实时交通禁止标志探测应用的研究.docVIP

实时交通禁止标志探测应用的研究 　　摘要：交通标志的检测在智能汽车驾驶的系统中是一个十分重要的环节。在该文中，介绍一种有效的方法，在视频或图像中检测到交通禁止标志的存在，提取出确定包括标志的图像区域，为进一步的分类识别算法提供可靠的数据源。由于交通标志通常在各地都拥有醒目的图形和颜色，该文中首先利用颜色和形状的经验模型对一帧图像进行预处理，分析出可能存在交通标志的感兴趣区域，作为候选（Candidate）。再对这一候选区域进行判断是否是交通标志，此处利用了图像的HOG特征，和SVM分类器。实验结果表明，这一方法有效地避免了光照条件、轻微遮挡等因素的干扰，准确的检测到图像中的交通标志所处的位置。 　　关键词： 检测；感兴趣区域；特征提取；机器学习 　　中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2014）32-7777-06 　　Abstract：Detection of Traffic Signs plays one of the most important roles in Intelligent Driving Systems. In this article， we introduce an efficient method to detect prohibitive traffic signs in images or videos. We extract convincing regions of the signs， providing reliable resources for further classification Algorithm. Traffic Signs usually possess regular shapes and eye-catching colors， which gives us strong hints on the establishment of experienced models in the previous stages of detection. We analyze every single frame of the video to find out the possible regions of interests as candidates， and decide whether the contents are traffic signs or not with features of HOG and tools of SVM. The results turn out to be accurate despite of various illumination and slight obstruction. 　　Key words： detection； region of interests； feature extraction； machine learning 　　1 概述 　　提高驾驶的安全性是汽车电子系统发展的一个重要方向，重要交通标志的检测和识别系统可以帮助驾驶员及时地对路况做出反应，规避了潜在风险，甚至可以在将来无人驾驶系统中发挥很大的作用。交通标志被设计的醒目易懂，在道路环境中，可以较为清晰地出现在驾驶者的视野中，提供有用的信息。比如说禁止标识，通常使用边缘为红色圆环的圆形标识，告诉我们此路段的限速信息、禁停信息、禁鸣信息等等。然而，不同的光照，朝向，观察（摄像机拍摄）的角度，甚至部分的遮挡都给交通标志的检测问题带来了很大的挑战。 　　本文使用的是GTSDB（德国交通标志检测数据库），此数据库收集了42种交通标志的1213个实例，是在不同天气，时段，光照，方位，角度使用同一车载摄像头在道路驾驶时实时记录中截取的视频帧。该数据库收集的图片比较全面而且十分符合现实中遇到的实际情况，具有很强的研究价值和实际指导意义。 　　在本方法中，利用计算机对图像中交通标志的检测，主要有3个需要解决的方向。一是对图像中特定颜色的分析和提取；二是对特定形状的识别和定位；三是对区域图像的训练和判断。下文大致就按照这样的顺序介绍和研究，提出相应的算法，来解决这一系列的问题，并且需要兼顾到实时计算的要求，即对每一幅图像的处理速度不应过长。这样，为下一步的具体分类识别提供了准确性和稳定性的保证，同样也提供了一定的实际应用价值。 　　2 基于颜色的分析 　　2.1 不同解决方案的比较与分析 　　对于颜色的预处理，研究者们也提出了很多针对性很强的算法，试图在提取颜色区域的准确性和时间复杂度之间寻求平衡（包括之后的图形识别也是如此）。区域的提取，并不像其他有针对性的应用中，比如交通灯、车牌的识别，可以在一个图像特