CN101702263A - 一种人行横道信号灯绿波自适应控制系统及方法 - Google Patents

Abstract

本发明提出一种人行横道信号灯绿波自适应控制系统及方法，充分利用道路车辆空档时间大于行人过街步行时间的现象，通过人行横道前一段预定的区域的车辆存在状况的检测来控制人行横道信号灯。这种信号灯的控制方法是根据交通流量的动态变化而自动地调整信号灯的控制参数，该控制系统能自动地适应交通流量的变化。在检测人行横道前一定距离内车辆存在状况时，采用了在道路上设置多个被检测区域的技术，来代替真实的物理感应线圈。检测区域的个数、大小、位置可以自己设置，或者通过摄像机标定技术来确定现实道路距离和图像像素间距离之间的关系。

Description

一种人行横道信号灯绿波自适应控制系统及方法

技术领域

本发明针对在较长路段中有多个人行横道信号灯的控制，提出通过检测人行横道前一段预定的区域的车辆存在状况来自适应地控制人行横道信号灯，属于城市道路交通控制领域。

背景技术

经检索，在城市道路交通控制领域中，有申请号为200610097965.2的中国发明专利申请，其发明名称为“行人过街信号灯绿波自动控制方法”，此发明采用对路段行人过街信号灯实施绿波控制方法，实现多个人行横道信号灯的协调控制，使尽可能多的机动车在设定的速度范围内能够一次不停的通过交通干线，但这些研究成果对交通干线都有严格的物理要求，如路口间距必须相等或成倍数，车辆要以规定速度范围内的速度行驶，遇到的信号灯才是绿灯。设置相位差是系统中最重要的参数，它决定了系统运行的有效性。对各个路口的车流量和路口间的距离要进行科学测定，因此很难在实际中推广应用。

发明内容

本发明针对绿波带相位差难于确定的问题，提供一种在较长路段上设置的人行横道信号灯的自适应控制系统及方法，利用视频采集模块(即安装在信号灯灯柱上的摄像机)采集道路上车辆的视频图像，用图像处理技术来检测道路车辆的存在状况，以此检测结果来确定当前信号灯的开启时刻，实现交通信号灯自适应控制。

为达到上述目的，本发明具体采用以下技术方案：

一种人行横道信号灯自适应控制装置，该装置用于检测本路段的被检测区域内的车辆存在状况，当此区域内无车辆存在时，行人信号灯为绿灯；当此区域内有车辆存在时，车辆信号灯为绿灯，直到达到车辆绿灯通行的最大时间。即无车人通行，有车车优先的原则。

该装置由视频采集模块、图像处理模块、信号灯控制模块组成，视频采集模块(即采用固定在交通信号灯灯柱上侧的摄像机)实时采集本路段的视频图像信息，图像处理模块的信号输入端与视频采集模块的信号输出端连接，将采集的视频图像信号输入给图像处理模块，图像处理模块的信号输出端与信号灯控制模块连接，通过所述实时采集道路的视频图像信息，在图像处理模块中用图像处理来判断被检测区域是否有车，依据被检测区域有车和无车的情况，自适应地控制人行信号灯的工作状况，如果被检测区域内无车辆存在，车辆信号灯为红灯，行人信号灯为绿灯，直到检测区域内出现车辆，如果检测区域内有车辆存在，车辆信号灯为绿灯，行人信号灯为红灯，直到车辆通行的最大绿灯时间。

本发明人还公开一种基于上述人行横道信号灯自适应控制装置的人行横道信号灯自适应控制方法，所述方法具体包括以下步骤：

(1)通过视频采集模块实时采集本路段的视频图像信息。所述视频采集模块采用视频摄像机，在车道上方对着每个行驶方向安装视频摄像机，视频摄像机连续拍摄道路上的交通状况；

