[发明专利]一种道路交通标志的识别方法

说明书

技术领域

本发明涉及智能交通领域，具体涉及基于人工神经网络—脉冲耦合神经网络时间签名的道路交通标志快速识别方法。

背景技术

1990年，Eckhorn等人在对猫的视觉皮层同步脉冲发放现象的研究中，提出了哺乳动物神经元模型——Eckhorn模型。该模型由一个称为神经模拟器（neuromime）的脉冲生成部件、一个调制耦合部件和一个突触连接部件组成。为了弥补Eckhorn模型的不足，使其更加适用于图像处理，人们对Eckhorn模型进行了各种改进，最后由Johnson等人加以总结，提出了脉冲耦合神经网络（Pulse Coupled Neural Network，简称PCNN）的概念。脉冲耦合神经网络不同于Eckhorn模型的两大特点是调制耦合和脉冲生成机制。链接输入以非线性的方式调制馈送输入，生成内部活动项，而链接强度参数可以起到调节链接输入对神经元内部活动影响大小的作用。脉冲耦合神经网络采用了这样一种调制耦合而不是相加耦合的耦合方式，这就防止了没有主输入的神经元单纯在链接输入的作用下点火，而这对于图像处理是很重要的。脉冲生成采用了神经模拟器方式，工作原理如同一个阶跃函数，同时实现动态阈值增减，从而和一般I-N-F(integrate and fire)模式有很大不同。

脉冲耦合神经网络每一次的输出都可以用一个二维矩阵来表示。当脉冲耦合神经网络用于图像处理时，图像中的每一个像素就对应网络中的每一个神经元，而它的输出实际上就是一幅二值图像，表示了每次迭代点火的神经元。计算每次迭代点火的神经元的总数，将其按时间排列起来，就构成了脉冲耦合神经网络的时间签名。由于该时间签名常被用来处理图像识别等问题，因此也称作图像签名。它可以作为图像特征提取中的一个图像特征。对于非复杂背景的简单图像来说，时间签名具有周期性和关于图像的唯一性以及扭曲、旋转、平移和伸缩不变性。研究发现，对于这样的图像，只需要观察其时间签名很短的一部分就能获知整个图像的内容。

智能交通系统( ITS) 是将先进的信息技术、数据通信传输技术、电子传感技术、电子控制技术及计算机处理技术等有效地集成运用于整个交通管理而建立的一种在大范围内、全方位发挥作用的、实时、准确、高效的综合交通运输管理系统。道路交通标志识别作为智能交通的重要环节，负责采集有关道路交通标志的信息，使车辆按交通规则行驶。

发明内容

本发明要解决的技术问题是提供一种高效精准的道路交通标志的识别方法，使其能够更好的辅助车辆行驶和管理，运用脉冲耦合神经网络解决传统人工神经网络在处理图像识别和分类问题中的样本需求大，训练时间长等问题。

为了解决上述技术问题，本发明采用如下技术方案：一种道路交通标志的识别方法，包括如下步骤：

（1）针对每一道路交通标志图像，利用孔洞填充技术分别生成外背景图像和内背景图像；

（2）外背景图像预点火：外背景图像输入相应的脉冲耦合神经网络PCNN_outer中，经两次迭代，生成外波；

（3）内背景图像预点火：内背景图像输入相应的脉冲耦合神经网络PCNN_inner中，经两次迭代，生成内波；

（4）更新外波为原外波中不在内波的那一部分；

（5）将新外波作为增量记录在表示道路交通标志外框的结果集合R中；

（6）若新外波不为空，则新外波输入PCNN_outer中，生成外波，转入步骤(4)；不然，转入步骤(7)；

（7）把道路交通标志的外框提取了出来，再结合原图，提取出道路交通标志的内图；该内图输入相应的脉冲耦合神经网络PCNN_signature中，记录历次迭代点火神经元的个数，生成图像签名;

(8)搜索图像签名数据库，比较图像签名相似度，识别道路交通标志。

与现有技术相比，本发明具有以下有益效果：以新型人工神经网络——脉冲耦合神经网络（PCNN）作为主要处理工具，通过交通标志边框去除和生成脉冲耦合神经网络特有的图像签名来实现对道路交通标志的识别。

A．相对于以往的人工神经网络处理图像识别和分类问题，不需要很大的样本和长时间的训练，从而节省了时间开销；

B．脉冲耦合神经网络非常易于硬件实现，其在硬件支持下所获得了并行处理速度是其他方法所不能比拟的。

C．脉冲耦合神经网络生成图像时间签名，将二维图像信息转化为一维时间序列信息，极大程度地减少了识别过程中信息的处理量，提高了处理速度和效率；