本發(fā)明涉及圖像檢測(cè)技術(shù)領(lǐng)域，特別是涉及一種交通標(biāo)志檢測(cè)方法和裝置。

背景技術(shù)：

交通標(biāo)志是指街道旁設(shè)立的具有交通警示或交通提示作用的物體，比如區(qū)間測(cè)速標(biāo)志、禁止通行標(biāo)志、路況提示標(biāo)志或者通行方向指示標(biāo)志等。通過在電子地圖中標(biāo)注交通標(biāo)志的位置，對(duì)道路信息的檢索和導(dǎo)航都具有重要意義。

然而，目前交通標(biāo)志的信息獲取來源主要是依靠人工獲取，但人工獲取需要大量人力并消耗大量時(shí)間，效率太低。而且人工獲取準(zhǔn)確性較差。

技術(shù)實(shí)現(xiàn)要素：

基于此，有必要針對(duì)目前交通標(biāo)志的信息獲取來源主要依靠人工獲取導(dǎo)致效率低且準(zhǔn)確性差的問題，提供一種交通標(biāo)志檢測(cè)方法和裝置。

一種交通標(biāo)志檢測(cè)方法，所述方法包括：

獲取街景圖像；

從所述街景圖像中獲取與交通標(biāo)志中的標(biāo)志性圖形的顏色取值范圍匹配的候選區(qū)域；

對(duì)獲取的候選區(qū)域進(jìn)行篩選，篩選出的候選區(qū)域符合所述標(biāo)志性圖形所在區(qū)域的預(yù)設(shè)區(qū)域特征；

將篩選出的候選區(qū)域提取特征后，將提取的特征通過用于判別是否屬于標(biāo)志性圖形類的分類器進(jìn)行判別，以獲得交通標(biāo)志檢測(cè)結(jié)果。

一種交通標(biāo)志檢測(cè)裝置，所述裝置包括：

街景圖像獲取模塊，用于獲取街景圖像；

候選區(qū)域獲取模塊，用于從所述街景圖像中獲取與交通標(biāo)志中的標(biāo)志性圖形的顏色取值范圍匹配的候選區(qū)域；

候選區(qū)域篩選模塊，用于對(duì)獲取的候選區(qū)域進(jìn)行篩選，篩選出的候選區(qū)域符合所述標(biāo)志性圖形所在區(qū)域的預(yù)設(shè)區(qū)域特征；

判別模塊，用于將篩選出的候選區(qū)域提取特征后，將提取的特征通過用于判別是否屬于標(biāo)志性圖形類的分類器進(jìn)行判別，以獲得交通標(biāo)志檢測(cè)結(jié)果。

上述交通標(biāo)志檢測(cè)方法和裝置，在獲取到街景圖像后，按照標(biāo)志性圖形的顏色取值范圍獲取候選區(qū)域，這樣可以從街景圖像中過濾掉明顯不符合交通標(biāo)志的顏色特征的區(qū)域。從候選區(qū)域中篩選出符合標(biāo)志性圖形所在區(qū)域的預(yù)設(shè)區(qū)域特征的候選區(qū)域，這樣可以進(jìn)一步過濾掉明顯不符合交通標(biāo)志的預(yù)設(shè)區(qū)域特征的候選區(qū)域。通過分類器的判別，最終可以檢測(cè)出街景圖像中是否存在標(biāo)志性圖形，從而檢測(cè)出是否存在相應(yīng)的交通標(biāo)志。這樣可以實(shí)現(xiàn)自動(dòng)化的交通標(biāo)志檢測(cè)，無需人工獲取，效率和準(zhǔn)確性都得到提升。

附圖說明

圖1為一個(gè)實(shí)施例中用于實(shí)現(xiàn)交通標(biāo)志檢測(cè)方法的計(jì)算機(jī)的內(nèi)部結(jié)構(gòu)圖；

圖2為一個(gè)實(shí)施例中交通標(biāo)志檢測(cè)方法的流程示意圖；

圖3為一個(gè)實(shí)施例中區(qū)間測(cè)速標(biāo)志的示意圖；

圖4為另一個(gè)實(shí)施例中區(qū)間測(cè)速標(biāo)志的示意圖；

圖5為另一個(gè)實(shí)施例中交通標(biāo)志檢測(cè)方法的流程示意圖；

圖6為一個(gè)實(shí)施例中水平360度全景街景圖像的示意圖；

圖7為一個(gè)實(shí)施例中HSV顏色模型區(qū)間測(cè)速標(biāo)志的輪廓示意圖；

圖8為一個(gè)實(shí)施例中經(jīng)過連通域查找后的二值化圖像中區(qū)間測(cè)速標(biāo)志處的圖像的示意圖；

圖9為一個(gè)實(shí)施例中檢測(cè)出的交通標(biāo)志的標(biāo)志性圖形的示意圖；

圖10為一個(gè)實(shí)施例中交通標(biāo)志檢測(cè)裝置的結(jié)構(gòu)框圖；

圖11為另一個(gè)實(shí)施例中交通標(biāo)志檢測(cè)裝置的結(jié)構(gòu)框圖。

具體實(shí)施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

如圖1所示，在一個(gè)實(shí)施例中，提供了一種計(jì)算機(jī)100，包括通過系統(tǒng)總線連接的處理器、非易失性存儲(chǔ)介質(zhì)、內(nèi)存儲(chǔ)器以及圖像采集器。其中處理器具有計(jì)算功能和控制計(jì)算機(jī)100工作的功能。該處理器被配置為執(zhí)行一種交通標(biāo)志檢測(cè)方法。非易失性存儲(chǔ)介質(zhì)包括磁存儲(chǔ)介質(zhì)、光存儲(chǔ)介質(zhì)和閃存式存儲(chǔ)介質(zhì)中的至少一種，非易失性存儲(chǔ)介質(zhì)存儲(chǔ)有操作系統(tǒng)和一種交通標(biāo)志檢測(cè)裝置，該交通標(biāo)志檢測(cè)裝置用于實(shí)現(xiàn)一種交通標(biāo)志檢測(cè)方法。圖像采集器用于采集實(shí)時(shí)的圖像，圖像采集器可以是360度全景攝像頭。

