[发明专利]车辆和交通标志检测方法

说明书

本发明公开了一种车辆和交通标志检测方法，所述方法包括以下步骤：获取车载摄像头采集的图像，并将图像转换为灰度图；对灰度图进行预处理以获取感兴趣区域，并对感兴趣区域进行多次缩放处理；对每次缩放处理后的感兴趣区域进行HOG特征计算和分类，以获得多个含有交通标志的目标区域矩形数组；根据每个目标区域矩形数组中的矩形坐标对所有目标区域矩形数组进行重叠度筛选，以获得交通标志检测结果。本发明的检测方法，能够对输入图像进行多级缩放，并对每一级缩放图像进行HOG特征计算和分类，以获得交通标志检测结果，从而提高检测精度，减少漏检几率。

技术领域

本发明涉及车辆智能驾驶技术领域，特别涉及一种交通标志检测方法和一种车辆。

背景技术

交通标志检测与识别属于车辆智能驾驶领域的重要内容，其过程可分为检测阶段和识别阶段。

相关技术中提出了一种检测方法，将级联分类器结合大量正负样本进行训练，以实现交通标志的检测定位。但是，上述技术需要进行Haar特征、HOG(Histogram ofOriented Gradient，方向梯度直方图)特征等多种特征计算，中间涉及积分图、梯度计算，运算复杂度高，导致算法的实时性较差，并且Haar特征对边缘、线段等较敏感，不适用于检测交通标志。

相关技术中还提出了一种基于颜色分割的交通标志检测方法，通过对图像进行RGB空间的颜色分割，得到红黄蓝三种颜色分割图像，并对分割后的图像进行形态学处理得到交通标志的轮廓等处理，以对交通标志进行检测。但是，上述技术在检测过程中，依赖于交通标志的颜色特征，在实际路况中，由于天气，光照，亮度或掉色等条件限制，导致交通标志的颜色失真，无法准确根据颜色特征分割出交通标志轮廓，从而导致检测的失效。

发明内容

本发明旨在至少从一定程度上解决上述技术中的技术问题之一。为此，本发明的第一个目的在于提出一种交通标志检测方法，能够对输入图像进行多级缩放，并对每一级缩放图像进行HOG特征计算和分类，以获得交通标志检测结果，从而提高检测精度，减少漏检几率。

本发明的第二个目的在于提出一种非临时性计算机可读存储介质。

本发明的第三个目的在于提出一种车辆。

为达到上述目的，本发明第一方面实施例提出的一种交通标志检测方法，包括以下步骤：获取车载摄像头采集的图像，并将所述图像转换为灰度图；对所述灰度图进行预处理以获取感兴趣区域，并对所述感兴趣区域进行多次缩放处理；对每次缩放处理后的感兴趣区域进行HOG特征计算和分类，以获得多个含有交通标志的目标区域矩形数组；根据每个目标区域矩形数组中的矩形坐标对所有目标区域矩形数组进行重叠度筛选，以获得交通标志检测结果。

根据本发明实施例的交通标志检测方法，获取车载摄像头采集的图像，并将图像转换为灰度图，对灰度图进行预处理以获取感兴趣区域，并对感兴趣区域进行多次缩放处理，对每次缩放处理后的感兴趣区域进行HOG特征计算和分类，以获得多个含有交通标志的目标区域矩形数组，根据每个目标区域矩形数组中的矩形坐标对所有目标区域矩形数组进行重叠度筛选，以获得交通标志检测结果。由此，该方法能够对输入图像进行多级缩放，并对每一级缩放图像进行HOG特征计算和分类，以获得交通标志检测结果，从而提高检测精度，减少漏检几率。

另外，根据本发明上述实施例提出的交通标志检测方法还可以具有如下附加的技术特征：

根据本发明的一个实施例，所述图像中含有交通标志。

根据本发明的一个实施例，对所述感兴趣区域依次进行缩放处理，且每次缩放处理的比例相同。

根据本发明的一个实施例，对每次缩放处理后的感兴趣区域进行HOG特征计算和分类，包括：获取检测窗口、检测块、检测单元和检测直方图通道数；根据所述检测窗口、所述检测块、检测单元和检测直方图通道数对每次缩放处理后的感兴趣区域进行HOG特征计算，并利用训练得到的交通标志分类器进行分类。