郝芳芳 王震洲

摘要：為實(shí)現(xiàn)限速交通標(biāo)志的快速準(zhǔn)確識(shí)別，采用模板匹配對(duì)限速交通標(biāo)志進(jìn)行識(shí)別。首先圖像進(jìn)行傾斜校正，并在HSV顏色空間進(jìn)行分割，提取感興趣區(qū)域（ROI），然后利用垂直投影分割字符，最后通過(guò)和模板字符進(jìn)行匹配，比較兩者相似度來(lái)識(shí)別字符。實(shí)驗(yàn)結(jié)果表明，該方法能夠有效分割出限速交通標(biāo)志的字符，并能準(zhǔn)確的識(shí)別出標(biāo)志。

關(guān)鍵詞：限速交通標(biāo)志；HSV顏色空間；垂直投影；字符分割；模板匹配

隨著我國(guó)汽車行業(yè)的迅猛發(fā)展，交通安全問(wèn)題也隨之愈發(fā)嚴(yán)峻，其中限速交通標(biāo)志是車輛行駛過(guò)程中最容易忽視的，因此，限速交通標(biāo)志的識(shí)別是交通系統(tǒng)中一個(gè)重要的組成部分。近年來(lái)，很多研究學(xué)者對(duì)其進(jìn)行了很多研究[14]，但是其識(shí)別率較低，魯棒性不夠理想。

針對(duì)上述問(wèn)題，本文采用模板匹配的方法，在HSV顏色空間上進(jìn)行分割提取感興趣區(qū)域，并通過(guò)垂直投影分割出字符，進(jìn)行模板匹配，從而識(shí)別出限速交通標(biāo)志。

1顏色分割

1.1傾斜矯正

在限速交通標(biāo)志識(shí)別過(guò)程中，標(biāo)志傾斜對(duì)字符分割和識(shí)別結(jié)果都會(huì)有影響。由于攝像頭抓拍時(shí)可能會(huì)因?yàn)榈缆窢顩r或車輛狀態(tài)等情況導(dǎo)致標(biāo)志傾斜，增加了字符分割和識(shí)別的難度。因此，采用Radon變換方法對(duì)圖像進(jìn)行傾斜矯正。

設(shè)函數(shù)f（x，y）為某一方向的投影，p（x^，θ）為原函數(shù)f（x^，y^）的投影，則函數(shù)f（x，y）的Radon變換為；

p（x^，θ）=∫

SymboleB@

SymboleB@ ∫

SymboleB@

SymboleB@ f（x，y）δ（xcosθ+ysinθx）dxdy（1）

其中，0

SymbolcB@ θ

SymbolcB@ π。傾斜的圖像作|90θ|度旋轉(zhuǎn)即可完成傾斜校正。

1.2顏色分割

由于RGB空間的圖像分割易受光照的影響，而HSV空間中H和S兩個(gè)分量均不受光照強(qiáng)度的影響，所以本研究采用HSV顏色空間進(jìn)行顏色分割。

HSV顏色空間包括亮度H、色調(diào)V和飽和度S這三個(gè)分量]，HSV顏色模型是建立在柱坐標(biāo)系中的。將RGB顏色空間轉(zhuǎn)化為HSV顏色空間的轉(zhuǎn)換公式為：

H通道：

H=16GBmaxminifR=max

16（2+BRmaxmin）ifG=max

16（4+RGmaxmin）ifB=max（2）

S通道：

S=maxminmax（3）

V通道：

V=max（R，G，B）（4）

限速交通標(biāo)志圖像中H，S，V的分割閾值范圍[5]由實(shí)驗(yàn)來(lái)確定，保留符合分割閾值范圍的區(qū)域，不滿足的區(qū)域設(shè)為黑色，最后顯示分割后的圖像。

顏色分割完成后，會(huì)產(chǎn)生非目標(biāo)區(qū)域的噪聲干擾，為了過(guò)濾掉噪聲，采用膨脹、腐蝕、填充一系列形態(tài)學(xué)濾波，為下一步字符分割提供便利。

2模板匹配

2.1字符分割

在限速交通標(biāo)志的識(shí)別過(guò)程中，限速字符的分割是很關(guān)鍵的一步，它是在前期顏色分割獲得感興趣區(qū)域的基礎(chǔ)上，進(jìn)行精細(xì)分割，然后對(duì)分割結(jié)果進(jìn)行識(shí)別。

