CN202084185U - 一种交通标志自动识别装置 - Google Patents

一种交通标志自动识别装置 Download PDF

Info

Publication number
CN202084185U
CN202084185U CN2011202036508U CN201120203650U CN202084185U CN 202084185 U CN202084185 U CN 202084185U CN 2011202036508 U CN2011202036508 U CN 2011202036508U CN 201120203650 U CN201120203650 U CN 201120203650U CN 202084185 U CN202084185 U CN 202084185U
Authority
CN
China
Prior art keywords
image
traffic sign
computer
camera
inputted
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN2011202036508U
Other languages
English (en)
Inventor
韩毅
刘坤
王清泉
席晓哲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changan University
Original Assignee
Changan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Changan University filed Critical Changan University
Priority to CN2011202036508U priority Critical patent/CN202084185U/zh
Application granted granted Critical
Publication of CN202084185U publication Critical patent/CN202084185U/zh
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Images

Landscapes

  • Image Analysis (AREA)

Abstract

本实用新型公开了一种交通标志自动识别装置，包括安装于汽车上USB接口的摄像机连接计算机，摄像机拍摄图片输入计算机，通过图像预处理模块对图像进行处理，处理后，与模板库的交通标志进行匹配。摄像机采集道路交通标志图像，通过USB接口输入在计算机上显示，然后通过基于matlab软件进行直方图均衡化、阈值分割的方法提取颜色特征的目标区域。之后通去掉一些不必要干扰提取圆形目标区域。经膨胀，腐蚀，边缘检测，细化这一系列图像预处理模块的过程，最后与模板库交通标志对比进行识别。该装置实时性较好，得到的图像清晰，识别率高。

