基于圖像特征及改進(jìn)支持向量機(jī)算法的交通標(biāo)志識(shí)別

郝永杰+周博文

摘 要： 研究一種基于圖像特征以及改進(jìn)支持向量機(jī)算法的交通標(biāo)志識(shí)別方法。使用顏色以及形狀特征對(duì)交通標(biāo)志圖像特征進(jìn)行提取，使用Gabor 濾波方法增強(qiáng)處理交通標(biāo)志圖像。針對(duì)支持向量機(jī)識(shí)別算法的精度在很大程度上受到基本參數(shù)的影響，通常根據(jù)經(jīng)驗(yàn)來(lái)進(jìn)行參數(shù)的選取等問(wèn)題，使用模擬退火算法對(duì)支持向量機(jī)的參數(shù)進(jìn)行優(yōu)化選擇。研究結(jié)果表明，使用研究的交通標(biāo)志檢測(cè)方法的檢測(cè)精度高于其他三種方法，使用顏色和形狀特征提取的檢測(cè)精度要高于單獨(dú)使用顏色或形狀特征提取方法。

關(guān)鍵詞： 圖像特征； 支持向量機(jī)； 模擬退火算法； 交通標(biāo)志識(shí)別

中圖分類號(hào)： TN911?34； TP391.41 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2017）08?0097?03

Traffic sign recognition based on image feature and improved support

vector machine algorithm

HAO Yongjie1， ZHOU Bowen2

（1. Hohhot Vocational College， Hohhot 010051， China； 2. College of Management and Economics， Tianjin University， Tianjin 300072， China）

Abstract： A traffic sign recognition method based on image feature and improved support vector machine （SVM） algorithm is studied in this paper. The color feature and shape feature are used to extract the image feature of the traffic sign. The Gabor filtering method is adopted to perform the enhancement processing of the traffic sign image. Since the accuracy of the recognition algorithm based on SVM is affected by the basic parameters to a great extent， and the parameters are selected according to the experience usually， the simulated annealing algorithm is used to select the parameters of the support vector machine optimally. The research results show that the detection accuracy of the traffic sign detection method is higher than that of the other three methods， and the detection accuracy of color and shape features extraction method is higher than that of the single color feature extraction method or shape feature extraction method.

Keywords： image feature； SVM； simulated annealing algorithm； traffic sign recognition

交通安全問(wèn)題以及道路通信能力不足問(wèn)題越來(lái)越嚴(yán)重，人們開始重視如何提升道路交通的安全性及有效性，車輛安全輔助駕駛能夠?qū)⒌缆沸畔?、車輛信息以及駕駛員信息聯(lián)系起來(lái)，駕駛員在其輔助下能夠?qū)π熊嚟h(huán)境進(jìn)行感知，進(jìn)而達(dá)到識(shí)別和監(jiān)測(cè)道路信息的目的[1?2]。作為高級(jí)輔助系統(tǒng)的重要部分，交通標(biāo)志識(shí)別系統(tǒng)能夠有效地提升駕車的舒適性以及安全性。利用該系統(tǒng)，能夠采集自然場(chǎng)景圖像，經(jīng)過(guò)圖像識(shí)別和處理以后就可以檢測(cè)交通標(biāo)志，進(jìn)而及時(shí)警告、指示以及提醒駕駛員[3?4]。

1 基于圖像特征的交通標(biāo)志檢測(cè)特征提取

1.1 基于顏色的交通標(biāo)志特征

不同的交通標(biāo)志在顏色上存在著較大的差距，因此在分割交通標(biāo)志圖像的過(guò)程中通常以顏色為基礎(chǔ)來(lái)分離抽取交通標(biāo)志[5?6]。色調(diào)V、飽和度S以及色度H三個(gè)分量組成了HSV 顏色空間，作為三原色RGB空間的一種非線性變換，HSV顏色空間模型和圓柱坐標(biāo)系的一個(gè)圓錐形子集是相互對(duì)應(yīng)的，實(shí)現(xiàn)RGB顏色空間和HSV空間之間的轉(zhuǎn)換[7]如下：

（1）

（2）

（3）

1.2 基于形狀的交通標(biāo)志特征

利用顏色抽取的方法能夠在實(shí)景圖中提取交通標(biāo)志區(qū)域。然而由于在背景上自然場(chǎng)景和交通標(biāo)志均比較復(fù)雜，如果僅僅依靠顏色無(wú)法獲得較為精確的判定結(jié)果。但是這種方法能夠?qū)⒛切╊伾容^類似的背景排除掉，主要是因?yàn)檫@些復(fù)雜背景和交通標(biāo)志的特殊形狀存在著一定的差距[8]。矩形、三角形以及圓形為交通標(biāo)志的三種主要類型，當(dāng)交通標(biāo)志不同時(shí)其屬性也存在著一定的差距，例如執(zhí)行到邊緣的距離、伸長(zhǎng)度、矩形度以及圓形度等。圓形度、矩形度以及伸長(zhǎng)度計(jì)算方法如下[9]：

