[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

说明书

本发明涉及一种适用于车载视觉系统的交通标志检测识别方法，包括制作训练样本集，训练支持向量机分类器，形成多颜色模型库；对输入的图像进行有效图像区域截取，获得待处理区域的红色、黄色和蓝色二值图；提取待处理区域的红色、黄色和蓝色的HOG特征，分别代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，并参照标准交通标志库将目标图示在图像中显示出来。本发明有效减小了图像的运行时间；结合目标的颜色分布特征和图像相邻灰度连通区域变化程度，获取感兴趣目标区域，能够复杂环境下去除大部分的背景干扰；参照标准交通标志库，将交通标志的结果图示显示在图像中，便于查看大图像小目标的处理效果。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种适用于车载视觉系统的交通标志检测识别方法。

背景技术

作为智能交通系统的重要组成部分，交通标志检测识别系统已经成为交通领域的研究热点，受到了越来越多的关注。交通标志是架设在车道上方或道路两旁的标识，其目的是为了警示前方道路状况的改变或限制某些驾驶行为以保证道路车辆或行人的安全。交通标志识别系统一般是通过安装在交通工具上的摄像机摄取户外自然场景中交通标志图像，输入计算机进行处理完成的。有效地检测与识别交通标志将有助于提高车辆在自动驾驶或辅助驾驶功能的安全性和指示性，为人们的日常行车提供帮助。

在交通标志检测与识别领域国内外学者们做了大量的研究。专利文献“基于边缘颜色对和特征筛选器的交通标志检测方法”采用边缘检测的方法获取交通标志的大致位置，并根据面积特征和对称特征进一步设计筛选交通标志。这种方法充分利用了目标的形状知识和先验信息，能够检测出简单场景下的交通标志，但当在背景干扰较多时算法的适应性较弱。专利文献“基于形状特征不变子空间的交通标志识别方法”利用交通标志的二值图像，将主成分分析方法和线性判别分析方法相结合，通过最小距离分类法实现交通标志的识别。该方法仅利用目标的形状特征，摒弃了交通标志的颜色信息，难以排除形状相似干扰物的影响。

发明内容

鉴于上述的分析，本发明旨在提供一种适用于车载视觉系统的交通标志检测识别方法，对车载视觉系统应用环境，排除形状相似干扰物的影响，提升了交通标志检测识别性能，减少了检测识别的时间。

本发明的目的主要是通过以下技术方案实现的：

一种适用于车载视觉系统的交通标志检测识别方法，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。

进一步地，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。

进一步地，所述训练样本集的制作包括：