2. 交通标志基础知识
交通标志识别（TSR）系统的性能上限，往往在数据进入模型之前就已经被决定。理解标志的分类逻辑、颜色与形状的语义编码、国内外标准体系以及数据集标注规范，是构建可靠 TSR 系统的第一道工程门槛。本节从工程视角梳理这些基础知识，并给出可直接落地的标注与检查方法。
一、交通标志的分类逻辑
从功能语义出发，交通标志通常分为四大类，这一分类直接决定了 TSR 系统的输出类别设计：
- 警告标志：提示前方道路存在潜在危险，如急弯、陡坡、注意行人、施工等，要求驾驶员提高警觉。
- 禁令标志：表示禁止或限制某种交通行为，如限速、禁止超车、禁止停车、限高限重等，具有强制约束力。
- 指示标志：指示车辆和行人必须遵守的行驶方向或方式，如直行、左转、环岛行驶、人行横道等。
- 指路标志：提供方向、地点、距离等信息，如高速出口预告、地名指示、服务区指引等。
在工程实现中，这四类还可进一步细分为主标志与辅助标志。辅助标志通常以矩形白底黑字出现，用于补充时间、车型、距离等限定条件，常与主标志组合出现，是 TSR 系统容易漏检的对象。
二、颜色与形状的语义编码
颜色和形状是交通标志最稳定的视觉特征，也是 TSR 系统在低分辨率、远距离场景下最可靠的判别依据。其语义编码遵循国际通行规则：
- 红色：禁止、停止、危险，多用于禁令标志的边框或底色。
- 黄色：警告、注意，多用于警告标志的底色。
- 蓝色：指令、信息、指示，多用于指示标志和部分指路标志。
- 绿色：安全、通行、指路，多用于高速公路指路标志。
- 白色：辅助、补充，常作为底色或辅助标志背景。
- 黑色：文字、图案、边框，提供高对比度信息。
形状方面，圆形多用于禁令和指示，三角形（顶角向上）多用于警告，矩形多用于指路和辅助，八角形专用于停车让行。颜色与形状的组合构成了标志的“视觉指纹”，在检测阶段可用于快速筛选候选区域。
三、国内外标准体系与差异
不同国家和地区的交通标志标准存在显著差异，这对跨区域部署的 TSR 系统提出了挑战。下表对比了主要标准体系的核心特征：
| 标准体系 | 适用范围 | 典型特征 | 对 TSR 的影响 |
|---|---|---|---|
| 中国 GB 5768 | 中国大陆 | 红圈白底禁令、黄底黑边警告、蓝底白图案指示 | 需覆盖大量汉字与数字组合标志 |
| 维也纳公约 | 欧洲多国 | 统一形状与颜色语义，跨国一致性高 | 模型泛化性较好，但各国仍有细节差异 |
| 美国 MUTCD | 美国 | 文字型标志多，单位使用英里/英尺 | 需处理大量英文文本与不同单位 |
| 欧洲 EN 12899 | 欧盟 | 强调反光材料与结构性能 | 影响夜间与逆光场景的成像质量 |
四、数据集标注规范与常见挑战
高质量标注是 TSR 模型训练的基础。一个规范的标注流程通常包括以下步骤：
- 类别定义：根据标准体系确定类别列表，避免类别过粗或过细。
- 边界框标注：对每个标志绘制紧致边界框，记录归一化坐标。
- 属性标注：记录遮挡、截断、光照、可见度等属性。
- 一致性校验：通过交叉复核与自动检查减少漏标和误标。
- 版本管理：对标注文件进行版本控制，记录每次修改。
以下是一个典型的标注文件片段，采用 JSON 格式描述单张图像中的多个标志：
{
"image_id": "tsr_000123",
"width": 1920,
"height": 1080,
"objects": [
{
"category": "speed_limit_60",
"bbox": [0.412, 0.335, 0.058, 0.102],
"occluded": false,
"truncated": false,
"visibility": "high"
},
{
"category": "no_overtaking",
"bbox": [0.735, 0.298, 0.061, 0.108],
"occluded": true,
"truncated": false,
"visibility": "medium"
}
]
}在实际项目中，标注工作面临以下常见挑战：
- 小目标与远距离：高速场景下标志像素面积可能不足 20×20，标注框难以紧致。
- 遮挡与截断：树木、车辆、建筑物遮挡导致标志不完整，类别判断困难。
- 光照与天气：逆光、夜间、雨雾天气下颜色失真，标注一致性下降。
- 类别不平衡：常见标志样本多，罕见标志样本少，影响模型泛化。
- 标准差异：跨国数据混合时，同类标志外观差异大，需额外标注地区属性。
五、从基础知识到工程实践
将上述知识转化为工程能力，需要关注三个关键动作：第一，建立与标准体系对齐的类别体系，确保模型输出可直接映射到交通语义；第二，在数据采集阶段覆盖不同光照、天气、距离和遮挡条件，避免数据分布偏差；第三，在标注阶段引入属性字段，为后续的难例挖掘和模型评估提供依据。
例如，在限速标志识别中，若标注时未区分“限速 60”与“解除限速 60”，模型可能将两者混淆。通过在类别定义阶段明确区分，并在标注时记录标志的完整语义，可以显著降低此类错误。类似地，对于警告标志中的“注意行人”与“人行横道”，虽然视觉相似，但语义不同，需要在类别体系中分别定义。
总之，交通标志基础知识不仅是理论铺垫，更是 TSR 系统工程的设计输入。只有把分类、颜色形状语义、标准体系和标注规范打通，后续的检测、识别与部署才能建立在可靠的基础之上。