一種道路斑馬線的檢測識別方法研究

孫維廣

摘 要：文章針對導(dǎo)盲系統(tǒng)中的斑馬線識別問題進行了研究。首先根據(jù)斑馬線灰度直方圖的特點確定Canny算法的高低閾值，再用Canny算法進行邊緣檢測，然后采用Hough變換提取直線，最后根據(jù)提取的直線信息進行斑馬線的識別。實驗結(jié)果表明對于白天和夜晚受污染的斑馬線本方法可行。

關(guān)鍵詞：Canny算法；Hough變換；斑馬線識別；灰度直方圖

1 概述

世界上有眾多的視覺障礙人群，導(dǎo)盲設(shè)備對于提高其生活質(zhì)量具有很大的幫助?；谝曈X的導(dǎo)盲設(shè)備，主要是通過安裝在設(shè)備上的攝像頭來實時采集路況圖像，然后對其進行分析，從而做出預(yù)警和提示。斑馬線是道路中一種重要的標(biāo)志，文章對其檢測和識別方法進行了研究。

2 斑馬線邊緣提取

2.1 高斯濾波

從攝像頭獲取的原始圖像一般都存在噪聲，對于后續(xù)的邊緣提取會造成影響。因此，需要對其平滑處理。高斯濾波器是一種利用鄰域平均的思想對圖像進行平滑的方法。它的特點是在對鄰域內(nèi)像素灰度進行平滑時，賦予不同位置像素不同的權(quán)值，越是靠近鄰域中心位置其權(quán)值越高。這樣的好處是在濾除噪聲的同時又較好的保存了圖像的邊緣信息。有利于后續(xù)的邊緣提取。

2.2 Canny邊緣檢測

Canny邊緣檢測的基本原理是首先使用高斯濾波器平滑圖像，再用一階偏導(dǎo)的有限差分來計算梯度的幅值和方向，然后對梯度幅值進行非極大值抑制，最后用雙閾值法來檢測和連接邊緣。閾值分為上限閾值和下限閾值，Canny推薦其比例為2：1到3：1之間[1]。

實際中斑馬線總是會受到污染，斑馬線整體比較暗或內(nèi)部會有黑斑存在。因此，在閾值選取時，要盡可能提取出斑馬線的邊緣，還要盡可能降低斑馬線內(nèi)部污斑被提取出的比例。文獻[2]應(yīng)用Canny算法對斑馬線檢測進行了研究，但沒有論述其閾值的選取。文獻[3]的自適應(yīng)閾值選取方法提取出了過多的細(xì)節(jié)邊緣，不適用于斑馬線的邊緣提取。

文章采用了一種通過計算道路的灰度直方圖，根據(jù)直方圖的特點確定Canny算法雙閾值的方法。這里需要注意的是灰度計算像素要選擇在斑馬線區(qū)域內(nèi)，如圖1（a）所示。直方圖的橫軸表示灰度值，縱軸表示像素數(shù)。文章從測試的50張圖片中選取了有代表性的列于表1。表1中所用的圖片斑馬線污染大多都比較嚴(yán)重，即使在白天高峰灰度值也在150以下。表1中圖片4的斑馬線比較干凈，并且是在晚上路燈比較亮?xí)r拍攝。經(jīng)驗證高峰灰度值在150以上時對Canny閾值的要求不是很嚴(yán)格，雙閾值分別為60、120和80、160時對邊緣提取效果差別不大，為盡可能排除干擾可選擇后者。對于圖1（a）兩種閾值的邊緣檢測效果如圖2（a）和圖2（b）所示。當(dāng)環(huán)境較亮?xí)r，如果高峰閾值超過在100到150之間，Canny算子的閾值可設(shè)為60、120。當(dāng)環(huán)境較暗時如果高峰灰度值在100以下，高低峰灰度值差大于25時，閾值可設(shè)為30、60，高低峰灰度值差在25以下閾值設(shè)為20、40。其中，表1中12號圖測試15、35為最佳閾值，為簡化起見也可以20、40計算。實驗表明直方圖的高峰低峰灰度值差越小，即斑馬線和道路顏色越接近，對閾值的變化越敏感。光線越好高峰灰度值越高對閾值變化越不敏感。在實驗中還存在灰度直方圖出現(xiàn)單峰的情況，說明斑馬線污染較嚴(yán)重，此時以較低的閾值也可檢測出部分直線，但會影響識別的正確率。

