道路交通標(biāo)志檢測分類方法的研究*

徐華青，劉秉瀚

（福州大學(xué) 數(shù)學(xué)與計算機科學(xué)學(xué)院，福建 福州 350108）

交通標(biāo)志是道路交通系統(tǒng)中不可缺少的一部分，它提供指示、警告和禁令等信息，起到了引導(dǎo)提示駕駛員操作、保障交通安全的重要作用。交通標(biāo)志的檢測是一個非常重要的研究課題，受到政府有關(guān)部門和汽車公司的關(guān)注。交通標(biāo)志的檢測分類包含必要的預(yù)處理、交通標(biāo)志圖像的分割、交通標(biāo)志的定位及分類等步驟，是交通標(biāo)志正確識別的前提。

交通標(biāo)志檢測的難點在于如何準(zhǔn)確地在實景交通圖像中定位出標(biāo)志。實景交通圖像背景復(fù)雜，標(biāo)志會受到光線、拍攝角度以及人為破壞等因素的影響，增加了檢測的難度。目前，關(guān)于交通標(biāo)志檢測技術(shù)的研究很多，常見的方法是分別基于RGB、HSV和YIQ色彩空間的分割模型定位交通標(biāo)志[1-3]。基于顏色的定位檢測會因為閾值的設(shè)定而影響定位結(jié)果，在背景多變、復(fù)雜（如標(biāo)志周圍有相近色彩的物體和光線較暗）的情況下，定位結(jié)果會受到較大干擾。

另外，交通標(biāo)志的定位還有基于邊緣的方法[4-5]。相對于顏色定位的方法，基于邊緣的方法不需要設(shè)定閾值，面對多變的環(huán)境顯得更為靈活。

交通標(biāo)志類別與其顏色及幾何形狀之間具有唯一的確定性關(guān)系。本文針對交通標(biāo)志的形狀和顏色兩個特征，提出了一種基于形狀邊緣定位檢測和顏色判別分類的交通標(biāo)志檢測分類方法。該方法在飽和度S通道檢測標(biāo)志邊緣，通過邊緣的形狀參數(shù)判定標(biāo)志的幾何形狀，定位出標(biāo)志；采用修正的HSV色彩空間分割模型判別標(biāo)志顏色以進行標(biāo)志分類，分類過程中篩除了非標(biāo)志區(qū)域。

1 交通標(biāo)志檢測

1.1 交通標(biāo)志檢測分類流程

我國道路交通標(biāo)志的顏色和幾何特征顯著，以圓形、三角形和矩形作為基本形狀，以紅色、黃色和藍色作為基本顏色，交通標(biāo)志類別與其幾何形狀及顏色之間具有唯一的確定性關(guān)系。因此，在檢測過程中可將我國道路交通標(biāo)志按照形狀分成3類，再按照基本顏色劃分成6類。圖1為交通標(biāo)志檢測分類的流程圖。

圖1 交通標(biāo)志檢測分類流程圖

1.2 HSV顏色空間

HSV顏色空間從人的視覺系統(tǒng)出發(fā)，用色調(diào)（Hue）、飽和度（Saturation）和亮度（Value）來描述色彩。其中，飽和度指色彩的純度（鮮艷程度），飽和度越高色彩越純，飽和度低則逐漸變灰。交通標(biāo)志基本顏色紅、黃、藍是飽和度偏高的色彩，而背景飽和度偏低，標(biāo)志和背景過渡的邊緣飽和度差值較大，利于邊緣檢測。

RGB色彩空間到HSV色彩空間的轉(zhuǎn)換公式為[2]：

其中，Max=max（R，G，B），Min=min（R，G，B），R、G、B 范圍均是[0，255]，H、S、V 的范圍均規(guī)范化到[0，255]。 圖像的變換效果如圖2所示。可以看出，飽和度分量圖像標(biāo)志邊框明亮和背景完全區(qū)分開，而灰度圖像左側(cè)標(biāo)志邊框與背景區(qū)分不開。

圖2 原圖像的變換圖

1.3 Canny算子邊緣檢測

1986年，CANNY J提出了Canny算子邊緣檢測方法[6]，Canny算子在提高對景物邊緣的敏感性的同時可以抑制噪聲，相對于其他邊緣檢測算子（如Sobel算子）能更好地檢測出邊緣。

