摘 要 隨著社會的發(fā)展，汽車的普及，現(xiàn)有的道路通過能力已經很難滿足交通量快速增長的需要，因此導致了交通擁堵、事故頻發(fā)等一系列問題。在這一背景下，智能交通（ITS）應運而生。ITS是一個集通信，控制，檢測和計算機等技術為一體的綜合信息管理系統(tǒng)，而數(shù)字圖像處理則是ITS系統(tǒng)中一個重要的組成部分。本文主要介紹了如何利用交通標志牌其顏色的特征，將其從自然環(huán)境圖片中分離并且識別的過程?？梢宰R別出縮放，偏斜等形式的交通標志牌。

【關鍵詞】圖像處理 特征匹配 HSV色彩空間

1 應用背景

自上世紀八十年代以來，我國的經濟迅速發(fā)展，城市化的不斷推進。汽車大范圍普及，除了公交車和出租汽車，小轎車也走進千家萬戶。雖然汽車的出現(xiàn)使人們的出行更加便捷，但是隨著汽車的大量增長，導致交通的負荷能力已經不能滿足交通量的需求，出現(xiàn)了許多擁堵現(xiàn)象，交通事故。為了能夠更好地解決目前交通存在的各種問題，結合了計算機技術，電子信息技術，通信技術等新興技術的ITS誕生了。ITS可以有效地利用現(xiàn)有的交通設施、減少交通負荷和環(huán)境污染，同時能夠保證交通安全，提高運輸效率，目前收到了各國的重視。

在智能交通領域中，車載視覺系統(tǒng)一直是一個重要的研究課題，也是目前沒有解決的難題之一，其在輔助駕駛方面具有重要的意義。交通標志牌在交通道路中不可或缺，起到提示方向，指示操作的作用。能夠實時的判斷前方的交通標志牌，能夠為司機提供很好的駕駛體驗，并且保障出行的安全。本文就將研究，介紹對交通標志牌識別的過程。

2 交通標志牌分類

我國的交通標志牌按功能類型區(qū)分可以分為主標志牌和輔助標志牌。

主標志牌又分為警告標志牌，禁令標志牌，指示標志牌，指路標志牌，旅游區(qū)標志牌，道路施工安全標志牌和限速標志牌。而輔助標志牌多附設在主標志牌下，起到輔助說明的作用。

按照標志牌主要顏色分類可以分為：紅色標志牌，藍色標志牌，綠色標志牌，棕色標志牌，黑色標志牌，白色標志牌，橙色或熒光橙色標志牌和熒光黃綠色標志牌。

按照形狀分類可以分為：正等邊三角形，圓形，倒等邊三角形，八角形，叉形，方形等。

想要在一張自然環(huán)境的圖片中準確的找到交通標志牌的位置，就要根據(jù)交通標志牌的一種或多種特征進行識別。所以最直觀的識別特征就是顏色和形狀特征。下文中將介紹如何通過顏色和形狀特征對交通標志牌進行定位。

3 交通標志牌的識別

3.1 識別對象

由于我國交通標志牌類型和數(shù)量都較多，所以本文選擇了其中具有代表性的三類交通標志牌作為重點研究對象。分別是

3.1.1 禁令標志

禁令標志用來禁止車輛或者限制車輛、行人的交通行為，我國大部分的禁令標志的顏色特征為紅白兩種顏色。其特征是形狀為圓形，外圈為紅色，底色為白色，圖中有黑色的圖案。圖1為禁令標志示例。

3.1.2 警告標志

警告標志用來警告車輛、行人注意道路安全的，我國警告標志的形狀大多我正等邊三角形，外圈是黑色，底色是黃色，圖中有黑色圖案。圖2為警告標志示例。

3.1.3 指示標志

指示標志是向車輛和行人指示正確的道路和方向的。我國指示標志牌大多為圓形和矩形，底色為藍色，圖中是白色圖案。圖3為指示標志示例。

3.2 識別主題流程圖

圖4是識別交通標志牌的流程圖。

3.3 HSV介紹

在通過顏色特征識別標志牌的過程中使用到了HSV顏色模型，下面對該模型做簡單介紹：

HSV（Hue，Saturation，Value）色彩模型反映了人的視覺對顏色的感覺，.能夠直觀的反應顏色的特性。

如圖5所示，HSV色彩模型是對應于圓柱坐標系的一個圓錐形子集，圓錐的頂面對應的value=1，也就是說表示頂面所有點的value值都是1。這個頂面包含RGB模型中R=1，G=1以及B=1的三個面，是顏色最亮的面。色度H表示繞V軸旋轉的角度。比如紅色對應的H值為0°，綠色大約為120°，藍色大約為240°。在HSV色彩模型中，每一種顏色和其補色均相差180°。飽和度S的取值范圍是0到1之間，所以圓錐頂面的半徑為1。所以HSV模型就是從亮度，色度，飽和度三個維度確定一個顏色的。

