道路交通標誌和標線時引導道路使用者有秩序使用道路，以促進道路行車安全，而在駕駛輔助系統中對交通標誌的識別則可以不間斷的為整車控制提供相應的幫助。比如禁止類標誌可以幫助系統提前進行危險預判；警告類標誌可以幫助系統提前進行在某些情況下進行提前避障處理；指示類標誌可以幫助系統進行控制預處理，以確保行車遵循道路指示。故對於交通標示的正確識別及精準應用可以為駕駛輔助系統甚至自動駕駛提供更加完美的助攻。本文將從兩方面進行描述，分別詳述交通標誌識別的原理及應用方法。

交通標誌識別原理

交通標誌識別又稱為TSR（Traffic Sign Recognition）是指能夠在車輛行駛過程中對出現的道路交通標誌資訊進行採集和識別，及時向駕駛員做出指示或警告，亦或者直接控制車輛進行操作，以保證交通通暢並預防事故的發生。在安裝有安全輔助駕駛系統的車輛中，如果車輛能夠提供高效的TSR系統，及時為駕駛員提供可靠地道路交通標誌資訊，有效提高駕駛安全性和舒適性。

如下將介紹一種典型的道路交通標誌識別的方法。

TSR是根據人類視覺系統辨識物體的特性，其識別原理是利用道路標誌豐富的顏色資訊和固定的形狀資訊進行特徵識別。具體可將識別過程分為“分隔”和“識別”兩個步驟。其中分隔是指在獲取的影象中發現候選目標，並進行相應的預處理，其次是交通標誌識別，包括特徵提取和分類等，最後進一步判定目標的真實性。

1、交通標誌分隔

交通標誌分隔實際是需要快速從複雜的場景影象中獲取可能是交通標誌的感興趣區域。然後採用模式識別的方法對感興趣區域進行進一步辨識，定位其具體位置。由於交通標誌功能是起到指示性、提示性和警示性等作用，他們設定都具有醒目、顏色鮮明、圖形簡潔、意義明確等特點。因此感興趣區域通常是利用其顏色和形狀進行的。

如下舉例說明利用顏色如何進行分隔。

交通標誌的顏色無疑具有顯著性特徵，以顏色進行檢測和識別的方法有很多，包括對顏色空間的各個通道或其組合進行閾值分割或聚類，區域分裂，顏色邊緣檢測等，用經過訓練的人工神經網路作為分類器識別顏色，以顏色為索引，將目標在直方圖與模板庫中影象的直方圖進行匹配，找出可能的若干模板，為下一步形狀分析做準備。

目前，在交通標誌識別中常用的彩色空間包括RGB、HIS、CIE幾種，而RGB作為影象處理中常用的三基色，是構建其他各種顏色的基礎，其他顏色表示方式可以用RGB變換得到。

我們知道，對於交通標誌而言大都顏色比較單一、固定，比如紅色標誌一般表示禁令，藍色標誌一般表示指示類，黃色標誌一般表示警告類，這裡正好利用RGB的三基色紅、黃、藍加以識別匹配來表示，但由於對於駕駛輔助系統功能TSR通常是一個動態互動識別的過程，其對於光照、氣候以及陰影等干擾的影響反應較為敏感，而RGB資訊不僅代表色彩，也代表亮度，並且三基色之間存在著很大的相關性，因此，為了消除RGB顏色本身包含的亮度資訊，可在RGB空間將顏色值R、G、B將在亮度上進行歸一化，從而將一個三維空間降到二維空間表示的顏色資訊，這樣RGB三基色顏色之間的亮度相關性就減小了。

由於顏色空間更多的還包含了飽和度等資訊，故為了更好區分顏色與亮度資訊，研究人員更多采用適合人類視覺特性的色彩模型HSI模型來處理交通標誌識別，H表示不同顏色，S表示顏色深淺，I表示明暗程度，HSI其最大的特點是H、S、I之間相關性極小，在HSI空間中的每個彩色影象都對應著一個相對一致的色調H。

2、交通標誌識別

當在試車環境中分割出來交通標誌資訊的感興趣區域後，需要採用一定的演算法對其進行判別，以便確定它屬於哪一種具體的交通標誌，一般的判別方法包括模板匹配法、基於聚類分析法、基於形狀分析方法、基於神經網路分析法、基於支援向量機的方法。

