导读:自然场景中交通标志牌图像识别的关键技术主要分为检测和识别两大类。其中,为了对目标图像进行准确识别,标志牌感兴趣区域的检测是首先要解决的问题。近年来,交通标志牌检测技术已经成为智能驾驶公交车辆视觉导航系统和计算机视觉领域的热点之一[1-2]。
本文将探讨基于视觉协同显著性的交通标志牌检测框架设计。
作者:余伶俐 周开军 陈白帆
来源:大数据DT(ID:hzdashuju)
大多数传统的交通标志牌检测算法常常是基于任务驱动的,如依赖颜色、形状以及机器学习。目前,这些算法针对的应用场景往往局限于结构化或半结构的环境,如高速公路等。
如今,随着生物神经元的发展以及大脑视觉皮层中信息处理机制的揭示,基于选择性注意机制的视觉显著性目标检测逐渐引起人们的关注[3-5]。
正如我们所知道的,人类在对一幅场景图像进行观察时,会毫不费力地将注意力聚焦在特定的目标或区域上。而这些目标或区域经常具有显著的视觉特征,如边缘轮廓、细节纹理、梯度方向、颜色强度以及空间位置等。
受此启发,本文提出一种基于视觉协同显著性的交通标志牌检测算法,这是目前较有前景的解决办法。
协同显著性的目标是从多幅输入图像中提取共同的显著性前景目标[6-7]。在本章主要面向复杂场景中的多幅交通标志牌图像进行检测。其中,为满足协同显著性检测,输入图像需要满足以下两个要求:
遵循人类视觉感知机制,单幅图像中可视化的目标区域能够明显与背景区分开来;
多幅图像中的协同显著性目标彼此具有相似性。
研究一种复杂场景中基于视觉协同显著性的交通标志牌检测算法,总体框架如图2-1所示。其检测过程涉及两个阶段:
在第一阶段,构建一个基于聚类的协同显著性模