如圖2所示，在一個(gè)實(shí)施例中，提供了一種交通標(biāo)志檢測(cè)方法，本實(shí)施例以該方法應(yīng)用于上述圖1中的計(jì)算機(jī)100來舉例說明。該方法具體包括如下步驟：

步驟202，獲取街景圖像。

具體地，計(jì)算機(jī)100可調(diào)用圖像采集器來獲取街景圖像，獲取的街景圖像可稱為原始的街景圖像。圖像采集器可設(shè)置在可移動(dòng)裝置上，這樣可以通過可移動(dòng)裝置在移動(dòng)過程中實(shí)時(shí)獲取街景圖像。可移動(dòng)裝置包括汽車、無人機(jī)以及機(jī)器人中的至少一種。街景圖像是指具有道路旁的影像的圖像。道路包括公路和人行街道，公路包括高速公路。

在一個(gè)實(shí)施例中，街景圖像為水平360度全景街景圖像。其中水平360度全景街景圖像是包括覆蓋水平面360度方向的視野的街景圖像。計(jì)算機(jī)100可控制圖像采集器采集多個(gè)方向的街景圖像合成為360街景圖像，也可以控制圖像采集器采集水平旋轉(zhuǎn)并同時(shí)獲取街景圖像并合成以獲得360街景圖像。

步驟204，從街景圖像中獲取與交通標(biāo)志中的標(biāo)志性圖形的顏色取值范圍匹配的候選區(qū)域。

步驟204是顏色過濾的步驟。其中，交通標(biāo)志是指街道旁設(shè)立的具有交通警示或交通提示作用的人造物體，比如區(qū)間測(cè)速標(biāo)志、禁止通行標(biāo)志、路況提示標(biāo)志或者通行方向指示標(biāo)志等。具體區(qū)間測(cè)速標(biāo)志如圖3中的3a、3b和3c。

標(biāo)志性圖形是指在交通標(biāo)志中將該交通標(biāo)志與其它交通標(biāo)志區(qū)分開的圖形。舉例說明，當(dāng)交通標(biāo)志為區(qū)間測(cè)速標(biāo)志時(shí)，標(biāo)志性圖形為區(qū)間測(cè)速標(biāo)志中包括攝像頭圖像且不包括文字的圖像，如圖3中的3a1。

交通標(biāo)志的形狀主要包括矩形、圓形和三角形，因此交通標(biāo)志形狀本身存在一定的共性，區(qū)分性不是很好，這里采用交通標(biāo)志中的標(biāo)志性圖形來實(shí)現(xiàn)交通標(biāo)志的檢測(cè)，準(zhǔn)確率較高。

交通標(biāo)志與自然產(chǎn)生的物體不同，特定的交通標(biāo)志的顏色組成是固定的。具體區(qū)間測(cè)速標(biāo)志主要由綠色和白色組成，也有些區(qū)間測(cè)速標(biāo)志主要由藍(lán)色和白色組成，還有些區(qū)間測(cè)速標(biāo)志主要由黃色和黑色組成。如圖4所示的區(qū)間測(cè)速標(biāo)志包括標(biāo)志性圖形400，標(biāo)志性圖形400的區(qū)域401和402為綠色，區(qū)域403為白色。

考慮到自然環(huán)境中光線的變化造成標(biāo)志性圖形呈現(xiàn)的顏色也會(huì)發(fā)生變化，這里可預(yù)先統(tǒng)計(jì)各種光線條件下標(biāo)志性圖形呈現(xiàn)的顏色，從而根據(jù)統(tǒng)計(jì)結(jié)果確定該顏色取值范圍。顏色取值范圍可以是按照特定的顏色模型下的顏色通道劃分的，比如若街景圖像采用HSV顏色模型，則顏色取值范圍可以包括H(Hue，色調(diào))、S(Saturation，飽和度)和V(Value，亮度)三個(gè)顏色通道中的至少一種的取值范圍。顏色模型還可以采用RGB(紅綠藍(lán))顏色模型或者YUV顏色模型等。

步驟206，對(duì)獲取的候選區(qū)域進(jìn)行篩選，篩選出的候選區(qū)域符合所述標(biāo)志性圖形所在區(qū)域的預(yù)設(shè)區(qū)域特征。

具體地，經(jīng)過顏色過濾的步驟后所獲取的候選區(qū)域仍然會(huì)包括較多與交通標(biāo)志不相關(guān)的候選區(qū)域，這里通過對(duì)獲取的候選區(qū)域進(jìn)行過濾，過濾掉不符合預(yù)設(shè)區(qū)域特征的候選區(qū)域，從而獲得符合預(yù)設(shè)區(qū)域特征的候選區(qū)域。預(yù)設(shè)區(qū)域特征是標(biāo)志性圖形所在區(qū)域應(yīng)當(dāng)具有的預(yù)設(shè)的區(qū)域性特征。

步驟208，將篩選出的候選區(qū)域提取特征后，將提取的特征通過用于判別是否屬于標(biāo)志性圖形類的分類器進(jìn)行判別，以獲得交通標(biāo)志檢測(cè)結(jié)果。

具體地，分類器經(jīng)過屬于標(biāo)志性圖形類的正樣本集和不屬于標(biāo)志性圖形類的負(fù)樣本集訓(xùn)練。其中正樣本集中的正樣本是包括標(biāo)志性圖形的圖像；負(fù)樣本 集中的負(fù)樣本則是不包括標(biāo)志性圖形的圖像，負(fù)樣本可以包括與標(biāo)志性圖形不相關(guān)的隨機(jī)圖像，也可以包括與標(biāo)志性圖形相似的圖像。

