基于視覺(jué)傳達(dá)技術(shù)的交通標(biāo)志圖像智能識(shí)別

童零晶

摘? 要： 針對(duì)當(dāng)前交通標(biāo)志圖像識(shí)別錯(cuò)誤率高、識(shí)別實(shí)時(shí)性差等缺陷，以提高交通標(biāo)志圖像識(shí)別準(zhǔn)確率為主要目標(biāo)，提出基于視覺(jué)傳達(dá)技術(shù)的交通標(biāo)志圖像智能識(shí)別方法。首先，采集交通標(biāo)志圖像，并根據(jù)視覺(jué)傳達(dá)技術(shù)對(duì)圖像進(jìn)行預(yù)處理，提高交通標(biāo)志圖像質(zhì)量;然后，從交通標(biāo)志圖像中提取識(shí)別特征，并采用機(jī)器學(xué)習(xí)算法中的支持向量機(jī)對(duì)交通標(biāo)志圖像進(jìn)行自動(dòng)分類和智能識(shí)別;最后，采用交通標(biāo)志圖像識(shí)別的數(shù)據(jù)集進(jìn)行仿真模擬實(shí)驗(yàn)。結(jié)果表明，所提方法提高了交通標(biāo)志圖像智能識(shí)別的正確率，識(shí)別速度大大提升，交通標(biāo)志圖像智能識(shí)別結(jié)果明顯優(yōu)于當(dāng)前其他方法，具有更高的實(shí)際應(yīng)用價(jià)值。

關(guān)鍵詞： 智能識(shí)別; 交通智能管理; 交通標(biāo)志圖像; 視覺(jué)傳達(dá)技術(shù); 圖像預(yù)處理; 圖像自動(dòng)分類

中圖分類號(hào)： TN911.73?34; TP391? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼： A? ? ? ? ? ? ? ? ? ? 文章編號(hào)： 1004?373X（2020）11?0055?04

Traffic sign image intelligent recognition based on visual communication technology

TONG Lingjing

（College of Engineering and Technology， Hubei University of Technology， Hubei 430060， China）

Abstract： In view of the defects of high error rate and poor real?time performance of the current traffic sign image recognition， a method of traffic sign image intelligent recognition based on visual communication technology is proposed to improve the recognition accuracy of traffic sign images. In the method， traffic sign images are collected and preprocessed according to visual communication technology to improve the quality of traffic sign images. The recognition features are extracted from the traffic sign images， and the support vector machine （SVM） in the machine learning algorithm is used to automatically classify and intelligently recognize the traffic sign images. The data sets for traffic sign image recognition is used to do simulation experiments. The results show that the accuracy of traffic sign image intelligent recognition of the proposed method is improved， the speed of recognition is significantly increased， and the effect of traffic sign image intelligent recognition of the proposed method is obviously better than that of other methods. Therefore， the proposed method has a higher practical application value.

Keywords： intelligent recognition; traffic intelligent management; traffic sign image; visual communication technology; image preprocessing; image automatic classification

0? 引? 言

隨著我國(guó)經(jīng)濟(jì)水平的不斷提升，人們生活水平不斷提高，同時(shí)，由于汽車生產(chǎn)成本不斷下降，普通老百姓都有能力購(gòu)買汽車，汽車已經(jīng)進(jìn)入許多家庭，成為人們的代步工具[1?3]。由于每天在路上行駛的汽車數(shù)量越來(lái)越多，交通安全事故、交通擁擠概率增加，然而僅依靠交通管制和引導(dǎo)無(wú)法解決交通擁擠問(wèn)題，從而出現(xiàn)了智能交通管理系統(tǒng)[4?5]。在智能交通管理系統(tǒng)中，交通標(biāo)志圖像檢測(cè)與識(shí)別十分關(guān)鍵，其可以幫助駕駛員了解道路各種交通狀況，保證行駛的安全，因此交通標(biāo)志圖像識(shí)別具有十分重要的意義[6?8]。

