一种基于中心-边界连接模型的交通标志检测方法
【技术领域】
[0001] 本发明属于图像处理与计算机视觉技术领域，特别涉及一种交通标志的检测方 法。
【背景技术】
[0002] 交通标志检测是计算机视觉中一个重要的研究方向。作为道路安全附属设施，交 通标志在规范交通行为、指示道路状况、保障道路功效、引导行人和安全驾驶等方面起到重 要作用。作为智能交通系统的关键技术，交通标志检测是自动驾驶、辅助驾驶和交通标志维 护等系统不可或缺的组成部分。
[0003] 交通标志检测是利用交通标志的颜色或形状特征将图像中的交通标志区域检测 并分割出来，检测准确与否直接影响后续交通标志分类的精度。
[0004] 交通标志检测方法大致可分为两种：基于颜色特征的方法和基于形状特征的方 法。基于颜色特征的交通标志检测方法是在特定的颜色空间中根据经验阈值或其它颜色特 征将图像分为交通标志区域和非交通标志区域。该方法易于理解和实现，能够快速地排除 背景区域。然而，颜色信息容易受外界因素影响，例如交通标志自身的颜色退化、阴影和光 照变化均会造成检测精度的大幅下降。因此，单独采用颜色特征的检测结果无法满足实际 应用的要求。基于形状的交通标志检测方法多以边缘为特征，利用交通标志呈规则多边形 的特性，将交通标志的检测转化为规则多边形的检测（如Gonzdilez'Garrido M A, Llorca D F, et al. Automatic traffic signs and panels inspection system using computer vision[J]. IEEE Transactions on Intelligent Transportation Systems, 2011, 12(2): 485-499.)〇
[0005] 广义 Hough 变换（Generalized Hough transformation, GHT) ([2]Davies E R. Machine Vision:Theory,Algorithms, Practicalities(Third Edition). San Francisco:Elsevier, 2005. 387-410)利用多边形的几何特性，将变量空间图形的检测问题 转化为参数空间的聚类问题，实现多边形的直接检测。其特点是简单直接，但是由于计算量 大，一般只适用于三角形等边数较少的多边形检测。
[0006] Barnes等提出利用径向对称变换检测圆的方法，之后此方法被推广至八边形、 矩形和三角形（BARNES N, ZELINSKY A. Real-time radial symmetry for speed sign detection[J]· Intelligent Vehicles Symposium, 2004, 566-571)。该方法米用相互对称 的边缘点向其径向对称中心投影，当所有边缘点投影之后会在圆形交通标志的中心形成亮 度最大的投影中心，由此可确定交通标志的具体位置。径向对称变换是一种单变量的转换， 每一个边缘点独立于其邻域单独向多个累加器投票，这就导致了较高的虚警率。
[0007] 以上方法本质上均是基于投影的多边形检测方法，Barnes等提出基于后验概率 的规则多边形检测方法（Barnes N, Loy G, Shaw D. The regular polygon detector [J]· Pattern Recognition, 2010, 43 (3) : 592-602)。该方法首先提取边缘图像，然后依据多边形 的几何特征、利用后验概率定义多边形的概率密度函数。相较于投影方法，该方法有更高的 检测率和较低的虚警率，然而该方法对边缘质量要求较高，在边缘不完整的情况下检测效 果下降较快。
[0008] 基于以上分析，目前并没有一种方法能够有效地对交通标志进行检测，本发明人 正是在这种研究背景下研发此案。
【发明内容】
[0009] 本发明的目的，在于提供一种基于中心-边界连接模型的交通标志检测方法，其 可实现交通标志的快速检测，能够有效检测发生视角倾斜和边缘部分缺失的多边形，并且 时间复杂度较低。
[0010] 为了达成上述目的，本发明的解决方案是：
[0011] 一种基于中心-边界连接模型的交通标志检测方法，包括如下步骤：
[0012] ⑴训练样本匹配：将训练样本的边界均匀采样，形成若干边界点，用中心到边界 点的连接表示该多边形，然后利用动态规划方法将第一个训练样本和其它训练样本中的连 接进行匹配，找出多边形各连接在所有训练样本中的对应关系；
[0013] (2)中心-边界连接模型训练：假设每个连接在所有训练样本中的长度符合高斯 分布，连接的倾斜角度以及边界点的梯度方向符合Von Mises分布，利用期望最大方法估计 连接的参数分布，多边形中各连接的参数分布组成了该多边形的中心-边界连接模型；
[0014] (3)待检测图像中多边形中心和尺度估计：提取每个待检测图像的边缘信息，采 用旋转对称投影方法，选择相互对称的边缘点向其旋转对称中心投影，得到投影中心和向 该投影中心投影的点集，作为多边形潜在的中心和边界点，根据中心和边界点之间的距离 计算多边形的尺度信息；
[0015] (4)多边形检测：以投影中心为多边形潜在的中心，每个连接在投影点集中寻找 与之匹配概率最大的边界点，多边形中心-边界连接模型中所有连接对应的边界点组成了 检测到的多边形。
[0016] 上述步骤⑴中，用中心到边界点的连接表示多边形的方法是指将多边形看作中 心到边界点连接的集合，每个连接1用三元组（d, θ，α )表示，其中，d表示中心到边界点 的距离，Θ表示连接和水平方向的夹角，α表示边界点的梯度方向，其中Θ的取值范围是 [0,2π]，α的取值范围是[0, π]。
[0017] 上述步骤（1)的详细内容是：
[0018] (11)在N个训练样本中，随机选取一个多边形作为第一个训练样本，对其边界均 匀采样，得到η个边界点，用中心到边界点的η个连接表示该训练样本；对其余样本边界均 匀采样，得到m个边界点，将训练样本表示为中心到边界点的m个连接的集合，且m>n ;
[0019] (12)记第一个训练样本为P = {1J，l〈i〈n，其余训练样本为P' = {1'j，l〈j〈m， 其中心分别为〇和〇'，构造 nXm的匹配代价矩阵C= (Cl])，Cl]表示1种1 /之间的差异 度，定义为：
[0022] 式中，I aray和IHI分别表示连接込和1'」在水平方向夹角、 边界点梯度方向以及长度上的差异；λ 0，λ a和λ Jlj表示这三种差异在匹配代价中所占 的权重；
[0023] (13)定义代价矩阵C用来决定不同连接之间的匹配代价，多边形P和P'中连接 匹配的目标函数表示为：π : {1，…，η} - {0, 1，…，m}，且{1，…，m}中的每个值只能匹配一 次，用(i) =0表示在第二个训练样本中没有与连接I1相匹配的选项，多边形匹配问题 的求解目标表示为：
[0025] 对于所有的π (i) =0, Cliltw= ε，ε是一个可调节的阈值，只有两个连接之间 的匹配代价小于ε，这种匹配才被允许；
[0026] (14)通过多边形匹配确定第一个训练样本中的连接I1在其余N-I个训练样本中 的对应连接。
[0027] 在匹配代价计算过程中，各参数的设定方法如下：
[0028] a) λ θ+λ a+Ad= 1，首先确定λ e和入满值；
[0029]