*基金項(xiàng)目：遼寧省大學(xué)生創(chuàng)新項(xiàng)目，項(xiàng)目編號(hào)：X202210143043

社會(huì)經(jīng)濟(jì)逐步發(fā)展，汽車制造行業(yè)興起，使我國汽車保有量大幅增加，但城市道路因各種原因無法進(jìn)行擴(kuò)建，易導(dǎo)致交通擁堵。在早高峰時(shí)間可能出現(xiàn)大量車在等紅燈，而另一方向路口卻很少有車輛通行。這種固定信號(hào)周期控制造成的交通擁堵，大大限制了交叉路口的通行能力。若信號(hào)燈綠燈時(shí)間可以隨著車況進(jìn)行調(diào)整，那這種情況將得以改善。由于人工統(tǒng)計(jì)車流量易造成遺漏且過于耗費(fèi)人力，地下線圈統(tǒng)計(jì)則安裝成本高且維護(hù)困難。

由此可見，一個(gè)能隨著車流變化的智能交通信號(hào)系統(tǒng)尤為重要。在車流密集的道路上增長綠燈時(shí)間，在車流稀少的路口相應(yīng)減少。利用視覺處理的方式避免安裝傳感器帶來的高成本、高維護(hù)，減少對人力的投入。

1 系統(tǒng)總體方案設(shè)計(jì)

針對上述背景，設(shè)計(jì)了基于圖像處理的智能交通信號(hào)燈控制系統(tǒng)，該系統(tǒng)在OpenCV 平臺(tái)的基礎(chǔ)上，利用Python語言編寫，并以樹莓派為主控。在使用過程中連接高清攝像頭實(shí)時(shí)捕捉路上車輛行駛的視頻圖像，經(jīng)過OpenCV 計(jì)算機(jī)視覺庫對圖像的處理，獲取車流輛、車輛排隊(duì)長度，通過智能算法對下一刻汽車的數(shù)量進(jìn)行預(yù)測。根據(jù)此計(jì)算結(jié)果，調(diào)整交通信號(hào)燈的時(shí)間，以此實(shí)現(xiàn)智能交通信號(hào)，改善交通狀況，使十字路口通行更加順暢。

2 硬件控制核心選擇

本設(shè)計(jì)需要對路面進(jìn)行抓拍、圖像處理以及計(jì)算等任務(wù)?？梢允褂肙penMV 硬件或樹莓派+OpenCV+ 攝像頭。OpenCV 是一個(gè)跨平臺(tái)的計(jì)算機(jī)視覺庫，有著多種計(jì)算機(jī)視覺的算法。而OpenMV 是視覺模塊硬件，本質(zhì)是一個(gè)STM32 單片機(jī)。在圖像處理方面，OpenCV更占優(yōu)勢；在性能方面，OpenMV 在處理大量數(shù)據(jù)，運(yùn)行實(shí)時(shí)性系統(tǒng)會(huì)比較吃力，樹莓派性能較高可以搭載OpenCV 運(yùn)行庫，對圖像數(shù)據(jù)進(jìn)行處理，可以運(yùn)行更多算法。同時(shí)，在公路上一般都裝載攝像頭，可以直接接入樹莓派進(jìn)行使用，更為方便。故采用樹莓派+OpenCV+ 攝像頭進(jìn)行開發(fā)較為妥當(dāng)。

3 系統(tǒng)程序設(shè)計(jì)

首先利用OpenCV 庫對視頻流進(jìn)行獲取，對路面的車流的每一幀進(jìn)行處理，調(diào)節(jié)合適的參數(shù)使車輛凸顯出來，并使用幀差法實(shí)現(xiàn)目標(biāo)跟蹤，用虛擬線圈法進(jìn)行統(tǒng)計(jì)車流量。把得到的平均車流量、車輛排隊(duì)長度輸入到模糊控制器中得到一個(gè)更加合理的綠燈時(shí)間。程序設(shè)計(jì)流程如圖1 所示：

圖1 程序設(shè)計(jì)流程圖

3.1 圖像預(yù)處理

在圖像預(yù)處理中，需要對形態(tài)學(xué)進(jìn)行了解。這是對圖像處理和描述的有力工具，其在計(jì)算機(jī)視覺、數(shù)據(jù)處理方面有著廣泛的應(yīng)用。

視覺圖像處理就是運(yùn)用數(shù)學(xué)形態(tài)學(xué)，它可分為二值形態(tài)學(xué)和灰度形態(tài)學(xué)。其主要的運(yùn)算就是腐蝕( 式1)、膨脹( 式2)。腐蝕會(huì)縮小白色部分，使輪廓更加的細(xì)化，一般處理用于處理離散點(diǎn)，將兩個(gè)不同物體的連接斷開。膨脹會(huì)增大白色部分，使輪廓更加粗壯，一般處理一個(gè)物體內(nèi)部像素點(diǎn)不全的問題。

