1.一种道路交通标志自动检测识别方法，基于自动检测识别系统实现，所述自动检测识别系统包括，交通标志采集模块、交通标志检测处理模块和交通标志识别模块；其特征在于，所述道路交通标志自动检测识别方法包括步骤如下：

1)所述交通标志采集模块采集行车环境中道路上方及道路两侧的图像；

2)所述交通标志检测处理模块对步骤1)采集的图像进行处理：

2.1)采用双线性插值算法将步骤1)采集的图像缩放为统一分辨率大小，得到第二交通环境图像；

2.2)将步骤2.1)处理得到的第二交通环境图像进行分支处理；

2.2.1)利用Sobel边缘检测算法对所述第二交通环境图像进行检测，得到彩色边缘图像Image1，并将所述彩色边缘图像Image1灰度变换为灰度图像Image2；

2.2.2)直接对所述第二交通环境图像进行灰度处理：利用Canny边缘检测算子检测第二交通环境图像的边缘，得到灰度边缘图像Image3；利用Hough检测灰度边缘图像Image3中的兴趣区域；分别输出兴趣区域内不同形状交通标志对应的X-Y平面参数；

2.3)利用步骤2.2.2)得到的X-Y平面参数，对所述灰度图像Image2进行提取，忽略兴趣区域外的像素，只保留兴趣区域内的像素，得到提取图像Image4；

2.4)对所述提取图像Image4进行归一化处理得到标准图像Image5；

3)交通标志识别模块对标准图像Image5进行训练和识别分类检测；

3.1)分类器训练：将所述标准图像Image5以图片文件的形式作为训练图像保存到存储器中，当存储器中训练图像的数目达到N后，开始训练过程；训练过程具体如下：提取每张训练图像的LBP纹理特征；设置p个SVM，分别对训练图像的LBP纹理特征进行训练，生成分类器模型文件，用于识别分类检测；

3.2)识别分类检测：对所述标准图像Image5进行LBP纹理特征提取，使用p个SVM同时对标准图像Image5进行识别分类后对各SVM识别分类的结果进行评估：当各SVM对标准图像Image5的识别分类结果一致时，输出识别分类结果；当p个识别分类结果不一致时，认为所识别的图像不具备分类特征，不予处理；

4)重复步骤1)-3)。

2.根据权利要求1所述的道路交通标志自动检测识别方法，其特征在于，基于自动检测识别系统实现，所述交通标志检测处理模块的程序在图像处理器中运行；所述步骤1)中，所述交通标志采集模块通过车载摄像机实时拍摄行车环境中的道路上方及道路两侧的图像并存入内存，供图像处理器读取；车载摄像机的图像采集速率为30帧/秒或25帧/秒；图像处理器内设定有软件定时器，间隔时间t读取内存中的图像信息。

3.根据权利要求1所述的道路交通标志自动检测识别方法，其特征在于，所述步骤2.1)中采用双线性插值算法将步骤1)采集的图像缩放为统一分辨率320×240；所述标准图像Image5的像素为60×60。

4.根据权利要求1所述的道路交通标志自动检测识别方法，其特征在于，所述p＝4；4个SVM分别为LINEAR线性核、2个POLY多项式核、RBF径向基核；每个SVM设置有不同的参数；所述SVM的参数包括惩罚因子。

5.根据权利要求1所述的道路交通标志自动检测识别方法，其特征在于，所述步骤

2.2.2)中通过PPHT检测处理目标区域内圆形的方法如下：A1、将采集到的连续多帧图像，按步骤2.2.1)的方法转化成灰度边缘图像Image3(1),Image3(2),……，Image3(p)；

A2、在每一张灰度边缘图像Image3(1),Image3(2),……，Image3(p)中使用PPHT算法找圆，将所有圆的X-Y平面参数存入同一个原始矩阵MT0中，原始矩阵MT0共3列，i行，i表示检测到的圆的总数量；所述圆的X-Y平面参数包括，圆心的x坐标、圆心的y坐标和圆的半径r；

所述原始矩阵MT0的第1列用于保存检测到的圆的圆心x坐标，所述原始矩阵MT0的第2列用于保存检测到的圆的圆心y坐标，所述原始矩阵MT0的第3列用于保存检测到的圆的半径r；

A3、检测原始矩阵MT0的行数i，如果原始矩阵MT0的行数i＜m，则判定原始矩阵MT0中对应的圆为误差圆，清空原始矩阵MT0并回到步骤1)；如果原始矩阵MT0中的行数i≥m，则进行步骤A4；

