基于圖像處理的智能車輛系統(tǒng)

摘 要：交通標(biāo)志的自動識別技術(shù)是智能車輛中輔助駕駛系統(tǒng)中的關(guān)鍵技術(shù)，未來會發(fā)揮越來越重要的作用。根據(jù)當(dāng)前該領(lǐng)域的研究現(xiàn)狀，結(jié)合圖像處理、計算機(jī)視覺和模式識別技術(shù)，提出了包括道路標(biāo)志、 紅綠燈和車道線的道路信息識別算法，開發(fā)出一款智能車輛系統(tǒng)。該系統(tǒng)可以根據(jù)攝像頭采集的道路視頻圖像，實(shí)時準(zhǔn)確地識別圖像中的道路標(biāo)志信息，并對駕駛員發(fā)出相應(yīng)的文本及語音提示，從而實(shí)現(xiàn)交通信號的自動識別和預(yù)警。

關(guān)鍵詞：計算機(jī)視覺；模式識別；道路標(biāo)志；自動識別；圖像處理

中圖法分類號：TN929文獻(xiàn)標(biāo)識碼：A 文章編號：2095-1302（2014）06-0045-03

0引言

20世紀(jì)60年代以來，隨著車輛走進(jìn)千家萬戶，給日常生活帶來了極大方便。但是另一方面，由于交通基礎(chǔ)設(shè)施建設(shè)不能及時跟進(jìn)，造成各國的交通狀況不佳。隨著車輛數(shù)的逐年急速增長，交通問題愈發(fā)嚴(yán)重，交通事故的頻繁發(fā)生，已引起發(fā)達(dá)國家以及發(fā)展中國家的一致高度專注。在這種情況下，智能車輛的出現(xiàn)不僅將人從單調(diào)乏味的駕駛環(huán)境中解脫出來，而且能夠有效的避免由于注意力不集中或者其他人為過失而造成的重大交通事故。智能車輛是一種典型的高新技術(shù)的綜合體，主要包括計算機(jī)技術(shù)、現(xiàn)代傳感器技術(shù)、通訊網(wǎng)絡(luò)、信息技術(shù)融合、人工智能、自控原理等。隨著對智能化車輛控制系統(tǒng)的研究不斷深入與完善，從一定角度來說，駕駛員的控制、視覺和感官功能都得到了延伸，這就彌補(bǔ)了人為因素造成的缺陷，大大提高交通中的安全因素。

智能車輛的主要研究內(nèi)容是智能車輛中的自動或輔助駕駛系統(tǒng)、駕駛員預(yù)警系統(tǒng)，而交通路標(biāo)自動識別技術(shù)是輔助駕駛系統(tǒng)中的關(guān)鍵技術(shù)，對自動駕駛、預(yù)警系統(tǒng)的可靠性和穩(wěn)定性起著決定性作用，因而相關(guān)的研究具有重要的現(xiàn)實(shí)意義。

1系統(tǒng)結(jié)構(gòu)

該系統(tǒng)由路標(biāo)識別模塊、紅路燈識別模塊和車道線識別模塊三大模塊組成。圖1所示是系統(tǒng)的詳細(xì)設(shè)計流程圖。當(dāng)讀入一幀圖像后，系統(tǒng)的三個模塊同時對圖像進(jìn)行處理，并輸出相應(yīng)的提示信息，各個模塊構(gòu)成了一個功能相對完整的道路信息提示軟件系統(tǒng)。

2模塊設(shè)計

2.1路標(biāo)檢測模塊設(shè)計

在選擇識別方法上，考慮到當(dāng)前我國大多數(shù)路標(biāo)是圓形，因此聯(lián)想到首先運(yùn)用Hough變換檢測出路標(biāo)信息，然后對照標(biāo)準(zhǔn)路標(biāo)庫進(jìn)行進(jìn)一步匹配。在檢測中先對圖像進(jìn)行了預(yù)處理，包括灰度化，對比度增強(qiáng)，提取感興趣區(qū)域（ROI）。在精匹配中采用了最小誤差法的改進(jìn)算法，保證了測試精度，同時也提高了檢測速度。取十種標(biāo)準(zhǔn)路標(biāo)模板如圖2所示。

