一种限速标识的识别方法和装置的制造方法
【专利摘要】本发明提出一种限速标识的识别方法和装置，方法包括：获取一帧图像，所述图像为通过摄像装置拍摄的路况的图像；对所述图像的有效部分进行截取，截取后的图像为待识别图像，对所述待识别图像中的物体进行边缘提取，获得包含所述物体的边缘图形的边缘图像，根据所述边缘图形判断所述物体是否为交通标识；若判断所述物体为所述交通标识，且若判断所述交通标识为所述限速标识，则从所述边缘图像中将所述限速标识的边缘图形分割出来，形成限速标识图像，根据所述限速标识的边缘图形对所述限速标识图像进行去干扰处理；对去干扰处理后的所述限速标识图像中的边缘图形内部的数字进行识别。本发明使对限速标识的识别率提高。
【专利说明】
一种限速标识的识别方法和装置[0001]
技术领域
[0002]本发明涉及图像识别领域，尤其涉及一种限速标识的识别方法和装置。
[0003]【背景技术】
[0004]司机在驾驶车辆过程中，有时由于注意力比较集中，会忽略路边的限速标识，从而导致超速或者车辆速度与道路不匹配;或者由于车速较快，没看清路边的限速标识，导致超速。
[0005]现有技术中提供了很多提示车速的方法，如通过车辆定位或者图像识别限速标识，相对来说，通过图像识别限速标识的方法提供的车速限制提示的准确率更高一些，但是目前图像识别限速标识的方法中，还存在因为光线、遮挡物等问题而导致识别率不高的问题。
[0006]因此，有必要改进上面提到的缺陷。
[0007]
【发明内容】
[0008]基于以上问题，本发明提出一种限速标识的识别方法，通过获取摄像装置拍摄的路况的图像，对图像的有效部分进行截取，使截取后的图像为待识别图像，对待识别图像中的物体进行边缘提取，获得包含物体的边缘图形的边缘图像，根据边缘图形判断物体是否为交通标识，若判断物体为交通标识，且若判断交通标识为限速标识，则从边缘图像中将限速标识的边缘图形分割出来，形成限速标识图像，根据限速标识的边缘图形对限速标识图像进行去干扰处理，对去干扰处理后的限速标识图像中的边缘图形内部的数字进行识别， 识别出的数字为限速标识对应的限速数字的方式，使对限速标识的识别率提高。
[0009]—方面，本发明提出一种限速标识的识别方法，包括:获取图像步骤，包括:获取一帧图像，所述图像为通过摄像装置拍摄的路况的图像； 判断交通标识步骤，包括:对所述图像的有效部分进行截取，截取后的图像为待识别图像，对所述待识别图像中的物体进行边缘提取，获得包含所述物体的边缘图形的边缘图像， 根据所述边缘图形判断所述物体是否为交通标识，所述待识别图像中至少包含一个所述物体；判断限速标识步骤，包括:若判断所述物体为所述交通标识，且若判断所述交通标识为所述限速标识，则从所述边缘图像中将所述限速标识的边缘图形分割出来，形成限速标识图像，根据所述限速标识的边缘图形对所述限速标识图像进行去干扰处理；识别步骤，包括:对去干扰处理后的所述限速标识图像中的边缘图形内部的数字进行识别，识别出的数字为所述限速标识对应的限速数字。
[0010]此外，所述判断交通标识步骤中所述对所述图像的有效部分进行截取具体包括:所述图像中消失线以上的图像为所述图像的有效部分，对消失线以上的图像进行截取。
[0011]此外，所述判断交通标识步骤中所述根据所述边缘图形判断所述物体是否为交通标识具体包括:根据所述边缘图形所围成区域的大小、区域的形状和/或区域的宽高比判断所述物体是否为所述交通标识。
[0012]此外，所述判断限速标识步骤中所述若判断所述交通标识为所述限速标识具体包括:对所述交通标识的边缘图形向外扩展像素，采用支持向量机的方法对向外扩展像素后的所述边缘图形进行识别，若识别出所述边缘图形为所述限速标识，则所述交通标识为所述限速标识。
[0013]此外，所述对所述交通标识的边缘图形向外扩展像素具体包括:对所述交通标识的边缘图形向外扩展1至5个像素。
