通过实现交通信号灯的机器视觉,根据现场情况对道路交通进行实时控制,可以使道路资源的利用最大化。目前的交通信号灯控制系统通常是定时和静态的,红绿灯的切换按照预先设定的周期进行,无法根据实际交通状况进行实时的控制,增加了无效等待时间,从而降低了道路的使用效率。背景差法是实现机器视觉的一种有效方法:在背景提取成功的基础上,通过将当前图像与背景图像相减,来提取前景信息,比如车辆、行人等,进而对前景信息进行处理和分析,依据分析结果对实际交通状况作出判断,最终控制交通信号灯的实时切换,使道路资源的利用达到最大化。本文从工程应用的角度,针对常见的背景差法普遍存在的问题进行了分析和改进,重点研究了背景提取算法,对环境光线变化干扰的抑制,以及对树枝摇动一类干扰的抑制,主要工作包括:(1)背景提取及更新,本文设计了以数量最多的灰度值作为背景灰度值的算法。经对实际交通图像演算,在交通较拥挤的情况下(车速约20公里/小时,车距约10米,平均每3秒通过一辆车),在约18秒的采样时间内,对233帧图像进行计算,即得出准确的背景灰度值为139。当交通通畅时,该算法的效果将更好。(2)环境光线变化的处理,本文设计了如下计算策略:将整个场景图像划分为非交通区域和交通区域,利用非交通区域内物体本身灰度值变化较小,如果灰度值发生整体变化即可判定是由环境光线变化引起的特点,以非交通区域的灰度值变化作为环境光线变化的参考,用非交通区域内所有像素点灰度值变化百分比的平均值,逐个乘以交通区域内背景像素点灰度值,得到经计算调整的背景图像。经对实际交通图像演算,当环境光线变化幅度约为17%时,经过计算调整,单个像素点(335, 175)的误差由17%减小到0.04%,整个交通区域内,原先误差在±5%以内的点占总数的比例仅为0.01%,调整后这个比例上升到90.54%,对于大幅度的突然的环境光线变化抑制效果良好。(3)树枝摇动的处理,本文设计了对变化区域的灰度值求和比较的计算策略,如果和的变化小于阈值,即为树枝摇动,否则为交通对象的变化。经对实际交通图像演算,选定某一树枝摇动的区域,该区域在当前帧的28800个像素点灰度值之和为3257028,过了一段时间后为3253350,两者偏差为-0.11%,变化很小,由此可以判定是属于树枝摇动一类的情况,其对交通场景判断的干扰被排除。以上算法经系统仿真集成与测试,获得了良好的运行结果,具有切实的工程应用可行性。