模板匹配下的限速交通标志识别算法研究

郝芳芳 王震洲

摘要：为实现限速交通标志的快速准确识别，采用模板匹配对限速交通标志进行识别。首先图像进行倾斜校正，并在HSV颜色空间进行分割，提取感兴趣区域（ROI），然后利用垂直投影分割字符，最后通过和模板字符进行匹配，比较两者相似度来识别字符。实验结果表明，该方法能够有效分割出限速交通标志的字符，并能准确的识别出标志。

关键词：限速交通标志；HSV颜色空间；垂直投影；字符分割；模板匹配

随着我国汽车行业的迅猛发展，交通安全问题也随之愈发严峻，其中限速交通标志是车辆行驶过程中最容易忽视的，因此，限速交通标志的识别是交通系统中一个重要的组成部分。近年来，很多研究学者对其进行了很多研究[14]，但是其识别率较低，鲁棒性不够理想。

针对上述问题，本文采用模板匹配的方法，在HSV颜色空间上进行分割提取感兴趣区域，并通过垂直投影分割出字符，进行模板匹配，从而识别出限速交通标志。

1颜色分割

1.1倾斜矫正

在限速交通标志识别过程中，标志倾斜对字符分割和识别结果都会有影响。由于摄像头抓拍时可能会因为道路状况或车辆状态等情况导致标志倾斜，增加了字符分割和识别的难度。因此，采用Radon变换方法对图像进行倾斜矫正。

设函数f（x，y）为某一方向的投影，p（x^，θ）为原函数f（x^，y^）的投影，则函数f（x，y）的Radon变换为；

p（x^，θ）=∫

SymboleB@

SymboleB@ ∫

SymboleB@

SymboleB@ f（x，y）δ（xcosθ+ysinθx）dxdy（1）

其中，0

SymbolcB@ θ

SymbolcB@ π。倾斜的图像作|90θ|度旋转即可完成倾斜校正。

1.2颜色分割

由于RGB空间的图像分割易受光照的影响，而HSV空间中H和S两个分量均不受光照强度的影响，所以本研究采用HSV颜色空间进行颜色分割。

HSV颜色空间包括亮度H、色调V和饱和度S这三个分量]，HSV颜色模型是建立在柱坐标系中的。将RGB颜色空间转化为HSV颜色空间的转换公式为：

H通道：

H=16GBmaxminifR=max

16（2+BRmaxmin）ifG=max

16（4+RGmaxmin）ifB=max（2）

S通道：

S=maxminmax（3）

V通道：

V=max（R，G，B）（4）

限速交通标志图像中H，S，V的分割阈值范围[5]由实验来确定，保留符合分割阈值范围的区域，不满足的区域设为黑色，最后显示分割后的图像。

颜色分割完成后，会产生非目标区域的噪声干扰，为了过滤掉噪声，采用膨胀、腐蚀、填充一系列形态学滤波，为下一步字符分割提供便利。

2模板匹配

2.1字符分割

在限速交通标志的识别过程中，限速字符的分割是很关键的一步，它是在前期颜色分割获得感兴趣区域的基础上，进行精细分割，然后对分割结果进行识别。

为了提高图像的对比度，对图像进行直方图均衡化，使输出图像的每一个灰度级上的像素点数量都相同，灰度分布趋于均匀，之后对图像进行二值化处理。本文采用最大类间方差法（Otsu法）计算限速交通标志图像内部的二值化阈值，对图像进行二值化处理，计算公式为：

f（x，y）=0f（x，y）

1f（x，y）>T（5）

其中：T为Otsu方法计算得到的二值化阈值。

二值化后，限速标志的数字用白色像素1表示，限速标志的白色底色用黑色像素0表示，如图1所示。

经过处理后的限速标志区域需要分割成单个字符区域，为后续识别提供方便。投影[6]是一种形状描述符，通过计算水平峰和垂直峰来将字符分割，分割效果紧凑有效。二值图像的水平投影和垂直投影分别为hi（x）和vi（y），可由以下公式计算：

hi（x）=∑M1x=0Oi（x，y）（6）

vi（y）=∑N1y=0Oi（x，y）（7）

限速交通标志经字符分割后通常会出现大小不一的情况，可对图像归一化处理得到尺寸统一的字符图像，便于后续的字符识别。

2.2模板匹配

模板匹配就是一种通过运行算法，在一幅较大图像中根据目标与模板相同的方向、尺寸等条件进行搜索，来找到到图像中的目标，并确定目标坐标位置，通过比较模板与子图的相似性，完成模板匹配的过程。

模板匹配公式如下：

Ri（x，y）=

∑Mm=1∑Nn=1Fxy（m，n）×T（m，n）∑Mm=1∑Nn=1[Fxy（m，n）]2∑Mm=1∑Nn=1[T（m，n）]2（8）

其中：Ri（x，y）为互相关算子，F为待检测图像，Fxy为待检测的图像子图，x、y为子图左上角点在F中的坐标，T为模板，互相关算子最大对应的模板为最佳匹配模板。

3实验结果

为验证该算法在限速标志识别的准确性，对200张图片进行了测试，在MatlabR2014a平台上进行实验。将图像统一归一化为40*20像素，字符模板如图2所示，字符分割效果如图3所示，识别结果如图4所示。

实验结果表明，该算法能够很好的识别出限速交通标志，检测准确率比较高。

4结论

本文通过对限速交通标志进行颜色分割提取感兴趣区域、对图像处理滤除噪声、垂直投影来分割字符，最后进行模板匹配识别，通过实验证明了该方法具有很好的识别效果，同时也存在不足，只对固定大小的模板进行了匹配，当交通标志出现形变时，该方法的检测效果不佳，因此，下一步将研究形变情况下的模板匹配。

参考文献：

[1]MIURAJ，KANDAT，SHIRAIY.AnActivcVisionSystcmforRealTimeTrafficSignRecognition[C].Miami，USA：IEEEintelligentTransportationSystems，June.1214，2000：5257.

[2]万雅俊.动态限速標志识别技术研究[D].广州：中山大学，2009.

[3]刘旭东.高速公路限速标志检测与识别技术研究[D].福州：福建农林大学，2009.

[4]王海军.基于机器视觉的限速牌自动识别系统[D].重庆：西南大学，2011.

[5]高向东，刘红，杨大鹏.交通标志的智能检测方法研究[J].中外公路，2011（2）：260263.

[6]PRIYAVLAKSHMI，PERUMAI.K.Detectingthecarnumberplateusingsegmentation[J].InternationalJournal01EngineeringandComputerScience，2014（10）：88238829.