基于HSB顏色空間的交通標(biāo)志識(shí)別研究

呂凱凱 韋德泉 王猛

摘要：交通標(biāo)識(shí)是道路交通重要組成部分，為交通參與者的安全出行提供必要的指示.交通標(biāo)識(shí)顏色鮮明、固定，在亮度信息與色度信息分離的HSB顏色空間中，使用色度信息來檢測交通標(biāo)志可以去除因光線或霧霾天氣的影響，取得了不錯(cuò)的檢測效果.本文使用HSB顏色空間檢測交通標(biāo)志，然后分割目標(biāo)區(qū)域并縮放到統(tǒng)一大小，定義64維特征，最后計(jì)算歐式距離進(jìn)行交通標(biāo)志的識(shí)別.

關(guān)鍵詞：交通標(biāo)志;HSB顏色空間;圖像分割;圖像特征;圖像縮放

中圖分類號(hào)：TP391.41 ?文獻(xiàn)標(biāo)識(shí)碼：A ?文章編號(hào)：1673-260X（2019）05-0036-03

1 引言

隨著社會(huì)不斷的發(fā)展和人類的不斷進(jìn)步，人們物質(zhì)生活水平也不斷提高，私家車已經(jīng)成為人們生活的必備交通工具，幾乎每家每戶都配置了小汽車.私家車雖然給人們帶來了出行的便利，然而隨著道路上車輛不斷的增加，也出現(xiàn)了一些讓人焦慮的交通問題，比如道路交通安全.產(chǎn)生這些問題主要有兩個(gè)因素：一是主觀因素，即駕駛員的駕駛行為會(huì)影響交通安全，比如路怒、駕駛經(jīng)驗(yàn)不足或是不規(guī)范的駕駛行為;二是客觀因素，我國的交通管理措施并不完善，建立規(guī)范有效健全的解決方案是世界各國需要解決的難題[1～3].綜合分析，主觀因素?zé)o法控制，完善的交通安全解決方案也很難克服，智能交通技術(shù)便應(yīng)運(yùn)而生.智能交通技術(shù)借助一些智能化手段可以幫助人們提升安全意識(shí)，解決道路安全問題.

交通標(biāo)志是道路中的非常重要的基礎(chǔ)輔助設(shè)施，通過它來規(guī)范人們的交通行為，人們通過辨識(shí)交通標(biāo)志進(jìn)行道路安全行駛，確保交通秩序井然有序.交通標(biāo)志識(shí)別可以作為汽車的輔助安全系統(tǒng)之一，對(duì)駕駛者提供路上有用的交通標(biāo)志信息，幫助駕駛者安全駕駛.世界各國在研究的無人駕駛汽車，其中一項(xiàng)關(guān)鍵技術(shù)便是交通標(biāo)志識(shí)別技術(shù)，通過交通標(biāo)志的識(shí)別，告知汽車往哪行駛，但是由于路況復(fù)雜，無人駕駛汽車還不能完全適應(yīng)復(fù)雜多變的路面，還有很長的路需要走[4～5].因此，對(duì)交通標(biāo)志識(shí)別技術(shù)的研究非常有必要.

2 HSB顏色空間

顏色空間也稱為彩色空間，或稱為彩色模型，是對(duì)彩色加以表述的一套標(biāo)準(zhǔn).顏色空間從提出到現(xiàn)在已經(jīng)有很多種，不同的顏色空間用于不用的領(lǐng)域或用途.現(xiàn)在比較為人民所熟知的顏色空間包括RGB顏色空間、YUV顏色空間、YIQ顏色空間、YCbCr顏色空間和HSB顏色空間等等.其中，RGB顏色空間是所有顏色空間的基礎(chǔ)，其余顏色空間都是通過對(duì)RGB顏色空間進(jìn)行一定的線性或非線性的變換而來.RGB顏色空間跟我們的肉眼看世界是最接近的，各種顏色都是紅（R）、綠（G）、藍(lán)（B）的不同組合，同時(shí)也是目前使用最多的顏色空間，市面上大部分的采集設(shè)備通過RGB顏色空間采集圖像，而圖像輸出設(shè)備同樣地以RGB顏色空間進(jìn)行圖像的顯示.RGB顏色空間中，顏色信息與亮度信息是混合在一起的，在計(jì)算機(jī)中用顏色進(jìn)行檢測特定物體時(shí)，圖像的亮度信息是干擾信息，對(duì)檢測效果起反作用，所以用RGB顏色空間進(jìn)行顏色檢測效果不夠好.

