基于機器視覺的智能紅綠燈系統

德州學院能源與機械學院 徐浩然 崔勝 靳繼全 孫逢宇 李翠華

前言

交通信號燈在城市交通系統中發揮著非常重要的作用，但隨著私家車數量的急劇增加，加上道路資源有限，使得傳統的紅綠燈系統難以解決當前城市面臨的交通擁堵問題。某一段時間內，由于交通需求的增加，通過道路中的某條路段或交叉口的總的車流量大于道路的交通容量（路段或交叉口的通行能力）時，導致道路上的交通流無法暢行。固定化的信號燈配時系統不能針對實時變化的車流量做出相應的顏色變換，導致車輛堆積，造成路口交通堵塞，同時也增加了尾氣的排放。因此，本文提出基于機器視覺的智能紅綠燈系統，對路口交通狀況進行實時監控，根據路口車輛的變化，對信號燈進行實時調整，以達到緩解道路擁擠、提高道路通暢度、減少汽車尾氣排放的目的。

1 系統邏輯流程圖（見圖1）

圖1 系統邏輯流程圖

2 系統功能的實現

利用原本安裝在紅綠燈旁的攝像頭對來車路面進行拍照，每兩秒向后臺服務器傳送一次圖片數據[1]，后臺服務器對收到的圖片信息進行實時分析和圖片識別處理。該系統利用OpenCV圖像處理系統，對圖片進行圖像二值化、邊緣檢測處理。在不同天氣、不同時間、不同光照情況下，路面顏色會存在一定差異，故利用模糊算法對馬路顏色特征值進行提取，然后與系統給出的大量無車馬路顏色照片特征值進行比對，從而判斷出此時路面是否存在車輛。系統通過對圖片特征值的提取和分析，實現了對道路車輛有無的判斷，并通過與綠燈方向有無車輛進行比對，從而可以達到實時調整信號燈的顏色的目的。利用此系統，可以使人們在保證安全的前提下盡快通過路口，減小交通壓力，提高道路通暢度，并減小對環境的污染。如圖2 所示，當南北方向為綠燈且無車輛等待、東西方向為紅燈且有車輛等待時，這時系統將根據對路面車輛的檢測，將南北方向綠燈轉換為紅燈，同時將東西方向紅燈轉換為綠燈（轉換時長不超過系統規定的時長）。當南北方向為綠燈且有車輛通過時，系統將不會做出改變。因此通過攝像頭對路口車輛的實時監控，使信號燈進行相應的變化。

圖2 示意圖

3 機器視覺和圖像處理的方法

機器視覺是一門研究如何使機器“看見”，簡單來說，就是利用機器代替人眼來進行識別、跟蹤和測量[3]物體，然后再進一步對圖像進行處理的技術。如圖3 所示，機器視覺系統由光照系統（陽光、白熾燈等）、攝像機（CCD、CMOS）、圖像采集卡、服務器組成。本文基于機器視覺對傳統紅綠燈進行改進，通過路口攝像機將道路圖片轉換成圖像信號，傳送給專門的圖像處理系統，通過分析和處理，得到道路圖片的形態信息，再根據像素分布、亮度和顏色等，將其轉換為數字信號。圖像處理系統對這些信號進行各種運算來抽取目標特征，判斷出路口道路上的車輛信息，從而改變信號燈的顏色。

本文介紹一種基于OpenCV 的圖像處理系統[4]。OpenCV 是一個基于BSD 許可發行的跨平臺計算機視覺庫，需要將其編譯成二進制的靜態庫和動態庫，才可以在IDE 下直接調用圖像函數處理。該圖像處理系統主要包括文件處理、圖像處理、形態學處理、領域處理、自定義閾值化、圖像變換等。將圖片信息輸入系統中后，開始進行圖像處理。首先對圖像進行預處理（灰度化，紅、綠、藍通道的提取，圖像二值化），然后運用各種算法如OSTU法、邊緣檢測等做進一步的處理。

圖3 機器視覺系統

4 可行性分析

（1）汽車在等待紅燈的過程中處于未熄火狀態，故其仍在耗油和排放汽車尾氣[2]。一般情況下家用轎車1.6 左右的排量，每百公里油耗在6～8L 左右，這里以每百公里的油耗為7L 進行計算。假設汽車在市區的行駛速度為40km/h-1，則每小時的油耗為2.8L。以當前油價為6 元/L 進行計算，當汽車在路口等待1 分鐘時，需油耗0.28 元。按照一個路口的車流量為6000 輛/天，每輛車的平均等待時間為1 分鐘進行計算，一個路口車輛等待需要消耗油費1680 元/天，一個城市按照40 個路口計算，全年將會超過2400 萬元的油耗。倘若使用該系統，全年至少節約支出2400 萬元，經濟效益十分可觀。

（2）已知：開車時的二氧化碳排放量（千克）=油耗公升數×2.3（基于 2006 年 IPCC《國家溫室氣體排放清單指南》），由（1）知等待1 分鐘需要油耗大約0.05L，假設一個路口的車流量為6000輛/天，每輛車平均等待1 分鐘時，二氧化碳排放量為300 千克，一個城市按照40 個路口計算，全年將會排放440 萬千克二氧化碳。假如使用該系統，全年至少減少440 萬千克的二氧化碳排放，有效減輕對環境的污染。

5 應用前景

據統計全國有近百萬的車輛，每輛車每天在路口堵塞時間超過半個小時，因路口堵塞所消耗的汽油可以達到十幾噸，因此通過智能紅綠燈系統解決道路路口擁堵問題，來達到節能減排的效果是必不可少的，是現代社會的發展趨勢。機動車輛的急劇增長與有限的城市道路現狀之間的矛盾越來越突出。另據統計機動車尾氣排放已成為城市大氣的主要污染源。目前在我國一些大城市中機動車污染物排放占大氣污染物的比重在60%左右。因此，加大智能交通建設力度，最大限度地挖掘道路資源潛力，節約能源，降低排放，從而發揮城市路網的整體效益成為必然選擇。

6 結語

基于機器視覺的智能紅綠燈系統，對解決城市道路交通擁擠、提高道路通暢度、節能減排方面具有一定的意義。從全球形勢來看，智慧城市與智能交通建設已是大勢所趨，智能紅綠燈及其他智能交通系統的研發與部署也在快速推進。在人工智能、自動駕駛加快走向商業化的背景下，智能紅綠燈有望成為人工智能技術重要的應用場景，未來市場前景十分廣闊。本設計在原有紅綠燈系統基礎上改動相對較少，安裝方便，具有較好的實用性，具有實際推廣的價值。