Description

一种交通标志自动识别装置
技术领域
本实用新型属于交通应用技术领域，具体涉及一种交通标志自动识别装置，该装置能自动识别路边的标志并给驾驶员提供道路信息，使驾驶员更加安全和轻松。
背景技术
随着智能交通系统的不断研究和发展，交通标志自动识别系统（TSR）逐渐得到重视和发展。这个系统将成为未来车辆的重要组成部分。道路交通标志识别是利用计算机视觉技术自动的进行识别的研究领域。它在车辆行驶过程中对出现的交通标志信息进行采集和识别，及时的向驾驶员作出指示或警告，或者直接控制车辆的操作，以保持交通通畅和预防事故的发生。
发明内容
本实用新型的目的在于，提供一种基于matlab程序算法的交通自动标志识别装置，能快速的识别出禁止类的基本交通标志。
为了实现上述任务，本实用新型所采用的技术方案是：
一种交通标志自动识别装置，其特征在于，包括安装于汽车上USB接口的摄像机，摄像机通过图像预处理模块与计算机相连，计算机还连接有模板库。
摄像机采集道路交通标志图像，输入图像预处理模块后进入计算机，计算机用matlab基于直方图均衡化对图像作预处理改善图像的像质。然后以颜色为依据通过阈值分割的方法提取颜色特征的目标区域。之后通过孤立点和面积去噪去掉一些不必要的干扰提取目标区域。 膨胀，腐蚀，细化，最后与模板库交通标志对比进行识别。
本实用新型的交通标志自动识别装置实时性较好，得到的图像清晰。
附图说明
图1是本实用新型的结构原理图；
图2是本实用新型的图像预处理模块流程图；
图3是预处理模块中图像增强的算法步骤；
以下结合附图对本实用新型作进一步的详细说明。
具体实施方式
参见图1，本实施例给出一种交通标志自动识别装置，包括安装于汽车上USB接口的摄像机，摄像机通过USB接口与计算机相连，计算机还连接有图像预处理模块，图像预处理模块连接模板库进行最后的识别。
图像预处理模块内固化有基于MATLAB支持的软件，车载摄像机拍摄一组交通标志图片，通过USB 接口输入计算机，然后通过matlab程序算法进行图像增强、红黑颜色阈值分割、降噪声、圆形特征提取、图像形态学处理（膨胀、腐蚀）、基于canny算子的边缘检测、细化一系列图像预处理过程，最后将得到图像与模板库中的交通标志对比进行识别。
 1、图像增强
图像增强的主要目的是为了改善图像的视觉效果，提高图像的清晰度和工艺的适应性，以便于人与计算机的分析和处理。然后主要在HIS空间通道进行直方均衡分布和在RGB空间进行颜色分割。本实施例采用在HIS颜色空间模型通道进行直方图均衡分布，算法步骤；
1）将RGB图像转换成HIS图像。
2）显示HIS图像，直方图均衡化HIS图像。
3）将HIS图像转换成RGB图像。见图1
2、基于RGB颜色空间的图像阈值分割
阈值法是一种简单有效的图像分割方法，他用户一个或几个阈值将图像的灰度分为几个部分，将统一部分的像素视为相同的物体。在交通标志识别系统中，考虑系统的运算量和实时性问题，决定选择阈值分割的方法。主要思想在RGB彩色空间，通过图像像素的实际值与预设预知的比较，分割出特定的区域，而分割的阈值的确定值是通过实验得到的。选择RGB空间进行分割是因为不需要转换并且实时性好。
本实施例确定的阈值范围是在自然条件下进行图像增强后的实验数值。根据实验，如果R与G，B差值都在35以上，即为红色像素区域，为目标像素；如果R,G,B三分量之间的差值小于等于20，并且三分量之间的取值范围都在30至90之间，即为黑色像素的区域，也是目标像素；不在上述的范围之列，那么是彩色图像像素，即为背景像素。分割出目标像素，以白色为目标色，黑色为背景色。得出分割结果。
 3、图像分割后能大体分割出具有圆形特征的二值图像
由于交通标志最明显的特征是颜色和形状，通过形状去除其余的干扰成为必要。利用基于MATLAB圆形度的算法提取圆形的目标形状特征。圆形度也是圆的显著特征，原理简单直观，计算容易。圆形度的计算公式如下；
C= 4πA/L 2
利用链码结构快速计算圆的面积和周长。将像素看所点，周长L定义为区域边界像素的8链码的长度之和，其表达式为：
式中的l i 为连码的长度，水平和垂直方向的链码长度为1，其他链码长度为
Figure 379299DEST_PATH_IMAGE002
，Q为边界点的像素点数。
同理，利用链码结构快速进行一次扫描计算图像的面积。圆形度为1的区域其圆形度最高，大于0.9且小于1，所以将其保留为目标，标记为2的区域圆形度值小于0.5，将其化为背景区域。
 4、利用数学形态学的基本运算
对图像进行观察和处理，从而达到改善图像质量的目的。专利利用膨胀和腐蚀的MATLAB算法中相应的函数对图像进行形态学处理。膨胀是将与物体接触的所有背景点合并到该物体中，是边界向外部扩张的过程。利用该操作，可以填补物体的空洞。腐蚀是一种消除边界点，使边界向内部收缩的过程。利用该操作，可以消除小且无意义的物体。
 5、边缘检测
边缘检测的基本思想就是先检验图像中的边缘点，再按这种策略将边沿点连接成轮廓，从而构成分割区域。边缘是所要提取目标和背景的分界线，提取边缘才能将目标和背景分开。边缘检测能够有效地抑制噪声，并且能够够精确的确定边缘的位置。本专利采用CANNY算子提取目标边界的信息，效果比较不错。CANNY边缘检测算子对受到白噪声影响的阶跃型边缘是最优的。
 6、细化
细化是针对二值图像中具有一定宽度的目标，经过一定的运算，最后使该目标变为仅有一个像素宽度的骨架。经过细化处理的骨架图像为后续的图像处理，分析提供一种简洁的表现形式，便于对图像进行更高层次的分析和理解。
 7、交通标志的模式识别
模式识别就是根据研究对象的特征，用一定的分析算法来认定它的分类。建立匹配特征样本，利用样本和被识别图像之间的相似性，即它们的相似系数来衡量两幅图像的相似性。两幅图像越相似，则相似系数越接近于1；图像越不相似，相似系数越接近0。相似系数的定义如下：
x=(x 1 ,x 2 ,…x n )，y=(y 1 ,y 2 ,…y n )，
Figure 421074DEST_PATH_IMAGE004
式中x是样本的特征值，y是待识别图像的特征值，i是识别的第i个特征值的符号，n是匹配特征的个数。根据特征矢量制定特征模板，计算相似系数和阈值对比，识别出目标的分类。

Claims (1)

1.一种交通标志自动识别装置，其特征在于，包括安装于汽车上USB接口的摄像机，摄像机通过USB接口与计算机相连，计算机还连接有图像预处理模块，图像预处理模块连接有模板库。
CN2011202036508U 2011-06-16 2011-06-16 一种交通标志自动识别装置 Expired - Fee Related CN202084185U (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2011202036508U CN202084185U (zh) 2011-06-16 2011-06-16 一种交通标志自动识别装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2011202036508U CN202084185U (zh) 2011-06-16 2011-06-16 一种交通标志自动识别装置

Publications (1)

Publication Number Publication Date
CN202084185U true CN202084185U (zh) 2011-12-21

Family

ID=45344808

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2011202036508U Expired - Fee Related CN202084185U (zh) 2011-06-16 2011-06-16 一种交通标志自动识别装置

Country Status (1)

