[发明专利]一种室外恶劣光照条件下的快速鲁棒交通标志检测方法

摘要

本发明涉及一种室外恶劣光照条件下的快速鲁棒交通标志检测方法，包括建立多类交通标志的颜色直方图；生成基于多类直方图的概率图；提取基于MSER的交通标志候选区域；去除非交通标志区域。本发明构建不同光照下的多个颜色直方图，并基于多直方图反投影生成输入图像的概率图，将不同光照条件下的交通标志图像变换到统一条件下，对MSER特征区域进行一致性处理，提高了算法对于恶劣光照变化的鲁棒性，同时具有较快的检测速度。实验表明，在弱光照和强光照条件下，现有算法的检测准确率明显下降，而本发明的检测准确率依然保持在90%以上。本发明不仅可以提取红色、黄色、蓝色的交通标志，同时可以提取白色背景的交通标志。

主权项

一种室外恶劣光照条件下的快速鲁棒交通标志检测方法，其特征在于包括以下步骤：步骤1，建立多类交通标志的颜色直方图；步骤1.1，在不同光照条件下采集大量真实场景中含有交通标志的图像，手动抠取交通标志区域作为待训练的交通标志样本；步骤1.2，按颜色和光照条件对交通标志训练样本进行分类；步骤1.3，建立多类颜色直方图；步骤1.4，设定颜色直方图的统计范围；步骤2，生成基于多类直方图的概率图；步骤2.1，将待检测图像从RGB颜色空间转换到HSI颜色空间；步骤2.2，将HSI空间的待检测图像中的每一个像素点P(i,j)与步骤1中建立的颜色直方图按如下公式进行直方图反投影：P(i,j)＝max(fijk(b))式中，fijk(b)表示坐标为(i,j)的像素点在第k个直方图中对应bins归一化之后的值，k＝1,2,...,K，K＝9为直方图数目，即步骤1得到的样本子集数目；遍历整幅图像的所有像素点，得到待检测图像对应的概率图；步骤3，提取基于MSER的交通标志候选区域；步骤3.1，提取白色背景的交通标志候选区域；(1)图像灰度化：采用加权平均灰度化算法将待检测的原始数字图像中每个像素点的红、绿、蓝三分量赋以不同的权值进行加权平均，最终得到灰度图像，计算公式如下：f(x,y)＝0.212671R(x,y)+0.715160G(x,y)+0.072169B(x,y)其中，f(x,y)为灰度化后(x,y)点的灰度值，R(x,y)，G(x,y)，B(x,y)分别为待检测的原始数字图像中(x,y)点的红、绿、蓝三分量的值；(2)在生成的灰度图上提取图像中的MSER特征区域；利用BinSort算法将所有的像素点按照灰度值进行排序，其像素灰度值取值范围为0～255；将所有像素点排好序后，按照降序或者升序将这些像素点在图像中标记出来，在标记的过程中，采用联合‑查找算法，保存一系列不断增大或者出现的连通区域和它们的面积，这些连通区域就是极值区域ε；在给定的阈值范围下，从ε中挑选出连通区域面积变化随阈值变化取得局部最小值的连通区域，得到MSER区域；阈值选取的范围为70～190，在此范围内对灰度图像进行24次阈值分割以提取候选的标志区域；步骤3.2，提取彩色交通标志候选区域；步骤4，去除非交通标志区域；步骤4.1，去除彩色交通标志候选区域中的非交通标志区域；(1)在步骤3.2中得到的彩色交通标志的候选区域上建立MSER特征区域矩形边界框；(2)根据MSER区域形状特征去除非交通标志区域；(3)当出现同一个交通标志被检测为多个符合条件的MSER区域时，如果两个MSER的矩形边界框所包含的面积70％以上重叠，则认为这两个MSER区域出现重叠，取多个MSER中最大的矩形边界框作为最终的交通标志区域；(4)当一个MSER区域的矩形边界框中包含三个及以上不重叠的MSER区域时，则去除最外面的矩形边界框，保留各个小的MSER区域，并取各自的矩形边界框作为最终的交通标志区域；步骤4.2，去除白色背景交通标志候选区域中的非交通标志区域；(1)在步骤3.1中得到的白色背景交通标志候选区域上建立MSER特征区域矩形边界框；(2)按照步骤4.1(2)、(3)、(4)去除非交通标志，得到含交通标志的矩形边界框；(3)对矩形框中每一个像素点进行彩色和非彩色分解，公式如下：式中，Achr(i,j)表示任意像素点P(i,j)的非彩色标签，S(i,j)、I(i,j)分别表示该像素点P(i,j)的饱和度和亮度分量的值；当像素点的S和I分量在满足要求的范围内，即相应的标签值等于True时，将该像素点的非彩色标签Achr(i,j)置1，遍历矩形框中所有像素点以得到所有像素点的标签值；当矩形框中标签为1的像素点的个数超过矩形框所有像素点个数的45％时，认为该MSER区域为白色背景的交通标志，否则去除该MSER区域；步骤4.3，交通标志候选区域的融合及最终交通标志区域的检测；将步骤4.1、4.2中最终提取的矩形边界框在原始图像上画出；当部分交通标志在灰度图和概率图上均被检测出时，如果两个矩形边界框的面积出现70％以上的重叠，则取步骤4.1中确定的边界框为最终包含交通标志的矩形边界框；所述步骤1.3建立多类颜色直方图的方法如下：(1)将每个图片样本归一化到同一尺寸，并从RGB颜色空间转换到HSI颜色空间，计算公式为：H=θ,B≤G360-θ,B>G]]>θ=arccos{12[(R-G)+(R-B)][(R-G)2+(R-B)(G-B)]1/2}]]>S=1-3R+G+B[min(R,G,B)]]]>I=13(R+G+B)]]>其中，R、G、B是RGB颜色空间中红、绿、蓝三个分量的值，H、S、I是HSI颜色空间色调、饱和度、亮度三个分量的值；R、G、B在计算前归一化到[0,1]范围内；(2)在各样本子集中建立H、S分量的颜色直方图；每一个样本子集建立一个二维的直方图，其中x坐标为H分量，y坐标为S分量，而z坐标则为各种H、S分量组合的概率；设定H分量的取值范围为0～360，S分量的取值范围为0～255，本方法将H分量划分为30个等级，将S分量划分为32个等级，将xy平面划分为960个小区域，每个小区域称为一个bins；将z坐标的累加值归一化到0～255范围内，计算公式为：f(b)＝FLOOR(binsVal(b)*255/maxVal)式中，f(b)表示对应bins归一化后的值，binsVal(b)表示归一化之前对应bins的累加值，maxVal表示所有bins中的最大值，FLOOR表示向下舍入取整运算；所述步骤3.2提取彩色交通标志候选区域的方法如下：(1)按照步骤2所述方法对待检测的原始彩色图像建立概率图；(2)采用3×3的模板对概率图像进行中值滤波，公式如下：f2(x,y)=medf1(x-1,y-1),f1(x-1,y),f1(x-1,y+1),f1(x,y-1),f1(x,y),f1(x,y+1),f1(x+1,y-1),f1(x+1,y),f1(x+1,y+1)x>0,y>0]]>其中，f2(x,y)为滤波后(x,y)点的灰度值，med表示求中值运算，f1(x,y)为灰度化后(x,y)点的灰度值；对于x＝0或y＝0的点，用灰度值f1(x,y)作为滤波后的灰度值f2(x,y)；(3)对经过中值滤波的概率图像按照步骤3.1(2)所述方法进行MSER特征区域的提取，不同之处在于，阈值范围选择为140～230，在此范围内进行18次阈值分割以提取彩色交通标志的候选区域。