（a） 計算區(qū)域 （b） 灰度直方圖

圖1 斑馬線的灰度直方圖

表1 灰度直方圖信息與閾值選取

對于表1中的圖片6的原圖和Canny邊緣檢測效果如圖3（a）和圖3（b）所示。表1中的圖片11的原圖和邊緣檢測效果如圖4（a）和圖4（b）所示。

（a） Canny算子的閾值為60、120 （b）Canny算子的閾值為80、160

圖2 對于圖1應(yīng)用兩種閾值的邊緣檢測效果

（a） 原始圖 （b）Canny算子的閾值為30、60

圖3 高低峰灰度值為50、80的斑馬線邊緣檢測

（a） 原始圖 （b）Canny算子的閾值為20、40

圖4 高低峰灰度值為22、38的斑馬線邊緣檢測

2.3 Hough直線提取

在邊緣檢測后，文章采用Hough變換提取直線。Hough變換的原理是利用圖像空間與參數(shù)空間的對應(yīng)關(guān)系，將圖像空間的具有一定關(guān)系的像素進行聚類，利用某一解析形式轉(zhuǎn)化到參數(shù)空間，通過在參數(shù)空間進行簡單的累加統(tǒng)計來完成檢測任務(wù)[1]。在應(yīng)用Hough變換直線提取時，同一條邊緣上會檢測到很多直線段。為便于后續(xù)處理，要對屬于一條邊緣的線段進行歸并。在極坐標(biāo)系中每條直線都可由與其垂直的ρ和θ角來唯一確定，如圖5所示。因此文章根據(jù)直線間ρ和θ的差值小于某閾值的特征將直線歸并。圖2（b）的直線提取結(jié)果如圖6所示，每條直線上只有一個起始序號和一個結(jié)束序號，表明直線歸并成功。圖3（b）和圖4（b）的直線提取結(jié)果如圖7和圖8所示。

圖5 直線的ρ和θ 圖6 直線歸并效果

圖7 圖3（b）的直線提取結(jié)果 圖8 圖4（b）的直線提取結(jié)果

3 斑馬線識別

圖6的直線信息如表2所示，斑馬線特征比較明顯，即為一組平行直線，斑馬線寬度、間距遞減，且黑白相間，由于人身高確定，斑馬線間距也可以基本確定。根據(jù)這些信息就可以有效識別出斑馬線，并和其它道路標(biāo)志相區(qū)分。如圖9列舉了一種易形成干擾的道路標(biāo)志?？梢愿鶕?jù)其平行直線數(shù)量、間距、位置信息進行區(qū)分。

圖9 干擾道路標(biāo)志

表2 圖6的直線信息

另外，斑馬線的長度和寬度邊緣不一定都是垂直的。因此只依據(jù)斑馬線的斜率判斷行人是否偏離斑馬線并不可靠，還要加入對斑馬線的左右邊緣的判斷，以保證行人行走在斑馬線范圍內(nèi)。

4 結(jié)束語

文章選取的圖片大小為640*480，并利用了OpenCV函數(shù)庫進行編程實驗，結(jié)果表明對于受污染的斑馬線也有很高的識別率。實際環(huán)境中斑馬線的情況千差萬別，有時獲得一個最佳的Canny算法雙閾值及獲得比較好的直線提取效果比較困難。但只要斑馬線比較完整，基本會獲得一組直線邊緣，即使有少量誤提直線也可以正確識別斑馬線。但如果斑馬線污染嚴(yán)重、缺失較多或有強光照射時會出現(xiàn)直線丟失或誤提直線過多的情況，可能會導(dǎo)致識別失敗。

參考文獻

[1]Gary Bradski， Adrian Kaehler.學(xué)習(xí)OpenCV（中文版） [M].于仕琪，劉瑞禎，譯.北京：清華大學(xué)出版社，2009.

[2]陸豐麒，陳健，郭語，等. 一種應(yīng)用于導(dǎo)盲機器人的斑馬線識別方法[J].數(shù)字技術(shù)與應(yīng)用，2014（4）：124-125.

[3]拓小明，李云紅，劉旭，等. 基于Canny算子與閾值分割的邊緣檢測算法[J].西安工程大學(xué)學(xué)報，2014，28（6）：745-747.