[0008] 针对现有技术存在的问题，本发明提供了一种移动通信终端的交通信号控制方法及交通信号控制系统。
[0009] 本发明是这样实现的，一种移动通信终端的交通信号控制方法，包括：
[0010] 采集交通信号灯的状态图像数据；并发送交通信号灯的不同状态信号指令；
[0011] 对采集的交通信号灯的状态图像采用基于粒子滤波方法进行处理；基于粒子滤波方法对交通信号灯的状态图像进行处理中，进行彩色图像轮廓提取，具体有：1)以Sobel算子或基于颜色空间聚类方法计算目标轮廓的预测值：
[0012]
[0013] 2)将图像目标轮廓视为由N个单元线段构成的集{dli}1，2，…，N，对于i＝1，2，…，N；3)在C0中找到与dli对应的位置，依据C0中对应位置的切线作为dli的采样基准值，生成初始粒子集；4)按照状态转移模型引导粒子不断的向已知的最佳解方向聚集，避免标准粒子滤波过程中退化的方法实现粒子状态转移，并计算每个粒子对应的轮廓点集合；5)按照建立的观测模型计算粒子权重；6)以粒子集的加权平均计算本次迭代得到的参数 7)若 其中，取ε＝0.5，则得到以粒子集的加权平均作为dli
参数的估计，否则转步骤4)；
[0014] 状态转移模型避免标准粒子滤波过程中退化的方法包括：在计算图像轮廓第i个单元线段li的参数 时，迭代至第s步时粒子集为
[0015]
[0016] 其中Θs(i)为直线参数集合，Ws(i)为粒子权重，Es(i)为Snake能量函数模型计算得到的轮廓有效性的测度，是粒子权重计算的依据；基于以上条件，局部最优粒子为:
[0017]
[0018] 全局最优粒子为:
[0019]
[0020] 状态转移模型包括：
[0021]
[0022] 其中rk，rk1，rk2，rb，rb1，rb2均服从正态分布，且
[0023]
[0024] 对处理后的交通信号灯图像进行分配时段；并进行检测交通信号灯故障信号；显示采集的交通信号灯的状态图像。
[0025] 对处理后的交通信号灯图像进行分配时段中，通过信号配时模糊控制器以交通信号灯的最大电压Vs,max和最小电压Vs,min为输入，实时调整ΔV使Vs,max和Vs,min在正常允许范围内，从而保证所有交通信号灯电压都在正常范围内，具体包括：
[0026] 输入变量均划分为三个模糊子集：Vs,max正常(N)、高(H)、很高(VH)，Vs,min很低(VL)、低(L)、正常(N)，隶属度函数采用三角形函数和梯形函数，输出变量ΔV划分为5个模糊子集：NB(负大)、NS(负小)、ZE(零)、PS(正小)、PB(正大)，每个子集均为单值模糊集，取值分别为-2，-1，0，1，2；
[0027] 建立模糊控制规则；模糊推理：采用Mamdani推理方法，先由控制规则确定输入输出的模糊关系，然后采用模糊合成运算由实际的模糊输入推理得到模糊输出；
[0028] 去模糊精确化处理：模糊推理得到控制变量的模糊值后，采取面积重心法去模糊求得控制变量的精确值。
[0029] 进一步，建立观测模型的方法包括：
[0030] 设已经估计得到的第1至第i－1个单元线段的参数估计值为:
[0031]
[0032] 对应的轮廓点序列为:
[0033]
[0034] 在计算图像目标轮廓第i个单元线段li的参数时，迭代至第s步时粒子集为:
[0035]
[0036] 由此粒子集得到图像目标轮廓点为
[0037]
[0038] 局部Snake能量值按下式计算:
[0039]
[0040] 全局Snake能量值按下式计算:
[0041]
[0042] 或只取{Ψj}j＝1，2，…，i－1中与 最近的若干个点集共同计算全局Snake能量值；
