《電子技術(shù)應(yīng)用》
您所在的位置:首頁 > 嵌入式技術(shù) > 設(shè)計應(yīng)用 > 基于三分量色差法和Ostu法的交通標(biāo)志檢測
基于三分量色差法和Ostu法的交通標(biāo)志檢測
2014年微型機(jī)與應(yīng)用第20期
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實驗室,山東 濟(jì)南 250103
摘要: 交通標(biāo)志檢測是交通標(biāo)志識別的難點,。在復(fù)雜的交通環(huán)境下,,采用傳統(tǒng)顏色空間的固定閾值分割進(jìn)行交通標(biāo)志檢測的方法魯棒性差,難以準(zhǔn)確有效地檢測出交通標(biāo)志,。提出了一種基于三分量色差法和Ostu法的交通標(biāo)志檢測方法,。首先,通過計算圖像R,、G,、B分量的差值來得到紅、藍(lán),、黃三種顏色分量,,然后利用Ostu法分別對它們進(jìn)行閾值分割,得到交通標(biāo)志的檢測結(jié)果,。實驗結(jié)果表明,,該算法的檢測準(zhǔn)確率和實時性滿足實際要求。
Abstract:
Key words :

  摘  要交通標(biāo)志檢測是交通標(biāo)志識別的難點,。在復(fù)雜的交通環(huán)境下,,采用傳統(tǒng)顏色空間的固定閾值分割進(jìn)行交通標(biāo)志檢測的方法魯棒性差,難以準(zhǔn)確有效地檢測出交通標(biāo)志,。提出了一種基于三分量色差法Ostu法的交通標(biāo)志檢測方法,。首先,通過計算圖像R、G,、B分量的差值來得到紅,、藍(lán)、黃三種顏色分量,,然后利用Ostu法分別對它們進(jìn)行閾值分割,,得到交通標(biāo)志的檢測結(jié)果。實驗結(jié)果表明,,該算法的檢測準(zhǔn)確率和實時性滿足實際要求,。

  關(guān)鍵詞: 交通標(biāo)志檢測;三分量色差法,;Ostu法,;智能交通系統(tǒng)

0 引言

  駕駛輔助系統(tǒng)能在車輛行駛過程中實時識別交通標(biāo)志信息并將其提供給駕駛員,能使駕駛員減輕駕駛壓力,,提前做出反應(yīng),,有利于駕駛安全,對避免交通事故的發(fā)生具有重要意義,。交通標(biāo)志自動檢測是該系統(tǒng)的重要組成部分[1],,該領(lǐng)域的研究對現(xiàn)代交通管理有重要意義。

  為便于駕駛員及時掌握道路信息,,交通標(biāo)志通常被設(shè)計成特定的顏色和形狀[2],從而能最大限度地與自然和人造背景區(qū)分開[3],。交通標(biāo)志檢測方法主要有兩類,,即顏色分割方法和形狀檢測方法。目前,,國內(nèi)外學(xué)者對交通標(biāo)志分割的研究主要是針對交通標(biāo)志的顏色特征,,在不同的彩色空間實現(xiàn)。一類方法是直接分析RGB(紅綠藍(lán))彩色空間中標(biāo)志顏色特征中R(紅),、G(綠),、B(藍(lán))三分量的關(guān)系,并設(shè)定閾值實現(xiàn)[4-5],,該方法運算簡單,,但由于三分量有較高的耦合度,易受光照影響,。另一類方法是轉(zhuǎn)換到HSI空間實現(xiàn)分割[6-7],,將顏色的色度(H)、飽和度(S)與亮度(I)分開,,通過設(shè)定H分量范圍實現(xiàn),,但彩色空間轉(zhuǎn)換過程中的計算量較大,且對飽和度低的情況分割效果較差。以上兩類方法分割閾值相對固定,,難以適應(yīng)復(fù)雜的自然場景,。

  針對上述問題,本文提出一種基于三分量色差法和Ostu法的交通標(biāo)志檢測算法,。算法首先在RGB空間對R,、G、B三分量求色差,,得到紅,、藍(lán)、黃三種顏色分量圖像,;然后利用Ostu法對三種顏色分量圖像進(jìn)行閾值分割,,得到檢測結(jié)果。實驗結(jié)果表明,,本方法有效地提高了交通標(biāo)志分割效率,,滿足駕駛員的實時性要求。

1 基于三分量色差法和Ostu法的交通標(biāo)志檢測

  1.1 三分量色差法

  我國的交通標(biāo)志基本分為三種:警告標(biāo)志,、禁令標(biāo)志,、指示標(biāo)志。紅色表示禁令,,黃色表示警告,,藍(lán)色表示指示。

  在RGB模型中R,、G,、B分量極易受光照的影響,這也是人們很少直接采用RGB模型實現(xiàn)分割的主要原因,,但是三種色彩對應(yīng)三分量的差值卻保持在一定的范圍之內(nèi),,即受光照影響不大。因此本文通過計算R,、G,、B分量的差值來得到紅、藍(lán),、黃三種顏色分量,。對RGB空間的每個像素I=[Ir,Ig,,Ib]進(jìn)行式(1)所示的變換,,就可以得到紅色(red)、藍(lán)色(blue)和黃色(yellow)三種顏色分量,,如圖1所示,。

