技術(shù)特征：

1.一種交通視頻圖像智能化分割方法，其特征在于，包括如下步驟：

1)根據(jù)采集得到的灰度圖像，對其進(jìn)行灰度初始化，計算得到圖像的像素點為N1，灰度值的范圍是{0,1，…，L-1}，設(shè)定圖像的閾值為x，接下來利用改進(jìn)的遺傳算法對圖像的閾值進(jìn)行最有設(shè)計;2)根據(jù)閾值圖像分割理論，圖像分割閾值的一個判斷標(biāo)準(zhǔn)是其熵值的大小，當(dāng)熵值取最大值時，圖像的分割效果最好，圖像中的背景和目標(biāo)內(nèi)部灰度一致性較高，而鄰間則較差;3)根據(jù)熵值構(gòu)造閾值圖分割代價函數(shù)， O代表目標(biāo)部分，B代表背景部分，p_i代表灰度值為i的像素點出現(xiàn)的概率，H(B)和H(O)代表局部熵;4)構(gòu)建基于改進(jìn)遺傳算法的閾值圖像分割算法，首先，用反映復(fù)雜系統(tǒng)能量分布的冪次法則改造選擇算子；其次，設(shè)計具有自學(xué)習(xí)特性的環(huán)境-基因雙演化交叉算子；再次，采用反饋機(jī)理改進(jìn)更新策略，提出一種自適應(yīng)的更新策略算子；最后，提出基因漂流算子并用于進(jìn)化算法中；以上各算子在進(jìn)行進(jìn)化計算過程中相互平衡、相互制約，以提高算法的效率及防止早熟；

5)初始化：設(shè)定基于改進(jìn)遺傳算法的閾值圖像分割算法終止條件，設(shè)置算法運行參數(shù)；

6)算法終止條件判斷：當(dāng)滿足終止條件就結(jié)束算法，執(zhí)行第8）步，否則，執(zhí)行第7)步；

7) 采用基于改進(jìn)遺傳算法的閾值圖像分割算法對交通信號圖進(jìn)行分割，返回6)；

8)根據(jù)圖形分割結(jié)果，對車輛信息進(jìn)行識別。

2.根據(jù)權(quán)利要求1所述的交通視頻圖像智能化分割方法，其特征在于，第2）步構(gòu)建灰度圖的方法是，根據(jù)芯片采集得到的圖片，對其進(jìn)行細(xì)分以及灰度處理，并用N1表示分割圖片的像素點個數(shù)，而灰度值表示為{0,1，…，L-1}，得到分割圖像的灰度參數(shù)圖。

3.根據(jù)權(quán)利要求1或2所述的交交通視頻圖像智能化分割方法，其特征在于，所述第4）步中，用反映復(fù)雜系統(tǒng)能量分布的冪次法則改造選擇算子是對父代的選擇采用冪次法，而對母代的選擇則采用順序選擇，并與環(huán)境-基因雙演化交叉算子、自適應(yīng)更新策略算子、基因漂流算子配合使用，防止算法出現(xiàn)早熟；其中：

所述環(huán)境-基因雙演化交叉算子具體描述如下：

式中：E 是環(huán)境變量，r₁ 是學(xué)習(xí)系數(shù)， r₂ 是遺忘系數(shù)， r₃ 是加速系數(shù)，t 是進(jìn)化代數(shù)；

所述采用反饋機(jī)理改進(jìn)更新策略，提出一種自適應(yīng)的更新策略算子具體描述如下：

式中：Tr 是更新策略算子，p_r 是更新規(guī)模變量， N 是遺傳算法種群規(guī)模，是產(chǎn)生的新個體；

所述基因漂流算子具體描述如下：

式中：Tf為基因漂流算子，X_best為最優(yōu)個體。

4.根據(jù)權(quán)利要求1或2所述的交通視頻圖像智能化分割方法，其特征在于，所述更新規(guī)模變量p_r采用反饋修改方式，當(dāng)種群逐代進(jìn)化時則較多的個體采用“優(yōu)勝劣汰”更新策略，促使群體迅速收斂；但種群陷于局部最優(yōu)解，進(jìn)化趨勢不明顯時則采用“子代直接取代父代”的更新策略，為群體引入更多的基因模式；更新規(guī)模變量p_r的反饋修改方式如下：

式中：α 是遞增量常數(shù)， β 是遞減量常數(shù)。

5.根據(jù)權(quán)利要求1或2所述的交通視頻圖像智能化分割方法，其特征在于，所述采用基因漂流算子發(fā)生基因漂流事件的概率為p_f，其采用了反饋控制技術(shù)，其具體描述如下：

式中：p_f 是基因漂流概率， k₁ 是概率遞增系數(shù)， k₂ 是概率遞減系數(shù)。

6.根據(jù)權(quán)利要求1或2所述的交通視頻圖像智能化分割方法，其特征在于，所述第7）步中，采用基于復(fù)雜系統(tǒng)理論的進(jìn)化計算算法對圖像進(jìn)行分割是在圖分割代價函數(shù)的指導(dǎo)下，基于第5）步所述的初始化工作和第6）步所述的終止條件判斷，對第2）步構(gòu)建灰度圖進(jìn)行最優(yōu)化分割的過程，包括下述步驟：

（1） 判斷是否需要進(jìn)行基因漂流操作，若不需要，轉(zhuǎn)至執(zhí)行第（4）步；

（2）使用第4）步所述的基因漂流算子，選擇優(yōu)勢基因位修改所有個體的等基因位；

（3） 按照第3）步構(gòu)造的代價函數(shù)計算當(dāng)前所有個體的代價函數(shù)值；

（4） 使用第4）步所述的冪次法則改造選擇算子從群體中選擇用于交配的父代個體；

（5）判斷是否需要進(jìn)行雜交操作，若不需要，轉(zhuǎn)至執(zhí)行第（7）步；

（6）使用第4）步所述的環(huán)境——基因交叉算子雜交父代個體以獲得子代個體；

（7）判斷是否需要進(jìn)行變異操作，若不需要，轉(zhuǎn)至執(zhí)行第（9）步；

（8） 變異子代個體；

（9）按照第3）步構(gòu)造的代價函數(shù)計算子代個體的代價函數(shù)值；

（10）使用第4）步所述的自適應(yīng)更新策略更新群體。

7.根據(jù)權(quán)利要求2或3所述的交通視頻圖像智能化分割方法，其特征在于，利用第7）步所得的閾值對灰度圖進(jìn)行分割，在第8）步中根據(jù)所分割到的圖像，提取出目標(biāo)圖像，完成芯片的功能，之后對目標(biāo)圖像進(jìn)行信息識別，從而完成對采集信息的識別。