對原圖的飽和度圖像邊緣檢測的效果如圖3所示?？梢钥闯鯟anny算子檢測結(jié)果標(biāo)志邊緣保留完整，而Sobel算子檢測結(jié)果標(biāo)志邊緣斷開且周邊噪聲較多。

圖3 邊緣檢測效果對比圖

1.4 形狀判別定位檢測

形狀判別方法有很多，參考文獻[7]采用邊界跟蹤提取拐角點的方法，參考文獻[8]通過掩模對圖像作卷積搜索拐角，這兩種方法須保證拐角點的存在，易受干擾。參考文獻[4]用邊緣鏈擬合幾何形狀，該方法只檢測圓形標(biāo)志，且易受背景噪聲影響。參考文獻[5]采用基于梯度信息的Hough變換檢測圓，該方法僅限于檢測紅色圓形標(biāo)志，不具有普遍性。參考文獻[2]采用計算標(biāo)志圓形度、矩形度和伸長度的方法判別形狀，能判斷標(biāo)志的3種形狀，方法簡單有效，效率高。因此，本文提出計算圓形度、矩形度和推廣得到的正三角形度來判別交通標(biāo)志的幾何形狀。

圓形度[1]P1為：

其中，S為邊緣包圍住的面積，L為邊緣的周長。當(dāng)邊緣的幾何形狀為圓形時，P1=1。

矩形度[1]P2為：

其中，H為邊緣的高度，W為邊緣的寬度。當(dāng)邊緣的幾何形狀為矩形時，P2=1。

正三角形度P3，通過類比圓形度和矩形度推廣得到：

當(dāng)邊緣的幾何形狀為正三角形時，P3=1。

由于實景圖在拍攝過程中受角度距離等因素的影響，交通標(biāo)志的邊緣形狀會接近圓形、矩形或者正三角形，因此形狀參數(shù)會與標(biāo)準(zhǔn)的圓形矩形正三角形的參數(shù)有些許誤差，故用式（5）來判斷邊緣的幾何形狀：

其中，i=1，2，3。 當(dāng) shape=1 時，邊緣形狀為圓形；shape=2時，邊緣形狀為矩形；shape=3時，邊緣形狀為三角形；shape=0時，說明該邊緣非可能的交通標(biāo)志，剔除。

1.5 標(biāo)志定位檢測步驟

實景交通圖像的交通標(biāo)志定位步驟如下：

（1）拍攝到的實景圖為 24 bit真彩色圖像，根據(jù)式（1）生成飽和度通道圖像。

（2）用Canny算子對飽和度通道圖像進行邊緣檢測，生成邊緣圖像。

（3）掃描邊緣圖像，提取每一條邊緣，根據(jù)式（2）、式（3）、式（4）計算邊緣的形 狀參數(shù) P1、P2、P3，按式（5）判斷shape的值，如果shape≠0，在原圖像把邊緣所在位置的圖像摳出，歸入相應(yīng)形狀的類中。

圖4為從實景圖中定位出的交通標(biāo)志，可以看出該方法能定位出傾斜、變形及褪色的交通標(biāo)志，且能保持標(biāo)志的完整性，利于后續(xù)的標(biāo)志分類。表1為圖4標(biāo)志的形狀參數(shù)和歸入類別。

圖4 定位出的各類交通標(biāo)志

表1 圖4標(biāo)志的形狀參數(shù)和歸入類別

2 交通標(biāo)志的分類

定位出的區(qū)域需要進一步篩選。交通標(biāo)志色彩鮮明，因此根據(jù)交通標(biāo)志的顏色特征進行篩選是首選的方法。在篩選的過程中，對交通標(biāo)志進行分類。

建國初期，各地共青團在黨領(lǐng)導(dǎo)開展的土地改革、鎮(zhèn)壓反革命、“三反”“五反”等一系列社會改革運動中，充分發(fā)揮了先鋒帶頭作用，有力地配合黨政領(lǐng)導(dǎo)推進運動勝利開展。社會主義改造任務(wù)完成后，為響應(yīng)黨的“把我國建設(shè)成為一個偉大的社會主義強國”的號召，各級共青團組織繼承和發(fā)揚戰(zhàn)爭年代的優(yōu)良傳統(tǒng)，團結(jié)帶領(lǐng)廣大青年，始終圍繞黨和政府的中心工作，緊跟形勢發(fā)展的要求，連續(xù)參加并獨立開展了一系列教育生產(chǎn)活動，成為當(dāng)時黨的工作中不可缺少的重要組成部分，在黨的工作中發(fā)揮了不可替代的重要作用。

