基于歸一化RGB與橢圓相似度的圓形交通標(biāo)志檢測(cè)

薛玉利（山東青年政治學(xué)院 信息工程學(xué)院，山東省高校信息安全與智能控制重點(diǎn)實(shí)驗(yàn)室，山東 濟(jì)南 250103）

基于歸一化RGB與橢圓相似度的圓形交通標(biāo)志檢測(cè)

薛玉利
（山東青年政治學(xué)院 信息工程學(xué)院，山東省高校信息安全與智能控制重點(diǎn)實(shí)驗(yàn)室，山東 濟(jì)南 250103）

提出一種基于歸一化RGB（NRGB）和橢圓相似度的圓形交通標(biāo)志檢測(cè)方法。首先將圖像的RGB模型轉(zhuǎn)換為 NRGB，利用閾值分割得到紅、藍(lán)、黃顏色分量，然后根據(jù)面積和長寬比去除干擾區(qū)域，最后利用橢圓相似度檢測(cè)感興趣區(qū)域是否為圓型交通標(biāo)志。實(shí)驗(yàn)結(jié)果表明，該方法能在復(fù)雜背景中準(zhǔn)確定位圓形交通標(biāo)志，獲得了較高的檢測(cè)率和較低的誤檢率。

交通標(biāo)志檢測(cè)；NRGB；橢圓相似度；智能交通系統(tǒng)

0 引言

因?yàn)榻煌?biāo)志一般被設(shè)計(jì)成特定的顏色和形狀，所以大部分檢測(cè)算法都是基于顏色和形狀信息。基于顏色的算法主要是用不同的顏色空間將交通標(biāo)志分割出來，常用的顏色空間有RGB、NRGB［1］、YUV、HSI、YCbCr。RGB三分量之間相關(guān)且易受光照變化影響；YUV、HSI、YCbCr需要將RGB空間轉(zhuǎn)換到相應(yīng)空間，計(jì)算復(fù)雜度較大。參考文獻(xiàn)［2］經(jīng)過多種分割算法的比較，提出NRGB能夠減少光照影響，且計(jì)算復(fù)雜度較小，分割效果較好?；谛螤畹乃惴ㄖ饕?Hough變換［3］、Canny邊緣檢測(cè)［4］和圖像梯度［5］。上述方法不考慮顏色信息，效果較好，但是計(jì)算量較大。

綜合考慮圓形交通標(biāo)志的顏色和形狀信息，本文提出一種基于NRGB和橢圓相似度的檢測(cè)算法。首先對(duì)R、G、B三分量進(jìn)行歸一化處理，然后進(jìn)行閾值分割，得到紅、藍(lán)、黃顏色分量，通過比較面積和長寬比排除干擾區(qū)域，最后對(duì)感興趣區(qū)域進(jìn)行橢圓相似度檢測(cè)，將圓形交通標(biāo)志分割出來。實(shí)驗(yàn)結(jié)果表明，本方法可以有效分割出圓形交通標(biāo)志，滿足系統(tǒng)的實(shí)時(shí)性要求。

1 基于NRGB的圖像分割

1.1 NRGB

RGB模型的RGB三分量之間存在很強(qiáng)的相關(guān)性，且極易受光照的影響，NRGB可將光照變化的影響減少到很小。RGB轉(zhuǎn)換成NRGB的方法如式（1）所示。

其中，R、G、B、r、g、b分別是RGB和NRGB的紅、綠和藍(lán)色分量。

1.2 顏色分割

利用式（2）可以得到3種顏色分量的二值化圖像。分割效果如圖1所示。

圖1 紅、藍(lán)、黃顏色的二值化圖像

1.3 去除干擾區(qū)域

由圖1可以看出，顏色與交通標(biāo)志相似的物體也被提取了，因此需要去除這些干擾區(qū)域。交通標(biāo)志的長寬比為1，考慮到扭曲變形等因素，可知標(biāo)志的長寬比應(yīng)在接近1的范圍內(nèi)。圖像大小有2 048×1 360和1 536× 1 024兩種類型，為處理方便，將圖像大小歸一化為300×400。首先對(duì)3種顏色分量進(jìn)行孔洞填充，然后提取滿足式（3）的連通區(qū)域。其中，長寬比aspectratio=width/ height，width、height、area分別是連通區(qū)域的寬、高和面積，這樣可以去除大部分干擾區(qū)域。