[0014]此外，所述判断限速标识步骤中所述根据所述限速标识的边缘图形对所述限速标识图像进行去干扰处理具体包括:所述限速标识的边缘图形为圆形，计算所述圆形的半径， 确定所述圆形的圆心，将所述限速标识图像中，由圆心与半径组成的圆以外的图像去掉。
[0015]此外，所述识别步骤具体包括:对所述限速标识图像去干扰处理后的图像为待阈值处理图像，对所述待阈值处理图像进行直方图的数值统计，根据数值统计中的最大值与最小值计算阈值，利用所述阈值对所述待阈值处理图像进行阈值处理，得到所述限速标识的二值化图像，对所述二值化图像进行数字识别，得到所述限速标识对应的所述限速数字。
[0016]此外，还包括提示步骤，包括:通过语音播报的方式和/或通过显示的方式对所述限速数字进行提示。
[0017]此外，所述获取图像步骤中所述摄像装置安装在其所在车辆的前挡风玻璃上。
[0018]另一方面，本发明提出一种限速标识的识别装置，包括:获取图像模块，用于:获取一帧图像，所述图像为通过摄像装置拍摄的路况的图像； 判断交通标识模块，用于:对所述图像的有效部分进行截取，截取后的图像为待识别图像，对所述待识别图像中的物体进行边缘提取，获得包含所述物体的边缘图形的边缘图像， 根据所述边缘图形判断所述物体是否为交通标识，所述待识别图像中至少包含一个所述物体；判断限速标识模块，用于:若判断所述物体为所述交通标识，且若判断所述交通标识为所述限速标识，则从所述边缘图像中将所述限速标识的边缘图形分割出来，形成所述限速标识图像，根据所述限速标识的边缘图形对所述限速标识图像进行去干扰处理；识别模块，用于:对去干扰处理后的所述限速标识图像中的边缘图形内部的数字进行识别，识别出的数字为限速标识对应的限速数字。
[0019]采用上述技术方案，具有以下有益效果:通过获取摄像装置拍摄的路况的图像，对图像的有效部分进行截取，使截取后的图像为待识别图像，对待识别图像中的物体进行边缘提取，获得包含物体的边缘图形的边缘图像，根据边缘图形判断物体是否为交通标识，若判断物体为交通标识，且若判断交通标识为限速标识，则从边缘图像中将限速标识的边缘图形分割出来，形成限速标识图像，根据限速标识的边缘图形对限速标识图像进行去干扰处理，对去干扰处理后的限速标识图像中的边缘图形内部的数字进行识别，识别出的数字为限速标识对应的限速数字的方式，使对限速标识的识别率提尚。
[0020]【附图说明】[0021 ]图1是根据本发明一个实施例的限速标识的识别方法的流程图；图2是根据本发明另一个实施例中摄像装置拍摄的图像的示意图；图3是根据本发明另一个实施例中对图像的消失线以上的图像进行截取后的图像的示意图；图4是根据本发明另一个实施例中对去掉四角后的限速标识图像的示意图；图5是根据本发明另一个实施例中对二值化图像的示意图；图6是根据本发明另一个实施例中对切分出的数字的示意图；图7是根据本发明另一个实施例中数字顶部出现残缺的情况的示意图；图8是根据本发明另一个实施例中数字中间部位出现残缺的情况的示意图；图9是根据本发明另一个实施例中数字间出现粘连的示意图；图10是根据本发明另一个实施例的限速标识的识别方法的流程图；图11是根据本发明另一个实施例的限速标识的识别装置的框图。
[0022]【具体实施方式】
[0023]为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0024]参照图1，本发明提出一种限速标识的识别方法，包括:获取图像步骤S001，包括:获取一帧图像，图像为通过摄像装置拍摄的路况的图像； 判断交通标识步骤S002,包括:对图像的有效部分进行截取，截取后的图像为待识别图像，对待识别图像中的物体进行边缘提取，获得包含物体的边缘图形的边缘图像，根据边缘图形判断物体是否为交通标识，待识别图像中至少包含一个物体；判断限速标识步骤S003,包括:若判断物体为交通标识，且若判断交通标识为限速标识，则从边缘图像中将限速标识的边缘图形分割出来，形成限速标识图像，根据限速标识的边缘图形对限速标识图像进行去干扰处理；识别步骤S004,包括:对去干扰处理后的限速标识图像中的边缘图形内部的数字进行识别，识别出的数字为限速标识对应的限速数字。