CN107358803A - 一种交通信号控制系统及其控制方法 - Google Patents

Abstract

一种交通信号控制系统及控制方法，该系统包括控制电路、摄像头和上位机，控制电路包括主控模块、电源模块、继电器驱动模块、信号灯控制模块和显示模块，电源模块连接主控模块，主控模块通过继电器驱动模块分别连接信号灯控制模块和显示模块，信号灯控制模块与各信号灯相连，主控模块通过网络接口模块基于局域网与上位机无线通信连接，摄像头基于局域网与上位机无线通信连接；该方法包括视频读入、灰度化、中值滤波、图像增强、昼夜检测、背景提取、取当前帧、边缘检测、阈值设定、前景二值化、图像叠加、形态学处理、图像分割及车辆统计。本发明可根据交通现场实际路况来自动调控信号灯的时间，缓解交通压力。

Description

一种交通信号控制系统及其控制方法

技术领域：

本发明涉及交通信号灯的控制领域，具体涉及一种交通信号控制系统及其控制方法。

背景技术：

交通信号灯，用以舒缓交通压力，可根据实际需要进行配置，统一进行道路封锁等动作。尤其是在日常的上下班高峰期能够对交通十字路口车流量进行智能化的统计比较以改变绿信时长。我国对城市交通灯控制系统的分析与研究工作起步较晚，20世纪80年代，我国一方面把城市交通灯技术的提高放在了交通改变的核心地位，另一方面制定了开发与引进相结合的方针政策，逐渐建立了一些简单的城市交通灯控制系统。如在北京和上海等大城市，采用简易单点的信号灯，并与国外的几个交通灯控制系统相结合使用，但对于西安、成都等中小城市，主要采用的仍然是简易单点信号灯以及与集中协调式的信号灯。而以上系统的红绿灯的时间，都是事先预设好的，在运行期间固定不变。这些交通信号灯控制系统暂时虽然获得较好的效果，对其交通起到了一定的作用，但随着我国机动车的增多，这些简单的控制系统已经远远不能够满足当前我国交通多方式控制的需求。

发明内容：

本发明为克服上述缺陷，提供了一种交通信号控制系统及其控制方法，其可根据交通现场实际路况来自动调控信号灯的时间，缓解交通压力。

本发明的交通信号控制系统，为实现上述目的所采用的技术方案在于：包括控制电路、摄像头和上位机，所述控制电路包括主控模块、电源模块、继电器驱动模块、信号灯控制模块和显示模块，所述电源模块连接主控模块，所述主控模块通过继电器驱动模块分别连接信号灯控制模块和显示模块，所述信号灯控制模块与各信号灯相连，主控模块通过网络接口模块基于局域网与上位机通信连接，所述摄像头基于局域网与上位机通信连接。

作为本发明的进一步改进，还包括无线遥控模块，所述无线遥控模块上设有无线数据发射模块，所述主控模块上设有无线数据接收模块。如此设置，现场交警可以通过无线遥控模块对主控模块发送控制指令。

