基于机器视觉的智能红绿灯系统

德州学院能源与机械学院 徐浩然 崔胜 靳继全 孙逢宇 李翠华

前言

交通信号灯在城市交通系统中发挥着非常重要的作用，但随着私家车数量的急剧增加，加上道路资源有限，使得传统的红绿灯系统难以解决当前城市面临的交通拥堵问题。某一段时间内，由于交通需求的增加，通过道路中的某条路段或交叉口的总的车流量大于道路的交通容量（路段或交叉口的通行能力）时，导致道路上的交通流无法畅行。固定化的信号灯配时系统不能针对实时变化的车流量做出相应的颜色变换，导致车辆堆积，造成路口交通堵塞，同时也增加了尾气的排放。因此，本文提出基于机器视觉的智能红绿灯系统，对路口交通状况进行实时监控，根据路口车辆的变化，对信号灯进行实时调整，以达到缓解道路拥挤、提高道路通畅度、减少汽车尾气排放的目的。

1 系统逻辑流程图（见图1）

图1 系统逻辑流程图

2 系统功能的实现

利用原本安装在红绿灯旁的摄像头对来车路面进行拍照，每两秒向后台服务器传送一次图片数据[1]，后台服务器对收到的图片信息进行实时分析和图片识别处理。该系统利用OpenCV图像处理系统，对图片进行图像二值化、边缘检测处理。在不同天气、不同时间、不同光照情况下，路面颜色会存在一定差异，故利用模糊算法对马路颜色特征值进行提取，然后与系统给出的大量无车马路颜色照片特征值进行比对，从而判断出此时路面是否存在车辆。系统通过对图片特征值的提取和分析，实现了对道路车辆有无的判断，并通过与绿灯方向有无车辆进行比对，从而可以达到实时调整信号灯的颜色的目的。利用此系统，可以使人们在保证安全的前提下尽快通过路口，减小交通压力，提高道路通畅度，并减小对环境的污染。如图2 所示，当南北方向为绿灯且无车辆等待、东西方向为红灯且有车辆等待时，这时系统将根据对路面车辆的检测，将南北方向绿灯转换为红灯，同时将东西方向红灯转换为绿灯（转换时长不超过系统规定的时长）。当南北方向为绿灯且有车辆通过时，系统将不会做出改变。因此通过摄像头对路口车辆的实时监控，使信号灯进行相应的变化。

图2 示意图

3 机器视觉和图像处理的方法

机器视觉是一门研究如何使机器“看见”，简单来说，就是利用机器代替人眼来进行识别、跟踪和测量[3]物体，然后再进一步对图像进行处理的技术。如图3 所示，机器视觉系统由光照系统（阳光、白炽灯等）、摄像机（CCD、CMOS）、图像采集卡、服务器组成。本文基于机器视觉对传统红绿灯进行改进，通过路口摄像机将道路图片转换成图像信号，传送给专门的图像处理系统，通过分析和处理，得到道路图片的形态信息，再根据像素分布、亮度和颜色等，将其转换为数字信号。图像处理系统对这些信号进行各种运算来抽取目标特征，判断出路口道路上的车辆信息，从而改变信号灯的颜色。

本文介绍一种基于OpenCV 的图像处理系统[4]。OpenCV 是一个基于BSD 许可发行的跨平台计算机视觉库，需要将其编译成二进制的静态库和动态库，才可以在IDE 下直接调用图像函数处理。该图像处理系统主要包括文件处理、图像处理、形态学处理、领域处理、自定义阈值化、图像变换等。将图片信息输入系统中后，开始进行图像处理。首先对图像进行预处理（灰度化，红、绿、蓝通道的提取，图像二值化），然后运用各种算法如OSTU法、边缘检测等做进一步的处理。

图3 机器视觉系统

4 可行性分析

（1）汽车在等待红灯的过程中处于未熄火状态，故其仍在耗油和排放汽车尾气[2]。一般情况下家用轿车1.6 左右的排量，每百公里油耗在6～8L 左右，这里以每百公里的油耗为7L 进行计算。假设汽车在市区的行驶速度为40km/h-1，则每小时的油耗为2.8L。以当前油价为6 元/L 进行计算，当汽车在路口等待1 分钟时，需油耗0.28 元。按照一个路口的车流量为6000 辆/天，每辆车的平均等待时间为1 分钟进行计算，一个路口车辆等待需要消耗油费1680 元/天，一个城市按照40 个路口计算，全年将会超过2400 万元的油耗。倘若使用该系统，全年至少节约支出2400 万元，经济效益十分可观。

（2）已知：开车时的二氧化碳排放量（千克）=油耗公升数×2.3（基于 2006 年 IPCC《国家温室气体排放清单指南》），由（1）知等待1 分钟需要油耗大约0.05L，假设一个路口的车流量为6000辆/天，每辆车平均等待1 分钟时，二氧化碳排放量为300 千克，一个城市按照40 个路口计算，全年将会排放440 万千克二氧化碳。假如使用该系统，全年至少减少440 万千克的二氧化碳排放，有效减轻对环境的污染。

5 应用前景

据统计全国有近百万的车辆，每辆车每天在路口堵塞时间超过半个小时，因路口堵塞所消耗的汽油可以达到十几吨，因此通过智能红绿灯系统解决道路路口拥堵问题，来达到节能减排的效果是必不可少的，是现代社会的发展趋势。机动车辆的急剧增长与有限的城市道路现状之间的矛盾越来越突出。另据统计机动车尾气排放已成为城市大气的主要污染源。目前在我国一些大城市中机动车污染物排放占大气污染物的比重在60%左右。因此，加大智能交通建设力度，最大限度地挖掘道路资源潜力，节约能源，降低排放，从而发挥城市路网的整体效益成为必然选择。

6 结语

基于机器视觉的智能红绿灯系统，对解决城市道路交通拥挤、提高道路通畅度、节能减排方面具有一定的意义。从全球形势来看，智慧城市与智能交通建设已是大势所趋，智能红绿灯及其他智能交通系统的研发与部署也在快速推进。在人工智能、自动驾驶加快走向商业化的背景下，智能红绿灯有望成为人工智能技术重要的应用场景，未来市场前景十分广阔。本设计在原有红绿灯系统基础上改动相对较少，安装方便，具有较好的实用性，具有实际推广的价值。