道路交通標志檢測分類方法的研究*

徐華青，劉秉瀚

（福州大學 數學與計算機科學學院，福建 福州 350108）

交通標志是道路交通系統中不可缺少的一部分，它提供指示、警告和禁令等信息，起到了引導提示駕駛員操作、保障交通安全的重要作用。交通標志的檢測是一個非常重要的研究課題，受到政府有關部門和汽車公司的關注。交通標志的檢測分類包含必要的預處理、交通標志圖像的分割、交通標志的定位及分類等步驟，是交通標志正確識別的前提。

交通標志檢測的難點在于如何準確地在實景交通圖像中定位出標志。實景交通圖像背景復雜，標志會受到光線、拍攝角度以及人為破壞等因素的影響，增加了檢測的難度。目前，關于交通標志檢測技術的研究很多，常見的方法是分別基于RGB、HSV和YIQ色彩空間的分割模型定位交通標志[1-3]。基于顏色的定位檢測會因為閾值的設定而影響定位結果，在背景多變、復雜（如標志周圍有相近色彩的物體和光線較暗）的情況下，定位結果會受到較大干擾。

另外，交通標志的定位還有基于邊緣的方法[4-5]。相對于顏色定位的方法，基于邊緣的方法不需要設定閾值，面對多變的環境顯得更為靈活。

交通標志類別與其顏色及幾何形狀之間具有唯一的確定性關系。本文針對交通標志的形狀和顏色兩個特征，提出了一種基于形狀邊緣定位檢測和顏色判別分類的交通標志檢測分類方法。該方法在飽和度S通道檢測標志邊緣，通過邊緣的形狀參數判定標志的幾何形狀，定位出標志；采用修正的HSV色彩空間分割模型判別標志顏色以進行標志分類，分類過程中篩除了非標志區域。

1 交通標志檢測

1.1 交通標志檢測分類流程

我國道路交通標志的顏色和幾何特征顯著，以圓形、三角形和矩形作為基本形狀，以紅色、黃色和藍色作為基本顏色，交通標志類別與其幾何形狀及顏色之間具有唯一的確定性關系。因此，在檢測過程中可將我國道路交通標志按照形狀分成3類，再按照基本顏色劃分成6類。圖1為交通標志檢測分類的流程圖。

圖1 交通標志檢測分類流程圖

1.2 HSV顏色空間

HSV顏色空間從人的視覺系統出發，用色調（Hue）、飽和度（Saturation）和亮度（Value）來描述色彩。其中，飽和度指色彩的純度（鮮艷程度），飽和度越高色彩越純，飽和度低則逐漸變灰。交通標志基本顏色紅、黃、藍是飽和度偏高的色彩，而背景飽和度偏低，標志和背景過渡的邊緣飽和度差值較大，利于邊緣檢測。

RGB色彩空間到HSV色彩空間的轉換公式為[2]：

其中，Max=max（R，G，B），Min=min（R，G，B），R、G、B 范圍均是[0，255]，H、S、V 的范圍均規范化到[0，255]。 圖像的變換效果如圖2所示。可以看出，飽和度分量圖像標志邊框明亮和背景完全區分開，而灰度圖像左側標志邊框與背景區分不開。

圖2 原圖像的變換圖

1.3 Canny算子邊緣檢測

1986年，CANNY J提出了Canny算子邊緣檢測方法[6]，Canny算子在提高對景物邊緣的敏感性的同時可以抑制噪聲，相對于其他邊緣檢測算子（如Sobel算子）能更好地檢測出邊緣。

對原圖的飽和度圖像邊緣檢測的效果如圖3所示。可以看出Canny算子檢測結果標志邊緣保留完整，而Sobel算子檢測結果標志邊緣斷開且周邊噪聲較多。

圖3 邊緣檢測效果對比圖

1.4 形狀判別定位檢測

形狀判別方法有很多，參考文獻[7]采用邊界跟蹤提取拐角點的方法，參考文獻[8]通過掩模對圖像作卷積搜索拐角，這兩種方法須保證拐角點的存在，易受干擾。參考文獻[4]用邊緣鏈擬合幾何形狀，該方法只檢測圓形標志，且易受背景噪聲影響。參考文獻[5]采用基于梯度信息的Hough變換檢測圓，該方法僅限于檢測紅色圓形標志，不具有普遍性。參考文獻[2]采用計算標志圓形度、矩形度和伸長度的方法判別形狀，能判斷標志的3種形狀，方法簡單有效，效率高。因此，本文提出計算圓形度、矩形度和推廣得到的正三角形度來判別交通標志的幾何形狀。

圓形度[1]P1為：

其中，S為邊緣包圍住的面積，L為邊緣的周長。當邊緣的幾何形狀為圓形時，P1=1。

矩形度[1]P2為：

其中，H為邊緣的高度，W為邊緣的寬度。當邊緣的幾何形狀為矩形時，P2=1。

正三角形度P3，通過類比圓形度和矩形度推廣得到：

當邊緣的幾何形狀為正三角形時，P3=1。

由于實景圖在拍攝過程中受角度距離等因素的影響，交通標志的邊緣形狀會接近圓形、矩形或者正三角形，因此形狀參數會與標準的圓形矩形正三角形的參數有些許誤差，故用式（5）來判斷邊緣的幾何形狀：

其中，i=1，2，3。 當 shape=1 時，邊緣形狀為圓形；shape=2時，邊緣形狀為矩形；shape=3時，邊緣形狀為三角形；shape=0時，說明該邊緣非可能的交通標志，剔除。

