技術領域

本實用新型涉及一種智能交通管控系統，尤其涉及通過攝像頭實時獲取視頻自動采集交通信息并做出控制的交通管控裝置。

背景技術

隨著國民經濟的發展，人民生活水平的提高，汽車保有量迅速增加。怎樣安全有效地管理交通，已成為一個刻不容緩的問題。要解決這一問題需要建立完備的智能交通系統，其中車輛實時識別是智能交通系統的關鍵所在，它提供了道路交通的基礎數據。

作為智能交通數據的來源，車輛實時識別系統有著不可代替的地位，目前，最有前途且效率最高的一種識別方法是基于圖像處理的車輛實時識別。

智能交通管控系統中很重要的一個功能就是能夠自動識別車道上的車流量，并將車流量的信息實時的顯示在道路旁的路況顯示屏上，提醒過往司機各個道路的擁堵情況，自行擇道避讓。而目前大多數城市都是通過攝像頭獲取道路信息后，人工判斷道路交通的擁堵情況，并給出相應的信號輸出到道路顯示屏上。這種人工模式大大降低了工作效率。

十字路口紅綠燈切換時間的長短直接影響各個道路的車輛通行能力，目前各個十字路口紅綠燈時間長短的設置都是事先經過道路信息調研后根據統計規律確定的數字。當變動時間時需要通過人工修改。效率低下，不能發揮道路的最大通行能力。

發明內容

針對上述現有技術存在的缺陷與不足，本實用新型的目的在于，提供一種基于圖像處理的智能交通管控裝置，該裝置通過視頻圖像對道路車輛進行檢測跟蹤并統計車流量。

為了實現上述任務，本實用新型的技術方案是這樣實現的：

一種基于圖像處理的智能交通管控裝置，其特征在于，包括視頻采集模塊，視頻采集模塊連接一臺計算機，計算機通過數據線與道路旁的路況顯示屏相連接。

本實用新型的其它特點是，所述的視頻采集模塊選擇平面鏡頭的攝像機，攝像機固定安裝在道路正上方10m高的橫向桿上。

本實用新型的基于圖像處理的智能交通管控系統，通過視頻采集模塊實時采集道路的交通信息，然后計算機通過軟件編程調用攝像頭視頻文件；通過計算機內的圖像預處理模塊的圖像去噪，將輸入的圖像進行濾波去除噪聲，增強圖像，銳化；通過圖像灰度化將彩色圖像中的彩色信息剔除，只包含亮度信息；通過圖像二值化將目標與背景分離，為后續的分類、識別和檢索提供依據；二直形態濾波運用具有一定形態的結構元素去度量和提取圖像中的對應性狀以達到對圖像分析和識別的目的；通過車輛檢測模塊算法中的直方圖法提取得到的背景圖像與當前幀圖像通過逐像素點求差并與閾值比較判斷每一像素點是否有車通過，若有車通過的像素點數超過一定閾值，則判斷有車；最后通過車輛跟蹤模塊的camshift算法，利用目標的顏色特征在視頻圖像中找到運動目標所在位置和大小，通過重復上述整個過程就可以實現對車輛的連續跟蹤與檢測。

附圖說明

圖1為本實用新型的基于圖像處理的智能交通管控裝置硬件結構框圖；

圖2為背景檢測流程圖；

圖3為背景差分法流程圖；

圖4為本實用新型的基于圖像處理的智能交通管控裝置工作流程圖。

以下結合附圖和實施例對本實用新型作進一步的詳細說明。

具體實施方式

參見圖1，本實施例給出一種基于圖像處理的智能交通管控裝置，其特征在于，包括視頻采集模塊，視頻采集模塊連接一臺計算機，計算機通過數據線與道路旁的路況顯示屏相連接。

參照圖2，本實施例中，視頻采集模塊采用平面鏡頭的攝像機，該攝像機的分辨率選擇在240х320和480х640之間；攝像機固定安裝在道路正上方10m左右的橫向桿上；攝像機拍攝的視頻文件是按每秒30-40幀的速率運動的；攝像機固定拍攝的區域圖像像素點所代表的實際距離要大于等于0.1m；攝像機用支架固定并且必須穩固，減小風對攝像機的晃動；（6）攝像機安裝縱向角度大于等于11°，橫向角大于等于67°。

計算機中至少設有視頻圖像預處理模塊、車輛檢測模塊和車輛跟蹤模塊。其中，檢測模塊中有基于背景差法的自適應車輛目標檢測軟件，可以較準確地檢測出車輛目標；車輛跟蹤模塊中有camshift算法軟件，實現視頻車輛的精確跟蹤。

視頻圖像預處理模塊主要通過基于OPENCV的C++語言編程實現圖像灰度化、圖像去噪、二值化以及二直形態濾波等過程。

車輛檢測模塊是通過背景差分算法將運動目標檢測出來。它通過利用當前幀圖像與背景圖像對應像素點的灰度值來檢測車輛，本裝置中根據所選的背景模型，選用的背景差分法是直方圖法。