作为本发明的进一步改进，所述上位机连接有存储模块。如此设置，可将现场回传的图像数据和控制指令进行存储，以用于数据的留存和以后的分析处理。

本发明的交通信号控制系统的控制方法，采用的技术方案在于包括以下步骤：

S1、读入交通视频图像，对视频图像进行预处理；

S2、图像分割，使用二维最大熵阈值对已经过预处理的图像进行分割；

S3、将彩色图像进行灰度化；

S4、对灰度化的图像进行中值滤波；

S5、图像增强，根据目标需求突出图像中的特定信息，同时削弱或去除某些不需要的信息；

S6、昼夜检测，基于路面亮度中值变化速率，提取道路照明变化信息，确定昼夜变化的切换时间；

S7、背景提取；

S8、将当前帧与背景做差分运算得到前景信息，设定阈值，将前景二值化，仅用0和1表示；

S9、对当前帧进行Canny算子边缘提取，与上一步前景图像叠加作为新的前景图像，

S10、形态学处理，进行膨胀、填充、腐蚀、开运算，此些操作是MATLAB中自带的函数，直接调用即可；

S11、车辆检测和统计，将粘连在一起的车辆图像边缘分隔开来；

S12、统计完车辆数量后在上位机中得到最终控制命令，发送给控制电路进而控制红绿灯亮灭及其亮灭的时长。

本发明的交通信号控制系统的控制方法，采用的技术方案在于：所述步骤S2采用的方式为：

记一幅图像的灰度级数为L，且总像素点数为N(m×n)，设f_ij为图像中点灰度为i及其区域灰度均值为j的像素点数，g_ij为点灰度－区域灰度均值对(i,j)发生的概率，即：g_ij＝f_ij/N；则{g_ij|i,j＝1,2,…,L}是该图像关于点灰度－区域灰度均值的二维直方图,目标和背景分别由沿对角线分布的A区和B区表示，边界和噪声分别由远离对角线的C区和D区表示，定义离散二维熵为：

则熵的判别函数定义为:

选取的最佳阈值向量(s^*,t^*)满足：Φ(s^*,t^*)＝max{(s,t)}

其中，

作为本发明的进一步改进，所述步骤S7包括以下步骤：

S7.1、根据灰度分布直方图自适应调整阈值生成背景像素集Bps；

S7.2、将所有处理帧内的某一点像素灰度值映射为列向量；

S7.3、把A区按行读入，将第一行与背景集取交集后，判断此交集是否为空，若为空，则取原向量内众值；若交集不为空，以交集内出现频率最大的像素灰度值来代替该像素点的灰度值，每一行都被选出一个像素值构成列向量B，对B进行reshape重塑成m*n矩阵。

本发明的有益效果是：本发明通过在现有的交通灯和服务器设施的基础上，增加网络通信模块，构建局域网，并向监控的主控模块移植软件控制平台，增设作为遥控器的无线遥控模块，如需交警现场指挥时，可用按下遥控器上相应的按钮生成触发信号，通过无线的形式发送给主控模块，主控模块在接收到遥控信号后，立即执行相对应的命令并将遥控指令通过局域网转发给上位机进行保存，以用于数据的留存和以后的分析处理。如需专业人员在上位机前进行监控控制，则打开软件控制平台后，路况视频已由摄像头通过局域网传输过来并实时显示在界面上，根据监控到的画面，在软件控制平台上选择控制指令发送以控制交通。如无人员参与的情况下，会自动实行智能化的控制模式，即监控实况传回上位机后，会自动地采用背景差分法计算出路口各方向的车流量大小并进行对比，根据对比出的结果发送不同指令给主控模块，由主控模块调控各信号灯亮灭的时长。

本发明针对交通现场的实地控制需求，兼具远程控制和无线遥控控制，此两种控制方式都可将控制指令及时的发送到主控模块上，从而由主控模块对各信号灯进行调控，再由继电器驱动模块控制信号灯亮灭的时长。本发明成本低，可移植性高，兼容性好，可根据具体的不同控制需求提供多样化的智能控制手段，解决了现有交通系统中控制模式单一，无法达到自动智能化以及动态车流量的统计的问题。

附图说明：

图1为本发明构建的局域网模型示意图；

图2为硬件模拟信号灯系统示意图；

图3为发射模块的电路图；

图4为继电器驱动模块的电路图；

图5为接收模块的电路图；

图6为交通灯控制模块电路图；

图7为显示模块电路图；

图8为道路车辆的实时监测与统计的工作流程示意图；

图9为二维直方图的xoy平面图；

图10为背景提取方式的流程图；

图11为预处理图像的状态图；

图12为图像进行图像分割后的状态图；

图13为处理后的二值图像的状态图；

图14为为MATLAB与Labview混合编程时程序界面

具体实施方式：

参照图1和图2，本发明的交通信号控制系统，包括控制电路3、摄像头1、无线遥控模块5和上位机2，所述控制电路3包括主控模块7、电源模块6、继电器驱动模块8、信号灯控制模块9和显示模块10，所述电源模块6连接主控模块7，所述主控模块7通过继电器驱动模块8分别连接信号灯控制模块9和显示模块10，所述信号灯控制模块9与各信号灯相连，主控模块7通过网络接口模块基于局域网与上位机2通信连接，所述摄像头1基于局域网与上位机2通信连接，所述上位机2连接有存储模块13，所述无线遥控模块上设有无线数据发射模块4，所述主控模块7上设有无线数据接收模块12，通过无线数据发射模块4和无线数据接收模块12实现无线遥控模块5和主控模块7的连接通信，从而使无线遥控模块5对主控模块7发送控制指令。

