用于动态交通灯控制的机器视觉算法外文翻译.docVIP

用于动态交通灯控制的机器视觉算法 摘要：本文提出一种自主的模糊交通控制器，通过集中有效的管理方式，十字路口车流量该系统在每一个路口计算机视觉算法来检测汽车的数量系统在一个模拟的场景选择动作序列，优化控制区域内的交通流获得的结果表明，该系统降低了20％各车辆的延迟时间控制器能够顺利地适应不同的流量的变化关键词交通控制，计算机视觉，优化，模糊控制，检测对象。 1简介 如今波哥大市严重的问题大大损害了其生产力和竞争力根据[1][2]，造成这种情况的主要原因之一是低效的和过时的流量控制器的使用这是不能够有效地管理城市的交通流量这些固定时间控制器统计流量分析的基础上配置一般不准确的反映交通流状况几个智能交通控制系统依靠不同种类的传感器网络提供信息这些都能够有效动态地管理车辆流量但大多是由电磁传感器虽然这些系统的性能轻松超过固定时间控制器的性能他们提出了一个涉及使用传感器维修问题目前的解决方案绝大多数使用电感式传感器所提供的信息这直接安装到沥青中这种部署让他们接触到各种物理这大大缩短它们的使用寿命为了避免这个问题工作提出了一个完全自主的动态控制器使用一组摄像机提供的信息在模拟场景协调和集中的方式管理交通灯的状态根据[5]，由于控制区范围内的位置的性这种传感器给了系统大的安装灵活性避免上述的问题和增加的耐久性系统的效率和该控制器发展的主要贡献是用车辆检测准确地识别各道路中存在的车辆的数目使用检测算法所提供的数据切换红绿灯的状态确保一个连续的和均匀的交通流量本文共分六个部分，除了这介绍在第2节车辆交通管制基本理论和对象检测技术的总结。第3节介绍系统的详细信息第4节给出设计的测试场景的特点，第5节表明结果。最后，第六部分提出实现的结论。 2背景以往的研究 下面，该地区的交通控制器和从图像中的车辆检测的相关条款和调查。 2.1交通管制 主要有两种类型的交通管制静态的和动态的前者是指那些以前的行动序列编程，而后者使用的目标采集方法允许系统来识别道路上的交通流量状态，并对其动态有效的控制方式重要的是定义一些基本的术语：，周期和协调是一个允许非冲突性动作流程的交通信号图1显示第1阶段允许流量从西到东同样的连续的阶段不断重复被认为是一个周期图1显示了一个4个阶段的周期协调以这样的方式交叉口信号编程可以实现以恒定的速度考虑到这一点控制的动作表示循环的一部份相位的测定，以及对每一个阶段的持续时间在检测物体段有两个关于车辆检测任务主要策略第一种是基于背景和光流估计而第二个使用机器学习技术。背景估计一个预定义空的道路模型（图像），流量之间的进行预定义的模型相比时获得机器学习的大量的调查一直致力于路车辆检测汽车内安装了摄像头交叉口的交通控制应用程序在此区域内所用的方法的例子Haar特征的级联提振筛（尺度不变特征变换）匹配和神经网络的模式检测同样的有一很重要的有助于理解这部分的工作的术语，使用数据集功能的操作以确定这些数据样本属于类或一组它通过增加弱classifiers创建一classifier，视为一个重要的信息，代表一个数据组中的元素之间的相似度有大量的通过图像车辆检测调查以下是一些在此中重要的研究文章在[9]和[10]路上车辆检测器的开发使用类Haar特征检测器获得分别为88.6％和76％的检测精度[11]和[12]中，作者用在这两种情况下效率超过90％的背景估计技术在[13]形态学边缘检测器（SMED）比背景估计更高的光照变化获得95％的精度交通控制系统 所建议的解决方案的物理图。 图2显示了所建议的解决方案的图一台计算机被放置在每个路口负责从网络摄像机图像采集该计算机被连接到一个集中的服务器中处理的信息，并执行检测和控制算法最后所有均发送到每台计算机改变红绿灯。 3.1模糊控制系统 Lee et al在原有模型的基础上开发的控制器[7]中不仅评估控制路口相关的变量同时还分析了在附近的路口交通流相关的变量这使系统能够以协调的方式运作从而产生所谓的“绿浪”避免不必要车和避免高拥堵区域。 控制器基本上由图3中所示的三个模块“Next Phase ”模块是负责评估每个阶段的紧迫性水平活跃‘Observation’ 模块是负责研究流量对应的绿“Decision ”模块确定交叉点是否变化具有最高紧急程度（取决于“”模块），或保持一段较长的时间常数。 应该指出的是，根据紧迫程度只是一个如何及时和有利的分析这些模块中的每个模块的操作模式如下所述： 3.1.1“”模块 这是负责选择所有无效阶段最高紧急水平要做到这一点此模块评估每一个与每个阶段相关联的流量其平均值的紧迫性将分析阶段的紧迫程度例如在图4所示的阶段水平的紧迫感东北流及南北流评估值的平均要获得每个流的紧迫性水平评估四个变量NumCar是等待绿灯信号车辆的数量，在图4中，他们均位于北RedTime代表已被停用评价相