2.1 基於模板匹配法

模板匹配法是對交通標誌建立相應的模板庫，當系統分割出感興趣區域時，透過畫素遍歷的方式與模板庫中的形狀進行匹配，透過統計校驗誤差值，選擇誤差值最小的模板庫中的標誌作為匹配到的實際交通標誌，該方法簡單，但運算量大、適應能力差、效果不一定如預期。

2.2 基於聚類分析法

聚類演算法是一種建立在統計基礎上的演算法，抗噪聲能力強，適用於自然場景的影象處理，聚類演算法檢測識別主要用在對顏色的識別上，由於交通標誌的顏色是固定的，因此初始聚類中心是已知的，這就能達到很好的分類效果。也可透過對已經聚類完成的區域進行二次聚類，這樣就能進一步去除噪聲，達到更好的效果。

2.3 基於神經網路的方法

神經網路是模擬人腦神經細胞元的網路結構，由大量神經元相互連線而成的非線性動態系統，對於交通標誌認知而言，利用該方法建議一個三層神經網路，分別對應於RGB空間三通道，另外透過建立一個控制單元，網路作為一個相關檢測器，如果目標區域存在交通標誌，網路輸出相應的高頻訊號，否則輸出低頻訊號。

2.4 支援向量機的方法

支援向量機是一種典型的前饋神經網路方法，用於解決模式分類和非線性問題，其主要思想是建立一個最優決策超平面，使得該平面兩側距平面最近的兩類樣本之間的距離最大化，為分類提供更好的泛化能力。對於非線性可分模式分類問題，需要將負責的模式分類問題非線性的投射到高維特徵空間，因此只要變換是非線性的且特徵空間維數夠高，則原始模式空間能變成一個新的高維特徵空間，在該空間中，其模式以較高的機率變得線性可分。其中變換過程要求生成一個核函式進行卷積，相應典型的核函式表示如下：

高斯函式：

用於徑向集函式分類器

內積函式：

用於高階多項式集分類器；

Sigmoid核函式：

用於實現一個單隱層感知器神經網路；

交通標誌識別應用

目前交通標誌的識別技術還無法做到較高的靈敏、穩定和準確性，特別是針對受到不同季節、天氣條件影響下的光照條件有所不同導致採集到的影象複雜多樣；而道路交通情況的複雜性可能造成交通標誌汙損、顏色、形狀發生變化，而樹木、建築物的遮擋又可能導致其無法被及時的識別到位，同時在高速駕駛過程中，由於車輛行駛抖動等因素，可能造成影象幀匹配過程中出現誤差，從而無法穩定地識別出相應的交通標誌。因此交通標誌識別目前在駕駛輔助領域還未能得到廣泛的應用，較為成熟的應用方案有如下幾種：

1、基於限速標誌的自動限速

基於限速標誌的自動限速主要是利用識別到的限速標誌顯示的限速值，自車提前進行預判，這裡我們設定幾種不同的速度值進行比較。

VReal表示本車當前實際巡航車速，Vtarget表示本車目標巡航速度，Vlim表示限速值資訊，Vfront表示識別到的前車車速。

根據自身車速這一敏感資訊進行如下不同程度的限速策略：

1.1 本車定速巡航：

當檢測到本車VReal>Vlim且Vtarget<Vlim時，系統自動根據目標巡航車速進行減速控制，此時需考慮限速值大小，傳送較大的減速度確保本車減速到限速標誌時，其速度不大於限速標誌；

當檢測到本車VReal<Vlim且Vtarget>=Vlim時，系統自動根據識別到的限速值Vlim進行減速；

當檢測到本車VReal<Vlim<Vtarget時,系統控制本車加速度斜率，確保本車透過限速牌時其速度值不大於限速值；

當檢測到本車VReal<Vtarget<Vlim時，可按照正常的加速邏輯加速至目標車速，此時需考慮加速度斜率不能出現加速過猛引起的駕駛恐慌；

1.2 本車跟隨前車行駛：

當檢測到本車VReal>VFront>Vlim時，系統在確保本車不與前車碰撞的情況下進行自動減速控制；

當檢測到本車VReal<Vlim<VFront時，系統在確保本車在識別距離內不超過限速值的情況下進行適當加速控制；

當檢測到本車Vlim<VReal<Vtarget時,系統控制本車在一定識別距離內減速到限速值，不跟隨前車進行加速；

當檢測到本車VFront<Vlim<VReal時，本車既可以按照目標前車進行減速控制，也可以按照限速值進行控制，輸出的減速度值大小需確保在一定距離處自動減速到限速值處；

