[发明专利]一种结合机器学习和计算机视觉的限速标志牌识别方法

权利要求书

1.一种结合机器学习和计算机视觉的限速标志牌识别方法，其特征在于，该方法包括以下步骤：

S1、通过车载摄像头获取汽车行驶的路况视频图像，并将路况视频图像上传至图形处理器；

S2、在路况视频图像中，利用机器学习的目标物体检测方法对限速标志牌进行检测，得到限速标志牌在路况视频图像中的定位坐标；

S3、对定位处的限速标志牌图像，利用机器视觉的霍夫变换方法进行圆形检测，对检测到的非圆形图片进行非交通限速标志牌的排除，对检测到的圆形图片内部的限速信息进行提取；

S4、基于对圆形图片的直方图的判断，消除不同天气因素和光线强度对亮度的影响，生成圆形图片区域内的二值化图像；

S5、利用计算机视觉的分割方法，将圆形标志牌二值化图像内部的字符进行独立分割；

S6、通过模板匹配的方法对分割后的数字进行0-9的识别；

S7、将识别到的2位或3位数值结果进行比对，从而判别识别的数字结果是否为限速标志牌，输出识别结果。

2.根据权利要求1所述的结合机器学习和计算机视觉的限速标志牌识别方法，其特征在于，步骤S2中的具体方法为：

S21、利用机器学习的方法对包含交通限速标识牌的图片数据库进行训练，并生成检测器；

S22、利用检测器对输入图形处理器的图片进行限速标识牌检测；

S23、当检测检测到的标志牌时，输出其在图像中的定位坐标。

3.根据权利要求1所述的结合机器学习和计算机视觉的限速标志牌识别方法，其特征在于，步骤S3的具体方法为：

S31、对定位出的图像做霍夫圆检测，若无圆形检测结果则判定为非限速标识牌，若检测到圆形测取半径最大的圆；

S32、删除圆形区域外的背景，仅提取出圆形标识牌的内部内容。

4.根据权利要求3所述的结合机器学习和计算机视觉的限速标志牌识别方法，其特征在于，步骤S31中对定位出的图像做霍夫圆检测的具体方法为：

霍夫圆检测中，分别对每个像素点是否为圆的中心点进行判断，通过投票生成累积的坐标平面，通过累积权重来定位圆；以点(a，b)为圆心，r作为半径的圆表示为：(x-a)²+(y-b)²＝r²；圆形的构造点(x，y)在坐标系中的坐标即表示为：(a+r.cosθ，b+r.sinθ)；当这些构造点为非零像素点时，则视为该圆形存在；利用交通限速标志牌的形状特征，和霍夫变换的圆形检测对限速标志牌进行更进一步的定位。

5.根据权利要求1所述的结合机器学习和计算机视觉的限速标志牌识别方法，其特征在于，步骤S4的具体方法为：

S41、首先对彩色图像进行灰度化处理，获取到灰度图像，图像中每个像素由0到255的亮度值表示；

S42、考虑天气因素对图像成像的影响，利用图像直方图统计的方法来判定路况的天气情况；在灰度直方图上，若统计结果表明出现在灰度值为0-127区间内的像素点的数量大于设定阈值，则表明背景为有阳光的天气，反之则为无阳光的天气；

S43、针对不同的天气情况，对有阳光和无阳光的天气分别设定不同的二值化阈值，有阳光的天气的阈值大于无阳光天气的阈值；

S44、根据选定的阈值对圆形内部的图像内容进行图像二值化，最后生成二值化图像。