基于视觉对抗色的交通标志检测方法 -学兔兔 www.xuetutu.com.pdf

stwww.xuiotltu.com
第33卷第1期
仪器仪表学报
Vol. 33 No. 1
2012年1月
Chinese Journal of Scientific Instrument
Jan.2012
基于视觉对抗色的交通标志检测方法
缪小冬,李舜酩,沈峘,武超,凌锐
(南京航空航天大学能源与动力学院南京210016)
摘要:面向智能车辆的交通标志检测是国内外研究的热点。在复杂的交通环境下,采用传统颜色空间的方法鲁棒性差,算法
效率低,难以准确有效地检测出交通标志。鉴于人类视觉特点和视神经信号处理机制,提出一种基于视觉对抗色的方法。首
先,将图像在不同的对抗色空间进行高斯金字塔分解;然后,采用中央周边差算法,增强交通标志的颜色特征;最后,对二值化图
像进行水平方向和竖直方向的投影,统计显著信息区域,标记交通标志的位置。通过编程实现和实验验证,检测准确率和实时
性满足实际要求,为交通标志语义理解提供有效的数据
关键词:机器视觉;交通标志检测;对抗色;智能车辆;智能交通系统
中图分类号;U273.99文献标识码:A国家标准学科分类代码:510.40580.80
Opponent-color based traffic sign detection
Miao Xiaodong, Li Shunming, Shen Huan, Wu Chao, Ling Rui
College of Energy & Power Engineering, Naming Universi ofaeronautics Astronautics, Nanjing 210016, China
Abstract: Traffic sign detection for intelli ent vehicle has become an attractive research area throughout the world
Algorithm based on traditional color space is not robust or efficient enough in complex traffic environment. Consider
ing human vision system, we propose a new method based on opponent-color. First, the Gaussian pyramid is used to
process the images in private color space. Then, the center-surround algorithm is used to enhance the color of traffic
signs. Finally, the maximum area is calculated and the location of trafic signs is marked using horizontal and verti-
cal projection of the binary image. Experimental verification shows the method has good accuracy and efficiency
which can provide efficient information for traffic sign recognition
Key words: machine vision; raffic gn een; oen-color intelligent veicle; intelligent transportation system
方形表示提示信息。但是由于交通环境的复杂性和运动
引言
性,视觉系统获得的图像信息存在模糊、噪声、曝光不当
等干扰,交通标志的视觉检测与相关目标的定位一直是
交通环境的视觉感知是智能车辆系统中的关键组成智能车辆和机器视觉研究领域的难题之一S。
部分,已经成为相关科研机构、汽车生产厂家研发的焦
国内外的研究者已经提出了一些交通标志检测方
点。作为交通语义分析的前提,基于机器视党的交通标法,主要有基于颜色特征的方法"?、基于边缘特征的方
志检测技术得到了国内外学者越来越多的关注和法、基于形状对称性的方法リ、基于显著性特征的方
研究。
法2等,从中选取一些典型的例子予以说明。
交通法规标准中,红、蓝、黄、绿、黑5种颜色为安全
L.D. Lopez和0. Fuentes采用 CIE Lab颜色特征来
色;正三角形表示警告;圆形表示禁止和限制;正方形、长进行交通标志检测,通过一系列高斯分布算法对样本进
收稿日期:2011-03 Received Date:20103
*基金项目:国家自然科学基金(5067509)江苏省普通高校研究生科研创新计划(CXKX110180)、中国博士后科学基金(2011M500917)
江苏省博上后科研资助计划(1101153C)资助项目