基于MATLAB交通标志自动识别装置

技术领域

本实用新型涉及到交通应用技术领域，尤其涉及一种基于MATLAB交通标志自动 识别技术的装置。

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逐渐得到重视和发 展。在日渐发达的交通系统中，交通标志的自动识别也将占有越来越重要的地位,交通标 志的自动识别将成为半自动和自动车辆的重要组成部分，所以对交通标志自动识别的研究 就有重要的价值O道路交通标志自动识别是利用计算机视觉技术自动的进行识别的研究领 域。当车辆前方有交通标识出现时，能够给驾驶员一个声音以及图像的警示信号，从而提醒 驾驶员注意前方的标志，对车辆进行控制，减少交通事故的发生。

交通标志自动识别装置作为智能交通系统的一个重要辅助装置，必将获得更为广 泛的应用。在未来的汽车自动、半自动驾驶系统中交通标志的自动识别是其控制系统的重 要要组件之一。在电子交通地图中，交通标志自动识别给车辆在交通图中的定位提供必要 信息。因此,交通标志自动识别系统的研究有极其重要的实际意义和价值。

本实用新型的目的在于,提供一种基于MATLAB交通标志自动志识别装置,利用在 汽车上加装摄像头，在车辆行驶过程中对出现的交通标志信息进行采集，舰载机通过自动 提取所拍摄图像中的特点部分，从而检测出对应的交通标志,及时的向驾驶员做出提示或 警告，对车辆进行控制，以保持交通过程流畅和预防交通事故的发生。

为了实现上述任务，本实用新型所采用的技术方案是：

一种基于MATLAB交通标志自动识别装置，其特征在于，包括安装于汽车上的数字 DV摄像机，数字DV摄像机与计算机相连，计算机连接显示器或语音报警器。

本实用新型的基于MATLAB交通标志自动识别装置，实时性较好，得到的图像清 晰。数字DV摄像机实时获取到道路交通标志图像，并将采集的道路交通标志图像,输入计 算机中，计算机中的图像预处理程序首先对采集的图像进行必要的预处理工作，主要是在 HIS空间进行直方图的均衡化和在RGB空间进行颜色分割。然后对分割后的图像进行必要 的处理，去除多余噪点以及小面积干扰区域，然后根据标志的圆形典型特征,用圆形度提取 出可能为目标的区域，排除掉那些非圆度特征的干扰区域,并对提取出的图像用Log算子 进行边缘检测。最后进行图像目标的匹配识别工作，用Hu不变矩作为匹配特征，做出特征 模板，再进行有效的匹配识别，最后将所识别的标志显示出来或通过显示器或语音报警器 对驾驶员进行警示。

图1是本实用新型的结构原理框图;

方式

参见图1,本实用新型给出一种基于MATLAB交通标志自动识别装置，包括安装于 汽车上的数字DV摄像机，数字DV摄像机通过数据线与计算机相连，计算机连接显示装置或 警告装置。

通过数字DV摄像机拍摄到连续的画面被传送到汽车内的计算机中，计算机中有 图像预处理程序、直方图均衡化的图像增强程序和基于特征匹配的图像识别程序,通过一 系列的图像处理完成道路标志的自动识别。

参照图2,本实用新型的基于MATLAB交通标志自动识别装置工作过程如下：

（1） 图像提取

道路交通标志图像的获取是通过一个放在汽车内部的数字DV摄像机来采集的， 数字DV摄像机拍摄到的是交通标志，在驾驶的过程中，在数字DV摄像机拍摄到的画面中， 画面中的标志的大小也会随着距离变近而渐渐变大，这些画面被传送到计算机中，当识别 ，就不再对其它画面中的同一个标志进行识别，以减少计算机数据处理的时间。

图像处理环节就是从输入的道路交通标志中计算机选出用于识别处理的道路交 通标志，是装置中最重要的程序，为了减少处理的数据量，在每一阶段都尽量滤出一些不包 含有用信息的帧不参与后续的处理，通过摄像机获取的图像先通过图像提取以获得用于识 别的图像序列；然后，对每帧图像，需要通过子采样消除因为隔行扫描拍摄引起图像帧的重 影；接着，就行图像分割和特征提取与获得图像的特征图以和标准标志的特征图进行比较 实现标志定位，和最终进行归类和最终确认。