[〇〇25]获取图像步骤S001中，获取一帧图像，一帧图像为从拍摄路况的连续录像中获取的一帧图像，或者为从拍摄路况的不连续的图像中获取的一张图像。拍摄装置为摄像头，在其中的一个实施例中，摄像头安装在车辆的前部的挡风玻璃上，在其中的一个实施例中，摄像头安装在车辆的前部的挡风玻璃的中间的位置。[〇〇26]判断交通标识步骤S002,当摄像头对车辆行驶方向前面的路况进行拍摄时，如果摄像头安装的为广角镜头，则会拍摄到消失线以下的图像，消失线是指:在焦点透视中变线延长至灭点之间的线段。图2为摄像装置拍摄到的图像，消失线以下的图像不包含路边的交通标识，所以不需要对这部分图像进行图像处理，需要将这部分图像去掉，只取消失线以上的图像作为后续图像处理的原图像。图3为对图像的消失线以上的图像进行截取后的图像， 截取后的图像为待识别图像。
[0027]而且因为对图像进行边缘提取时，若图像越大，其所需要消耗的时间就越长。在其中的一个实施例中，将从拍摄装置获取的一帧图像进行截取，截取后的图像为消失线与消失线以上50mm之间区域的图像。从而节省对图像的处理时间。[〇〇28] 对待识别图像先进行降噪处理，如采用高斯降噪处理。
[0029]对降噪后的待识别图像中的物体进行边缘提取，边缘提取的方法包括:Roberts Cross算子，Prewitt算子，Sobel算子，Kirsch算子，罗盘算子；Marr_Hildreth，Canny算子，Laplacian算子等。
[0030]Canny算子是常用的边缘检测方法，其特点是试图将独立边的候选像素拼装成轮廓。[〇〇31] John Canny于1986年提出Canny算子，它与Marr(LoG)边缘检测方法类似，也属于是先平滑后求导数的方法。[〇〇32] John Canny研究了最优边缘检测方法所需的特性，给出了评价边缘检测性能优劣的三个指标:第一，好的信噪比，即将非边缘点判定为边缘点的概率要低，将边缘点判为非边缘点的概率要低；第二，高的定位性能，即检测出的边缘点要尽可能在实际边缘的中心；第三，对单一边缘仅有唯一响应，即单个边缘产生多个响应的概率要低，并且虚假响应边缘应该得到最大抑制。
[0033]Canny算子希望在提高对景物边缘的敏感性的同时，可以抑制噪声的方法才是好的边缘提取方法。
[0034]在其中的一个实施例中，利用Canny算子求边缘点具体算法步骤如下:步骤S201，用高斯滤波器平滑图像。[〇〇35]步骤S202,用一阶偏导有限差分计算梯度幅值和方向。[〇〇36]步骤S203,对梯度幅值进行非极大值抑制。[〇〇37]步骤S204,用双阈值算法检测和连接边缘。[〇〇38] 在一些图像处理的函数库中，已经对各种边缘提取的方法进行了函数的实现和封装，以Canny算子为例，在OpenCV函数库中其对应的函数为cvCanny。
[0039]因为采用摄像装置拍摄路况时，拍摄的图像中通常会包含多个物体:如其它车辆、 路边的指示牌、行人或树木等，所以待识别图像中至少包含一个物体，通常包含两个以上的物体。
[0040]在判断交通标识步骤S002中，获得包含物体的边缘图形的边缘图像后，根据边缘图形判断物体是否为交通标识。
[0041]如根据边缘图形所围成区域的大小去判断、根据边缘图形所围成区域的形状去判断、或根据边缘图形所围成区域的宽高比去判断。如:预先设定区域的宽高比例在0.9 -1.2之间的数值，满足宽高比例在0.9 - 1.2之间的区域对应的边缘图形初步判定为交通标识。在其中的一个实施例中，使上述两种或三种方法结合去判断，判断的结果会更加准确。
