[发明专利]交通标志检测和识别方法、系统及存储介质

说明书

本发明公开了一种交通标志检测和识别方法、系统及计算机可读存储介质，该方法包括以下步骤：在驾驶环境中，实时获取车辆周边环境的原始图像；根据预先设置的交通标志检测和识别系统处理图像的帧率，对所述原始图像进行预处理，去除所述原始图像中不感兴趣的区域，获得变换后的图像；利用预先训练过的级联检测器检测每幅变换后的图像在预设范围内的交通标志，获取候选交通标志目标；采用预设方式对所述候选交通标志目标进行识别；判断所述交通标志目标是否包含有交通标志；若有，则结合所述驾驶环境识别所述交通标志目标的类别和内容。本发明实现了简单、实时、可靠、稳健的检测和识别交通标志，提高了车辆行驶的安全性。

技术领域

本发明涉及辅助驾驶技术领域，尤其涉及一种交通标志检测和识别方法、系统及计算机可读存储介质。

背景技术

驾驶环境下实时检测识别交通标志具有重要的意义。随着科技发展和生活水平提高，公路上车辆数目持续增加，增加了交通系统的压力和交通事故。交通标志包含了道路状况、驾驶速度限制以及驾驶行为限制等非常重要的信息。交通标志识别系统作为高级辅助驾驶系统的一种，可以提供给司机重要的驾驶和行车规划的参考，提高驾驶效率和安全；对于无人驾驶，交通标志检测和识别是必要的一个部分，因为其传感器比如Lidar和雷达都无法提供交通标志对应的具体内容。自动交通标志检测和识别可以有效提高智能交通系统的性能，提高驾驶安全性。

交通标志具有很显著的特征，比如特殊固定的形状和颜色等，有助于机器自动识别。但是，由于多种原因，比如成像角度和车辆运动带来的图像模糊、天气和光线、树枝遮挡以及交通标志褪色和变形等，极大地增加了可靠检测识别交通标志的难度。另外，嵌入式设备有限的计算处理能力和相对低成本的图像采集设备，也增加了实时检测识别交通标志的难度。

目前，已经有多种关于交通标志检测和识别的方法，通常都分为检测和识别两个主要环节，其中，交通标志的检测尤为重要和困难。对于交通标志的检测，一种传统方法是利用交通标志颜色进行检测，但是由于光线和褪色等原因，仅从颜色进行，需要复杂的人工设置颜色门限值，在准确率和定位方面都存在很大问题。另外一种方法是利用交通标志特定的形状，检测圆形或者三角形，或者利用交通标志模板在原始图像上进行滑动匹配，寻找交通标志。但是检测形状本身很费时，而且容易受到很大非交通标志的干扰。而交通标志模板匹配的方法则易受到多种因素影响，而且计算量大。结合采用颜色和形状的方法，先利用颜色过滤像素，然后结合形状对交通标志进行检测和定位。但是该方法在可靠性和计算速度方面仍然有很大的问题。西门子和Mobileye采用另外一种思路，先用多种滤波器提取特征，并综合记分。根据积分的情况，确定感兴趣区域。对于交通标志的识别，已有基于图像特征的SVM、Adaboost等方法被采用。随着机器学习技术的发展，目前已经有采用深度学习神经网络识别交通标志的方法，可以将检测和识别集成为一个步骤，但是深度学习的计算量和对内存的要求都非常高，不适合实时检测识别任务。

由此，有必要提出一种能简单、实时、可靠、稳健的检测和识别交通标志的解决方案。

发明内容

本发明的主要目的在于提出一种可以简单、实时、可靠、稳健的检测和识别交通标志的交通标志检测和识别方法、系统及计算机可读存储介质。

为实现上述目的，本发明提供一种交通标志检测和识别方法，所述方法应用于交通标志检测和识别系统，所述方法包括以下步骤：

在驾驶环境中，实时获取车辆周边环境的原始图像；

根据预先设置的交通标志检测和识别系统处理图像的帧率，对所述原始图像进行预处理，去除所述原始图像中不感兴趣的区域，获得变换后的图像；

利用预先训练过的级联检测器检测每幅变换后的图像在预设范围内的交通标志，获取候选交通标志目标；

采用预设方式对所述候选交通标志目标进行识别；

判断所述交通标志目标是否包含有交通标志；