(2)根据行人过街所需最短绿灯时间和车辆行驶的速度设置所采集路段道路图像的被检测区域的范围，这样可以降低检测车辆的运算量，实现检测的实时性。本发明通过检测道路上的标志线来实现检测区域的定位，以人行横道附近机动车平均速度和行人过街所需最短绿灯时间的乘积值作为需要设置的被检测区域的长度，被检测区域的宽度选取街道的宽度，所述被检测区域设置在人行横道线的车辆驶来方向一侧，再根据实际距离与图像中像素位置之间的关系，从图像中划分出相应的图像区域作为被检测区域。

(3)对设置的检测区域范围内的图像进行处理，通过进行图像预处理、背景模型建立和更新，然后再进行图像分割，得到车辆在图像中的像素集，根据车辆的图像像素是否达到阈值来判断该区域车辆存在状况；

(4)设定车辆通行绿灯时间和行人通行绿灯时间，如果检测区域内无车辆存在，车辆信号灯为红灯，行人信号灯为绿灯，直到检测区域内出现车辆；如果检测区域内有车辆存在，车辆信号灯为绿灯，行人信号灯为红灯，直到车辆通行的最大绿灯时间；

(5)重复循环(3)-(4)。

本发明与现有技术相比具有以下优点：

1、这种方法能充分利用道路上车辆空档(道路检测区域无运动车辆存在的空闲时间)大于行人过街所需最短绿灯时间时，放一次行人绿灯，来提高道路的利用率。每个人行横道线处的信号灯可以自适应控制，不受其他地方信号灯的影响。连续几个人行横道的信号灯，可起到车辆连续不停地行驶即绿波带的作用。可以将整个检测区域划分为多个宽度略小于车辆长度的小检测区域，而物理感应线圈一般不会采用铺满道路来检测车辆的，并且检测区域还可以灵活改变。对车辆的速度并无要求。能够依据检测器采集的实时交通信息，自适应控制变化交通，更新配时方案。而固定配时方案由于交通条件的变化会在短期内变得过时，需要对控制区域重新进行交通调查，并计算相应的配时方案。如果车流是脉冲式的到达，通过检测道路上从检测线BC到检测线AD之间的区域内无车时，触发行人过街信号灯，通过检测道路上从检测线BC到检测线AD之间的区域内有车时，触发车辆通行信号灯，可以形成连续不断的车流；如果车流量达到饱和状态，道路上从检测线BC到检测线AD之间的区域内始终有运动的车辆，信号灯将到达车辆最大绿灯时间，然后切换到行人过街状态，直到预设的时间结束，形成一种定时的控制方式。

2、这种信号灯的控制方法是根据交通流量的动态变化而自动地调整信号灯的控制参数，该控制系统能自动地适应交通流量的变化。在检测人行横道前一定距离内车辆存在状况时，采用了在道路上设置检测区域的技术，来代替真实的物理感应线圈。检测区域的大小、位置可以根据行人过街所需最短绿灯时间和车辆行驶的速度进行设置，采用了摄像机标定技术来确定现实道路距离和图像像素间距离之间的关系。采用了数字图像处理技术对道路上的设定的检测区域进行检测，用对称差分和背景差分技术进行图像背景重建和更新，用背景差分方法分割出图像中运动车辆，使用水平投影的方法将二维信号转化为一维信号处理，使计算量减小。并产生一个触发信号去启动信号灯的工作。

附图说明

图1为人行横道信号灯控制示意图；

图2为本发明的人行横道信号灯自适应控制系统的功能框图；

图3为本发明的人行横道信号灯自适应控制系统结构示意图；

图4为使用本发明人行横道信号灯自适应方法的信号灯控制流程图；

图5为本发明系统中摄像机安装示意图；

图6为检测区域图像分割示意图。

具体实施方式

下面根据说明书附图对本发明的技术方案作进一步详细说明。

本发明针对城市单向道路的行人过街信号灯控制技术进行设计。

如图1所示为人行横道信号灯控制示意图，在较长的路段上多个人行横道，每个人行横道1处有信号灯3控制行人的过街权利，为了获取道路上无车辆的情况，在人行横道1靠来车方向一边设置一个图像的被检测区域2，检被测区域2的边界是矩形区域ABCD，被检测区域2的长度AB(或CD)可以根据车辆行驶速度和行人过街时间进行设定，取值约为80m至110m。

