任務(wù)3.2交通標志識別應(yīng)用實踐

任務(wù)3.2交通標志識別應(yīng)用實踐任務(wù)導入任務(wù)導入道路交通事故發(fā)生的原因是多元化和復雜化的。交通標志作為道路基礎(chǔ)設(shè)施的重要組成部分，他們?yōu)樗緳C提供關(guān)于路況的信息和合理的建議，以促進道路行車安全。但是如果完全依靠駕駛員注意和發(fā)現(xiàn)交通標識并做出正確的反應(yīng)，難免會增加駕駛員的負擔、加速駕駛員疲勞，從而導致交通事故。任務(wù)導入在自適應(yīng)巡航控制系統(tǒng)中，交通標志的識別可以為整車控制提供相應(yīng)的幫助，例如識別禁止類標志可以幫助系統(tǒng)提前進行危險預(yù)判；識別警告類標志可以幫助系統(tǒng)提前進行避障處理；識別指示類標志可以幫助系統(tǒng)進行控制預(yù)處理，以確保行車遵循道路指示。因此對交通標志的準確識別可以為自適應(yīng)巡航控制系統(tǒng)提供更加完美的助攻。任務(wù)導入鑒于各種交通標志的重要程度，本文將以禁止類交通標志中的限速標志為例，詳述交通標志識別的原理及應(yīng)用實戰(zhàn)。交通標志識別技術(shù)的相關(guān)知識3.2.1認識交通標志3.2.1認識交通標志3.2.2交通標志識別的基本原理與方法道路交通標識識別是通過安置于車輛前方的攝像頭進行檢測與識別的，通過交通標志的采集、處理、識別，將所獲取的信息以最快的速度第一時間傳送給駕駛員或直接對汽車采取相應(yīng)的操作，從而降低了交通安全隱患。交通標志識別主要包括了兩個階段：檢測階段和識別階段。檢測階段主要的方法有基于顏色的方法和基于形狀的方法，每一類方法都包括了數(shù)種常用的方法；而識別階段主要有基于統(tǒng)計分析的方法、神經(jīng)網(wǎng)絡(luò)的方法以及句法分類法等。鑒于各種交通標志的重要程度，本書將以禁止類交通標志中的限速標志為例，采用模板匹配的方式對交通標志進行識別。3.2.3

HSV模型的認知1．HSV模型介紹HSV（Hue，Saturation，Value）是根據(jù)顏色的直觀特性由A.R.Smith在1978年創(chuàng)建的一種顏色空間，稱為六角錐體模型（HexconeModel）。這個模型中顏色的參數(shù)分別是：色調(diào)（H），飽和度（S），明度（V）。2．HSV顏色分量范圍一般對顏色空間的圖像進行有效處理都是在HSV空間進行的，對于基本色中對應(yīng)的HSV分量需要給定一個范圍，如表3-2所示。3.2.4

NumPy庫的認知NumPy是Python語言的一個擴展程序庫，支持大量的維度數(shù)組與矩陣運算，此外也針對數(shù)組運算提供大量的數(shù)學函數(shù)庫。Numpy庫由多維數(shù)組對象組成，包含數(shù)學運算、邏輯運算、形狀操作、排序、選擇、I/O、離散傅里葉變換、基本線性代數(shù)、基本統(tǒng)計運算、隨機模擬等功能。一個圖像本質(zhì)上是包含像素數(shù)據(jù)的標準Numpy數(shù)組。因此，通過使用基本的Numpy操作，可以對圖像進行翻轉(zhuǎn)、壓縮、截取等操作。任務(wù)實施——搭建交通標志識別技術(shù)實訓環(huán)境任務(wù)清單：完成Python+PyCharm環(huán)境配置方法。完成OpenCV庫和NumPy庫的安裝。完成交通標志識別應(yīng)用實踐，首先需要配置相應(yīng)的環(huán)境。我們使用Python+PyCharm進行編程，并且使用OpenCV庫和NumPy庫。在項目二中已經(jīng)講解在Windows系統(tǒng)下，Python+PyCharm環(huán)境配置方法以及OpenCV庫的安裝，這里不過多贅述。下面講解一下NumPy庫的安裝。在項目2的指導操作下成功安裝python后，打開命令提示符（cmd），并使用pip安裝numpy。安裝方法：打開cmd，輸入pipinstallnumpy，等待安裝完畢，安裝效果圖如下：任務(wù)實施——交通標志識別技術(shù)任務(wù)清單：交通標志圖像預(yù)處理識別交通標志圖像預(yù)處理的主要目的是消除圖像中無關(guān)的信息，恢復有用的真實信息，增強有關(guān)信息的可檢測性和最大限度地簡化數(shù)據(jù)，從而改進特征抽取、圖像分割、匹配和識別的可靠性。在預(yù)處理之前，為方便之后的操作，需要導入OpenCV模塊、NumPy模塊還有os模塊。這里介紹一下os（多種操作系統(tǒng)接口）模塊，里面包含了很多操作文件和目錄的函數(shù)，可以幫助我們直接對操作系統(tǒng)進行操作。例如：調(diào)用操作系統(tǒng)的可執(zhí)行文件、命令，直接操作文件、目錄等。os模塊是Python中內(nèi)置的模塊，不需要提前安裝。6.2.4圖像預(yù)處理讀取圖像部分代碼運行結(jié)果如圖3.13所示：2．轉(zhuǎn)換為HSV通道HSV色彩空間是基于顏色的圖像分割最合適的色彩空間。所以將原始圖像的顏色空間從BGR轉(zhuǎn)換為HSV圖像。轉(zhuǎn)換為HSV的代碼運行結(jié)果如圖3.14所示。3．優(yōu)化處理（1）顏色過濾確定提取紅色的范圍（HSV顏色），然后通過inRange（）函數(shù)（參數(shù)圖片為HSV格式）提取紅色區(qū)域。inRange（）函數(shù)可以根據(jù)設(shè)定的閾值，去除閾值之外的背景部分。（2）進一步優(yōu)化對圖像進行進一步處理，把輪廓邊緣變得更加清晰。顏色過濾及優(yōu)化代碼運行結(jié)果如下圖所示：3.2.7識別交通標志這一節(jié)我們采用模板匹配的方法，對交通標志中的數(shù)字進行識別。模板匹配的基本原理是抽取未知文字的特征與事先存儲好的標準的文字特征進行匹配，在一定的距離或相似度測度下，找出與未知文字的特征匹配得最好的標準特征,將該標準特征所代表的文字作為未知文字的識別結(jié)果。對圖像進行預(yù)處理后，我們需要檢測標志的輪廓，并獲取輪廓的外接矩形，根據(jù)矩形的坐標，在原圖上進行裁剪，得到目標區(qū)域。接下來對他們進行形態(tài)學操作，提取矩形中間的數(shù)字和我們的模板進行匹配，最終識別標志中的數(shù)字。識別交通標志部分代碼效果如圖3.17所示：任務(wù)小結(jié)本任務(wù)學習了自適應(yīng)巡航系統(tǒng)中交