[0043] 对于RGB彩色图像或HSI空间彩色图像，每个分量都有对应的Snake能量值，即[0044]
[0045]
[0046]
[0047] 分别对 和 进行归一化，按下式计算局部粒子权重；
[0048]
[0049] 按下式计算粒子全局权重:
[0050]
[0051] 取粒子权重为局部和全局值的算术平均，即
[0052]
[0053] 最后，对粒子权重进行归一化，实现参数的最小均方误差估计。
[0054] 进一步，建立模糊控制规则中，还需进行：
[0055] 归一化处理：为使信号配时模糊控制器输出在规定论域内，比例因子Kc取ΔVmax/2，其中ΔVmax为预期的最大电压偏离值。
[0056] 进一步，信号灯图像处理方法包括：
[0057] 首先，确定当前交通信号灯的状态，所述交通信号灯的状态包括红灯状态、绿灯状态、黄灯状态；
[0058] 其次，采集当前交通信号灯状态的长曝光帧图像和短曝光帧图像；
[0059] 然后，根据所述当前交通信号灯状态的长曝光帧图像和短曝光帧图像中的交通信号灯区域，恢复所述当前交通信号灯的形状，得到交通信号灯形状恢复图像；
[0060] 最后，根据所述当前交通信号灯的状态，对所述交通信号灯形状恢复图像中的交通信号灯进行颜色恢复处理；
[0061] 所述采集当前交通信号灯状态的长曝光帧图像和短曝光帧图像之后，该方法还包括：
[0062] 在所述长曝光帧图像和所述短曝光帧图像中获取指定范围的区域作为感兴趣区域，所述感兴趣区域包括所述当前交通信号灯出现的区域；
[0063] 根据所述当前信号灯状态的长曝光帧图像和短曝光帧图像中的交通信号灯区域，恢复所述当前交通信号灯的形状，得到交通信号灯形状恢复图像具体包括：
[0064] 在所述长曝光帧图像和所述短曝光帧图像的感兴趣区域中定位所述当前交通信号灯区域；
[0065] 对一帧所述长曝光帧图像和一帧所述短曝光帧图像中的所述当前交通信号灯区域融合，恢复所述当前信号灯的形状，得到交通信号灯形状恢复图像。
[0066] 进一步，信号配时方法进一步包括：
[0067] 首先，多段式信号配时的时段划分与相位选择；
[0068] 其次，信号周期时长计算；
[0069] 然后，利用线性规划优化绿灯时间；
[0070] 最后，调整求解出的各相位绿灯时间:将所求解出的绿灯时间综合分析一个周期中的关键出口道车流量做最后一次优化，在不影响关键车流的前提下，缩放相位时间，使相位时间之和等于所求得的信号周期时长；
[0071] 时段划分为：早高峰时段、午高峰时段、晚高峰时段、早低峰时段、午低峰时段、晚低峰时段。
[0072] 本发明的另一目的在于提供一种实现所述移动通信终端的交通信号控制方法的计算机程序。
[0073] 本发明的另一目的在于提供一种实现所述移动通信终端的交通信号控制方法的信息数据处理终端。
[0074] 本发明的另一目的在于提供一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行所述的移动通信终端的交通信号控制方法。
[0075] 本发明的另一目的在于提供一种实现所述移动通信终端的交通信号控制方法的移动通信终端的交通信号控制系统，所述移动通信终端的交通信号控制系统包括：
[0076] 图像采集模块，与中央控制模块连接，用于通过摄像头采集交通信号灯的状态图像数据；
[0077] 指令发送模块，与中央控制模块连接，用于发送交通信号灯的不同状态信号指令；
[0078] 中央控制模块，与图像采集模块、指令发送模块、信号灯图像处理模块、信号配时模块、故障检测模块、显示模块连接，用于控制各个模块正常工作；
