摘  要： 研究了道路交通標志檢測分類問題，針對顏色定位檢測交通標志的缺陷，提出了一種基于形狀邊緣定位和顏色判別的交通標志檢測分類方法。首先將原圖像從RGB色彩空間轉(zhuǎn)換到HSV，在飽和度S通道上用Canny算子檢測邊緣，計算邊緣的形狀參數(shù)（圓形度、矩形度以及推廣得到的正三角形度）以判定邊緣形狀，定位出標志的位置；然后采用修正的HSV色彩空間分割模型判別標志顏色以進行分類，分類過程中篩除了非標志區(qū)域。實驗證明，該方法具有良好的檢測分類效果。
關鍵詞： HSV色彩空間；飽和度；Canny算子邊緣檢測；分割模型；分類

　交通標志是道路交通系統(tǒng)中不可缺少的一部分，它提供指示、警告和禁令等信息，起到了引導提示駕駛員操作、保障交通安全的重要作用。交通標志的檢測是一個非常重要的研究課題，受到政府有關部門和汽車公司的關注。交通標志的檢測分類包含必要的預處理、交通標志圖像的分割、交通標志的定位及分類等步驟，是交通標志正確識別的前提。
　交通標志檢測的難點在于如何準確地在實景交通圖像中定位出標志。實景交通圖像背景復雜，標志會受到光線、拍攝角度以及人為破壞等因素的影響，增加了檢測的難度。目前，關于交通標志檢測技術的研究很多，常見的方法是分別基于RGB、HSV和YIQ色彩空間的分割模型定位交通標志[1-3]。基于顏色的定位檢測會因為閾值的設定而影響定位結(jié)果，在背景多變、復雜（如標志周圍有相近色彩的物體和光線較暗）的情況下，定位結(jié)果會受到較大干擾。
　另外，交通標志的定位還有基于邊緣的方法[4-5]。相對于顏色定位的方法，基于邊緣的方法不需要設定閾值，面對多變的環(huán)境顯得更為靈活。
　交通標志類別與其顏色及幾何形狀之間具有唯一的確定性關系。本文針對交通標志的形狀和顏色兩個特征，提出了一種基于形狀邊緣定位檢測和顏色判別分類的交通標志檢測分類方法。該方法在飽和度S通道檢測標志邊緣，通過邊緣的形狀參數(shù)判定標志的幾何形狀，定位出標志；采用修正的HSV色彩空間分割模型判別標志顏色以進行標志分類，分類過程中篩除了非標志區(qū)域。
1 交通標志檢測
1.1 交通標志檢測分類流程
　我國道路交通標志的顏色和幾何特征顯著，以圓形、三角形和矩形作為基本形狀，以紅色、黃色和藍色作為基本顏色，交通標志類別與其幾何形狀及顏色之間具有唯一的確定性關系。因此，在檢測過程中可將我國道路交通標志按照形狀分成3類，再按照基本顏色劃分成6類。圖1為交通標志檢測分類的流程圖。

　本文結(jié)合中國道路交通標志的形狀和顏色特征，提出了一種適合于自然場景下的交通標志檢測方法。該方法能檢測出一定程度上變形、破損和褪色的標志。
參考文獻
[1] 孫光民，王晶，于光宇，等.自然背景中交通標志的檢測和識別[J].北京工業(yè)大學學報，2010，36（10）：1337-1343.
[2] 高向東，劉紅，楊大鵬.交通標志的智能檢測方法研究[J].中外公路，2011，31（2）：260-263.
[3] 盧盛榮，劉禮鋒，李翠華.基于顏色分割和多特征融合的交通標志檢測[J].廈門大學學報（自然科學版），2011，50（4）：685-689.
[4] 張靜，何明一，戴玉超，等.結(jié)合顏色和形狀的圓形交通標志檢測方法[J].計算機工程與應用，2011，47（2）：233-241.
[5] 王永平，史美萍，吳濤.快速魯棒的交通標志檢測方法[J].計算機工程與應用，2010，46（32）：163-166.
[6] CANNY J. A computational approach to edge detection[J].IEEE Transactions on Pattern Analysis and Machine Intelligence， 1986，8（6）：679-698.
[7] 林川，潘盛輝，譚光興，等.基于聚類與鏈碼技術的交通標志檢測[J].計算機測量與控制，2011，19（6）：1341-1344.
[8] 陳維馨，李翠華，汪哲慎.基于顏色和形狀的道路交通標志檢測[J].廈門大學學報（自然科學版），2008，48（5）：635-640.