基于多特征协同的交通标志检测.pdfVIP

第 41卷 第 3期 计 算 机 工 程 2015年 3月 Vo1．41 No．3 ComputerEngineering M arch 2015 · 图形图像处理 · 文章编号：1000-3428 2015 030·211-07 文献标识码：A 中图分类号：TP391 基于多特征协同的交通标志检测 汤 凯，李实英，刘 娟 ，李仁发 湖南大学信息科学与工程学院嵌入式系统与网络省重点实验室，长沙410082 摘 要 ：针对交通场景图像 中交通标志 因颜色失真 、形状失真和尺度变化导致漏检严重 的问题 ，提 出一种颜色特 征、形状特征和尺度特征的多特征协同方法。从交通场景图像计算颜色增强图，利用多阈值分割方法和闭合轮廓 曲率直方图链码表达，并对提取的形状轮廓的曲率直方图进行尺度归一化处理 ，融合颜色特征和归一化后的形状 特征构成区域的特征向量，采用支持向量机分类获得检测结果。实验结果表明，该算法在较低时间复杂度下，能有 效提高交通标志检钡4精度 。 关键词 ：交通标志 ；多特征协 同；多阈值 ；曲率链码 ；尺度归一化 ；支持 向量机分类 中文引用格式：汤 凯，李实英，刘 娟，等．基于多特征协同的交通标志检测 [J]．计算机工程，2015，41 3 ：211—217． 英文引用格式 ：TangKai，LiShiying，LiuJuan，eta1．TrafficSignDetectionBasedonMultipleFeaturesCooperation[J] ComputerEngineering，2015，41 3 -211—217． Traffi cSignDetection Based onM ultipleFeaturesCooperation TANG Kai，LIShiying，LIU Juan，LIRenfa ProvincialKeyLaboratoryofEmbeddedSystemsandNetworking， SchoolofInformationScienceandEngineering，HunanUniversity，Changsha410082，China 【Abstract】Anew methodispresentedtoimprovetrafficsigndetectionwithcooperationofcolor，shapeandscale features，especiallyunderconditionsofcolordistortion，shapedeformation and scalevariance．Colorenhancementmaps aregeneratedfrom traffi c sceneimages．Regionsofinterestare then extracted from the colorenhancementmapsusing multiple thresholds of color，chain codesof the curvature histograms of closed contours are calculated and scale normalizedforthecontours．TheSupportVectorMachine SVM classifierisappliedtoclassifythechaincodesofthe extracted trafficsignsandthetemplatesigns．Experimentalresultsdemonstratethatthismethodiscapableofimproving traffi csign detection，withlow timecomplexity． 【Keywords】trafficsign；multiplefeaturescooperation；multiplethresholds；curvaturechaincode；scalenormalization； SupportVectorMachine SVM classification DOI：10．3969／j．issn．1000-3428．2015．03．040 一 化处理 ，将这些单个特征分别处理的结果进行协 1 概述 同计算 ，以提高交通标志的检测精度。 道路交通标志检测识别是汽车辅助驾驶系统和 2 相关工作 无人驾驶汽车技术中重要的研究部分。为 了保证道 路畅通，预防和避免可能的交通事故 ，需要快速有效 交通标志是根据特殊规定进行设计 、制作和设 地检测 出车辆行使环境 中不同距 离的交通标志 ，做 置的图案和文字符号。按照各国的交通标志设计规 出正确