The present invention provides a kind of not wearing a seatbelt behavior detection method and device, in this method, the video image acquisition in the cab, the video image is input to the head and shoulder detection model, output by positioning the head shoulder detection model of the video image in the head region, among them, the model is trained by head shoulder detection the classifier through the training set and the head and non head and shoulder the training set, the head area is input to the safety belt recognition model, and get the output results, among them, the output is used to indicate that the head region is not wearing a seatbelt, the safety belt is the recognition model of seatbelt training set and the training set do not fasten the safety belt. Trained. The invention solves the problem that the detection rate and the accuracy rate of the intelligent identification without the safety belt are low in the prior art, and realizes the detection rate and the accuracy rate of the intelligent identification which does not fasten the safety belt during driving.
【技术实现步骤摘要】
未系安全带行为检测方法及装置
本专利技术涉及智能交通
,具体涉及一种未系安全带行为检测方法及装置。
技术介绍
智能交通系统是未来交通系统的发展方向,也是目前世界交通运输领域的前沿研究课题。随着计算机视觉技术、嵌入式技术、网络通信技术的发展,研究车辆违章行为自动检测系统已经成为当前智能交通中的一个研究热点。作为保障司机安全驾驶和降低交通事故中死伤率的一项重要措施,交管部门严格要求汽车司机在行驶过程中系安全带,基于图像处理技术的智能交通系统目前已经取得了非常广泛的应用,但通过高清监控摄像机采集的卡口图像数据来分析驾驶员是否系了安全带仍然面临着诸多困难,没有非常成熟的算法。
技术实现思路
有鉴于此,本专利技术实施例提供了一种未系安全带行为检测方法及装置,以解决现有技术中未系安全带的智能化识别的检出率和准确率低的问题。为此,本专利技术实施例提供了如下技术方案:本专利技术实施例提供了一种未系安全带行为检测方法,包括:获取驾驶室内的视频图像;将所述视频图像输入至头肩检测模型,通过所述头肩检测模型的输出定位所述视频图像中的头肩区域;其中,所述头肩检测模型是通过头肩训练集和非头肩训练集对分类器进行训练得到的;将所述头肩区域输入至安全带识别模型,得到输出结果;其中,所述输出结果用于指示所述头肩区域是否未系安全带;所述安全带识别模型是通过系安全带训练集和未系安全带训练集进行训练得到的。可选地,所述头肩训练集包括以下至少之一的参数:所述头肩区域的特征参数、所述头肩区域的LUV、所述头肩区域的梯度幅值、所述头肩区域的梯度方向。可选地,所述安全带训练集和所述未系安全带训练集通过下 ...
【技术保护点】
一种未系安全带行为检测方法,其特征在于,包括:获取驾驶室内的视频图像;将所述视频图像输入至头肩检测模型,通过所述头肩检测模型的输出定位所述视频图像中的头肩区域;其中,所述头肩检测模型是通过头肩训练集和非头肩训练集对分类器进行训练得到的;将所述头肩区域输入至安全带识别模型,得到输出结果;其中,所述输出结果用于指示所述头肩区域是否未系安全带;所述安全带识别模型是通过系安全带训练集和未系安全带训练集进行训练得到的。
【技术特征摘要】
1.一种未系安全带行为检测方法,其特征在于,包括:获取驾驶室内的视频图像;将所述视频图像输入至头肩检测模型,通过所述头肩检测模型的输出定位所述视频图像中的头肩区域;其中,所述头肩检测模型是通过头肩训练集和非头肩训练集对分类器进行训练得到的;将所述头肩区域输入至安全带识别模型,得到输出结果;其中,所述输出结果用于指示所述头肩区域是否未系安全带;所述安全带识别模型是通过系安全带训练集和未系安全带训练集进行训练得到的。2.根据权利要求1所述的方法,其特征在于,所述头肩训练集包括以下至少之一的参数:所述头肩区域的特征参数、所述头肩区域的LUV、所述头肩区域的梯度幅值、所述头肩区域的梯度方向。3.根据权利要求1所述的方法,其特征在于,所述安全带训练集和所述未系安全带训练集通过下述步骤获取:获取多个头肩区域图像的特征信息;将所述特征信息输入线性分类器;根据所述线性分类器的输出结果获取所述安全带训练集和所述未系安全带训练集。4.根据权利要求1至3中任一所述的方法,其特征在于,根据所述线性分类器的输出结果获取所述系安全带训练集和所述未系安全带训练集包括:当所述线性分类器的输出结果大于零时,确定所述头肩区域图像属于所述系安全带训练集;当所述线性分类器输出结果小于零时,确定所述头肩区域图像属于所述未系安全带训练集。5.一...
【专利技术属性】
技术研发人员:谢波,蒲津,王宏宾,张如高,
申请(专利权)人:博康智能信息技术有限公司北京海淀分公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。