基于機(jī)器視覺(jué)的智能交通信號(hào)燈控制.pdf

1、通過(guò)實(shí)現(xiàn)交通信號(hào)燈的機(jī)器視覺(jué)，根據(jù)現(xiàn)場(chǎng)情況對(duì)道路交通進(jìn)行實(shí)時(shí)控制，可以使道路資源的利用最大化。目前的交通信號(hào)燈控制系統(tǒng)通常是定時(shí)和靜態(tài)的，紅綠燈的切換按照預(yù)先設(shè)定的周期進(jìn)行，無(wú)法根據(jù)實(shí)際交通狀況進(jìn)行實(shí)時(shí)的控制，增加了無(wú)效等待時(shí)間，從而降低了道路的使用效率。 背景差法是實(shí)現(xiàn)機(jī)器視覺(jué)的一種有效方法：在背景提取成功的基礎(chǔ)上，通過(guò)將當(dāng)前圖像與背景圖像相減，來(lái)提取前景信息，比如車(chē)輛、行人等，進(jìn)而對(duì)前景信息進(jìn)行處理和分析，依據(jù)分析結(jié)果對(duì)實(shí)際

2、交通狀況作出判斷，最終控制交通信號(hào)燈的實(shí)時(shí)切換，使道路資源的利用達(dá)到最大化。 本文從工程應(yīng)用的角度，針對(duì)常見(jiàn)的背景差法普遍存在的問(wèn)題進(jìn)行了分析和改進(jìn)，重點(diǎn)研究了背景提取算法，對(duì)環(huán)境光線變化干擾的抑制，以及對(duì)樹(shù)枝搖動(dòng)一類干擾的抑制，主要工作包括： （1）背景提取及更新，本文設(shè)計(jì)了以數(shù)量最多的灰度值作為背景灰度值的算法。經(jīng)對(duì)實(shí)際交通圖像演算，在交通較擁擠的情況下（車(chē)速約20公里/小時(shí)，車(chē)距約10米，平均每3秒通過(guò)一輛車(chē)），在約

3、18秒的采樣時(shí)間內(nèi)，對(duì)233幀圖像進(jìn)行計(jì)算，即得出準(zhǔn)確的背景灰度值為139。當(dāng)交通通暢時(shí)，該算法的效果將更好。 （2）環(huán)境光線變化的處理，本文設(shè)計(jì)了如下計(jì)算策略：將整個(gè)場(chǎng)景圖像劃分為非交通區(qū)域和交通區(qū)域，利用非交通區(qū)域內(nèi)物體本身灰度值變化較小，如果灰度值發(fā)生整體變化即可判定是由環(huán)境光線變化引起的特點(diǎn)，以非交通區(qū)域的灰度值變化作為環(huán)境光線變化的參考，用非交通區(qū)域內(nèi)所有像素點(diǎn)灰度值變化百分比的平均值，逐個(gè)乘以交通區(qū)域內(nèi)背景像素點(diǎn)灰度值

4、，得到經(jīng)計(jì)算調(diào)整的背景圖像。經(jīng)對(duì)實(shí)際交通圖像演算，當(dāng)環(huán)境光線變化幅度約為17％時(shí)，經(jīng)過(guò)計(jì)算調(diào)整，單個(gè)像素點(diǎn)（335，175）的誤差由17％減小到0.04％，整個(gè)交通區(qū)域內(nèi)，原先誤差在±5％以內(nèi)的點(diǎn)占總數(shù)的比例僅為0.01％，調(diào)整后這個(gè)比例上升到90.54％，對(duì)于大幅度的突然的環(huán)境光線變化抑制效果良好。 （3）樹(shù)枝搖動(dòng)的處理，本文設(shè)計(jì)了對(duì)變化區(qū)域的灰度值求和比較的計(jì)算策略，如果和的變化小于閾值，即為樹(shù)枝搖動(dòng)，否則為交通對(duì)象的變化。經(jīng)