伴随着人们经济水平的提高,汽车的拥有量逐年增加,这使得城市道路的压力越来越大。通过分析市区十字路口车辆通行的情况,存在一个焦点问题:信号灯和车辆的有无不能协调起来使得车道的利用不够充分,车道利用率低下,因而难以用精确的数学模型或者事先预设的方案来描述。传统的交通控制系统大多是采取定时信号灯来控制不同方向的车辆通行,车流量多时,采用这种交通控制机制可能会造成交通拥堵,甚至会造成交通瘫痪。为了解决当前现有的交通控制方法的不足,本课题提出了智能交通信号灯控制方法。本课题从智能交通信号灯控制系统的总体方案设计出发,其研究内容主要包含车道线检测、路口转向交通标志的提取与识别、绿灯时段车流量和车辆行驶速度的统计和红灯时段车辆占道比的计算四个方面。具体研究内容如下:(1)车道线检测,在路面感兴趣区域内进行车道线检测,本课题对视频的前30帧图像用Hough变换进行车道线检测,31帧到50帧的视频帧图像只绘制指定起点和终点位置的车道线,50帧之后绘制的车道线是对31帧到50帧绘制车道线重新进行排序后的线段;(2)转向交通标志的提取与识别,本课题根据车道线的检测结果在车道线之间的固定区域找转向交通标志,利用逆透视变换的方法对透视产生畸变的转向交通标志进行校正,然后用基于Hu矩的特征提取方法和基于投影特征的提取方法,并结合最小欧氏距离分类算法对两种特征提取方法在本课题建立的交通标志库上进行了识别结果的对比分析,最后根据车道线的检测结果和转向交通标志的识别结果分割出不同转向车道;(3)绿灯时段的车流量和车辆行驶速度的统计,在指定车道的车流量统计中,利用虚拟检测区域前景图像的垂直投影的能量宽度来判断检测区域内是否有车,结合车辆计数规则统计指定车道的车流量,通过实验统计结果证明了车流量统计算法的准确性;在分车道的车流量统计中,根据车道线的检测结果确定出各个车道的虚拟检测区域,然后用逆透视变换的方法校正产生畸变的每个车道的虚拟检测区域,对每个车道都采用之前指定车道的车辆计数方法来统计所有车道的车流量进而统计出不同转向车道的车流量;在车辆行驶速度的统计中,根据标定的虚拟检测区域的实际距离和车辆进入离开检测区域的时间差就可以求出车辆的行驶速度进而统计出不同转向车道的车辆平均车速;(4)车辆占道比计算,首先介绍了绿灯时段采用基于投影法的车辆排队长度的占道比计算;然后介绍了红灯时段采用基于车辆轮廓面积的占道比计算方法,该方法根据不同转向车道每个区域的车辆轮廓面积与梯形区域面积的比值来计算车辆占道比,最后根据不同转向车道区域的占道比与该区域的阈值来判断当前道路的拥堵状况;最后,本课题在VC 6.0及OpenCV平台下搭建了基于机器视觉的智能交通信号灯控制系统,通过统计的交通参数可以计算出绿灯通行时间。同时,将本课题提出的智能交通信号灯控制方法在flash中仿真,证明了该方法的可行性。