基于数字图像处理的智能交通控制系统的研究

摘要

当今社会，汽车已经成为了许多人必不可少的交通工具之一，汽车为人类带来了交通便利的同时，由于其保有量的持续增加，也成为交通堵塞拥挤的重要原因之一。因此，需要建立合理的智能交通控制系统。本文将图像处理方法与计算机视觉相结合，运用在智能交通系统的控制中。
　　 交通控制应该在不同的天气、环境、光照的条件下都能正常有效的工作，因此，本文将分为白天与夜晚的车辆排队检测。然后，通过改进的伸缩窗算法和三维空间到二维图像的映射法分别测出白天和夜晚车辆排队长度。进而根据车辆长度制定了红绿灯的停留时长。从而达到智能的控制交通灯的目的。
　　 首先，对于白天车辆排队检测，本文应用三帧差法来检测运动车辆，利用基于抗噪型形态学的边缘检测来检测存在车辆。其次，由于夜晚的环境与白天差别很大，所以无法使用白天情况下的检测方法，本文利用车灯作为夜晚车辆的标志来对排队车辆进行检测。最后本文利用改进的伸缩窗算法来测量白天排队车辆的长度，利用三维空间到二维图像的映射法来检测夜晚排队车辆长度。然后利用KNN算法将昼夜区分，最后利用所测的车辆排队长度制定出相应的红绿灯时间，从而达到了智能控制交通目的。
　　 实验结果显示，在不同天气环境和光照亮度情况下，本文的方法能够准确有效的检测车辆排队长度，能够更合理的智能控制交通灯。

目录

声明

摘要

第一章 绪论

1．1 智能交通系统概述

1．2 国内外智能交通系统研究现状

1．3 论文的主要内容及章节安排

第二章 视频图像的预处理

2．1 数学形态学简介

2．2 图像灰度化

2．3 灰度变换

2．3．1 空域法

2．3．2 频域法

2．4 图像去噪

2．4．1 空域图像去噪算法

2．4．2 频域图像去噪算法

第三章 白天环境下的车辆排队检测及长度计算

3．1 车辆运动检测

3．1．1 运动车辆检测方法概述

3．1．2 基于三帧差法的运动车辆检测

3．1．3 实验结果与分析

3．2 车辆存在检测

3．2．1 车辆存在检测方法综述

3．2．2 本文采用的车辆存在检测方法

3．2．3 实验结果与分析

3．3 车辆排队长度计算

3．3．1 一般的车队长度提取方法

3．3．2 复式伸缩窗算法测量车队长度

3．3．3 实验结果与分析

第四章 夜晚环境下的车辆排队检测及长度计算

4．1 基于车头灯检测的车辆检测

4．1．1 常用车灯检测算法简介

4．1．2 基于白高帽变换的车头灯检测

4．1．3 干扰光去除

4．2 移动检测窗的算法检测车队

4．3 三维空间到二维图像的映射法

4．4 实验结果与分析

4．5 白天夜晚识别算法

4．5．1 传统识别算法及现状

4．5．2 本文采用的识别算法

第五章 交通信号灯智能控制算法

5．1 交通流模型

5．2 控制系统策略

5．2．1 排队长度识别模块

5．2．2 初始绿灯相位设定模块

5．2．3 相序优化器模块

5．2．4 绿灯相位延时模块

5．3 控制过程

5．4 仿真对比

第六章 总结与展望

致谢

参考文献

作者在攻读硕士学位期间发表的学术论文