一种机动车驾乘人员在途未系安全带的检测方法技术

本发明专利技术提供一种机动车驾乘人员在途未系安全带的检测方法，包括：读取已抓拍的机动车图片解码成BMP位图；剔除掉模糊图片；分别检测机动车前玻璃窗位置来确定驾驶室位置，再通过牌照位置来计算驾驶室位置；分别在其驾驶室区域内检测出驾驶人、乘车人及安全带；判断驾驶人、乘车人是否系安全带；对判定为未系安全带的进行直方图均衡化图像增强处理并存储。本发明专利技术综合采用多种计算机图像处理算法，在保证准确度的前提下，提高了检测效率和准确性；并能同时对驾驶员和乘车人是否系安全带进行检测。

【技术实现步骤摘要】

本专利技术涉及道路交通秩序监控与管理系统，尤其涉及一种机动车驾乘人员在途未系安全带的检测方法。
技术介绍
道路交通事故给人们的生命、财产带来极大伤害，每年造成的人员死亡数超过十万人；在发生交通事故时，从车辆发生碰撞到驾乘人员与车内物体发生碰撞的时间只有0.2秒，而人的反应时间一般在0.3秒以上，所以驾乘人员只有依靠安全带来保护自己。统计表明，机动车发生正面碰撞时，系安全带可以使死亡率降低57%；发生侧面碰撞时，系安全带可以使死亡率降低44%；发生翻车时，系安全带可以使死亡率降低80%。但很多驾乘人员因存在麻痹意识和侥幸心理，在行车途中往往未系安全带，给重大事故伤害埋下了隐患。为减少道路交通事故及其造成的伤害，国家及各地政府陆续出台机动车驾乘人员必须使用安全带的法律、法规，规定违者予以处罚。但由于未系安全带行为发生在机动车行驶过程中，难于检测和执法。早期的未系安全带行为检测完全靠人工从道路治安卡口系统、电子警察系统、道路视频监控系统抓拍的海量图片中来进行筛选，其费时费力且效率极低。随着计算机技术和视频图像处理技术的发展，目前也有开发出未系安全带自动检测系统，如基于视频图像采集设备（高清摄像机）的检测系统。但由于选择的运行平台性能不高，使用的检测算法不合理等，使未系安全带检测的准确度不高，仍然需要大量人工进行二次筛选，检测效率很低。
技术实现思路
本专利技术针对现有机动车驾乘人员未系安全带检测技术和使用方法的不足，提供了一种高效、高准确度和机动车驾乘人员在途未系安全带的检测方法。一种机动车驾乘人员在途未系安全带的检测方法，包括如下步骤：（1）从现有的道路视频监控系统中读取已抓拍的机动车图片和其相关信息；并将读取的机动车图片解码后统一以BMP位图文件格式存储；（2）在存储的机动车图片的四角处选择互不重叠的四个区域图像，采用多尺度下边缘强度变化和方向统计分布算法判定四个区域图像是否模糊，若一张机动车图片中有不少于二个区域图像是模糊的，则判定此机动车图片为模糊的，将该模糊图片挑选出来并剔除掉；（3）对清晰的机动车图片分别检测其中的机动车前玻璃窗位置和牌照位置，通过机动车前玻璃窗位置来确定驾驶室位置，再通过牌照位置来计算驾驶室位置；（4）分别根据步骤（3）中两种方法所确定和计算的驾驶室位置，分别在其驾驶室区域内检测出驾驶人位置及驾驶人身上的安全带；（5）同步骤（4）分别检测出副驾驶位置上的乘车人及其身上的安全带；（6）根据步骤（4）、（5）的检测结果来判断驾驶人、乘车人是否系安全带，若驾驶人、乘车人之一未系安全带的，则判定为未系安全带；若两者都系安全带了，则判定为系安全带；（7）对步骤（6）中判定为未系安全带的机动车图片中的驾驶室位置所在区域进行直方图均衡化图像增强处理，以此增加机动车图片的对比度，可以更好地看清驾驶人、乘车人是否系安全带；（8）将经步骤（7）处理后的机动车图片及其机动车原图片一起存入未系安全带图片数据库中。进一步方案，所述步骤（2）中多尺度下边缘强度变化和方向统计分布算法是使用图像边缘检测算子，对每个区域图像进行边缘检测，保存具有局部极大值的边缘点强度和方向；再缩小该区域图像，使其分辨率原来的四分之一；对缩小后图像重新做边缘检测，再次保存其具有局部极大值的边缘点强度和方向；若缩小后图像的边缘点强度与区域图像的边缘点强度之差大于给定阈值0.75时，则认为该边缘点是模糊的；当同一区域图像内模糊的边缘点强度之和与所有的边缘点强度之和的比值大于0.5时，则判定该区域图像是模糊的；或者当同一区域图像的边缘数密度达到10时，则统计该区域图像在不同方向上的边缘数，当在某一方向上的边缘数与总边缘数之比大于0.33，则判定该区域图像是模糊的。更进一步方案，所述图像边缘检测算子为Sobel算子、Robert算子、Canny算子或Prewitt算子。进一步方案，所述步骤（2）中区域图像的尺寸为100×100像素。进一步方案，所述步骤（3）中机动车前玻璃窗位置的检测是通过直接检测法检测的，即先把机动车图片进行灰度变换，再采用Sobel算子对灰度图片进行边缘检测；然后用Hough变换检测出机动车前玻璃窗的上、下边缘，再利用垂直投影法检测出前玻璃窗的左右二侧的边缘，由此确定驾驶室在机动车图片中的位置。进一步方案，所述步骤（3）中牌照位置的检测是指先识别出机动车图片中牌照，再根据牌照四角处的点坐标来计算出驾驶室四角的坐标位置P1(X1,Y1)、P2(X2,Y2)、P3(X3,Y3)、P4(X4,Y4)；其计算公式为：X1=(1+K1)Xa/2+(1-K1)XbX2=(1-K1)Xa/2+(1+K1)XbX3=(1+K1)Xc/2+(1-K1)XdX4=(1-K1)Xc/2+(1+K1)XdY1=(1+L)Yc-LYaY2=(1+L)Yd-LYbY3=(1+k2+L)Yc-(k2+L)YaY4=(1+k2+L)Yd-(k2+L)Yb式中：K1为驾驶室宽度与车牌照宽度的比值，K2为驾驶室高度与车牌照高度的比值，L为车牌照上部边缘到驾驶室下部边缘的高度，K1、K2、L均根据标准机动车进行计算设定；Xa、Ya、Xb、Yb、Xc、Yc、Xd、Yd是以机动车图片的最左下角为二维图片坐标的原点，牌照的四角在其中的坐标值。进一步方案，所述步骤（4）中驾驶人位置和步骤（5）中乘车人位置的检测均是根据人体脸部皮肤颜色和纹理特征，采用基于自适应阈值的人体皮肤区域检测算法检测出驾驶室区域内的皮肤区域范围大于16×16像素的，则判定为人体皮肤区域，即判断该区域有人存在，反之，则没有人。进一步方案，所述采用基于自适应阈值的人体皮肤区域检测算法是指把机动车前玻璃窗所在区域划分为8×8像素的图像小块，利用人体皮肤颜色和纹理特征的贝叶斯模型，计算划分后的每个图像小块属于人体皮肤的后验概率P1和不属于人体皮肤的后验概率P2；若P1/P2大于给定阈值C时，认为该图像小块为人体皮肤。更进一步方案，所述给定阈值C的选择是根据人体皮肤区域在图像中具有光滑的纹理特征自适应调整得到，即先给定较小的C0，先检测出前玻璃窗所在区域内的所有候选的皮肤小块，然后逐步增大C值，不断过滤去除疑似皮肤的干扰小块，直到互相连接的皮肤小块连接成一整块平滑皮肤区域为止，此时的Cn即为给定阈值C。所述步骤（4）中驾驶人位置和步骤（5）中驾驶人或乘车人身上的安全带是对前玻璃窗所在区域进行直方图拉伸变换，得到统一亮度对比的图像，以消除外界光本文档来自技高网...