A4、对原始矩阵MT0依次进行X分组、Y分组和R分组处理，处理同心圆问题，输出目标圆参数。

6.根据权利要求5所述的道路交通标志自动检测识别方法，其特征在于，X分组的具体步骤如下：

X1：将所述原始矩阵MT0中每一行作为一个整体，按第1列元素x的大小升序或降序排序；排序后的原始矩阵记为MT1；

设矩阵MT1为：

X2：将矩阵MT1进行X分组，得到X分组子矩阵，具体方法如下：依次计算数组(x1)的方差Dx1，数组(x1，x2)的方差Dx2，数组(x1，x2，x3)的方差Dx3，……，数组(x1，x2，…，xk1)的方差Dxk1，数组(x2，x3，…，xk1+1)的方差Dx(k1+1)，数组(x3，x4，…，xk1+2)的方差Dx(k1+2)，……，数组(xn-k1，xn-k1+1，…，xn-1，xn)的方差Dxn，直至Dxn≥σx；k1表示计算方差时所选取的元素的最大数量；

X3：检查当前行号n，如果n＜LX，则删除矩阵MT1中的前n-1行，得到矩阵MT2；如果n≥LX，则将矩阵MT1的前n-1行抽取出来作为矩阵MT1的第1个X分组子矩阵，记为MTX1；将矩阵MT1的前n-1行删除，作为矩阵MT2；其中，LX为X分组最少行阈值；

矩阵MTX1为：

矩阵MT2为：

X4：对矩阵MT2重复步骤X2和X3，依次得到第2个X数组子矩阵MTX2、第3个X数组子矩阵MTX3、……、第z个X分组子矩阵MTXz，直到将矩阵MT1内所有数据进行了X分组处理；

Y分组的具体步骤如下：

Y1：将X分组子矩阵中每一行为一个整体，按照第2列元素的大小升序或降序排列；排序后的矩阵记为MTXA1；

Y2：将矩阵MTXA1中每一行为一个整体进行Y分组，得到Y分组子矩阵，具体方法如下：设矩阵MTXA1为：

依次计算数组(ya)的方差Dy1，数组(ya，yb)的方差Dy2，数组(ya，yb，yc)的方差Dy3，数组(ya，yb，…，yk2)的方差Dyk2，数组(yb，yc，…，yk2+1)的方差Dy(k2+1)，数组(yc，yd，…，yk2+2)的方差Dy(k2+2)，……，数组(yn-k2，yn-k2+1，…，yn-1，yn)的方差Dyn；直至Dyn≥σy，停止方差计算；k2表示计算方差时所选取的元素的最大数量；

Y3：检查当前行号n，如果n＜LY，删除矩阵MTXX1的前n-1行，生成矩阵MTXB1；如果n≥LY，则将矩阵MTXX1的前n-1行抽取出来，作为矩阵MTXA1的第1个Y分组子矩阵，记为MTX1Y1；

将矩阵MTXX1的前n-1行删除，作为矩阵MTXB1；其中，LY为Y分组最少行阈值；

矩阵MTXX1生成的第1个Y分组子矩阵MTX1Y1为：Y4：对矩阵MTXB1重复步骤Y2和Y3，依次得到第2个Y数组子矩阵MTX1Y2、第3个Y数组子矩阵MTX1Y3、……、第w个Y分组子矩阵MTX1Yw，直到将矩阵MTXX1内所有数据进行了Y分组处理；

Y5：将X分组后得到的其他子矩阵MTX2、MTX3、……、MTXz逐次执行步骤Y1～步骤Y4，最终得到X、Y两步分组后的子矩阵：MTX1Y1、MTX1Y2、…、MTX1Yw；MTX2Y1、MTX2Y2、…、MTX2Yu；……；MTXzY1、MTXzY2、…、MTXzYv；

R分组的具体步骤如下：

R1：将Y分组得到的第1个Y分组子矩阵按照第3列元素r的大小降序排序；排序后的矩阵记为MTX1Y1R；

R2：将矩阵MTX1Y1R中每一行作为一个整体，按照第3列元素r的大小进行分组，仅保留第一个R分组，即r值最大的一个分组，其余数据表示同心圆中半径较小的圆，予以删除；具体方法如下：设排序后的矩阵MTX1Y1R为：

依次计算数组(r13)的方差Dr1，数组(r13，r23)的方差Dr2，数组(r13，r23，r33)的方差Dr3，数组(r13，r23，…,r(k3)3)的方差D(k3)3，数组(r23，r33，…,r(k3)3)的方差D(k3+1)3，……，数组(rn-k3，rn-k3+1，…，rn-1，rn)的方差Drn,直至Drn≥σr，停止方差计算；k3表示计算方差时所选取的元素的最大数量，为保证所计算出方差的有效性，规定了计算方差用数组的元素个数上限k3；

R3：检查当前行号n，如果n＜LR，删除矩阵MTX1Y1R的前n-1行，生成矩阵MTX1Y1RB,将MTX1Y1RB返回步骤R2替代矩阵MTX1Y1R重新进行提取；如果n≥LR，则将矩阵MTX1Y1R的前n-