HSB顏色空間中，H代表顏色（Hues），S代表飽和度（Saturation），B代表亮度（Brightness），這三個(gè)分量的不同取值便會(huì)組成不同的顏色.H的不同取值表示不同顏色，它的取值范圍是0～360間，比如取H=0時(shí)，代表紅色，取H=120時(shí)，代表綠色，取H=240時(shí)，代表藍(lán)色.S是指顏色的深淺，即單個(gè)色素的相對(duì)純度，如紅色可以分為深紅、洋紅、淺紅等，它的取值范圍是0～100%間，0代表灰色，100%為最純色，最純色代表此時(shí)顏色最純最鮮明;B表示顏色的亮度，它描述的是物體反射光線的數(shù)量與吸收光線數(shù)量的比值，它的取值范圍是0～100%間，0為黑，100%為最亮色，100%時(shí)該顏色最明亮.HSB顏色空間可以用一個(gè)立體的六面體來表示，如圖1所示[6].RGB色彩空間到HSB色彩空間的轉(zhuǎn)換可由如下公式進(jìn)行：

H=0（當(dāng)Delta=0時(shí)）;H=60（G-B）/Delta（當(dāng)Max=R且G>=B時(shí)）;H=60（G-B）/Delt+360（當(dāng)Max=R且G<B時(shí)）;H=60（B-R）/Delt+120（當(dāng)Max=G時(shí)）;H=60（R-G）/Delt+240（當(dāng)Max=B時(shí)）;S=0（當(dāng)Max=0時(shí)）;S=Delta/Max（其他情況時(shí)）;B=Max;其中Max=max（R，G，B），Min=min（R，G，B），Delta=Max-Min.

綜上，HSB顏色空間中，亮度信息B是被單獨(dú)分離出來的，顏色信息與亮度信息是分離的，在用于檢測顏色時(shí)，可以很好地去掉亮度信息的干擾，提高檢測準(zhǔn)確度.在道路交通中，白天與傍晚的光線不同，會(huì)導(dǎo)致采集到的交通標(biāo)志圖像的亮度不同，而HSB顏色恰好可以去除亮度信息的干擾，從而提高檢測準(zhǔn)確度.本文采用HSB顏色空間進(jìn)行交通標(biāo)志的檢測，實(shí)驗(yàn)表示，檢測效果不錯(cuò)，如圖2所示，分別是一個(gè)交通標(biāo)志的RGB原始圖像、利用HSB顏色空間檢測的二值化圖像.

3 圖像標(biāo)準(zhǔn)化

在實(shí)際過程中，采集到的交通標(biāo)志圖像并不是統(tǒng)一大小的，在后續(xù)的特征提取與識(shí)別過程中，大小不一的圖像，給特征提取與識(shí)別工作造成很大困難，因此，必須將圖像標(biāo)準(zhǔn)化為統(tǒng)一大小.

圖像標(biāo)準(zhǔn)化為統(tǒng)一大小就是將圖像放大或縮小到統(tǒng)一尺寸，也叫作圖像縮放.圖像由大縮小會(huì)丟失一些像素點(diǎn)，而圖像由小放大就意味著要補(bǔ)充一些像素點(diǎn)，圖像處理中，我們采用插值方法來估計(jì)需要補(bǔ)充的像素點(diǎn)的像素值，對(duì)于新圖像中沒有對(duì)應(yīng)原始像素點(diǎn)的位置就使用其周圍像素點(diǎn)像素值來估計(jì)此點(diǎn)的像素值.縮放方法中，雙線性插值算法縮放效果好，實(shí)現(xiàn)簡單，速度較快，所以本文采用雙線性插值算法縮放圖像.雙線性插值算法是指分別在X軸和Y軸上進(jìn)行共計(jì)兩次插值計(jì)算得出未知像素點(diǎn)的值，利用雙線性插值方法得到的圖像縮放結(jié)果如圖3所示.

