[发明专利]一种车载图像的实时交通限速标志识别方法

说明书

本发明公开了一种车载图像的实时交通限速标志识别方法。从车载图像传感器获取图像，基于所述获取图像生成多层金字塔图像；计算所述多层金字塔图像的梯度方向，生成多层梯度方向图；根据Co‑HOG特征和SVM算法构建分别形成圆形检测器、交通限速标志识别器和交通限速标志验证器；在车辆前部安装图像传感器，将图像传感器采集获得的实时图像用圆形检测器、交通限速标志识别器和交通限速标志验证器共同进行处理获得图像中交通限速标志的识别结果。本发明在保证准确率的同时具有较高的实时性，能够部署在前置摄像头系统内，结合车辆信息，为驾驶员提供必要的警示信息，减少交通事故的发生。

技术领域

本发明涉及智能驾驶技术领域的一种车载图像的实时交通限速标志识别方法，尤其涉及一种车载图像的实时交通限速标志识别方法。

背景技术

近年来，随着城市化的不断发展和汽车的普及，道路交通安全问题日益突出。高级驾驶辅助系统(Advanced Driving Assistant System，ADAS)是解决当前道路交通安全问题的重要措施之一，交通限速识别是ADAS中一个重要的功能，正逐渐成为车辆的一种标准配置。交通限速标志识别主要是通过车载摄像头获取图像，对图像进行视觉算法处理，识别交通限速标志。

基于深度学习的限速标志识别，计算量比较大，硬件成本较高，功耗大，尚未大面积普及。基于传统机器视觉的交通限速标志识别存在三大问题：

一是限速种类从限速10到限速120，有十几类，如何基于有限的硬件资源，设计算法流程，满足识别的实时性要求(一般在100ms以内)；

二是限速标志易与限重标志混淆，如何有效加以区分，降低误检；

三是HOG特征和Haar-like特征维度较低，分类效果较弱。

发明内容

为了解决上述问题，本发明提供了基于Co-HOG特征和SVM算法构成的三级检测，降低整体计算量和降低误检，提升了分类效果，提高了检测准确性。

本发明包括检测、识别和验证三个阶段，采用的技术方案是：

从车载图像传感器获取图像，基于所述获取图像生成多层金字塔图像；

计算所述多层金字塔图像的梯度方向，生成多层梯度方向图；

根据Co-HOG特征和SVM算法构建形成圆形检测器，用于检测所述多层梯度方向图中的圆形目标物；

根据Co-HOG特征和SVM算法形成交通限速标志识别器，交通限速标志识别器主要由多个不同限速速度下的子识别器构成，如图2所示；

交通限速标志识别器的不同限速速度分别为10、20、30、40、50、60、70、80、90、100、110、120。

根据Co-HOG特征和SVM算法形成交通限速标志验证器，交通限速标志验证器主要由多个不同限速速度下的子验证器构成，如图3所示；

交通限速标志验证器的不同限速速度分别为10、20、30。

个别子识别器与子验证器有一一对应关系，如限速10的识别器与限速10的验证器是对应的，限速20的识别器与限速20的验证器是对应的，限速30的识别器与限速30的验证器是对应的。子验证器针对交通限重标志的排除，交通限重标志的数字并无交通限速标志的数字范围广，因此有些交通限速标志没有和交通限重标志重叠的数字，即个别子识别器则没有相应的子验证器，如限速100识别器、限速110识别器及限速120识别器等。

在车辆前部安装图像传感器，将图像传感器采集获得的实时图像用圆形检测器、交通限速标志识别器和交通限速标志验证器共同进行处理获得图像中交通限速标志的识别结果。