[发明专利]一种基于边缘超像素和SVM分类的交通限速牌识别方法

说明书

本发明公开了一种基于边缘超像素和SVM分类的交通限速牌识别方法，涉及图像处理技术领域，其包括以下步骤：S1、通过MIPI信号摄像头采集交通图像数据；S2、对交通图像数据进行缓冲区和硬件资源的分配操作，得到图像数据帧；S3、对图像数据帧进行预处理，得到圆形交通限速牌的初步位置数据；S4、采用边缘超像素方法对圆形交通限速牌的初步位置数据进行处理，得到圆形交通限速标志牌的确切位置数据；S5、采用SVM模型对圆形交通限速标志牌的确切位置数据进行识别，得到圆形交通限速标志牌中的限速值；本发明解决了现有交通限速牌识别方法存在计算量大和对硬件的要求高的问题。

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于边缘超像素和SVM分类的交通限速牌识别方法。

背景技术

交通标志识别系统(Traffic Sign Recognition,TSR)是智能交通系统与先进辅助驾驶系统的重要组成部分，提高交通标志检测与识别算法的准确率和实时性是迈向实际应用进程中需要解决的关键问题，目前对于交通标志的识别大多是都是基于深度学习的神经网络分类各种交通标志的类别。与本发明相对应的方法是基于RGB颜色空间分割进行检测与定位交通标志，然后采用神经网络进行分类识别，交通标志信息采用OCR文字识别技术。Hung Ngoc Do使用颜色概率模型计算每个像素的概率确定候选区域，使用HOG和SVM分类并剔除出非限速牌，最后再使用HOG和SVM确定限速牌的内容，该类方法计算量很大，导致实时性较差，对硬件的要求很高，在智能驾驶领域这类方法很难运用到实际的场景中，无法满足实际需要。

发明内容

针对现有技术中的上述不足，本发明提供的一种基于边缘超像素和SVM分类的交通限速牌识别方法解决了现有交通限速牌识别方法存在计算量大和对硬件的要求高的问题。

为了达到上述发明目的，本发明采用的技术方案为：一种基于边缘超像素和SVM分类的交通限速牌识别方法，包括以下步骤：

S1、通过MIPI信号摄像头采集交通图像数据；

S2、对交通图像数据进行缓冲区和硬件资源的分配操作，得到图像数据帧；

S3、对图像数据帧进行预处理，得到圆形交通限速牌的初步位置数据；

S4、采用边缘超像素方法对圆形交通限速牌的初步位置数据进行处理，得到圆形交通限速标志牌的确切位置数据；

S5、采用SVM模型对圆形交通限速标志牌的确切位置数据进行识别，得到圆形交通限速标志牌中的限速值。

进一步地，步骤S3包括以下分步骤：

S31、对图像数据帧截取感兴趣区域，得到感兴趣区域图像数据；

S32、对感兴趣区域图像数据进行灰度化处理，得到灰度数据；

S33、对灰度数据进行高斯滤波处理，得到滤波数据；

S34、对滤波数据进行图像增强处理，得到高对比图像数据；

S35、将高对比图像数据映射到霍夫空间中，在霍夫空间中找到聚焦点；

S36、将聚焦点映射到灰度数据所在的二维空间中，得到圆形交通限速牌的初步位置数据。

上述进一步方案的有益效果为：通过基本图像预处理运算，可以有效的较少计算量，同时在特征增强的作用下能够有效的提高识别准确率，为准确找到限速牌提供了基础保障。

进一步地，步骤S4包括以下分步骤：

S41、将圆形交通限速牌的初步位置数据进行像素值转换，得到黑白图像数据；

S42、将黑白图像数据进行形态学运算，得到形态学运算图像数据；