[0042]初步判定为交通标识后，接下来对边缘图像进行识别，在其中的一个实施例中，采用支持向量机对边缘图形进行识别，将真正的交通标识识别出来。[0〇43] 在判断限速标识步骤S003中，当判断物体为交通标识时，则接下来判断该交通标识是否为限速标识。在其中的一个实施例中，对交通标识的边缘图形向外扩展像素，采用支持向量机的方法对向外扩展像素后的边缘图形进行识别，若识别出边缘图形为限速标识， 则交通标识为限速标识。因为支持向量机中采用的模板中交通标识的轮廓图形为外轮廓图像，而边缘图像中的边缘图形为物体的内轮廓，所以需要将物体的边缘图形的轮廓向外扩几个像素点，以使边缘图形为物体的外轮廓，从而与支持向量机中的模板中的交通标识的轮廓图形匹配，以提高识别率。在其中的一个实施例中，将物体的边缘图形的轮廓向外扩1-5个像素点。在其中的一个实施例中，将物体的边缘图形的轮廓向外扩3个像素点。
[0044]接下来判断交通标识是否为限速标识，先将限速标识从边缘图像中分割出来，形成限速标识图像。在其中的一个实施例中，将限速标识图像统一大小为50*50像素大小。
[0045]虽然限速标识只有圆形和两个数字，但是在实际拍摄的图像中，限速标识的周围可能存在树叶或其它的一些遮挡物，需要将这些遮挡物从限速标识图像中去掉，同时因为限速标识为圆形，所以也需要将限速标识图像的四角去掉。在其中的一个实施例中，计算圆形的半径，确定圆形的圆心，将限速标识图像中，由圆心与半径组成的圆以外的图像去掉。 这样就将原来限速标识图像的四角去掉了，完成了去干扰处理，图4为去掉四角后的限速标识图像。[〇〇46] 识别步骤S004中，对去干扰处理后的限速标识图像中的边缘图形内部的数字进行识别，识别出的数字为限速标识对应的限速数字。[〇〇47]对限速标识图像去干扰处理后的图像为待阈值处理图像，将待阈值处理图像中限速标识的圆去掉，然后对待阈值处理图像进行直方图的数值统计时，将阈值处理图像分为四个区域:左上、右上、左下和右下，对四个区域分别进行直方图的数值统计。寻找统计直方图里面最大的数值，寻找统计直方图里面最小的数值，用最大的数值*〇.5+最小的数值*0.5 计算出阈值。利用阈值对待阈值处理图像进行阈值处理，得到限速标识的二值化图像，图5 为二值化图像。对二值化图像，做垂直投影以及水平投影找到数字相应的位置，切分出数字，图6为切分出的数字，对切分出的数字，之后利用支持向量机训练的10类模型(0，1，2,3， 4，5，6，7，8，9)对数字识别，得到限速标识对应的限速数字。
[0048]在对数字进行识别时，有时会出现残缺的数字，针对数字出现残缺的情况，针对不同的情况做不同对应的处理，如图7所示的情况，需要将残缺的数字的高度与最高的数字的高度对齐进行补充。如图8所示的情况，数字的轮廓出现断裂，此时以数字的最高点和最低点为数字的高度。
[0049]现有技术中对阈值选取不当的情况下，会出现字符粘连的问题，如图9所示。而采用本实施例中的方法，将数字从原图中截取出来后，再使用阈值对限速标识进行二值化处理，则不会出现粘连的问题。
[0050]通过获取摄像装置拍摄的路况的图像，对图像的有效部分进行截取，使截取后的图像为待识别图像，对待识别图像中的物体进行边缘提取，获得包含物体的边缘图形的边缘图像，根据边缘图形判断物体是否为交通标识，若判断物体为交通标识，且若判断交通标识为限速标识，则从边缘图像中将限速标识的边缘图形分割出来，形成限速标识图像，根据限速标识的边缘图形对限速标识图像进行去干扰处理，对去干扰处理后的限速标识图像中的边缘图形内部的数字进行识别，识别出的数字为限速标识对应的限速数字的方式，使对限速标识的识别率提尚。[0051 ]在其中的一个实施例中，判断交通标识步骤中对图像的有效部分进行截取具体包括:图像中消失线以上的图像为图像的有效部分，对消失线以上的图像进行截取。消失线以下的图像不包含路边的交通标识，所以不需要对这部分图像进行图像处理，需要将这部分图像去掉，只取消失线以上的图像作为后续图像处理的原图像。而且因为对图像进行边缘提取时，若图像越大，其所需要消耗的时间就越长。在其中的一个实施例中，将从拍摄装置获取的一帧图像进行截取，截取后的图像为消失线与消失线以上50mm之间区域的图像。通过对消失线以上的图像进行截取，节省了对图像的处理时间。
