(19)中华人民共和国国家知识产权局
(12)发明专利说明书
(10)申请公布号 CN 103971128 A
(43)申请公布日 2014.08.06
(21)申请号 CN201410222122.5
(22)申请日 2014.05.23
(71)申请人 北京理工大学
    地址 100081 北京市海淀区中关村南大街5号
(72)发明人 付梦印 宋文杰 杨毅 周培德 王震 周耿 张凯 王新宇 李星河 张叶青
(74)专利代理机构 北京理工大学专利中心
    代理人 仇蕾安
(51)Int.CI
      G06K9/62
                                                                  权利要求说明书 说明书 幅图
(54)发明名称
      一种面向无人驾驶车的交通标志识别方法
(57)摘要
      本发明提供一种面向无人驾驶车的交通标志识别方法，该交通标志识别方法基于凸壳算法、Hu不变矩以及横纵向直方图放缩快速匹配等算法进行交通标志识别，属于图像处理技术领域。本发明的这种种针对无人驾驶汽车的交通标志识别方法，相较于现有技术中的交通标志识别方法具有多种优势：识别范围大，且对禁令性和指示性标志进行识别，实时性好，识别准确率高，误识别率低。
法律状态
法律状态公告日
法律状态信息
法律状态
权 利 要 求 说 明 书
1.一种面向无人驾驶车的交通标志识别方法，其特征在于，包括：           
步骤1，获取安装在无人驾驶车上的车载摄像机获得的车辆前方图像，选取            该车辆前方图像的上半部分作为原始识别图像；           
步骤2，使用双线性插值算法将所述原始识别图像的横向分辨率和纵向分辨            率均降为原来的二分之一，然后进行彩恒常处理、彩空间转换后遍历图像            像素信息，进行彩分割，得到红、蓝通道的信道图像，对该红、蓝通道的信            道图像进行预处理后进行Laplacian变换，得到红、蓝通道的二值化图像，其中            预处理包括：中值滤波、膨胀处理、腐蚀处理；           
无人驾驶汽车步骤3，对每一二值化图像，通过轮廓处理算法获得其所有轮廓，依次计算            所有轮廓的面积，选取所有轮廓中面积在指定面积范围以内的轮廓，并依次对            其进行凸壳处理，将凸壳处理后的轮廓连线成新轮廓图像，从而获得红、蓝通            道的新轮廓图像；           
步骤4，对每一新轮廓图像，计算其每个轮廓的面积和周长之比，通过与交            通标志的面积周长比进行对比，筛除不相符的轮廓，然后计算相符的轮廓的不            变矩特征值，依次计算每个相符的轮廓的不变矩特征值与交通标志的圆形不变            矩特征值、方形不变矩特征值之间的欧氏距离，最后将该欧式距离与对应形状            的指定距离范围比较，选择在相应指定距离范围内的轮廓作为感兴趣轮廓图像，            从而获得红、蓝通道的感兴趣轮廓图像；           
步骤5，对每一感兴趣轮廓图像，对应到步骤1中的原始识别图像上，根据            该感兴趣轮廓图像获得该原始识别图像上的感兴趣区域，遍历模板库里的各种            交通标志的标准模板，选择出与该原始识别图像上的感兴趣区域相匹配的交通            标志的标准模板，从而识别出该感兴趣区域所属交通标志类型。           
2.如权利要求1所述的面向无人驾驶车的交通标志识别方法，其特征在于，            所述步骤5包括：           
步骤51，将原始识别图像上的感兴趣区域图像转化为灰度图像，并对该灰            度图像进行高斯滤波后进行二值化处理获得感兴趣区域所对应的二值化图像；           
步骤52，步骤51所获得的二值化图像的列数为n，行数为m，计算各列元            素值255所占的百分比，获得n个百分比，记为数组X(n)，计算各行元素值255                            所占的百分比，获得m个百分比，记为数组Y(m)，使用数组X(n)和数组Y(m)作为            该感兴趣区域的特征；           
步骤53，将模板库里的各种交通标志的标准模板依次与所述感兴趣区域的            特征进行匹配，获得该感兴趣区域与各个交通标志的标准模板的最终匹配值；           
步骤54，将各个交通标志的标准模板的最终匹配值中的最小匹配值对应的            模板类型作为该感兴趣区域所属交通标志类型。           
3.如权利要求2所述的面向无人驾驶车的交通标志识别方法，其特征在于，           
所述步骤51中的二值化处理以图像灰度平均值加上图像灰度最大最小差值            的五分之一作为分割阈值进行二值化。           
4.如权利要求2所述的面向无人驾驶车的交通标志识别方法，其特征在于，            所述步骤53包括：           
步骤531，利用双线性插值方法和固定步长依次将各种交通标志的标准模板            转化为感兴趣区域尺寸的13/10倍、12/10倍、10/10倍、12/13、11/13和10/13            倍；           
步骤532，每次变换尺寸后所得二值化图像的行数为a，列数为b，按照步            骤52的方式获取其对应的特征，该特征表示为数组A(a)和数组B(b)，选择步长            step＝(m-a)/3：           
当step＝0时，X(n)与A(a)匹配：利用A(a)在X(n)上从X(1)开始到X(a)匹配，计算            X(n)与A(a)的平均协方差并取最小值作为横向直方图匹配结果，而当step≠0时，则            将A(a)按步长在X(n)上移动进行计算各次的平均协方差并取最小值作为横向直方            图匹配结果；           
当step＝0时，Y(m)与B(b)匹配：利用B(b)在Y(m)上从Y(1)开始到Y(b)匹配，计            算Y(m)与B(b)的平均协方差并取最小值作为纵向直方图匹配结果，而当step≠0时，            则将B(b)按步长在Y(m)上移动进行计算各次的平均协方差并取最小值作为纵向直            方图匹配结果；           
步骤533，将横向直方图匹配结果与纵向直方图匹配结果的平均值作为该次            尺寸变换的最终匹配结果；           
步骤534，按照步骤532和步骤533的方法依次获得各次尺寸变换的最终匹            配结果，将各次尺寸变换的最终匹配结果中的最小值作为该感兴趣区域与该交            通标志的标准模板的最终匹配值；           
步骤535，按照步骤534的方法依次获得该感兴趣区域与各个交通标志的标            准模板的最终匹配值。           
说  明  书
<p>技术领域       
本发明属于图像处理技术领域，尤其涉及一种面向无人驾驶车的交通标志        识别方法。       
背景技术       
随着社会的发展，汽车已经成为人类日常生活不可替代的交通工具。然而，        随之而来是其带来的日益突出的安全问题。能够主动识别交通标志并且做出快        速提醒或判断可以很大程度地减少交通事故的发生。