[发明专利]一种交通标志智能识别方法及系统

权利要求书

1.一种交通标志智能识别方法，其特征在于，包括：

对采集到的图像进行降噪预处理，得到预处理图像；

对预处理图像进行交通标志的检测及分割，得到交通标志图像的待识别图像；

对所述待识别图像进行识别。

2.根据权利要求1所述的交通标志智能识别方法，其特征在于，

所述对采集到的图像进行降噪预处理包括：

使用双线性插值的方法对采集到的图像进行尺寸缩小；

使用直方图均衡化的方法将缩小后的图像进行增量；

使用中值滤波的方法将增量后的图像进行降噪处理，得到预处理图像。

3.根据权利要求1所述的交通标志智能识别方法，其特征在于，

所述对预处理图像进行交通标志的检测及分割，得到交通标志图像的待识别图像包括：

将预处理图像从RGB色彩模型转换为HSV模型表示；

使用HSV模型对预处理图像的颜色特征进行检测并进行阈值分割，得到具有连通域的颜色阈值分割图；

获取所述颜色阈值分割图上各连通域的角点；

根据所述角点确定各连通域是否为交通标志的形状，若是，将该连通域保留在颜色阈值分割图上，若否，将该连通域从颜色阈值分割图上去除；

从颜色阈值分割图上的连通域找出交通标志图像的连通域；

将连通域包含的交通标志图像从预处理图像上图像分割并处理，得到交通标志图像的待识别图像。

4.根据权利要求3所述的交通标志智能识别方法，其特征在于，

所述将预处理图像从RGB色彩模型转换为HSV模型表示包括：

将RGB的三个分量R、G、B归一化到[0，1]的范围内，并将HSV的三个分量H、S、V的取值范围定义为H[0,360)，S[0，1]，V[0，1]；

RGB色彩模型与HSV模型的转换关系为：

V＝max(R,G,B)

S＝(max(R,G,B)-min(R,G,B))/max(R,G,B)

若R＝max(R,G,B),则

H′＝(G-B)/(max(R,G,B)-min(R,G,B))

若G＝max(R,G,B),则

H′＝2+(B-R)/(max(R,G,B)-in(R,G,B))

若B＝max(R,G,B)，则

H′＝4+(R-G)/(max(R,G,B)-min(R,G,B))

其中，当H′≥0时，H＝H'×60；当H'0时，H＝H'×60+360。

5.根据权利要求4所述的交通标志智能识别方法，其特征在于，

所述从颜色阈值分割图上的连通域找出交通标志图像的连通域包括：

将各连通域按面积大小降序排列；

若当前连通域的面积大于前一个连通域面积的50％，则将当前连通域作为一个交通标志图像的连通域；

若当前连通域的面积小于前一个连通域面积的50％，则将当前连通域及其后的连通域作为非交通标志图像的连通域。

6.根据权利要求5所述的交通标志智能识别方法，其特征在于，

所述将连通域包含的交通标志图像从预处理图像上图像分割并处理，得到交通标志图像的待识别图像包括：

使用最小包围矩形的方式，在预处理图像上分割出交通标志图像；

将交通标志图像进行二值化、反色及尺寸归一化处理，得到用于进行交通标志识别的待识别图像。

7.根据权利要求1所述的交通标志智能识别方法，其特征在于，

所述对所述待识别图像进行识别包括：

提取标准图像及待识别图像的水平方向、垂直方向、45°方向及135°的四个方向灰度分布，所述标准图像为标准库中的标准交通标志图像；

计算标准图像及待识别图像四个方向上的perason相关系数；

计算四个方向的每个方向上标准图像及待识别图像perason相关系数的平均值；

将所述平均值的最大值与预先设置的平均值阈值对比，若所述平均值的最大值大于所述平均阈值，则将所述待识别图像与所述标准图像相匹配，并将标准图像作为识别结果。