[发明专利]多特征协同的交通标志检测与识别方法

摘要

本发明公开了一种多特征协同的交通标志检测与识别方法，通过交通标志样本图像建立各个颜色类别交通标志的颜色概率模型，选择各个颜色类别交通标志的代表颜色，计算得到各个代表颜色的概率查找表，训练得到各个形状类别交通标志的形状分类器以及识别模型；对于待检测交通图像，先使用各个代表颜色的概率查找表得到待检测交通图像的概率图，然后转换为灰度图，利用MSER算法检测各灰度图中的灰度变化稳定区域，将符合预设高宽比范围的区域作为候选窗口，将各候选窗口采用各交通标志形状分类器判定是否存在交通标志，对存在交通标志的候选窗口，采用对应形状的识别模型进行识别。本发明结合了交通标志的颜色和形状特征，可以得到更好的检测与识别效果。

主权项

一种多特征协同的交通标志检测与识别方法，其特征在于，包括以下步骤：S1：根据交通标志的颜色特点对交通标志进行分类，每个颜色类别分别获取若干张交通标志样本图像；对于每张交通标志样本图像，提取各个像素点的颜色特征，根据颜色特征对该交通标志样本图像的所有像素进行聚类，聚类数量为N+1，N为交通标志的主要颜色数量，将每类交通标志样本图像中各样本图像中对应聚类的像素点合并，得到该颜色类别的N+1个样本集，对每个样本集建立对应的高斯模型；S2：对于每个颜色类别的交通标志，根据其对应的N+1个的颜色概率模型计算各个R,G,B值属于各颜色的概率p(c_i|x)，x表示像素点R,G,B值，c_i表示颜色，i＝1,2,…,N+1；从该颜色类别的N种主要颜色中选取一种颜色作为代表颜色，记为c′_i，然后对代表颜色的概率进行归一化得到其归一化概率建立各个R,G,B值属于代表颜色的概率查找表；S3：将交通标志根据形状分为M类，每个形状类别建立一个基于HOG特征的形状分类器，其训练方法为：对于每个形状分类器，获取两类样本图像，一类为对应形状的交通标志样本图像，另一类为其他图像；统一样本图像尺寸，提取每张样本图像的HOG特征，将HOG特征作为形状分类器的输入，是否为所属形状类别的判定值作为形状分类器的输出，训练得到对应形状类别交通标志的形状分类器；S4：按照交通标志的形状类别数M，对每一个形状类别的交通标志分别设置一个识别模型，每个形状类别分别获取若干张交通标志样本图像；先对所有样本图像进行预处理，包括统一图像尺寸和对比度增强；采用每个形状类别预处理后的样本图像对其识别模型进行训练，每次训练完毕后将预处理后的交通标志样本图像随机排序然后分组，设置Q种畸变方式，对每组样本图像在Q种畸变方式中随机选择q种畸变方式按照随机顺序对样本图像进行畸变处理，采用畸变处理后的新样本图像对其识别模型进行训练，直到达到训练结束条件；S5：对于待检测交通图像，遍历待检测交通图像中各个像素，根据每个代表颜色的概率查找表，计算每个像素点属于该类颜色的概率，得到待检测交通图像在每个代表颜色下的概率图，然后转换为灰度图；利用MSER算法检测各灰度图中的灰度变化稳定区域，去除稳定区域中高宽比在预设高宽比范围以外的区域，剩余的稳定区域作为候选窗口；S6：将候选窗口尺寸调整至形状分类器输入尺寸，提取每个候选窗口对应图像块的HOG特征，输入各个交通标志形状分类器，判断该候选窗口是否为交通标志的形状类别，如果是，则说明该候选窗口存在交通标志，交通标志的形状即为对应形状分类器所进行判定的形状，否则不存在交通标志；S7：对于步骤S6判断结果为存在交通标志的候选窗口，提取对应图像，调整至识别模型的输入图像尺寸，并按照步骤S6判定的交通标志形状，将尺寸调整后的交通标志图像输入对应形状的识别模型，得到识别结果。