基于多帧视频图像的交通标志实时检测

城市道路交通标志检测是现代智能交通的重要组成部分。本文通过改进基于颜色的图像快速分割算法，文章引用: 杨斐, 秦勃, 李伟. 基于多帧视频图像的交通标志实时检测[J]. 计算机科学与应用, 2017, 7(5): 463-472.

交通标志(Traffic Sign)是交通管控系统的重要组成部分，为驾驶员提供路况、交通管制、警告和提醒等信息。交通标志检测(Traffic Sign Detection, TSD)作为现代智能交通领域的重要研究课题，在无人驾驶技术、辅助驾驶技术、智能机器人等领域有关键作用。

基于图像处理的交通标志检测方法通常分基于颜色和基于形状两种。基于颜色的交通标志检测通常将图像转换到HSV、NRGB 和YUV 等颜色空间，然后根据经验设置颜色阈值分割交通标志区域。文献[1]通过对同一交通标志数据集，定量分析各种颜色分割的方法的性能，目的是对特定的交通标志检测任务采用最佳的颜色分割方法。文献[2]采用不同的阈值对灰度图分割，通过搜索连通区域将最大稳定极值区域(Maximally Stable Extremal Regions, MSERs)作为交通标志候选区域。文献[3]利用高斯颜色模型提取颜色不变性特征(Color Invariants Feature)分割定位交通标志区域。文献[4]结合交通标志颜色和形状特征， 定位检测圆形交通标志。基于颜色的交通标志检测效率高，但易受杂乱的背景以及光照条件影响。

基于形状的交通标志检测方法受光照条件影响较小，同时对交通标志出现遮挡、连体等情况也具有较好的检测效果。文献[5]利用快速辐射对称性检测三角形的内心，在内心窗口图像利用Hough 变换检测三角形交通标志。文献[6]利用一种高效、通用性强的径向对称检测器(Radial Symmetry Detector)，实现对圆形、多边形、三角形等形状交通标志的检测。

文献[7]利用直方图梯度特征(Histogram of Oriented Gradient, HOG)，使用支持向量机SVM (Supported Vector Machine)分类器检测交通标志。文献[8]使用矩形度、圆形度和伸长度的综合范围判定区域形状。文献[9]提出了一种颜色特征、形状特征和尺度特征的多特征协同方法，能够提高通常情形、颜色失真、形状失真、以及尺度变化情况下的交通标注检测率。基于形状的交通标志检测方法计算量较大，无法满足实时性处理要求。

上述文献均以单帧图像为重点研究对象， 处理视频图像序列时存在一定的局限性。

文献[10] [11] [12]研究对象是城市道路环境下录制的视频图像， 取得了良好的效果。

文献[10]通过分析交通标志在视频图像序列中的空间约束关系，定位垂直于地面的交通标志，结合连续图像序列追踪交通标志区域，对文字型交通标志检测有较好的结果， 但并不适用于图像型交通标志， 且无法满足实时性。

文献[11]利用等角多边形探测器检测圆、三角形和正方形，并提出一种像素关系模型(Pixel Relevance Model)验证候选区域轮廓定位交通标志。

文献[12]通过视频图像颜色分割后采用拟合圆形、四边形和三角形的感兴趣区域排除噪声， 利用对极几何关系和相似度对区域作3D 重建以验证交通标志区域，该方法对遮挡、变形具有较好的效 464