基于機器視覺的交通標(biāo)志檢測識別系統(tǒng)設(shè)計

楊佳義

（重慶移通學(xué)院 智能工程學(xué)院，重慶 401520）

社會步入了人工智能的高速發(fā)展時代，其中機器視覺的發(fā)展是人工智能面向用戶交流體驗的關(guān)鍵，機器對目標(biāo)檢測與識別是人工智能的“慧眼”。智能汽車需要有效地識別路側(cè)的交通標(biāo)志識別牌輔助汽車駕駛運行，但是在自然采集的原始圖像環(huán)境復(fù)雜容易影響交通標(biāo)志的檢測識別，需要對原始圖像增強預(yù)處理提高目標(biāo)識別率。本文設(shè)計了基于BP神經(jīng)網(wǎng)絡(luò)的交通標(biāo)志識別系統(tǒng)，并對不同的交通標(biāo)志進(jìn)行顏色模型分類，將預(yù)處理后的交通標(biāo)志提取出來與訓(xùn)練模板進(jìn)行匹配對比識別交通標(biāo)志，為智能汽車提供慧眼。

1 BP神經(jīng)網(wǎng)絡(luò)特征識別

BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)是人工神經(jīng)網(wǎng)絡(luò)的一種[1]，BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)分為三層，分別是輸入層，隱藏層和輸出層。隱藏層收到多個輸入信號，學(xué)習(xí)輸入層給的特征標(biāo)志，相當(dāng)于記住了一個物體的多種特點，再由輸出層輸出。BP神經(jīng)網(wǎng)絡(luò)算法具有反饋式的誤差分析，能夠?qū)⒂嬎愠龅闹捣答伣o輸入層進(jìn)行再次優(yōu)化和計算，計算過程由正向計算過程和反向計算過程組成，目前BP網(wǎng)絡(luò)主要用于函數(shù)誤差分析，記憶識別，分類等方面[2]。設(shè)計應(yīng)用BP神經(jīng)網(wǎng)絡(luò)的記憶識別功能，將模板進(jìn)行首次檢測，當(dāng)下一次遇到和模板相似的時候，將調(diào)動記憶和模板匹配。

首先導(dǎo)入模板讀取模板的特征數(shù)據(jù)，然后設(shè)定訓(xùn)練的次數(shù)，將輸出的數(shù)據(jù)和輸入的模板讀取的數(shù)據(jù)進(jìn)行匹配計算，求得這一輸出數(shù)據(jù)和模板輸出值之間的平方誤差值。根據(jù)實際情況調(diào)整訓(xùn)練，對訓(xùn)練集中的所有不同的輸入樣本向量重復(fù)進(jìn)行多次，直到誤差值降低到與模板數(shù)據(jù)誤差在接受的范圍以內(nèi)。BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練的流程圖如圖1所示，當(dāng)BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)束后把交通標(biāo)志模板數(shù)據(jù)保存到程序數(shù)據(jù)庫中，當(dāng)進(jìn)行識別程序的時候調(diào)用交通標(biāo)志模板數(shù)據(jù)庫與目標(biāo)進(jìn)行對比、判斷。

圖1 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練流程

2 交通標(biāo)志目標(biāo)檢測

2.1 圖像采集預(yù)處理

采集自然光照下圖像，交通標(biāo)志在采集時受環(huán)境的影響很大，而且交通標(biāo)志有各種各樣的形狀和顏色，為了區(qū)別復(fù)雜的背景區(qū)域和目標(biāo)區(qū)域，提高目標(biāo)識別率需要對原始圖像進(jìn)行預(yù)處理，圖像預(yù)處理方法如圖2所示。

圖2 圖像預(yù)處理流程

首先，把采集的數(shù)字圖像的RGB數(shù)據(jù)模型轉(zhuǎn)化為HSV數(shù)據(jù)模型。雖然我國交通標(biāo)志種類繁多，但是交通標(biāo)志的顏色固定，主要為紅色、黃色、白色和黑色，相比于RGB三原色模型，HSV模型的顏色范圍更好確定，方便目標(biāo)定位。然后，根據(jù)交通標(biāo)志典型顏色設(shè)置圖像二值化閾值轉(zhuǎn)化為二值化圖像，使得交通標(biāo)志從復(fù)雜背景中區(qū)分出來。最后，為了提高目標(biāo)識別精度，對圖像增強處理，創(chuàng)建腐蝕膨脹模板生成3*3維的矩陣，運用開運算[3]連接鄰近像素平滑邊界，減少圖像中的噪聲，防止腐蝕掉特征目標(biāo)。

