基于顏色和邊緣信息的交通標志檢測

摘要：根據我國交通標志的顏色和幾何屬性，提出了一種適用于自然背景下的交通標志檢測方法。該方法采用RGB彩色分量差對自然背景下的禁令標志圖像進行分割，結合最小二乘法對像素坐標進行橢圓擬合，再根據邊界的圓形度參數判斷是否為圓形區域。實驗證明了該方法的有效性與魯棒性。
關鍵詞：標志檢測；RBG模型；橢圓擬合

0 引言
據世界衛生組織發布的“道路安全全球現狀報告”指出，全球每年高達127萬人死于交通事故，而隨著我國城市化的進展以及汽車的普及，公路交通的安全以及運輸效率問題變得日益突出。智能交通系統(Intelligent Transportation System，ITS)已經成為國內外廣泛研究的課題。如何實時、準確地實現復雜場景下的道路交通標志識別(Trafic Sign Recognition，TSR)成為ITS的熱點與難點問題，交通標志的自動檢測是對交通標志進行正確識別的前提，現有的交通標志檢測大多基于標志圖，針對實景圖的研究較少，且大多數算法較為復雜，實時性難以得到保障。同周圍環境相比，每種交通標志都具有顏色和幾何形狀的特殊性，本文利用這個特點，采用基于顏色信息和基于邊緣特征相結合的方法實現標志的檢測。首先，根據交通標志的顏色特征，在RGB模型下對交通標志場景圖進行粗分割，得到感興趣區域，然后采用Can-ny算子提取輪廓，再根據交通標志的幾何特征，利用最小二乘法對輪廓進行橢圓擬合，檢測出交通標志。對于禁令標志、警告標志和指示標志三種常見的交通標志，本文選擇紅色圓形的禁令標志進行實驗分析。

1 基于顏色的交通標志粗分割
顏色分割的任務是將某種特定顏色的像素提取出來，其分割的結果進行一系列的處理后用于下一步交通標志的幾何形狀分析，從而達到交通標志檢測的結果。在實際應用中，交通標志是通過車載攝像頭在行駛過程中拍攝所獲得的。一般為RGB模型，得到的是直接具有R，G，B特征的影像，相比較HSI模型，由于RGB三分量之間有很高的相關性，使得RGB三分量容易受光照的影響，但不需要進行顏色模型之間的轉化，使得計算量大大地減少，而滿足交通標志檢測的實時性要求。根據RGB顏色模型的特點，通過大量的實驗發現，對三分量進行簡單的組合運算，再進行閾值分割，不僅能快速有效地得到感興趣區域，還能使得分割的效果受光照的影響減小，從而得出一種基于RGB模型的快速交通標志粗分割算法，將滿足(1)R—B>25，(2)2GR+B，(3)R+G+B>175。其中條件(1)，條件(2)為判斷影像中像素主要為紅色，條件(3)表示整個影像中整體顏色的明暗度。通過大量實驗，將條件(1)的參數選為25，條件(3)中的參數選為175，對于滿足上述條件的像素同時置為0，這樣影像中紅色區域都為白色，將不符合紅色禁令標志顏色特征的區域從背景中除去，從而得到感興趣區域，有利于下一步交通標志的檢測。分割結果如圖1所示，從圖中可以看到，即使在光照條件不好的情況下，算法依然能得到較好的分割結果。

在實驗過程中發現，當背景圖片存在其它紅色物體時，進行本文算法對影像顏色分割時，會產生大量的干擾，許多非紅色禁令標志也被分割出來當作感興趣區域，因此在這基礎上，必須利用交通標志的幾何特征，對邊緣信息做進一步的分析從而確定交通標志。

2 基于標志邊緣的分割
本文研究的是以圓形為幾何特征的禁令標志的檢測方法，檢測圓形常用的方法有：基于圓形邊緣積分特性的環路積分微分法、模板匹配法和組合法，Hough變換法等，Hough變換在直線、圓和橢圓的檢測中都有著廣泛的應用，其缺點是算法計算時間長與儲存量大，不符合交通標志檢測中實時性的要求，本文利用最小二乘原理完成了對任意位置橢圓的擬合。