在此過程中，設(shè)置腐蝕、膨脹內(nèi)核，使用Numpy 庫進(jìn)行進(jìn)行卷積核的設(shè)定kernel = np.ones((6, 6), np.uint8)更改數(shù)值可以對核的形狀和尺寸進(jìn)行設(shè)定。即可得到一個(gè)尺寸相同的矩陣。這時(shí)就可以對矩陣中選定的形態(tài)，進(jìn)行腐蝕、膨脹將形狀提取出來。二值化圖像如圖2 所示、腐蝕膨脹結(jié)果如圖3 所示：

3.2 車流量檢測設(shè)計(jì)

1）車輛目標(biāo)跟蹤

車輛目標(biāo)跟蹤采用幀差分法進(jìn)行目標(biāo)跟隨通過cv2.cvtColor()函數(shù)對這這一幀與上一幀圖像轉(zhuǎn)為灰度圖像，并通過高斯濾波消除噪音，以減小光線變化或攝像頭輕微晃動(dòng)引起的噪聲，而后使用cv2.absdiff() 對這附近兩幀進(jìn)行差分，得到兩張圖的差異之處。采用二值化處理，將車輛從圖中提取出來。最后將兩幀圖片變化的地方進(jìn)行腐蝕、膨脹處理，獲得更加明顯的差異。并不斷迭代形成一個(gè)連續(xù)的圖像。但這種方式精度略低，可以使用改進(jìn)方法：多幀間差分法^[1]，將當(dāng)前幀、前后相鄰兩幀像素的灰度值進(jìn)行運(yùn)算，通過3 幀圖像差分得到完整目標(biāo)輪廓。

通過上述方法獲得差異，利用cv2.findContours 進(jìn)行對所有輪廓點(diǎn)的儲(chǔ)存，并將輪廓添加到原始幀中，從而持續(xù)跟蹤目標(biāo)。目標(biāo)跟蹤算法如圖4 所示：

圖4 目標(biāo)跟蹤算法

2）虛擬線圈計(jì)數(shù)法

這種方法與傳統(tǒng)的在路面下方安置物理線圈類似，但物理線圈有著維護(hù)費(fèi)用高，易造成道路損壞等問題。使用虛擬線圈計(jì)數(shù)成本低，檢測也更為方便。運(yùn)用視覺處理，以道路單一方向的車流為基礎(chǔ)，在視頻的中央處垂直與車道線畫一條虛擬檢測線。每當(dāng)車輛穿過這條檢測線時(shí)，車流量計(jì)數(shù)加一，并在這輛車離開攝像頭的范圍將其計(jì)數(shù)減一。通過這種方式實(shí)時(shí)記錄車流量。

在判斷車輛是否穿過這條虛擬檢測線，利用數(shù)學(xué)幾何中的叉乘。以下為正方向時(shí)，車輛1 在線圈上方AC×AD 即為正、車輛2 在線圈下方BC×BD 為負(fù)。可得知在線圈上方時(shí)結(jié)果為正，下方為負(fù)。所以當(dāng)觀察到的目標(biāo)計(jì)算值由正變?yōu)樨?fù)時(shí)，就可以確定有車穿過了虛擬線圈，進(jìn)而實(shí)現(xiàn)計(jì)數(shù)功能。虛擬線圈理論示意圖如圖5 所示、車流量計(jì)數(shù)測試圖如圖6 所示：

3.3 車輛排隊(duì)長度獲取

要完成對車隊(duì)長度的測量，需將圖像二值化處理將背景與車輛進(jìn)行分離。利用基于模板的快速單車道提取^[5], 這是一種模板化的方法，由于車道線在任意一幀圖像中的位置是不變的，因此可以利用模板圖像對任意一幀圖像進(jìn)行模板化處理，以直接完成該幀圖像的單車道提取。由于圖片的橫向缺失故需進(jìn)行膨脹處理，使白色圖像更加豐滿，最后對像素長度進(jìn)行獲取，得到圖片中車輛的排隊(duì)長度。車輛排隊(duì)長度程序設(shè)計(jì)流程圖如圖7所示：

圖7 車輛排隊(duì)長度程序設(shè)計(jì)流程圖

3.4 模糊控制器設(shè)計(jì)

