基于图像处理的道路交通标志检测与识别方法

基于图像处理的道路交通标志检测与识别方法

陈燕华

广州市公路实业发展公司广东广州510000

摘要：随着社会的发展，汽车的普及，现有的道路通过能力已经很难满足交通量快速增长的需要，因此导致了交通拥堵、事故频发等一系列问题。在这一背景下，智能交通（ITS）应运而生。ITS是一个集通信，控制，检测和计算机等技术为一体的综合信息管理系统，而数字图像处理则是ITS系统中一个重要的组成部分。本文主要介绍了如何利用交通标志牌其颜色的特征，将其从自然环境图片中分离并且识别的过程。可以识别出缩放，偏斜等形式的交通标志牌。

关键词：图像处理；道路交通；标志检测；识别方法

1交通标志牌分类

我国的交通标志牌按功能类型区分可以分为主标志牌和辅助标志牌。

主标志牌又分为警告标志牌，禁令标志牌，指示标志牌，指路标志牌，旅游区标志牌，道路施工安全标志牌和限速标志牌。而辅助标志牌多附设在主标志牌下，起到辅助说明的作用。按照标志牌主要颜色分类可以分为：红色标志牌，蓝色标志牌，绿色标志牌，棕色标志牌，黑色标志牌，白色标志牌，橙色或荧光橙色标志牌和荧光黄绿色标志牌。按照形状分类可以分为：正等边三角形，圆形，倒等边三角形，八角形，叉形，方形等。想要在一张自然环境的图片中准确的找到交通标志牌的位置，就要根据交通标志牌的一种或多种特征进行识别。所以最直观的识别特征就是颜色和形状特征。

2交通标志牌的识别

2.1识别对象

由于我国交通标志牌类型和数量都较多，所以本文选择了其中具有代表性的三类交通标志牌作为重点研究对象。分别是

2.1.1禁令标志

禁令标志用来禁止车辆或者限制车辆、行人的交通行为，我国大部分的禁令标志的颜色特征为红白两种颜色。其特征是形状为圆形，外圈为红色，底色为白色，图中有黑色的图案。图1为禁令标志示例。

2.3HSV介绍

在通过颜色特征识别标志牌的过程中使用到了HSV颜色模型，下面对该模型做简单介绍：

HSV(Hue,Saturation,Value)色彩模型反映了人的视觉对颜色的感觉，.能够直观的反应颜色的特性。

如图5所示，HSV色彩模型是对应于圆柱坐标系的一个圆锥形子集，圆锥的顶面对应的value=1，也就是说表示顶面所有点的value值都是1。这个顶面包含RGB模型中R=1，G=1以及B=1的三个面，是颜色最亮的面。色度H表示绕V轴旋转的角度。比如红色对应的H值为0°，绿色大约为120°，蓝色大约为240°。在HSV色彩模型中，每一种颜色和其补色均相差180°。饱和度S的取值范围是0到1之间，所以圆锥顶面的半径为1。所以HSV模型就是从亮度，色度，饱和度三个维度确定一个颜色的。

图5：HSV色彩模型

2.4标志牌分割

在HSV模型中，H分量是区分颜色的，所以我们可以直接通过H分量进行阈值分割。我们得到黄色在HSV中H分量对应的角度约为60度，转化为比例约为0.167。那我们可以认为H分量在0.12到0.2中间的颜色都为黄色，这样就能得到图片中的交通标志牌了。我们是用MATLAB（是一款非常强大的工具软件，能够仿真出各类信号的波形图，包含大量数学公式，能够对图像进行处理）中的roicolor()函数，对图片进行处理，使图片中H分量在[0.12,0.20]中的颜色变为白色，其他部分的颜色都变成黑色。可以得到以下效果：原图（如图6所示）。

可以看出，我们从图片中分割出了标志牌所在的位置。

结束语:

本文主要介绍了如何在自然环境下识别出交通标志牌的过程。主要的思路就是通过颜色和形状对图片进行分割，找出目标图像与库中的标准图像进行对比。其中，分割图片和匹配图片的过程是比较复杂的，也是比较容易出现问题的。这里需要多次尝试阈值的设置，选择出最佳的阈值范围。也需要不断地尝试不同的匹配算法，才能找出识别率更高的方法。也许我的识别方法正确率不能达到非常高，但是在研究的过程中我获得了很多知识，也锻炼了动手能力。

参考文献：

[1]孙小霞.基于视频图像的道路交通标志检测与识别[D].武汉：华中科技大学，2015.

[2]孙睿.小波神经网络在交通标志识别中的运用研究[J].交通世界（运输车辆），2010（5）：139-140.

[3]徐华青，陈瑞南，林锦川，等.道路交通标志检测方法研究[J].福州大学学报，2010（3）：387-392.