[发明专利]一种街景影像中的交通标志识别方法和系统

说明书

技术领域

本发明涉及信息处理领域，更具体地，涉及一种街景影像中的交通标志识别方法和系统。

背景技术

随着社会的进步和经济的发展，我国的公路交通行业得到了飞速的发展，汽车的流通量也逐渐增大，同时，交通标志牌的类型也繁多且分布范围广泛，交通标志牌的信息收集工作为无人驾驶与智能导航技术提供关键信息，通过智能识别这些标志指示的道路状况，速度限制，驾驶行为等信息来使车辆或辅助驾驶员做出决策。人工外业提取与更新交通标志信息耗费大量的时间和人力资源。

交通标志识别技术是目标识别的一个分支，但是它又不同于传统的大类的目标识别，而是针对某一特定领域的目标识别。目前主要使用的识别方法为：以特征提取为基础，再利用分类器进行分类的方法。这种方法的特征，包括颜色、形状、HoG(梯度直方图)、SIFT、Haar等特征。提取到图像的特征后，在分类时一般的处理方案为，基于概率的生成模型(参见Mrinal Haloi.A novel pLSA based Traffic Signs Classification System.arXiv,2015.)，该方法将标志的检测和识别过程建立一个话题模型，发掘图片中的隐含的相似话题形成分类算法，利用词袋模型以及SIFT特征表示待检测和识别的图片；以及利用特征样本进行训练的判别模型，例如线性判别分析、支持向量机、K-d树等(参见Wang G,Ren G,Wu Z,et al.:A hierarchical method for traffic sign classification with support vector machines.The 2013International Joint Conference on Neural Networks(IJCNN),pp.1–6.IEEE,Texas(2013))。这种方法的优点在于实现简单对机器性能要求低，但需要对特征进行特殊的设计，且无法适应交通标志的复杂多样的变化形式和角度光线等环境影响的背景，因此这类方法陷入了提升识别率的瓶颈。

另一方面，在街景影像中的交通标志识别过程中，街景影像受采集环境、光照强度、内容庞杂等客观因素的影响，目前基于街景影像的交通标志标牌信息提取仍存在诸多困难，具体因素主要包括：1、光照，户外不同的光照强度，使图像的颜色特征发生较大变化；2、遮挡，交通标志在图像中经常会被其他物体遮挡，相邻或者组合的交通标志之间也会相互遮挡；3、自身因素，交通标志长期暴露在户外，会有不同程度的褪色、污损和变形；4、图像方位，拍摄距离和角度会影响图像中交通标志区域的大小并产生投影变形。

发明内容

针对现有技术中，对交通标志识别的识别率不高，且无法适应交通标志的复杂多样的变化形式和角度光线等环境影响的背景，同时在街景影像中交通标志识别受到街景影像的采集环境、光照强度、内容庞杂等客观因素的影响的问题，提供一种街景影像中的交通标志识别方法和系统。

根据本发明的一个方面，提供一种街景影像中的交通标志识别方法，包括：

接收街景图像，对所述街景图像进行预处理，增强所述街景图像中的交通标志兴趣特征；

利用HIS彩色空间阈值和非彩色区域阈值相组合的方式提取出所述街景图像中的交通标志兴趣特征；

利用形状特征对基于颜色特征提取的所述交通标志兴趣特征进行优化筛选，去除掉所述街景图像中的虚假区域。

将所述交通标志兴趣特征发送至多层神经网络中，对所述兴趣特征进行识别，并输出识别结果。

其中，还包括采集并建立交通标志训练样本数据集，利用所述交通标志训练样本数据集对所述多层神经网络进行训练。

其中，所述利用利用HIS彩色空间阈值提取出图像中的交通标志兴趣区域具体为：通过公式

H＝H+2πif H＜0

S＝Max-Min

将RGB颜色空间转化为HSI颜色空间利用色度和饱和度阈值分割图像；

其中，R为红色分量值，G为绿色分量值，B为蓝色分量值，Max为RGB颜色值最大的通道值，Min为RGB颜色值中最小的通道值，H为色度，S为饱和度，I为亮度。

其中，所述利用非彩色区域阈值提取出图像中的交通标志兴趣区域具体为：通过公式：

利用RGB颜色通道中的颜色值提取出图像中的非彩色的交通标志，当A的值小于1时，为非彩色；

其中，R为红色分量值，G为绿色分量值，B为蓝色分量值，D为非彩色提取参数。