基于顏色和邊緣信息的交通標志檢測

摘要：根據(jù)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行分割，結(jié)合最小二乘法對像素坐標進行橢圓擬合，再根據(jù)邊界的圓形度參數(shù)判斷是否為圓形區(qū)域。實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(jù)世界衛(wèi)生組織發(fā)布的“道路安全全球現(xiàn)狀報告”指出，全球每年高達127萬人死于交通事故，而隨著我國城市化的進展以及汽車的普及，公路交通的安全以及運輸效率問題變得日益突出。智能交通系統(tǒng)(Intelligent Transportation System，ITS)已經(jīng)成為國內(nèi)外廣泛研究的課題。如何實時、準確地實現(xiàn)復(fù)雜場景下的道路交通標志識別(Trafic Sign Recognition，TSR)成為ITS的熱點與難點問題，交通標志的自動檢測是對交通標志進行正確識別的前提，現(xiàn)有的交通標志檢測大多基于標志圖，針對實景圖的研究較少，且大多數(shù)算法較為復(fù)雜，實時性難以得到保障。同周圍環(huán)境相比，每種交通標志都具有顏色和幾何形狀的特殊性，本文利用這個特點，采用基于顏色信息和基于邊緣特征相結(jié)合的方法實現(xiàn)標志的檢測。首先，根據(jù)交通標志的顏色特征，在RGB模型下對交通標志場景圖進行粗分割，得到感興趣區(qū)域，然后采用Can-ny算子提取輪廓，再根據(jù)交通標志的幾何特征，利用最小二乘法對輪廓進行橢圓擬合，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的交通標志，本文選擇紅色圓形的禁令標志進行實驗分析。

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，其分割的結(jié)果進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(jié)果。在實際應(yīng)用中，交通標志是通過車載攝像頭在行駛過程中拍攝所獲得的。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，但不需要進行顏色模型之間的轉(zhuǎn)化，使得計算量大大地減少，而滿足交通標志檢測的實時性要求。根據(jù)RGB顏色模型的特點，通過大量的實驗發(fā)現(xiàn)，對三分量進行簡單的組合運算，再進行閾值分割，不僅能快速有效地得到感興趣區(qū)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)表示整個影像中整體顏色的明暗度。通過大量實驗，將條件(1)的參數(shù)選為25，條件(3)中的參數(shù)選為175，對于滿足上述條件的像素同時置為0，這樣影像中紅色區(qū)域都為白色，將不符合紅色禁令標志顏色特征的區(qū)域從背景中除去，從而得到感興趣區(qū)域，有利于下一步交通標志的檢測。分割結(jié)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(jié)果。

在實驗過程中發(fā)現(xiàn)，當背景圖片存在其它紅色物體時，進行本文算法對影像顏色分割時，會產(chǎn)生大量的干擾，許多非紅色禁令標志也被分割出來當作感興趣區(qū)域，因此在這基礎(chǔ)上，必須利用交通標志的幾何特征，對邊緣信息做進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、圓和橢圓的檢測中都有著廣泛的應(yīng)用，其缺點是算法計算時間長與儲存量大，不符合交通標志檢測中實時性的要求，本文利用最小二乘原理完成了對任意位置橢圓的擬合。