多年以來(lái)，人們對(duì)交通標(biāo)志圖像識(shí)別問(wèn)題進(jìn)行了研究，出現(xiàn)了許多交通標(biāo)志圖像智能識(shí)別方法[9?11]，如基于顏色特征的交通標(biāo)志圖像智能識(shí)別方法、基于形狀特征的交通標(biāo)志圖像智能識(shí)別方法、基于邊緣檢測(cè)的交通標(biāo)志圖像智能識(shí)別方法，這些智能識(shí)別方法均有自身的優(yōu)勢(shì)，同時(shí)也存在各自的弊端，如交通標(biāo)志圖像識(shí)別存在錯(cuò)誤率高、識(shí)別實(shí)時(shí)性差等缺陷，因此交通標(biāo)志圖像智能識(shí)別有待進(jìn)一步研究[12?14]。

交通標(biāo)志圖像智能識(shí)別是計(jì)算機(jī)視覺(jué)領(lǐng)域中的一個(gè)重要研究課題，針對(duì)當(dāng)前交通標(biāo)志圖像識(shí)別錯(cuò)誤率高、識(shí)別實(shí)時(shí)性差等缺陷，以提高交通標(biāo)志圖像識(shí)別準(zhǔn)確率為主要目標(biāo)，本文提出基于視覺(jué)傳達(dá)技術(shù)的交通標(biāo)志圖像智能識(shí)別方法。仿真模擬實(shí)驗(yàn)結(jié)果表明，本文方法提高了交通標(biāo)志圖像智能識(shí)別準(zhǔn)確率，識(shí)別速度大大提升，識(shí)別結(jié)果要明顯優(yōu)于當(dāng)前其他方法，具有更高的實(shí)際應(yīng)用價(jià)值。

1? 基于視覺(jué)傳達(dá)技術(shù)的交通標(biāo)志圖像智能識(shí)別方法設(shè)計(jì)

1.1? 交通標(biāo)志圖像的預(yù)處理

交通標(biāo)志圖像在采集過(guò)程中，由于受到攝像頭性能的影響，得到的交通標(biāo)志圖像質(zhì)量不一樣，最主要是由于道路條件、天氣條件、車輛抖動(dòng)等因素，使得交通標(biāo)志圖像包含了一定的噪聲，使得交通標(biāo)志圖像模糊不清。本文基于視覺(jué)傳達(dá)技術(shù)，引入Gabor濾波算法對(duì)原始交通標(biāo)志圖像進(jìn)行預(yù)處理，增強(qiáng)交通標(biāo)志圖像質(zhì)量。Gabor濾波算法具有優(yōu)異的方向和頻率選擇特性，設(shè)[（x，y）]表示像素點(diǎn)在交通標(biāo)志圖像中的位置，Gabor濾波算法在空間域中可以表示為：

[h（x，y;φ，k）=exp-12（xφ）2δ2x+（yφ）2δ2ycos（2πkxφ）]? （1）

[xφ=xcos φ+ysin φ] （2）

[yφ=-xsin φ+ycos φ]? （3）

式中：[φ]和[k]分別為中心方向和中心頻率;[δx]，[δy]分別為頻率和方向通帶大小。

從式（1）可知，Gabor濾波器由二維高斯和正弦函數(shù)的乘積組成，Gabor濾波器的空間函數(shù)形式如圖1a）所示，Gabor濾波器頻率響應(yīng)的圖像如圖1b）所示。

采用Gabor濾波算法對(duì)交通標(biāo)志圖像進(jìn)行預(yù)處理，可以過(guò)濾掉交通標(biāo)志圖像中的噪聲，獲得更加清晰、質(zhì)量高的交通標(biāo)志圖像。

1.2? 交通標(biāo)志圖像智能識(shí)別的特征

良好的交通標(biāo)志圖像識(shí)別特征應(yīng)該具有可區(qū)分性、穩(wěn)定性，根據(jù)該原則，本文采用梯度方向直方圖算法提取交通標(biāo)志圖像識(shí)別特征。交通標(biāo)志圖像識(shí)別特征提取過(guò)程如下：

