模板匹配下的限速交通標志識別算法研究

郝芳芳 王震洲

摘要：為實現(xiàn)限速交通標志的快速準確識別，采用模板匹配對限速交通標志進行識別。首先圖像進行傾斜校正，并在HSV顏色空間進行分割，提取感興趣區(qū)域（ROI），然后利用垂直投影分割字符，最后通過和模板字符進行匹配，比較兩者相似度來識別字符。實驗結果表明，該方法能夠有效分割出限速交通標志的字符，并能準確的識別出標志。

關鍵詞：限速交通標志；HSV顏色空間；垂直投影；字符分割；模板匹配

隨著我國汽車行業(yè)的迅猛發(fā)展，交通安全問題也隨之愈發(fā)嚴峻，其中限速交通標志是車輛行駛過程中最容易忽視的，因此，限速交通標志的識別是交通系統(tǒng)中一個重要的組成部分。近年來，很多研究學者對其進行了很多研究[14]，但是其識別率較低，魯棒性不夠理想。

針對上述問題，本文采用模板匹配的方法，在HSV顏色空間上進行分割提取感興趣區(qū)域，并通過垂直投影分割出字符，進行模板匹配，從而識別出限速交通標志。

1顏色分割

1.1傾斜矯正

在限速交通標志識別過程中，標志傾斜對字符分割和識別結果都會有影響。由于攝像頭抓拍時可能會因為道路狀況或車輛狀態(tài)等情況導致標志傾斜，增加了字符分割和識別的難度。因此，采用Radon變換方法對圖像進行傾斜矯正。

設函數(shù)f（x，y）為某一方向的投影，p（x^，θ）為原函數(shù)f（x^，y^）的投影，則函數(shù)f（x，y）的Radon變換為；

p（x^，θ）=∫

SymboleB@

SymboleB@ ∫

SymboleB@

SymboleB@ f（x，y）δ（xcosθ+ysinθx）dxdy（1）

其中，0

SymbolcB@ θ

SymbolcB@ π。傾斜的圖像作|90θ|度旋轉即可完成傾斜校正。

1.2顏色分割

由于RGB空間的圖像分割易受光照的影響，而HSV空間中H和S兩個分量均不受光照強度的影響，所以本研究采用HSV顏色空間進行顏色分割。

HSV顏色空間包括亮度H、色調V和飽和度S這三個分量]，HSV顏色模型是建立在柱坐標系中的。將RGB顏色空間轉化為HSV顏色空間的轉換公式為：

H通道：

H=16GBmaxminifR=max

16（2+BRmaxmin）ifG=max

16（4+RGmaxmin）ifB=max（2）

S通道：

S=maxminmax（3）

V通道：

V=max（R，G，B）（4）

限速交通標志圖像中H，S，V的分割閾值范圍[5]由實驗來確定，保留符合分割閾值范圍的區(qū)域，不滿足的區(qū)域設為黑色，最后顯示分割后的圖像。

顏色分割完成后，會產(chǎn)生非目標區(qū)域的噪聲干擾，為了過濾掉噪聲，采用膨脹、腐蝕、填充一系列形態(tài)學濾波，為下一步字符分割提供便利。

2模板匹配

2.1字符分割

在限速交通標志的識別過程中，限速字符的分割是很關鍵的一步，它是在前期顏色分割獲得感興趣區(qū)域的基礎上，進行精細分割，然后對分割結果進行識別。

為了提高圖像的對比度，對圖像進行直方圖均衡化，使輸出圖像的每一個灰度級上的像素點數(shù)量都相同，灰度分布趨于均勻，之后對圖像進行二值化處理。本文采用最大類間方差法（Otsu法）計算限速交通標志圖像內部的二值化閾值，對圖像進行二值化處理，計算公式為：

f（x，y）=0f（x，y）

1f（x，y）>T（5）

其中：T為Otsu方法計算得到的二值化閾值。

二值化后，限速標志的數(shù)字用白色像素1表示，限速標志的白色底色用黑色像素0表示，如圖1所示。

經(jīng)過處理后的限速標志區(qū)域需要分割成單個字符區(qū)域，為后續(xù)識別提供方便。投影[6]是一種形狀描述符，通過計算水平峰和垂直峰來將字符分割，分割效果緊湊有效。二值圖像的水平投影和垂直投影分別為hi（x）和vi（y），可由以下公式計算：

hi（x）=∑M1x=0Oi（x，y）（6）

vi（y）=∑N1y=0Oi（x，y）（7）

限速交通標志經(jīng)字符分割后通常會出現(xiàn)大小不一的情況，可對圖像歸一化處理得到尺寸統(tǒng)一的字符圖像，便于后續(xù)的字符識別。

2.2模板匹配

模板匹配就是一種通過運行算法，在一幅較大圖像中根據(jù)目標與模板相同的方向、尺寸等條件進行搜索，來找到到圖像中的目標，并確定目標坐標位置，通過比較模板與子圖的相似性，完成模板匹配的過程。

模板匹配公式如下：

Ri（x，y）=

∑Mm=1∑Nn=1Fxy（m，n）×T（m，n）∑Mm=1∑Nn=1[Fxy（m，n）]2∑Mm=1∑Nn=1[T（m，n）]2（8）

其中：Ri（x，y）為互相關算子，F(xiàn)為待檢測圖像，F(xiàn)xy為待檢測的圖像子圖，x、y為子圖左上角點在F中的坐標，T為模板，互相關算子最大對應的模板為最佳匹配模板。

3實驗結果

為驗證該算法在限速標志識別的準確性，對200張圖片進行了測試，在MatlabR2014a平臺上進行實驗。將圖像統(tǒng)一歸一化為40*20像素，字符模板如圖2所示，字符分割效果如圖3所示，識別結果如圖4所示。

實驗結果表明，該算法能夠很好的識別出限速交通標志，檢測準確率比較高。

4結論

本文通過對限速交通標志進行顏色分割提取感興趣區(qū)域、對圖像處理濾除噪聲、垂直投影來分割字符，最后進行模板匹配識別，通過實驗證明了該方法具有很好的識別效果，同時也存在不足，只對固定大小的模板進行了匹配，當交通標志出現(xiàn)形變時，該方法的檢測效果不佳，因此，下一步將研究形變情況下的模板匹配。

參考文獻：

[1]MIURAJ，KANDAT，SHIRAIY.AnActivcVisionSystcmforRealTimeTrafficSignRecognition[C].Miami，USA：IEEEintelligentTransportationSystems，June.1214，2000：5257.

[2]萬雅俊.動態(tài)限速標志識別技術研究[D].廣州：中山大學，2009.

[3]劉旭東.高速公路限速標志檢測與識別技術研究[D].福州：福建農林大學，2009.

[4]王海軍.基于機器視覺的限速牌自動識別系統(tǒng)[D].重慶：西南大學，2011.

[5]高向東，劉紅，楊大鵬.交通標志的智能檢測方法研究[J].中外公路，2011（2）：260263.

[6]PRIYAVLAKSHMI，PERUMAI.K.Detectingthecarnumberplateusingsegmentation[J].InternationalJournal01EngineeringandComputerScience，2014（10）：88238829.