訓(xùn)練分類器時(shí)，將正樣本集中的正樣本和負(fù)樣本集中的負(fù)樣本分別提取特征后，根據(jù)提取的特征來訓(xùn)練分類器。經(jīng)過訓(xùn)練的分類器可用來預(yù)測(cè)一個(gè)新的圖像是否屬于標(biāo)志性圖形類，如果屬于標(biāo)志性圖形類則說明檢測(cè)到交通標(biāo)志；如果不屬于標(biāo)志性圖形類則說明未檢測(cè)到交通標(biāo)志。交通標(biāo)志檢測(cè)結(jié)果包括是否檢測(cè)到交通標(biāo)志，還可以包括檢測(cè)到的交通標(biāo)志在街景圖像中的位置。

其中提取的特征可以采用HOG(Histogram of Oriented Gradient，方向梯度直方圖)特征、SIFT(Scale-Invariant Feature Transform，尺度不變特征轉(zhuǎn)換)特征或者SURF(Speeded Up Robost Features，加速穩(wěn)健特征)特征等。分類器可以采用SVM(Support Vector Machine，支持向量機(jī))、級(jí)聯(lián)分類器(如Adaboost分類器)或者人工神經(jīng)網(wǎng)絡(luò)分類器等。

上述交通標(biāo)志檢測(cè)方法，在獲取到街景圖像后，按照標(biāo)志性圖形的顏色取值范圍獲取候選區(qū)域，這樣可以從街景圖像中過濾掉明顯不符合交通標(biāo)志的顏色特征的區(qū)域。從候選區(qū)域中篩選出符合標(biāo)志性圖形所在區(qū)域的預(yù)設(shè)區(qū)域特征的候選區(qū)域，這樣可以進(jìn)一步過濾掉明顯不符合交通標(biāo)志的預(yù)設(shè)區(qū)域特征的候選區(qū)域。通過分類器的判別，最終可以檢測(cè)出街景圖像中是否存在標(biāo)志性圖形，從而檢測(cè)出是否存在相應(yīng)的交通標(biāo)志。這樣可以實(shí)現(xiàn)自動(dòng)化的交通標(biāo)志檢測(cè)，無需人工獲取，效率和準(zhǔn)確性都得到提升。

在一個(gè)實(shí)施例中，計(jì)算機(jī)100還可以獲取街景圖像的地理位置信息，并根據(jù)檢測(cè)到的交通標(biāo)志在街景圖像中的位置以及該地理位置信息，在電子地圖上標(biāo)注相應(yīng)的交通標(biāo)志。其中街景圖像的地理位置信息可在獲取街景圖像時(shí)獲取。

在一個(gè)實(shí)施例中，計(jì)算機(jī)100還可以根據(jù)交通標(biāo)志檢測(cè)結(jié)果進(jìn)行提示預(yù)警。比如在檢測(cè)到區(qū)間測(cè)速標(biāo)志后發(fā)出“前方測(cè)速”的提示。

在一個(gè)實(shí)施例中，步驟204之前，還包括：根據(jù)交通標(biāo)志在預(yù)獲取街景圖像中的出現(xiàn)位置的統(tǒng)計(jì)信息，對(duì)街景圖像進(jìn)行裁剪。

具體地，預(yù)獲取街景圖像是指預(yù)先獲取的街景圖像，通過對(duì)預(yù)獲取街景圖像中交通標(biāo)志的出現(xiàn)位置進(jìn)行統(tǒng)計(jì)獲得相應(yīng)的統(tǒng)計(jì)信息。該統(tǒng)計(jì)信息可以反映 出交通標(biāo)志不會(huì)出現(xiàn)在街景圖像的哪些位置，或者可能會(huì)出現(xiàn)在街景圖像的哪些位置。

比如，通常街景圖像會(huì)包括天空的圖像和道路的圖像，天空的圖像通常位于街景圖像的上部區(qū)域，道路的圖像則位于街景圖像的下部區(qū)域，這些區(qū)域中不會(huì)出現(xiàn)交通標(biāo)志，可將這些區(qū)域裁剪掉。

本實(shí)施例中，根據(jù)交通標(biāo)志在預(yù)獲取街景圖像中的出現(xiàn)位置的統(tǒng)計(jì)信息來對(duì)街景圖像進(jìn)行裁剪，可以在流程前端直接摒棄掉不可能出現(xiàn)交通標(biāo)志的區(qū)域，從而提高后續(xù)處理的效率。

在一個(gè)實(shí)施例中，步驟204包括：將街景圖像中與交通標(biāo)志中的標(biāo)志性圖形的顏色取值范圍匹配的像素值置為前景色值，將與該顏色取值范圍不匹配的像素值置為背景色值，獲得二值化圖像；在所述二值化圖像查找前景色值構(gòu)成的連通域以獲取到候選區(qū)域。

其中對(duì)該二值化圖像進(jìn)行連通域查找，從而獲得由前景色值的像素構(gòu)成的連通域，將該連通域作為候選區(qū)域，或者將該連通域?qū)?yīng)到原始的背景圖像中的像素作為候選區(qū)域。

進(jìn)一步地，前景色值可為0，視覺上表現(xiàn)為黑色；背景色值可為255，視覺上表現(xiàn)為白色。候選區(qū)域與顏色取值范圍匹配，是指在街景圖像中該候選區(qū)域?qū)?yīng)的像素值在該顏色取值范圍內(nèi)。

連通域是指圖像中具有相同像素值且位置相鄰的前景像素點(diǎn)組成的圖像區(qū)域。連通域查找是將圖像中的連通域找出并標(biāo)記的過程，也稱為連通域分析。連通域查找可采用Two-Pass(兩遍掃描)算法和Seed Filling(種子填充)算法。在查找到連通域后還可以對(duì)連通域的角度進(jìn)行調(diào)整，使得角度規(guī)范化。比如將角度調(diào)整到[-90°，90°]這個(gè)范圍內(nèi)。