[0052]在其中的一个实施例中，判断交通标识步骤中根据边缘图形判断物体是否为交通标识具体包括:根据边缘图形所围成区域的大小、区域的形状和/或区域的宽高比判断物体是否为交通标识。通过本实施例中的方法，对物体进行初步判断，从而节省了后续识别的时间，提尚了识别的效率。[〇〇53]在其中的一个实施例中，判断限速标识步骤中若判断交通标识为限速标识具体包括:对交通标识的边缘图形向外扩展像素，采用支持向量机的方法对向外扩展像素后的边缘图形进行识别，若识别出边缘图形为限速标识，则交通标识为限速标识。[〇〇54]在其中的一个实施例中，对交通标识的边缘图形向外扩展像素具体包括:对交通标识的边缘图形向外扩展1至5个像素。
[0055]因为支持向量机中采用的模板中交通标识的轮廓图形为外轮廓图像，而边缘图像中的边缘图形为物体的内轮廓，所以需要将物体的边缘图形的轮廓向外扩几个像素点，以使边缘图形为物体的外轮廓，从而与支持向量机中的模板中的交通标识的轮廓图形匹配， 以提高识别率。在其中的一个实施例中，将物体的边缘图形的轮廓向外扩1-5个像素点。在其中的一个实施例中，将物体的边缘图形的轮廓向外扩3个像素点。[〇〇56]在其中的一个实施例中，判断限速标识步骤中根据限速标识的边缘图形对限速标识图像进行去干扰处理具体包括:限速标识的边缘图形为圆形，计算圆形的半径，确定圆形的圆心，将限速标识图像中，由圆心与半径组成的圆以外的图像去掉。通过确定圆心和半径的方法，对限速标识图像进行了去四角和干扰的处理。
[0057]在其中的一个实施例中，识别步骤具体包括:对限速标识图像去干扰处理后的图像为待阈值处理图像，对待阈值处理图像进行直方图的数值统计，根据数值统计中的最大值与最小值计算阈值，利用阈值对待阈值处理图像进行阈值处理，得到限速标识的二值化图像，对二值化图像进行数字识别，得到限速标识对应的限速数字。寻找统计直方图里面最大的数值，寻找统计直方图里面最小的数值，用最大的数值*〇.5+最小的数值*0.5计算出阈值。利用该阈值对待阈值处理图像进行二值化，使待阈值处理图像中的数字不会出现粘连的情况。[〇〇58]在其中的一个实施例中，还包括提示步骤，包括:通过语音播报的方式和/或通过显示的方式对限速数字进行提示。将识别出的数字通过语音播报的方式对驾驶员进行提示，使驾驶员可以知道当前路段的限速值。利用该方法对限速标识进行识别后，对驾驶员进行限速提示的错误率降低。
[0059]在其中的一个实施例中，获取图像步骤中摄像装置安装在其所在车辆的前挡风玻璃上。将摄像装置安装在前挡风玻璃的中间位置，使摄像装置可以最大视角的进行拍摄，除了拍摄交通标识以外，还可以用作其它用途。
[0060]参照图10,说明本发明一个实施例的流程。
[0061]步骤S110,从摄像装置拍摄的路况的图像中获取一帧图像；步骤S111，将图像中消失线与消失线以上50mm之间区域的图像保存为待处理图像； 步骤S112,对待处理图像进行高斯降噪处理，对降噪后的待处理图像中的物体进行边缘检测，经过边缘检测后，得到边缘图像，边缘图像中各个物体对应各自的边缘图形；步骤S113,根据物体对应的边缘图形围成区域的宽高比初步确定物体为交通标识； 步骤S114，通过支持向量机判定物体为交通识别；步骤S115，判定该交通标识为限速标识；步骤S116,将限速标识从边缘图像中分割出来，形成限速标识图像，将限速标识图像统一大小为50*50像素大小；步骤S117,去掉限速标识图像的四角，去掉限速标识的圆形，得到待阈值处理图像； 步骤S118,对待阈值处理图像进行直方图的数值统计时，将阈值处理图像分为四个区域:左上、右上、左下和右下，对四个区域分别进行直方图的数值统计寻找统计直方图里面最大的数值，寻找统计直方图里面最小的数值，用最大的数值*〇.5+最小的数值*0.5计算出阈值。利用该阈值对待阈值处理图像进行二值化；步骤S119,对二值化图像，做垂直投影以及水平投影找到数字相应的位置，切分出数字，之后利用支持向量机训练的10类模型(0，1，2,3,4,5,6,7,8，9)对二值化图像进行数字识别，得到限速标识对应的限速数字；步骤S120,通过语音播放的方式对驾驶员进行提示。