2.2 特征標(biāo)志定位

對于交通標(biāo)志的定位和提取采用的是基于形態(tài)學(xué)的膨脹操作的提取連通分量的方法。在預(yù)處理后的二值化圖像上，從左邊緣到右邊緣依次從上到下讀取每像素的灰度值，若第一次掃描到的這一行讀取到的灰度值只有一個數(shù)值和交通標(biāo)志的灰度值相同，則認(rèn)為這是交通標(biāo)志的左邊界，這時記下該像素點Xmin，如果所讀取的這一行上的灰度值有兩個或者多個灰度值有著相同的值的時候，則認(rèn)為該行位于交通標(biāo)志范圍之間，此時記下像素縱坐標(biāo)Ymin和Ymax，到掃描結(jié)束進(jìn)行判斷。若掃描到的讀取的灰度值和目標(biāo)交通標(biāo)志的灰度值相同像素點從多點變?yōu)橐稽c時，則認(rèn)為是交通標(biāo)志的右邊界，把每一次讀取到的目標(biāo)灰度值坐標(biāo)信息做記錄，根據(jù)像素坐標(biāo)點，對像素連通區(qū)域在二值化圖像中進(jìn)行裁剪獲得目標(biāo)圖像。

3 識別系統(tǒng)設(shè)計與實現(xiàn)

3.1 人機對話界面設(shè)計

為了方便人機交互，觀察檢驗?zāi)繕?biāo)識別效果，設(shè)計了人機交互操作界面[4]。設(shè)置5個操作按鈕控件，分別用于讀取原始圖像、圖像預(yù)處理、分割標(biāo)志、識別標(biāo)志和退出程序。不僅設(shè)計顯示采集原圖和用靜態(tài)文本框顯示識別結(jié)果，為了方便調(diào)試測試，設(shè)計顯示了預(yù)處理的增強圖像和分割顯示的標(biāo)志。

3.2 目標(biāo)識別系統(tǒng)設(shè)計與實現(xiàn)

采用模板匹配實現(xiàn)目標(biāo)識別，從已加載的交通標(biāo)志的標(biāo)準(zhǔn)模型庫中提取交通標(biāo)志的多個特征分量，并與需要識別的圖像的特征向量進(jìn)行一一比對，同時計算圖像與模板之間的特征向量的距離，用最小的距離和相識度最高的概率來判定所屬類別。模板匹配建立模板庫和匹配過程中都需要花費大量的時間，但是隨著技術(shù)的進(jìn)步，現(xiàn)在開發(fā)出了高速模板匹配法[5]，提高匹配效率。在系統(tǒng)開始的時候首先載入交通標(biāo)志的模板和判斷交通標(biāo)志的類型，因為我國交通標(biāo)志種類繁多，本系統(tǒng)分了警示標(biāo)志、禁令標(biāo)志和指示標(biāo)志三種交通標(biāo)志類別，每一種標(biāo)志的形狀、顏色特征不一樣，在檢測識別和仿真的時候運用不一樣的RGB數(shù)值檢測提取，在系統(tǒng)運行前提前判斷交通標(biāo)志是屬于什么類型。載入車載攝像機拍攝到的道路環(huán)境交通標(biāo)志圖片，然后對圖像進(jìn)行預(yù)處理。由于可能存在誤拍的情況，在進(jìn)行預(yù)處理之后先判斷是否存在交通標(biāo)志，如果沒有交通標(biāo)志彈窗則提示重新輸入圖像，然后分割標(biāo)志并與BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練的模板匹配，最后輸出識別結(jié)果，基于模板匹配的特征標(biāo)志識別流程如圖3所示。

圖3 基于模板匹配的特征標(biāo)志識別

4 實驗測試分析

先應(yīng)用BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練模板，載入模板進(jìn)行訓(xùn)練，本次共訓(xùn)練了三種類型的交通標(biāo)志共計9個模板，訓(xùn)練錯誤個數(shù)為0，訓(xùn)練模板結(jié)果如圖4所示。通過仿真驗證是否能精準(zhǔn)識別交通標(biāo)志，分別為三種類型標(biāo)志創(chuàng)建了三種模板，進(jìn)行對照實驗。本系統(tǒng)適用于各種交通標(biāo)志，如三角形的交通標(biāo)志、圓形的交通標(biāo)志或者方形的交通標(biāo)志，從建立的30種模板中選取質(zhì)量較好的10張圖像作為實驗基礎(chǔ)模板，再進(jìn)行交通標(biāo)志識別。圖5、圖6、圖7分別為禁令標(biāo)志、警示標(biāo)志和指示標(biāo)志識別結(jié)果圖，根據(jù)識別結(jié)果所示，所有的交通標(biāo)志都能夠正常識別，同時語音播報和文字彈窗顯示交通標(biāo)志。

圖4 訓(xùn)練模板

圖5 禁令標(biāo)志識別

圖6 警示標(biāo)志識別

圖7 指示標(biāo)志識別

5 結(jié)束語

本文依據(jù)BP神經(jīng)網(wǎng)絡(luò)建立交通標(biāo)志模板庫，基于機器視覺的數(shù)字圖像處理增強、定位匹配，有效識別路側(cè)交通標(biāo)志，并分別通過人機對話界面顯示和語音播報識別結(jié)果，實驗測試在原始圖像基本清晰且有交通標(biāo)志的情況下，交通標(biāo)志識別率達(dá)到100%。在實際應(yīng)用中，車載攝像頭采集圖像受到環(huán)境因素和運動模糊的影響使交通標(biāo)志難以識別，需要結(jié)合圖像增強技術(shù)和多幀視頻圖像聯(lián)合識別提高識別系統(tǒng)的適應(yīng)性。