[发明专利]一种鲁棒的限速交通标志检测与识别方法

摘要

本发明公开了一种鲁棒的限速交通标志检测与识别方法，首先建立多特征融合的显著性模型，再通过对每一层的多特征融合显著性模型进行更新与迭代，得到层次显著性度图；然后对多层显著度图进行求解，得到最优显著度图，并在最优显著图上获得ROI，将获得的ROI送入基于超像素预训练好的CNN模型中，对ROI进行分类，给出识别结果；本发明算法基于先验位置与边界特征的显著性模型能够更好地突出两侧的交通标志，通过多层次融合后的显著度图有效地利用了图像的结构信息，且保留了圆形标志内的诸多小尺度细节信息，使目标更完整均匀，有利于提高识别的效率与精度。

主权项

1.一种鲁棒的限速交通标志检测与识别方法，步骤一：使用过分割方法，对原始图像进行超像素分割，由原始图像分割后的超像素图映射得到无向权图；其特征在于，还包括以下步骤：步骤二：根据步骤一得到的无向权图，利用目标的先验位置约束特征与局部特征，建立多特征融合的显著性模型，其中，局部特征包括颜色特征和边界特征；具体包括：步骤2.1：假设x_i为超像素区域R_i的像素，计算超像素区域R_i内x_i像素的数量，记为N(x_i)；假设先验位置为x_c，设定位置先验概率p_c及加权值λ，λ一般取0.1～0.2，计算显著性的贡献度，公式如下：步骤2.2：设Ω_i为超像素区域R_i的邻域，计算R_i与Ω_i内相邻超像素区域R_j的边界强度B(R_i,R_j)，对边界强度求和，记为计算超像素区域R_i的邻域Ω_i内超像素区域R_j的数量N(R_j)；分别计算超像素区域R_i，R_j的颜色均值C_i，C_j；最后，计算每个超像素邻域对比度N_i，作为无向权图中每个顶点的显著度值，计算公式如下：步骤2.3：基于步骤2.1得到的先验位置的约束函数和步骤2.2得到的邻域对比度，建立多特征融合的显著性模型：s_i＝L_i*N_i；步骤三，基于步骤二得到的多特征融合的显著性模型，建立多层显著度图中第一层顶点的合并规则函数，通过对多层显著度图中每一层的多特征融合的显著性模型进行更新与迭代，得到多层显著度图；步骤四，对多层显著度图进行求解，得到最优显著度图，在最优显著度图上获得ROI图像；步骤五：选取部分训练样本对CNN模型进行训练，得到训练好的CNN模型；步骤六：使用训练好的CNN模型对步骤四获得的ROI图像进行识别。