一般十字路口變化基本為：①南北直行綠燈、東西直行紅燈50 s。②南北路口黃燈閃爍3 s、東西路口繼續(xù)紅燈。③南北直行路口紅燈、東西直行路口綠燈50 s。④南北直行紅燈、東西路口黃燈閃爍。這4 個(gè)反復(fù)循環(huán)是十字路口的基本規(guī)則，南北或東西路口的左轉(zhuǎn)、右轉(zhuǎn)都穿插在這直行信號(hào)之間，使各個(gè)車輛能夠安全地通過。但車流量會(huì)隨著交通情況實(shí)時(shí)改變，很難建立一個(gè)完美的信號(hào)周期。由于模糊控制是一種基于特定規(guī)則和專家經(jīng)驗(yàn)的控制思路，于人們的認(rèn)知誕生的算法，它不需要特別精確的數(shù)學(xué)模型也可以得到想要的效果。故采用模糊控制策略得出相對合理的、符合當(dāng)時(shí)道路的交通信號(hào)周期。

1）參數(shù)設(shè)置

模糊化處理是將獲取到的南北通行平均車流量R_sn 、東西通行平均車流量R_ew 、南北車輛排隊(duì)長度L_sn、東西車輛排隊(duì)長度L_ew 這4 個(gè)參數(shù)進(jìn)行模糊評級(jí)。將車流量密集程度分為4 個(gè)等級(jí)擁堵、稠密、正常、基本沒有車輛通行并對其分別賦值9、6、3、0。給車輛排隊(duì)長度也分為4 個(gè)等級(jí)極長、長、一般、基本沒有車輛停止，也分別賦值為4、3、2、1。在進(jìn)行模糊化后開始模糊推理，由于模糊推理的輸出結(jié)果是模糊量，需要使用式（3）（4）得出清晰化結(jié)果。模糊控制器算法設(shè)計(jì)圖如圖8 所示：

圖8 模糊控制器算法設(shè)計(jì)圖

2）參數(shù)獲取與優(yōu)化算法

當(dāng)處于①信號(hào)狀態(tài)時(shí)，獲取南北通行平均車流量R_sn 處于②狀態(tài)時(shí)獲取東西車輛排隊(duì)長度L_ew 、處于③狀態(tài)時(shí)獲取東西通行平均車流量R_ew 、處于④狀態(tài)時(shí)獲取南北車輛排隊(duì)長度L_sn 。

在進(jìn)行①②③狀態(tài)后于④狀態(tài)的黃燈時(shí)間，整理獲取到交通情況的各個(gè)參數(shù)后，開始對新一輪的南北綠燈時(shí)間T_sn和東西綠燈時(shí)間T_ew進(jìn)行評估（K 默認(rèn)為1）。

通過這樣的方式不改變信號(hào)周期的總時(shí)長 ，當(dāng)哪個(gè)方位車流量增多，并以排隊(duì)時(shí)間之比進(jìn)行倍增，對于不同情況可以調(diào)節(jié)K 值，減小或增大ΔT 的范圍，提高了本優(yōu)化算法的適應(yīng)性，使其更加適合交通情況。

4 結(jié)束語

本文主要介紹了基于圖像處理的智能交通信號(hào)系統(tǒng)，利用目標(biāo)跟蹤與虛擬線圈法得到路口車流量的稠密程度，并設(shè)計(jì)了模糊控制器，它可以根據(jù)車流量、車輛排隊(duì)長度對路口的綠燈時(shí)間進(jìn)行適當(dāng)調(diào)整，這種能夠按照交通路口擁堵程度自行更改綠信比的智能交通信號(hào)系統(tǒng)可以大大提升十字路口的通行效率，使社會(huì)資源分配的更加合理，有效解決交通擁堵的現(xiàn)象。

參考文獻(xiàn)：

[1] 宮金良,陳濤,張彥斐,等.一種基于多區(qū)域信息融合約束的改進(jìn)幀間差分目標(biāo)檢測與跟蹤算法[J].江蘇大學(xué)學(xué)報(bào)(自然科學(xué)版),2022,43(3):302-309.

[2] 文豐,王樂群,張凱華.基于ZYNQ加速的幀差法運(yùn)動(dòng)目標(biāo)檢測[J].單片機(jī)與嵌入式系統(tǒng)應(yīng)用,2022,22(6):74-78.

[3] 李春明,楊?yuàn)?遠(yuǎn)松靈.結(jié)合幀差法與窗口搜索的車道線跟蹤方法[J].太赫茲科學(xué)與電子信息學(xué)報(bào),2022,20(4):372-377.

[4] 黃大君,吳昊.基于虛擬線圈的車速檢測算法研究[J].蘭州文理學(xué)院學(xué)報(bào)(自然科學(xué)版),2020,34(1):76-81.

[5] 林彬.基于圖像處理的智能交通信號(hào)燈控制系統(tǒng)的研究[D].哈爾濱:哈爾濱工業(yè)大學(xué),2011.

（本文來源于《電子產(chǎn)品世界》雜志2023年4月期）