[发明专利]一种多特征的分层交通标志识别方法

说明书

技术领域

本发明涉及一种计算机视觉领域中图像识别方法，具体涉及一种多特征的粗精结合的分层交通标志识别方法。

背景技术

交通标志是一种图形与文字相结合的公共标识，用以管理交通、指示行车方向以保证道路畅通与行车安全的设施。交通标志是交通信息的重要载体，可以给司机、行人准确的交通引导，及时准确地识别交通标志信息对于交通安全至关重要。交通标志识别是通过图像采集设备获取外界道路交通图像，然后将获取的图像进行处理和识别分类的过程，它可以及时地向驾驶员做出指示或预警，有利于保持交通通畅和预防交通事故的发生。

我国的公路交通标志分为禁令标志、警告标志、指示标志三类，其中禁令标志40种，警告标志45种，指示标志29种。根据对交通标志图片的归纳可以发现，禁令标志以红色为主色，形状大多为圆形；警告标志以黄色为主色，形状为三角形；指示标志以蓝色为主色，形状大多为矩形。所以根据颜色和形状特征可以快速地实现交通标志三种类别的划分。

交通标志的识别过程包括交通标志的检测，特征提取和分类识别，检测过程可以采用阈值分割、模板匹配等方法，提取的特征多为颜色或形状不变矩，分类方法可以采用神经网络或决策树等，总体来说现阶段交通标志识别方法识别准确率不高，运算时间较长，不满足车载实时性的需求。针对以上问题，本发明设计了由粗到细的多特征的分层分类策略，先采用颜色、形状特征形成第一层粗放的类别判断，再提取方向梯度直方图特征输入到adaboost集成分类器中实现精细的识别。

发明内容

本发明设计了一种多特征的分层交通标志识别方法，其解决了交通标志识别中准确率不高，实时性差的问题。

为了解决上述存在的技术问题，本发明采用了以下方案： 

一种多特征的分层交通标志识别方法，包括以下步骤：步骤1：对检测到的交通标志图像进行                                                的中值滤波，并规整到标准的的待处理图像；步骤2：提取图像的RGB彩色信息，分别计算红色、黄色、蓝色像素数占总像素数的比例，取占最大比例的颜色为此图像的主色；步骤3：对图像进行颜色分割，并进行二值化处理，即红色、黄色、蓝色为白色，其它颜色为黑色，并用形态开闭滤波器去除孤立点；步骤4：对二值图像从左右边缘向中间扫描，当遇到满足交通标志颜色的像素点时即停止，获得标志的若干个外边缘特征点坐标，再结合最小二乘法对这些特征点进行曲线拟合，获得的一组解，(x,y)是边缘点的坐标；步骤5：由判断交通标志的形状特征；步骤6：根据颜色和形状进行第一层快速的标志分类，即若主色是黄色，形状为三角形，为警告标志；若主色是蓝色，形状为矩形或三角形，为指示标志；若主色是红色，形状为圆形，为禁令标志；为满足以上条件者，为禁令标志；步骤7：提取图像的方向梯度直方图（HOG）特征，即将的待处理图像取其亮度分量，划分成的重叠子块，计算每块梯度，将0到180度划分成9个方向计算方向直方图，并经过归一化处理形成维HOG特征；步骤8：对标准的每类交通标志分别采用Adaboost分类器进行T轮训练；步骤9：将图像的HOG特征输入组合分类器，得到最终识别结果。

进一步，步骤5中由判断交通标志的形状特征，判断方法如下：步骤51、如果，判定标志为圆形，否者转步骤52；步骤52、如果，判定标志为矩形，否者转步骤53；步骤53、判定标志为三角形。

进一步，步骤8中设定训练样本为，为样本HOG特征，为样本对应地类别标记，为训练样本数，初始权值分布为，训练过程如下：81、从训练样本集中生成本轮的训练样本子集；82、调用基分类学习算法，基于训练样本子集生成本轮基分类器；83、计算错误分类率；84、若，放弃本轮训练子集和基分类器，转1重新开始；85、若，计算基分类权值；86、更新权值分布并标准化；经过T轮训练生成组合分类器。

该多特征的分层交通标志识别方法具有以下有益效果：

（1）本发明由于采用颜色、形状、方向梯度直方图多个特征提高了交通标志识别的准确性。

（2）本发明由于采用粗精结合的分层检测方法提高了交通标志识别的实时性。

附图说明

图1：本发明多特征的分层交通标志识别方法的流程图。

具体实施方式

下面结合图1，对本发明做进一步说明：

图1给出了本发明所述的多特征的分层交通标志识别方法的流程图，其分为识别和训练两个部分，训练部分主要步骤如下：

（1） 将标准的交通标志图像分成禁令标志、警告标志、指示标志三类。