本发明专利技术公开了一种交通标志识别方法，属于图像处理领域。本发明专利技术采取的方法是对获取的待匹配图像，提取关键点并分别建立局部特征描述子、颜色特征描述子和位置特征描述子，然后对待匹配图像和模板图像库中模版图像各自提取关键点组成待匹配特征点对，通过判断待匹配特征点对的位置特征描述子、颜色特征描述子、局部特征描述子是否满足一定条件，找出的待匹配特征点对最多的模板图像作为对待匹配图像最终识别到的交通标志图像。本发明专利技术的方法不仅保留了SIFT特征对于图像尺度变化和旋转具有不变性的优点，而且使提取的特征量更便于判别颜色及空间位置特征，对于色彩丰富及空间位置分布变化各异的交通标志识别极为有效。
【技术实现步骤摘要】
本专利技术涉及，属于图像处理、模式识别、计算机视觉领域。
技术介绍
目前，智能交通系统在我国发展迅速，驾驶安全问题、城市交通堵塞问题、运输效率问题都有望通过对车辆信息化和智能化的改造获得改善。基于图像检测与处理技术的交 通标志识别系统作为智能交通系统的一个重要的子系统，已逐渐成为目前智能交通系统国内外研究的热点。交通标志识别系统一般是通过安装在交通工具上的摄像机摄取户外自然场景中交通标志图像，输入计算机进行处理完成的，由于户外环境存在多种复杂因素的影响，它比一般的非自然场景下的目标识别更具挑战性，交通标志识别的主要难点有如何提取对光照、形状变化、尺寸变化具有鲁棒性的特征量。在交通标志检测与识别领域国内外学者们做了大量的研究，非专利文献I(Saturnino Maldonado-Bascon, Sergio Lafuente-Arroyo, et al. Road-Sign Detectionand Recognition Based on Support Vector Machines // IEEE Transactions onIntelligent Systems, 2007, 8(2) : 264-278.)提出了基于颜色和支持向量机的交通标志检测与识别系统。他们基于Hue-saturation空间的直方图提取出红色、蓝色、黄色的区域，再根据该区域的面积、形状等滤波器确定交通标志的位置，最后利用支持向量机识别和理解交通标志。非专利文献2 (Lowe, D. G. Distinctive Image Features fromScale-Invariant Keypoints, International Journal of Computer Vision, 60 (2):91 - 110, 2004.)提出了 Scale Invariant Feature Transform (SIFT)算法，SIFT 是一种相似不变量，对于图像尺度变化和旋转是不变的。并且SIFT对图像的复杂变形和光照变化有较强的适应性。但是，整幅图像的SIFT特征匹配将导致计算量增大，无法保证系统的实时性。在复杂环境下将会导致较多的误检率。现有技术存在的缺陷由于环境光照变化、信号牌褪色等影响，在复杂环境下，基于颜色的交通标志识别系统往往无法正确地检测与识别，例如蓝色背景的交通标志就无法通过蓝色滤波器检测出来。所以按照颜色或轮廓形状分类的方法难以处理环境光照变化、遮挡及几何变形等情况。另外，仅基于局域边缘信息(SIFT等)的交通标志识别方法对于几何图样相同但颜色不同的交通标志的识别来说就显得无能为力。
技术实现思路
为解决现有技术中存在缺陷，本专利技术提出了一种基于传统SIFT算法和颜色、空间位置等判别信息的交通标志识别方法。本专利技术采取的技术方案如下，包括以下步骤步骤SI :获取输入的待匹配图像；步骤S2 :根据SIFT算法对模板图像和待匹配图像进行关键点提取，并为关键点指定方向；步骤S3 :建立关键点的局部特征描述子、颜色特征描述子和位置特征描述子；步骤S4 :分别从模板图像和待匹配图像中取一个关键点组成一个待匹配特征点对； 步骤S5 :根据位置特征描述子判断待匹配特征点对是否来同一分区，是则执行下一步，否则返回步骤S4获取下一对待匹配特征点对；步骤S6 :判断待匹配特征点对的颜色特征描述子是否满足第一预设条件，是则执行下一步，否则返回步骤S4;步骤S7 :判断待匹配特征点对的局部特征描述子是否满足第二预设条件，是则执行下一步，否则返回步骤S4;步骤S8 :用穷举匹配法判断是否寻遍到待匹配图像的所有关键点，如果寻遍，则将找出的待匹配特征点对最多的模板图像作为最终识别到的交通标志图像，否则转向步骤S4。所述模版图像为交通标志模版图像库中存储的图像。