本发明的人行横道信号灯自适应控制系统如图2所示，所述自适应控制系统由视频采集模块201、图像处理模块202、信号灯控制模块203组成。将视频摄像机固定在交通信号灯上侧作为视频采集模块201，图像处理模块202的信号输入端与视频采集模块201的信号输出端连接，将采集的视频图像信号输入给图像处理模块202，用图像处理来判断被检测区域是否有车。图像处理模块202的信号输出端与信号灯控制模块203连接，依据被检测区域2有车和无车的情况来自适应地控制人行横道信号灯的工作，所述信号灯控制模块自适应的控制人行信号灯的工作状况。

图3为本发明的人行横道信号灯自适应控制系统结构示意图，视频采集模块201包括采集视频单元301和参数设置单元302，采集视频单元301用于对视频图像进行采集并将视频转换为一帧一帧的图像输出到图像预处理单元303中，参数设置单元302用于设置图像处理区域的范围，该检测范围是从人行横道线开始到离人行横道线前的一个矩形区域如图5所示的ABCD，检测线BC设置在停车线处，检测线AD设置在离检测线BC约80m-110m的位置。

图像处理模块202包括图像预处理单元303、图像分割单元304、背景建立单元307、背景更新单元306、车辆提取单元305和判断结果单元308，图像预处理单元303用于将彩色图像转换为灰度图像和图像进行噪声平滑，采用邻域平均的方法进行噪音判断和去除，图像分割单元304首先利用相邻的三帧进行对称差分提取出中间帧的背景点和运动车辆的变化区域(在当前帧中变化区域包括显露区和运动车辆区域)，然后在背景建立单元307初始化背景，将确定为是背景点的像素作为背景图像，最后在车辆提取单元305利用背景差法从运动车辆的变化区域中提取出运动车辆，在背景更新单元306中将运动车辆的变化区域中的显露区作为背景像素更新到背景图像中，判断结果单元308用于对当前帧有无车辆的判断，当车辆经过检测区域时，检测区域位置上的图像就会由于车辆的覆盖而发生改变，当运动车辆覆盖检测区域的宽度大于某个阈值(最小宽度的车辆在检测区域中所形成的像素点的宽度)时，就认为检测到一辆车辆，否则就认为该区域无车辆通过。

信号灯控制模块203包括控制器309、定时器310、译码器311、信号灯312，控制器309接收外部系统时钟和触发信号，根据定时器310及触发信号，决定是否进行状态转换，如果状态需要转换则控制器发出状态转换信号S启动定时器重新计时，定时器310由控制器发出两种不同的定时信号，译码器311在控制器的控制下，改变交通灯信号312，信号灯自适应控制流程如图4所述，程序运行时，首先对被检测区域进行图像检测，如果检测区域内无车辆存在，车辆信号灯为红灯，行人信号灯为绿灯，直到检测区域内出现车辆；如果检测区域内有车辆存在，车辆信号灯为绿灯，行人信号灯为红灯，直到车辆通行的最大绿灯时间。

本发明还公开了一种人行横道信号灯自适应控制的方法，所述方法通过视频采集模块采集本路段的图像信息，并将所采集的视频图像信息传输至图像处理模块来判断被检测区域是否有车，将图像处理模块的信号输出端与信号灯控制机连接以根据被检测区域有车和无车的情况，自适应的控制人行信号灯的工作状况，该方法包括以下步骤：

(1).用摄像机作为视频采集模块，通过摄像机实时采集道路的图像信息，在车道上方对着每个行驶方向安装视频摄像机，摄像机连续拍摄道路上的交通状况；

(2).根据行人过街所需最短绿灯时间和车辆行驶速度设置所采集路段道路图像的被检测区域的范围。为了在检测车辆同时能降低运算量，实现检测的实时性，就必须只对图像中的部分区域进行处理，本发明通过车道标志线检测来实现被检测区域的定位，即只对所要检测的车道内的图像信息进行处理；