在一個(gè)實(shí)施例中，步驟204包括：從街景圖像中獲取與交通標(biāo)志中的標(biāo)志性圖形的一種組成顏色的預(yù)設(shè)顏色取值范圍匹配的候選區(qū)域。該一種組成顏色可取標(biāo)志性圖形中面積占比最大的顏色。比如交通標(biāo)志為區(qū)間測(cè)速標(biāo)志時(shí)，顏色取值范圍可為攝像頭圖像的顏色即為綠色。通過一種組成顏色的顏色取值范圍來獲取候選區(qū)域，可以提高效率并保留邊緣信息。

在一個(gè)實(shí)施例中，步驟204包括：從街景圖像中獲取與交通標(biāo)志中的標(biāo)志性圖形的一種組成顏色的多組預(yù)設(shè)顏色取值范圍中的至少一組匹配的候選區(qū)域。

具體地，考慮到室外光照條件差異較大，顏色取值范圍變化也較大，這里預(yù)先為一種組成顏色設(shè)置多組預(yù)設(shè)顏色取值范圍，某區(qū)域只要命中其中一組預(yù)設(shè)顏色取值范圍就可以保留下作為候選區(qū)域，若不滿足任何一組預(yù)設(shè)顏色取值范圍就過濾掉該區(qū)域。

舉例說明，若交通標(biāo)志為區(qū)間測(cè)速標(biāo)志，標(biāo)志性圖形的一種組成顏色為綠色，則交通標(biāo)志中的標(biāo)志性圖形的一種組成顏色的多組預(yù)設(shè)顏色取值范圍具體可如以下所列：

第一組：50<H<100，S>55，75<V<160。

第二組：50<H<100，S>50，V<70。

第三組：60<H<90，S>35，170<V<220。

第四組：28<H<100，110<V<178。

第五組：20<H<110，130<S<230，30<V<60。

其中H、S和V分別表示色調(diào)顏色通道、飽和度顏色通道和亮度顏色通道下的像素值。

本實(shí)施例中，通過設(shè)置一種組成顏色的多組預(yù)設(shè)顏色取值范圍，可以確保顏色過濾步驟對(duì)交通標(biāo)志的檢測(cè)具有較高的召回率，防止漏檢。其中召回率又稱查全率，是檢測(cè)出的交通標(biāo)志的數(shù)量占實(shí)際存在的交通標(biāo)志的數(shù)量的比率。

在一個(gè)實(shí)施例中，預(yù)設(shè)區(qū)域特征包括：標(biāo)志性圖形所在區(qū)域的尺寸范圍、高寬比范圍、顏色聚類類別數(shù)以及梯度特征中的至少一種。

其中標(biāo)志性圖形所在區(qū)域的尺寸范圍是指標(biāo)志性圖形所在區(qū)域的外切矩形的寬度的范圍和高度的范圍。比如若交通標(biāo)志為區(qū)間測(cè)速標(biāo)志，且獲取的街景圖像尺寸為8192像素(寬)×4096像素(高)，則該區(qū)間測(cè)速標(biāo)志所在區(qū)域的尺寸范圍可為：14像素<height<231像素，10像素<width<600像素；其中height表示該區(qū)間測(cè)速標(biāo)志所在區(qū)域的高度，width表示該區(qū)間測(cè)速標(biāo)志所在區(qū)域的寬度。

高寬比范圍是指標(biāo)志性圖形所在區(qū)域的外切矩形的高度和寬度的比值的范圍。比如若交通標(biāo)志為區(qū)間測(cè)速標(biāo)志，則該區(qū)間測(cè)速標(biāo)志所在區(qū)域的高寬比范圍可為：1.0<height/width<5.2；其中height表示該區(qū)間測(cè)速標(biāo)志所在區(qū)域的高度，width表示該區(qū)間測(cè)速標(biāo)志所在區(qū)域的寬度。

顏色聚類類別數(shù)是指將標(biāo)志性圖形所在區(qū)域的像素值進(jìn)行聚類后所獲得的類別數(shù)量。聚類可采用K-means聚類算法，還可以采用K-modes以及其它聚類算法，不再一一列舉。

比如若交通標(biāo)志為區(qū)間測(cè)速標(biāo)志，則可采用K-means聚類算法，首先從獲取的候選區(qū)域中任意選擇K個(gè)像素作為初始聚類中心；而對(duì)于所剩下其它像素，則根據(jù)它們與這些聚類中心的像素值距離，分別將它們分配給距離最近的聚類中心所代表的聚類；然后再計(jì)算每個(gè)所獲新聚類的聚類中心；不斷重復(fù)這一過程直到標(biāo)準(zhǔn)測(cè)度函數(shù)開始收斂為止。若最終能夠聚類為兩類，則保留相應(yīng)的候選區(qū)域；若最終不能夠聚類為兩類，則將相應(yīng)的候選區(qū)域過濾掉。其中像素值距離可采用歐式距離計(jì)算。標(biāo)準(zhǔn)測(cè)度函數(shù)可取均方差。

若把圖像看成二維離散函數(shù)，該圖像的梯度為這個(gè)二維離散函數(shù)的求導(dǎo)，梯度可以反映出圖像的邊緣，梯度特征可以反映出圖像中邊緣特征。比如若交通標(biāo)志為區(qū)間測(cè)速標(biāo)志，由于交通標(biāo)志包括大量綠色區(qū)域，與綠色樹葉容易混淆。但交通標(biāo)志的標(biāo)志性圖形中邊緣是規(guī)則的、數(shù)量較少的，而樹葉的邊緣則是雜亂的、數(shù)量較多的，這樣通過能夠反映變換變化的梯度特征就可以將標(biāo)志性圖形和樹葉區(qū)分開。

上述實(shí)施例中，可以從區(qū)域尺寸、高寬比、顏色類別以及梯度特征的多個(gè)維度對(duì)獲取的候選區(qū)域進(jìn)行過濾，過濾掉明顯不符合預(yù)設(shè)區(qū)域特征的候選區(qū)域，保留可能存在標(biāo)志性圖形的候選區(qū)域，便于提高后續(xù)通過分類器進(jìn)行判別的效率。而且通過多個(gè)維度的預(yù)設(shè)區(qū)域特征的組合，可以使得后續(xù)通過分類器進(jìn)行判別的效率得到進(jìn)一步提升。

