【摘要】 禁令交通标志牌检测是智能交通领域中的一个关键问题。针对复杂场景中多个禁令交通标志牌误检率高的问题，该文提出一种基于动态模板匹配的多标志牌检测的方法。首先对禁令标志进行图像预处理，结合颜色阈值分割特征和形状特征两个粒度划分连通区域，然后根据连通区域的边界信息构造动态模板进行多个禁令交通标志牌的检测。实验结果表明，动态模板匹配检测方法在检测伪圆和处理多个标志牌之间粘连方面明显优于Hough变换方法。
　　【关键词】 禁令标志 特征提取 动态模板匹配
　　一、引言
　　禁令交通标志的检测作为驾驶员辅助系统（Driver Support System， DSS）中的关键技术，可以及时控制响应驾驶员疲劳状态下的安全隐患，减少交通安全事故的发生。
　　在真实的道路场景，禁令交通标志并不是孤立存在的。集群出现的禁令标志不能被完全检测到，导致误检测和漏检的主要原因有两种：第一种是相似背景色物体的干扰，导致不易进行颜色分割；第二是是由视距或天气原因导致标志牌出现伪彩色，造成标志粘连或残缺。单独的颜色分割方法不能有效的检测集群出现的禁令标识牌。
　　本文作者结合颜色阈值分割方法和形状特征检测方法，利用连通区域构造动态模板进行多个禁令标志牌的检测，在降低检测伪圆个数的同时，很好的解决了多个标志牌间的粘连问题。
　　二、图像预处理方法
　　标志牌检测过程中的图像预处理分为两步：二值化和滤波降噪。
　　本文在RGB颜色空间下对禁令标志牌进行二值化处理，结合标志牌的先验特征和机器学习算法，得出红色阈值的范围：


　　利用图像形态学中的“开运算”，图形进行腐蚀和膨胀运算，对二值化图像进行去噪处理。但是开运算在标志牌出现残缺现象时的去噪处理效果过于鲁莽。由于标志牌在人眼可分辨范围内直径大于14，我们保留连通区域像素数大于150的块。
　　三、基于动态模板匹配的多标志牌检测
　　Torresen[1]通过构造一组固定的不同尺寸的圆环，在实时道路环境中用模板匹配的方法实现限速标志牌检测；Fleyeh[2]在该方法上进行改进，根据二值化区域面积的大小，构建实心的圆形模板，通过异或操作直接滤出标志牌的内核图案。但是这类基于固定模板检测的方法对于集群出现的标志牌检测效果不好。受文献[1]和文献[2]的启发，我们根据连通区域的轮廓信息动态构造模板进行原型检测，算法描述如下：
　　step1. 根据红色阈值范围进行图像分割；
　　step2. 去噪处理；
　　step3.
　　提取连通区域r，并构造其最小外接矩形R，以min（r.高，r.宽）为直径构造动态圆形模板；


　　四、实验
　　本文采用重庆邮电大学机器学习研究所提供的图片库，共265幅图片。


　　将本文方法与Hough变换检测方法进行比较，动态模板匹配检测方法在正检率和耗时上逊于Hough变换，但在检测到的伪圆个数明显减少，这为后续的剔除伪圆工作节省了系统开销。同时发现，动态模板匹配检测方法在处理集群标志牌之间粘连情况优于Hough变化，检测率和计算量都有所提升，具备实用价值。
　　五、结语
　　本文结合禁令标志牌颜色和形状的先验特征，利用连通区域构造动态模板进行标志牌的检测。实验结果表明本文算法在处理集群标志牌粘连和伪圆方面的有效性。我们将在下一步工作中研究如何提高特征属性区分度的问题。
　　参 考 文 献
　　[1] Torresen J， Bakke J W， Sekanina L. Efficient recognition of speed limit signs[C]//Intelligent Transportation Systems， 2004. Proceedings. The 7th International IEEE Conference on. IEEE， 2004： 652-656.
　　[2] Fleyeh H， Davami E. Eigen-based traffic sign recognition[J]. IET intelligent transport systems， 2011， 5（3）： 190-196.