時上遜于Hough變換，但在檢測到的偽圓個數明顯減少，這為后續的剔除偽圓工作節省了系統開銷。同時發現，動態模板匹配檢測方法在處理集群標志牌之間粘連情況優于Hough變化，檢測率和計算量都有所提升，具備實用價值。

五、結語

本文結合禁令標志牌顏色和形狀的先驗特征，利用連通區域構造動態模板進行標志牌的檢測。實驗結果表明本文算法在處理集群標志牌粘連和偽圓方面的有效性。我們將在下一步工作中研究如何提高特征屬性區分度的問題。

參 考 文 獻

[1] Torresen J， Bakke J W， Sekanina L. Efficient recognition of speed limit signs[C]//Intelligent Transportation Systems， 2004. Proceedings. The 7th International IEEE Conference on. IEEE， 2004： 652-656.

[2] Fleyeh H， Davami E. Eigen-based traffic sign recognition[J]. IET intelligent transport systems， 2011， 5（3）： 190-196.