1） 對(duì)交通標(biāo)志圖像的顏色空間進(jìn)行歸一化操作，避免光照變化帶來(lái)的不利影響，然后將交通標(biāo)志圖像檢測(cè)窗口劃分為多個(gè)單元格。

2） 對(duì)于每一個(gè)交通標(biāo)志圖像的單元格，分別提取梯度方向直方圖特征。

3） 將相鄰單元格組成互有重疊的塊，根據(jù)重疊的邊緣信息計(jì)算整個(gè)塊的梯度方向直方圖特征。

4） 對(duì)每一個(gè)塊的梯度方向直方圖特征進(jìn)行歸一化操作，減少交通標(biāo)志圖像背景顏色干擾。

5） 將交通標(biāo)志圖像檢測(cè)窗口中的所有塊的梯度方向直方圖特征組合在一起，得到交通標(biāo)志圖像識(shí)別特征向量。

綜上可知，交通標(biāo)志圖像智能識(shí)別的特征提取流程如圖2所示。

1.3? 交通標(biāo)志圖像識(shí)別的分類器

對(duì)于兩類交通標(biāo)志圖像數(shù)據(jù)集[（xi，yi）]，[xi∈Rn]，[yi∈{-1，1}]，[i=1，2，…，n]，[xi]為交通標(biāo)志圖像特征向量，[n]表示交通標(biāo)志圖像數(shù)量，那么最優(yōu)分類超平面可以描述為[15]：

[y=ω?φ（x）+b] （4）

為了使得訓(xùn)練集交通標(biāo)志圖像可分，對(duì)式（4）進(jìn)行轉(zhuǎn)換，得到：

[min J（ω，ξ）=12ω2+Ci=1nξi? ?] （5）

式中[C]為懲罰參數(shù)。

相應(yīng)的約束條件為：

[s.t.? ? yi（ω?φ（xi）+b）≥1-ξi? ? ? ? ?ξ≥0? ? ? ? ?i=1，2…，n] （6）

式中[ξ=（ξ1，ξ2，…，ξl）T]。

引入Lagrange乘子[αi]建立對(duì)偶形式，兩類交通標(biāo)志圖像識(shí)別的決策函數(shù)為：

[f（x）=i=1nαiyi（φ（x）?φ（xi））+b] （7）

由于交通標(biāo)志圖像識(shí)別特征與交通標(biāo)志圖像類別之間存在一定的非線性聯(lián)系，引入核函數(shù)[K（xi，x）=φ（x）φ（xi）]，那么式（7）可變化為：

[f（x）=i=1nαiyiK（xi，x）+b] （8）

[K（xi，x）]選擇徑向基（RBF）核函數(shù)，其具體可以表示為：

[K（xi，x）=exp-xi-x22σ2 ]? ? ? ?（9）

標(biāo)準(zhǔn)支持向量機(jī)是針對(duì)兩分類交通標(biāo)志圖像數(shù)據(jù)集，在實(shí)際中，不止兩分類交通標(biāo)志圖像數(shù)據(jù)集，還存在有多類，這樣，標(biāo)準(zhǔn)支持向量機(jī)無(wú)法直接進(jìn)行識(shí)別，因此采用“一對(duì)多”形式建立交通標(biāo)志圖像識(shí)別的分類器，如圖3所示。

1.4? 基于視覺(jué)傳達(dá)技術(shù)的交通標(biāo)志圖像智能識(shí)別過(guò)程

基于視覺(jué)傳達(dá)技術(shù)的交通標(biāo)志圖像智能識(shí)別過(guò)程如下：

1） 采集大量的交通標(biāo)志圖像，建立交通標(biāo)志圖像識(shí)別的圖像庫(kù)。

2） 基于視覺(jué)傳達(dá)技術(shù)對(duì)原始交通標(biāo)志圖像進(jìn)行預(yù)處理，提高交通標(biāo)志圖像的清晰度和信噪比。