（2） 子采样

在本实施例中，拍摄道路交通标志的数字DV摄像机采用普通的家用数码摄像机, 其采用的是隔行扫描方式，因为是隔行扫描,所以拍摄到的两个半帧实际上是有差异的，这 种差异形成了重影。为了消除这种隔行扫描拍摄相对运动的物体引起重影,这里采用子采 样方法来解决这一问题，子采样就是采取间隔一行提取图像的像素,实际上是获取一次隔 行扫描获取的半帧图像。

3）图像增强、阈值分割、特征提取

参照图3,基于直方图均衡化的图像增强程序，在HIS颜色模型中进行直方图均 衡,算法步骤如下：首先将原道路交通标志从RGB模型中转换到HIS模型,然后将H（色调）、 I （亮度）、S （饱和度）分别进行直方图均衡化,然后再将道路交通标志再从HIS模型转换回 RGB模型，然后就会得到一幅明显增亮的RGB道路交通标志图像。

图像增强的主要目的是为了改善最终识别图像的视觉效果，提高图像的清晰度 和，以便于计算机的分析和处理。RGB并不能反映图像的形态特征，常要用rgb2gray函数把 图像转换成8位的灰度值图像直接进行处理，可以通过直方图，灰度变化；再对图像进行直 方图均衡化；用im2bw函数将灰度图像转化为二值图像。二值图像是图像上每一像元只有

两种可能的数值或灰度等级状态的图像。

然后，对图像进行阈值分割,将目标区域提取出来，但背景颜色和目标颜色的相似 性及R、G、B三分量的相关性,所以致使噪声点很多，所以用函数imerode和imdilate对图 像进行腐蚀膨胀处理，将图像彻底提取出来，不留任何噪声。

(4)边缘检测、细化

采用腐蚀膨胀法对二值图像进行处理后，以达到边缘平滑的作用。然后采用了 Log 算子进行边缘检测，满足对对象的处理要求。Log算法是一种二阶边缘检测方法。它通过寻 找图像灰度值中二阶微分中的过零点来检测边缘点。Log原理为：灰度级变成的边缘经过 微分算子形成一个单峰函数，峰值位置对应边缘点；对单峰函数进行微分，则峰值处的微分 值为0,峰值两侧符号相反,而原先的极值点对应二阶微分中的过零点，通过检测过零点即 可将图像的边缘提取出来。

Log算子的计算公式:

式中:G (x, y)是对图像进行处理时选用的函数；x, y为整数坐标；。为高斯分布 的均方差。

本实施例中，采用Log算子提取的是双线边缘，所以需要对目标边缘做进一步的 处理，其处理成单像素的边缘，以便于后续的识别工作。

对于细化的处理是通过迭代扫描图像去除目标的边缘，每一次都会去除一层边缘 像素，直到目标没有再可以删除的像素时得到单像素边缘。

(5)特征匹配与模式识别

特征匹配的方法通常是利用标准的交通标志图像，然后利用基于匹配特征建立特 征模板。用imread读取标准库里图像与待识别图像进行匹配，将库里的图像进行二值化和 用Log算子进行边缘检测，寻找识别的交通标志与特征模板相似的特征区域。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，利用标准 库里图像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：

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。

基于模板匹配法的识别：图像匹配在机器人视觉、工业自动化及无人监视系统中 被广泛的应用。在机器识别事物的过程中，常需把不同的传感器或同一传感器在不同时间、 不同成像条件下对同一景物获取的两幅或多幅图像在空间上对准，或根据已知模式到另一 幅图中寻找相应的模式，这就叫做匹配。图像的模板匹配法就是研究一幅图像中是否存在 某种已知的模板图像。

参照图4,本实施例采用了 HU不变矩，根据识别对象的不同特点，选择了能有效 识别不同对象的特征作为特征模板的成员。将被识别交通标志的模板库中的标准的特征 表一一比较，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。 当发现模板库中有某一交通标志的相似系数接近于1时，则判断被识别图像为标准交通标 丿忐O

当标准交通标被识别后,计算机将判断驾驶员是否遵循标志的指示，也可和计速 器相连，检测汽车是否按限速标志的速度行驶,并通过显示器或语音报警器通知驾驶员注 意前方的标志，对车辆进行控制，减少交通事故的发生。