[发明专利]基于结构森林和PCANet的标志物检测与识别方法

摘要

本发明属于自动目标识别技术领域，公开了一种基于结构森林和PCANet的标志物检测与识别方法，首先基于结构森林对路面标志物的边缘结构进行检测；然后，针对场景中的辅助线和典型标志物，采用基于骨架提取的动态聚类算法提取辅助线及角点特征区域，通过基于图像增强处理的最大稳定极值区域特征检测算法确定典型标志物的候选区域；最后，采用PCANet结构对候选区域进行标志物识别。本发明对于边缘结构特征不明显的标志物，进行了结构化的映射，并采用动态聚类和增强后的MSER特征进行提取，用于PCANet的识别。本发明能够克服标志物对比不明显、训练数据集较小的难题，为驾驶人员实时提供辅助信息具有重要意义。

主权项

1.一种基于结构森林和PCANet的标志物检测与识别方法，其特征在于，所述基于结构森林和PCANet的标志物检测与识别方法包括以下步骤：第一步，图像预处理；获取视频图像序列，结合摄像机的内部参数，对图像进行畸变校正；采用基于结构森林的边缘检测算法，得到图像边缘结构的映射图；第二步，候选区域的提取；对于辅助线及角点区域提取，根据获取的边缘结构映射图像的基础上，通过基于骨架提取的动态聚类算法，采用K3M顺序迭代的方法提取辅助线的骨架，并在Hough空间对直线进行聚类分析，若直线判断为某一类直线簇的内点，则在现有直线簇的类别中进行更新；若直线判断为直线簇的外点，则同时更新直线簇的类别和数量，利用最小二乘算法拟合辅助线，并求解直线间交点作为角点区域；对于典型标志物区域提取，为了增强标志物区域和背景之间的边缘结构差异，根据公式对边缘结构映射图像中的背景与标志物的边缘结构进行增强处理；采用MSER特征检测器，对图像中的最大稳定极值区域进行提取，若满足设置的条件，则作为标志物的候选区；否则，作为干扰区域，删除该区域；对边缘结构映射图像中的背景与标志物的边缘结构进行增强处理的公式为：I_bd＝I_gray‑I_edge；I_db＝(1‑I_edge)‑I_gray；式中，I_gray为输入图像的灰度图，I_bd为对图像中亮度高于其它图像区域的边缘进行增强的结果，I_db为对图像中亮度低于其它图像区域边缘进行增强的结果；第三步，标志物的识别；根据生成的角点及标志物候选区域，分别计算候选区域的二值化哈希编码，得到扩展直方图特征；采用预训练的PCANet结构的分类器进行分类识别。