摘  要： 提出一種基于歸一化RGB（NRGB）和橢圓相似度的圓形交通標(biāo)志檢測(cè)方法。首先將圖像的RGB模型轉(zhuǎn)換為NRGB，利用閾值分割得到紅、藍(lán)、黃顏色分量，然后根據(jù)面積和長(zhǎng)寬比去除干擾區(qū)域，最后利用橢圓相似度檢測(cè)感興趣區(qū)域是否為圓型交通標(biāo)志。實(shí)驗(yàn)結(jié)果表明，該方法能在復(fù)雜背景中準(zhǔn)確定位圓形交通標(biāo)志，獲得了較高的檢測(cè)率和較低的誤檢率。

　　關(guān)鍵詞： 交通標(biāo)志檢測(cè)；NRGB；橢圓相似度；智能交通系統(tǒng)

0 引言

　　因?yàn)榻煌?biāo)志一般被設(shè)計(jì)成特定的顏色和形狀，所以大部分檢測(cè)算法都是基于顏色和形狀信息?；陬伾乃惴ㄖ饕怯貌煌念伾臻g將交通標(biāo)志分割出來(lái)，常用的顏色空間有RGB、NRGB[1]、YUV、HSI、YCbCr。RGB三分量之間相關(guān)且易受光照變化影響；YUV、HSI、YCbCr需要將RGB空間轉(zhuǎn)換到相應(yīng)空間，計(jì)算復(fù)雜度較大。參考文獻(xiàn)[2]經(jīng)過(guò)多種分割算法的比較，提出NRGB能夠減少光照影響，且計(jì)算復(fù)雜度較小，分割效果較好?；谛螤畹乃惴ㄖ饕蠬ough變換[3]、Canny邊緣檢測(cè)[4]和圖像梯度[5]。上述方法不考慮顏色信息，效果較好，但是計(jì)算量較大。

　　綜合考慮圓形交通標(biāo)志的顏色和形狀信息，本文提出一種基于NRGB和橢圓相似度的檢測(cè)算法。首先對(duì)R、G、B三分量進(jìn)行歸一化處理，然后進(jìn)行閾值分割，得到紅、藍(lán)、黃顏色分量，通過(guò)比較面積和長(zhǎng)寬比排除干擾區(qū)域，最后對(duì)感興趣區(qū)域進(jìn)行橢圓相似度檢測(cè)，將圓形交通標(biāo)志分割出來(lái)。實(shí)驗(yàn)結(jié)果表明，本方法可以有效分割出圓形交通標(biāo)志，滿足系統(tǒng)的實(shí)時(shí)性要求。

1 基于NRGB的圖像分割

　　1.1 NRGB

　　RGB模型的RGB三分量之間存在很強(qiáng)的相關(guān)性，且極易受光照的影響，NRGB可將光照變化的影響減少到很小。RGB轉(zhuǎn)換成NRGB的方法如式（1）所示。

　　其中，R、G、B、r、g、b分別是RGB和NRGB的紅、綠和藍(lán)色分量。

　　1.2 顏色分割

　　利用式（2）可以得到3種顏色分量的二值化圖像。分割效果如圖1所示。

　　1.3 去除干擾區(qū)域

　　由圖1可以看出，顏色與交通標(biāo)志相似的物體也被提取了，因此需要去除這些干擾區(qū)域。交通標(biāo)志的長(zhǎng)寬比為1，考慮到扭曲變形等因素，可知標(biāo)志的長(zhǎng)寬比應(yīng)在接近1的范圍內(nèi)。圖像大小有2 048×1 360和1 536×1 024兩種類型，為處理方便，將圖像大小歸一化為300×400。首先對(duì)3種顏色分量進(jìn)行孔洞填充，然后提取滿足式（3）的連通區(qū)域。其中，長(zhǎng)寬比aspectratio=width/height，width、height、area分別是連通區(qū)域的寬、高和面積，這樣可以去除大部分干擾區(qū)域。

　　2 基于橢圓相似度的標(biāo)志檢測(cè)

　　扭曲變形使得圓形的標(biāo)志變成了橢圓形，利用橢圓相似度可以判斷是否是圓形的交通標(biāo)志。

　　如圖2所示，（x1，y1）、（x2，y2）是長(zhǎng)軸的兩個(gè)端點(diǎn)，（x0，y0）是中心，（x，y）是任意一點(diǎn)。利用坐標(biāo)變換公式將坐標(biāo)系xoy的坐標(biāo)轉(zhuǎn)換到坐標(biāo)系x′o′y′：

　　首先，在初步檢測(cè)到的交通標(biāo)志圖像中切出感興趣區(qū)域ROI，然后利用Canny算子進(jìn)行邊緣檢測(cè)，獲得邊緣坐標(biāo)。

　　假設(shè)ROI的邊緣是橢圓，依次對(duì)任意兩個(gè)邊緣坐標(biāo)求歐式距離，得到最大的歐式距離dmax，認(rèn)為此時(shí)的兩個(gè)邊緣坐標(biāo)即為長(zhǎng)軸端點(diǎn)（x1，y1）、（x2，y2）。計(jì)算橢圓的參數(shù)：

