应。
[0079] (12)定义第一个训练样本为P = {1J，l〈i〈n，其余训练样本为Ρ' = {1' j，1〈 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：
[0083] 式中，I θ「θ'j|、| α「α'J和Id1-CT」分别表示连接込和1' j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 α和λ Jlj表示这三种差异在匹配代价中所占 的权重，取值可分别采用0. 5,0. 2和0. 3。
[0084] (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Ρ'中连接匹 配的目标函数可以表示为：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 题的求解目标可表示为：
[0086] 对于所有的π (i) = 〇, Ci, πω= ε，即在空匹配的情况下，匹配代价为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，这里ε取 0. 6〇
[0087] (14)通过多边形匹配可以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。
[0088] 寻找最小匹配代价的问题可转换为在图3所示的（η+1) X (m+1)大小的有向图中 寻找最小代价路径的问题，有向图中垂直边代表的匹配代价为ε，水平边代表的匹配代价 为〇,对角线上的权重为相应的代价矩阵中的值C l jt3
[0089] 在匹配代价计算过程中，各参数的设定方法如下：
[0090] a) λ 0 + λ a + Ad= 1，确定了其中两个参数的取值，则另一个也随之确定下来，首先 确定λ 0和λ d的值。
[0091] b)在训练集上采用遍历的方式获得最优参数配置，在区间[0. 2, 0. 8]上改变λ e 和λ d的取值，得到各种参数组合下的匹配率，取匹配率最高时的参数配置，在本实施例中， 在λ e = 0· 5、λ a = 〇· 2、λ d= 〇· 3时匹配率最高。
[0092] c)在[0, 1]区间上改变ε的取值，得到相应的匹配率和错匹配率曲线，据此确定 ε的取值。
[0093] 图4显示了用（d，Θ，a )表示连接、利用动态规划方法进行八边形匹配的结果。
[0094] (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（冯米塞斯分布），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。该步骤的详细内容是：
[0095] (21)根据步骤（1)得到的训练样本匹配结果，假设所有训练样本中每个连接的长 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，则第i个连 接的模型可表示为：
[0097] 其中，叫和〇 ,为中心到边界点的距离d的高斯分布的均值和方差，U e和k e、Ua 和ka分别是连接和水平方向的夹角Θ以及边界点的梯度方向α的Von Mises分布的均 值和方差，其中，上标i表示对应于第i个连接。
[0098] (22)用期望最大方法估计高斯分布和Von Mises分布的参数ud、〇 d、ue、ke、Ua 和ka，即可得到连接的参数分布。
[0099] 所有连接的参数分布组成了多边形的中心-边界连接模型，训练所得的交通标志 中常见多边形的中心-边界连接模型如图5所示。其中，每个连接的长度和宽度由参数4 和<4给出，连接的方向由参数4决定，每个连接终端的方向代表了边界点的梯度方向，由 参数< 决定
[0100] (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，投影之后会在多边 形中心形成亮度最大的投影中心，同时得到向该投影中心投影的点集，分别将该投影中心 和点集作为多边形潜在的中心和边界点，根据边界点之间的距离计算多边形的尺度信息。 该步骤的详细内容是：
[0101] (31)求待检测图像的边缘图像，计算边缘的梯度，忽略幅值小于平均梯度0. 1的 边缘点。
[0102] (32)将像素的梯度方向范围（-π, π]均匀分为36个子集，每个子集的范围为 η /18,寻找梯度方向满足旋转对称条件的边缘点。
[0103] 圆形、正方形和八边形均满足角度为π的旋转对称，因此寻找梯度方向相差Ji的 边缘点向其旋转对称中心投影，即对于一个边缘点，其对应点在与其相差18的子集中。
[0104] 三角形满足角度为2 π /3的旋转对称，因此寻找梯度方向相差2 π /3的边缘点向 其旋转对称中心投影，即对于一个边缘点，其对应点在与其相差12的子集中。
[0105] (33)对于满足步骤（32)中条件的每个点对找到其旋转对称中心，如图6所示，pk 和Pt是两个对称的边缘点，其旋转对称中心P可由下式得到：
[0107] 式中，（xk, yk)是点P1^坐标，γ是p k，连线与水平轴之间的夹角，β是P, p k 连线与Pt，Pk连线的夹角，r是p肩p肩旋转对称中心p点的距离。
[0108] (34)满足步骤（32)中条件的点向其旋转对称中心投影，得票越多的点在投影图 中的亮度越大，在多边形的中心形成亮度最大的投影点，投影结果如图7所示。
[0109] (35)如图8所示，在投影过程中记录下投影中心和投影点的位置，利用下式计算 多边形的尺度信息s，其中Γ (p)表示所有向p投影的点对，其数量为M，I |pkpt| I表示点对 Pi^P P t之间的距离。
[0111] (4)多边形检测：以投影中心作为多边形潜在的中心，投影点集中包含该多边 形的边界点，多边形中的每个连接在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。该步骤的详细内容 是：
[0112] (41)旋转对称投影方法会在待检测图像中形成多个投影中心，取票数最多的投影 中心作为多边形潜在的中心，相应的投影点集为可能的边界点。
[0113] (42)对于其中的一个投影中心〇w，记向其投影的点集为E = {ew} = {dw，0w，aw; l〈w〈ne}，其中ne为向ow投影的点数。对于E中的每一个点ew，计算其属于多边形第i个 连接的概率。
[0115] (43)匹配概率最大的点即为第i个连接对应的边界点，记为eA则最终检测到的 多边形是由η个边界点组成的形状，即e (〇w) = {θΛ e/，…，e，}。
[0117] (44)分别用圆形、八边形、正方形和三角形的中心-边界连接模型，检测某一投影 中心〇对应的边界点。计算每种多边形模型和边界点的匹配得分，得分最高的多边形即为 被检测多边形的类型。
[0119] 图9(a)为圆形中心-边界连接模型中所有连接和图8中的多边形边界进行匹配 的结果，其匹配得分为0. 9613,图9 (b) - (d)分别为八边形、正方形和三角形的匹配结果，其 匹配得分分别为0. 7942,0. 4208和0. 1103。
[0120] 将检测出的边界点在原图上进行标注，如图10所示，为了方便显示，原图都做了 处理，降低了图像的亮度。
[0121] 以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是 按照本发