基于人工智能計(jì)算機(jī)視覺算法的道路標(biāo)志牌檢測(cè)方法及裝置研究

胡景邦，王少?gòu)?/p>

（惠州市博實(shí)結(jié)科技有限公司，廣東 惠州 516000）

實(shí)現(xiàn)對(duì)道路標(biāo)志牌的快速、準(zhǔn)確的檢測(cè)和識(shí)別成為現(xiàn)代交通技術(shù)研究的一個(gè)重要課題。為了解決現(xiàn)有技術(shù)存在的問題，本研究提出了一種基于人工智能計(jì)算機(jī)視覺算法的道路標(biāo)志牌檢測(cè)方法及裝置。該方法通過車載終端配備間歇性光源和攝像頭，利用幀差計(jì)算、圖像有效區(qū)域確定、圖像目標(biāo)分割和目標(biāo)識(shí)別等關(guān)鍵步驟，實(shí)現(xiàn)了對(duì)道路標(biāo)志牌的高效檢測(cè)和識(shí)別。與傳統(tǒng)方法相比，本方法兼具高準(zhǔn)確性和實(shí)時(shí)性，同時(shí)優(yōu)化了計(jì)算效率，能夠在嵌入式車載終端設(shè)備上實(shí)時(shí)運(yùn)行。

1 研究背景

傳統(tǒng)的道路標(biāo)志牌檢測(cè)方法主要依賴于高精度地圖或者V2X 技術(shù)，但這些方法存在一些限制。高精度地圖需要事先收集并維護(hù)龐大的數(shù)據(jù)，不僅成本高昂，而且難以適應(yīng)道路環(huán)境的快速變化。而V2X 技術(shù)雖然可以實(shí)時(shí)獲取道路信息，但對(duì)于部分無網(wǎng)絡(luò)覆蓋或網(wǎng)絡(luò)信號(hào)不穩(wěn)定的情況下，其可靠性和實(shí)時(shí)性存在一定風(fēng)險(xiǎn)。

目前現(xiàn)有的道路標(biāo)志牌檢測(cè)技術(shù)主要可以分為兩類：基于圖像處理與傳統(tǒng)機(jī)器學(xué)習(xí)的方法以及基于深度學(xué)習(xí)的方法。傳統(tǒng)的圖像處理與機(jī)器學(xué)習(xí)方法對(duì)圖像進(jìn)行預(yù)處理和特征提取，然后采用分類器進(jìn)行標(biāo)志牌的識(shí)別。

然而，這類方法往往需要手動(dòng)設(shè)計(jì)特征，且在復(fù)雜道路環(huán)境下，特征的提取和分類器的訓(xùn)練面臨挑戰(zhàn)，導(dǎo)致識(shí)別準(zhǔn)確率不高，且對(duì)圖像的實(shí)時(shí)處理能力有限。

另一類基于深度學(xué)習(xí)的方法，如YOLO 和SSD 等，通過神經(jīng)網(wǎng)絡(luò)自動(dòng)學(xué)習(xí)特征并實(shí)現(xiàn)目標(biāo)檢測(cè)。這類方法的準(zhǔn)確性相對(duì)較高，但同時(shí)也帶來了計(jì)算量大、運(yùn)算速度慢等問題。在車載終端等資源有限的設(shè)備上，深度學(xué)習(xí)模型的實(shí)時(shí)性難以得到保證[1]。

2 研究方法與步驟

2.1 設(shè)備配置

在本研究中，致力于開發(fā)一種高效的道路標(biāo)志牌檢測(cè)方法及裝置，以滿足自動(dòng)駕駛技術(shù)的需求，提升交通安全水平，并為智能交通系統(tǒng)的應(yīng)用做出貢獻(xiàn)。為了實(shí)現(xiàn)這一目標(biāo)，在車載終端上進(jìn)行了精心的設(shè)備配置，包括間歇性光源和攝像頭的配置，具體步驟見圖1。

圖1 道路標(biāo)志牌檢測(cè)方法

首先，在車載終端上配備了間歇性光源。這些光源被巧妙地設(shè)置在車載終端的兩側(cè)，確保其與攝像頭對(duì)準(zhǔn)道路兩邊。這樣的布置使得攝像頭能夠在不同角度和位置捕捉到道路標(biāo)志牌的圖像。間歇性光源在預(yù)定的時(shí)間間隔內(nèi)工作，交替地開啟和關(guān)閉。光源開啟時(shí)，能夠產(chǎn)生針對(duì)道路標(biāo)志牌的照明效果，為圖像采集提供更好的條件。