[0062]参照图11，本发明还提出一种限速标识的识别装置，包括:获取图像模块10，用于:获取一帧图像，图像为通过摄像装置拍摄的路况的图像；判断交通标识模块20,用于:对图像的有效部分进行截取，截取后的图像为待识别图像，对待识别图像中的物体进行边缘提取，获得包含物体的边缘图形的边缘图像，根据边缘图形判断物体是否为交通标识，待识别图像中至少包含一个物体；判断限速标识模块30,用于:若判断物体为交通标识，且若判断交通标识为限速标识， 则从边缘图像中将限速标识的边缘图形分割出来，形成限速标识图像，根据限速标识的边缘图形对限速标识图像进行去干扰处理；识别模块40,用于:对去干扰处理后的限速标识图像中的边缘图形内部的数字进行识另IJ，识别出的数字为限速标识对应的限速数字。
[0063]在其中的一个实施例中，判断交通标识模块20中对图像的有效部分进行截取具体包括:图像中消失线以上的图像为图像的有效部分，对消失线以上的图像进行截取。
[0064]在其中的一个实施例中，判断交通标识模块20中根据边缘图形判断物体是否为交通标识具体包括:根据边缘图形所围成区域的大小、区域的形状和/或区域的长宽比判断物体是否为交通标识。
[0065]在其中的一个实施例中，判断限速标识模块30中若判断交通标识为限速标识具体包括:对交通标识的边缘图形向外扩展像素，采用支持向量机的方法对向外扩展像素后的边缘图形进行识别，若识别出边缘图形为限速标识，则交通标识为限速标识。
[0066]在其中的一个实施例中，对交通标识的边缘图形向外扩展像素具体包括:对交通标识的边缘图形向外扩展1至5个像素。
[0067]在其中的一个实施例中，判断限速标识模块30中根据限速标识的边缘图形对限速标识图像进行去干扰处理具体包括:限速标识的边缘图形为圆形，计算圆形的半径，确定圆形的圆心，将限速标识图像中，由圆心与半径组成的圆以外的图像去掉。[〇〇68]在其中的一个实施例中，识别模块40具体包括:对限速标识图像去干扰处理后的图像为待阈值处理图像，对待阈值处理图像进行直方图的数值统计，根据数值统计中的最大值与最小值计算阈值，利用阈值对待阈值处理图像进行阈值处理，得到限速标识的二值化图像，对二值化图像进行数字识别，得到限速标识对应的限速数字。
[0069]在其中的一个实施例中，还包括提示模块，用于:通过语音播报的方式和/或通过显示的方式对限速数字进行提示。
[0070]在其中的一个实施例中，获取图像模块中摄像装置安装在其所在车辆的前挡风玻璃上。
[0071]以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0072]通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如R0M/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
[0073]最后应说明的是:以上实施例仅用以说明本发明的技术方案，而非对其限制;尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换； 而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
【主权项】