圖 1系統(tǒng)的詳細(xì)設(shè)計流程圖

圖 2十種標(biāo)準(zhǔn)路標(biāo)模板

圖 3 和圖 4 顯示了路標(biāo)識別的過程。首先將原圖灰度化，如圖3 （b）， 接著對灰度化的圖像進(jìn)行平滑處理，如圖3（c），并運(yùn)用Hough變換檢測圓，提取出ROI，如圖4（a），灰度化，如圖4（b），然后對ROI進(jìn)行對比度增強(qiáng)，如圖4（c），再將ROI與標(biāo)準(zhǔn)路標(biāo)模板進(jìn)行匹配，從而得到路標(biāo)信息，如4（d）。

（a） （b）

（c） （d）

圖 3路標(biāo)識別過程

注：（a）為待識別的原始圖像，（b）為彩色圖像轉(zhuǎn)化成的灰度圖像，（c）為經(jīng)過平滑處理后的圖像，（d）為路標(biāo)被識別后在原圖中被框出。

（a）（b）（c） （d）

圖 4感興趣區(qū)域提取圖及對應(yīng)的路標(biāo)模板

注：（a） 為輸入的圖像中提取的感興趣區(qū)域，（b）為感興趣區(qū)域灰度化，（c）為對比度增強(qiáng)后的感興趣區(qū)域，（d）為感興趣區(qū)域匹配成功的標(biāo)準(zhǔn)路標(biāo)。

2.2紅綠燈檢測模塊設(shè)計

在紅綠燈檢測的模塊中，如圖5所示，首先將圖像由RGB彩色空間轉(zhuǎn)換到HSV彩色空間，然后提取圖像提取H和V分量 ，根據(jù)V分量進(jìn)行閾值分割轉(zhuǎn)換為二值圖像，通過分析連通區(qū)域的大小找到連通區(qū)域的位置，并截出V分量的圖像，統(tǒng)計出該連通區(qū)域坐標(biāo)的H分量圖像中的綠色像素點(diǎn)或者紅色像素點(diǎn)的所占的比例。將綠色像素點(diǎn)所占總像素比例35%以上，紅色像素點(diǎn)所占總像素比例50% 以上的連通區(qū)域與模板圖片進(jìn)行匹配，如果相似度在一定范圍內(nèi)則在原圖中畫出紅燈或者綠燈，實(shí)驗(yàn)結(jié)果表明該方法可以取得較好的效果。

通過多次試驗(yàn)成功找到了從H圖中分離出綠色（紅色）色調(diào)的閾值，轉(zhuǎn)化成二值圖像找出連通區(qū)域；并且通過分析連通區(qū)域的形狀和大小，找出綠燈（紅燈）在放大的圖中的位置，然后在放大了的圖中框出綠燈（紅燈）。應(yīng)用這種方法在試驗(yàn)中對50多張照片進(jìn)行了試驗(yàn)，正確率在90%以上，并且實(shí)現(xiàn)了實(shí)時處理。

（a） （b）

（c） （d）

（e）（f）（g）

圖 5紅綠燈識別過程圖

注：（a）為待識別源圖像，（b）為待識別源圖像的色調(diào)H分量圖，（c）為待識別源圖像的V分量圖，（d）為亮度分割后的二值連通區(qū)域圖，（e）為在V分量圖像中提取的連通區(qū)域的圖像，（f）為與連通區(qū)域匹配的模板圖片，（g）為在源圖像中標(biāo)注紅綠燈位置。

2.3車道線檢測模塊設(shè)計

車道線也是道路信息的重要組成部分，對于年輕的新手駕駛員而言更是如此。許多交通事故的發(fā)生就是因?yàn)轳{駛員偏離了車道線位置，如果輔助駕駛系統(tǒng)能夠?qū)崟r提醒駕駛員車道線的位置，使駕駛員不超出車道線的位置，那將會大大降低交通事故發(fā)生的可能性。因此我們在系統(tǒng)中加入了對車道線的識別。

