基于图像处理的交通灯动态时间控制系统教学文稿.ppt

LOGO Company Logo Company Logo Company Logo Company Logo Company Logo Company Logo LOGO 基于图像处理的交通灯动态时间控制系统 刘继琼，何格，梅明，胡槟枫 Introduction 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亟待解决的问题。 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 Company Logo Abstract 本文提出了一种基于图像处理的交通灯动态时间控制系统设计方案。 该系统分为两个单元——图像处理、实时控制。 利用Monte Carlo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 Company Logo 系统结构图 交通灯动态时间控制系统结构图 Company Logo Company Logo 图像处理单元 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 Contents Contents 图 处 单 像 理 元 实 控 单 时 制 元 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 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 二 值 化 ※ 二值化是将图像分成目标和背景的一种方法，常用的一种方法是选取一个适当的阈值，对图像进行阈值划分。设 是 点第 帧的灰度值， 为阈值， 为 点第 帧的二值化处理后的取值，则有： 二值化后的图像 Company Logo Company Logo 车辆识别 ※ 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。 ※ 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。图像经二值化处理后，两辆车包含的信息量也明显不同，可以对二值化处理后的图像像素矩阵进行加权，使每辆车在图像中的信息量均衡。 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