Hu不变矩特征在道路交通标志识别系统中的应用

江治国，李 翔，陈小林

Hu不变矩特征在道路交通标志识别系统中的应用

*江治国，李 翔，陈小林

（安徽国防科技职业学院机电工程系，安徽，六安 237011）

在道路交通标志识别系统设计中，交通标志的检测技术是非常关键的部分之一。针对交通标志检测过程中，提出Hu不变矩特征在交通标志检测中的应用，通过Matlab和C++仿真得出结果，根据交通标志Hu不变矩的特点，能够较好地检测出交通标志的特征。

交通标志识别；检测技术；Hu不变矩

车辆的安全性是当前汽车制造商和消费者普遍关心的问题之一，目前的做法是采用GPS导航、安全气囊、车载雷达等手段来降低交通事故率，然而采用这些手段的不是设备成本都较高就是不能提前预防事故的发生。当前很多国家的科研人员正致力于研究智能交通系统ITS（ITS：Intelligent Transportation System），通过车载摄像头采集行车中遇到的人、车、物、景、指示标志等图像信息，通过系统对图像处理后进行智能判别，该系统主要通过软件实现，设备成本很低。道路交通标志的识别是ITS中关键技术之一，要想正确识别出交通标志，在对图像进行预处理后，要能正确地检测出交通标志的特征，交通标志的特征提取的算法很多，当前有的学者提出基于颜色的特征、基于形状的特征、基于纹理的特征、基于图像特征点等提取出交通标志的特征，然后利用支持向量机、神经网络聚类等算法对交通标志进行识别，在最后的识别系统设计中一般都需要对样本进行训练，过程比较繁琐复杂。笔者在文章中主要探讨ITS道路交通标志识别过程中Hu不变矩特征在道路交通标志检测中的应用。通过采用基于边界的Hu不变矩来提取交通标志的特征，然后采用最小距离分类器对交通标志进行分类识别，既降低了运算量，同时也保证了系统的识别率。

1 Hu不变矩特征理论

Hu利用代数不变性理论，提出几何矩的概念。

为让几何距具备平移不变性，将几何中心距定义成：

这时对规则化的中心距进行非线性组合，产生6个大小、平移和旋转不变性的Hu不变矩。

2 Hu不变矩特征在交通标志识别中的应用

在本文中作者利用基于边界的Hu不变矩来提取交通标志的特征，因为基于区域的Hu不变矩在提取交通标志特征时计算像素过多，增加了计算量。首先对图像进行二值化处理，再使用canny算子对图像进行边缘检测，图1为交通警告标志经过二值化和边缘检测处理后的效果。

（a） （b）

图2是将图1（a）经过缩小、旋转变换得到图2所示的3个样本模板，对其分别进行二值化和边缘检测处理后，利用基于边界的Hu不变矩得到4个样本的7个Hu不变矩，如表1所示。

图2 原图及变换后图片

表1 样本的边界不变矩

表2 模板样本边界不变矩

基于边界的Hu不变矩来提取交通标志的特征的程序流程图如图3所示，部分C++程序代码如下：

// 利用OpenCV函数求7个Hu矩

CvMoments moments;

CvHuMoments hu;

cvMoments(bkImgEdge,&moments,0);

cvGetHuMoments(&moments&hu); cout<

cvMoments(testImgEdge,&moments,0);

cvGetHuMoments(&moments,&hu); cout<

// 计算相似度

double dbR =0; //相似度

double dSigmaST =0;

double dSigmaS =0;

double dSigmaT =0;

double temp =0;

{for(int i=0;i<7;i++)

{

temp = fabs(Sa[i]*Ta[i]);

dSigmaST+=temp;

dSigmaS+=pow(Sa[i],2);

dSigmaT+=pow(Ta[i],2);

}}

dbR =

dSigmaST/(sqrt(dSigmaS)*sqrt(dSigmaT));

图3 算法流程图

3 实验结果与分析

采用基于边界的Hu不变矩来提取交通标志的7个不变矩特征值，将其当做一个特征向量，利用最小距离法作为识别的判决准则与标准模板进行匹配，表3是通过实验得到的匹配计算列表。由实验数据可以看出采用基于边界的Hu不变矩来提取交通标志的7个不变矩特征值，采用最小距离法与标准模板进行匹配，能够较好地识别出交通标志。

4 结语

通过以上分析结果显示，采用Hu不变矩特征对道路交通标志进行检测，能够较好地检测出交通标志的特征，而且Hu不变矩特征能够降低运算量，这样就提高了系统的运行速度。采用Hu不变矩特征进行匹配，不需要进行复杂的训练学习，计算简单，而且匹配的速度较快。当然对于交通标志的检测还有其他更为简洁的算法，有得于进一步的研究和探讨。

表3 欧式距离匹配计算

[1] 朱国康,王运峰.基于多特征融合的道路交通标志检测[J].信号处理，2011,27（10）：1616-1617.

[2] Besserer B, Estable S,Ulmer B. Multiple knowledge SOUrCeS and evidential reasoning for shape recognition[C]．In Proc．IEEE 4th Conference on Computer Vision pages,1993:624-631.

[3] 田存伟,葛广英,魏丽芹.基于彩色图像不变矩的交通标志特征提取方法[J].聊城大学学报，2009,22（4）：29-31.

[4] Richard E.Gonzales.数字图像处理（MATLAB版）[M].阮秋琦等译.北京:电子工业出版社，2012：46-77.

[5] 张铮.数字图像处理与机器视觉 [M].北京：人民邮电出版社,2010: 140-175.

[6] 朱双东,张懿,陆晓峰.三角形交通标志的智能检测方法[J].中国图象图形学报,2006,11(8):1129-1130.

[7] 王永平,史美萍,吴涛.快速鲁棒的交通标志检测方法[J].计算机工程与应用,2010,46(32):163-165.

[8] 李宁,陈彬.实用交通标志自动识别方法[J].上海师范大学学报,2006,35(5):53-59.

Hu’s INVARIANT MOMENTS USING IN ROAD TRAFFIC SIGNS RECOGNITION SYSTEM

*JIANG Zhi-guo, LI Xiang，CHEN Xiao-lin

(Anhui Vocational College of Defense Technology, Lüan, Anhui 237011, China)

It is important for the design of the road traffic sign recognition system to detect the traffic sign. We do some research on detection of traffic signs and put forward the Hu’s invariant moments in road traffic signs recognition system. The Matlab and C++ software simulation shows that we can effectively detect the characteristics of traffic signs based on the Hu’s invariant moments of the traffic signs.

traffic sign recognition; detection technology; Hu's invariant moments

TP391

A

10.3969/j.issn.1674-8085.2013.01.016

1674-8085(2013)01-0075-04

2012-08-23；

2012-10-26

*江治国(1982-），男，安徽六安人，助教，硕士，主要从事数字图像处理研究(E-mail: jzg1019@126.com);

李 翔(1970-），男，安徽六安人，副教授，硕士，主要从事电力电子与电气传动研究(E-mail:);

陈小林(1965-），男，安徽六安人，副教授，学士，主要从事现代电工技术研究(E-mail:).