如圖5所示，在一個(gè)實(shí)施例中，提供了一種交通標(biāo)志檢測(cè)方法，本實(shí)施例中交通標(biāo)志為區(qū)間測(cè)速標(biāo)志。該方法具體包括如下步驟：

步驟502，獲取水平360度全景街景圖像。比如水平360度全景街景圖像可 如圖6所示，該水平360度全景街景圖像的最左端可與最右端無縫連接。

步驟504，根據(jù)交通標(biāo)志在預(yù)獲取水平360度全景街景圖像中的出現(xiàn)位置的統(tǒng)計(jì)信息，對(duì)獲取的水平360度全景街景圖像進(jìn)行裁剪。參照?qǐng)D6，水平360度全景街景圖像的區(qū)域601和區(qū)域602均可以裁剪掉。

步驟506，在HSV顏色模型下，檢測(cè)水平360度全景街景圖像各顏色通道中各像素值是否與交通標(biāo)志中的標(biāo)志性圖形的綠色的多組預(yù)設(shè)顏色取值范圍中的至少一組匹配。其中HSV顏色模型下，區(qū)間測(cè)速標(biāo)志如圖7所示。區(qū)間測(cè)速標(biāo)志的標(biāo)志性圖形的多組預(yù)設(shè)顏色取值范圍可采用如下所列五組：

第一組：50<H<100，S>55，75<V<160。

第二組：50<H<100，S>50，V<70。

第三組：60<H<90，S>35，170<V<220。

第四組：28<H<100，110<V<178。

第五組：20<H<110，130<S<230，30<V<60。

步驟508，將水平360度全景街景圖像中檢測(cè)為匹配的像素值置為前景色值，將水平360度全景街景圖像中檢測(cè)為不匹配的像素值置為背景色值，獲得二值化圖像。

步驟510，對(duì)二值化圖像進(jìn)行連通域查找獲得候選區(qū)域。具體經(jīng)過連通域查找后的二值化圖像中區(qū)間測(cè)速標(biāo)志處的圖像如圖8所示。其中上述步驟506至步驟510是在HSV顏色模型下，從所述街景圖像中獲取與交通標(biāo)志中的標(biāo)志性圖形的綠色的多組預(yù)設(shè)顏色取值范圍中的至少一組匹配的候選區(qū)域的步驟。

步驟512，從獲得的候選區(qū)域中過濾掉不符合標(biāo)志性圖形所在區(qū)域的尺寸范圍、高寬比范圍、顏色聚類類別數(shù)以及梯度特征中的任意一種的候選區(qū)域。

其中尺寸范圍可取14像素<height<231像素，10像素<width<600像素。高寬比范圍可取1.0<height/width<5.2。其中height表示該區(qū)間測(cè)速標(biāo)志所在區(qū)域的高度，width表示該區(qū)間測(cè)速標(biāo)志所在區(qū)域的寬度。顏色聚類類別數(shù)可取2類。這里的梯度特征主要是與樹葉的梯度特征相區(qū)別的梯度特征。

步驟514，將過濾后保留的候選區(qū)域提取HOG特征后，將提取的HOG特征通過用于判別是否屬于標(biāo)志性圖形類的支持向量機(jī)進(jìn)行判別，以獲得交通標(biāo) 志檢測(cè)結(jié)果。最終檢測(cè)出的交通標(biāo)志的標(biāo)志性圖形如圖9所示的9a和9b。

如圖10所示，在一個(gè)實(shí)施例中，提供了一種交通標(biāo)志檢測(cè)裝置1000，具有實(shí)現(xiàn)上述各個(gè)實(shí)施例的交通標(biāo)志檢測(cè)方法的功能模塊。該交通標(biāo)志檢測(cè)裝置1000包括：街景圖像獲取模塊1001、候選區(qū)域獲取模塊1002、候選區(qū)域篩選模塊1003和判別模塊1004。

街景圖像獲取模塊1001，用于獲取街景圖像。

具體地，街景圖像獲取模塊1001可用于調(diào)用圖像采集器來獲取街景圖像，獲取的街景圖像可稱為原始的街景圖像。圖像采集器可設(shè)置在可移動(dòng)裝置上，這樣可以通過可移動(dòng)裝置在移動(dòng)過程中實(shí)時(shí)獲取街景圖像?？梢苿?dòng)裝置包括汽車、無人機(jī)以及機(jī)器人中的至少一種。街景圖像是指具有道路旁的影像的圖像。道路包括公路和人行街道，公路包括高速公路。

在一個(gè)實(shí)施例中，街景圖像為水平360度全景街景圖像。其中水平360度全景街景圖像是包括覆蓋水平面360度方向的視野的街景圖像。街景圖像獲取模塊1001可用于控制圖像采集器采集多個(gè)方向的街景圖像合成為360街景圖像，也可以控制圖像采集器采集水平旋轉(zhuǎn)并同時(shí)獲取街景圖像并合成以獲得360街景圖像。

候選區(qū)域獲取模塊1002，用于從街景圖像中獲取與交通標(biāo)志中的標(biāo)志性圖形的顏色取值范圍匹配的候選區(qū)域。

其中，交通標(biāo)志是指街道旁設(shè)立的具有交通警示或交通提示作用的人造物體，比如區(qū)間測(cè)速標(biāo)志、禁止通行標(biāo)志、路況提示標(biāo)志或者通行方向指示標(biāo)志等。標(biāo)志性圖形是指在交通標(biāo)志中將該交通標(biāo)志與其它交通標(biāo)志區(qū)分開的圖形。舉例說明，當(dāng)交通標(biāo)志為區(qū)間測(cè)速標(biāo)志時(shí)，標(biāo)志性圖形可為區(qū)間測(cè)速標(biāo)志中包括攝像頭圖像且不包括文字的圖像，如圖3中的3a1。

