．自動駕駛之眼——攝影機是如何認識交通標識的？

Volvo Self driving cars in real traffic

智慧家庭包括哪些產品設備？看看 Home 8 就對了！

leiphone 作者：史高拔

按：本文作者史高拔，汽車電子工程師，供職於中國某汽車技術中心，從事汽車智慧網聯技術研發。

近日，自動駕駛領域的明星公司Mobileye發佈了2016年的財報。依靠在ADAS視覺解決方案的飛速增長，mobileye2016年總收入為3.582億美元，同比增長48.7%；淨收益1.084億美元，同比增58.3%。

其提供的「單目攝影機+視覺處理晶片+圖像辨識算法」的自動駕駛綜合解決方案被譽為「自動駕駛汽車的眼睛」，這項技術使Mobileye在這一領域，保持著70%以上的市場佔有率，基本成為了自動駕駛汽車的標配。

↑ mobileye已成為自動駕駛攝影機領域的絕對霸主

攝影機在自動駕駛中有著舉足輕重的地位，就像人的眼睛一樣，攝影機結合圖像辨識技術，能快速辨識車輛、行人和交通標誌，可以給現階段的自動駕駛技術，提供足夠的環境感知保障。那這顆裝在前擋風玻璃上的攝影機，到底是如何工作的？讓我們從交通標誌辨識這一應用場景入手，來一探圖像辨識技術的奧秘。

一、交通標誌的易辨識特性

由於交通標誌採用特定的文字、圖形和符號，在一定範圍內具有標準、醒目、資訊明確的特性，一直是圖像辨識技術在交通領域應用的首選。從圖像辨識技術誕生之日起，交通標誌辨識的算法和模型，就一直受到廣泛的關注，也讓這一技術發展相對成熟，並應用到自動駕駛領域中來。

↑ 交通標誌辨識技術

幾乎所有國家的交通標誌，大概平均一共有一百餘種，例如按類別可分為黃底黑邊的警告標誌、白底紅圈的禁令標誌、藍底白字的指示標誌，形狀上以三角形、圓形和矩形為主。明確的形狀和顏色區分、有限的標誌數量，都為圖像辨識提供了一個相對穩定的應用環境。

↑ 中國的交通標誌

二、交通標誌辨識技術的原理

利用圖像辨識技術的交通標誌辨識系統，一般分為以下幾個工作步驟：

↑圖像辨識的步驟

1. 圖像預處理：

在實際的交通場景中，由於運動抖動、自然光、天氣條件等各種因素的影響，不可避免的會在採集的圖像中，引入一定程度的干擾和噪聲，所以首先需要將這些不利因素消除，對採集到的圖像進行一些預處理。

透過圖像均衡、圖像增強和圖像去噪等算法，將圖像的光線均衡，突出關鍵資訊。這一步基本和中國大陸美圖秀秀中的那些工具類似，都是將圖像變得清晰、易辨認。

↑ 對圖像進行預處理，去除噪聲、提高亮度和對比度

2. 交通標誌分割：

預處理後的圖像仍然包含很多信息，交通標誌在其中只有很小的一個區域，為了減小處理的數據量，加快處理速度，一般都會先將交通標誌的區域檢測出來，再去判斷這個區域中的交通標誌的具體含義。交通標誌在顏色和形狀上都有一定的特殊性，並可按照下圖進行一定程度的分類，所以一般通過這兩個特徵去檢測交通標誌。

↑對岸中國交通標誌按顏色和形狀分類

顏色分割：

顏色按照國際標準可劃分為RGB、HSV、HSI等顏色空間，並進行量化分析，以RGB空間為例，將顏色按照紅色、綠色、藍色三種顏色進行分割，通過給定交通標誌牌中常用的藍色、黃色、紅色的色度坐標範圍，即可過濾掉與之不相關的顏色資訊，快速檢測到交通標誌牌。

↑通過RGB色彩空間處理，快速定位紅色區域

形狀分割：

僅僅檢測顏色顯然又是不夠的，由於光照、背景色的影響和干擾，還需要在顏色檢測結果的基礎上，對相應區域進行形狀檢測。交通標誌具有邊緣清晰、形狀簡單易辨認的特點。

這些特徵在排除顏色影響後，灰度圖像中更加明顯，因此透過一定的邊緣檢測算子，去判斷圖像像素中出現的灰度階變化，一般就能較為準確的檢測出，交通標誌的形狀和輪廓特徵。

↑對檢測區域進行灰度處理，再通過灰度階躍檢測其形狀邊界

3. 交通標誌特徵提取

在圖像檢測完成以後，圖像中基本就只剩下了交通標誌的關鍵資訊，這些資訊簡單直接，但電腦依然不會知道，這些資訊的具體含義，這時候需要再進一步對這些圖像特徵，進行提取和比對，才能對具體的資訊進行辨識。

圖像的關鍵特徵，是辨識具體資訊的關鍵因素，特徵的好壞，直接決定了辨識的準確度。一般說來，這些關鍵特徵需要具有可區分性、簡約性和抗干擾等幾個要素，可區分性，及不同標誌的特徵，要具有足夠的差異性，簡約性是在保證可區分性的前提下，用盡量少的數據表示圖像特徵，這可以保證檢測的速度和效率，抗干擾度即圖像特徵資訊，要保證盡量少的會被噪聲、自然光和圖像畸變影響。

在交通標誌辨識上，一般會提取顏色特徵、線條變化特徵、矩特徵、灰度直方圖統計特徵等等，並會在事先維護一個足夠樣本數量的特徵庫，包含現有交通標誌的圖像特徵資訊。在辨識的時候，將採集到的圖像的特徵提取出來，與數據庫中的條件進行比對，即可判斷出該交通標誌的實際意義。

4. 辨識結果匹配

目前有多種方法實現圖像特徵，與特徵庫數據的比對，最為簡單直接的方式是模板匹配：即在特徵庫中，將不同交通標誌的特徵參數，規定為某些特定的參數，當所採集圖像的特徵參數在某個範圍內，就判斷是這個交通標誌資訊。

但由於圖像在採集的時候，難免發生形狀畸變、顏色失真等誤差，在實際使用場景中用模板匹配，來辨識的成功率和準確度並不是特別高，即便優化了圖像處理算法，也還有很多局限。

↑ 通過匹配特徵庫資訊辨識標誌

近些年機器學習技術的發展，讓圖像辨識也有了很大的變化，通過設定一些簡單的判斷條件，並在特徵庫中加入各種形態和場景下的學習樣本，讓系統不斷加深交通標誌辨識的認知和辨識機率。

機器學習讓辨識不再依靠具體固定的參數，而是通透過一系列的條件判斷，讓系統找到機率最大的目標，以此提升辨識的準確度和靈活性。這一技術在目前成為研究的熱點，並有效提高了圖像辨識的準確率。

↑ 機器學習在圖像辨識中的應用

三、總結

交通標誌辨識是圖像辨識技術，在自動駕駛領域較為成功的應用，其情景相對簡單固定，辨識準確度和成功率都讓人滿意。現在自動駕駛中攝影機辨識車輛、行人、自行車、車道線等其他目標的工作原理，基本和交通標誌辨識類似，只是針對不同的對象所用的的算法和模型，也會進行一定的調整和優化，並維護一個更為多樣的樣本學習庫。

Mobileye在自動駕駛攝影機領域，已經耕耘了17年，其算法整合優化、樣本庫豐富度、辨識精確度都處於絕對領先，也為自動駕駛的普及帶來了巨大的福音。