4 交通標(biāo)志特征提取

使用HSB顏色空間檢測出交通標(biāo)志后，本文通過求得交通標(biāo)志的上、下、左、右的邊緣以及形狀的判斷等提取出待識(shí)別的交通標(biāo)志，隨后為了方便提取交通標(biāo)志的特征，又將其統(tǒng)一縮放到64*64像素大小.本文利用8*8模板去統(tǒng)計(jì)待識(shí)別交通標(biāo)志的64維特征，如圖4所示.

通過統(tǒng)計(jì)每個(gè)格子內(nèi)白色像素點(diǎn)的個(gè)數(shù)，我們可以得到一個(gè)64維的統(tǒng)計(jì)特征，為了方便識(shí)別我們還統(tǒng)計(jì)了每類交通標(biāo)志中其主要顏色點(diǎn)整個(gè)交通標(biāo)志的比例，最后加上代表該交通標(biāo)志的flag，我們分類將交通標(biāo)志的統(tǒng)計(jì)特征存在文本文檔中.圖5是部分交通標(biāo)志按照本文的方法提取的64維特征值.

為了方便分析，我們將64維特征按照8*8的模板進(jìn)行排列擺放，可以看出，每個(gè)特征與它所代表的交通標(biāo)志是非常相符的，這也說明本文采用的8*8模板提取的交通標(biāo)志的64維特征是可以用來進(jìn)行交通標(biāo)志識(shí)別的.在進(jìn)行交通標(biāo)志識(shí)別前，本文把常用的交通標(biāo)志都進(jìn)行了特征提取，并作為交通標(biāo)志模板使用.

5 交通標(biāo)志識(shí)別

通過采集設(shè)備采集到的待識(shí)別圖像我們一般通過上述步驟，就可以得到該交通標(biāo)志的64維特征，最后采用兩步進(jìn)行交通標(biāo)志的最后識(shí)別與確認(rèn).首先，我們計(jì)算待識(shí)別交通標(biāo)志與事先我們存好的交通標(biāo)志模板之間的歐式距離，取與之最接近的3個(gè)交通標(biāo)志模板作為候選.最后，我們計(jì)算待識(shí)別標(biāo)志與第一步中選出的最接近的3個(gè)交通標(biāo)志模板的重合率，取重合率最大者作為最終的識(shí)別結(jié)果.

6 總結(jié)

綜上，HSB顏色空間可以把亮度信息與顏色信息相分離，用于交通標(biāo)志檢測與識(shí)別，可以排除亮度信息的干擾.本文使用HSB顏色空間檢測交通標(biāo)志，使用二次線性插值方法縮放圖像，定義8*8模板的64維特征，最后用兩步方法進(jìn)行交通標(biāo)志最后的識(shí)別與確認(rèn)，取得了不錯(cuò)的效果.

參考文獻(xiàn)：

〔1〕王昔鵬.復(fù)雜場景下的交通標(biāo)志識(shí)別技術(shù)研究[D].合肥工業(yè)大學(xué)，2017.

〔2〕姚漢利.基于特征融合和字典學(xué)習(xí)的交通標(biāo)志識(shí)別[D].安徽大學(xué)，2017.

〔3〕楊振杰.基于CNN的交通標(biāo)志識(shí)別方法研究[D].天津工業(yè)大學(xué)，2017.

〔4〕宋文杰，付夢印，楊毅.一種面向無人駕駛汽車的高效交通標(biāo)志識(shí)別方法[J].機(jī)器人，2015，37（01）：102-111.

〔5〕馬永杰，李雪燕，宋曉鳳.基于改進(jìn)深度卷積神經(jīng)網(wǎng)絡(luò)的交通標(biāo)志識(shí)別[J].激光與光電子學(xué)進(jìn)展，2018，55（12）：250-257.

〔6〕呂凱凱.復(fù)雜背景下人臉檢測與人臉識(shí)別方法研究[D].湖南大學(xué)，2012.