一種基于統(tǒng)計(jì)特征的實(shí)時(shí)限速標(biāo)志識別算法

秦鵬++付先平++石婷潔

摘要：本文提出了一種新的基于統(tǒng)計(jì)特征的實(shí)時(shí)限速標(biāo)志識別算法。首先確定道路圖像中待處理的區(qū)域并利用SVF（Simple Vector Filter，以下簡稱SVF）進(jìn)行濾波處理。其次利用RGB空間進(jìn)行顏色分割，并利統(tǒng)計(jì)特征對非限速標(biāo)志進(jìn)行排除。最終利用縱橫投影的七段碼“8”字型手寫數(shù)字識別方法對提取的數(shù)字進(jìn)行識別。

關(guān)鍵詞：實(shí)時(shí) 統(tǒng)計(jì)特征 限速標(biāo)志

中圖分類號：TP391.41 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-9416（2014）12-0125-03

1 介紹

從視頻圖像中識別限速標(biāo)志，尤其是實(shí)時(shí)的限速標(biāo)志識別，對于道路安全具有重要意義。本文提出了一種基于統(tǒng)計(jì)特征的實(shí)時(shí)限速標(biāo)志識別算法，可以識別視頻中的限速標(biāo)志。首先按照分區(qū)優(yōu)先搜索策略確定需要處理的圖像區(qū)域。其次，利用SVF向量濾波器對圖像進(jìn)行濾波處理，并利用RGB顏色空間進(jìn)行顏色分割。再次利用先驗(yàn)知識排除非限速標(biāo)志，從而最終確定感興趣區(qū)域ROI。最后在最終確定的感興趣區(qū)域中提取數(shù)字，并利用縱橫投影的七段碼“8”字型手寫數(shù)字識別方法對提取的數(shù)字進(jìn)行識別。

2 限速標(biāo)志識別算法

2.1 限速標(biāo)志的檢測

限速標(biāo)志的檢測包括分區(qū)處理、SVF濾波和顏色分割幾個(gè)過程。

2.1.1 分區(qū)處理策略

交通標(biāo)志一般都處于道路右側(cè)上方，根據(jù)這一情況，我們并不直接對圖像的所有像素點(diǎn)進(jìn)行處理，而是有選擇性的針對某一區(qū)域進(jìn)行搜索。由汪哲慎[1]的分區(qū)優(yōu)先搜索策略的啟發(fā)，本文對其搜索策略進(jìn)行改進(jìn)，對圖像的像素進(jìn)行有選擇性的處理。分區(qū)示意圖如圖1：

圖1中的W、H分別為圖像的寬度與高度。通常情況下，交通標(biāo)志出現(xiàn)在圖像的1級搜索區(qū)域中，如果在此區(qū)域內(nèi)搜索失敗，則擴(kuò)大搜索范圍，在2級搜索區(qū)域內(nèi)進(jìn)行搜索，如果搜索失敗，則在3級搜索區(qū)域，即全圖搜索。

圖2便是從視頻中提取的單幀原始圖像initImg的搜索區(qū)域以及分割后的子圖subImg示意圖，交通標(biāo)志處于1級搜索區(qū)域中，即圖中的紅色矩形區(qū)域內(nèi)，我們的后續(xù)工作都是在此區(qū)域中進(jìn)行。

2.1.2 預(yù)處理

由于RGB三分量的相關(guān)性，對原始圖像的預(yù)處理往往會(huì)改變像素點(diǎn)的顏色，從而造成識別錯(cuò)誤。為了盡量保留像素的顏色信息，我們將在后面的各個(gè)步驟中對噪聲進(jìn)行去除。本文利用Asakura等人[2]提出簡單向量濾波器（SVF，Simple Vector Filter）對搜索區(qū)域進(jìn)行濾波，以此來去除非彩色區(qū)域，以減少后續(xù)工作需要處理的像素。首先創(chuàng)建與subImg大小相同二值圖bImg_SVF，再將bImg_SVF中與子圖subImg中彩色的像素點(diǎn)對應(yīng)位置的值賦值為1，否則為0。

2.1.3 基于RGB空間的快速顏色分割

在去掉非彩色的圖像基礎(chǔ)上進(jìn)行顏色分割，考慮到實(shí)時(shí)性，本文使用RGB顏色空間。經(jīng)過大量實(shí)驗(yàn)，本文采用楊修銘[3]的RGB空間分割方法，滿足如式（3.1）的像素點(diǎn)被認(rèn)為是紅色像素：

（3.1）

這里R、G、B表示像素點(diǎn)的亮度分量。我們在圖像subImg中找到滿足公式的像素位置，并將二值圖bImg_SVF中相應(yīng)位置的像素置為1，否則為0。利用這種方法對圖像進(jìn)行進(jìn)一步分割，得到二值圖bImg_RGB。再利用形態(tài)學(xué)開操作對圖像進(jìn)行去噪處理，得到二值圖bImg_OPEN。結(jié)果如圖3：

