徐华青，刘秉瀚

（福州大学 数学与计算机科学学院，福建 福州 350108）

交通标志是道路交通系统中不可缺少的一部分，它提供指示、警告和禁令等信息，起到了引导提示驾驶员操作、保障交通安全的重要作用。交通标志的检测是一个非常重要的研究课题，受到政府有关部门和汽车公司的关注。交通标志的检测分类包含必要的预处理、交通标志图像的分割、交通标志的定位及分类等步骤，是交通标志正确识别的前提。

交通标志检测的难点在于如何准确地在实景交通图像中定位出标志。实景交通图像背景复杂，标志会受到光线、拍摄角度以及人为破坏等因素的影响，增加了检测的难度。目前，关于交通标志检测技术的研究很多，常见的方法是分别基于RGB、HSV和YIQ色彩空间的分割模型定位交通标志[1-3]。基于颜色的定位检测会因为阈值的设定而影响定位结果，在背景多变、复杂（如标志周围有相近色彩的物体和光线较暗）的情况下，定位结果会受到较大干扰。

另外，交通标志的定位还有基于边缘的方法[4-5]。相对于颜色定位的方法，基于边缘的方法不需要设定阈值，面对多变的环境显得更为灵活。

交通标志类别与其颜色及几何形状之间具有唯一的确定性关系。本文针对交通标志的形状和颜色两个特征，提出了一种基于形状边缘定位检测和颜色判别分类的交通标志检测分类方法。该方法在饱和度S通道检测标志边缘，通过边缘的形状参数判定标志的几何形状，定位出标志；采用修正的HSV色彩空间分割模型判别标志颜色以进行标志分类，分类过程中筛除了非标志区域。

1 交通标志检测

1.1 交通标志检测分类流程

我国道路交通标志的颜色和几何特征显著，以圆形、三角形和矩形作为基本形状，以红色、黄色和蓝色作为基本颜色，交通标志类别与其几何形状及颜色之间具有唯一的确定性关系。因此，在检测过程中可将我国道路交通标志按照形状分成3类，再按照基本颜色划分成6类。图1为交通标志检测分类的流程图。

图1 交通标志检测分类流程图

1.2 HSV颜色空间

HSV颜色空间从人的视觉系统出发，用色调（Hue）、饱和度（Saturation）和亮度（Value）来描述色彩。其中，饱和度指色彩的纯度（鲜艳程度），饱和度越高色彩越纯，饱和度低则逐渐变灰。交通标志基本颜色红、黄、蓝是饱和度偏高的色彩，而背景饱和度偏低，标志和背景过渡的边缘饱和度差值较大，利于边缘检测。

RGB色彩空间到HSV色彩空间的转换公式为[2]：

其中，Max=max（R，G，B），Min=min（R，G，B），R、G、B 范围均是[0，255]，H、S、V 的范围均规范化到[0，255]。 图像的变换效果如图2所示。可以看出，饱和度分量图像标志边框明亮和背景完全区分开，而灰度图像左侧标志边框与背景区分不开。

图2 原图像的变换图

1.3 Canny算子边缘检测

1986年，CANNY J提出了Canny算子边缘检测方法[6]，Canny算子在提高对景物边缘的敏感性的同时可以抑制噪声，相对于其他边缘检测算子（如Sobel算子）能更好地检测出边缘。

对原图的饱和度图像边缘检测的效果如图3所示。可以看出Canny算子检测结果标志边缘保留完整，而Sobel算子检测结果标志边缘断开且周边噪声较多。

图3 边缘检测效果对比图

1.4 形状判别定位检测

形状判别方法有很多，参考文献[7]采用边界跟踪提取拐角点的方法，参考文献[8]通过掩模对图像作卷积搜索拐角，这两种方法须保证拐角点的存在，易受干扰。参考文献[4]用边缘链拟合几何形状，该方法只检测圆形标志，且易受背景噪声影响。参考文献[5]采用基于梯度信息的Hough变换检测圆，该方法仅限于检测红色圆形标志，不具有普遍性。参考文献[2]采用计算标志圆形度、矩形度和伸长度的方法判别形状，能判断标志的3种形状，方法简单有效，效率高。因此，本文提出计算圆形度、矩形度和推广得到的正三角形度来判别交通标志的几何形状。

圆形度[1]P1为：

其中，S为边缘包围住的面积，L为边缘的周长。当边缘的几何形状为圆形时，P1=1。

矩形度[1]P2为：

其中，H为边缘的高度，W为边缘的宽度。当边缘的几何形状为矩形时，P2=1。

正三角形度P3，通过类比圆形度和矩形度推广得到：

当边缘的几何形状为正三角形时，P3=1。

由于实景图在拍摄过程中受角度距离等因素的影响，交通标志的边缘形状会接近圆形、矩形或者正三角形，因此形状参数会与标准的圆形矩形正三角形的参数有些许误差，故用式（5）来判断边缘的几何形状：

其中，i=1，2，3。 当 shape=1 时，边缘形状为圆形；shape=2时，边缘形状为矩形；shape=3时，边缘形状为三角形；shape=0时，说明该边缘非可能的交通标志，剔除。