(3).对设置的被检测区域范围内的图像进行处理，通过进行图像预处理、背景模型建立和更新，然后再进行图像分割，得到车辆在图像中的像素集，根据车辆的图像像素是否达到阈值来判断该区域车辆存在状况；

(4).通过图像处理得到该区域车辆存在状况，有无运动车辆存在的状况，如果有车辆存在产生触发信号“1”，无车触发信号为“0”；如果检测区域内无车辆存在，触发信号为“0”，车辆信号灯为红灯，行人信号灯为绿灯，直到检测区域内出现车辆；如果检测区域内有车辆存在，触发信号为“1”，车辆信号灯为绿灯，行人信号灯为红灯，直到车辆通行的最大绿灯时间；

(5).重复循环(3)-(4)。

在本发明的人行横道信号灯自适应控制的方法中，检测区域的设定充分利用道路车辆空档(道路检测区域无运动车辆存在的空闲时间)大于行人过街步行时间的原则，被检测区域的设定最好按以下步骤进行：

(1)利用图像标定技术求解出实际距离与图像中像素位置之间的关系，就是从世界坐标系(现实三维场景)到计算机图像坐标系的映射关系变换过程，将路面距离信息转换成图像距离信息。世界坐标系的原点O是过摄像机光心与地面的垂直相交的交点，X轴正向沿水平指向右方，Y轴正向沿路面方向指向前方，Z轴正向垂直于地面方向向上。在标定计算中，可得世界坐标系中的任一点(X_w，Y_w，Z_w)和图像坐标系中的对应点的(u，v)间的坐标变化关系 $\left.\begin{array}{c}u=\frac{{\mathrm{aX}}_w}{b[(Z_w-H)\cos \mathrm{\α}+Y_w\sin \mathrm{\α}]}+x_c\\ v=\frac{a[Y_w\cos \mathrm{\α}-(Z_w-H)\sin \mathrm{\α}]}{(Z_w-H)\cos \mathrm{\α}+Y_w\sin \mathrm{\α}}+y_c\end{array}\right\}$

(X_w，Y_w，Z_w)是世界坐标系中的任一点，(u，v)是图像坐标系中的对应点的间的坐标，(x_c，y_c)是图像中心的坐标，对于固定摄像机而言，H表示摄像机高度和α表示摄像机的角度与水平线的夹角，H和α是一个已经知道的外部参数，a，b是摄像机内部参数，综合反映摄像机的内部特性的参数，只要求解出a，b就可以确定世界坐标系下的任意空间点在图像中的对应点。a，b可以利用平面上不共线的四个点及它们在像平面上的对应点求出，在本发明中，为了取得车辆出现和速度检测的最佳效果，在路边安装摄像机需要将其安装的较高在位置，图5所示为本发明系统中摄像机安装示意图，ABCD表示车辆被检测区域，检测线BC设置在停车线处，检测线AD是离停车线最远处，AB(或者CD)的表示被检测区域的长度，在本实施例中，摄像机一般安装在信号灯灯柱上，离地面的高度H为9m，拍摄方向正对车辆行驶的方向，调整摄像机的角度与水平线的夹角α可为50°；

(2)根据人行横道长度及行人过街步行速度确定行人过街所需最短绿灯时间，

L人行横道长度，v_r行人过街步行速度(此速度是根据统计获得，通常是1.0-1.8m/s)，所以G_min为行人过街所需最短绿灯时间，例如当人行横道长度L＝6m，行人过街步行速度v_r可采用1.2m/s，所以G_min为11秒左右；