其次，還配備了高質(zhì)量的攝像頭。這些攝像頭能夠在車輛行駛過程中，準(zhǔn)確地采集間歇周期內(nèi)明暗交替的多張道路標(biāo)志牌圖像。由于道路標(biāo)志牌在不同時(shí)間段內(nèi)會(huì)出現(xiàn)明暗交替的特點(diǎn)，攝像頭的高性能確保獲取到豐富多樣的圖像數(shù)據(jù)，為后續(xù)的目標(biāo)識(shí)別提供強(qiáng)有力的基礎(chǔ)[2]。

2.2 圖像采集

在研究中，攝像頭是道路標(biāo)志牌檢測(cè)的重要組成部分。為了獲取豐富多樣的道路標(biāo)志牌圖像數(shù)據(jù)，設(shè)置了攝像頭在預(yù)先設(shè)定的間歇周期內(nèi)進(jìn)行圖像采集。這樣的設(shè)置有助于捕捉不同時(shí)間段內(nèi)道路標(biāo)志牌的明暗交替特性，從而增加圖像數(shù)據(jù)的多樣性，提高檢測(cè)的準(zhǔn)確性和魯棒性[3]。

在間歇周期內(nèi)，攝像頭以固定的時(shí)間間隔連續(xù)地拍攝多張圖像。這些圖像涵蓋了不同時(shí)間點(diǎn)的道路標(biāo)志牌，因而呈現(xiàn)出明暗交替的變化。這種明暗交替特性在實(shí)際道路條件下普遍存在，例如在白天和夜晚，或者在不同路段的照明情況下，道路標(biāo)志牌的亮度會(huì)有所不同。通過采集這樣多樣化的圖像數(shù)據(jù)，能夠更好地模擬實(shí)際道路環(huán)境，提高算法對(duì)各種情況下的適應(yīng)性。

為了確保圖像采集的準(zhǔn)確性和穩(wěn)定性，對(duì)攝像頭進(jìn)行了精心選擇和優(yōu)化，以滿足道路標(biāo)志牌檢測(cè)的要求。攝像頭的高質(zhì)量性能能夠確保圖像的清晰度和色彩還原度，為后續(xù)的圖像處理和目標(biāo)識(shí)別提供可靠的數(shù)據(jù)支持。

通過攝像頭采集間歇周期內(nèi)明暗交替的多張道路標(biāo)志牌圖像，能夠獲得高質(zhì)量的圖像數(shù)據(jù)集，為道路標(biāo)志牌檢測(cè)算法的訓(xùn)練和優(yōu)化提供了堅(jiān)實(shí)的基礎(chǔ)。這一步驟的精心設(shè)計(jì)和執(zhí)行為研究奠定了良好的數(shù)據(jù)基礎(chǔ)，使得能夠更加準(zhǔn)確地進(jìn)行圖像處理和目標(biāo)識(shí)別，進(jìn)一步推進(jìn)道路交通安全技術(shù)的發(fā)展。

2.3 幀差計(jì)算

幀差計(jì)算是道路標(biāo)志牌檢測(cè)方法中的重要步驟之一。通過對(duì)相鄰時(shí)刻攝像頭采集的圖像進(jìn)行處理，可以得到相鄰圖像之間的差異，從而確定道路標(biāo)志牌的位置。

在幀差計(jì)算過程中，首先選擇兩個(gè)相鄰時(shí)刻的圖像，分別記為I(t)和I(t-T)，其中t 代表當(dāng)前時(shí)刻，T 表示時(shí)間間隔。接著，將這兩個(gè)圖像進(jìn)行相減操作，得到幀差圖像Idiff(t)。幀差圖像反映了相鄰圖像之間的變化情況，其中的像素值表示相應(yīng)位置上的亮度差異。

通過幀差圖像，可以迅速捕捉到發(fā)生變化的區(qū)域，即道路標(biāo)志牌所在的位置。當(dāng)攝像頭采集到圖像時(shí)，如果道路標(biāo)志牌出現(xiàn)或消失，其圖像會(huì)出現(xiàn)明顯的變化，這種變化會(huì)在幀差圖像中呈現(xiàn)出明顯的高亮度或低亮度的像素。因此，幀差計(jì)算能夠幫助快速定位道路標(biāo)志牌的位置，減少不必要的圖像處理和計(jì)算，提高檢測(cè)效率。

