一种识别交通标志的方法与流程

技术特征：
1.一种识别交通标志的方法，其特征在于，识别交通标志的步骤如下：步骤S1：生成识别交通标志所需的颜色分割模型，形状检测模型和内容识别模型，所述颜色分割模型的训练步骤如下：步骤S111：从交通标志图像中采集目标颜色的正样本数据，从非交通标志图像中采集非目标颜色的负样本数据；步骤S112：将采集到的正负样本数据转换到HSV颜色空间；步骤S113：对于转换后的颜色正、负两类样本数据，分别使用两个混合高斯模型对其进行拟合，得到正样本模型p+(x)和负样本模型p-(x)，其中x为样本数据；步骤S114：使用正负两个模型合成一个最终颜色分割模型表示如下：p(x)＝p+(x)-p-(x)；颜色分割模板生成方法如下：对于HSV颜色空间范围内的所有可能值，计算其在最终颜色分割模型p(x)下的输出值，将输出值保存为颜色分割模板；步骤S2：使用颜色分割模型对应的颜色分割模板对原始图像进行分割，得到分割后的图像；使用滑动窗口在原始图像上滑动，判断窗口中各颜色的比例关系是否满足预设条件；如果窗口中各颜色的比例关系不满足预设条件，则判定图像中不存在交通标志，如果窗口中各颜色的比例关系满足预设条件，则判定图像中存在交通标志，则调用形状检测模型；如果形状检测模型的检测结果满足预设的交通标志形状条件，则判定图像中存在交通标志，如果形状检测模型的检测结果未满足预设的交通标志形状条件，则判定图像中不存在交通标志；步骤S3：对存在交通标志的图像，根据检测时的颜色和形状信息调用对应的内容识别模型对交通标志的类别进行判断；生成所述内容识别模型的步骤如下：步骤131：使用深度信念网络对不含有类别信息的交通标志图中正样本和负类样本进行无监督学习；步骤132：使用深度信念网络对含有类别信息的交通标志图中正样本和负类样本进行有监督学习，将学习到的深度信念网络权重作为内容识别模型。2.根据权利要求1所述的识别交通标志的方法，其特征在于，生成形状检测模型的步骤如下：步骤S121：从采集到的图像中提取交通标志图像作为正样本，使用非交通标志图像作为负样本，对所有样本图像进行尺寸和灰度归一化；步骤S122：使用形状相同的交通标志图像作为正样本，使用不包含交通标志的图像作为负样本，使用正负样本训练基于Haar特征的级联分类器，分别生成对应于圆形、矩形、三角形交通标志的分类器，将所述分类器作为形状检测模型。3.根据权利要求1所述的识别交通标志的方法，其特征在于，交通标志的检测步骤如下：步骤S211：将传感器获取的原始图像转换到HSV颜色空间，得到HSV颜色空间对应的HSV颜色图像；步骤S212：加载颜色分割模板，对颜色分割模板人为预先设置高低双阈值，以HSV颜色图像中待检测像素点的HSV分量作为索引查询颜色分割模板中对应的输出值；将输出值与高低双阈值比较，如果大于高阈值，则认为待检测像素点是目标颜色像素点，如果小于低阈值，则认为是非目标颜色像素点，而介于高低阈值之间的认为是候选像素点；从目标颜色像素点出发，搜索其HSV颜色图像中的3×3邻域，如果邻域中存在候选点，则将该候选点变为目标颜色像素点，重复上述操作，直到历遍完所有的目标颜色像素点，得到分割后的图像；步骤S213：对分割后的图像进行计算，得到对应的颜色积分图；步骤S214：使用滑动窗口在原始图像中移动，使用颜色积分图计算滑动窗口包含的图像中颜色像素的比例，如果颜色比例满足预先设置的条件，则调用形状检测模型，如果颜色比例不满足预先设置的条件，则不调用形状检测模型；步骤S215：如果滑动窗口包含的图像通过形状检测模型的判断，则认为滑动窗口包含的图像中存在交通标志，即检测到交通标志图像，如果滑动窗口包含的图像未通过形状检测模型的判断，则认为滑动窗口包含的图像中不存在交通标志，则认为不存在交通标志。4.根据权利要求1所述的识别交通标志的方法，其特征在于，所述交通标志类别判断步骤如下：步骤S311：加载训练好的内容识别模型；步骤S312：对检测到的交通标志图像进行尺寸和灰度归一化操作；步骤S313：根据检测到的交通标志图像的颜色和形状信息选用对应的内容识别模型；步骤S314：使用内容识别模型对交通标志类别作出判断。