在車道線的檢測模塊中，首先將輸入的圖像灰度化，然后利用Hough變換檢測線，再根據(jù)車道線的寬度，顏色等確定是否為車道線。檢測過程如圖6所示。首先，將輸入的圖片進(jìn)行灰度化處理，然后對灰度圖進(jìn)行Hough變換檢測線，最后根據(jù)車道線的顏色，寬度找出車道線。

3結(jié)語

基于圖像的路標(biāo)自動識別主要包括路標(biāo)樣本收集，圖像預(yù)處理、圖像分割、特征提取、模式分類器的選擇和使用等步驟。采用廉價的可見光攝像頭，可以降低整個系統(tǒng)的成本，為系統(tǒng)最終走向?qū)嵱没峁┛赡?。采用最新的圖像識別算法—最小誤差法匹配的改進(jìn)算法，靈活性高，環(huán)境自適應(yīng)能力強(qiáng)。該系統(tǒng)所提出的道路信息自動理解系統(tǒng)，使用模塊化的設(shè)計原則，充分考慮了系統(tǒng)的實(shí)用性。由于核心算法完全采用標(biāo)準(zhǔn)C/C++語言設(shè)計，該系統(tǒng)具有很好的移植性，為系統(tǒng)的進(jìn)一步應(yīng)用打下了基礎(chǔ)。

（a） （b）

圖 6車道線識別過程圖

注：（a） 為源圖像灰度化后的結(jié)果，（b）為經(jīng)過檢測表示出車道線結(jié)果圖（黑線表示車道線）。

參 考 文 獻(xiàn)

[1]（美）布拉德斯基（Bradski，G.），（美）克勒（Kaehler，A.）. 學(xué)習(xí)OpenCV（中文版）[M].于仕琪，劉瑞禎，譯. 北京：清華大學(xué)出版社，2009.

[2]劉瑞琪，于仕琪. OpenCV教程.基礎(chǔ)篇 [M]. 北京：北京航空航天大學(xué)出版社，2007.

[3]郭慶銳.交通標(biāo)志自動分割識別算法研究 [D].杭州：浙江理工大學(xué)，2011.

[4]謝偉.基于非局部方法的圖像分割與圖像去噪研究[D].南京：南京理工大學(xué)，2013.

[5]張磊.交通標(biāo)志的提取與識別[D]. 武漢：武漢理工大學(xué)，2012.

[6]秦飛.交通標(biāo)志實(shí)時檢測與識別技術(shù)研究[D]. 重慶：重慶大學(xué)，2011.

[7]楊青錦. OpenCV下按視頻幀率（FPS）播放視頻[J]. 中國科技信息，2012 （21）：81，85.

[8]L.W.Tsai，J.W.Hsieh，C.H.Chang，Y.J.Tseng，K.C.Fan，C.C.Lee，H.Poor， Road sign detection using eigen colour[J].IET Comput.Vis.，2008，2（3）：164-177.

[9]Jitendra N.Chourasia，Preeti Bajaj， Centroid Based Detection Algorithm for Hybrid Traffic Sign Recognition System[C].icetet，pp.96-100，2010 3rd International Conference on Emerging Trends in Engineering and Technology，2010

[10] Fatmehsan， Y.R. Ghahari， A. Zoroofi， R.A. Gabor wavelet for road sign detection and recognition using a hybrid classifier[C].International Conference on Multimedia Computing and Information Technology （MCIT）， 2010.

作者簡介：程結(jié)園（1990—）， 女，安徽安慶人，碩士研究生。主要研究方向?yàn)閿?shù)字圖像處理、智能信息處理；

張濤（1986—），男，安徽阜陽人，碩士研究生。主要研究方向?yàn)橹悄芸刂?、Linux嵌入式 。