[发明专利]基于DS证据理论的多摄像头融合的路面交通标志识别方法

摘要

本发明涉及一种基于DS证据理论的多摄像头融合的路面交通标志识别方法，属于图像处理技术领域。该方法主要针对直行、左转、右转、直行左转、直行右转这五类路面交通指示标志进行识别，分为训练和测试两部分。在训练阶段，提取训练样本的方向梯度直方图特征，将样本特征和类别标签导入支持向量机中进行分类训练，得到训练好的分类器；在测试阶段，通过图像预处理得到感兴趣区域，提取感兴趣区域的方向梯度直方图特征并送入分类器中进行分类，根据分类器获取的待识别标志属于每个类别的可信度，结合DS证据理论数据融合方法和最大信任值决策规则，确定最终标志识别结果。本发明采用基于DS证据理论的多摄像头数据融合方法，融合多摄像头的信息得到最终识别结果，能够稳定、高效地识别路面交通标志。

主权项

1.一种基于DS证据理论的多摄像头融合的路面交通标志识别方法，其特征在于：该方法包括以下步骤：步骤1：将训练集图像分为直行、左转、右转、直行左转、直行右转和不含有指示标志的负样本共六类，并对每张图像进行类别标注；步骤2：提取样本图像的方向梯度直方图特征，即HOG特征；将样本图像的HOG特征和类别标签导入支持向量机SVM中进行样本训练学习，得到训练好的分类器；步骤3：获取智能车上多个车载摄像头拍摄的车辆前方图像，选取每张图像的下半部分作为待处理图像；将待处理图像转化为灰度图，并进行中值滤波；使用hough变换和直线拟合检测本车道的车道线，将两条车道线之间的区域作为初步感兴趣区域；步骤4：对车道线间的初步感兴趣区域进行二值化处理，并用形态学开闭运算进行形态学滤波，再对二值图像进行边缘检测；对边缘检测图像中面积最大的闭和轮廓区域进行填充，得到可能包含路面交通标志的感兴趣区域；步骤5：在原图像上提取上述感兴趣区域的方向梯度直方图特征，将提取的特征送入已训练好的支持向量机分类器中进行分类，获得感兴趣区域的识别结果；步骤6：根据支持向量机分类器计算得到的每张图像中待识别标志属于每个类别的概率，结合DS证据理论数据融合方法以及最大信任值决策规则，确定最终识别结果；所述步骤4具体包括：步骤41：对图像的二值化处理采用最大类间方差法OTSU，最大类间方差法的阈值计算公式为：式中，T为前景和背景的分割阈值，G(T)为前景与背景的类间方差，p₁、p₂分别为前景和背景像素所占的比例，u₁，u₂分别为前景和背景区域平均灰度，u为整个初步感兴趣区域的平均灰度，当T使得类间方差最大时，此时的T为最终分割阈值；步骤42：对二值图像进行形态学滤波操作，用来消除小物体，平滑较大区域的边界并填充目标内部的细小空洞，连接邻近区域；步骤43：对二值图像进行Canny边缘检测，得到初步感兴趣区域的边缘检测图像；Canny算法采用的是双阈值方法实现边缘提取，其中两个阈值分别为h₁和h₂，边缘检测将上述OTSU算法求得的分割阈值T的值作为Canny边缘检测的高阈值h₂，低阈值h₁取值为：h₁＝0.5h₂；步骤44：计算边缘检测图像中所有闭合轮廓的面积，对面积最大的闭和轮廓区域进行填充；设上述最大轮廓的外接矩形的高和宽分别为h，w，将该外接矩形上下各扩展其高的1/6，即h/6，向左右各扩展其宽的1/6，即w/6，通过上述处理所得到的矩形区域，就是该图像的感兴趣区域。