1行抽取出来，作为矩阵MTX1Y1R的第1个R分组子矩阵，记为MTX1Y1R1；对矩阵MTX1Y1R中的其他数据不再处理；其中，LR为R分组最少行阈值；

当n≥LR时，矩阵MTX1Y1R生成的第1个R分组子矩阵MTX1Y1R1为：R4：将矩阵MTX1Y1R1中每一列元素求平均值，得到对应目标圆的参数(avr_X，avr_Y，avr_R)；

R5：将所述Y分组得到的子矩阵MTX1Y2、…、MTX1Yw；MTX2Y1、MTX2Y2、…、MTX2Yu；……；

MTXzY1、MTXzY2、…、MTXzYv分别执行上述步骤R1-R4；分别求出每个目标圆的参数。

7.根据权利要求1所述的道路交通标志自动检测识别方法，其特征在于，所述步骤

2.2.2)中兴趣区域内交通标志的形状包括，圆形、椭圆形、三角形和类正方形。

8.根据权利要求7所述的道路交通标志自动检测识别方法，其特征在于，所述步骤2.4)中，对所述提取图像Image4进行归一化处理的具体方法如下：根据透视变换的原理，二维图像经过透视变换后的新坐标为：其中(x，y)是原图像的像素坐标，(u，v)是透视变换后图像的像素坐标，a，b，c，d，e，f，m，l是透视变换参数；

式(2)的矩阵形式为：

在原图像中的四个像素点坐标记为(x1，y1)(x2，y2)(x3，y3)(x4，y4)，相应的透视变换后图像中对应点的坐标记为(u1，v1)(u2，v2)(u3，v3)(u4，v4)，可得：将式(4)记为：B＝AM   (5)

则：M＝A-1B    (6)

由(2)式得：

用矩阵可表示为：

透视变换的反变换公式：

椭圆几何校正算法：

E1)椭圆的一般方程为：

Ax2+Bxy+Cy2+Dx+Ey+1＝0   (10)长轴倾角为θ：

椭圆的圆心坐标为：

椭圆的长、短半轴的长度分别为a和b，满足：

E2)椭圆的最小外接矩形AeBeCeDe的四个顶点坐标分别为：E3)设透视变换后圆的半径为r，透视变换后的圆的最小外接正方形EeFeGeHe的四个顶点坐标分别为：Ee(0，0)；Fe(2r，0)；Ge(2r，2r)；He(0，2r)；

E4)将变换前后的四个点对代入公式(6)，得到透视参数矩阵M；

E5)利用透视反变换公式(9)，求出透视变换后的图像中整数像素点坐标对应在原始图像中的浮点数坐标位置；

E6)利用双线性插值算法，遍历透视变换后的图像中每个像素点，求取每个像素点的灰度值，得到归一化后的图像；

三角形几何校正算法：

T1)在三角形AtBtCt顶点上构建一个外接平行四边形AtBtDtEt，三角形的底边AtBt作为平行四边形AtBtDtEt的一个边，三角形顶点Ct作为平行四边形AtBtDtEt另一个边DtEt的中点；

T2)通过Hough变换三角形检测算法，检测三角形的三个顶点坐标分别为：At(x1,y1)；Bt(x2,y2)；Ct(x3,y3)；则，平行四边形AtBtDtEt的四个顶点的坐标分别为：At(x1,y1)；Bt(x2,y2)；

T3)设透视变换后等边三角形的边长为w，透视变换后等边三角形外接矩形的四个顶点坐标分别为：Ft(0，0)；Gt(w，0)；

T4)将透视变换前后的四个点代入公式(6)，得到透视参数矩阵M；

T5)利用透视反变换公式(9)，求出透视变换后的图像中整数像素点坐标对应在原始中的浮点数坐标；

T6)利用双线性插值算法，遍历透视变换后图像中每个像素点，求取每个像素点的灰度值，得到归一化后的图像；

类正方形几何校正算法：

S1)类正方形As Bs Cs Ds顶点坐标分别为：As(x1，y1)；Bs(x2，y2)；Cs(x3，y3)；Ds(x4，y4)；设透视变换后正方形的边长为w，透视变换后正方形EsFsHsGs的四个顶点坐标分别为：Es(0，0)；

Fs(w，0)；Hs(w，w)；Gs(0，w)；将变换前后的四个点对全部求出后，代入公式(6)，得到透视参数矩阵M；

S2)利用透视反变换公式(9)，求出新图像中的整数像素点坐标对应在原始图像的浮点数坐标；

S3)利用双线性插值算法，遍历透视变换后图像中每个像素点，求取每个像素点的灰度值，得到归一化后的图像。