交通標(biāo)志的形狀主要包括矩形、圓形和三角形，因此交通標(biāo)志形狀本身存在一定的共性，區(qū)分性不是很好，這里采用交通標(biāo)志中的標(biāo)志性圖形來實(shí)現(xiàn)交通標(biāo)志的檢測(cè)，準(zhǔn)確率較高。

交通標(biāo)志與自然產(chǎn)生的物體不同，特定的交通標(biāo)志的顏色組成是固定的。 具體區(qū)間測(cè)速標(biāo)志主要由綠色和白色組成，也有些區(qū)間測(cè)速標(biāo)志主要由藍(lán)色和白色組成。如圖4所示的區(qū)間測(cè)速標(biāo)志，區(qū)域401為綠色，區(qū)域402為白色。

考慮到自然環(huán)境中光線的變化造成標(biāo)志性圖形呈現(xiàn)的顏色也會(huì)發(fā)生變化，這里可預(yù)先統(tǒng)計(jì)各種光線條件下標(biāo)志性圖形呈現(xiàn)的顏色，從而根據(jù)統(tǒng)計(jì)結(jié)果確定該顏色取值范圍。顏色取值范圍可以是按照特定的顏色模型下的顏色通道劃分的，比如若街景圖像采用HSV顏色模型，則顏色取值范圍可以包括H(Hue，色調(diào))、S(Saturation，飽和度)和V(Value，亮度)三個(gè)顏色通道中的至少一種的取值范圍。顏色模型還可以采用RGB(紅綠藍(lán))顏色模型或者YUV顏色模型等。

候選區(qū)域篩選模塊1003，用于對(duì)獲取的候選區(qū)域進(jìn)行篩選，篩選出的候選區(qū)域符合所述標(biāo)志性圖形所在區(qū)域的預(yù)設(shè)區(qū)域特征。

具體地，經(jīng)過顏色過濾后所獲取的候選區(qū)域仍然會(huì)包括較多與交通標(biāo)志不相關(guān)的候選區(qū)域，這里通過對(duì)獲取的候選區(qū)域進(jìn)行過濾，過濾掉不符合預(yù)設(shè)區(qū)域特征的候選區(qū)域，從而獲得符合預(yù)設(shè)區(qū)域特征的候選區(qū)域。預(yù)設(shè)區(qū)域特征是預(yù)設(shè)的標(biāo)志性圖形所在區(qū)域應(yīng)當(dāng)具有的區(qū)域性特征。

判別模塊1004，用于將篩選出的候選區(qū)域提取特征后，將提取的特征通過用于判別是否屬于標(biāo)志性圖形類的分類器進(jìn)行判別，以獲得交通標(biāo)志檢測(cè)結(jié)果。

具體地，分類器經(jīng)過屬于標(biāo)志性圖形類的正樣本集和不屬于標(biāo)志性圖形類的負(fù)樣本集訓(xùn)練。其中正樣本集中的正樣本是包括標(biāo)志性圖形的圖像；負(fù)樣本集中的負(fù)樣本則是不包括標(biāo)志性圖形的圖像，負(fù)樣本可以包括與標(biāo)志性圖形不相關(guān)的隨機(jī)圖像，也可以包括與標(biāo)志性圖形相似的圖像。

訓(xùn)練分類器時(shí)，將正樣本集中的正樣本和負(fù)樣本集中的負(fù)樣本分別提取特征后，根據(jù)提取的特征來訓(xùn)練分類器。經(jīng)過訓(xùn)練的分類器可用來預(yù)測(cè)一個(gè)新的圖像是否屬于標(biāo)志性圖形類，如果屬于標(biāo)志性圖形類則說明檢測(cè)到交通標(biāo)志；如果不屬于標(biāo)志性圖形類則說明未檢測(cè)到交通標(biāo)志。交通標(biāo)志檢測(cè)結(jié)果包括是否檢測(cè)到交通標(biāo)志，還可以包括檢測(cè)到的交通標(biāo)志在街景圖像中的位置。其中提取的特征可以采用HOG特征、SIFT特征或者SURF特征等。分類器可以采用支持向量機(jī)、級(jí)聯(lián)分類器或者人工神經(jīng)網(wǎng)絡(luò)分類器等。

上述交通標(biāo)志檢測(cè)裝置1000，在獲取到街景圖像后，按照標(biāo)志性圖形的顏色取值范圍獲取候選區(qū)域，這樣可以從街景圖像中過濾掉明顯不符合交通標(biāo)志的顏色特征的區(qū)域。從候選區(qū)域中篩選出符合標(biāo)志性圖形所在區(qū)域的預(yù)設(shè)區(qū)域特征的候選區(qū)域，這樣可以進(jìn)一步過濾掉明顯不符合交通標(biāo)志的預(yù)設(shè)區(qū)域特征的候選區(qū)域。通過分類器的判別，最終可以檢測(cè)出街景圖像中是否存在標(biāo)志性圖形，從而檢測(cè)出是否存在相應(yīng)的交通標(biāo)志。這樣可以實(shí)現(xiàn)自動(dòng)化的交通標(biāo)志檢測(cè)，無需人工獲取，效率和準(zhǔn)確性都得到提升。

如圖11所示，在一個(gè)實(shí)施例中，交通標(biāo)志檢測(cè)裝置1000還包括：剪裁模塊1005，用于根據(jù)交通標(biāo)志在預(yù)獲取街景圖像中的出現(xiàn)位置的統(tǒng)計(jì)信息，對(duì)街景圖像進(jìn)行裁剪。

