[发明专利]车辆行驶过程中对路标、路牌进行识别的系统

摘要

本发明公开了一种车辆行驶过程中对路标、路牌进行识别的系统，包括以下步骤：图像预处理、图像分割、形状检测与判断、特征提取与识别。该系统能够及时将路标、路牌反馈到驾驶人员视线中，使得驾驶人员能够及时地做出判断来改变车辆状态，防止有超速或者其他违章以及错过路口的情况发生，更加安全。

主权项

车辆行驶过程中对路标、路牌进行识别的系统，其特征在于，包括以下步骤：(1)图像预处理：改善图像质量的处理称为图像预处理，主要是对图像进行适当的变换突出某些有用的信息，去除或削弱无用的信息，使图像的对比度得到增强，交通标志图像预处理过程是交通标志识别系统重要的组成部分，是进行交通标志正确识别的前提，交通标志图像受天气、光照、周围环境的影响具有复杂的背景并参杂各种噪声，为了更有利后续的图像分割和图像识别，对交通标志进行图像增强是必要的，图像增强的方法分为两大类：空间域方法和频域方法；(2)图像分割：为了辨识和分析目标，需要将这些有关的区域分离出来，在此基础上对目标进行进一步的利用，图像分割就是把图像分成各具特性的区域并提取感兴趣区域的过程，目标是单个区域或多个区域，图像分割是图像分析的关键步骤，因为图像的分割、目标提取、特征提取、和参数测量将原始图像转化为更抽象更紧凑的形式，使得高层的分析和理解实现，对于某种颜色的像素点，即便是受到光线的影响，其B，R，G，的比值能够保持在一定的范围内，而且比值关系有多种组合形式，对RGB空间中扫描的每一个像素计算其色调H和饱和度S的值，设定不同颜色对应的H，S的阈值，满足某一阈值大小就将其归为某种颜色，对于红色、黄色、蓝色，直接分割法采用的阈值为：红色：(h≥0θh≤30)||(h≥330θh≤360)θs≥0.3黄色：(h≥210θh≤270)θs≥0.3蓝色：(h≥30θh≤90)θs≥0.8基于不同的颜色空间交通标志的红蓝黄设置阈值，因为路标处于复杂的自然景物下，某些灌木、树木与路标的颜色接近，所以经过上述去S彩色空间粗分割后，还不能将路标提取出来，因此，还必须进一步利用路标的表面纹理相对平坦的特点，将其他表面纹理较粗糙的自然景物过滤掉；(3)形状检测与判断：形状的表达和描述要基于形状的特征，形状特征的提取既可以基于区域本身，也可以基于区域的边界，最重要的形状特征就是几何特征，对于规则的形状最直观的特征就是图形的角点或顶点，边和两边所成的角度，对特定形状的分类就可以根据上述特征，经过分割后的图像得到了交通标志的红色，黄色，蓝色区域，其他的重要区域并没得到，由标记的目标区域的外轮廓，利用种子填充法能够在原图上将每一个区域设置为ROI区域，即该ROI区域全部为白色像素点，其他的区域全部为黑色像素点，然后以该ROI区域的最小外接矩在源图像上提取该目标，每个连通域的外轮廓都可以找到其一个最小形状轮廓，根据不同形状轮廓在外接矩中八个方向点的分布特征可以较好的区分出形状，在每个目标区域中设定八个检测点，分别命名为R1‑R8，每个检测点的值都被初始化为0，八个监测点中当0值像素点的个数大于一定的阈值T，就将相应的此点置为0，否则置为1，八个方向点都检测完成后，根据所有检测点的值的组合即判断目标区域的形状，由于提取的候选目标大小不一，即便是对同一形状的目标其判断阈值也不相同，在应用上述方法时，首先要将提取的候选目标的尺寸归一化，八个检测方向点的矩形区域大小为8x8的矩形区域，对于每个方向点，Ri置1置0的阈值T＝45，八个方向监测点在归一化的图像上的位置为：rect1＝(0,0)rect2＝(0,21)rect3＝(0,42)rect4＝(21,42)rect5＝(42,42)rect6＝(42,21)rect7＝(42,0)rect8＝(21,0)；(4)特征提取与识别：基于交通标志图像进行目标检测和识别时，由于交通标志图像的维数相当高，直接在原始图像上进行处理,将加大算法的复杂度，抽取有效的鉴别特征是解决问题的关键，实际中交通标志特征选择和抽取往往结合使用，交通标志图像特征提取的基本思想是将原始样本映射或变换到某一低维特征空间，得到最能反映样本本质的低维样本特征，这样能有效的减少样本的存储量，提高处理速度，实现自动检测和识别。