3） 提取交通標(biāo)志圖像識(shí)別的梯度方向直方圖特征。

4） 設(shè)置支持向量機(jī)的參數(shù)，并對(duì)交通標(biāo)志圖像識(shí)別的梯度方向直方圖特征進(jìn)行訓(xùn)練，建立交通標(biāo)志圖像識(shí)別的分類器。

5） 對(duì)待識(shí)別交通標(biāo)志圖像進(jìn)行預(yù)處理，并提取梯度方向直方圖特征。

6） 采用建立的交通標(biāo)志圖像識(shí)別分類器對(duì)待識(shí)別交通標(biāo)志圖像進(jìn)行分類，輸出待識(shí)別交通標(biāo)志圖像的類別。

基于視覺(jué)傳達(dá)技術(shù)的交通標(biāo)志圖像智能識(shí)別原理如圖4所示。

2? 交通標(biāo)志圖像智能識(shí)別的仿真實(shí)驗(yàn)

2.1? 交通標(biāo)志圖像數(shù)據(jù)

為了測(cè)試基于視覺(jué)傳達(dá)技術(shù)的交通標(biāo)志圖像智能識(shí)別方法的性能，采用Matlab 2018作為實(shí)驗(yàn)工具，共收集10類交通標(biāo)志圖像作為測(cè)試對(duì)象，由于篇幅有限，只列部分類型交通標(biāo)志圖像，具體如圖5所示。

為了使基于視覺(jué)傳達(dá)技術(shù)的交通標(biāo)志圖像智能識(shí)別結(jié)果具有可比性，選擇文獻(xiàn)[14?15]的交通標(biāo)志圖像智能識(shí)別方法進(jìn)行對(duì)比測(cè)試。

2.2? 交通標(biāo)志圖像智能識(shí)別結(jié)果與分析

提取1類和2類交通標(biāo)志圖像的梯度方向直方圖特征，具體如圖6所示，橫坐標(biāo)表示特征編號(hào)，縱坐標(biāo)為梯度值。從圖6可以看出，兩類交通標(biāo)志圖像的特征差異比較明顯，這表明采用梯度方向直方圖特征可以對(duì)交通標(biāo)志圖像進(jìn)行識(shí)別。

統(tǒng)計(jì)10類交通標(biāo)志圖像的識(shí)別正確率和識(shí)別時(shí)間，分別如表1和表2所示。從表1可以看出：基于視覺(jué)傳達(dá)技術(shù)的交通標(biāo)志圖像智能識(shí)別正確率平均值為96.76%;文獻(xiàn)[14]的交通標(biāo)志圖像智能識(shí)別正確率平均值為91.93%;文獻(xiàn)[15]的交通標(biāo)志圖像智能識(shí)別正確率平均值為91.83%。相對(duì)于文獻(xiàn)[14?15]的交通標(biāo)志圖像智能識(shí)別方法，基于視覺(jué)傳達(dá)技術(shù)的識(shí)別正確率分別提高了4.83%和4.93%。同時(shí)，從表2可以看出：基于視覺(jué)傳達(dá)技術(shù)的交通標(biāo)志圖像智能識(shí)別時(shí)間平均值為2.51 s;文獻(xiàn)[14]的交通標(biāo)志圖像智能識(shí)別時(shí)間平均值為4.50 s;文獻(xiàn)[15]的交通標(biāo)志圖像智能識(shí)別時(shí)間平均值為3.45 s，相對(duì)于文獻(xiàn)[14?15]的交通標(biāo)志圖像智能識(shí)別方法，時(shí)間平均值分別減少了1.99 s和0.94 s，本文方法加快了交通標(biāo)志圖像智能識(shí)別效率。

3? 結(jié)? 語(yǔ)

針對(duì)當(dāng)前交通標(biāo)志圖像識(shí)別錯(cuò)誤率高、識(shí)別實(shí)時(shí)性差等缺陷，本文提出基于視覺(jué)傳達(dá)技術(shù)的交通標(biāo)志圖像智能識(shí)別方法。仿真模擬實(shí)驗(yàn)結(jié)果表明，本文方法是一種識(shí)別正確率高、速度快的交通標(biāo)志圖像智能識(shí)別方法，具有更高的實(shí)際應(yīng)用價(jià)值。

參考文獻(xiàn)

[1] 李志軍，崔利娟.基于深度森林的交通標(biāo)志識(shí)別方法研究[J].工業(yè)控制計(jì)算機(jī)，2019，32（5）：114?115.