001.jpg

  1.png

  1.2 Ostu分割方法

  由于光照條件的不同,,采集的實景圖各不相同,灰度直方圖的形狀多變,,雙峰和低谷不明顯,,因此,采用固定閾值分割無法適應(yīng)不同光照條件獲得的實景圖,。Ostu算法以圖像的直方圖為依據(jù),,將圖像分為目標(biāo)和背景兩大類,以兩類的類間方差最大或類內(nèi)方差最小為閾值選取準(zhǔn)則,,不需要人為設(shè)定任何參數(shù),,可以自動獲取閾值level。分別對三種顏色分量求得閾值level,,以紅色分量為例,,利用式(2)得到交通標(biāo)志的分割圖。藍(lán)色和黃色的分割圖與此類同,。三種顏色的分割圖如圖2所示,。

002.jpg

  7{1[CK64{A@GMU9XUW_4${C.png

2 實驗結(jié)果與分析

  本文實驗以MATLAB7.0為開發(fā)環(huán)境,基于開發(fā)的交通圖像集Traffic Signs UAH Dataset[8]進(jìn)行了一組實驗,。Traffic Signs UAH Dataset包括474張交通標(biāo)志圖像,,涵蓋了光照變化、部分遮擋,、旋轉(zhuǎn),、陰影及交通標(biāo)志污損變形等情形下多種顏色和多種形狀的交通標(biāo)志。

003.jpg

  圖3為不同情形下的實驗結(jié)果,,分為光照變化,、部分遮擋、旋轉(zhuǎn),、陰影和污損變形5種情況。第1,、2列是原始圖像,,第3、4列是通過算法處理后得到的檢測結(jié)果,,可以看出本算法可以較好地檢測出上面5種情況的交通標(biāo)志,。

  統(tǒng)計結(jié)果分為成功檢測和未成功檢測兩類。前者代表圖像中能被算法檢測出來的標(biāo)志,,后者表示圖像中未能被算法檢測出來的標(biāo)志,。在成功檢測標(biāo)志中,存在正確檢測和虛報(標(biāo)識出來并非交通標(biāo)志)兩類,。在未成功檢測標(biāo)志中,,存在漏檢(對正常行駛有影響但沒能檢測出來)和其他(對正常行駛沒有影響且沒能檢測出來),。統(tǒng)計的詳細(xì)數(shù)據(jù)如表1所示。

004.jpg

  通過表1的統(tǒng)計數(shù)據(jù)來看,,正確檢測和其他結(jié)果都屬于能滿足實際要求的情況,,且占據(jù)了絕大部分比例,表明算法有較高的檢測正確性,。

  本算法的虛報主要出現(xiàn)在與交通標(biāo)志顏色類似的車輛,、欄桿等;漏檢主要出現(xiàn)在距離較遠(yuǎn)處的交通標(biāo)志上,,在車輛由遠(yuǎn)及近接近交通標(biāo)志的過程中,,漏檢的交通標(biāo)志逐漸占據(jù)較大的圖像區(qū)間,算法會重新檢測到該交通標(biāo)志,。綜上所述,,該方法對交通標(biāo)志檢測的有效性是可以保證的。

  本算法以MATLAB7.0為開發(fā)環(huán)境,,實驗在Windows7系統(tǒng)的PC上完成,,處理器為CORE i5,主頻2.4 GHz,,內(nèi)存6 GB,,平均檢測時間為7.8 ms,因此本算法能夠滿足車輛安全駕駛的實時性要求,。

3 結(jié)論

  本文提出了一種基于三分量色差法和Ostu法的交通標(biāo)志檢測算法,,實驗證明,該方法簡單有效,,能夠滿足交通標(biāo)志檢測有效性和實時性的要求,,并且對交通標(biāo)志的光照變化、部分遮擋,、旋轉(zhuǎn),、陰影和污損變形5種常見情況具有較好的魯棒性。

  本文算法的不足之處在于較遠(yuǎn)的交通標(biāo)志存在漏檢的情況,,在實際車輛駕駛過程中,,車輛由遠(yuǎn)及近接近交通標(biāo)志,算法會自動檢測到漏檢的交通標(biāo)志,。

  綜上所述,,本算法能夠滿足車輛安全駕駛時交通標(biāo)志檢測的實時性和魯棒性要求,為下一步交通標(biāo)志的識別奠定了良好的基礎(chǔ),。

參考文獻(xiàn)

  [1] 朱雙東,,陸曉峰.道路交通標(biāo)志識別的研究現(xiàn)狀及展望[J].計算機(jī)工程與科學(xué),2006,,28(12):50-52.

  [2] JIANG G,, CHOI T. Robust detection of landmarks in color image based on fuzzy set theory[C]. ICSP. Beijing: IEEE Signal Processing Society,, 1998:968-971.

  [3] HOOSE N. Computer image processing in traffic engineering[M]. New York: John Wiley &sons Inc.,1991.

  [4] SOETEDIO A,, YAMADA K. An efficient algorithm for traffic sign detection[J]. Journal of Advanced Computational Intelligence and Intelligent Informatic,, 2006,10(3):409-417.

  [5] 黃志勇,,孫光民,,李芳.基于RGB視覺模型的交通標(biāo)志分割[J].微電子學(xué)與計算機(jī),2004,,21(10):147-148.

  [6] 朱雙東,,張懿,陸曉峰.三角形交通標(biāo)志的智能檢測方法[J].中國圖象圖形學(xué)報,,2006,,11(8):1127-1131.

  [7] ISHIZUKA Y, HIRAI Y. Segmentation of road sign symbols using opponent-color filters[C]. Proceedings of 11th World Congress on ITS,, Nagoya,, Aichi Japan, 2004:18-22.

  [8] GRAM. Traffic sign UAH dataset(2007-03-16)[2014-07-20].http://agamenon.tsc.uah.es/Investigacion/gram/traffic_signs.html.


此內(nèi)容為AET網(wǎng)站原創(chuàng),,未經(jīng)授權(quán)禁止轉(zhuǎn)載,。