交通燈信號(hào)識(shí)別系統(tǒng)作為智能交通信息化系統(tǒng)當(dāng)中最基本的部分，有著至關(guān)重要的作用。我國(guó)最近幾年的駕車(chē)出行比例逐年升高，但交通燈設(shè)置仍然存在不合理的現(xiàn)象。原本固定的交通燈等待時(shí)長(zhǎng)很難能適應(yīng)路口的動(dòng)態(tài)變化情況，如上下班高峰時(shí)段、復(fù)雜路口路況、車(chē)流量差異較大等，使得車(chē)流量壓力無(wú)法得到緩解甚至加劇擁堵情況。因此，通過(guò)圖像識(shí)別技術(shù)的提高，交通燈信號(hào)識(shí)別系統(tǒng)可實(shí)現(xiàn)對(duì)路口信號(hào)燈的實(shí)時(shí)調(diào)整，能有效地解決路口出現(xiàn)的擁堵問(wèn)題，從而實(shí)現(xiàn)對(duì)路口交通信號(hào)燈的控制。

本設(shè)計(jì)運(yùn)用MATLAB/GUI（圖形用戶(hù)界面）設(shè)計(jì)實(shí)現(xiàn)交通燈信號(hào)識(shí)別系統(tǒng)，該系統(tǒng)包括GUI 界面設(shè)計(jì)、圖像預(yù)處理、BP（反向傳播，back propagation）神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)。首先搜集目標(biāo)圖像，完成數(shù)據(jù)庫(kù)的建立，接著將選取的目標(biāo)圖像進(jìn)行預(yù)處理等操作，最后通過(guò)對(duì)數(shù)據(jù)庫(kù)的比較判斷，輸出識(shí)別結(jié)果。

1   交通燈信號(hào)識(shí)別系統(tǒng)方案

交通燈信號(hào)識(shí)別系統(tǒng)的具體實(shí)現(xiàn)方案為：首先對(duì)系統(tǒng)具體實(shí)現(xiàn)功能進(jìn)行深入分析，得出GUI 界面需要的控件種類(lèi)和數(shù)量，通過(guò)編寫(xiě)每個(gè)控件的回調(diào)函數(shù)，完成GUI 界面的設(shè)計(jì)；接著將采集到的交通燈信號(hào)圖像保存并生成數(shù)據(jù)庫(kù)，進(jìn)行預(yù)處理，包括對(duì)圖像本身大小的裁剪、色彩對(duì)比度的調(diào)節(jié)、原始圖像的轉(zhuǎn)化等操作；然后建立BP 網(wǎng)絡(luò)，設(shè)置神經(jīng)網(wǎng)絡(luò)訓(xùn)練次數(shù)、訓(xùn)練目標(biāo)、學(xué)習(xí)效率等相關(guān)參數(shù)；最后進(jìn)行系統(tǒng)的各個(gè)模塊運(yùn)行調(diào)試，修改相關(guān)程序，完善設(shè)計(jì)系統(tǒng)。

交通燈信號(hào)識(shí)別系統(tǒng)主要由GUI 界面設(shè)計(jì)、圖像預(yù)處理、BP 神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)三大模塊構(gòu)成。GUI 界面設(shè)計(jì)是為了方便地進(jìn)行人機(jī)交互，設(shè)計(jì)出可視化用戶(hù)界面[1,2]。圖像預(yù)處理包括對(duì)原始圖像尺寸裁剪、對(duì)比度調(diào)整、旋轉(zhuǎn)處理等操作。BP 網(wǎng)絡(luò)設(shè)計(jì)主要是構(gòu)建網(wǎng)絡(luò)模型，完成各項(xiàng)參數(shù)的設(shè)置。

神經(jīng)網(wǎng)絡(luò)的建立，首先是對(duì)數(shù)據(jù)庫(kù)圖像進(jìn)行預(yù)處理等操作，完成網(wǎng)絡(luò)訓(xùn)練，繪制出灰度圖像和迭代誤差曲線(xiàn)：然后將交通燈信號(hào)圖像輸入，與數(shù)據(jù)庫(kù)進(jìn)行匹配識(shí)別：最后輸出識(shí)別結(jié)果。

