一种交通标识牌跟踪识别方法及系统技术方案

本发明专利技术涉及图像处理技术领域，提供一种交通标识牌跟踪识别方法及系统，所述方法包括下述步骤：选取用于对交通标识牌图像进行分割的彩色空间通道；构建结合多层注意力检测机理模型的层叠检测系统，对标识牌图像进行交通标识牌初步检测，获取交通标识牌的分类特征信息；对视频序列中跟踪到的交通标识牌进行纵向处理；构建神经网络分类器，并利用构建的神经网络分类器对交通标识牌的分类特征信息进行标识牌检测识别，实现对标识牌图像的识别，而且其识别的效率和准确度较高，满足智能交通系统的要求。

Method and system for tracking and identifying traffic signs

The present invention relates to the technical field of image processing, provides a traffic sign recognition and tracking system, the method comprises the following steps: selecting the channel for color space segmentation of traffic sign image; building model combined with attention detection mechanism of multilayer laminated detection system, traffic sign detection of preliminary sign image the classification, characteristics of information traffic sign; longitudinal processing of traffic sign tracking in video sequences; construction of neural network classifier, and sign detection and recognition classification feature information on traffic sign using neural network classifier, to achieve recognition of ID card image, and the recognition efficiency and the high degree of accuracy, meet the demand of the intelligent transportation system.

