粒子滤波算法可以实现对交通标志牌的跟踪

交通标志牌的主动盯梢技能主要由两个环节组成:首先通过交通标志牌的检测来确认图画中交通标志牌的方位;然后就是对检测到的交通标志牌进行盯梢。关于交通标志牌的检测，主要是通过色彩以及形状特征;而对于交通标志牌的盯梢，常用的办法包括卡尔曼滤波、CamShift 算法以及粒子滤波算法等等。

其间，卡尔曼滤波主要适用于方针状况的概率散布是高斯的状况，但在复杂场景中，方针状况往往是非线性、非高斯的;Cam-

Shift 算法在场景凌乱或方针遮挡时容易堕入局部极值点，不能保证搜索成果的总体最优;粒子滤波算法选用了非参数化的蒙特卡洛模拟办法来实现递推的贝叶斯滤波，精度可逼近最优估计，是解决非高斯、非线性状况估计的有用技能，算法鲁棒性很高，现已被广泛用于各类目标盯梢问题中。所以综上考虑，本文将选用粒子滤波来实现交通标志牌的盯梢，主动盯梢系统流程图如图1 所示。

交通标志检测

2. 1 预处理

交通标志牌是处于自然条件布景中，导致视频图画的拍摄极易遭到光照不正常的影响，这给交通标志牌的检测带来了较大的困难，所以需求对用于检测的图画进行预处理来改进图画的质量，以进步检测的准确率。直方图均衡化是一种常见的直方图修正，它通过拉伸像素强度散布规模来使像素灰度的概率密度坚持均匀从而添加图画灰度的动态规模，达到增强图画的对比度的效果。

       因为实际获取的图画为 ＲGB 图画，三个重量均受光照影响较大，而 HSI(色调、饱和度和亮度)图画三个重量的相关性很小，色调 H 和饱和度 S 受光照影响很小，所以只需求对图画的亮度 I 重量进行直方图均衡化即可。

2. 2 交通标志牌检测

圆形交通标志牌有指示以及禁令两种，其间指示交通标志牌的布景为蓝色，禁令交通标志牌的布景为赤色，是ＲGB 色彩空间中的两种最根本的色彩，并且视频图画也是 ＲGB 图画，所以直接在 ＲGB 色彩空间内进行切割是最方便快捷的。

因为 ＲGB 空间内三种根本色彩红、绿、蓝的相关性很大，对光照比较敏感，而三色之间的差值却受光照的影响不大，考虑到算法需求有对光稳定性，所以本文将选用ＲGB 空间三个重量之间的差值对交通标志牌进行检测。归一化后，关于视频图画中的每一个像素。