2   交通燈信號(hào)預(yù)處理

預(yù)處理在圖像識(shí)別技術(shù)中有著舉足輕重的地位，因?yàn)閳D片本身質(zhì)量參差不齊，每個(gè)圖片的大小光亮等參數(shù)各不相同，所以計(jì)算機(jī)最后識(shí)別出的圖像質(zhì)量也各不相同，這直接影響了后面系統(tǒng)的數(shù)據(jù)分析，會(huì)造成不可彌補(bǔ)的誤差[3,4]。

預(yù)處理過(guò)程包括圖像本身的輸入與大小的調(diào)整、灰度化處理、向量轉(zhuǎn)化等操作步驟。

2.1 圖像的輸入與調(diào)整

本設(shè)計(jì)采用BP 網(wǎng)絡(luò)實(shí)現(xiàn)相關(guān)系統(tǒng)的功能，所以需要提前將原始目標(biāo)圖像建成數(shù)據(jù)庫(kù)。首先要標(biāo)識(shí)總的樣本圖片個(gè)數(shù)，接著將圖片進(jìn)行保存，建立一個(gè)新數(shù)組用來(lái)存放圖像。再對(duì)數(shù)據(jù)庫(kù)中的圖片進(jìn)行預(yù)處理，然后完成網(wǎng)絡(luò)的訓(xùn)練，最后從數(shù)據(jù)庫(kù)中任意選取一張圖片進(jìn)行系統(tǒng)的識(shí)別，完成識(shí)別過(guò)程的仿真。

為了保證輸入圖像在GUI 界面內(nèi)顯示的美觀整齊，需要對(duì)輸入圖像進(jìn)行修改剪裁，在MATLAB 軟件中可以使用imresize 函數(shù)完成。設(shè)計(jì)中將所有圖像都變成大小為40×40 的圖像，保證了數(shù)據(jù)庫(kù)的整齊。

接著，對(duì)圖像對(duì)比度進(jìn)行調(diào)節(jié)。調(diào)用imadjust 函數(shù)來(lái)調(diào)整圖像的強(qiáng)度變化數(shù)值或顏色展現(xiàn)圖。

2.2 圖像灰度化處理

想要提高一個(gè)系統(tǒng)的數(shù)據(jù)處理速度，減少系統(tǒng)的處理時(shí)間就必須減少系統(tǒng)處理的總數(shù)據(jù)量。所以在理論技術(shù)中，對(duì)圖像進(jìn)行灰度化操作的本質(zhì)就是把原本的三通道R、G、B 色彩圖像進(jìn)行一系列變化處理，轉(zhuǎn)變成為單通道的灰度圖像。這樣變換使得通道數(shù)量減少，系統(tǒng)分析處理數(shù)據(jù)的時(shí)間就減少，進(jìn)而實(shí)現(xiàn)系統(tǒng)處理速度的改善。

在MATLAB 軟件中使用rgb2gray 函數(shù)，對(duì)彩色圖像或RGB（紅綠藍(lán)）圖像進(jìn)行灰度化處理，轉(zhuǎn)化為灰度圖像。調(diào)用rgb2gray 函數(shù)轉(zhuǎn)換為灰度圖本質(zhì)上是消除色調(diào)和飽和度的數(shù)據(jù)信息，保留了亮度。

2.3 圖像二值化處理

對(duì)圖像進(jìn)行二值化處理，也就是將圖像上每個(gè)像素點(diǎn)的灰度值設(shè)定成0 或255，最終將一幅圖像完整地呈現(xiàn)出只有黑白色的反差效果。即將256 個(gè)亮度級(jí)別的灰度圖像根據(jù)已經(jīng)設(shè)置的亮度閾值，能呈現(xiàn)出原始圖像的整體特征和局部特征的二值化圖像。

為了獲得理想的二值化圖像，通常使用完全封閉且相互連通的邊界來(lái)定義不交互重疊的區(qū)域。如果圖像中有像素點(diǎn)的灰度值大于或等于特定閾值，則該像素點(diǎn)被判定為屬于特定物體的范圍，灰度值表示為255；如果這些像素點(diǎn)判斷出來(lái)屬于物體范圍之外，則它們的灰度值設(shè)置成0，表示這些點(diǎn)是圖像背景或?qū)儆谀繕?biāo)物體以外的區(qū)域。

