基于HSV空间的禁令交通标志检测方法研究.docVIP

基于HSV空间的禁令交通标志检测方法研究 　　【摘 要】提出了一种基于HSV彩色空间的禁令交通标志检测方法，利用禁令交通标志的背景均为红色这一特性，通过统计分析计算出红色的H阈值进行颜色的分割，再利用相关满足条件筛去不符合交通标志的区域，将真正禁令标志所在的区域检测出来，便于进行下一步识别。实验表明该方法是尺度恒定的，能够在复杂的交通场景中进行可靠的禁令交通标志检测。 　　【关键词】HSV彩色空间；禁令交通标志；颜色分割；区域检测 　　Research on ban traffic sign detection method based on HSV Space 　　HE Xiao-jun LIU Huan 　　（School of Information Science and Engineering， Shenyang Ligong University， Shenyang Liaoning 110159， China） 　　【Abstract】Proposed ban traffic sign detection method based on HSV color space， the use of the ban traffic signs are red background of this feature， through statistical analysis to calculate H threshold red color segmentation， re-use is not related to the condition screen region in line with traffic signs， prohibition signs the zone where the real detected， the next step for easy identification. Experiments show that the method is a constant scale， can be reliably detected ban traffic signs in complex traffic scenarios. 　　【Key words】HSV color space；Ban traffic sign；Color segmentation；Area detection 　　0 引言 　　交通标志识别是应用计算机视觉研究，且重点是交通场景图像方面的自动检测和识别的一个新型研究领域。近年来，交通标志识别在道路维护、驾驶员支持系统以及自动无人驾驶汽车等方面吸引了越来越多研究人员的关注[1]。 　　国外在交通标志识别方面起步较早，在20世纪90年代，美国的 Kehtarnavaz等人[2]就通过提取交通标志在HSV彩色空间中的颜色特征和形状特征完成了对交通标志的检测，他们当时已经完成了STOP 禁令标志检测系统的研发。Bascon 等人[3]通过使用提取交通标志牌的形状特征的方法，基本完成了能够检测几种比较常见的交通标志牌的检测算法，但是由于这个算法处理时间比较长（单帧的处理时间已经超过1.5秒），因此不能满足实时处理的要求。德国的 Hoferlin B等人[4]利用霍夫变换和尺度不变特征变换（Scale-invariant feature transform， SIFT），实现了针对圆形交通标志的检测算法，而且该算法具有比较高的检测率。Piccioli等人[5]通过提取交通标志的几何特征信息，接着利用相似性度量函数（Similarity Measuring Function， SMF）对将要检测的图像区域进行相似性度量，从而实现了交通标志的检测。 　　在国内，虽然开展相应的交通标志检测的研究相对较晚，但是目前也有了一些令人欣喜的成果。郁梅等人[6]通过利用交通标志的颜色特征，对交通标志进行了比较快速的检测和识别，他们主要利用颜色特征增强、聚类分析、形态学操作等几个步骤，最终实现了视频图像中对交通标志进行定位这一功能的算法。谷明琴等人[7]提出了一种综合形状标记图和Gabor波的交通标志检测识别方法。该方法先是在RGB彩色空间下对候选的交通标志区域进行分割，接着使用形态学运算消除噪声，然后利用欧式距离对疑似交通标志区域的标记图进行粗分割，然后对候选交通标志区域的Gabor小波图像进行特征提取，实现了对交通标志的检测和定位。 　　由于户外环境的变化性和不确定性，交通标志检测成为了一项颇有难度的工作，主要面临高校科技高校科技着以下几个问题：（1）具有相近特征（颜色和形状等） 的非交通标志物体对真实交通标志牌的干扰；（2）不能人为控制的光照对交通标志牌的颜色和可