2 基于橢圓相似度的標(biāo)志檢測(cè)

扭曲變形使得圓形的標(biāo)志變成了橢圓形，利用橢圓相似度可以判斷是否是圓形的交通標(biāo)志。

如圖 2所示，（x1，y1）、（x2，y2）是長軸的兩個(gè)端點(diǎn)，（x0，y0）是中心，（x，y）是任意一點(diǎn)。利用坐標(biāo)變換公式將坐標(biāo)系xoy的坐標(biāo)轉(zhuǎn)換到坐標(biāo)系x′o′y′：

圖2橢圓

首先，在初步檢測(cè)到的交通標(biāo)志圖像中切出感興趣區(qū)域ROI，然后利用Canny算子進(jìn)行邊緣檢測(cè)，獲得邊緣坐標(biāo)。

假設(shè)ROI的邊緣是橢圓，依次對(duì)任意兩個(gè)邊緣坐標(biāo)求歐式距離，得到最大的歐式距離dmax，認(rèn)為此時(shí)的兩個(gè)邊緣坐標(biāo)即為長軸端點(diǎn)（x1，y1）、（x2，y2）。計(jì)算橢圓的參數(shù)：

（x，y）和（x0，y0）轉(zhuǎn)換到坐標(biāo)系 x′o′y′的坐標(biāo)為（x′，y′）、（x0′，y0′），則：

將b取整存放在A中，A中最大的值就是b值。因?yàn)閷?shí)際獲取標(biāo)志的邊緣坐標(biāo)點(diǎn)在橢圓曲線的周圍，這導(dǎo)致b在一個(gè)小范圍浮動(dòng)，計(jì)算累加器A（b-2：b+2）的和得到橢圓相似度：

如果s大于某一閾值，則假設(shè)成立，該 ROI就是一個(gè)圓形的交通標(biāo)志。

3 實(shí)驗(yàn)結(jié)果

為驗(yàn)證上述算法的可行性，本文使用交通圖像集Traffic Signs UAH Dataset［6］進(jìn)行了一組實(shí)驗(yàn)。該圖像集包括474張交通標(biāo)志圖像，其中包含圓形交通標(biāo)志327個(gè)。

圖3是一張包含1個(gè)圓形和1個(gè)三角形標(biāo)志的圖像，提取它的紅色分量，進(jìn)行孔洞填充，然后去除干擾區(qū)域，對(duì)其進(jìn)行橢圓相似度檢測(cè)，提取符合條件的圓形交通標(biāo)志。從圖中可以看出本算法可以很好地檢測(cè)出圓形的交通標(biāo)志。

圖3 檢測(cè)過程圖像

交通標(biāo)志檢測(cè)結(jié)果分為成功檢測(cè)、漏檢和誤檢3類。檢測(cè)結(jié)果的統(tǒng)計(jì)數(shù)據(jù)由表1給出。

表1 檢測(cè)結(jié)果的統(tǒng)計(jì)數(shù)據(jù)

通過表1的結(jié)果可以看出，算法有較高的檢測(cè)率。漏檢主要出現(xiàn)以下4種情況：（1）交通標(biāo)志距離較遠(yuǎn)，面積較小，在去除干擾區(qū)域時(shí)被去除。實(shí)驗(yàn)表明，在車輛向前行駛中，該標(biāo)志逐漸變大本算法即可以檢測(cè)到它。（2）標(biāo)志變形，導(dǎo)致形狀不再近似橢圓，因此橢圓相似度較低。（3）標(biāo)志褪色，無法在顏色分割時(shí)得到較完整的 ROI，因此無法檢測(cè)到。（4）標(biāo)志之間粘連，不滿足長寬比條件，被當(dāng)做干擾區(qū)域去除。