上述步骤S2所述关键点提取具体包括步骤S21 :建立高斯差分尺度空间；D(x, j, a) = (C.;(x, kcr) - G{x, y, a)) * I(x,少)=I.(x, ka)-人(x, y,a)式中，(x，y)代表图像I(x，y)的像素位置，L代表图像的尺度空间，。是尺度空间因子，A = 2/s，S为高斯金字塔每组的层数，符号*代表卷积，G (x，y，o)是尺度可变的高斯函数，其定义为G(x,少,￠7)=x > ' 2<J ；步骤S22 :构建图像金字塔；步骤S23 :检测尺度空间极值点，从中筛选出关键点；一个像素点与其所在的尺度的8个相邻像素点和上下相邻尺度对应位置的9X2个像素点共26个像素点进行比较，当该像素点为最大或最小值时，则该像素点为一个极值点；对极值点进行筛选，去除低对比度的点和边缘上的点后得到关键点。上述骤S2所述为关键点指定方向具体包括关键点的方向利用其邻域像素的梯度及方向分布的特性确定，关键点的梯度模值和方向如下w(x,>') = ^(Lix +1,>')- L(x- I,>')): + (A(x,>' + I) - A(x,>'- I))-外x.v) = tan1 _人⑷.+ 丨)-,权LA(x+lj；)-A(x-l,>y)_其中，m(x，y)和0 (x, y)分别为关键点(x, y)处的梯度模值大小和方向,L为每个关键点各自所在的尺度；对每个关键点，在以其为中心的邻域窗口内利用直方图的方式统计邻域像素的梯度分布，直方图的峰值反应关键点所处邻域梯度的主方向，完成直方图统计后，找到直方图的最闻峰值确定为关键点的方向。上述步骤S3具体为所述建立局部特征描述子为将坐标轴旋转至关键点的方向，以关键点为中心取8 X 8的窗口，然后将8 X 8的窗口划分为4X 4=16块，对每一块计算8个方向的梯度直方图，绘制每个梯度方向的累加值，即形成一个种子点，共生成4X4=16个种子点，每个种子点有8个方向向量信息，于是得到一个4X4X8=128维的特征向量；所述建立颜色特征描述子为将彩色图像I (x，y)分解成为R、G、B单颜色通道图像IK(x, y)、Ig(x, y)、IB(x, y),并且根据各点(x, y)的R、G、B值(r、g、b)计算色相分量Ih(x, y)和饱和度分量Is(x，y)，并将彩色图像I(x，y)转换为灰度图像IgMy(x，y)。计算每个特征点在Hue ( Ih (X，y) )、Saturation (Is (x, y))分量中16 X 16邻域的灰度直方图，Ih(x, y)(灰度直方图)的特征向量为32维，Is (x，y)(灰度直方图)的特征向量为32维。 颜色特征向量的维数为64维；所述建立位置特征描述子为以图像的中心为坐标轴原点，做大小椭圆，大椭圆的长轴和短轴为所述图像的长和宽，小椭圆的长轴和短轴分别为所述图像的长和宽的一半，用大小椭圆对关键点所在图像进行分区，不同的分区中关键点的位置特征描述子不同，同一分区中关键点的位置特征描述子相同。上述步骤S6具体为计算待匹配特征点对颜色特征向量间的欧氏距离，判断该距离是否小于第一预设值，若小于则所述待匹配特征点对有相似的背景颜色，否则不匹配。上述步骤S7具体为计算待匹配特征点对局部特征的特征向量间欧氏距离，判断该距离是否小于第二预设值，若小于则所本文档来自技高网...
【技术保护点】
一种交通标志识别方法，其特征是，包括以下步骤：步骤S1：获取输入的待匹配图像；步骤S2：根据SIFT算法对模板图像和待匹配图像进行关键点提取，并为关键点指定方向；步骤S3：建立关键点的局部特征描述子、颜色特征描述子和位置特征描述子；步骤S4：分别从模板图像和待匹配图像中取一个关键点组成一个待匹配特征点对；步骤S5：根据位置特征描述子判断待匹配特征点对是否来同一分区，是则执行下一步，否则返回步骤S4获取下一对待匹配特征点对；步骤S6：判断待匹配特征点对的颜色特征描述子是否满足第一预设条件，是则执行下一步，否则返回步骤S4；步骤S7：判断待匹配特征点对的局部特征描述子是否满足第二预设条件，是则执行下一步，否则返回步骤S4；步骤S8：用穷举匹配法判断是否寻遍到待匹配图像的所有关键点，如果寻遍，则将找出的待匹配特征点对最多的模板图像作为最终识别到的交通标志图像，否则转向步骤S4。
【技术特征摘要】
【专利技术属性】
技术研发人员：袁雪，张晖，郝晓丽，陈后金，魏学业，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。