在幀差計(jì)算過程中，還可以根據(jù)實(shí)際情況設(shè)定閾值，對(duì)幀差圖像進(jìn)行二值化處理，進(jìn)一步突出道路標(biāo)志牌的位置。通過適當(dāng)?shù)卣{(diào)整閾值，能夠過濾掉圖像中的噪聲和干擾，使得目標(biāo)標(biāo)志牌在圖像中更加明顯和突出，便于后續(xù)的目標(biāo)分割和識(shí)別過程[4]。

2.4 圖像有效區(qū)域確定

在道路標(biāo)志牌檢測(cè)方法中，圖像的有效區(qū)域確定是為了進(jìn)一步優(yōu)化檢測(cè)過程，聚焦在可能存在標(biāo)志牌的區(qū)域，減少不必要的計(jì)算，從而提高檢測(cè)效率和準(zhǔn)確性。為此，采用了圖像掩碼技術(shù)，通過選定合適的閾值，將圖像中不感興趣的區(qū)域標(biāo)記為掩碼“0”，而將可能存在標(biāo)志牌的區(qū)域標(biāo)記為掩碼“1”。

首先，設(shè)定閾值th0，該閾值的選擇可以根據(jù)實(shí)際情況和需求進(jìn)行調(diào)整。然后，根據(jù)閾值th0 對(duì)幀差圖像進(jìn)行二值化處理，得到二值化圖像。在二值化圖像中，像素值為1 代表可能存在標(biāo)志牌的區(qū)域，而像素值為0則代表其他不感興趣的區(qū)域。

其次，將二值化圖像與原始圖像進(jìn)行按位與運(yùn)算，得到圖像的掩碼區(qū)域。通過這個(gè)掩碼區(qū)域，可以快速確定圖像的有效區(qū)域，即可能存在標(biāo)志牌的區(qū)域。這樣一來，在后續(xù)的圖像處理和目標(biāo)識(shí)別過程中，可以將注意力集中在圖像的有效區(qū)域上，避免對(duì)整個(gè)圖像進(jìn)行處理，從而減少了不必要的計(jì)算開銷，提高了檢測(cè)效率。

圖像有效區(qū)域確定的過程是基于幀差計(jì)算的結(jié)果，因?yàn)閹顖D像中聚集了圖像發(fā)生明顯變化的區(qū)域，而這些區(qū)域往往是可能存在道路標(biāo)志牌的區(qū)域。通過合理地設(shè)置閾值和利用掩碼技術(shù)，能夠精確地定位到這些區(qū)域，并將其作為圖像的有效區(qū)域，為接下來的目標(biāo)分割和識(shí)別提供更加精準(zhǔn)的輸入。

2.5 圖像目標(biāo)分割

1.將圖像根據(jù)掩碼“1”分割成若干待識(shí)別目標(biāo)的子圖像。

2.根據(jù)目標(biāo)尺寸進(jìn)行過濾，刪除過大及過小的目標(biāo)。

通過圖像目標(biāo)分割，將攝像頭采集的圖像根據(jù)掩碼“1”分割成多個(gè)待識(shí)別的目標(biāo)子圖像。然后，根據(jù)目標(biāo)的尺寸進(jìn)行過濾，刪除過大和過小的目標(biāo)，以保留可能是道路標(biāo)志牌的候選目標(biāo)。

2.6 圖像目標(biāo)識(shí)別

1.采集樣本：從攝像頭采集的圖像中裁剪得到各種類型的道路標(biāo)志牌。

2.標(biāo)注樣本：標(biāo)注出不同道路標(biāo)志牌的類別。

3.訓(xùn)練樣本：選擇合適的深度學(xué)習(xí)模型，通過一系列卷積、池化、激活函數(shù)、歸一化、分類運(yùn)算訓(xùn)練得到深度學(xué)習(xí)模型。

4.用訓(xùn)練好的深度學(xué)習(xí)模型對(duì)子圖像進(jìn)行識(shí)別，得到道路標(biāo)志牌的分類。

在圖像目標(biāo)識(shí)別階段，采集樣本并裁剪出不同類型的道路標(biāo)志牌圖像，然后標(biāo)注出標(biāo)志牌的類別。接著，選擇合適的深度學(xué)習(xí)模型，進(jìn)行訓(xùn)練，訓(xùn)練好的模型能夠?qū)ψ訄D像進(jìn)行識(shí)別，得到道路標(biāo)志牌的分類結(jié)果。