[2] 張淑芳，朱彤.基于殘差單發(fā)多框檢測(cè)器模型的交通標(biāo)志檢測(cè)與識(shí)別[J].浙江大學(xué)學(xué)報(bào)（工學(xué)版），2019，53（5）：940?949.

[3] 董娜，劉欣宇，吳愛(ài)國(guó).基于人工蜂群的新型圓形交通標(biāo)志識(shí)別算法[J].天津大學(xué)學(xué)報(bào)（自然科學(xué)與工程技術(shù)版），2019，52（6）：585?593.

[4] 伍錫如，雪剛剛.基于圖像聚類的交通標(biāo)志CNN快速識(shí)別算法[J].智能系統(tǒng)學(xué)報(bào)，2019，14（4）：670?678.

[5] 朱永佳，張靜.基于卷積神經(jīng)網(wǎng)絡(luò)的交通標(biāo)志識(shí)別方法[J].上海師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2018，47（5）：617?621.

[6] 張傳偉，崔萬(wàn)豪.基于Gabor特征提取和SVM交通標(biāo)志識(shí)別方法研究[J].現(xiàn)代電子技術(shù)，2018，41（17）：136?140.

[7] 宋青松，張超，田正鑫，等.基于多尺度卷積神經(jīng)網(wǎng)絡(luò)的交通標(biāo)志識(shí)別[J].湖南大學(xué)學(xué)報(bào)（自然科學(xué)版），2018，45（8）：131?137.

[8] 鄧瓊，何星.基于組合矩特征和PTSVM的交通標(biāo)志識(shí)別[J].洛陽(yáng)理工學(xué)院學(xué)報(bào)（自然科學(xué)版），2018，28（2）：51?56.

[9] 張興國(guó)，劉曉磊，李靖，等.BP神經(jīng)網(wǎng)絡(luò)下的限速交通標(biāo)志實(shí)時(shí)檢測(cè)識(shí)別[J].西安電子科技大學(xué)學(xué)報(bào)，2018，45（5）：136?142.

[10] 譚臺(tái)哲，盧劍彪，溫捷文，等.應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)與RPN的交通標(biāo)志識(shí)別[J].計(jì)算機(jī)工程與應(yīng)用，2018，54（21）：251?256.

[11] 姚漢利，趙金金，鮑文霞.基于特征融合和字典學(xué)習(xí)的交通標(biāo)志識(shí)別[J].計(jì)算機(jī)技術(shù)與發(fā)展，2018，28（1）：51?55.

[12] 甘露，田麗華，李晨.基于融合特征和BP網(wǎng)絡(luò)的交通標(biāo)志識(shí)別方法[J].計(jì)算機(jī)工程與設(shè)計(jì)，2017，38（10）：2783?2787.

[13] 張震，程偉偉，吳磊，等.基于不變矩和SVM的圓形交通標(biāo)志識(shí)別方法研究[J].電子測(cè)量與儀器學(xué)報(bào)，2017，31（5）：773?779.

[14] 郝永杰，周博文.基于圖像特征及改進(jìn)支持向量機(jī)算法的交通標(biāo)志識(shí)別[J].現(xiàn)代電子技術(shù)，2017，40（8）：97?99.

[15] 張秀玲，張逞逞，周凱旋.基于感興趣區(qū)域的CNN?Squeeze交通標(biāo)志圖像識(shí)別[J].交通運(yùn)輸系統(tǒng)工程與信息，2019，19（3）：48?53.