[0079] 信号灯图像处理模块，与中央控制模块连接，用于对图像采集模块1采集的交通信号灯的状态图像进行处理；
[0080] 信号配时模块，与中央控制模块连接，用于给交通信号分配时段；
[0081] 故障检测模块，与中央控制模块连接，用于检测交通信号灯故障信号；
[0082] 显示模块，与中央控制模块连接，用于通过显示屏显示采集的交通信号灯的状态图像。
[0083] 本发明的另一目的在于提供一种搭载所述移动通信终端的交通信号控制系统的道路交叉交通控制设备。
[0084] 本发明的优点及积极效果为：
[0085] 本发明通过信号灯图像处理模块根据采集当前交通信号灯状态的长曝光帧图像和短曝光帧图像，并根据所述长曝光帧图像和短曝光帧图像中的交通信号灯区域对当前交通信号灯的形状进行恢复，之后再对交通信号灯的颜色进行恢复。即本申请提供的交通信号灯图像处理方法，既可以恢复交通信号灯的颜色，又可以恢复交通信号灯的形状，使得交通信号灯的恢复结果更加准确；同时，本发明通过信号配时模块线性规划对单个交叉路口建模，使路口达到最大能通过的车流量，使得交通控制技术灵活性好，适应与交通流迅速变化，且成本低，最终达到充分利用道路的目的。
[0086] 针对传统彩色图像轮廓提取方法在提取目标边界时易受初始轮廓点干扰及收敛速度慢，从而导致提取的彩色图像轮廓噪声大，影响到了图像分割的效果，鉴于此，本发明提出了基于粒子滤波的彩色图像轮廓提取算法。首先，给出图像轮廓的预测并在此建立二维空间，以便充分利用图像信息；然后，构建基于PSO寻优方法的状态转移模型，该模型促进了粒子向已知的最优状态靠近，改善了粒子的分布，加快了收敛速度；最后建立基于Snake能量函数的观测模型，该观测模型能够较好的定量描述目标轮廓提取的效果。
[0087] 通过仿真结果可知，在实验的彩色图像中其背景都比较复杂，而且从实验结果来看，预测彩色图像的轮廓是非常重要的，如果预测到的轮廓稳定且准确，那么对后面的轮廓提取及图像分割效果有很大的帮助。本发明采用了基于Snake能量函数的测量模型，虽然在预测轮廓时干扰较多，但其算法依然可以准确的预测并提取图像目标轮廓，这对后续的图像分割起到很大的作用。
[0088] 与传统的彩色图像轮廓提取方法比较，有效地缓解了受初始轮廓点干扰及收敛速度慢等问题，尤其是低信噪比条件下的图像轮廓提取，提取到的图像目标轮廓也十分令人满意，优于一般的轮廓提取算法。
[0089] 本发明对处理后的交通信号灯图像进行分配时段中，通过信号配时模糊控制器以交通信号灯的最大电压Vs,max和最小电压Vs,min为输入，实时调整ΔV使Vs,max和Vs,min在正常允许范围内，从而保证所有交通信号灯电压都在正常范围内，具体包括：
[0090] 输入变量均划分为三个模糊子集：Vs,max正常(N)、高(H)、很高(VH)，Vs,min很低(VL)、低(L)、正常(N)，隶属度函数采用三角形函数和梯形函数，输出变量ΔV划分为5个模糊子集：NB(负大)、NS(负小)、ZE(零)、PS(正小)、PB(正大)，每个子集均为单值模糊集，取值分别为-2，-1，0，1，2；
[0091] 建立模糊控制规则；模糊推理：采用Mamdani推理方法，先由控制规则确定输入输出的模糊关系，然后采用模糊合成运算由实际的模糊输入推理得到模糊输出；
[0092] 去模糊精确化处理：模糊推理得到控制变量的模糊值后，采取面积重心法去模糊求得控制变量的精确值。
[0093] 可获得准确的交通信息，为用户的出行提供方便。减少了计算量，缩短了决策时间，满足实时控制的要求。