具體地，預(yù)獲取街景圖像是指預(yù)先獲取的街景圖像，通過對(duì)預(yù)獲取街景圖像中交通標(biāo)志的出現(xiàn)位置進(jìn)行統(tǒng)計(jì)獲得相應(yīng)的統(tǒng)計(jì)信息。該統(tǒng)計(jì)信息可以反映出交通標(biāo)志不會(huì)出現(xiàn)在街景圖像的哪些位置，或者可能會(huì)出現(xiàn)在街景圖像的哪些位置。

比如，通常街景圖像會(huì)包括天空的圖像和道路的圖像，天空的圖像通常位于街景圖像的上部區(qū)域，道路的圖像則位于街景圖像的下部區(qū)域，這些區(qū)域中不會(huì)出現(xiàn)交通標(biāo)志，可將這些區(qū)域裁剪掉。

本實(shí)施例中，根據(jù)交通標(biāo)志在預(yù)獲取街景圖像中的出現(xiàn)位置的統(tǒng)計(jì)信息來對(duì)街景圖像進(jìn)行裁剪，可以在流程前端直接摒棄掉不可能出現(xiàn)交通標(biāo)志的區(qū)域，從而提高后續(xù)處理的效率。

在一個(gè)實(shí)施例中，候選區(qū)域獲取模塊1002還用于將街景圖像中與交通標(biāo)志中的標(biāo)志性圖形的顏色取值范圍匹配的像素值置為前景色值，將與該顏色取值范圍不匹配的像素值置為背景色值，獲得二值化圖像。然后對(duì)該二值化圖像進(jìn)行連通域查找，從而獲得由前景色值的像素構(gòu)成的連通域，可將連通域?qū)?yīng)到原始的背景圖像中的像素作為候選區(qū)域。

其中前景色值可為0，視覺上表現(xiàn)為黑色；背景色值可為255，視覺上表現(xiàn)為白色。候選區(qū)域與顏色取值范圍匹配，是指在街景圖像中該候選區(qū)域?qū)?yīng)的像素值在該顏色取值范圍內(nèi)。

連通域是指圖像中具有相同像素值且位置相鄰的前景像素點(diǎn)組成的圖像區(qū)域。連通域查找是將圖像中的連通域找出并標(biāo)記的過程，也稱為連通域分析。連通域查找可采用Two-Pass(兩遍掃描)算法和Seed Filling(種子填充)算法。

在一個(gè)實(shí)施例中，候選區(qū)域獲取模塊1002還用于從街景圖像中獲取與交通標(biāo)志中的標(biāo)志性圖形的一種組成顏色的預(yù)設(shè)顏色取值范圍匹配的候選區(qū)域。該一種組成顏色可取標(biāo)志性圖形中面積占比最大的顏色。比如交通標(biāo)志為區(qū)間測(cè)速標(biāo)志時(shí)，顏色取值范圍可為攝像頭圖像的顏色即為綠色。通過一種組成顏色的顏色取值范圍來獲取候選區(qū)域，可以提高效率并保留邊緣信息。

在一個(gè)實(shí)施例中，候選區(qū)域獲取模塊1002還用于從街景圖像中獲取與交通標(biāo)志中的標(biāo)志性圖形的一種組成顏色的多組預(yù)設(shè)顏色取值范圍中的至少一組匹配的候選區(qū)域。

具體地，考慮到室外光照條件差異較大，顏色取值范圍變化也較大，這里預(yù)先為一種組成顏色設(shè)置多組預(yù)設(shè)顏色取值范圍，某區(qū)域只要命中其中一組預(yù)設(shè)顏色取值范圍就可以保留下作為候選區(qū)域，若不滿足任何一組預(yù)設(shè)顏色取值范圍就過濾掉該區(qū)域。

舉例說明，若交通標(biāo)志為區(qū)間測(cè)速標(biāo)志，標(biāo)志性圖形的一種組成顏色為綠色，則交通標(biāo)志中的標(biāo)志性圖形的一種組成顏色的多組預(yù)設(shè)顏色取值范圍具體可如以下所列：

第一組：50<H<100，S>55，75<V<160。

第二組：50<H<100，S>50，V<70。

第三組：60<H<90，S>35，170<V<220。

第四組：28<H<100，110<V<178。

第五組：20<H<110，130<S<230，30<V<60。

其中H、S和V分別表示色調(diào)顏色通道、飽和度顏色通道和亮度顏色通道下的像素值。

本實(shí)施例中，通過設(shè)置一種組成顏色的多組預(yù)設(shè)顏色取值范圍，可以確保顏色過濾步驟對(duì)交通標(biāo)志的檢測(cè)具有較高的召回率，防止漏檢。其中召回率又稱查全率，是檢測(cè)出的交通標(biāo)志的數(shù)量占實(shí)際存在的交通標(biāo)志的數(shù)量的比率。

在一個(gè)實(shí)施例中，預(yù)設(shè)區(qū)域特征包括：標(biāo)志性圖形所在區(qū)域的尺寸范圍、高寬比范圍、顏色聚類類別數(shù)以及梯度特征中的至少一種。

其中標(biāo)志性圖形所在區(qū)域的尺寸范圍是指標(biāo)志性圖形所在區(qū)域的外切矩形的寬度的范圍和高度的范圍。比如若交通標(biāo)志為區(qū)間測(cè)速標(biāo)志，且獲取的街景圖像尺寸為8192像素(寬)×4096像素(高)，則該區(qū)間測(cè)速標(biāo)志所在區(qū)域的尺寸范圍可為：14像素<height<231像素，10像素<width<600像素；其中height表示該區(qū)間測(cè)速標(biāo)志所在區(qū)域的高度，width表示該區(qū)間測(cè)速標(biāo)志所在區(qū)域的寬度。

高寬比范圍是指標(biāo)志性圖形所在區(qū)域的外切矩形的高度和寬度的比值的范圍。比如若交通標(biāo)志為區(qū)間測(cè)速標(biāo)志，則該區(qū)間測(cè)速標(biāo)志所在區(qū)域的高寬比范圍可為：1.0<height/width<5.2；其中height表示該區(qū)間測(cè)速標(biāo)志所在區(qū)域的高度，width表示該區(qū)間測(cè)速標(biāo)志所在區(qū)域的寬度。