如图3所示，该无线数据发射模块4是基于STC12C5A60S2的315M无线编码模块。其中STC12外接12Mhz晶振和复位电路，经三端稳压管7805，将12V转5V电平供电。此模块中通过单片机对按键检测，输出不同信号，再由PT2262编码芯片进行处理后，将对应编码的脉冲通过315Mhz的发送模块进行调制，并通过天线发射；

如图4所示，该继电器驱动模块8的工作由三极管驱动电路来实现，其中继电器常开端与公共端外接220V交流电，通过三极管基极端的电平的变化，来决定是否接通220V交流电；

如图5所示，该无线数据接收模块12由315Mhz无线接收模块、解码芯片及比较器组成，接收发射端发射的信号后，通过数据端DIN，将信号输入PT2272解码模块，经处理后将解码信号通过比较器LM339，将信号电平转化为TTL电平后，连接至单片机引脚,经检测后，以识别发送端对应按键，从而进一步处理；

如图6所示，该主控模块7由573锁存器及LED组成，单片机直接通过锁存器，实现交通灯的正常运行；

如图7所示，该显示模块10由数码管和锁存器组成，可由单片机直接通过锁存器对数码管进行控制，以显示相应的数字，起到计时的功能。

本发明通过摄像头1拍摄现场的交通路况信息并实时传送给上位机2，由上位机2根据现场的车辆数量来向主控模块7发出控制指令，主控模块7根据控制指令调控各信号灯的持续时间，从而根据交通路口的实际路况对信号灯进行调控。在此基础上，为便于现场交警根据交通路况的实际情况疏导交通，本发明增设了无线遥控模块5，无线遥控模块5可向现场的主控模块7发出控制指令，从而使主控模块7根据现场的实际情况来调控各信号灯的持续时间。

参照图8，本发明的控制方法为：

S1、读入交通视频图像，对视频图像进行预处理；

S2、使用二维最大熵阈值进行图像分割：

如图11所示，现记一幅图像的灰度级数为L，且总像素点数为N(m×n)，设f_ij为图像中点灰度为i及其区域灰度均值为j的像素点数，g_ij为点灰度－区域灰度均值对(i,j)发生的概率，即：g_ij＝f_ij/N；则{g_ij|i,j＝1,2,…,L}是该图像关于点灰度－区域灰度均值的二维直方图，如图9所示。

目标和背景分别由二维直方图中沿对角线分布的A区和B区表示，边界和噪声分别由远离二维直方图中对角线的C区和D区表示，所以在A区和B区上利用点灰度—区域灰度均值二维最大熵法确定阈值，可使真正代表目标和背景的信息量最大。

定义离散二维熵为：

则熵的判别函数定义为:

选取的最佳阈值向量(s^*,t^*)满足以下关系式：

Φ(s^*,t^*)＝max{(s,t)}

其中，

利用如上原理对已经过图像预处理的图像进行二维最大熵阈值分割，得到图12所示结果。

S3、将彩色图像进行灰度化；

由于读入的视频为彩色图像，而彩色图像较只包含亮度信息的灰度图像要占据更多的存储空间，因此对于智能交通系统的高效运行而言，彩色图像的灰度化有利于简化智能交通系统的运算复杂度，加快运算速度并提高运算精度，使系统能够更好地高效运行。

S4、对灰度化的图像进行中值滤波；

在实际应用中，监控系统获取的视频图像一般都不可避免地因为外界干扰而含有噪声，从而导致图像质量下降。为了抑制噪声、改善图像质量，以便后续用计算机对图像进行算法分析、处理，我们要对图像进行滤波(平滑)处理，具体方法为中值滤波。

S5、图像增强，图像的增强旨在根据目标需求突出图像中的特定信息，同时削弱或去除某些不需要的信息，以方便后续的检测运算；

S6、昼夜检测，基于路面亮度中值变化速率，提取道路照明变化信息，确定昼夜变化的切换时间。若为黑夜，则进行基于车前灯的夜间车辆检测，这里提取的车灯主要是具有显著特征的车前灯，采用图像分割进行车灯提取。最后就是完成车灯的配对与帧间跟踪。