【技术保护点】
一种机动车驾乘人员在途未系安全带的检测方法，其特征在于：包括如下步骤：（1）从现有的道路视频监控系统中读取已抓拍的机动车图片和其相关信息；并将读取的机动车图片解码后统一以BMP位图文件格式存储；（2）在存储的机动车图片的四角处选择互不重叠的四个区域图像，采用多尺度下边缘强度变化和方向统计分布算法判定四个区域图像是否模糊，若一张机动车图片中有不少于二个区域图像是模糊的，则判定此机动车图片为模糊的，将该模糊图片挑选出来并剔除掉；（3）对清晰的机动车图片分别检测其中的机动车前玻璃窗位置和牌照位置，通过机动车前玻璃窗位置来确定驾驶室位置，再通过牌照位置来计算驾驶室位置；（4）分别根据步骤（3）中两种方法所确定和计算的驾驶室位置，分别在其驾驶室区域内检测出驾驶人位置及驾驶人身上的安全带；（5）同步骤（4）分别检测出副驾驶位置上的乘车人及其身上的安全带；（6）根据步骤（4）、（5）的检测结果来判断驾驶人、乘车人是否系安全带，若驾驶人、乘车人之一未系安全带的，则判定为未系安全带；若两者都系安全带了，则判定为系安全带；（7）对步骤（6）中判定为未系安全带的机动车图片中的驾驶室位置所在区域进行直方图均衡化图像增强处理，以此增加机动车图片的对比度，可以更好地看清驾驶人、乘车人是否系安全带；（8）将经步骤（7）处理后的机动车图片及其机动车原图片一起存入未系安全带图片数据库中。...

