一种基于智能手机的行人步行安全检测的系统及方法技术方案

本发明专利技术公开了一种基于智能手机的行人步行安全检测的系统，包括离线训练模块：建立包含汽车视图的数据样本图像，并将所述的数据样本图像进行去除样本之间宏观差异的预处理，以及将预处理后的数据样本图像进行训练，从数据样本图像中提取特征，构建数据样本图像的分类树；在线检测模块：通过智能手机的后置摄像头捕捉用户周围环境情况中来往汽车的图像并对其进行去除图像之间宏观差异的预处理，与所述离线训练模块中存储在分类树中的数据样本图像进行匹配，判断是否向用户发出报警。本发明专利技术还公开了一种基于智能手机的行人步行安全检测的方法，本发明专利技术利用图像识别技术识别来往车辆是否靠近行人以便检测行人步行是否安全。

【技术实现步骤摘要】
一种基于智能手机的行人步行安全检测的系统及方法
本专利技术涉及智能手机
，特别是一种基于智能手机的行人步行安全检测的系统及方法。
技术介绍
在国内，旨在减少行人交通事故的研究大多数主要针对汽车的驾驶员，如前方车辆检测系统，就是依靠将智能手机当做传感器，放在汽车后视镜以下，用以检测和前车的距离或者前方是否出现行人。还有分析行人过街安全的设施，并将其优化的研究。其主要思想都是从行人周围环境(如汽车或者安全设施)方面出发，减少行人周围潜在的危险，来变相地提升行人的安全。但是作为一个汽车驾驶员来说，行人的行为模式是很难估计的，而且由于智能手机的出现，行人在穿过街道的时候接听电话的这种危险行为也是普遍现象，所以即使以汽车或汽车驾驶员为对象，做出很多提高行人安全的措施，其实也是治标不治本，出于行人自身的原因依旧没有解决，这也导致涉及到行人的交通事故的发生率很难降下来。而在国外，人们想出了各种试图解决的方法，以汽车为对象的措施例如：被动行人保护——通过设计汽车的保险杠和其他关键部件，使得在汽车与行人碰撞的情况下，尽可能地减少潜在的危害；行人检测、碰撞预警和自动刹车一类的保护措施。同国内所做的研究一样，这些以汽车为对象的安全措施也并没有大大降低涉及到行人的交通事故的发生率。
技术实现思路
为解决现有技术中存在的问题，本专利技术的目的是以行人为对象，提供一种基于智能手机的行人步行安全检测的系统及方法，本专利技术利用图像识别技术识别来往车辆是否靠近行人以便检测行人步行是否安全。为实现上述目的，本专利技术采用的技术方案是：一种基于智能手机的行人步行安全检测的系统，包括离线训练模块和在线检测模块；离线训练模块：建立包含汽车视图的数据样本图像，并将所述的数据样本图像进行去除样本之间宏观差异的预处理，以及将预处理后的数据样本图像采用基于类Haar特征和改进AdaBoost分类器进行训练，训练过程中从数据样本图像中提取特征，并根据提取的特征构建数据样本图像的分类树；在线检测模块：通过智能手机的后置摄像头捕捉用户周围环境情况中来往汽车的图像并对其进行去除图像之间宏观差异的预处理，对预处理后的图像与所述离线训练模块中存储在分类树中的数据样本图像进行匹配，并由匹配的结果判断是否向用户发出报警。作为一种优选的实施方式，在离线训练模块和在线检测模块中所述的预处理包括使图像的亮度水平和图像尺寸标准化。作为另一种优选的实施方式，所述离线训练模块中提取的特征包括边缘特征、线性特征、中心特征和对角线特征。作为另一种优选的实施方式，所述数据样本图像包括正向训练样本和负向训练样本，所述正向训练样本为汽车的正视图和后视图图像样本，所述负向训练样本为城市环境图像样本或汽车侧视图图像样本。作为另一种优选的实施方式，当在线检测模块捕捉的图像与所述离线训练模块中存储的数据样本图像匹配后将其检测为正向样本时，在线检测模块向用户发出报警；当在线检测模块捕捉的图像与所述离线训练模块中存储的数据样本图像匹配后将其检测为负向样本时，在线检测模块不发出报警。本专利技术还提供一种基于智能手机的行人步行安全检测的方法，包括以下步骤：步骤一、将汽车识别过程制作成离线模式下的训练模型，所述训练模型中包括多个汽车视图的数据样本图像；步骤二、对训练模型中多个汽车视图的数据样本图像进行去除样本之间宏观差异的预处理并将其存储在离线训练模块中；步骤三、从数据样本图像中提取特征，并根据提取的特征构建数据样本图像的分类树；步骤四、在智能手机上运行在线汽车检测模块，用智能手机的后置摄像头拍摄单张的图像，并将所捕捉到的图像展示出来；步骤五、对后置摄像头捕捉到的图像进行去除样本之间宏观差异的预处理；步骤六、对后置摄像头捕捉的且经预处理后的图像与离线训练模块中存储在分类树中的数据样本图像进行匹配，并由匹配的结果判断是否向用户发出报警。作为一种优选的实施方式，所述智能手机的操作系统为Android操作系统或iOS操作系统。作为另一种优选的实施方式，所述步骤四中，捕捉到的图像的展示格式为ImageView。作为另一种优选的实施方式，所述步骤四还包括以下步骤：将捕获的图像使用每次移动3个像素的滚动窗口进行细分。本专利技术的有益效果是：本专利技术利用图像识别技术识别来往车辆是否靠近行人以便检测行人步行是否安全，在实际生活中，行人步行安全检测系统对于行人在接听电话同时穿过街道时检测周围环境中是否存在的来往的汽车，并由此向行人用户发出警报，相对于传统的从行人周围环境(如汽车或者安全设施)方面出发，本专利技术从新人用户本身出发，最大程度的减少了周围潜在的危险以及提升行人的安全；并且本专利技术可以用于汽车检测前方是否有其余车辆，减少车祸问题；本专利技术还解决了对于行人步行安全检测在学习和移动计算的交叉点：用户移动性、手机导向、不同的发光条件和资源有限的手机上的实现问题。附图说明图1为本专利技术实施例中系统的结构框图。具体实施方式下面结合附图对本专利技术的实施例进行详细说明。实施例如图1所示，一种基于智能手机的行人步行安全检测的系统，包括离线训练模块和在线检测模块；离线训练模块：建立包含汽车视图的数据样本图像，并将所述的数据样本图像进行去除样本之间宏观差异的预处理，以及将预处理后的数据样本图像采用基于类Haar特征和改进AdaBoost分类器进行训练，训练过程中从数据样本图像中提取特征，并根据提取的特征构建数据样本图像的分类树；在线检测模块：通过智能手机的后置摄像头捕捉用户周围环境情况中来往汽车的图像并对其进行去除图像之间宏观差异的预处理，对预处理后的图像与所述离线训练模块中存储在分类树中的数据样本图像进行匹配，并由匹配的结果判断是否向用户发出报警。在离线训练模块和在线检测模块中所述的预处理包括使图像的亮度水平和图像尺寸标准化。所述离线训练模块中提取的特征包括边缘特征、线性特征、中心特征和对角线特征。所述数据样本图像包括正向训练样本和负向训练样本，所述正向训练样本为汽车的正视图和后视图图像样本，所述负向训练样本为城市环境图像样本或汽车侧视图图像样本。当在线检测模块捕捉的图像与所述离线训练模块中存储的数据样本图像匹配后将其检测为正向样本时，在线检测模块向用户发出报警；当在线检测模块捕捉的图像与所述离线训练模块中存储的数据样本图像匹配后将其检测为负向样本时，在线检测模块不发出报警。其中，基于类Haar特征和改进AdaBoost分类器离线训练的主要过程为：首先准备了一个包含正图像(即显示汽车的后视图和正视图的图像)和负图像(即显示随机城市环境或者汽车侧视图的图像)的数据集。这两组图像数据集用来：(1)进行预处以使其特征正常化，例如：使图像的亮度水平和图像尺寸标准化；(2)输入提取称为“Haar-like特征”的表征特征的算法，通过基于类Haar特征和改进AdaBoost分类器不断的训练，可以提高对数据的分类能力。训练过程具体如下：a、先通过对N个训练样本的学习得到第一个弱分类器；b、将分错的样本和其他的新数据一起构成一个新的N个的训练样本，通过对这个样本的学习得到第二个弱分类器；c、将a和b都分错了的样本加上其他的新样本构成另一个新的N个的训练样本，通过对这个样本的学习得到第三个弱分类器；d、最终经过提升后的强分类器。即某个数据被分为哪一类要由各分类器权值决本文档来自技高网...