(3)根据人行横道附近机动车平均速度(此速度是根据统计获得，通常是20-40km/h)，以人行横道附近机动车平均速度和行人过街所需最短绿灯时间的乘积值作为需要设置的被检测区域的长度AB或CD，被检测区域的宽度AD或BC选取街道的宽度，所述被检测区域设置在人行横道线的车辆驶来方向一侧，再根据实际距离与图像中像素位置之间的关系，从图像中划分出相应的图像区域作为被检测区域。

如行人安全过街的时间是11s，车辆行驶速度为36km/h，则车辆在此期间行使的距离为110m，从人行横道线开始到车辆行驶前方110m处，需要检测是否有车辆存在，再根据实际距离与图像中像素位置之间的关系，从图像中划分出相应的图像区域作为车辆的被检测区域。

(4)为了加快图像处理的速度和提高车辆检测的准确性，须要将待处理的道路图像区域划分为不同的矩形小区域分别进行处理，图6为被检测区域图像分割示意图，P为采集到的本路段的视频图像，ABCD表示车辆被检测区域，检测线BC设置在停车线处，检测线AD是离停车线最远处，AB(或者CD)的表示被检测区域的长度。将被检测区域划分为多个矩形小区域，每个矩形小区域的长度为该位置的道路的宽度，宽度为车辆长度的1/2或者1/3，利用图像处理技术可知每个小检测区域有无车辆出现。

通过对北检测区域的图像进行图像预处理、背景模型建立和更新，然后再进行图像分割，得到车辆在图像中的像素集，根据车辆的图像像素是否达到阈值来判断该区域车辆存在状况，所述图像处理优选按以下步骤进行：

(1).首先把由摄像机所获取的彩色图像序列转换为灰度图像序列，彩色图像的每个像素由R(红色像素)G(绿色像素)B(蓝色像素)三个分量组成，只需取每个像素的亮度分量即可，由公式Gr＝0.39R+0.5G+0.11B计算每个像素的亮度分量，Gr是像素的亮度分量，这样便可得到一幅灰度图像；

(2).然后采用局部邻域平均法对图像进行处理，局部邻域平均法是对含噪声原始图像的每个像素点取一个邻域s，计算邻域s中所有像素灰度级的平均值，设f(i，j)为给定的含有噪声的图像，经过邻域平均处理后的图像为g(i，j)作为邻域平均处理后图像的像素值，

M是所取邻域中各邻近像素的坐标，N是邻域中包含的邻近像素的个数，T为阈值，通常取该像素值f(i，j)的0.1-0.2倍；邻域平均法的模板为

中间的黑点表示以该像素为中心元素，即该像素是要进行处理的像素，当这一点和它的邻域内的点的灰度的平均值差不超过规定的阈值时，就仍然保留原来的灰度值不变，如果超过阈值时就用它们的平均值来代替该点的灰度值；

(3).采用对称帧间差分法和背景差分法的相互结合的方法来建立和更新背景图像，利用相邻的三帧图像进行对称差分后提取出中间帧的背景点和运动车辆的变化区域(在当前帧中变化区域包括显露区即上一帧为目标而本帧为背景的区域和运动车辆区域)，将确定为是背景点的像素作为背景图像，设I_k-1(i，j)、I_k(i，j)和I_k+1(i，j)为视频序列中连续的三帧图像，将三帧图像分别进行差分处理，

对D_k1(i，j)和D_k2(i，j)分别进行二值化，得到两个二值化图像，在每一个像素位置进行逻辑“与”操作，得到对称差分二值图像，最后利用背景差法从运动车辆的变化区域中提取出运动车辆，将运动车辆的变化区域中的显露区作为背景像素更新到背景图像中；

(4).利用建立的背景图像与当前图像的差分方法进行图像分割，Bd(i，j)＝|C(i，j)-B(i，j)|其中C(i，j)和B(i，j)分别为当前帧和背景图像，Bd(i，j)为背景差图像，对背景差图像进行二值化得到二值化背景差图像BW(i，j)，BW(i，j)＝1表示对应像素为车辆存在区域，否则属背景区域。获取运动车辆的图像；