2.2 根據(jù)先驗(yàn)知識排除非限速標(biāo)志

僅僅依靠顏色分割只能找到紅色的區(qū)域，而不能準(zhǔn)確定位那些區(qū)域?yàn)橄匏贅?biāo)志區(qū)域。所以我們需要在顏色檢測的基礎(chǔ)上進(jìn)行進(jìn)一步處理。首先我們對bImg_OPEN進(jìn)行連通區(qū)域標(biāo)記，然后根據(jù)限速標(biāo)志的形狀特征的特點(diǎn)，對非限速標(biāo)志進(jìn)行排除。排除時(shí)需要利用限速標(biāo)志的統(tǒng)計(jì)特征。所以下面先進(jìn)行限速標(biāo)志分析。

2.2.1 限速標(biāo)志形狀分析

本文允許的交通標(biāo)志的最大形變程度為交通標(biāo)志max（w，h）與min（w，h）的比值

（3.2）

其中w、h分別為是外接矩形的寬度和高度。下面我們對極限情況下的變形交通標(biāo)志進(jìn)行分析，未變形的交通標(biāo)志可以看作是變形交通標(biāo)志的特例。不失一般性，我們用圖4來進(jìn)行分析：

圖4中的紅色矩形框?yàn)榻煌?biāo)志的外接矩形，A、B分別為代表交通標(biāo)志外部和內(nèi)部形狀的兩個(gè)橢圓。按照上圖所示，交通標(biāo)志紅色像素占外接矩形面積的比例

（3.3）

SA與SB分別為橢圓A與B的面積，SRA為橢圓A外接矩形的面積。我們假定極限情況下橢圓B的長短軸分別為A的一半，則Rr=0.5890。另外，我們記錄SB與交通標(biāo)志外接矩形面積的比值

（3.4）

在上圖中，Rn=0.1963。此外，計(jì)算內(nèi)部橢圓B外接矩形中所包含的紅色像素?cái)?shù)量與交通標(biāo)志外接矩形面積的比值

（3.5）

SRA、SRB為橢圓A與B外接矩形的面積。在上圖中，Ri=0.0537。Rn與Ri這兩個(gè)數(shù)值將在數(shù)字識別與非限速交通標(biāo)志排除的過程中使用。

2.2.2 排除非限速標(biāo)志

首先對bImg_OPEN進(jìn)行連通區(qū)域標(biāo)記，然后按照如下規(guī)則進(jìn)行排除：

（1）如果連通區(qū)域的像素面積小于300，則認(rèn)為不是交通標(biāo)志，否則進(jìn)行下一步判斷。

（2）本文允許的最大形變量Rd≤2，若Rd>2，則認(rèn)為不是交通標(biāo)志，否則進(jìn)行下一步判斷。

（3）交通標(biāo)志中的紅色像素的數(shù)量占其外接矩形面積的比例是一定的，若比例超過閾值Tr的連通區(qū)域可以認(rèn)為不是交通標(biāo)志。根據(jù)上一節(jié)計(jì)算得到的，我們可以將Tr賦值為Rr，即若連通區(qū)域內(nèi)的白色像素個(gè)數(shù)與外接矩形面的比值大于Rr，則認(rèn)為不是交通標(biāo)志，否則進(jìn)行下一步判斷。endprint

（4）計(jì)算圓形度。圓形度可以在一定程度上反映圖像與圓的近似程度。圓形度定義為metric=4πS/C2，metric∈[0，1]，其中，S為連通區(qū)域的面積，C為連通區(qū)域的周長。當(dāng)填充后的連通區(qū)域?yàn)閳A形時(shí)，metric=1。根據(jù)Rd≤2，我們可知，理論上限速標(biāo)志的填充連通區(qū)域的圓形度不會(huì)低于metrics=4πSA/CA2，，其中SA為橢圓A的面積，CA為利用近似公式π（3（a+b）/2-（ab）1/2）計(jì)算得到的橢圓A的周長，其中a，b為橢圓的半軸長度。根據(jù)圓形度計(jì)算公式，metrics=0.8402。考慮到噪聲影響，如果某填充后的連通區(qū)域圓形度低于0.8，則認(rèn)為不是交通標(biāo)志，否則進(jìn)行下一步判斷。

（5）限速標(biāo)志的內(nèi)部不含有紅色像素，所以我們在bImg_OPEN中連通區(qū)域外接矩形中的固定區(qū)域x∈[w/4，3w/4]且y∈[h/4，3h/4]中進(jìn)行搜索并對白色像素進(jìn)行統(tǒng)計(jì)，w、h分別為連通區(qū)域外接矩形的寬度和高度。如果白色像素?cái)?shù)目與連通區(qū)域外接矩形的面積之比超過Ti，則認(rèn)為不是交通標(biāo)志。Ti的取值為前面得到的Ri=0.0537，但由于考慮到噪聲影響，我們將Ti設(shè)為0.06。