3.4 標志牌分割

在HSV模型中，H分量是區(qū)分顏色的，所以我們可以直接通過H分量進行閾值分割。我們得到黃色在HSV中H分量對應的角度約為60度，轉化為比例約為0.167。那我們可以認為H分量在0.12到0.2中間的顏色都為黃色，這樣就能得到圖片中的交通標志牌了。我們是用MATLAB（是一款非常強大的工具軟件，能夠仿真出各類信號的波形圖，包含大量數(shù)學公式，能夠對圖像進行處理）中的roicolor（）函數(shù)，對圖片進行處理，使圖片中H分量在[0.12，0.20]中的顏色變?yōu)榘咨?，其他部分的顏色都變成黑色?？梢缘玫揭韵滦Ч?/p>

原圖（如圖6所示）。

處理后的效果（如圖7所示）。

我們可以看出，僅僅使用H分量去獲得圖中的黃色區(qū)域是不妥的。因為在自然環(huán)境中，會有很多其他顏色對標志牌進行干擾。比如后方的黃土，汽車上的顏色。

經分析后得到，交通標志牌的飽和度是比較高的，而背景色保護度較低。那么就可以使用HSV模型中的另一個分量S去進行第2層處理。我們認為[0.5，1]這個區(qū)域內的飽和度是交通標志牌的飽和度范圍，經過使用roicolor（）函數(shù)處理后得到圖8效果。

從圖片可以看出，前方的標志牌飽和度較高，主要呈白色，而背景色由于飽和度較低，多為黑色。那么我們將兩次過濾得到的圖片結果相“與”。應該就能得到H分量在黃色范圍內，并且S分量在0.5到1的范圍內的顏色。結果如圖9。

可以看出，我們從圖片中分割出了標志牌所在的位置。

3.5 截取標志牌主要信息

在獲取到圖片中的主要顏色區(qū)域后，需要將圖片中主要的提示信息截取下來，這里我們截取的方法是截取出圖片中擁有最大連通域的子圖像。這樣可以更好地保證該圖像中包含了標志牌的主要信息。

首先調用MATLAB中s=regionprops（L，‘Area，‘BoundingBox）； 函數(shù)，將每一個連通區(qū)的面積和定位信息儲存在s中。這樣就比較出最大面積的連通區(qū)域，再通過坐標并利用imcrop（）函數(shù)截取出目標物。最后，為了規(guī)定圖的大小，調用imresize（）函數(shù)使圖片的大小固定。

3.6 標準庫匹配

在截取出目標圖像后，就可以將其與庫中的標準標志牌進行匹配了，為了能夠更好地得出兩張圖像的相似性，這里使用了相關系數(shù)比較法。相關系數(shù)比較法是衡量兩個隨機變量之間線性相關程度的指標。相關系數(shù)公式為：

公式中的分子為X，Y的協(xié)方差，D（X）、D（Y）分別為X、Y的方差。正數(shù)代表相似程度，負值代表相悖程度，絕對值越大，相似或相悖程度越大。為了使結果更加準確，我們從水平，垂直，兩個斜角方向分別對目標圖像和庫中標準圖像進行比對。將每個方向得到的相關系數(shù)值相加，最終，對應相關系數(shù)值最大的庫中標準圖片為輸出結果。

4 總結

本文主要介紹了如何在自然環(huán)境下識別出交通標志牌的過程。主要的思路就是通過顏色和形狀對圖片進行分割，找出目標圖像與庫中的標準圖像進行對比。其中，分割圖片和匹配圖片的過程是比較復雜的，也是比較容易出現(xiàn)問題的。這里需要多次嘗試閾值的設置，選擇出最佳的閾值范圍。也需要不斷地嘗試不同的匹配算法，才能找出識別率更高的方法。也許我的識別方法正確率不能達到非常高，但是在研究的過程中我獲得了很多知識，也鍛煉了動手能力。

參考文獻

[1]馮凱.城市智能交通系統(tǒng)的發(fā)展現(xiàn)狀與趨勢[J].環(huán)球市場信息導報，2017（01）：111-112.

[2]楊奧博，盛家川，李玉芝等.基于HSV空間的顏色特征提取[J].電腦知識與技術：學術交流，2017，13（18）：193-195.

[3]王琨，李海生.MATLAB軟件在《信號與系統(tǒng)》實驗教學中的應用[J].電腦知識與技術：學術交流，2017，13（18）：198-200.

[4]嚴麗坤.相關系數(shù)與偏相關系數(shù)在相關分析中的應用[J].云南財經大學學報，2003，19（03）：78-80.

作者簡介

施易廷（2000-），男，江蘇省海門市人。就讀于江蘇省海門市海門中學。

作者單位

江蘇省海門市海門中學 江蘇省海門市 226100