1.3 透過限速牌後控制邏輯

以上本車進行自動限速後，當車輛行駛透過限速牌，同時識別到新的限速牌時需要重新進行速度控制，如新的限速牌限速值比當前值小，則根據1）2）中的邏輯進行進一步限速，如新的限速牌限速值比當前值大，則需要根據當前更新後的本車實際車速、前車車速、本車目標巡航車速進行加速度重分配，確保限速和碰撞優先考慮的同時進行適當控制。

2、 基於並道策略的提前並道

對於車輛行駛在高速路情況下來說，駕駛車輛需要考慮在不同場景下進行提前變道的問題，目前有兩種可行方案：

其一，當在一定距離前檢測到前方有並道標誌資訊時，透過語音或儀表影象提前提示駕駛員對車輛進行變道控制將車輛變道至目標車道；

其二，當在一定距離前如果系統接收高精度地圖相關車道級別資訊，則可以直接控制車輛變道至目標車道，期間需要檢測目標車道線是否為虛線，目標車道是否變道安全等；

3、基於紅綠燈識別的提前剎車

基於紅綠燈標誌識別的駕駛輔助系統，要求在系統基於識別到的紅綠燈提前對車輛巡航及變道進行控制。

主要有以下幾種控制場景策略：

3.1 識別到綠燈：

若本車處於跟隨前車行駛狀態，前車以較低速度行駛，本車在確保碰撞安全的前提下，繼續跟隨前車行駛，並同時實時監控車燈變化，一旦變成黃燈，則立即停止跟隨策略，保持一定的減速至剎停；

若本車處於自車定速巡航模式，本車已達到定速值，則進行勻速控制，若本車未達到定速值，則根據定速值進行勻加速控制，期間需要實時監控訊號燈變化，同時控制加速斜率；

3.2 識別到黃燈：

若本車識別到黃燈，則不管本車是否處於跟車狀態，均需要控制本車減速之剎停，期間減速過程可進行舒適性減速，由發動機反拖轉換為制動切入；

3.3 識別到紅燈：

若已經識別到紅燈，則根據前車停止狀態，確保避撞的前提下，控制本車急減速至剎停，保持本車剎停狀態下與前車1m以上的距離；

總結

自動駕駛需要保證在道路行駛中充分遵守駕駛規則，保證系統控制的駕駛過程符合法律規定，交通標誌識別在自動駕駛系統開發過程中起著舉足輕重的作用，不僅能夠為系統提供各種引導和約束資訊，如顯示當前路段交通狀況，提示前方駕駛環境危險和困難，為自動駕駛系統做出警告，同時做出為駕駛安全提供相應的指引策略。當前交通標誌識別技術由於受到道路、環境、天氣、光照及駕駛穩定性的影響，其識別效果魯棒性無法得到相應的保證，這就使得該技術還無法大規模的市場普及應用。當然後續針對如上提到的對其效能的限制策略也可透過如下一些演算法進行前瞻性研究：

開展去除實際道路複雜環境干擾的預處理演算法研究；如可採用影象復原技術進行處理運動模糊，採用影象不變距理論分析處理影象旋轉、扭曲等情況，利用幾何分析、推理及模糊理論等處理影象遮掩問題；

發展多解析度以及多分形技術；採用金字塔結構的多解析度分割演算法盡心影象分割；

發展資訊融合技術；利用除攝像頭這一直觀檢測的感測器外，系統還可利用地圖資訊，後續發展5G下的V2x資訊仍舊可為本車交通標誌識別提供輔助；

深入研究句法結構模式識別技術；利用結合傳統統計學識別方法結合句法模式識別技術獲得影象的結構資訊，進一步深化對識別影象標誌的理解。

交通標誌識別系統原理是透過安裝在擋風玻璃中上部的多用途攝像頭單元掃描限速路標，讓其在綜合資訊顯示屏 （MID）和抬頭顯示器上顯示資訊，使駕駛員能夠識別當前限速。