【技术保护点】
1.一种基于智能手机的行人步行安全检测的系统，其特征在于，包括离线训练模块和在线检测模块；离线训练模块：建立包含汽车视图的数据样本图像，并将所述的数据样本图像进行去除样本之间宏观差异的预处理，以及将预处理后的数据样本图像采用基于类Haar特征和改进AdaBoost分类器进行训练，训练过程中从数据样本图像中提取特征，并根据提取的特征构建数据样本图像的分类树；在线检测模块：通过智能手机的后置摄像头捕捉用户周围环境情况中来往汽车的图像并对其进行去除图像之间宏观差异的预处理，对预处理后的图像与所述离线训练模块中存储在分类树中的数据样本图像进行匹配，并由匹配的结果判断是否向用户发出报警。

【技术特征摘要】
1.一种基于智能手机的行人步行安全检测的系统，其特征在于，包括离线训练模块和在线检测模块；离线训练模块：建立包含汽车视图的数据样本图像，并将所述的数据样本图像进行去除样本之间宏观差异的预处理，以及将预处理后的数据样本图像采用基于类Haar特征和改进AdaBoost分类器进行训练，训练过程中从数据样本图像中提取特征，并根据提取的特征构建数据样本图像的分类树；在线检测模块：通过智能手机的后置摄像头捕捉用户周围环境情况中来往汽车的图像并对其进行去除图像之间宏观差异的预处理，对预处理后的图像与所述离线训练模块中存储在分类树中的数据样本图像进行匹配，并由匹配的结果判断是否向用户发出报警。2.根据权利要求1所述的基于智能手机的行人步行安全检测的系统，其特征在于，在离线训练模块和在线检测模块中所述的预处理包括使图像的亮度水平和图像尺寸标准化。3.根据权利要求1所述的基于智能手机的行人步行安全检测的系统，其特征在于，所述离线训练模块中提取的特征包括边缘特征、线性特征、中心特征和对角线特征。4.根据权利要求1所述的基于智能手机的行人步行安全检测的系统，其特征在于，所述数据样本图像包括正向训练样本和负向训练样本，所述正向训练样本为汽车的正视图和后视图图像样本，所述负向训练样本为城市环境图像样本或汽车侧视图图像样本。5.根据权利要求4所述的基于智能手机的行人步行安全检测的系统，其特征在于，当在线检测模块捕捉的图像与所述离线训练模块中存储的数据样本图像匹...

【专利技术属性】
技术研发人员：雷丹，
申请(专利权)人：四川长虹电器股份有限公司，
类型：发明
国别省市：四川,51