在MATLAB 軟件中，使用im2bw 函數(shù)對(duì)目標(biāo)圖像進(jìn)行二值化處理。

3   BP神經(jīng)網(wǎng)絡(luò)的選用與建立

本設(shè)計(jì)選用了BP 神經(jīng)網(wǎng)絡(luò)。BP 神經(jīng)網(wǎng)絡(luò)是一種帶有隱含層的多層前饋網(wǎng)絡(luò)，在人工神經(jīng)網(wǎng)絡(luò)與實(shí)際運(yùn)用結(jié)合中，BP 神經(jīng)網(wǎng)絡(luò)廣泛應(yīng)用在函數(shù)逼近、模式識(shí)別、數(shù)據(jù)壓縮等模塊。

基本BP 算法包括信號(hào)的前向傳播和誤差的反向傳播兩個(gè)過(guò)程。即計(jì)算誤差輸出時(shí)按從輸入到輸出的方向進(jìn)行，而調(diào)整權(quán)值和閾值則從輸出到輸入的方向進(jìn)行。正向傳播時(shí)，輸入信號(hào)通過(guò)隱含層作用于輸出節(jié)點(diǎn)，經(jīng)過(guò)非線(xiàn)性變換，產(chǎn)生輸出信號(hào)，若實(shí)際輸出與期望輸出不相符，則轉(zhuǎn)入誤差的反向傳播過(guò)程。誤差反傳是將輸出誤差通過(guò)隱含層向輸入層逐層反傳，并將誤差分?jǐn)偨o各層所有單元，以從各層獲得的誤差信號(hào)作為調(diào)整各單元權(quán)值的依據(jù)。通過(guò)調(diào)整輸入節(jié)點(diǎn)與隱層節(jié)點(diǎn)的聯(lián)接強(qiáng)度和隱層節(jié)點(diǎn)與輸出節(jié)點(diǎn)的聯(lián)接強(qiáng)度以及閾值，使誤差沿梯度方向下降，經(jīng)過(guò)反復(fù)學(xué)習(xí)訓(xùn)練，確定與最小誤差相對(duì)應(yīng)的網(wǎng)絡(luò)參數(shù)( 權(quán)值和閾值)，訓(xùn)練即告停止。此時(shí)經(jīng)過(guò)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)即能對(duì)類(lèi)似樣本的輸入信息，自行處理輸出誤差最小的經(jīng)過(guò)非線(xiàn)形轉(zhuǎn)換的信息。

MATLAB 軟件內(nèi)的神經(jīng)網(wǎng)絡(luò)工具箱提供了大量方便快捷的函數(shù)用于建立神經(jīng)網(wǎng)絡(luò)、學(xué)習(xí)和訓(xùn)練網(wǎng)絡(luò)以及顯示網(wǎng)絡(luò)訓(xùn)練過(guò)程等。

使用BP 神經(jīng)網(wǎng)絡(luò)，首先要調(diào)用函數(shù)創(chuàng)建網(wǎng)絡(luò)模型，在本設(shè)計(jì)中，使用函數(shù)feedforwardnet 建立BP 網(wǎng)絡(luò)模型，隱含層神經(jīng)元個(gè)數(shù)設(shè)定為23。該網(wǎng)絡(luò)可以作為輸入和輸出的映射。當(dāng)feedforwardnet 神經(jīng)網(wǎng)絡(luò)只設(shè)置一個(gè)隱含層時(shí)，該網(wǎng)絡(luò)可以擬合任意有限輸入輸出的映射問(wèn)題；并且即使設(shè)定一定數(shù)量的隱含層神經(jīng)元時(shí)，兩層或多層的前饋網(wǎng)絡(luò)也可以實(shí)現(xiàn)有限輸入和輸出的功能。

然后對(duì)BP 神經(jīng)網(wǎng)絡(luò)的各個(gè)參數(shù)進(jìn)行設(shè)置，如訓(xùn)練次數(shù)epochs，訓(xùn)練目標(biāo)goal，學(xué)習(xí)率lr，檢測(cè)次數(shù)max_fail，最小梯度min_grad 等。

