第3期 罗艳，等：指示类交通标识的自动检测 ·217 图7是矩形标识检测结果，其中(a)是原图， 割并预处理后的结果，经过膨胀后边缘仍然有小的 (b)是对预处理后的图像进行拐角定位的结果，可 断裂，使得圆形度为0.661，不能满足圆形度范围 以准确定位矩形的左上角和右下角拐角.显而易见 [0.78,1],但是通过距离直方图可以得到[da+5, 由这2个拐点构成的矩形与白色区域的最小外接矩 dmm-3]之间的点占轮廓上点的总个数的比值为 形十分接近，而且很容易定位，如图7（©）所示。 86%,大于阈值78%，因此可以通过距离直方图来 图8显示了分割不完整的情况，图8(a)是在阴 定位，定位结果如图8(c)所示. 天时自己搭建的环境下采集的原图，(b)是颜色分 a)院图 )预处理的结果 (圆形标识定位 图8距离直方图的检测结果 Fig.8 Results of distance histogram 本文提出的距离直方图方法对单独使用圆形度 ZHANG Xiao,PENG Wei.Detection of circle based on 方法检测圆形标识有所改进，提高了圆形标识检测 Hough transform[J].Transducer and Microsystem Technol- 的准确率.通过对500幅768×576大小的图像进行 0gie8,2006,25(4):6264. [2]许少秋.户外交通标识检测和形状识别[J].中国图象图 实验得到如表1所示的统计结果.单独采用圆形度 形学报，2009,14(4)：707-711. 方法检测一幅图像平均执行时间为16ms,检测的 XU Shaoqiu.Traffic sign detection and shape recognition in 准确率为75%.增加了距离直方图方法以后，处理 outdoor environments[J].Journal of Image and Graphics, ~幅图像的平均时间为23s,完全可以满足实时 2009,14(4):707-711. 性，准确率达到92%，大大减少了漏检的数量 [3]HSU S H,HUANG C L.Road sign detection and recogni- 表1检测实验结果性能对比 tion using matching pursuit method[].Image and Vision Table 1 Comparison of detection experimental results Computing,2001,19(3):119-129. [4]胡小燕.基于小波神经网络的交通标识识别研究[D].上 方法 平均执行时间/ms准确率/% 海：华东交通大学，2006：4248. 圆形度方法 6 75 HU Xiaoyan.Traffic signs recognition research based on 圆形度与距离直方 wavelet neural network[D].Shanghai:East China Jiaotong 23 92 图结合的方法 University,2006:42-48. [5]De LA ESCALERA A,MORENO L,SALICHS M A,et al. 4结束语 Road traffic sign detection and classification[J].IEEE Trans actions on Industrial Electronics,1997,44(6):848-859. 鉴于针对指示类交通标识的检测方法甚少，而 [6]De LA ESCALERA A,ARMINGOJ J M,MATA M.Traffic 且实用性不强，提出了基于彩色图像的指示交通标 sign recognition and analysis for intelligent vehicles[].Im- 识快速检测方法.实验表明，本文方法对标识的旋转 age and Vision Computing,2003,21(3):247-258. 和缩放具有很好的鲁棒性，满足实时性要求，而且对 [7]刘旭东.高速公路限速标志检测与识别技术研究[D].福 州：福建农业大学，2009：32-34. 光照变化也有一定的鲁棒性.但是仍然存在一些不 LIU Xudong.Study on the technique of motorway speed lim- 足，例如大部分实验是在静态图像上进行的，并且静 it sign detection and recognition[D].Fuzhou:Agricultural 态图像都来源于多种光照条件下的实际道路环境和 University of Fujian,2009:32-34. 自己搭建的实验环境，缺乏对大量视频图像进行实 [8]陈维馨.道路交通标识检测技术研究[D].厦门：厦门大 验统计和分析.而且也没有考虑交通标识遮挡问题， 学，2007：14-18. CHEN Weixin.Road traffic sign detection[D].Xiamen: 因此下一步将针对这些方面进行深入研究 Xiamen University,2007:14-18. 参考文献： [9]黄志勇，孙光民，李芳.基于RGB视觉模型的交通标识分 割[J].微电子与计算机技术，2004,21(10)：147-152. [1]张宵，彭维.基于Hough变换的圆形物体的检测[J].传 HUANG Zhiyong,SUN Guangming,LI Fang.Traffic sign 感器与微系统，2006,25(4)：62-64. segment based on RGB vision model[J].Microelectronics