2.1 顏色分割模型

顏色分割模型多為基于RGB色彩空間[1]和HSV色彩空間[2]。R、G、B 3個分量之間有很高的相關(guān)性，易受到光照的影響，而H、S、V 3個分量之間的相關(guān)性小，紅、黃、藍3種色彩均對應(yīng)一個連續(xù)的H范圍，利于標(biāo)志基本顏色的分割。經(jīng)過實驗對比，本文修正參考文獻[2]中HSV分割模型的閾值范圍用于對本文算法檢測出的標(biāo)志作顏色判別，該方法有效且耗時少。

設(shè)color為交通圖像當(dāng)前像素的色值，修正的HSV色彩空間的分割模型為：

圖5為根據(jù)式 （6）處理圖4中標(biāo)志得到的分割結(jié)果，圖6為根據(jù)參考文獻[2]中的分割模型處理得到的結(jié)果。對比發(fā)現(xiàn)，顏色分割模型主要要解決閾值的設(shè)定問題，圖6的第6個標(biāo)志分割失敗，說明其分割模型存在缺陷，因此本文修正了它的分割模型。

圖5 修正的HSV分割模型的處理結(jié)果

圖6 HSV分割模型的處理結(jié)果

2.2 分類步驟

黃藍紅3種顏色在圖像中所占的百分比公式為：

其中，color∈{1，2，3}，W、H 為圖像的寬和高。

粗分類步驟如下：

（2）當(dāng) shape=1（圓形）時，如果 φ（2）和 φ（3）均滿足式（8），則歸入圓形紅藍類；如果僅 φ（2）滿足式（8），則歸入圓形藍色類；如果僅 φ（3）滿足式（8），則歸入圓形紅色類；否則，剔除。

（3）當(dāng) shape=3（三角形）時，如果僅滿足式（8），則歸入三角形黃色類；如果僅 φ（3）滿足式（8），則歸入三角形紅色類；否則，剔除。

（4）當(dāng) shape=2（矩形）時，如果僅 φ（2）滿足式（8），則歸入矩形藍色類；否則，剔除。

3 實驗結(jié)果

實驗中選取300幅拍攝的實景圖進行測試，本文算法檢測并正確分類了256幅，檢測率為85.3%。

將本文基于形狀邊緣的標(biāo)志定位檢測方法與基于RGB分割模型（參考文獻[1]）及基于 HSV分割模型（參考文獻[2]）的顏色定位方法作對比，結(jié)果如圖 7所示?？梢钥闯?，本文算法能完整分割出標(biāo)志，而顏色定位方法只檢測出交通標(biāo)志的一部分。

圖7 不同定位方法的結(jié)果比較

本文結(jié)合中國道路交通標(biāo)志的形狀和顏色特征，提出了一種適合于自然場景下的交通標(biāo)志檢測方法。該方法能檢測出一定程度上變形、破損和褪色的標(biāo)志。

[1]孫光民，王晶，于光宇，等.自然背景中交通標(biāo)志的檢測和識別[J].北京工業(yè)大學(xué)學(xué)報，2010，36（10）：1337-1343.

[2]高向東，劉紅，楊大鵬.交通標(biāo)志的智能檢測方法研究[J].中外公路，2011，31（2）：260-263.

[3]盧盛榮，劉禮鋒，李翠華.基于顏色分割和多特征融合的交通標(biāo)志檢測[J].廈門大學(xué)學(xué)報（自然科學(xué)版），2011，50（4）：685-689.

[4]張靜，何明一，戴玉超，等.結(jié)合顏色和形狀的圓形交通標(biāo)志檢測方法[J].計算機工程與應(yīng)用，2011，47（2）：233-241.

[5]王永平，史美萍，吳濤.快速魯棒的交通標(biāo)志檢測方法[J].計算機工程與應(yīng)用，2010，46（32）：163-166.

[6]CANNY J.A computational approach to edge detection[J].IEEE Transactions on Pattern Analysis and Machine Intelligence， 1986，8（6）：679-698.

[7]林川，潘盛輝，譚光興，等.基于聚類與鏈碼技術(shù)的交通標(biāo)志檢測[J].計算機測量與控制，2011，19（6）：1341-1344.

[8]陳維馨，李翠華，汪哲慎.基于顏色和形狀的道路交通標(biāo)志檢測 [J].廈門大學(xué)學(xué)報 （自然科學(xué)版），2008，48（5）：635-640.