原文传递
基于机器视觉的智能交通信号灯控制
| 论文题名： | 基于机器视觉的智能交通信号灯控制 |
| 关键词： | 机器视觉;智能交通;信号灯控制;图像演算 |
| 摘要： | 通过实现交通信号灯的机器视觉，根据现场情况对道路交通进行实时控制，可以使道路资源的利用最大化。目前的交通信号灯控制系统通常是定时和静态的，红绿灯的切换按照预先设定的周期进行，无法根据实际交通状况进行实时的控制，增加了无效等待时间，从而降低了道路的使用效率。 背景差法是实现机器视觉的一种有效方法：在背景提取成功的基础上，通过将当前图像与背景图像相减，来提取前景信息，比如车辆、行人等，进而对前景信息进行处理和分析，依据分析结果对实际交通状况作出判断，最终控制交通信号灯的实时切换，使道路资源的利用达到最大化。 本文从工程应用的角度，针对常见的背景差法普遍存在的问题进行了分析和改进，重点研究了背景提取算法，对环境光线变化干扰的抑制，以及对树枝摇动一类干扰的抑制，主要工作包括： （1）背景提取及更新，本文设计了以数量最多的灰度值作为背景灰度值的算法。经对实际交通图像演算，在交通较拥挤的情况下（车速约20公里/小时，车距约10米，平均每3秒通过一辆车），在约18秒的采样时间内，对233帧图像进行计算，即得出准确的背景灰度值为139。当交通通畅时，该算法的效果将更好。 （2）环境光线变化的处理，本文设计了如下计算策略：将整个场景图像划分为非交通区域和交通区域，利用非交通区域内物体本身灰度值变化较小，如果灰度值发生整体变化即可判定是由环境光线变化引起的特点，以非交通区域的灰度值变化作为环境光线变化的参考，用非交通区域内所有像素点灰度值变化百分比的平均值，逐个乘以交通区域内背景像素点灰度值，得到经计算调整的背景图像。经对实际交通图像演算，当环境光线变化幅度约为17％时，经过计算调整，单个像素点（335，175）的误差由17％减小到0.04％，整个交通区域内，原先误差在±5％以内的点占总数的比例仅为0.01％，调整后这个比例上升到90.54％，对于大幅度的突然的环境光线变化抑制效果良好。 （3）树枝摇动的处理，本文设计了对变化区域的灰度值求和比较的计算策略，如果和的变化小于阈值，即为树枝摇动，否则为交通对象的变化。经对实际交通图像演算，选定某一树枝摇动的区域，该区域在当前帧的28800个像素点灰度值之和为3257028，过了一段时间后为3253350，两者偏差为-0.11％，变化很小，由此可以判定是属于树枝摇动一类的情况，其对交通场景判断的干扰被排除。 以上算法经系统仿真集成与测试，获得了良好的运行结果，具有切实的工程应用可行性。 |
| 作者： | 金军 |
| 专业： | 软件工程 |
| 导师： | 梁阿磊;洪道广 |
| 授予学位： | 硕士 |
| 授予学位单位： | 上海交通大学 |
| 学位年度： | 2009 |
| 正文语种： | 中文 |
检索历史
应用推荐