網(wǎng)絡(luò)各項(xiàng)參數(shù)設(shè)置完成之后，就要對(duì)建立的網(wǎng)絡(luò)模型進(jìn)行仿真訓(xùn)練，訓(xùn)練網(wǎng)絡(luò)采用train 函數(shù)，網(wǎng)絡(luò)仿真采用sim 函數(shù)。

網(wǎng)絡(luò)訓(xùn)練仿真操作完成之后，最后對(duì)需要的數(shù)據(jù)進(jìn)行分析輸出，將輸出數(shù)據(jù)與真實(shí)樣本數(shù)據(jù)比較，繪制曲線(xiàn)圖形，直觀的表達(dá)出網(wǎng)絡(luò)性能的優(yōu)良。

4   交通燈信號(hào)識(shí)別系統(tǒng)的調(diào)試與分析

設(shè)計(jì)出GUI 用戶(hù)界面后，開(kāi)始運(yùn)行BP 神經(jīng)網(wǎng)絡(luò)的M 文件代碼，進(jìn)行網(wǎng)絡(luò)訓(xùn)練。測(cè)試系統(tǒng)經(jīng)過(guò)8 次訓(xùn)練后達(dá)到設(shè)定要求。

運(yùn)行BP 神經(jīng)網(wǎng)絡(luò)程序還會(huì)顯示出數(shù)據(jù)集中已經(jīng)處理好的灰度圖像轉(zhuǎn)化成二值化圖像后的結(jié)果，迭代誤差曲線(xiàn)圖，識(shí)別錯(cuò)誤個(gè)數(shù)。最后會(huì)彈出網(wǎng)絡(luò)訓(xùn)練完成的對(duì)話(huà)框。

隨著迭代次數(shù)的增加，系統(tǒng)誤差越來(lái)越小，系統(tǒng)逐漸趨于穩(wěn)定，得到的仿真結(jié)果數(shù)據(jù)也越來(lái)越準(zhǔn)確，如圖1 所示。圖2 表示在系統(tǒng)仿真過(guò)程中，仿真出的數(shù)據(jù)與數(shù)據(jù)集中的原始數(shù)據(jù)擬合程度非常好，沒(méi)有數(shù)據(jù)出現(xiàn)錯(cuò)誤。

圖1 迭代誤差曲線(xiàn)

圖2 識(shí)別錯(cuò)誤個(gè)數(shù)

BP 神經(jīng)網(wǎng)絡(luò)模型構(gòu)建完成，并且已經(jīng)對(duì)數(shù)據(jù)集中的數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)訓(xùn)練之后，導(dǎo)入交通燈信號(hào)圖像，進(jìn)行目標(biāo)圖像與數(shù)據(jù)庫(kù)中樣本圖像的匹配，完成交通燈信號(hào)圖像的識(shí)別，將識(shí)別結(jié)果輸出到空白欄中，顯示目標(biāo)圖像的名稱(chēng)。兩組測(cè)試數(shù)據(jù)識(shí)別結(jié)果分別如圖3、4 所示。

圖3 測(cè)試結(jié)果一

圖4 測(cè)試結(jié)果二

兩組測(cè)試結(jié)果都正確識(shí)別出了交通燈信號(hào)圖像的標(biāo)志。再次增加數(shù)據(jù)集，進(jìn)行大量測(cè)試后的結(jié)果證明設(shè)計(jì)的交通燈信號(hào)識(shí)別系統(tǒng)能完成識(shí)別功能，且識(shí)別性能良好。

參考文獻(xiàn)

[1] 厲俊.基于MATLAB/GUI圖像處理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].軟件工程,2020,23(05):59-62,30.

[2] 張廣才,萬(wàn)守鵬,何繼榮.MATLAB/GUI數(shù)字圖像處理系統(tǒng)開(kāi)發(fā)設(shè)計(jì)[J].軟件, 2019,40 (11):123-127.

[3]錢(qián)弘毅,王麗華,牟宏磊. 基于深度學(xué)習(xí)的交通信號(hào)燈快速檢測(cè)與識(shí)別[J].計(jì)算機(jī)科學(xué),2019,46(12):272－278．

[4] 田佳欣.基于圖像處理的智能交通燈控制系統(tǒng)[J].電子制作,2017(21):33-35.