智能交通燈是未來交通管理和車流量控制的發展方向，通過它可以更高效地對交通流進行限制、調整、疏導以改善通行效率、保障交通安全。

本設計通過綜合目前各種交通燈的利弊，針對國內車輛種類多、隨機性大、影響因素多等實際情況，提出1套完整的新型的基于視頻監控的智能交通燈設計方案，該交通燈由視頻采集、圖像處理和控制模塊組成，使用FPGA核心搭建專用高速視頻采集模塊，使用DSP處理器進行實時圖像運算，通過圖像算法提取車流量信息，最終結合模糊算法實現智能控制。

1、系統設計概述

本系統完成了1種新型智能交通燈的設計，分為視頻采集模塊、視頻分析模塊和控制模塊3部分，該系統把精簡性、高效性、智能性和實用性進行了極大的集成。其系統結構框圖如圖1所示。視頻采集模塊以FPGA為核心，其高速并行的邏輯運算能力用于控制CMOS圖像傳感器的時序，并高效地存儲和傳輸圖像數據。

圖1 ?系統結構

圖像處理模塊以DSP為核心，其豐富的硬件運算部件和加強的CPU多總線結構用來實時處理圖像數據、分析交通流量狀態。

控制模塊主要由軟件控制算法和DSP端口組成，這種預留的控制接口外接上不同的驅動電路即可控制不同規格的信號燈。

2、視頻采集模塊

視頻采集模塊結構框圖如圖2所示。整個模塊以FPGA為核心，外圍擴展了CMOS圖像傳感器以及SDRAM存儲器。

圖2 視頻采集模塊結構

CMOS圖像傳感器OV7660的控制信號端和數據信號端直接與FPGA相連，通過近400個狀態機精確完成OV7660各類指令的時序操作。為了協調各模塊的處理速率，采集過程以幀為單位對圖像數據進行緩存，在SDRAM中開辟緩存空間存儲當前幀和前一幀，在當前幀寫入的時候進行前一幀讀取。

DSP通過EMIF接口將FPGA模擬為外部SRAM進行圖像幀的讀取。使用定時器控制DMA將圖像數據送入圖像處理模塊。

該信號鏈路精簡高效，極大地發揮了FPGA時序控制優勢，并通過優化緩存方案提高了數據傳輸的穩定性，為后端圖像數據分析打下了堅實的基礎。

3、圖像處理模塊

車流檢測是智能交通系統的重要組成部分。通過視頻圖像來分析車流相比其他方式具有更大的優勢，如成本低、系統精簡、適應性強、擴展性強等。圖像處理模塊的主要目標是實現前景分離，即分離出靜止的背景和相對運動的車輛。

傳統的運動目標檢測方法有光流法、幀間差分法和背景差分法。背景差分法是目前最常用的1種前景檢測方法，背景差分法通過當前幀減去背景參考幀，然后對差分圖像選擇合適的閾值二值化后，就得到了運動目標。

背景差分法檢測運動目標的效果在很大程度上取決于背景圖像的質量。背景圖像會隨著光照和其他因素而變動，背景差分法的關鍵在于找到1個背景模型的自適應更新算法。本系統采用均值法獲取初始背景圖像，利用卡爾曼濾波原理建立背景模型，OTSU算法進行圖像的二值化分割。圖像處理模塊結構框圖如圖3所示。

圖3 ?視頻圖像處理流程

3.1、幀灰度化

DSP從雙口RAM中讀到16位RGB565格式的彩色圖像數據，為了提高圖像處理的速度同時保留圖像的大部分細節，可以提取圖像中的亮度信息，將圖像轉換為YUV格式。其中亮度信息：

Y=0.299xR+0.587xG+0.114xB

處理效果如圖4（b）所示。

3.2、去噪

攝像頭采集到的原始圖像通常包含椒鹽噪聲和白噪聲。椒鹽噪聲是由傳感器，傳輸信道等引起的噪點，白噪聲是頻率意義上的隨機信號干擾，服從高斯分布。為了提高后續處理效果，必須對原始圖像進行去噪處理。去噪操作同時會一定程度降低圖像質量，所以在方法選擇上應適度權衡。

本系統采用3x3滑動窗口中值濾波進行去噪處理，其去噪效果明顯且能較好保存圖像邊緣。雖然中值濾波執行效率一般，但經優化后對實時性影響甚微。

將3x3的數據序列分為3組分別排序，獲得最大值組、中值組、最小值組，然后在最大值組的最小值、中值組的中值和最小值組的最大值3個值中取中值，結果即為序列的中值。處理效果如圖4（c）所示。