【技术实现步骤摘要】
一种交通标识牌跟踪识别方法及系统
本专利技术属于图像处理
，尤其涉及一种交通标识牌跟踪识别方法及系统。
技术介绍
随着经济社会的发展和城市化进程的加快，我国汽车数量显著增加，根据公安部门的统计数据，截止2013年底，我国机动车保有量就达到了2.5亿辆。汽车在给人们出行带来方便的同时，也给城市交通带来明显的压力，致使交通拥挤加剧、交通事故频发和空气污染加剧，特别是公路交通的安全以及运输效率问题变得日益突出，因此各个国家开始从修建更多的道路、扩展路网规模逐步转移到采用高新技术改造现有的道路交通系统和管理体系上。从二十世纪八十年代起，美国、日本以及西欧等发达国家为解决共同面临的交通问题，投入大量的人力和物力，开展了智能交通系统(IntelligentTransportationSystem，ITS)的研究。在智能交通系统研究中，基于图像处理技术的车载视觉系统是的一个重要的分支领域，特别是道路交通标志，由于其含有道路交通指示的关键信息，已成为智能交通研究的重要对象。道路交通标志识别(TrafficSignRecognition，简称TSR)是对场景中的道路交通标志进行检测和分类识别，以获得交通指示信息的过程，是ITS研究领域中尚未解决的难题之一，也是实景图形识别问题研究的热点，对其进行深入研究将具有重要的理论意义和应用价值。
技术实现思路
本专利技术的目的在于提供一种可有效对视频序列中的交通标识牌进行识别且识别速度较快的交通标识牌跟踪识别方法。本专利技术是这样实现的，一种交通标识牌跟踪识别方法，所述方法包括下述步骤：选取用于对交通标识牌图像进行分割的彩色空间通道；构建结合多层注意力检测机理模型的层叠检测系统，对标识牌图像进行交通标识牌初步检测，获取交通标识牌的分类特征信息；对视频序列中跟踪到的交通标识牌进行纵向处理；构建神经网络分类器，并利用构建的神经网络分类器对所述交通标识牌的分类特征信息进行标识牌检测识别。作为一种改进的方案，所述选取用于对交通标识牌图像进行分割的彩色空间通道的步骤具体包括下述步骤：根据交通标识牌所具备的特征，拍摄不同天气和不同光照环境下的标识牌图像，并建立标识牌图像数据库；采用若干个彩色空间对所述标识牌图像数据库中的标识牌图像进行训练，并在多维度空间内进行聚类分析，对彩色空间通道进行选择。作为一种改进的方案，所述构建结合多层注意力检测机理模型的层叠检测系统，对标识牌图像进行交通标识牌初步检测，获取交通标识牌的分类特征信息的步骤具体包括下述步骤：对标识牌图像进行解析，获取标识牌图像的概念特征集合，所述概念特征集合包括形状特征、颜色特征、梯度特征以及位置特征；对标识牌图像的概念特征集合进行有效特征的选择，获取交通标识牌的分类特征信息。作为一种改进的方案，所述对视频序列中跟踪到的交通标识牌进行纵向处理的步骤具体包括下述步骤：建立交通标识牌的训练图像集，基于PCA核函数建立图像投影空间；建立MAP估计数学模型；根据所述图像投影空间和MAP估计数学模型，生成基于核函数PCA的MAP重建数学模型；在视频序列中选择其中一幅初始图像进行空间投影，作为初始的先验图像信息；基于初始的先验图像信息对连续视频帧中的图像进行纵向模糊处理，获取高分辨率的图像。作为一种改进的方案，所述构建神经网络分类器的步骤具体包括下述步骤：获取交通标识牌样本图像和非交通标识牌样本图像，建立训练样本图库；使用Haar小波特征、MB-LBP特征和SURF特征对所述训练样本图库中的图像进行特征选择；将选择到的特征输入到三层感知器神经网络进行交通标识牌的综合训练，获得所述神经网络分类器；所述神经网络分类器输入的是选择的特征，输出的是交通标识牌的分类结果信息。本专利技术的另一目的在于提供一种交通标识牌跟踪识别系统，所述系统包括：彩色空间通道选取模块，用于选取用于对交通标识牌图像进行分割的彩色空间通道；分类特征信息获取模块，用于构建结合多层注意力检测机理模型的层叠检测系统，对标识牌图像进行交通标识牌初步检测，获取交通标识牌的分类特征信息；纵向处理模块，用于对视频序列中跟踪到的交通标识牌进行纵向处理；神经网络分类器构建模块，用于构建神经网络分类器；标识牌识别模块，用于利用构建的神经网络分类器对所述交通标识牌的分类特征信息进行标识牌检测识别。作为一种改进的方案，所述彩色空间通道选取模块具体包括：数据库建立模块，用于根据交通标识牌所具备的特征，拍摄不同天气和不同光照环境下的标识牌图像，并建立标识牌图像数据库；训练模块，用于采用若干个彩色空间对所述标识牌图像数据库中的标识牌图像进行训练，并在多维度空间内进行聚类分析，对彩色空间通道进行选择。作为一种改进的方案，所述分类特征信息获取模块具体包括：概念特征获取模块，用于对标识牌图像进行解析，获取标识牌图像的概念特征集合，所述概念特征集合包括形状特征、颜色特征、梯度特征以及位置特征；分类特征获取模块，用于对标识牌图像的概念特征集合进行有效特征的选择，获取交通标识牌的分类特征信息。作为一种改进的方案，所述纵向处理模块具体包括：图像投影空间建立模块，用于建立交通标识牌的训练图像集，基于PCA核函数建立图像投影空间；MAP模型建立模块，用于建立MAP估计数学模型；重建数学模型生成模块，用于根据所述图像投影空间和MAP估计数学模型，生成基于核函数PCA的MAP重建数学模型；先验图像信息生成模块，用于在视频序列中选择其中一幅初始图像进行空间投影，作为初始的先验图像信息；高分辨率图像获取模块，用于基于初始的先验图像信息对连续视频帧中的图像进行纵向模糊处理，获取高分辨率的图像。作为一种改进的方案，所述神经网络分类器构建模块具体包括：训练样本图库建立模块，用于获取交通标识牌样本图像和非交通标识牌样本图像，建立训练样本图库；特征选择模块，用于使用Haar小波特征、MB-LBP特征和SURF特征对所述训练样本图库中的图像进行特征选择；综合训练模块，用于将选择到的特征输入到三层感知器神经网络进行交通标识牌的综合训练，获得所述神经网络分类器；所述神经网络分类器输入的是选择的特征，输出的是交通标识牌的分类结果信息。在本专利技术实施例中，选取用于对交通标识牌图像进行分割的彩色空间通道；构建结合多层注意力检测机理模型的层叠检测系统，对标识牌图像进行交通标识牌初步检测，获取交通标识牌的分类特征信息；对视频序列中跟踪到的交通标识牌进行纵向处理；构建神经网络分类器，并利用构建的神经网络分类器对交通标识牌的分类特征信息进行标识牌检测识别，实现对标识牌图像的识别，而且其识别的效率和准确度较高，满足智能交通系统的要求。附图说明图1是本专利技术提供的交通标识牌跟踪识别方法的实现流程图；图2是本专利技术提供的选取用于对交通标识牌图像进行分割的彩色空间通道的实现流程图；图3是本专利技术提供的构建结合多层注意力检测机理模型的层叠检测系统，对标识牌图像进行交通标识牌初步检测，获取交通标识牌的分类特征信息的实现流程图；图4是本专利技术提供的对视频序列中跟踪到的交通标识牌进行纵向处理的实现流程图；图5是本专利技术提供的构建神经网络分类器的实现流程图；图6是本专利技术提供的注意力吸引机制和层叠系统的人类视觉注意力训练模型的示意图；图7是本专利技术提供的神经网络分类器的生成示意图；图8是本专利技术提供本文档来自技高网...