Country Link
CN (1) CN202084185U (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102819728A (zh) * 2012-07-17 2012-12-12 中国航天科工集团第三研究院第八三五七研究所 一种基于分类模板匹配的交通标志检测方法
CN102881160A (zh) * 2012-07-18 2013-01-16 广东工业大学 一种低照度场景下的户外交通标志识别方法
CN103065489A (zh) * 2012-12-28 2013-04-24 天津爱迪尔软件开发有限公司 一种即时导航路况系统及导航方法
CN103268072A (zh) * 2013-05-27 2013-08-28 重庆市科学技术研究院 一种基于机器视觉的缩微车、缩微车控制系统及控制方法
CN103489323A (zh) * 2013-09-16 2014-01-01 安徽工程大学 一种红绿灯的识别装置
CN104751668A (zh) * 2013-12-20 2015-07-01 矢崎能源系统公司 交通信息管理系统
CN104794775A (zh) * 2014-01-17 2015-07-22 矢崎能源系统公司 车内信息记录装置
CN104951745A (zh) * 2014-03-28 2015-09-30 富士重工业株式会社 车外环境识别装置
CN112820130A (zh) * 2019-12-27 2021-05-18 李华 基于内容分析的模式转换平台
CN113361643A (zh) * 2021-07-02 2021-09-07 人民中科(济南)智能技术有限公司 基于深度学习的通用标志识别方法、系统、设备及存储介质

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102819728A (zh) * 2012-07-17 2012-12-12 中国航天科工集团第三研究院第八三五七研究所 一种基于分类模板匹配的交通标志检测方法
CN102881160A (zh) * 2012-07-18 2013-01-16 广东工业大学 一种低照度场景下的户外交通标志识别方法
CN103065489A (zh) * 2012-12-28 2013-04-24 天津爱迪尔软件开发有限公司 一种即时导航路况系统及导航方法
CN103268072A (zh) * 2013-05-27 2013-08-28 重庆市科学技术研究院 一种基于机器视觉的缩微车、缩微车控制系统及控制方法
CN103489323B (zh) * 2013-09-16 2016-07-06 安徽工程大学 一种红绿灯的识别装置
CN103489323A (zh) * 2013-09-16 2014-01-01 安徽工程大学 一种红绿灯的识别装置
CN104751668A (zh) * 2013-12-20 2015-07-01 矢崎能源系统公司 交通信息管理系统
CN104794775A (zh) * 2014-01-17 2015-07-22 矢崎能源系统公司 车内信息记录装置
CN104951745A (zh) * 2014-03-28 2015-09-30 富士重工业株式会社 车外环境识别装置
CN104951745B (zh) * 2014-03-28 2018-03-09 株式会社斯巴鲁 车外环境识别装置
CN112820130A (zh) * 2019-12-27 2021-05-18 李华 基于内容分析的模式转换平台
CN112820130B (zh) * 2019-12-27 2022-03-29 四川九洲视讯科技有限责任公司 基于内容分析的模式转换平台
CN113361643A (zh) * 2021-07-02 2021-09-07 人民中科(济南)智能技术有限公司 基于深度学习的通用标志识别方法、系统、设备及存储介质

Similar Documents

Publication Publication Date Title
CN202084185U (zh) 一种交通标志自动识别装置
CN109829403B (zh) 一种基于深度学习的车辆防碰撞预警方法及系统
Omachi et al. Traffic light detection with color and edge information
CN102043950B (zh) 基于canny算子和边缘点统计的车辆轮廓识别方法
EP2575077B1 (en) Road sign detecting method and road sign detecting apparatus
Chen et al. Nighttime brake-light detection by Nakagami imaging
CN103136528B (zh) 一种基于双边缘检测的车牌识别方法
CN102509291B (zh) 基于无线网络视频传感器的公路路面病害检测及识别方法
CN111563412B (zh) 一种基于参数空间投票和贝塞尔拟合的快速车道线检测方法
Gomez et al. Traffic lights detection and state estimation using hidden markov models
CN102298693B (zh) 基于计算机视觉的高速公路弯道检测方法
Zhang et al. A multi-feature fusion based traffic light recognition algorithm for intelligent vehicles
CN106650553A (zh) 车牌识别方法及系统
CN103198315A (zh) 基于字符轮廓和模板匹配的车牌字符分割算法
CN104657735A (zh) 车道线检测方法、系统、车道偏离预警方法及系统
CN103034843B (zh) 一种基于单目视觉的夜间车辆检测方法
CN102968646A (zh) 一种基于机器学习的车牌检测方法
Liu et al. Lane detection algorithm based on local feature extraction
CN103902985B (zh) 一种基于roi的强鲁棒性实时车道侦测算法
CN102073852A (zh) 基于最优阈值和随机标号法的多车辆分割方法
CN104657724A (zh) 一种交通视频行人检测方法
Liu et al. ROI perspective transform based road marking detection and recognition
JP2020064583A (ja) 車両検出方法、動的光強度に基づく夜間の車両検出方法及びそのシステム
Sugiharto et al. Traffic sign detection based on HOG and PHOG using binary SVM and k-NN
CN105469124A (zh) 一种交通标志分类方法

Legal Events

Date Code Title Description
C14 Grant of patent or utility model
GR01 Patent grant
C17 Cessation of patent right
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20111221

Termination date: 20120616