[发明专利]一种适用于车载视觉系统的交通标志检测识别方法

权利要求书

1.一种适用于车载视觉系统的交通标志检测识别方法，其特征在于，包括以下步骤：

步骤S1、将车载视觉系统采集的包含交通标志的图像，依据交通标志的具体类别，制作训练样本集，训练支持向量机分类器，获取训练模型与参数，形成多颜色模型库；

步骤S2、对输入的图像进行有效图像区域截取，依据交通标志图像的颜色分布，获得截取区域的红色、黄色和蓝色二值图；依据截取区域的相邻灰度面积变化程度，获得反映待处理区域的灰度二值图；将红色、黄色和蓝色二值图与灰度二值图点乘，得到待处理区域的红色、黄色和蓝色二值图；

步骤S3、提取待处理区域的红色、黄色和蓝色的HOG特征，分别输入训练好的支持向量机分类器，合成在不同颜色条件下的交通标志检测识别结果，并将目标图示在图像中进行显示；

所述反映待处理区域的灰度二值图获得方法包括：

1)将截取区域转化为灰度图，并根据交通标志图像的灰度特点选取灰度值范围，判断灰度图中像素点的灰度值是否满足灰度值范围，是，则灰度值取截取区域中对应像素点蓝色分量和红色分量中的最大值，否，则灰度值取0，构建中间图像；

2)由小到大遍历所述中间图像的灰度值，根据公式：计算相邻灰度值连通区域间的变化程度，其中，i表示当前的灰度阈值，Δ表示微小的阈值变化，Q_i+Δ、Q_i-Δ和Q_i表示对应灰度阈值下的区域面积；

若变化程度小于ω，则认为当前灰度阈值下的区域为待处理区域，将待处理区域的像素值置1；否则，将其余像素值置0；形成反映待处理区域的灰度二值图，所述ω依据交通标志图像的灰度特点设定。

2.根据权利要求1所述的交通标志检测识别方法，其特征在于，步骤S1包括以下子步骤：

步骤S101、将车载视觉系统采集的包含交通标志的图像，依据交通标志的具体类别，制作成训练样本集；

步骤S102、基于图像的梯度和方向信息，分别提取红色、黄色和蓝色样本集下的HOG特征；

步骤S103、将样本HOG特征和样本的类别标签送入支持向量机分类器中进行训练，得到交通标志的多颜色模型库。

3.根据权利要求2所述的交通标志检测识别方法，其特征在于，所述训练样本集的制作包括：

1)将图像中包含交通标志的最小矩形图像区域截取出来，按照交通标志的类别分为禁令标志样本、警告标志样本和指示标志样本，再添加相应样本的类别标签后，形成禁令标志样本集、警告标志样本集和指示标志样本集，以此作为正样本图像数据，其中禁令标志的主色为红色，警告标志的主色为黄色，指示标志的主色为蓝色；

2)截取背景区域中与正样本颜色相似的背景样本，并添加类别标签，形成负样本集；

3)分别将不同颜色的正样本集和负样本集结合起来，形成红色、黄色和蓝色训练样本集；所述红色样本集包括禁令标志样本及其类别标签，与禁令标志样本颜色相似的背景样本及其类别标签；黄色样本集包括警告标志样本及其类别标签，与警告标志样本颜色相似的背景样本及其类别标签；蓝色样本集包括指示标志样本及其类别标签，与指示标志样本颜色相似的背景样本及其类别标签。

4.根据权利要求2所述的交通标志检测识别方法，其特征在于，所述HOG特征提取方法包括：

1)获取大小为m*n样本图像区域每个像素点I(x,y)的梯度信息，包括梯度值和梯度方向角度，计算公式为：

其中，G(x,y)表示像素点(x,y)的梯度值，θ(x,y)表示像素点(x,y)的梯度方向角度；

2)将样本图像区域划分为p*q个单元，在每个单元范围内将所有的梯度方向角度划分为k个角度范围，获取每个角度范围下的梯度累加值，得到梯度方向的直方图H；

3)将相邻的2*2个单元作为1个块，根据公式进行直方图归一化，获取每个块的特征向量，其中，k为角度范围的数目，H(t)为第t个角度范围下的直方图，h(t)表示第t个角度范围下的归一化值；每个块的特征向量维度为2*2*k；

4)将所有块的特征向量组合在一起，形成该样本图像区域的HOG特征。

5.根据权利要求2所述的交通标志检测识别方法，其特征在于，所述分类器的训练采用libsvm工具箱实现。