[发明专利]一种基于图像检索的地面交通标志识别方法

说明书

本发明公开一种基于图像检索的地面交通标志识别方法，包括神经网络训练；图像预处理；生成灰度共生矩阵和标志识别的步骤。本发明基于图像检索技术对地面交通标志进行识别，首先通过采集一些常见的地面交通标志如斑马线、双黄线、减速慢行线等，通过BP神经网络进行大规模的样本训练，并建立一个可以与交通标志相匹配的模板库，在识别到有图像输入时，系统自动将图像进行归一化处理，然后进行一系列的图像预处理过程包括灰度化、二值化，然后使用sobel算子提取出目标区域，将其送入模板库与事先建立的模板进行匹配，最后成功判断出交通标志含义。

技术领域

本发明涉及无人驾驶领域，具体涉及一种用于无人驾驶的地面交通标志识别。

背景技术

在21世纪的今天，交通运输业发展迅猛，路面上的汽车越来越多，交通事故的发生也愈为频繁，人们越来越重视交通安全，无人驾驶应运而生，无人驾驶可以极大的减少交通事故的发生，保障人们的生命财产安全。而在无人驾驶领域，地面交通标志识别是一个重要的组成部分。

地面交通标志识别可以使用相机拍照，然后使用计算机系统来自动识别交通标志(如：箭头标志，车道线，斑马线等等)。这可以提醒到车辆地面的标志的含义，使得车辆可以根据交通标志安全驾驶，从而提高无人驾驶的安全性。

目前，基于视觉的交通标志识别技术大多针对较为理想的环境，而在车辆实际行驶过程中面对的路况和环境非常复杂，基于视觉的交通标志识别需要解决车辆行驶速度变化导致计算机可识别的交通标识发生形变，周围环境或车辆的遮挡导致识别率低或识别速率慢等一系列复杂的技术问题。这极大的减缓了无人驾驶汽车的开发和运用。为了解决上述问题，研究人员向两个方向发展，试图绕过上述难点，一是严格规定无人驾驶汽车的行驶环境，建设专用的通道；二是在基于视觉的识别技术基础上，综合雷达、GPS以及预存的离线或在线地图信息，采用综合算法判断路况和交通标志。但以上两种方法均未从根本上解决前面的技术问题，且导致成本的大幅度上升。

发明内容

发明目的：本发明目的在于针对现有技术的不足，提供一种基于图像检索的地面交通标志识别方法，提高地面交通标志的识别率和识别速度。

技术方案：本发明所述基于图像检索的地面交通标志识别方法，包括如下步骤：

(1)神经网络训练：采集常见的地面交通标志，通过BP神经网络进行大规模的样本训练，将地面交通标志分类，并建立与交通标志相匹配的模板库；

(2)图像预处理：在识别到有交通标志图像输入时，对输入的交通标志图像进行预处理，生成灰度图像，并变换、增强图像，使图像呈现最优解；

(3)生成灰度共生矩阵：采用归一化算法统计图像中灰度值的概率值，并得到图像量化后的图像中存在的灰度级数量，采用能量、对比度、熵和相关性表达共生矩阵的纹理特征，作为图像的视觉表述，选取并切割出边缘点数量大于平均值的区域作为识别图像；

(4)标志识别：使用神经网络算法将识别图像与模板库进行匹配，实现地面交通标志识别。

本发明进一步优选地技术方案为，步骤(2)中图像预处理包括灰度化、二值化和边缘检测，具体为：

a、图像灰度化：将识别到的交通标志图像转化成为灰度图像；

b、图像二值化：将灰度图像上的像素点的灰度值定义为0或者255，使图像呈现出黑白两种颜色；

c、图像边缘检测：用Sobel边缘检测算子进行边缘检测，比较每个像素点与周围邻点灰度的加权差，获得地面交通标志的边缘图像。

作为优选地，步骤(3)的生成灰度共生矩阵的具体步骤为，基于步骤(2)获得的边缘图像进行像素点统计分析，对X方向和Y方向进行边缘像素点数量统计，挑选边缘点数量大于平均值的位置，最后一列大于平均值的位置作为最后一个区域的切分位置，分割出识别图像。