全文总字数：6177字
摘要：本课题着力于开发一种智能斑马线系统，以单片机为主控单元，通过红外、热成像等方式检测斑马线上的行人，监测成功后即以在道路两侧进行灯光闪烁提醒汽车驾驶人员；以当前红绿灯情况为基准，通过地灯闪烁和斑马线“消失”等方式来提醒过往行人注意红绿灯的变换，以免行人误闯红灯。
关键词：单片机 红外 热成像
引言
每年我国死于交通事故的人数高达10万以上，其中 80%是由于行人本身违规造成的，行人闯红灯是造成我国交通事故发生的重要原因之一。据统计，在我国，平均每天有2.6人死于闯红灯。根据人体反应时间、刹车距离计算，当车速为80公里/小时，每秒行进22米，在你想“快跑几步”闯红灯时，理论上，速度必须达到80米/秒才安全，如此高速，恐怕连飞人都做不到。由于行人自身的“从众心理”和管理部门的“法不责众”，行人闯百度红灯已经成为“中国式过马路”。行人闯红灯不仅具有重大安全隐患，而且行人违反交通规则损害了我国的交通形象、影响了我国的国民素质。面对众多路口、不间断时间、连续大面积的行人闯红灯现象，仅依靠交警自身维持秩序，远远不能满足要求。很多城市采用了斑马线交通灯以平衡行人跟车辆关系，因此，更先进、更智能的交通系统急需出现。因此，本文主要探讨了基于单片机的智能斑马线预警系统的研究，主要涉及的领域包括自动控制、可编程控制等。本系统通过基于智能监测的行人闯红灯自动监视和警示，在不需要人工介入的前提下实现行人过街的规范管理，减少行人闯红灯现象，降低交通事故发生概率，提升国民素质和形象，构建安全和谐的城市交通出行环境。
研究现状
-
- 国外研究现状：
外国许多地方为了确保行人的交通安全安装不用抬头也能看见的红绿灯，边走路边低头发短信的人，有跌倒、被车撞到或是被绊倒的风险[12]。安装地面信号灯，这种“ LED 交通信号线”可以用来提醒“低头族”注意自身的交通安全。它是通过镶嵌在路面的 LED 条连接交通信号灯，并与其同步改变颜色来发挥作用。例如在意大利就有这种斑马线，据悉，这种智能人行横道的斑马线每条宽50cm，配有LED照明系统，通过连接传感器亮灯[13]。当有行人接近人行横道时，地上的LED灯就会自动亮起。这一智能人行横道的先驱是西班牙，当地市政府表示，要打造这样会自动发光的斑马线需斥资1.6万欧元左右，但能大幅提升夜间道路交通的安全[14]。
-
- 国内研究现状：
杭州的智能斑马线，当人或车路过该斑马线的时候，斑马线四边就会有灯光亮起，让夜间、雾霾天和下雨天出行的车辆可以获得更明显的提醒。据了解，这种斑马线的建立主要依靠两种装置，一种是在斑马线四周铺装的LED灯，另外一种是斑马线路口的红外线感应装置，只要红外线感应到车辆或行人经过，路面的LED灯就会以25秒为一个周期开始闪动，当没人经过时系统则自动关闭[1]。
在深圳，一套智慧斑马线系统已经开始安装试用。该系统是利用热成像传感器检测到行人，通过无线电波信号，触发地面道钉闪光，从而提醒车辆此时有行人正在经过斑马线，注意避让[2]。这套系统可以自动检测光的强度，大于阀值时将不亮灯，在雨雪天气中，闪烁的地灯也能帮助到驾驶员注意避让行人[3]。北京捷睿通科技有限公司设计的智能斑马线警示系统由行人探测模块、无线发射与控制模块和路面警示模块（太阳能无线同步道钉灯）三个部分组成[4]。利用微波雷达检测技术自动探测进入斑马线区域的行人，自动触发路面道钉灯闪亮以警示车辆和行人。道钉警示灯可以实现有线、无线两种模式同步通讯控制；可选择常亮和闪烁模式，以及多种颜色定制[5]。
何施设计的智能车辆交通环境感知系统由交通环境和传感器软硬件组成,交通环境和传感器之间的交互关系严重影响到交通参与者的安全[6]。本文基于已知交通环境主要特征,设计相应检测和识别算法,设计逻辑检测和逻辑识别算法,通过实车实验,对设计的算法进行验证,对信息融合算法进行研究,然后建立智能车辆有限状态机模型[7]。通过理论分析和实车观察,根据驾驶员关注的交通环境特征,研究了智能车辆交通环境感知系统的特征和主要影响因素,得到需要检测和识别的环境主要特征,包括车道线的直线和角度特征,斑马线的矩形、角度、条纹特征,前方车辆的矩形、对称特征,交通信号灯的长宽比、颜色、位置等特征[8]。设计了车道线检测、斑马线检测、前方车辆识别和交通信号灯识别等算法,研究并实施实车实验方案,验证了算法的实时性和准确性;根据实车实验中获取的环境特征,分析了特征之间的相互关系,总结出逻辑检测和智能识别的方法;得出了特征级信息融合的基本规则,得到了交通环境信息融合数据;根据实车实验和信息融合的结果,建立智能车辆的有限状态机模型[9]。张诚哲研究了基于交通路口视频的行人预警算法中涉及的关键问题,交通路口运动目标的检测以及行人目标的识别[10]。在行人目标检测部分,本文比较常见的几种前景检测算法,通过理论研究和实验比较,得到适合交通路口的前景检测算法[11]。在行人目标的识别部分中,主要介绍运动目标进行特征提取的算法和分类算法的实现[12]。
高雪婷在研究中发现汽车已成为最普遍的交通工具,它在方便人们出行的同时,也导致交通事故频发[13]。行人、骑行者作为道路交通环境中的弱势群体,其安全问题不容小觑,建立完善的行人和骑行者检测预警系统已成为研究热点[14]。另外,深度神经网络在机器视觉领域表现出优异的性能,已获得学者们广泛的关注,将深度学习用于驾驶辅助系统正成为发展趋势[15]。本文以车辆前方行人、自行车作为研究对象,开展了基于深度学习的目标检测及防碰撞预警系统的研究[16]。该系统以前视摄像头作为获取环境信息的传感器,并利用GPS模块提取自车车速,建立预警模型,判别前方目标的危险程度[17]。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