1.一种限速标识的识别方法，其特征在于，包括:获取图像步骤，包括:获取一帧图像，所述图像为通过摄像装置拍摄的路况的图像；判断交通标识步骤，包括:对所述图像的有效部分进行截取，截取后的图像为待识别图 像，对所述待识别图像中的物体进行边缘提取，获得包含所述物体的边缘图形的边缘图像， 根据所述边缘图形判断所述物体是否为交通标识，所述待识别图像中至少包含一个所述物 体；判断限速标识步骤，包括:若判断所述物体为所述交通标识，且若判断所述交通标识为 所述限速标识，则从所述边缘图像中将所述限速标识的边缘图形分割出来，形成限速标识 图像，根据所述限速标识的边缘图形对所述限速标识图像进行去干扰处理；识别步骤，包括:对去干扰处理后的所述限速标识图像中的边缘图形内部的数字进行 识别，识别出的数字为所述限速标识对应的限速数字。2.根据权利要求1所述的限速标识的识别方法，其特征在于:所述判断交通标识步骤中所述对所述图像的有效部分进行截取具体包括:所述图像中 消失线以上的图像为所述图像的有效部分，对消失线以上的图像进行截取。3.根据权利要求1所述的限速标识的识别方法，其特征在于:所述判断交通标识步骤中所述根据所述边缘图形判断所述物体是否为交通标识具体 包括:根据所述边缘图形所围成区域的大小、区域的形状和/或区域的宽高比判断所述物体 是否为所述交通标识。4.根据权利要求1所述的限速标识的识别方法，其特征在于:所述判断限速标识步骤中所述若判断所述交通标识为所述限速标识具体包括:对所述 交通标识的边缘图形向外扩展像素，采用支持向量机的方法对向外扩展像素后的所述边缘 图形进行识别，若识别出所述边缘图形为所述限速标识，则所述交通标识为所述限速标识。5.根据权利要求4所述的限速标识的识别方法，其特征在于:所述对所述交通标识的边缘图形向外扩展像素具体包括:对所述交通标识的边缘图形 向外扩展1至5个像素。6.根据权利要求1所述的限速标识的识别方法，其特征在于:所述判断限速标识步骤中所述根据所述限速标识的边缘图形对所述限速标识图像进 行去干扰处理具体包括:所述限速标识的边缘图形为圆形，计算所述圆形的半径，确定所述 圆形的圆心，将所述限速标识图像中，由圆心与半径组成的圆以外的图像去掉。7.根据权利要求1所述的限速标识的识别方法，其特征在于:所述识别步骤具体包括:对所述限速标识图像去干扰处理后的图像为待阈值处理图 像，对所述待阈值处理图像进行直方图的数值统计，根据数值统计中的最大值与最小值计 算阈值，利用所述阈值对所述待阈值处理图像进行阈值处理，得到所述限速标识的二值化 图像，对所述二值化图像进行数字识别，得到所述限速标识对应的所述限速数字。8.根据权利要求1至7任一项所述的限速标识的识别方法，其特征在于:还包括提示步骤，包括:通过语音播报的方式和/或通过显示的方式对所述限速数字进 行提示。9.根据权利要求1至7任一项所述的限速标识的识别方法，其特征在于:所述获取图像步骤中所述摄像装置安装在其所在车辆的前挡风玻璃上。10.—种限速标识的识别装置，其特征在于，包括:获取图像模块，用于:获取一帧图像，所述图像为通过摄像装置拍摄的路况的图像；判断交通标识模块，用于:对所述图像的有效部分进行截取，截取后的图像为待识别图 像，对所述待识别图像中的物体进行边缘提取，获得包含所述物体的边缘图形的边缘图像， 根据所述边缘图形判断所述物体是否为交通标识，所述待识别图像中至少包含一个所述物 体；判断限速标识模块，用于:若判断所述物体为所述交通标识，且若判断所述交通标识为 所述限速标识，则从所述边缘图像中将所述限速标识的边缘图形分割出来，形成所述限速 标识图像，根据所述限速标识的边缘图形对所述限速标识图像进行去干扰处理；识别模块，用于:对去干扰处理后的所述限速标识图像中的边缘图形内部的数字进行 识别，识别出的数字为限速标识对应的限速数字。
【文档编号】G06K9/00GK106022268SQ201610343756
【公开日】2016年10月12日
【申请日】2016年5月23日
【发明人】任云
【申请人】广州鹰瞰信息科技有限公司