（4）

（5）

（6）

1.3 Gabor濾波

Gabor 濾波首先對(duì)核函數(shù)模板進(jìn)行確定，然后對(duì)圖像進(jìn)行卷積操作。Gabor 濾波函數(shù)乘以復(fù)指數(shù)振蕩函數(shù)就是所對(duì)應(yīng)的沖激響應(yīng)。本文在提取特征向量時(shí)采用Gabor濾波法，所對(duì)應(yīng)的核函數(shù)[10]如下：

（7）

2 改進(jìn)支持向量機(jī)模型

相比于神經(jīng)網(wǎng)絡(luò)，支持向量機(jī)不需要太多的訓(xùn)練樣本，同時(shí)對(duì)于凸優(yōu)化問(wèn)題支持向量機(jī)能夠有效的解決，當(dāng)參數(shù)和樣本一致時(shí)，訓(xùn)練模型所得到的預(yù)測(cè)值就不會(huì)產(chǎn)生變化，因此在實(shí)際應(yīng)用和理論中都比神經(jīng)網(wǎng)絡(luò)模型具有更高的性能。

但是在應(yīng)用的過(guò)程中支持向量機(jī)需要依靠經(jīng)驗(yàn)對(duì)學(xué)習(xí)參數(shù)進(jìn)行選取。比如懲罰因子C和ε等，支持向量機(jī)的精度在很大程度上受到這些參數(shù)的影響，通常根據(jù)經(jīng)驗(yàn)來(lái)進(jìn)行參數(shù)的選取，這對(duì)于支持向量機(jī)模型的使用和推廣是不利的。因此本文使用模擬退火算法對(duì)支持向量機(jī)的參數(shù)進(jìn)行優(yōu)化選擇。

支持向量機(jī)的思想是利用結(jié)構(gòu)風(fēng)險(xiǎn)最小化思想以及構(gòu)造損失函數(shù)的思想，以統(tǒng)計(jì)學(xué)理論為基礎(chǔ)，通過(guò)極小化目標(biāo)函數(shù)就可以對(duì)回歸函數(shù)進(jìn)行確定，如下[11]：

（8）

將上述問(wèn)題轉(zhuǎn)化為對(duì)偶問(wèn)題：

（9）

解出上述問(wèn)題即為支持向量機(jī)的回歸函數(shù)：

（10）

作為一種隨機(jī)尋優(yōu)算法，模擬退火算法是以蒙特卡羅迭代求解策略為基礎(chǔ)的，其基本原理和物理上的金屬退火比較類似。使用模擬退火算法對(duì)支持向量機(jī)的參數(shù)進(jìn)行優(yōu)化選擇，主要過(guò)程如下：

步驟1：初始化參數(shù)。設(shè)定支持向量機(jī)中的ε，C和σ參數(shù)的初始范圍。

步驟2：使用模擬退火算法對(duì)支持向量機(jī)的參數(shù)進(jìn)行優(yōu)化選擇。

步驟3：更新最優(yōu)解。如果，則使，，；否則使。

步驟4：抽樣穩(wěn)定性判別。如果，則使，并返回步驟2；否則使。

步驟5：終止退火判別。如果，則使，否則使。如果，則終止退火算法，否則繼續(xù)向下進(jìn)行。

步驟6：退火方案。如果，則按照方式進(jìn)行退火；否則按照方式進(jìn)行退火。

在利用SA對(duì)SVM參數(shù)進(jìn)行確定的過(guò)程中能夠記憶性地進(jìn)行參數(shù)的選取，可以存儲(chǔ)當(dāng)前進(jìn)化所得到的最優(yōu)參數(shù)，保證可以根據(jù)記憶調(diào)整參數(shù)的選擇過(guò)程；同時(shí)利用SA算法能夠調(diào)整所選取的參數(shù)，避免出現(xiàn)局部最小的情況，對(duì)于逼近系統(tǒng)的精度以及參數(shù)選擇學(xué)習(xí)速度的提升有非常好的效果[12]。

3 交通標(biāo)志識(shí)別實(shí)例分析

通過(guò)交通標(biāo)志識(shí)別實(shí)例對(duì)本文研究的識(shí)別方法進(jìn)行驗(yàn)證分析。通過(guò)實(shí)地考察，拍攝了500幅包括826個(gè)交通標(biāo)志的圖像，用于實(shí)例分析，部分標(biāo)志圖像如圖1所示。

本文以文獻(xiàn)[13]中研究的圖像特征檢測(cè)方法為例進(jìn)行對(duì)比分析。使用本文研究的圖像特征檢測(cè)方法得到的圖像處理結(jié)果和使用文獻(xiàn)[13]中研究的圖像特征檢測(cè)方法得到的圖像處理結(jié)果如圖2所示。