S7、背景提取；

背景提取需要提取效果好，则不可避免的需要尽量多的图像帧，这样就需要压缩提取的时间，类似高斯模型法这样的背景提取方法运行时间十分长，而现有的运行时间较短的算法如均值法背景提取，效果很差。我们采用的是众值法提取背景最终得到的是m*n的背景图像B，参照图10，这种方法的设计思想如下：

S7.1、根据灰度分布直方图自适应调整阈值生成背景像素集Bps(用于生成Bps的图像第一次为人为给定的，给定的图像可以为未使用Bps时的背景，之后每次都可以根据之前的背景自动生成)

S7.2、将所有处理帧内的某一点像素灰度值映射为列向量,如第一帧为矩阵A的第一列，第二帧为A的第二列。在选取处理帧时，由于相邻帧间差距极小，会加大前景对背景提取的干扰。因此，在选取处理帧间隔前，进行帧间差分判断。若差别满足容许值，则取该间隔为标准间隔St，即每隔St帧提取一帧用来判断帧之间的区别。

S7.3、把A按行读入，如第一行与背景集取交集后，判断此交集是否为空，若为空，则取原向量内众值；若交集不为空，以交集内出现频率最大的像素灰度值来代替该像素点的灰度值。每一行都被选出一个像素值构成列向量B，对B进行reshape重塑成m*n矩阵。

S8、将当前帧与背景做差分运算得到前景信息，设定阈值，将前景二值化，仅用0和1表示；

想要知道某一时刻道路车辆的多少，即取这一时刻的图像帧做为当前帧。将当前帧与背景做差分运算，会得到前景信息，此时的前景并不是十分精确的，设置一个阈值，凡是在这个阈值内的即认为是前景，置值为255，否则为0。此时图像是0～255，表现为黑白两色，数据量太大，而且意义有限，所以将其二值化，只用0和1来表示,所处理的图像如图13所示；

S9、对当前帧进行Canny算子边缘提取，与上一步前景图像叠加作为新的前景图像，为精确上一步中前景图像，对当前帧进行Canny算子边缘提取，提取出来的也是黑白图像，与上一步前景图像叠加作为新的前景图像，这样可以进一步丰富前景；

S10、形态学处理，形态学处理主要包括膨胀、填充、腐蚀、开运算。

S11、将粘连在一起的车辆图像边缘分隔开来，统计车辆的数量；

常见的车流量识别统计算法通常存在许多问题，诸如图像分割后大量噪声点的残留、区域边缘平滑处理不够、车辆粘连导致多辆车被记做一辆、车辆遮挡、车辆识别统计不完全等等。这将对识别效果产生极大影响，进而影响智能交通系统的协调控制与智能疏导。接下来车辆识别的关键之处在于如何将“粘连”在一起的车辆图像边缘有效分隔开来，那么引入面积法就能使这个问题得到很好的解决。具体是通过以下方式实现的：

建立遮挡模型，采用分层轮廓匹配的方法与前景车辆联通区域进行匹配，满足设定的匹配阈值时即认定处于遮挡状态。对于前后车辆遮挡第一步通过判断联通区域的横纵比，可初步得到前后遮挡的车辆以及类似公交车这样的本身长宽比较大的车辆，由于公交车的前景图像纵边很明显要平整于黏连的车辆，所以可根据该联通区域纵边平整度判断，若纵边整体平整即认为是同一辆车，反之认为处于前后遮挡状态。

S12、统计完车辆数量后在上位机中得到最终控制命令，发送给控制电路进而控制红绿灯亮灭及其亮灭的时长。

以上图像的处理是在MATLAB中进行的，而构建的人机交互平台是利用LABVIEW构建的，MATLAB与LABVIEW可以进行混合编程，现有的公开的方法中只能使用简单的调用，只能将全部的MATLAB程序写入MATLABScript中，并不能实现子程序的调用，更不用说子程序中包含别的子程序。

本申请采用的方法是：通过MATLAB自带的cd()函数来获取子程序文件路径。cd(str)，这里的str是一个char类型的数组，存储了某个文件的路径。则在MATLABScript中执行到该调用语句时，可自动跳转到设定路径寻找子程序继续执行；同样的，在子程序中嵌套有子程序，也需要添加cd()函数，即可完成子程序嵌套调用。

