层次轮廓计算机视角的交通道路标识别

邬思奇

摘   要：随着我国科学技术的进一步优化，计算机视觉应用范围变得越来越广，尤其是交通道路路标识别中。但面对现阶段计算机视觉对交通路标识别存在的复杂性与不稳定性等问题，随之提出了通过图像轮廓识别技术运用的解决方法。同时，文章也将针对层次轮廓计算机视角的交通道路标识别进行研究，进而保证路标识别上的稳定性。

关键词：层次轮廓;计算机视角;交通道路;路标识别

在数字化技术全面发展的今天，计算机视角应运而生，且在实际生活中得到了广泛应用，特别是在交通路标的识别中。当前，从计算机视角而言，它也属于机器视觉中的一种，在对相关交通路标识别时，主要是依靠路标的颜色空间来进行区分的，因此在这一过程中，需要有效地结合不同的算法来提取，然后开展相关的工作。另外基于计算机的视角，不管是对交通路标图像的采集还是传输等，其过程均会对图像质量产生影响，进而影响到识别效率。再加上用于成像的充电耦合器件（Charged Coupled Device，CCD）图像传感器，若存在分辨率低、光路选择不恰当等问题，均将导致采样交通路标迷糊等不良情况。因此，加大对层次轮廓计算机视角的交通道路标识别、提高识别稳定性极为迫切。针对该方面内容，文章首先对层次轮廓技术基础进行阐述，其次分析计算机视觉交通路标识别，最后通过仿真实验，验证层次轮廓计算机视角的识别效率高，以供参考。

1    层次轮廓技术基础

在层次轮廓技术基础分析上，文章从图像提取与识别这两个方面进行分析。第一，关于图像提取的内容分析，当前可以了解到大部分的路标几乎都是相似的，因此需要使其机器在视觉识别上更加关注交通路标的结构信息，并且对交通路标图像中的某一个像素点，可以使用其他的方式来进行了解。例如，首先，可以先找寻出交通路标中的轮廓以及多个图像块，将每一个图像块的距离进行设置为4;其次，将图像分割为12×12的路标图像小块，就可以在减少计算机对信息进行重复读取的同时，较好地避免出现分块损失的情况;最后，利用计算机的每个子图像块判断高频区域的细节信息。第二，图像识别。根据相关的研究调查可知，图像边缘特征在提取以及图像分块的时候，很容易出现厚边或者是端点等情况。这些情况的出现不仅会导致轮廓图像精确度欠佳，而且很容易造成信息丢失。因此，文章通过对轮廓图像的分层识别研究，提出4个层次对图像的识别与匹配。另外，从光滑程度上来进行分析可以发现，当在对其开展图像轮廓的匹配过程中，除了一些几何特征容易被识别出来，其他的轮廓曲率很难被识别出来。但是在实际的使用过程中，因为数字图像中的轮廓诸多都是以像素点的放水来进行表达的，这便在一定程度上使其光滑性很难被表达出来，导致了曲率的计算存在着一定的难度[1-2]。在系统复杂度的衡量中信息熵作为其中不可缺少的一部分，主要是通过计算机划分随机对图像子块出现的期望值进行获取。根据最终得出的结果可知，该过程中的信息量会伴随着信息熵的不断提升而增加。

2    计算机视觉交通路标识别

在采用层次轮廓识别计算，实现计算机对交通图标的精准识别过程中，面对这种情况，首先，需要做的便是对二值图像进行一定的检查，才能够在得到轮廓图像的同时得到轮廓像素点;其次，采取其他的方式来对轮廓特点进行表达。就当前清晰的交通路标而言，这一个路标中有着诸多高频的图像，这些图像在经过一系列的低通滤波处理之后，便会失去高频的信息成分，从而导致了滤波前后的图像差异十分大，最终的结构相似度存在误差。相反，如果交通标志小块而仅损失少量高频信息，则在低通滤波器之后，高频分量在任何时候都相对较小，前者与后者之间的路标差较小且滤波器较小，最终结构相似度较大。另外，根据交通标志轮廓形状度量的变化，可以使用特征对其进行描述，从而实现不同交通图标形状的友好区分。也就是说，常见的路标图像可以用圆圈或正方形表示。如果在此过程中轮廓线长度相同，则其指向距离的标准偏差应为0.00，0.34和1.00。作为交通标志的3个主要内容，禁止、警告和指示的每个专业都必须具有统一的轮廓线类型交通标志。例如：禁止类型的交通标志应以黑色三角框的变色背景表示，警告类型的交通标志应以黄色背景和黑色方形框表示，知识类型的交通标志应以蓝色背景和白色圆圈框表示。最后，根据层次轮廓计算机视角下交通路标识别的实际情况可知，该类计算机视觉对交通路标识别有着很好的稳定性与容错能力。