(5).将图像中各像素的灰度值按投影方向进行求和运算，运算结果分别形成列的灰度值累加序列，每列像素和大于被检测区域的宽度的2/3，该列设置为一个标志“1”，否则设置为“0”，将被检测区域的结果变成有0、1组成的一维信号，得到一组一维信号X_i；

(6).对每一帧检测结果形成的一维信号X_i进行归一化处理，即所有值进行求和，然后除以一维信号的长度，其中，X_i表示在检测区域内有无车辆的一维信号，N_x表示一维信号的长度，如果λ小于阈值(阈值为最小车辆宽度所形成的像素除以整个检测区域宽度的像素)，就认为该帧无运动车辆，设置信号灯触发信号为“0”，如果λ大于阈值，就认为该帧有运动车辆，设置信号灯触发信号为“1”；

(7).对每个矩形小区域重复(1)至(6)步骤进行检测，将每个区域的结果进行与操作，作为整个区域有无车辆最终判断结果。

Claims (7)

1.一种人行横道信号灯自适应控制系统，其特征在于，该系统包括视频采集模块、图像处理模块和信号灯控制模块，视频采集模块实时采集本路段的视频图像信息，图像处理模块的信号输入端与视频采集模块的信号输出端连接，图像处理模块的信号输出端连接信号灯控制模块，系统通过所述实时采集道路的视频图像信息，用图像处理来判断本路段的被检测区域内是否有车，依据被检测区域有车和无车的情况，自适应地控制人行信号灯的工作状况；

所述视频采集模块包括采集视频单元和参数设置单元，采集视频单元用于对视频图像进行采集并将视频转换为一帧一帧的图像输出到图像预处理单元中；参数设置单元用于设置被检测区域的范围；

所述图像处理模块包括图像预处理单元、图像分割单元、背景建立单元、背景更新单元、车辆提取单元和判断结果单元，图像预处理单元用于将彩色图像转换为灰度图像和对图像进行噪声平滑；图像分割单元首先利用相邻的三帧图像进行对称差分提取出中间帧的背景点和运动车辆的变化区域，然后在背景建立单元中初始化背景，将确定为是背景点的像素作为背景图像，最后在车辆提取单元中利用背景差法从运动车辆的变化区域中提取出运动车辆，在背景更新单元中将运动车辆的变化区域中的显露区作为背景像素更新到背景图像中；判断结果单元用于对当前帧有无车辆的判断；

所述信号灯控制模块用于根据图像处理模块发出的被检测区域有车和无车的判断结果，发出两种不同的定时信号，改变交通灯信号，如果被检测区域内无车辆存在，车辆信号灯为红灯，行人信号灯为绿灯，直到被检测区域内出现车辆，如果被检测区域内有车辆存在，车辆信号灯为绿灯，行人信号灯为红灯，直到车辆通行的最大绿灯时间。

2.根据权利要求1所述的人行横道信号灯自适应控制系统，其特征在于：所述被检测区域的范围是位于人行横道线车辆驶来方向一侧的一个矩形区域，其长度为80m-110m，宽度为道路宽度。

3.一种基于权利要求1所述的人行横道信号灯自适应控制系统的人行横道信号灯自适应控制方法，所述方法具体包括以下步骤：

(1).用摄像机作为视频采集模块，通过摄像机实时采集本路段道路的图像信息；

(2).根据行人过街所需最短绿灯时间和车辆行驶速度设置所采集路段道路图像的被检测区域的范围；

(3).对设置的被检测区域范围内的图像进行处理，通过进行图像预处理、背景模型建立和更新，然后再进行图像分割，得到车辆在图像中的像素集，根据车辆的图像像素是否达到阈值来判断该区域车辆存在状况；

(4).设定车辆通行绿灯时间和行人通行绿灯时间，如果检测区域内无车辆存在，车辆信号灯为红灯，行人信号灯为绿灯，直到检测区域内出现车辆；如果检测区域内有车辆存在，车辆信号灯为绿灯，行人信号灯为红灯，直到车辆通行的最大绿灯时间；