参照图14，其中vehicleflow是一个子程序，同时这个子程序中也调用了其他的子程序。

Claims (6)

1.一种交通信号控制系统，其特征在于：包括控制电路(3)、摄像头(1)和上位机(2)，所述控制电路(3)包括主控模块(7)、电源模块(6)、继电器驱动模块(8)、信号灯控制模块(9)和显示模块(10)，所述电源模块(6)连接主控模块(7)，所述主控模块(7)通过继电器驱动模块(8)分别连接信号灯控制模块(9)和显示模块(10)，所述信号灯控制模块(9)与各信号灯相连，主控模块(7)通过网络接口模块(11)基于局域网与上位机(2)连接，所述摄像头(1)基于局域网与上位机(2)连接。

2.如权利要求1所述的一种交通信号控制系统，其特征在于：还包括无线遥控模块(5)，所述无线遥控模块(5)上设有无线数据发射模块(4)，所述主控模块(7)上设有无线数据接收模块(12)。

3.如权利要求1所述的一种交通信号控制系统，其特征在于：所述上位机(2)连接有存储模块(13)。

4.一种基于权利要求1-3的任意一项所述的交通信号控制系统的控制方法，其特征在于包括以下步骤：

S1、读入交通视频图像，对视频图像进行预处理；

S2、图像分割，使用二维最大熵阈值对已经过预处理的图像进行分割；

S3、将彩色图像进行灰度化；

S4、对灰度化的图像进行中值滤波；

S5、图像增强，根据目标需求突出图像中的特定信息，同时削弱或去除某些不需要的信息；

S6、昼夜检测，基于路面亮度中值变化速率，提取道路照明变化信息，确定昼夜变化的切换时间；

S7、背景提取；

S8、将当前帧与背景做差分运算得到前景信息，设定阈值，将前景二值化，仅用0和1表示；

S9、对当前帧进行Canny算子边缘提取，与上一步前景图像叠加作为新的前景图像；

S10、形态学处理；

S11、将粘连在一起的车辆图像边缘分隔开来，统计车辆的数量；

S12、统计完车辆数量后在上位机中得到最终控制命令，发送给控制电路进而控制红绿灯。

5.如权利要求4所述的交通信号控制系统的控制方法，其特征在于：所述步骤S2采用的方式为：

记一幅图像的灰度级数为L，且总像素点数为N(m×n)，设f_ij为图像中点灰度为i及其区域灰度均值为j的像素点数，g_ij为点灰度－区域灰度均值对(i,j)发生的概率，即：gi_j＝f_ij/N；则{gi_j|i,j＝1,2,…,L}是该图像关于点灰度－区域灰度均值的二维直方图,目标和背景分别由沿对角线分布的A区和B区表示，边界和噪声分别由远离对角线的C区和D区表示，定义离散二维熵为：

<mrow> <mi>H</mi> <mo>=</mo> <mo>-</mo> <munder> <mo>&amp;Sigma;</mo> <mi>i</mi> </munder> <munder> <mo>&amp;Sigma;</mo> <mi>j</mi> </munder> <msub> <mi>g</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mi>lg</mi> <mrow> <mo>(</mo> <msub> <mi>g</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>)</mo> </mrow> </mrow>

则熵的判别函数定义为:Φ(s,t)＝lg[P_A(1-P_A)+H_A/P_A+(H_L-H_A)(1-P_A)]

选取的最佳阈值向量(s^*,t^*)满足：Φ(s^*,t^*)＝max{(s,t)}

其中，

6.如权利要求5所述的控制方法，其特征在于：所述步骤S7包括以下步骤：

S7.1、根据灰度分布直方图自适应调整阈值生成背景像素集Bps；

S7.2、将所有处理帧内的某一点像素灰度值映射为列向量；

S7.3、把A区按行读入，将第一行与背景集取交集后，判断此交集是否为空，若为空，则取原向量内众值；若交集不为空，以交集内出现频率最大的像素灰度值来代替该像素点的灰度值，每一行都被选出一个像素值构成列向量B，对B进行reshape重塑成m*n矩阵。