基于顏色和邊緣信息的交通標志檢測

摘要：根據我國交通標志的顏色和幾何屬性，提出了一種適用于自然背景下的交通標志檢測方法。該方法采用RGB彩色分量差對自然背景下的禁令標志圖像進(jìn)行分割，結合最小二乘法對像素坐標進(jìn)行橢圓擬合，再根據邊界的圓形度參數判斷是否為圓形區域。實(shí)驗證明了該方法的有效性與魯棒性。
關(guān)鍵詞：標志檢測；RBG模型；橢圓擬合

0 引言
據世界衛生組織發(fā)布的“道路安全全球現狀報告”指出，全球每年高達127萬(wàn)人死于交通事故，而隨著(zhù)我國城市化的進(jìn)展以及汽車(chē)的普及，公路交通的安全以及運輸效率問(wèn)題變得日益突出。智能交通系統(Intelligent Transportation System，ITS)已經(jīng)成為國內外廣泛研究的課題。如何實(shí)時(shí)、準確地實(shí)現復雜場(chǎng)景下的道路交通標志識別(Trafic Sign Recognition，TSR)成為ITS的熱點(diǎn)與難點(diǎn)問(wèn)題，交通標志的自動(dòng)檢測是對交通標志進(jìn)行正確識別的前提，現有的交通標志檢測大多基于標志圖，針對實(shí)景圖的研究較少，且大多數算法較為復雜，實(shí)時(shí)性難以得到保障。同周?chē)h(huán)境相比，每種交通標志都具有顏色和幾何形狀的特殊性，本文利用這個(gè)特點(diǎn)，采用基于顏色信息和基于邊緣特征相結合的方法實(shí)現標志的檢測。首先，根據交通標志的顏色特征，在RGB模型下對交通標志場(chǎng)景圖進(jìn)行粗分割，得到感興趣區域，然后采用Can-ny算子提取輪廓，再根據交通標志的幾何特征，利用最小二乘法對輪廓進(jìn)行橢圓擬合，檢測出交通標志。對于禁令標志、警告標志和指示標志三種常見(jiàn)的交通標志，本文選擇紅色圓形的禁令標志進(jìn)行實(shí)驗分析。

1 基于顏色的交通標志粗分割
顏色分割的任務(wù)是將某種特定顏色的像素提取出來(lái)，其分割的結果進(jìn)行一系列的處理后用于下一步交通標志的幾何形狀分析，從而達到交通標志檢測的結果。在實(shí)際應用中，交通標志是通過(guò)車(chē)載攝像頭在行駛過(guò)程中拍攝所獲得的。一般為RGB模型，得到的是直接具有R，G，B特征的影像，相比較HSI模型，由于RGB三分量之間有很高的相關(guān)性，使得RGB三分量容易受光照的影響，但不需要進(jìn)行顏色模型之間的轉化，使得計算量大大地減少，而滿(mǎn)足交通標志檢測的實(shí)時(shí)性要求。根據RGB顏色模型的特點(diǎn)，通過(guò)大量的實(shí)驗發(fā)現，對三分量進(jìn)行簡(jiǎn)單的組合運算，再進(jìn)行閾值分割，不僅能快速有效地得到感興趣區域，還能使得分割的效果受光照的影響減小，從而得出一種基于RGB模型的快速交通標志粗分割算法，將滿(mǎn)足(1)R—B>25，(2)2GR+B，(3)R+G+B>175。其中條件(1)，條件(2)為判斷影像中像素主要為紅色，條件(3)表示整個(gè)影像中整體顏色的明暗度。通過(guò)大量實(shí)驗，將條件(1)的參數選為25，條件(3)中的參數選為175，對于滿(mǎn)足上述條件的像素同時(shí)置為0，這樣影像中紅色區域都為白色，將不符合紅色禁令標志顏色特征的區域從背景中除去，從而得到感興趣區域，有利于下一步交通標志的檢測。分割結果如圖1所示，從圖中可以看到，即使在光照條件不好的情況下，算法依然能得到較好的分割結果。

在實(shí)驗過(guò)程中發(fā)現，當背景圖片存在其它紅色物體時(shí)，進(jìn)行本文算法對影像顏色分割時(shí)，會(huì )產(chǎn)生大量的干擾，許多非紅色禁令標志也被分割出來(lái)當作感興趣區域，因此在這基礎上，必須利用交通標志的幾何特征，對邊緣信息做進(jìn)一步的分析從而確定交通標志。

2 基于標志邊緣的分割
本文研究的是以圓形為幾何特征的禁令標志的檢測方法，檢測圓形常用的方法有：基于圓形邊緣積分特性的環(huán)路積分微分法、模板匹配法和組合法，Hough變換法等，Hough變換在直線(xiàn)、圓和橢圓的檢測中都有著(zhù)廣泛的應用，其缺點(diǎn)是算法計算時(shí)間長(cháng)與儲存量大，不符合交通標志檢測中實(shí)時(shí)性的要求，本文利用最小二乘原理完成了對任意位置橢圓的擬合。