(5).重复循环(3)-(4)。

4.根据权利要求3所述的信号灯自适应控制方法，其特征在于，所述步骤(2)中设置所采集本路段道路图像的被检测区域范围的方法是：

(1)利用图像标定技术求解出世界坐标系中实际距离与数字图像坐标系中像素位置之间的关系的相关参数，所述相关参数包括摄像机高度H和摄像机的角度与水平线的夹角α，H和α是一个已经知道的外部参数，以及综合反映摄像机的内部特性的参数a，b；

(2)根据人行横道长度及行人过街步行速度确定行人过街所需最短绿灯时间，采用公式

L人行横道长度，v_r行人过街步行速度，G_min为行人过街所需最短绿灯时间；

(3)以人行横道附近机动车平均速度和行人过街所需最短绿灯时间的乘积值作为需要设置的被检测区域的长度，被检测区域的宽度选取街道的宽度，所述被检测区域设置在人行横道线的车辆驶来方向一侧，再根据实际距离与图像中像素位置之间的关系，从图像中划分出相应的图像区域作为被检测区域。

5.根据权利要求3所述的信号灯自适应控制方法，其特征在于，所述对图像信息中被检测区域范围内的图像进行处理是通过对被检测区域的图像进行图像预处理、背景模型建立和更新，然后再进行图像分割，得到车辆在图像中的像素集，根据车辆的图像像素是否达到阈值来判断该区域车辆存在状况；具体按以下步骤进行：

(1)把被检测区域分成多个矩形小区域分别进行处理，检测每个检测区域有无车辆出现；

(2)把每一矩形小区域的彩色图像序列转换为灰度图像序列，得到灰度图像；

(3)然后用局部邻域平均法对图像进行空域处理，在滤除噪声的同时保留了图像细节，使得数字图像各点的灰度值能真实反映物体；

(4)采用对称帧间差分法和背景差分法的相互结合的方法来建立和更新背景图像：利用相邻的三帧图像进行对称差分后提取出中间帧的背景点和运动车辆的变化区域，将确定为是背景点的像素作为背景图像，最后利用背景差法从运动车辆的变化区域中提取出运动车辆，将运动车辆的变化区域中的显露区作为背景像素更新到背景图像中；

(5)利用建立的背景图像与当前图像的差分方法进行图像分割，获取运动车辆的图像；

(6)将图像中各像素的灰度值按投影方向进行求和运算，运算结果分别形成列的灰度值累加序列，若每列像素和大于检测区域的宽度的2/3，该列设置为一个标志“1”，否则设置为“0”，将检测区域的结果变成相当于检测线的结果，得到一组一维信号X_i；

(7)对每一帧检测结果形成的一维信号X_i进行归一化处理，即所有值进行求和，然后除以检测线上的像素个数，

其中，X_i表示在检测区域内有无车辆的一维信号，N_x表示一维信号的长度，如果λ小于阈值，所述阈值为最小车辆宽度所形成的像素除以整个检测区域宽度的像素，就认为该帧无运动车辆，设置信号灯触发信号为“0”，如果λ大于阈值，就认为该帧有运动车辆，设置信号灯触发信号为“1”；

(8)对每个矩形小区域重复(2)至(7)步骤进行检测，将每个区域的结果进行与操作，作为整个区域有无车辆最终判断结果。

6.根据权利要求4所述的信号灯自适应控制方法，其特征在于，所述用局部邻域平均法对图像进行空域处理是对含噪声原始图像的每个像素点取一个邻域s，计算s中所有像素灰度级的平均值，作为邻域平均处理后图像的像素值，当一些点和它的邻域内的点的灰度的平均值差不超过规定的阈值是，就仍然保留原来的灰度值不变，如果超过阈值时就用它们的平均值来代替该点的灰度值。

7.根据权利要求3所述的信号灯自适应控制方法，其特征在于，所述被检测区域的长度为80m-110m。

Images