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,。

　　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,。

　　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,。

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。

　　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。

　　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.