一种基于统计特征实时限速标志识别算法.docVIP

一种基于统计特征的实时限速标志识别算法 　　摘要：本文提出了一种新的基于统计特征的实时限速标志识别算法。首先确定道路图像中待处理的区域并利用SVF（Simple Vector Filter，以下简称SVF）进行滤波处理。其次利用RGB空间进行颜色分割，并利统计特征对非限速标志进行排除。最终利用纵横投影的七段码“8”字型手写数字识别方法对提取的数字进行识别。 　　关键词：实时 统计特征 限速标志 　　中图分类号：TP391.41 文献标识码：A 文章编号：1007-9416（2014）12-0125-03 　　1 介绍 　　从视频图像中识别限速标志，尤其是实时的限速标志识别，对于道路安全具有重要意义。本文提出了一种基于统计特征的实时限速标志识别算法，可以识别视频中的限速标志。首先按照分区优先搜索策略确定需要处理的图像区域。其次，利用SVF向量滤波器对图像进行滤波处理，并利用RGB颜色空间进行颜色分割。再次利用先验知识排除非限速标志，从而最终确定感兴趣区域ROI。最后在最终确定的感兴趣区域中提取数字，并利用纵横投影的七段码“8”字型手写数字识别方法对提取的数字进行识别。 　　2 限速标志识别算法 　　2.1 限速标志的检测 　　限速标志的检测包括分区处理、SVF滤波和颜色分割几个过程。 　　2.1.1 分区处理策略 　　交通标志一般都处于道路右侧上方，根据这一情况，我们并不直接对图像的所有像素点进行处理，而是有选择性的针对某一区域进行搜索。由汪哲慎[1]的分区优先搜索策略的启发，本文对其搜索策略进行改进，对图像的像素进行有选择性的处理。分区示意图如图1： 　　图1中的W、H分别为图像的宽度与高度。通常情况下，交通标志出现在图像的1级搜索区域中，如果在此区域内搜索失败，则扩大搜索范围，在2级搜索区域内进行搜索，如果搜索失败，则在3级搜索区域，即全图搜索。 　　图2便是从视频中提取的单帧原始图像initImg的搜索区域以及分割后的子图subImg示意图，交通标志处于1级搜索区域中，即图中的红色矩形区域内，我们的后续工作都是在此区域中进行。 　　2.1.2 预处理 　　由于RGB三分量的相关性，对原始图像的预处理往往会改变像素点的颜色，从而造成识别错误。为了尽量保留像素的颜色信息，我们将在后面的各个步骤中对噪声进行去除。本文利用Asakura等人[2]提出简单向量滤波器（SVF，Simple Vector Filter）对搜索区域进行滤波，以此来去除非彩色区域，以减少后续工作需要处理的像素。首先创建与subImg大小相同二值图bImg_SVF，再将bImg_SVF中与子图subImg中彩色的像素点对应位置的值赋值为1，否则为0。 　　2.1.3 基于RGB空间的快速颜色分割 　　在去掉非彩色的图像基础上进行颜色分割，考虑到实时性，本文使用RGB颜色空间。经过大量实验，本文采用杨修铭[3]的RGB空间分割方法，满足如式（3.1）的像素点被认为是红色像素： 　　（3.1） 　　这里R、G、B表示像素点的亮度分量。我们在图像subImg中找到满足公式的像素位置，并将二值图bImg_SVF中相应位置的像素置为1，否则为0。利用这种方法对图像进行进一步分割，得到二值图bImg_RGB。再利用形态学开操作对图像进行去噪处理，得到二值图bImg_OPEN。结果如图3： 　　2.2 根据先验知识排除非限速标志 　　仅仅依靠颜色分割只能找到红色的区域，而不能准确定位那些区域为限速标志区域。所以我们需要在颜色检测的基础上进行进一步处理。首先我们对bImg_OPEN进行连通区域标记，然后根据限速标志的形状特征的特点，对非限速标志进行排除。排除时需要利用限速标志的统计特征。所以下面先进行限速标志分析。 　　2.2.1 限速标志形状分析 　　本文允许的交通标志的最大形变程度为交通标志max（w，h）与min（w，h）的比值 　　（3.2） 　　其中w、h分别为是外接矩形的宽度和高度。下面我们对极限情况下的变形交通标志进行分析，未变形的交通标志可以看作是变形交通标志的特例。不失一般性，我们用图4来进行分析： 　　图4中的红色矩形框为交通标志的外接矩形，A、B分别为代表交通标志外部和内部形状的两个椭圆。按照上图所示，交通标志红色像素占外接矩形面积的比例 　　（3.3） 　　SA与SB分别为椭圆A与B的面积，SRA为椭圆A外接矩形的面积。我们假定极限情况下椭圆B的长短轴分别为A的一半，则Rr=0.5890。另外，我们记录SB与交通标志外接矩形面积的比值 　　（3.4） 　　在上图中，Rn=0.1963。此外，计算内部椭圆B外接矩形中所包含的红色像素数量与交通标志外接矩形面积的比值 　　（3.5） 　　SR