顏色聚類類別數(shù)是指將標(biāo)志性圖形所在區(qū)域的像素值進(jìn)行聚類后所獲得的類別數(shù)量。聚類可采用K-means聚類算法，還可以采用K-modes以及其它聚類算法，不再一一列舉。

比如若交通標(biāo)志為區(qū)間測(cè)速標(biāo)志，則可采用K-means聚類算法，首先從獲取的候選區(qū)域中任意選擇K個(gè)像素作為初始聚類中心；而對(duì)于所剩下其它像素，則根據(jù)它們與這些聚類中心的像素值距離，分別將它們分配給距離最近的聚類中心所代表的聚類；然后再計(jì)算每個(gè)所獲新聚類的聚類中心；不斷重復(fù)這一過程直到標(biāo)準(zhǔn)測(cè)度函數(shù)開始收斂為止。若最終能夠聚類為兩類，則保留相應(yīng)的候選區(qū)域；若最終不能夠聚類為兩類，則將相應(yīng)的候選區(qū)域過濾掉。其中像素值距離可采用歐式距離計(jì)算。標(biāo)準(zhǔn)測(cè)度函數(shù)可取均方差。

若把圖像看成二維離散函數(shù)，該圖像的梯度為這個(gè)二維離散函數(shù)的求導(dǎo)，梯度可以反映出圖像的邊緣，梯度特征可以反映出圖像中邊緣特征。比如若交通標(biāo)志為區(qū)間測(cè)速標(biāo)志，由于交通標(biāo)志包括大量綠色區(qū)域，與綠色樹葉容易混淆。但交通標(biāo)志的標(biāo)志性圖形中邊緣是規(guī)則的、數(shù)量較少的，而樹葉的邊緣則是雜亂的、數(shù)量較多的，這樣通過能夠反映變換變化的梯度特征就可以將標(biāo)志性圖形和樹葉區(qū)分開。

上述實(shí)施例中，可以從區(qū)域尺寸、高寬比、顏色類別以及梯度特征的多個(gè)維度對(duì)獲取的候選區(qū)域進(jìn)行過濾，過濾掉明顯不符合預(yù)設(shè)區(qū)域特征的候選區(qū)域，保留可能存在標(biāo)志性圖形的候選區(qū)域，便于提高后續(xù)通過分類器進(jìn)行判別的效率。而且通過多個(gè)維度的預(yù)設(shè)區(qū)域特征的組合，可以使得后續(xù)通過分類器進(jìn)行判別的效率得到進(jìn)一步提升。

在一個(gè)實(shí)施例中，街景圖像獲取模塊1001還用于獲取水平360度全景街景圖像。

剪裁模塊1005還用于根據(jù)交通標(biāo)志在預(yù)獲取水平360度全景街景圖像中的出現(xiàn)位置的統(tǒng)計(jì)信息，對(duì)水平360度全景街景圖像進(jìn)行裁剪。

候選區(qū)域獲取模塊1002還用于在HSV顏色模型下，從所述街景圖像中獲取與交通標(biāo)志中的標(biāo)志性圖形的綠色的多組預(yù)設(shè)顏色取值范圍中的至少一組匹配的候選區(qū)域。候選區(qū)域獲取模塊1002具體用于在HSV顏色模型下，檢測(cè)水平360度全景街景圖像各顏色通道中各像素值是否與交通標(biāo)志中的標(biāo)志性圖形的綠色的多組預(yù)設(shè)顏色取值范圍中的至少一組匹配。將水平360度全景街景圖像中檢測(cè)為匹配的像素值置為前景色值，將水平360度全景街景圖像中檢測(cè)為不匹配的像素值置為背景色值，獲得二值化圖像。對(duì)二值化圖像進(jìn)行連通域查找，將查找到的連通域作為候選區(qū)域。

候選區(qū)域篩選模塊1003還用于從候選區(qū)域中過濾掉不符合標(biāo)志性圖形所在區(qū)域的尺寸范圍、高寬比范圍、顏色聚類類別數(shù)以及梯度特征的候選區(qū)域。

判別模塊1004還用于將過濾后保留的候選區(qū)域提取HOG特征后，將提取的HOG特征通過用于判別是否屬于標(biāo)志性圖形類的支持向量機(jī)進(jìn)行判別，以獲得交通標(biāo)志檢測(cè)結(jié)果。

本領(lǐng)域普通技術(shù)人員可以理解實(shí)現(xiàn)上述實(shí)施例方法中的全部或部分流程，是可以通過計(jì)算機(jī)程序來指令相關(guān)的硬件來完成，所述的程序可存儲(chǔ)于一計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中，該程序在執(zhí)行時(shí)，可包括如上述各方法的實(shí)施例的流程。其中，所述的存儲(chǔ)介質(zhì)可為磁碟、光盤、只讀存儲(chǔ)記憶體(Read-Only Memory，ROM)等非易失性存儲(chǔ)介質(zhì)，或隨機(jī)存儲(chǔ)記憶體(Random Access Memory，RAM) 等。

以上所述實(shí)施例的各技術(shù)特征可以進(jìn)行任意的組合，為使描述簡潔，未對(duì)上述實(shí)施例中的各個(gè)技術(shù)特征所有可能的組合都進(jìn)行描述，然而，只要這些技術(shù)特征的組合不存在矛盾，都應(yīng)當(dāng)認(rèn)為是本說明書記載的范圍。

以上所述實(shí)施例僅表達(dá)了本發(fā)明的幾種實(shí)施方式，其描述較為具體和詳細(xì)，但并不能因此而理解為對(duì)發(fā)明專利范圍的限制。應(yīng)當(dāng)指出的是，對(duì)于本領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進(jìn)，這些都屬于本發(fā)明的保護(hù)范圍。因此，本發(fā)明專利的保護(hù)范圍應(yīng)以所附權(quán)利要求為準(zhǔn)。