1.5 标志定位检测步骤

实景交通图像的交通标志定位步骤如下：

（1）拍摄到的实景图为 24 bit真彩色图像，根据式（1）生成饱和度通道图像。

（2）用Canny算子对饱和度通道图像进行边缘检测，生成边缘图像。

（3）扫描边缘图像，提取每一条边缘，根据式（2）、式（3）、式（4）计算边缘的形 状参数 P1、P2、P3，按式（5）判断shape的值，如果shape≠0，在原图像把边缘所在位置的图像抠出，归入相应形状的类中。

图4为从实景图中定位出的交通标志，可以看出该方法能定位出倾斜、变形及褪色的交通标志，且能保持标志的完整性，利于后续的标志分类。表1为图4标志的形状参数和归入类别。

图4 定位出的各类交通标志

表1 图4标志的形状参数和归入类别

2 交通标志的分类

定位出的区域需要进一步筛选。交通标志色彩鲜明，因此根据交通标志的颜色特征进行筛选是首选的方法。在筛选的过程中，对交通标志进行分类。

建国初期，各地共青团在党领导开展的土地改革、镇压反革命、“三反”“五反”等一系列社会改革运动中，充分发挥了先锋带头作用，有力地配合党政领导推进运动胜利开展。社会主义改造任务完成后，为响应党的“把我国建设成为一个伟大的社会主义强国”的号召，各级共青团组织继承和发扬战争年代的优良传统，团结带领广大青年，始终围绕党和政府的中心工作，紧跟形势发展的要求，连续参加并独立开展了一系列教育生产活动，成为当时党的工作中不可缺少的重要组成部分，在党的工作中发挥了不可替代的重要作用。

2.1 颜色分割模型

颜色分割模型多为基于RGB色彩空间[1]和HSV色彩空间[2]。R、G、B 3个分量之间有很高的相关性，易受到光照的影响，而H、S、V 3个分量之间的相关性小，红、黄、蓝3种色彩均对应一个连续的H范围，利于标志基本颜色的分割。经过实验对比，本文修正参考文献[2]中HSV分割模型的阈值范围用于对本文算法检测出的标志作颜色判别，该方法有效且耗时少。

设color为交通图像当前像素的色值，修正的HSV色彩空间的分割模型为：

图5为根据式 （6）处理图4中标志得到的分割结果，图6为根据参考文献[2]中的分割模型处理得到的结果。对比发现，颜色分割模型主要要解决阈值的设定问题，图6的第6个标志分割失败，说明其分割模型存在缺陷，因此本文修正了它的分割模型。

图5 修正的HSV分割模型的处理结果

图6 HSV分割模型的处理结果

2.2 分类步骤

黄蓝红3种颜色在图像中所占的百分比公式为：

其中，color∈{1，2，3}，W、H 为图像的宽和高。

粗分类步骤如下：

（2）当 shape=1（圆形）时，如果 φ（2）和 φ（3）均满足式（8），则归入圆形红蓝类；如果仅 φ（2）满足式（8），则归入圆形蓝色类；如果仅 φ（3）满足式（8），则归入圆形红色类；否则，剔除。

（3）当 shape=3（三角形）时，如果仅满足式（8），则归入三角形黄色类；如果仅 φ（3）满足式（8），则归入三角形红色类；否则，剔除。

（4）当 shape=2（矩形）时，如果仅 φ（2）满足式（8），则归入矩形蓝色类；否则，剔除。

3 实验结果

实验中选取300幅拍摄的实景图进行测试，本文算法检测并正确分类了256幅，检测率为85.3%。

将本文基于形状边缘的标志定位检测方法与基于RGB分割模型（参考文献[1]）及基于 HSV分割模型（参考文献[2]）的颜色定位方法作对比，结果如图 7所示。可以看出，本文算法能完整分割出标志，而颜色定位方法只检测出交通标志的一部分。

图7 不同定位方法的结果比较

本文结合中国道路交通标志的形状和颜色特征，提出了一种适合于自然场景下的交通标志检测方法。该方法能检测出一定程度上变形、破损和褪色的标志。

[1]孙光民，王晶，于光宇，等.自然背景中交通标志的检测和识别[J].北京工业大学学报，2010，36（10）：1337-1343.

[2]高向东，刘红，杨大鹏.交通标志的智能检测方法研究[J].中外公路，2011，31（2）：260-263.

[3]卢盛荣，刘礼锋，李翠华.基于颜色分割和多特征融合的交通标志检测[J].厦门大学学报（自然科学版），2011，50（4）：685-689.

[4]张静，何明一，戴玉超，等.结合颜色和形状的圆形交通标志检测方法[J].计算机工程与应用，2011，47（2）：233-241.

[5]王永平，史美萍，吴涛.快速鲁棒的交通标志检测方法[J].计算机工程与应用，2010，46（32）：163-166.

[6]CANNY J.A computational approach to edge detection[J].IEEE Transactions on Pattern Analysis and Machine Intelligence， 1986，8（6）：679-698.

[7]林川，潘盛辉，谭光兴，等.基于聚类与链码技术的交通标志检测[J].计算机测量与控制，2011，19（6）：1341-1344.

[8]陈维馨，李翠华，汪哲慎.基于颜色和形状的道路交通标志检测 [J].厦门大学学报 （自然科学版），2008，48（5）：635-640.