【技术特征摘要】
1.一种机动车驾乘人员在途未系安全带的检测方法，其特征在于：包括如下步骤：
（1）从现有的道路视频监控系统中读取已抓拍的机动车图片和其相关信息；并将读取
的机动车图片解码后统一以BMP位图文件格式存储；
（2）在存储的机动车图片的四角处选择互不重叠的四个区域图像，采用多尺度下边缘
强度变化和方向统计分布算法判定四个区域图像是否模糊，若一张机动车图片中有不少于
二个区域图像是模糊的，则判定此机动车图片为模糊的，将该模糊图片挑选出来并剔除掉；
（3）对清晰的机动车图片分别检测其中的机动车前玻璃窗位置和牌照位置，通过机动
车前玻璃窗位置来确定驾驶室位置，再通过牌照位置来计算驾驶室位置；
（4）分别根据步骤（3）中两种方法所确定和计算的驾驶室位置，分别在其驾驶室区域内
检测出驾驶人位置及驾驶人身上的安全带；
（5）同步骤（4）分别检测出副驾驶位置上的乘车人及其身上的安全带；
（6）根据步骤（4）、（5）的检测结果来判断驾驶人、乘车人是否系安全带，若驾驶人、乘车
人之一未系安全带的，则判定为未系安全带；若两者都系安全带了，则判定为系安全带；
（7）对步骤（6）中判定为未系安全带的机动车图片中的驾驶室位置所在区域进行直方
图均衡化图像增强处理，以此增加机动车图片的对比度，可以更好地看清驾驶人、乘车人是
否系安全带；
（8）将经步骤（7）处理后的机动车图片及其机动车原图片一起存入未系安全带图片数
据库中。
2.根据权利要求1所述的检测方法，其特征在于：所述步骤（2）中多尺度下边缘强度变
化和方向统计分布算法是使用图像边缘检测算子，对每个区域图像进行边缘检测，保存具
有局部极大值的边缘点强度和方向；再缩小该区域图像，使其分辨率为原来的四分之一；对
缩小后图像重新做边缘检测，再次保存其具有局部极大值的边缘点强度和方向；若缩小后
图像的边缘点强度与区域图像的边缘点强度之差大于给定阈值0.75时，则认为该边缘点是
模糊的；当同一区域图像内模糊的边缘点强度之和与所有的边缘点强度之和的比值大于
0.5时，则判定该区域图像是模糊的；或者当同一区域图像的边缘数密度达到10时，则统计
该区域图像在不同方向上的边缘数，当在某一方向上的边缘数与总边缘数之比大于0.33，
则判定该区域图像是模糊的。
3.根据权利要求2所述的检测方法，其特征在于：所述图像边缘检测算子为Sobel算子、
Robert算子、Canny算子或Prewitt算子。
4.根据权利要求1所述的检测方法，其特征在于：所述步骤（2）中区域图像的尺寸为100
×100像素。
5.根据权利要求1所述的检测方法，其特征在于：所述步骤（3）中机动车前玻璃窗位置
的检测是通过直接检测法检测的，即先把机动车图片进行灰度变换，再采用Sobel算子对灰
度图片进行边缘检测；然后用Hough变换检测出机动车前玻璃窗的上、下边缘，再利用垂直
投影法检测出前玻璃窗的左右二侧的边缘，由此确定驾驶室在机动车图片中的位置。
6.根据权利要求1所述的...

【专利技术属性】
技术研发人员：赵峰，卞润泉，邓向阳，李唯哲，王志会，黄守江，
申请(专利权)人：安徽天盛智能科技有限公司，
类型：发明
国别省市：安徽;34