為了提高圖像的對(duì)比度，對(duì)圖像進(jìn)行直方圖均衡化，使輸出圖像的每一個(gè)灰度級(jí)上的像素點(diǎn)數(shù)量都相同，灰度分布趨于均勻，之后對(duì)圖像進(jìn)行二值化處理。本文采用最大類間方差法（Otsu法）計(jì)算限速交通標(biāo)志圖像內(nèi)部的二值化閾值，對(duì)圖像進(jìn)行二值化處理，計(jì)算公式為：

f（x，y）=0f（x，y）

1f（x，y）>T（5）

其中：T為Otsu方法計(jì)算得到的二值化閾值。

二值化后，限速標(biāo)志的數(shù)字用白色像素1表示，限速標(biāo)志的白色底色用黑色像素0表示，如圖1所示。

經(jīng)過(guò)處理后的限速標(biāo)志區(qū)域需要分割成單個(gè)字符區(qū)域，為后續(xù)識(shí)別提供方便。投影[6]是一種形狀描述符，通過(guò)計(jì)算水平峰和垂直峰來(lái)將字符分割，分割效果緊湊有效。二值圖像的水平投影和垂直投影分別為hi（x）和vi（y），可由以下公式計(jì)算：

hi（x）=∑M1x=0Oi（x，y）（6）

vi（y）=∑N1y=0Oi（x，y）（7）

限速交通標(biāo)志經(jīng)字符分割后通常會(huì)出現(xiàn)大小不一的情況，可對(duì)圖像歸一化處理得到尺寸統(tǒng)一的字符圖像，便于后續(xù)的字符識(shí)別。

2.2模板匹配

模板匹配就是一種通過(guò)運(yùn)行算法，在一幅較大圖像中根據(jù)目標(biāo)與模板相同的方向、尺寸等條件進(jìn)行搜索，來(lái)找到到圖像中的目標(biāo)，并確定目標(biāo)坐標(biāo)位置，通過(guò)比較模板與子圖的相似性，完成模板匹配的過(guò)程。

模板匹配公式如下：

Ri（x，y）=

∑Mm=1∑Nn=1Fxy（m，n）×T（m，n）∑Mm=1∑Nn=1[Fxy（m，n）]2∑Mm=1∑Nn=1[T（m，n）]2（8）

其中：Ri（x，y）為互相關(guān)算子，F(xiàn)為待檢測(cè)圖像，F(xiàn)xy為待檢測(cè)的圖像子圖，x、y為子圖左上角點(diǎn)在F中的坐標(biāo)，T為模板，互相關(guān)算子最大對(duì)應(yīng)的模板為最佳匹配模板。

3實(shí)驗(yàn)結(jié)果

為驗(yàn)證該算法在限速標(biāo)志識(shí)別的準(zhǔn)確性，對(duì)200張圖片進(jìn)行了測(cè)試，在MatlabR2014a平臺(tái)上進(jìn)行實(shí)驗(yàn)。將圖像統(tǒng)一歸一化為40*20像素，字符模板如圖2所示，字符分割效果如圖3所示，識(shí)別結(jié)果如圖4所示。

實(shí)驗(yàn)結(jié)果表明，該算法能夠很好的識(shí)別出限速交通標(biāo)志，檢測(cè)準(zhǔn)確率比較高。

4結(jié)論

本文通過(guò)對(duì)限速交通標(biāo)志進(jìn)行顏色分割提取感興趣區(qū)域、對(duì)圖像處理濾除噪聲、垂直投影來(lái)分割字符，最后進(jìn)行模板匹配識(shí)別，通過(guò)實(shí)驗(yàn)證明了該方法具有很好的識(shí)別效果，同時(shí)也存在不足，只對(duì)固定大小的模板進(jìn)行了匹配，當(dāng)交通標(biāo)志出現(xiàn)形變時(shí)，該方法的檢測(cè)效果不佳，因此，下一步將研究形變情況下的模板匹配。

參考文獻(xiàn)：

[1]MIURAJ，KANDAT，SHIRAIY.AnActivcVisionSystcmforRealTimeTrafficSignRecognition[C].Miami，USA：IEEEintelligentTransportationSystems，June.1214，2000：5257.

[2]萬(wàn)雅俊.動(dòng)態(tài)限速標(biāo)志識(shí)別技術(shù)研究[D].廣州：中山大學(xué)，2009.

[3]劉旭東.高速公路限速標(biāo)志檢測(cè)與識(shí)別技術(shù)研究[D].福州：福建農(nóng)林大學(xué)，2009.

[4]王海軍.基于機(jī)器視覺(jué)的限速牌自動(dòng)識(shí)別系統(tǒng)[D].重慶：西南大學(xué)，2011.

[5]高向東，劉紅，楊大鵬.交通標(biāo)志的智能檢測(cè)方法研究[J].中外公路，2011（2）：260263.

[6]PRIYAVLAKSHMI，PERUMAI.K.Detectingthecarnumberplateusingsegmentation[J].InternationalJournal01EngineeringandComputerScience，2014（10）：88238829.