通過以上研究方法與步驟，能夠有效地實(shí)現(xiàn)基于人工智能計(jì)算機(jī)視覺算法的道路標(biāo)志牌檢測(cè)方法及裝置。這將為道路交通安全提供有力的技術(shù)支持，為自動(dòng)駕駛技術(shù)的發(fā)展和智能交通系統(tǒng)的應(yīng)用奠定基礎(chǔ)。

3 實(shí)驗(yàn)驗(yàn)證與結(jié)果

3.1 實(shí)驗(yàn)設(shè)置

為了驗(yàn)證道路標(biāo)志牌檢測(cè)方法的有效性和性能優(yōu)勢(shì)，進(jìn)行了一系列實(shí)驗(yàn)，并在不同場(chǎng)景下采集了道路標(biāo)志牌圖像數(shù)據(jù)。以下是實(shí)驗(yàn)的主要設(shè)置：

1.實(shí)驗(yàn)設(shè)備：使用了配備間歇性光源和攝像頭的車載終端設(shè)備進(jìn)行圖像采集和處理。

2.實(shí)驗(yàn)數(shù)據(jù)采集：在現(xiàn)實(shí)道路場(chǎng)景中，通過車載終端設(shè)備采集了多組道路標(biāo)志牌圖像，包括不同類型的道路標(biāo)志和不同環(huán)境條件下的圖像。這些圖像包含了晝間和夜間、不同天氣條件（如晴天、雨天）下的道路標(biāo)志牌，以模擬實(shí)際應(yīng)用場(chǎng)景的多樣性。

3.實(shí)驗(yàn)方法：按照之前描述的步驟對(duì)采集到的圖像數(shù)據(jù)進(jìn)行處理，包括圖像采集、幀差計(jì)算、圖像有效區(qū)域確定、圖像目標(biāo)分割和目標(biāo)識(shí)別等。

3.2 實(shí)驗(yàn)數(shù)據(jù)分析與結(jié)果展示

經(jīng)過實(shí)驗(yàn)驗(yàn)證，得出了以下結(jié)果：

1.準(zhǔn)確性和實(shí)時(shí)性：通過與現(xiàn)有道路標(biāo)志牌檢測(cè)技術(shù)進(jìn)行對(duì)比，方法在道路標(biāo)志牌的準(zhǔn)確性方面表現(xiàn)出色。同時(shí)，由于優(yōu)化了計(jì)算效率，方法在嵌入式車載終端設(shè)備上能夠?qū)崟r(shí)運(yùn)行，滿足實(shí)際應(yīng)用的要求。

2.復(fù)雜場(chǎng)景適應(yīng)性：在復(fù)雜的道路環(huán)境中，例如在夜間或雨天等惡劣條件下，道路標(biāo)志牌檢測(cè)方法仍然能夠穩(wěn)定運(yùn)行并保持較高的準(zhǔn)確性。

3.多類標(biāo)志牌檢測(cè)：方法可以有效地檢測(cè)多種類型的道路標(biāo)志牌，包括限速標(biāo)志、禁止標(biāo)志、警告標(biāo)志等，表現(xiàn)出良好的通用性。

4.圖像處理效率：通過圖像有效區(qū)域的確定，成功減少了不必要的計(jì)算開銷，提高了圖像處理的效率，使得整個(gè)道路標(biāo)志牌檢測(cè)過程更加快速和精確。

5.實(shí)驗(yàn)數(shù)據(jù)展示：將在實(shí)驗(yàn)報(bào)告中展示實(shí)驗(yàn)結(jié)果的定量和定性分析，包括圖像處理前后的效果對(duì)比、檢測(cè)準(zhǔn)確率和召回率等評(píng)估指標(biāo)的統(tǒng)計(jì)結(jié)果。

4 結(jié)語

總體而言，實(shí)驗(yàn)驗(yàn)證結(jié)果表明，基于人工智能計(jì)算機(jī)視覺算法的道路標(biāo)志牌檢測(cè)方法在各種場(chǎng)景下都表現(xiàn)出了有效性和性能優(yōu)勢(shì)，為道路交通安全和自動(dòng)駕駛技術(shù)的發(fā)展提供了可靠的支持。這些結(jié)果將為進(jìn)一步推進(jìn)道路標(biāo)志牌檢測(cè)技術(shù)的發(fā)展和應(yīng)用奠定基礎(chǔ)，并在實(shí)際交通應(yīng)用中發(fā)揮重要作用。