基于HSV颜色模型和形状特征的交通标志检测算法研究

白金柯　孙彩云

摘 要：交通标志检测是无人驾驶的重要组成部分，如何快速准确检测出交通标志对无人驾驶有重要的作用。本文提出一种基于HSV颜色模型和形状特征提取共同检测交通标志的算法，通过HSV颜色模型的特定颜色阈值，从实景图中找出感兴趣区域，然后对其进行形状特征判断以确定目标区域。最后进行实际道路环境测试，该算法能在复杂背景中准确地检测出交通标志区域。

关键词：HSV模型;交通标志检测;颜色模型;形状特征

中图分类号：TP391.41 文献标识码：A 文章编号：1003-5168（2019）23-0091-02

Research on Traffic Sign Detection Algorithms Based on HSV

Color Model and Shape Characteristics

BAI Jinke SUN Caiyun

（Henan VocationalCollege of Applied Technology，Zhengzhou Henan 450042）

Abstract： Traffic sign detection is an important part of driverless driving. How to quickly and accurately detect traffic signs plays an important role in driverless driving. This paper proposed an algorithm for jointly detecting traffic signs based on HSV color model and shape feature extraction. Through the specific color threshold of HSV color model， the region of interest was found from the real scene map， and then the shape feature was judged to determine the target region. Finally， the actual road environment test was carried out， and the algorithm could accurately detect the traffic sign area in a complex background.

Keywords： HSV model;traffic sign detection;color model;shape feature

近年來，随着汽车数量的迅速增加，交通事故也越来越频繁，驾驶安全性与舒适性越来越重要。驾驶辅助系统（Driver Assistance Systems，DAS）吸引越来越多计算机视觉和智能交通人员的关注，交通标志的检测与识别是DAS的重要内容[1]。交通标志检测的难点在于，在自然场景下，外界影响因素较多，拍摄图片信息量大，对检测识别过程造成很大干扰。如何降低算法的复杂程度，有效排除干扰，准确检测和识别出交通标志，这是目前课题研究的主要难点。

计算机视觉是当前解决交通标志检测的热点，目前计算机视觉主要从形状和颜色两个方面进行检测。基于形状特征的检测方法主要有hough变换和HOG特征等，该类算法大多涉及复杂的图像操作，实时性较差。基于颜色分割的算法有RIO、MSER等，相对简单，实时性好，但是容易受到环境影响，适应性较差。针对目前单纯基于颜色或形状的检测算法在复杂的自然环境中易出现无法提取特征的问题，本文提出一种新的基于颜色模型提取并结合形状特征进行判定的交通标志检测算法。首先，通过HSV模型提取交通标志的颜色特征，找寻感兴趣区域，然后结合形状特征对图形圆度、伸长度和矩形度等进行提取，该算法实现了颜色特征提取与形状特征判定的互补，能准确检测出交通标志候选区域。通过实际场景图片测试，本文所提的算法能快速准确地在复杂环境中检测出交通标志。

1 基于颜色的交通标志检测

国内交通标志主要由红、黄、蓝三色组成，因此，基于颜色分割提取是交通标志检测的常用方法。目前，常用的颜色空间模型有RGB模型、YUV模型和HSV模型。不同的颜色模型对应不同的颜色阈值分割方法。RGB模型中R、G、B分别代表红、绿、蓝三原色，一般图片多采用RGB颜色模型，不需要转换，使用较为方便。但是，R、G、B三个分量之间界限不清，存在重叠部分，图像分割时容易受到光照等因素影响，难于准确分割。HSV模型中H和S两个分量分别表示色度和饱和度，它们一般不受光照影响，因此最适合用于图像分割，本文采用HSV模型来进行交通标志分割提取。

2 基于形状特征的交通标志检测与判定

理论上，基于颜色分割的算法可以将交通标志从周围环境中分离出来，但在自然环境下，交通标志的颜色有可能与背景颜色相近或者一致，这种情况下，仅依靠颜色检测交通标志，准确率不高，基于形状的检测算法能进一步排除那些颜色相近的背景，因为这些背景往往不具备交通标志的特殊形状。

交通标志的形状主要有三种，即圆形、三角形和矩形。形状不同，它们的属性也不同，人们可以从圆形度、矩形度和伸长度等方面加以区分。在实际场景中，由于拍摄角度的问题，拍摄到的交通标志容易发生变形，例如，圆形变成椭圆，矩形变成菱形等。本文计划从圆形度、矩形度和伸长度三方面来判定目标区域形状，这样既消除单一颜色判定准确度不高的问题，又能解决了图像失真导致判定不准的问题。本文提出一种基于形状区域校正的图形检测方法，即计算出感兴趣区域的顶点个数来进行颜色判定。众所周知，黄色区域一般为三角形，蓝色区域一般为矩形，如果颜色判定为蓝色指示标志，但是在进行顶点判定时，该区域有单个顶点，说明该区域的颜色特征与形状特征不匹配，则舍去该区域。

3 试验结果与分析

交通标志检测算法具有可行性，人们可以以MATLAB为设计工具进行实现。笔者从行车记录仪中截取一幅带有禁令标志和警告标志的实景图，以此为例来验证算法效果。

首先将拍摄的照片从RGB颜色模型转换到HSV颜色模型，然后通过三分量阈值提取感兴趣的颜色区域，最后计算区域形状属性，排除背景干扰，得到最终区域。图1为拍摄的实景图，图2为经过HSV颜色模型转换并进行三分量颜色提取的图片，图3为形状检测的最终感兴趣区域。

图1只采用HSV颜色模型进行交通标志检测，检测到的疑似目标区域较多，图中误将前车灯检测为红色标志，但是在图2的形状属性判断过程中，车灯形状为近似矩形而被删除掉，从而准确地检测出交通标志。因此，本文提出的算法可以很好地解决单一颜色模型判断不准确的问题。

4 结语

针对常见交通标志的颜色和形状特征，本文提出的检测算法可以很方便地将行车记录仪拍摄到的照片进行从RGB到HSV的颜色模型转换，在HSV颜色模型下找到感兴趣区域，然后根据形状特性的属性准确地判断和检测出交通标志。该算法解决了单一颜色检测准确率不高的问题，而且复杂度不高，实时性好，不受外界环境影响，是一种较好的交通标志检测算法。

参考文献：

[1]张卡，盛业华，叶春，等.基于中心投影形状特征的车载移动测量系统交通标志自动识别[J].仪器仪表学报，2010（9）：2101-2108.