針對大多數(shù)交通標(biāo)志檢測方法易受光照和天氣影響的問題,提出一種基于紅外與可見光融合的交通標(biāo)志檢測方法。首先,分別在紅外與可見光圖像中提取交通標(biāo)志的形狀和顏色特征,對目標(biāo)進(jìn)行粗定位,并將結(jié)果放入候選組內(nèi)進(jìn)行分類與整理;然后,將候選組放入卷積神經(jīng)網(wǎng)絡(luò),對粗定位結(jié)果賦予相應(yīng)的置信度;最后,根據(jù)置信度對紅外與可見光的粗定位結(jié)果進(jìn)行決策融合,并將融合結(jié)果展示在可見光圖像中。實(shí)驗(yàn)結(jié)果表明,該算法對檢測環(huán)境的變化更加魯棒,在白天、夜晚和不良天氣等多種環(huán)境下有效地提高了檢測效率,具有良好的適用范圍。 

【文章來源】：現(xiàn)代電子技術(shù). 2020,43(03)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

算法流程

在Sobel算子檢測效果圖中，部分輪廓特征不完整容易導(dǎo)致漏檢，而Scharr濾波器對邊緣特征的檢測效果足以滿足后續(xù)的形狀特征提取，效果對比如圖2所示。將Scharr濾波器處理后的邊緣特征圖像針對圓形、三角形、矩形進(jìn)行形狀檢測，并使用矩形框?qū)π螤顧z測結(jié)果進(jìn)行標(biāo)注。同時(shí)，通過設(shè)定檢測框周長的閾值過濾較小的干擾物，從而完成紅外圖像下的交通標(biāo)志粗定位。

RGB空間的R,G,B分量間存在復(fù)雜的聯(lián)系且易受光照變化的影響。而交通標(biāo)志大多數(shù)設(shè)立于戶外，同一顏色的標(biāo)志在不同光照下有較大差別，如圖3所示。由于HSI顏色空間中的色調(diào)（Hue）和飽和度（Saturation）分量獨(dú)立于亮度（Intensity）分量，能夠較好地排除光照和天氣對顏色分割的干擾，因此本文將圖像由RGB顏色空間轉(zhuǎn)換到HSI顏色空間進(jìn)行顏色特征的提取。為了使顏色特征模型能夠適應(yīng)更加復(fù)雜的背景環(huán)境，采集并建立了不同環(huán)境中紅、黃、藍(lán)三種顏色的交通標(biāo)志庫，分別對三種顏色的色調(diào)H和飽和度S標(biāo)準(zhǔn)化至[0,1]進(jìn)行統(tǒng)計(jì)，如圖4所示。

【參考文獻(xiàn)】：
期刊論文
[1]基于非下采樣輪廓波變換和直覺模糊集的紅外與可見光圖像融合[J]. 蔡懷宇,卓勵(lì)然,朱攀,黃戰(zhàn)華,武曉宇.  光子學(xué)報(bào). 2018(06)
[2]自動(dòng)駕駛場景下小且密集的交通標(biāo)志檢測[J]. 葛園園,許有疆,趙帥,韓亞洪.  智能系統(tǒng)學(xué)報(bào). 2018(03)
[3]一種基于稀疏表示的可見光與紅外圖像融合方法[J]. 張生偉,李偉,趙雪景.  電光與控制. 2017(06)
[4]基于圖模型與卷積神經(jīng)網(wǎng)絡(luò)的交通標(biāo)志識(shí)別方法[J]. 劉占文,趙祥模,李強(qiáng),沈超,王姣姣.  交通運(yùn)輸工程學(xué)報(bào). 2016(05)
[5]自然場景下三角形交通標(biāo)志的檢測與識(shí)別[J]. 賈永紅,胡志雄,周明婷,姬偉軍.  應(yīng)用科學(xué)學(xué)報(bào). 2014(04)
[6]基于高斯顏色模型和SVM的交通標(biāo)志檢測[J]. 常發(fā)亮,黃翠,劉成云,趙永國,馬傳峰.  儀器儀表學(xué)報(bào). 2014(01)



本文編號(hào)：2998704