【技术保护点】
一种交通标识牌跟踪识别方法，其特征在于，所述方法包括下述步骤：选取用于对交通标识牌图像进行分割的彩色空间通道；构建结合多层注意力检测机理模型的层叠检测系统，对标识牌图像进行交通标识牌初步检测，获取交通标识牌的分类特征信息；对视频序列中跟踪到的交通标识牌进行纵向处理；构建神经网络分类器，并利用构建的神经网络分类器对所述交通标识牌的分类特征信息进行标识牌检测识别。

【技术特征摘要】
1.一种交通标识牌跟踪识别方法，其特征在于，所述方法包括下述步骤：选取用于对交通标识牌图像进行分割的彩色空间通道；构建结合多层注意力检测机理模型的层叠检测系统，对标识牌图像进行交通标识牌初步检测，获取交通标识牌的分类特征信息；对视频序列中跟踪到的交通标识牌进行纵向处理；构建神经网络分类器，并利用构建的神经网络分类器对所述交通标识牌的分类特征信息进行标识牌检测识别。2.根据权利要求1所述的交通标识牌跟踪识别方法，其特征在于，所述选取用于对交通标识牌图像进行分割的彩色空间通道的步骤具体包括下述步骤：根据交通标识牌所具备的特征，拍摄不同天气和不同光照环境下的标识牌图像，并建立标识牌图像数据库；采用若干个彩色空间对所述标识牌图像数据库中的标识牌图像进行训练，并在多维度空间内进行聚类分析，获取彩色空间通道进行选择。3.根据权利要求1所述的交通标识牌跟踪识别方法，其特征在于，所述构建结合多层注意力检测机理模型的层叠检测系统，对标识牌图像进行交通标识牌初步检测，获取交通标识牌的分类特征信息的步骤具体包括下述步骤：对标识牌图像进行解析，获取标识牌图像的概念特征集合，所述概念特征集合包括形状特征、颜色特征、梯度特征以及位置特征；对标识牌图像的概念特征集合进行有效特征的选择，获取交通标识牌的分类特征信息。4.根据权利要求1所述的交通标识牌跟踪识别方法，其特征在于，所述对视频序列中跟踪到的交通标识牌进行纵向处理的步骤具体包括下述步骤：建立交通标识牌的训练图像集，基于PCA核函数建立图像投影空间；建立MAP估计数学模型；根据所述图像投影空间和MAP估计数学模型，生成基于核函数PCA的MAP重建数学模型；在视频序列中选择其中一幅初始图像进行空间投影，作为初始的先验图像信息；基于初始的先验图像信息对连续视频帧中的图像进行纵向模糊处理，获取高分辨率的图像。5.根据权利要求1所述的交通标识牌跟踪识别方法，其特征在于，所述构建神经网络分类器的步骤具体包括下述步骤：获取交通标识牌样本图像和非交通标识牌样本图像，建立训练样本图库；使用Haar小波特征、MB-LBP特征和SURF特征对所述训练样本图库中的图像进行特征选择；将选择到的特征输入到三层感知器神经网络进行交通标识牌的综合训练，获得所述神经网络分类器；所述神经网络分类器输入的是选择的特征，输出的是交通标识牌的分类结果信息。6.一种交通标识牌跟踪识别系统，其特征在于，所述系统包括：彩色空间通道选取模块，用于选取用...

【专利技术属性】
技术研发人员：王文成，姜述凤，郑秀云，
申请(专利权)人：潍坊学院，
类型：发明
国别省市：山东,37