交通灯的实时控制.pptVIP

一、图像采集 由于拍摄图像受到摄像头安装方法的影响，因此在进行车辆识别时，必须考虑摄像头的安装角度和高度。 * 交通灯的实时控制 河海大学文天学院 刘中飞，张凯，张灵友 简介： 城市交通拥堵现象日趋严重，如何优化交通信号灯控制，提高车辆通行效率是急需解决的问题。 然而，现有的交通信号灯控制系统几乎全部采用的是固定时序的控制方式，无法针对实际交通流量对各车道的放行时间进行自适应性调整，造成了道路资源的浪费。 Company Logo 爱上 摘要： 基于图像采集，图像处理，实时控制交通信号灯的设计方案。 该系统分为3个单元——图像采集、图像处理、实时控制。 利用计算机随机模拟法模拟实际交通情况，采用各车辆等待平均时间作为评价指标进行优化，实现了交通灯的动态实时控制，有效提高了交叉路口车辆的通行效率。 Company Logo 十字路口交通灯图 以双向四车道为例一般情况下右转不受限，直行和左转受同一组灯控制。利用matlab编程对整个交通过程进行了计算机模拟法模拟。 Company Logo Company Logo 系统结构图 交通灯动态时间控制系统结构图 对于同样大小的的车辆，在视场范围内距离摄像头越远，在图像中显示长度越短。图像经处理后，两辆车包含的信息量也明显不同，使每辆车都能均匀采集。 Company Logo Company Logo 二、图像处理 原始视频 车辆数 灰度化 提取背景 中值滤波 二值化 车辆识别 Company Logo Company Logo 灰度化处理 将三维彩色图片转化为二维灰度图片，减少信息量。 像素矩阵是一个三维的矩阵，受光线影响大，数据量大，影响处理速度。 灰度图片是二维图片，不包含色彩信息。信息量明显减少，加快计算速度。 因此可以将三原色图像转化为256级灰度图像进行处理，本文采用平均值法计算图像灰度值。 设图像在点（X，Y）RGB的像素值分量分别为 、 、 灰度化后像素值为 ，则有 Company Logo Company Logo 灰度化处理 原始图像 灰度化后 选取一段实际监控视频，截取其中两帧图像 Company Logo Company Logo 动态提取图像背景 为了得到视频图像中的车辆信息，首先得提取视频图像的背景，但受天气等因素的影响，视频背景信息不可能是一成不变的，因此需要对背景进行动态提取。 视频文件做上述处理后 Company Logo Company Logo 背 景 帧 差 将实时视频图像信息与背景图像做差，得到的前景图像像素矩阵中像素起伏较大的区域即可能为车辆存在区域。 背景帧差后图像 Company Logo Company Logo 中值滤波 中值滤波的功能就是用像素点领域灰度值的中值来代替该像素点的灰度值，所以它对孤立的噪声像素具有很强的消除能力。 中值滤波后的图像 在视频采集和传输过程中，受到设备自身以及实际环境的干扰，或多或少会带有各种噪声，因此在提取前景图像后对图像进行预处理。可以采用中值滤波法。 Company Logo Company Logo 图像处理结果 帧序号 1 2 3 4 5 6 7 8 9 10 计算值 6.78 6.69 6.75 4.02 4.57 6.79 4.29 4.49 4.14 4.36 实际值 7 7 6 5 4 7 5 4 5 5 残差 -0.22 -0.31 0.75 -0.98 0.57 -0.21 -0.71 0.49 -0.86 -0.64 相对误差 3.1% 4.4% 12.5% 19.6% 14.2% 3.0% 14.2% 12.2% 17.2% 12.8% 在车辆识别后，可以通过像素矩阵中目标的覆盖率来确定视场范围内的车辆数，整个 图像处理计算后的各帧图像车辆数结果及其误差统计如下表所示 由上表可知，通过上述方法计算的图像中的车辆数具有较高的准确度，可以为实时控制系统提供可靠数据。 Company Logo Company Logo 三、实时控制 模型假设 模型建立 流程模拟 模型求解 模拟程序检验 求模型最优解 设定若干假设 整个模型包括以下四个部分： 定义若干变量 算车道车辆数 计算等待时长 模拟实时交通 确定等待时间 模型假设 考虑双向四车道情况，右转不受限，左转和直行受同 一组灯控制 车辆到达路口与离开路口均以秒为单位，不考虑车辆大小，绿灯且有车等待时每秒通行一辆车 不考虑其它因素对车流量产生的变化，任何时刻车流量相同 模拟开始时各路口等待车辆数均为零，模拟结束时