誤檢主要是因?yàn)楸尘邦伾托螤罹c圓形的交通標(biāo)志相似，這種情況較少，總體來說滿足實(shí)際駕駛的要求。綜上所述，本算法可以有效地檢測(cè)圓形交通標(biāo)志。

該實(shí)驗(yàn)進(jìn)行的軟硬件環(huán)境：操作系統(tǒng)為Windows7，使用MATLAB R2012b進(jìn)行開發(fā)，處理器為Intel CORE i5，主頻 2.4 GHz，內(nèi)存 6 GB，平均檢測(cè)時(shí)間為 0.08 s，本算法能夠滿足車輛安全駕駛的實(shí)時(shí)性要求。

4 結(jié)論

本文提出了一種基于NRGB和橢圓相似度的交通標(biāo)志檢測(cè)算法，NRGB可以較大程度地減少光照變化的影響，通過顏色分割得到紅、藍(lán)、黃三種顏色分量，根據(jù)面積和長寬比去除大部分干擾區(qū)域后，再根據(jù)橢圓相似度判斷獲得的感興趣區(qū)域是否是圓形。實(shí)驗(yàn)證明，該算法簡(jiǎn)單有效，能夠滿足圓形交通標(biāo)志檢測(cè)的有效性和實(shí)時(shí)性要求，但該算法對(duì)交通標(biāo)志粘連的圖像檢測(cè)效果較差。綜上所述，本算法能夠檢測(cè)圓形的交通標(biāo)志，并取得較高的檢測(cè)率和較低的誤檢率，為交通標(biāo)志的識(shí)別奠定了基礎(chǔ)。

［1］KAMADA H，NAOI S，GOTOH T.A compact navigation system using image processing and fuzzy control［J］.in Proc.IEEE Southeast on，New Orleans，LA，1990（1）：337-342.

［2］GOMEZ-MORENO H，MALDONADO-BASCON S，GILJIMENEZ P，et al.Goal evaluation of segmentation algorithms for traffic sign recognition［J］.IEEE Transactions on Intelligent Transportation Systesm，2010，11（4）：917-930.

［3］張霄，彭偉.基于 Hough變換的圓形物體的檢測(cè)［J］.傳感器與微系統(tǒng)，2006，25（4）：62-64.

［4］GARCIA-GARRIDO M，SOTELO M，MARTIN GOROSTIZA E.Fast traffic sign detection and recognition under changing lighting conditions［C］.Intelligent Transactions on System Conference，Toronto：ITSC，2006：811-816.

［5］LIU Y，IKENAGA T，GOTO S.Geometrical，physical and text/symbol analysis based approach of traffic sign detection system［C］.Proceedings of IEEE Intelligent Vehicles Symposium，Tokyo，Japan，Jun.2006：238-243.

［6］GRAM.Traffic Sign UAH Dataset［EB/OL］.（2007-03-16）［2014-9-20］.http://agamenon.tsc.uah.es/Investigacion/gram/ traffic_signs.html.

Circular traffic sign detection based on NRGB and elliptical sim ilarity

Xue Yuli
（School of Information Engineering，Shandong Youth University of Political Science，Key Laboratory of Information Security and Intelligent Control in Universities of Shandong，Jinan 250103，China）

We propose a method of traffic sign detection，which is based on normalized RGB and elliptical similarity.Firstly，RGB model is converted to normalized RGB.Then，remove the interference according to area and aspect ratio.Finally，use the elliptical similarity to detect circular traffic signs.The results indicate that the method can accurately locate the circular traffic signs，and achieve high detection rate and low false rate.

traffic sign detection；NRGB；elliptical similarity；intelligent transportation system

TP751

A

1674-7720（2015）24-0041-03

薛玉利.基于歸一化RGB與橢圓相似度的圓形交通標(biāo)志檢測(cè)［J］.微型機(jī)與應(yīng)用，2015，34（24）：41-43.

2015-06-26）

薛玉利（1981-），女，講師，主要研究方向：數(shù)字圖像處理，模式識(shí)別。