本文借助MATLAB对智能交通进行研究,包括十字路口的车辆检测以及针对不同交通灯调控方案的仿真分析。前者基于MATLAB的图像处理功能,对十字路口的车辆视频图像进行处理,采用基于面积检测的背景差分法,根据图像中车辆对象的像素点总数来识别车辆,得到该路段的车辆个数。检测结果对环境光线变化敏感,对背景图像的可靠性要求较高。后者通过MATLAB进行仿真模拟,给出传统固定配时和动态配时方案的对比分析,发现动态调控能降低车辆平均等待时间,更好地提高交叉路口车辆通行效率车辆识别的流程图如图1所示。首先对摄像头拍摄的视频，从中提取背景帧，根据背景对图像范围进行预处理，本文由公司网站 张家港蔬菜大棚滚圆机网站 转载中国知网整理!    http://www.gunyuanji.org/把图像中的非道路部分以及较远的道路以外的部分屏蔽。然后进行图像灰度化，即将其像素点灰度值设为0。紧接着取定图像和背景做差分，差分结束后会有噪音，必须对其进行去噪处理。接下来再将去完噪的图像二值化，交通智能控制系统-电动折弯机数控钢管滚圆机滚弧机张家港液压弯管机滚弧机这一步二值化的阈值会影响检测结果，通过参数微调找到合适的阈值。然后图像上就会出现车辆的白块，与背景的黑色分离出来，同时还有一些没有去完的噪点。此时，通过计算图像的各个连通域的像素点总数，得到各个连通域的“面积”，如果连通域的面积大小大于某个预设阈值，即可检测出一辆车；否则，该白块可能是噪音或者背景的微量变化。处理结果如图2和图3所示。图1流程图图2处理结果1（背景、原图、预处理）本文研究的场景是白天，背景短时间内相对固定。如果是长时间的检测，背景部分会因光线发生光影上的较大变化，所以必须要进行背景更新。关于背景的自动更新已有很多研究，比如论文[7]在介绍了各种现有方法的基础上，提出了新的动态背景更新方法，其光线变化鲁棒性高、速度快、跟踪效果好。图3处理结果2（差分结果、二值化、阈值检测）研究发现，图像二值化后，由于车辆在道路场景中的相互遮挡即车辆重叠或车辆挡风玻璃与路面色差较小等原因，会产生检测误差，而且检测结果对环境光线的变化及其敏感。车辆检测的准确性对背景图像的可靠性要求较高，环境光线、车辆阴影和光照变化等很容易影响检测结果。图像检测车辆的检测精度是随着光照情况的变化而变化，在光照良好时检测精度最好，而面对夜间或者雨天等恶劣天气则精度很差。影响检测结果的另外一个问题是阴影问题，包括车辆阴影、环境阴影、交通智能控制系统-电动折弯机数控钢管滚圆机滚弧机张家港液压弯管机滚弧机本文由公司网站 张家港蔬菜大棚滚圆机网站 转载中国知网整理!    http://www.gunyuanji.org/