基于图像处理车流量检测的智能交通灯控制精选.doc

年度 2016年 编号 科学研究项目 申请书 项目类别： 重大项目（ ） （勾选） 重点项目（ ） 一般项目（√） 青年项目（ ） 项目名称： 基于图像处理车流量检测的智能交通灯控制 申请者： 承担单位： 申请时间： 2016年 3 月 2016年 科学研究项目申请书 活页论证表 填表说明：本表供匿名评审使用。填写时，不得出现课题申请人和课题组成员的姓名、单位名称、职务等信息（或用**符号代替），否则一律不得进入评审程序。 项目名称： 基于图像处理车流量检测的智能交通灯控制 （限4000字左右） 1.本项目研究现状述评，选题意义和研究价值。 2.本项目研究目标、研究内容、主要观点及创新之处。 3.本项目的研究思路、研究方法、技术路线和实施步骤。 4.预期成果。 5.项目研究基础。 1.国内外研究现状 基于图像处理车流量检测的智能交通灯控制是智能交通系统的重要组成部分，目前世界上应用较普遍的智能交通系统都是科技比较发达的地区和国家，如日本的VICS系统已经非常成熟，欧洲、美国和其他一些地区应用也比较广泛[1]。很多发达国家都不惜投入了大量的人力和资金研究ITS系统，并且都取得了较满意的效果。我国相对于国外发展较晚，90年代初期才开始进行研究探索。随后ITS系统的研究便一发不可收拾，慢慢步入正轨，2007年在北京召开的第十四届以ITS为主题的国际会议，我国ITS研究水平得到了进一步提高。上海、北京、广东等比较发达的城市也已经引进了国外先进的ITS技术和设备，各大城市也相继有ITS的重大项目上马。一方面，一些公司看到了ITS在我国的发展前景和经济效益，不惜投入大量的人力和资金研究ITS技术，另一方面，国家有关部门大力支持并鼓励学者、技术专家积极研究ITS技术，争取研发出具有自主知识产权的ITS系统。得益于这些因素，我国的ITS系统的研究正处于方兴未艾阶段，并正逐步走向成熟。 车流量检测是智能交通灯控制的关键技术。当前比较流行的车辆检测方法包括波频检测法、地感线圈检测法、智能视频检测法等。 波频检测方法利用红外线、超声波或微波等专用设备对通过的车辆发出电磁波，并接收感应信息进行检测。它的优点是对气温的变化不敏感，且架构较为简单。但它也有很多缺陷，比如灵敏度不够高，也存在一定的错误率。 地感线圈检测属于一种被动接触式的检测技术。这种方法在检测交通流量、交通占有率等方面准确率高，而且气候条件影响极小，使用成本也比较低。但此方法施工复杂，维护成本高，在安装设备时要求将线圈埋入道路下，需要中断交通，挖路维修或更换设备，不仅影响正常的交通，还损坏道路。 智能视频图像检测法属于一种非接触式检测技术，车辆视频图像是通过安装在道路上的探头、摄像机或图像采集卡等装置采集获取。当视频装置检测到有车辆进入较好的拍照范围时，立即触发相应设备进行抓拍，并将视频图像数据发送至终端进行相应的处理和分析，从而获取车辆的相关信息。采用智能视频图像检测法与其他检测方法相比，有如下优点[2]： （1）硬件安装、维护简单方便，不会损坏路面，便于更换设备，不会影响正常交通，硬件安装费用和维护的成本低； （2）道路交通情况的监测画面便于存储，必要时可以离线分析处理； （3）通过视频装置可以实时监控交通情况，实时掌握交通信息； （4）采集的车辆信息比较丰富、直观，方便交通管理人员的管理； （5）两个相邻监控点之间的信号不会相互干扰； （6）可以调整扩大监控范围。 但同时也存在一些缺点，采集装置采集的图像质量与天气、光照等外界因素有很大的关系，当天气、光照不佳时，采集到的图像质量较差，清晰度下降，不便于进行后续的分析处理，极大的影响系统的性能，目前基于图像处理的车辆检测较为常用的方法主要包括：背景差分法[3]，帧间差分法[4]，光流法[5]，高斯混合模型法[6,7]等。这些方法的难点是背景的消除，而且当摄像机的抖动、光照变化较大、存在阴影时，检测结果会受到很大影响。而基于图像车辆检测方法主要有基于车辆对称性的定位[8]，基于车辆颜色和纹理的定位[9]，基于车辆边缘的定位[10]等，这些方法各有优缺点，虽然实现简单，但效果不佳且鲁棒性较差。此外，慕永云等人[11]采用结合车辆阴影特征、边缘特征、纹理特征和对称性的车辆检测算法，文献[12]提出一种基于车牌照模型的车辆检测方法，连捷等人[13]利用车辆轮廓对称性及车牌定位信息融合检测车辆。但在复杂条件下，这些方法的检测效果还不是很理想，需要进一步的研究。 2.选题意义和研究价值 交通运输是人类文明进步的一个重大推力。经济社会越发展，交通运输就显得越来越重要[14]。改革开放以后，随着