1.5 標志定位檢測步驟

實景交通圖像的交通標志定位步驟如下：

（1）拍攝到的實景圖為 24 bit真彩色圖像，根據式（1）生成飽和度通道圖像。

（2）用Canny算子對飽和度通道圖像進行邊緣檢測，生成邊緣圖像。

（3）掃描邊緣圖像，提取每一條邊緣，根據式（2）、式（3）、式（4）計算邊緣的形 狀參數 P1、P2、P3，按式（5）判斷shape的值，如果shape≠0，在原圖像把邊緣所在位置的圖像摳出，歸入相應形狀的類中。

圖4為從實景圖中定位出的交通標志，可以看出該方法能定位出傾斜、變形及褪色的交通標志，且能保持標志的完整性，利于后續的標志分類。表1為圖4標志的形狀參數和歸入類別。

圖4 定位出的各類交通標志

表1 圖4標志的形狀參數和歸入類別

2 交通標志的分類

定位出的區域需要進一步篩選。交通標志色彩鮮明，因此根據交通標志的顏色特征進行篩選是首選的方法。在篩選的過程中，對交通標志進行分類。

建國初期，各地共青團在黨領導開展的土地改革、鎮壓反革命、“三反”“五反”等一系列社會改革運動中，充分發揮了先鋒帶頭作用，有力地配合黨政領導推進運動勝利開展。社會主義改造任務完成后，為響應黨的“把我國建設成為一個偉大的社會主義強國”的號召，各級共青團組織繼承和發揚戰爭年代的優良傳統，團結帶領廣大青年，始終圍繞黨和政府的中心工作，緊跟形勢發展的要求，連續參加并獨立開展了一系列教育生產活動，成為當時黨的工作中不可缺少的重要組成部分，在黨的工作中發揮了不可替代的重要作用。

2.1 顏色分割模型

顏色分割模型多為基于RGB色彩空間[1]和HSV色彩空間[2]。R、G、B 3個分量之間有很高的相關性，易受到光照的影響，而H、S、V 3個分量之間的相關性小，紅、黃、藍3種色彩均對應一個連續的H范圍，利于標志基本顏色的分割。經過實驗對比，本文修正參考文獻[2]中HSV分割模型的閾值范圍用于對本文算法檢測出的標志作顏色判別，該方法有效且耗時少。

設color為交通圖像當前像素的色值，修正的HSV色彩空間的分割模型為：

圖5為根據式 （6）處理圖4中標志得到的分割結果，圖6為根據參考文獻[2]中的分割模型處理得到的結果。對比發現，顏色分割模型主要要解決閾值的設定問題，圖6的第6個標志分割失敗，說明其分割模型存在缺陷，因此本文修正了它的分割模型。

圖5 修正的HSV分割模型的處理結果

圖6 HSV分割模型的處理結果

2.2 分類步驟

黃藍紅3種顏色在圖像中所占的百分比公式為：

其中，color∈{1，2，3}，W、H 為圖像的寬和高。

粗分類步驟如下：

（2）當 shape=1（圓形）時，如果 φ（2）和 φ（3）均滿足式（8），則歸入圓形紅藍類；如果僅 φ（2）滿足式（8），則歸入圓形藍色類；如果僅 φ（3）滿足式（8），則歸入圓形紅色類；否則，剔除。

（3）當 shape=3（三角形）時，如果僅滿足式（8），則歸入三角形黃色類；如果僅 φ（3）滿足式（8），則歸入三角形紅色類；否則，剔除。

（4）當 shape=2（矩形）時，如果僅 φ（2）滿足式（8），則歸入矩形藍色類；否則，剔除。

3 實驗結果

實驗中選取300幅拍攝的實景圖進行測試，本文算法檢測并正確分類了256幅，檢測率為85.3%。

將本文基于形狀邊緣的標志定位檢測方法與基于RGB分割模型（參考文獻[1]）及基于 HSV分割模型（參考文獻[2]）的顏色定位方法作對比，結果如圖 7所示。可以看出，本文算法能完整分割出標志，而顏色定位方法只檢測出交通標志的一部分。

圖7 不同定位方法的結果比較

本文結合中國道路交通標志的形狀和顏色特征，提出了一種適合于自然場景下的交通標志檢測方法。該方法能檢測出一定程度上變形、破損和褪色的標志。

[1]孫光民，王晶，于光宇，等.自然背景中交通標志的檢測和識別[J].北京工業大學學報，2010，36（10）：1337-1343.

[2]高向東，劉紅，楊大鵬.交通標志的智能檢測方法研究[J].中外公路，2011，31（2）：260-263.

[3]盧盛榮，劉禮鋒，李翠華.基于顏色分割和多特征融合的交通標志檢測[J].廈門大學學報（自然科學版），2011，50（4）：685-689.

[4]張靜，何明一，戴玉超，等.結合顏色和形狀的圓形交通標志檢測方法[J].計算機工程與應用，2011，47（2）：233-241.

[5]王永平，史美萍，吳濤.快速魯棒的交通標志檢測方法[J].計算機工程與應用，2010，46（32）：163-166.

[6]CANNY J.A computational approach to edge detection[J].IEEE Transactions on Pattern Analysis and Machine Intelligence， 1986，8（6）：679-698.

[7]林川，潘盛輝，譚光興，等.基于聚類與鏈碼技術的交通標志檢測[J].計算機測量與控制，2011，19（6）：1341-1344.

[8]陳維馨，李翠華，汪哲慎.基于顏色和形狀的道路交通標志檢測 [J].廈門大學學報 （自然科學版），2008，48（5）：635-640.