對(duì)比本文和文獻(xiàn)[13]中的特征檢測(cè)方法可以看出，本文研究的方法處理后圖像中雜點(diǎn)更少，更利于圖像的分類識(shí)別。另外，由于文獻(xiàn)[13]中的特征檢測(cè)方法使用計(jì)算圖像均值處理，因此特征檢測(cè)效率相對(duì)更低。

下面對(duì)交通標(biāo)志識(shí)別準(zhǔn)確率進(jìn)行分析。使用多種圖像特征檢測(cè)方法和圖像分類模型進(jìn)行組合：本文研究的使用顏色和形狀特征提取，改進(jìn)支持向量機(jī)進(jìn)行圖像分類，稱方法A；使用顏色和形狀特征提取，常規(guī)支持向量機(jī)進(jìn)行圖像分類，稱方法B；使用顏色特征提取，改進(jìn)支持向量機(jī)進(jìn)行圖像分類，稱方法C；使用形狀特征提取，改進(jìn)支持向量機(jī)進(jìn)行圖像分類[14]，稱方法D。

使用上述四種方法針對(duì)拍攝的826個(gè)交通標(biāo)志的圖像進(jìn)行識(shí)別，對(duì)比結(jié)果如表1所示。

表1 四種算法的識(shí)別結(jié)果對(duì)比

可以看出使用本文研究的交通標(biāo)志檢測(cè)方法的檢測(cè)精度高于其他三種方法。使用顏色和形狀特征提取的檢測(cè)精度要高于單獨(dú)使用顏色或形狀特征提取方法。

4 結(jié) 論

交通標(biāo)志識(shí)別系統(tǒng)能夠有效地提升駕車的舒適性以及安全性。交通標(biāo)志識(shí)別系統(tǒng)能夠采集自然場(chǎng)景圖像，經(jīng)過(guò)圖像識(shí)別和處理以后就可以檢測(cè)交通標(biāo)志，進(jìn)而及時(shí)警告、指示以及提醒駕駛員。本文研究一種基于顏色和形狀特征以及改進(jìn)支持向量機(jī)算法的交通標(biāo)志識(shí)別方法，并通過(guò)實(shí)例對(duì)所研究的交通標(biāo)志識(shí)別方法的可行性進(jìn)行了驗(yàn)證。

參考文獻(xiàn)

[1] 王剛毅.交通標(biāo)志檢測(cè)與分類算法研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2013.

[2] 宋婀娜，房俊杰，李娜，等.一種基于局部特征的交通標(biāo)志檢測(cè)算法的研究[J].現(xiàn)代電子技術(shù)，2015，38（13）：114?116.

[3] 楊正帥.基于視覺的道路識(shí)別技術(shù)在移動(dòng)機(jī)器人導(dǎo)航中的應(yīng)用研究[D].南京：南京理工大學(xué)，2007.

[4] 王忠.基于視覺的道路識(shí)別技術(shù)在智能小車導(dǎo)航中的應(yīng)用研究[D].南京：東南大學(xué)，2006.

[5] 陳樸.模擬退火支持向量機(jī)算法研究及在電力負(fù)荷預(yù)測(cè)中的應(yīng)用[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2006.

[6] 陳亦欣，葉鋒，肖鋒，等.基于HSV空間和形狀特征的交通標(biāo)志檢測(cè)識(shí)別研究[J].江漢大學(xué)學(xué)報(bào)（自然科學(xué)版），2016（2）：119?125.

[7] 王洋.一種基于模板匹配的交通標(biāo)志識(shí)別方法[D].長(zhǎng)春：吉林大學(xué)，2013.

[8] 盧艷君.交通標(biāo)志自動(dòng)檢測(cè)與識(shí)別算法研究[D].武漢：武漢科技大學(xué)，2015.

[9] 鮑朝前.針對(duì)圓形和三角形交通標(biāo)志的檢測(cè)與識(shí)別[D].北京：北京工業(yè)大學(xué)，2015.

[10] 周欣.圓形和三角形交通標(biāo)志分割與識(shí)別算法研究[D].上海：華東理工大學(xué)，2013.

[11] 李瑾，劉金朋，王建軍.采用支持向量機(jī)和模擬退火算法的中長(zhǎng)期負(fù)荷預(yù)測(cè)方法[J].中國(guó)電機(jī)工程學(xué)報(bào)，2011（16）：63?66.

[12] 張震，徐子怡，袁淑芳.基于支持向量機(jī)和模擬退火算法對(duì)供暖熱負(fù)荷的預(yù)測(cè)方法[J].自動(dòng)化技術(shù)與應(yīng)用，2016（2）：10?14.

[13] ZAKLOUTA F， STANCIULESCU B. Real?time traffic sign recognition in three stages [J]. Robotics and autonomous system， 2014， 62（1）： 16?24.

[14] 李光瑞，夏凌，杜健，等.基于顏色特征和SVM的交通標(biāo)志檢測(cè)[J].西華大學(xué)學(xué)報(bào)（自然科學(xué)版），2016（1）：89?93.