　?。▁，y）和（x0，y0）轉(zhuǎn)換到坐標(biāo)系x′o′y′的坐標(biāo)為（x′，y′）、（x0′，y0′），則：

　　將b取整存放在A中，A中最大的值就是b值。因?yàn)閷?shí)際獲取標(biāo)志的邊緣坐標(biāo)點(diǎn)在橢圓曲線的周圍，這導(dǎo)致b在一個(gè)小范圍浮動(dòng)，計(jì)算累加器A（b-2：b+2）的和得到橢圓相似度：

　　如果s大于某一閾值，則假設(shè)成立，該ROI就是一個(gè)圓形的交通標(biāo)志。

3 實(shí)驗(yàn)結(jié)果

　　為驗(yàn)證上述算法的可行性，本文使用交通圖像集Traffic Signs UAH Dataset[6]進(jìn)行了一組實(shí)驗(yàn)。該圖像集包括474張交通標(biāo)志圖像，其中包含圓形交通標(biāo)志327個(gè)。

　　圖3是一張包含1個(gè)圓形和1個(gè)三角形標(biāo)志的圖像，提取它的紅色分量，進(jìn)行孔洞填充，然后去除干擾區(qū)域，對(duì)其進(jìn)行橢圓相似度檢測(cè)，提取符合條件的圓形交通標(biāo)志。從圖中可以看出本算法可以很好地檢測(cè)出圓形的交通標(biāo)志。

　　交通標(biāo)志檢測(cè)結(jié)果分為成功檢測(cè)、漏檢和誤檢3類。檢測(cè)結(jié)果的統(tǒng)計(jì)數(shù)據(jù)由表1給出。

　　通過(guò)表1的結(jié)果可以看出，算法有較高的檢測(cè)率。漏檢主要出現(xiàn)以下4種情況：（1）交通標(biāo)志距離較遠(yuǎn)，面積較小，在去除干擾區(qū)域時(shí)被去除。實(shí)驗(yàn)表明，在車輛向前行駛中，該標(biāo)志逐漸變大本算法即可以檢測(cè)到它。（2）標(biāo)志變形，導(dǎo)致形狀不再近似橢圓，因此橢圓相似度較低。（3）標(biāo)志褪色，無(wú)法在顏色分割時(shí)得到較完整的ROI，因此無(wú)法檢測(cè)到。（4）標(biāo)志之間粘連，不滿足長(zhǎng)寬比條件，被當(dāng)做干擾區(qū)域去除。

　　誤檢主要是因?yàn)楸尘邦伾托螤罹c圓形的交通標(biāo)志相似，這種情況較少，總體來(lái)說(shuō)滿足實(shí)際駕駛的要求。綜上所述，本算法可以有效地檢測(cè)圓形交通標(biāo)志。

　　該實(shí)驗(yàn)進(jìn)行的軟硬件環(huán)境：操作系統(tǒng)為Windows7，使用MATLAB R2012b進(jìn)行開(kāi)發(fā)，處理器為Intel CORE i5，主頻2.4 GHz，內(nèi)存6 GB，平均檢測(cè)時(shí)間為0.08 s，本算法能夠滿足車輛安全駕駛的實(shí)時(shí)性要求。

4 結(jié)論

　　本文提出了一種基于NRGB和橢圓相似度的交通標(biāo)志檢測(cè)算法，NRGB可以較大程度地減少光照變化的影響，通過(guò)顏色分割得到紅、藍(lán)、黃三種顏色分量，根據(jù)面積和長(zhǎng)寬比去除大部分干擾區(qū)域后，再根據(jù)橢圓相似度判斷獲得的感興趣區(qū)域是否是圓形。實(shí)驗(yàn)證明，該算法簡(jiǎn)單有效，能夠滿足圓形交通標(biāo)志檢測(cè)的有效性和實(shí)時(shí)性要求，但該算法對(duì)交通標(biāo)志粘連的圖像檢測(cè)效果較差。綜上所述，本算法能夠檢測(cè)圓形的交通標(biāo)志，并取得較高的檢測(cè)率和較低的誤檢率，為交通標(biāo)志的識(shí)別奠定了基礎(chǔ)。

參考文獻(xiàn)

　　[1] KAMADA H， NAOI S， GOTOH T. A compact navigation system using image processing and fuzzy control[J]. in Proc. IEEE Southeast on， New Orleans， LA， 1990（1）：337-342.

　　[2] GOMEZ-MORENO H， MALDONADO-BASCON S， GIL-JIMENEZ P， et al. Goal evaluation of segmentation algorithms for traffic sign recognition[J]. IEEE Transactions on Intelligent Transportation Systesm， 2010，11（4）：917-930.

　　[3] 張霄，彭偉.基于Hough變換的圓形物體的檢測(cè)[J].傳感器與微系統(tǒng)，2006，25（4）：62-64.

　　[4] GARCIA-GARRIDO M， SOTELO M， MARTIN GOROSTIZA E. Fast traffic sign detection and recognition under changing lighting conditions[C]. Intelligent Transactions on System Conference， Toronto： ITSC， 2006：811-816.

　　[5] LIU Y， IKENAGA T， GOTO S. Geometrical， physical and text/symbol analysis based approach of traffic sign detection system[C]. Proceedings of IEEE Intelligent Vehicles Symposium， Tokyo， Japan， Jun. 2006：238-243.

　　[6] GRAM. Traffic Sign UAH Dataset[EB/OL].（2007-03-16）[2014-9-20]. http：//agamenon.tsc.uah.es/Investigacion/gram/traffic_signs.html.