第6卷第3期 智能系统学报 Vol.6 No.3 2011年6月 CAAI Transactions on Intelligent Systems Jun.2011 doi:10.3969/i.i8sn.1673-4785.2011.03.004 指示类交通标识的自动检测 罗艳，蔡自兴 (中南大学信息科学与工程学院，湖南长沙410083) 摘要：针对指示类交通标识的特点，进行标志牌检测算法的研究.首先利用快速HSV颜色查找的方法进行颜色分 割，对颜色分割后的二值图进行必要的形态学预处理，接着利用圆形度和拐角检测与几何特征结合的方法进行形状 识别.针对某些圆形标志边缘分割不完整的情形，提出一种根据距离直方图判断是否为圆形标志的方法.实验结果 表明，算法对实际道路环境下的指示类交通标识的检测具有较好准确性和鲁棒性，满足实时性要求 关键词：指示类交通标识；HSV颜色查找；圆形度；拐角检测；距离直方图 中图分类号：TP391.4文献标识码：A文章编号：16734785(2011)03021306 Automatic detection of indicative traffic signs LUO Yan,CAI Zixing (School of Information Science and Engineering,Central South University,Changsha 410083,China) Abstract:This paper studied the detection algorithms of indicative traffic signs.First,the color segmentation was recorded along with a fast HSV color search method,and later the morphologic preprocessing was taken on the bina- ry image after the color segmentation.Second,circularity and corner detection combined with geometric character- istics were used to judge if a region was an indicative sign.Last,in view of the incomplete edge of the round sign after the color segmentation,a new algorithm was raised based on a distance histogram for confirmation.Experi- mental results show that this algorithm is accurate and robust for detecting indicative traffic signs in real traffic envi- ronments,and also meets the real-time demand. Keywords:indicative traffic signs;HSV color search;circularity;corner detection;distance histogram 对智能车辆的研究开始于20世纪50年代，以美智能交通系统离不开交通标识识别(tra出fic signs rec 国为首，德国、意大利、英国以及日本等国家相继开展 ognition,TSR)系统，交通标识识别是通过机器视觉相 了自动驾驶和车辆导航技术的研究.20世纪80年代 关技术来完成，利用车载相机获得车辆前方图像，通 随着微处理器性能的提高，开始出现真正意义上的智 过计算机视觉与图像处理的方法来识别交通标识，达 能车辆系统的研究.如今，世界上主要的智能车辆研 到真正指示车辆安全行驶的目的， 究领域出现很多突破性的研究成果，如美国的Navlab 在基于计算机视觉系统的交通标识识别中，如何 系列智能车、德国的VaMoRs无人车、意大利ARGO 快速有效地检测并提取出交通标识是一个关键问题， 自主车、我国国防科技大学的CITAVT系列视觉导航 以往的文献方法有很多，但大多是针对禁令标识，比 自主车、吉林大学的JUIV和JLUIV系列智能车等. 如Houg变换是最常用的圆形标识检测方法，该方 智能车辆的研究也是智能交通系统研究的主要内容， 法的优点是可靠性高，缺点是计算量和资源需求比较 为实现安全驾驶和自主导航提供关键技术，目前的智 大，其相应的很多改进算法都致力于减少算法的时间 能交通系统都是针对高速公路或者野外环境，主要是 和空间复杂性.模板匹配法231是比较低层次的方法， 利用雷达和GPRS导航设备来完成路径搜索.真正的 逐个像素点的匹配将消耗大量的系统时间，很难满足 收稿日期：2010-12-22. 实时性要求.神经网络方法4把通过归一化和特征提 基金项目：国家自然科学基金资助项目(90820302). 取后的数据作为输入样本，以一定的学习准则对神经 通信作者：罗艳.E-mail:luoyan0702@sohu.com 网络进行学习训练，以此实现交通标识的检测和识