3    仿真实验

Intel i7-4850HQ处理器作为文章仿真实验研究中的主要硬件环境，其物理内存为4 GB，Windows 7的操作系统为64位，该算法在Matlab软件中编程。在此实验中，收集了300个交通标志图像进行实验，每个图像都是1 280×800像素的JPG格式。另外，由于交通道路中周围环境引起的部分遮挡和光强度的差异，利用交通图收集信息识别判断是错误的。实验前，需要对采集到的交通标志图像进行仔细筛选，以最大限度地减少由于采样误差引起的计算机视角识别误差现象。此外，为了验证所提出的层次轮廓计算机视觉在交通标志识别和分析中的合理性，文章通过两个实验进行比较验证。在实验1中，使用畸变图像的主观主动评分和没有参考结构的清晰度来提取和分析图像的畸变差异。在实验2中，从层次轮廓计算机的角度识别图像，然后判断算法的有效性。

（1）在实验中，300个交通标志图像是禁止，警告和指示，而MIG是100个。本文使用gblur文件夹中的图像进行实验。在实验过程中，可以选择相同程度、不同模糊失真程度的交通标志图像進行比较分析。根据最终的实验结果，随着主观差异评分的增加，交通标志图像将越来越差。从计算机的角度来看，低通滤波器的梯度变换图像的结构相似性值也会增加，并且非参考清洁度会降低，这反映了质量差。同时，随着交通标志图像清晰度越来越低，没有参考结构的图像的清晰度将越来越小。可以看出，图像边缘轮廓提取方法对于交通标志识别是可行的。

（2）在實验2中，基于实验1中使用的交通标志图像进行清晰度提取，本研究中提出的分层轮廓计算机视觉识别技术用于识别块处理后的图像。根据实验2得出的结果可知，形状度量值越大，交通路标图像将变得越发模糊，路标识别效率也将降低。另外，通过对滤波器大小的设置，能够获取到不同清晰程度的交通路标图像作为识别图像[3-5]。

以上就是针对文章内容所做出的仿真实验，通过该实验最终结果可知，文章所提出的层次轮廓计算机视角识别能够实现对交通路标的高效识别。

4    结语

随着新时代社会经济的快速发展，交通路标识别显得尤为重要。通过上述对该方面内容的深入分析可知，面对计算机交通路标识别中存在的识别效率低且不稳定的情况，必须通过层次轮廓计算机视角的提出与合理应用去避免。而这对于减少重复计算，以及提高全息图像质量等诸多方面都有着积极作用。

[参考文献]

[1]肖慧，郭强强，王宇航，等.成人正中神经与肌皮神经交通支的解剖学特征及其临床意义[J].山西医科大学学报，2019（12）：1684-1687.

[2]汪沐阳，吉晟男，陈晨，等.道路交通对鹅喉羚昼间集群特征和警戒行为的影响[EB/OL].（2019-12-24）[2020-03-25].https：//doi.org/10.13292/j.1000-4890.202003.014.

[3]韩瑞玲，杨光，张晓燕，等.石家庄市经济-交通-环境系统耦合协调研究[J].生态与农村环境学报，2019（12）：1541-1549.

[4]王魁臣.构建人民满意的现代综合交通运输体系[N].天津日报，2019-12-23（003）.

[5]傅翔鸿.浅析秦皇岛市城市交通标识标牌设立的问题与对策[C].秦皇岛：智启雄安—第四届雄安新区建设公共政策智库论坛论文集，2018.

Traffic sign recognition from the perspective of hierarchical contour computer

Wu Siqi

（College of Computer and Communication， Hunan Institute of Engineering， Xiangtan 411104， China）

Abstract：With the further optimization of science and technology in our country， the application range of computer vision is becoming wider and wider， especially in the self traffic road sign recognition. However， in the face of the complexity and instability of computer vision in traffic sign recognition at this stage， the application of image contour recognition technology is proposed to solve these problems. At the same time， this paper will also study the traffic road signs from the perspective of hierarchical contour computer， so as to ensure the stability of road sign recognition.

Key words：hierarchical contour; computer perspective; traffic road; road sign recognition