（6）盡管除了限速標(biāo)志之外，還有很多交通標(biāo)志中間沒有紅色像素，但是其內(nèi)部的圖案與限速標(biāo)志差異很大，在禁令標(biāo)志中，只有限速標(biāo)志內(nèi)部圖案的高度相似，而其他交通標(biāo)志的內(nèi)部連通區(qū)域的高度相差很大。所以我們首先提取bImg_OPEN中黑色像素面積最大的連通區(qū)域作為交通標(biāo)志內(nèi)部區(qū)域，在內(nèi)部區(qū)域中將原始圖subImg中對應(yīng)的部分進(jìn)行灰度化，并進(jìn)行灰度變換以增強(qiáng)對比度，然后進(jìn)行二值化處理、去噪并提取連通區(qū)域。

2.3 數(shù)字識別

2.3.1 數(shù)字圖像預(yù)處理

由于數(shù)字部分可能由于拍攝角度的不同，可能使數(shù)字產(chǎn)生傾斜。本文采用最小二乘法對圖像進(jìn)行傾斜校正。并利用統(tǒng)計(jì)直方圖對數(shù)字圖像進(jìn)行字符分割。之后將分割后的數(shù)字進(jìn)行歸一化為24行16列，并提取其骨架。

2.3.2 數(shù)字識別

接下來，本文對縱橫投影的七段碼“8”字型手寫數(shù)字識別[4]的方法加以改進(jìn)，并用該算法對數(shù)字進(jìn)行識別。該算法的基本思想是根據(jù)數(shù)字的外形特征將數(shù)字在七段碼“8”字的各框上進(jìn)行投影，將其規(guī)范化為標(biāo)準(zhǔn)數(shù)字再進(jìn)行識別。

該方法首先將數(shù)字骨架投影到“8”字型的7個(gè)字框上，然后按照一定規(guī)則將投影規(guī)范化，最后根據(jù)判別策略進(jìn)行判別和匹配。

由于數(shù)字不規(guī)范等情況造成的變形會(huì)使同一個(gè)數(shù)字存在不同的投影，某些數(shù)字如1，4，6，9并不只有唯一的字框投影。而原算法針對每個(gè)數(shù)字只有一個(gè)對應(yīng)的模板，本文對該算法進(jìn)行改進(jìn)，對于可能發(fā)生變形的數(shù)字設(shè)置了多套模板進(jìn)行匹配。

3 實(shí)驗(yàn)結(jié)果

圖5是從不同視頻中提取的幀圖像。圖像中的右下角為檢測出的限速標(biāo)志的內(nèi)部區(qū)域圖。

J.Miura等人[5]中的識別系統(tǒng)包括一個(gè)廣角鏡頭和一個(gè)長焦鏡頭，由長焦鏡頭對廣角鏡頭中的感興趣區(qū)域進(jìn)行放大，接著利用YUV空間進(jìn)行顏色分割，并利用Hough變換確定標(biāo)志形狀，最后利用模板匹配識別限速標(biāo)志。該系統(tǒng)的每幀識別速度約為440-520ms，限速標(biāo)志的檢測成功率為97.2%，識別率為46.5%。S. Estable等人[6]通過神經(jīng)網(wǎng)絡(luò)進(jìn)行顏色分割，接著對形狀進(jìn)行輪廓分析，最后對交通標(biāo)志的特征圖（Pictogram）利用訓(xùn)練好的統(tǒng)計(jì)分類器進(jìn)行識別。該系統(tǒng)的識別速度則低于200ms，整體檢測成功率約為90%。

本文利用Matlab對算法進(jìn)行仿真，盡管第一幀識別速度較慢，約為1.3630s，但是后續(xù)幀的識別速度大大提高，可以達(dá)到0.1440s。限速標(biāo)志檢測成功率約為90%，數(shù)字識別率約為70%。如果利用硬件加速，則可以進(jìn)一步提高處理速度[7]。

4 結(jié)語

本算法可以在視頻圖像中識別限速標(biāo)志，由于沒有采用過于復(fù)雜的算法，所以除了第一幀識別速度較慢之外，后續(xù)幀的識別速度較為理想。然而在視頻圖像過于模糊或噪聲干擾強(qiáng)烈的情況下，感興趣區(qū)域ROI以及交通標(biāo)志內(nèi)部連通區(qū)域的提取將會(huì)受到影響，導(dǎo)致本算法的識別率降低。但是隨著車輛行駛，限速標(biāo)志的可視面積不斷增大，本算法仍然可以達(dá)到理想的效果。

參考文獻(xiàn)

[1]汪哲慎.復(fù)雜場景下交通標(biāo)志檢測技術(shù)研究：（碩士學(xué)位論文）.廈門：廈門大學(xué)，2006.

[2]馬碧燕，鄭勝林，趙全友.縱橫投影的七段碼"8"字型手寫數(shù)字識別.廣東工業(yè)大學(xué)學(xué)報(bào)，23（3）：113-117，2006.

[3]秦鵬.駕駛行為評測系統(tǒng)中限速標(biāo)志識別方法的研究：（碩士學(xué)位論文）.大連：大連海事大學(xué)，2010.endprint