一种用于智能交通系统的驾驶员安全带佩戴识别方法技术方案

本发明专利技术公开了一种用于智能交通系统的驾驶员安全带佩戴识别方法，包括步骤：1)使用基于颜色与纹理特征的车牌定位算法识别出待检测卡口图像的车牌区域；2)进行车窗区域粗定位，采用基于积分投影与MBI特征的方法提取车窗精确区域；3)根据车窗区域提取驾驶员位置区域；4)从驾驶员位置区域分割出安全带区域；5)选取标签的安全带区域图像作为训练样本，提取HOG特征，采用SVM分类器进行训练；6)使用训练好的安全带佩戴识别分类器对待检测图像进行识别。本发明专利技术能准确从卡口图像中识别出驾驶员的安全带佩戴情况，加入了MBI特征检测，无需设置安全带的宽度或斜率，算法的鲁棒性与实时性都得到了提高。

A recognition method of driver's seat belt wearing for intelligent transportation system

This invention discloses an identification method for the driver's seat belt wearing recognition for intelligent traffic system, including steps: 1) using the license plate location algorithm based on color and texture features to identify the license plate area to be detected in the card mouth image; 2) the window area is located coarse, and the car window is extracted by the method based on the integral projection and the MBI feature. Accurate area; 3) extract the driver's position area according to the window area; 4) divide the area of the seat belt from the driver's position area; 5) select the area image of the label's security belt as the training sample, extract the HOG feature, use the SVM classifier for training; 6) use the trained security belt wearing recognition classifier to treat the detection image. Line identification. The invention can accurately identify the driver's seat belt wearing situation from the card port image, add the MBI feature detection, without the need to set the width or slope of the seat belt, and improve the robustness and real-time performance of the algorithm.

【技术实现步骤摘要】
一种用于智能交通系统的驾驶员安全带佩戴识别方法
本专利技术涉及计算机视觉
，尤其是指一种用于智能交通系统的驾驶员安全带佩戴识别方法。
技术介绍
每年我国死于交通安全事故的人数超过5万人，其中不少比例的死者没有佩戴安全带。安全带作为机动车辆中非常重要的被动式安全装备，能够有效保护驾驶员和乘客的人身安全，据统计，当车辆发生正面撞击时，佩戴安全带可使事故死亡率减少57％。我国交通法规定，机动车辆前座乘客必须系带安全带。对机动车辆内驾驶员安全带佩戴情况的研究，实现自动识别驾驶员安全带佩戴情况，成为智能交通系统中的重要课题。传统的安全带检测方法一般都是基于直线检测的原理，使用Hough变换对边缘检测图像进行直线检测，根据直线的斜率和灰度值来识别安全带。然而这种方法对卡口图像的光照情况、驾驶员衣物颜色、车内装饰物品等十分敏感，鲁棒性较差。公开号为CN104182960A的中国专利技术专利申请公开了一种驾驶员佩戴安全带检测方法，该方法获取驾驶员图像后进行边缘检测，基于边缘检测图像中像素点的像素值，确定该边缘检测图像中的各连通域，根据各连通域中是否存在满足预设条件的两个连通域来判断驾驶员是否佩戴了安全带。然而，此驾驶员安全带佩戴检测方法需要预设安全带的宽度和佩戴角度，不能针对所有类型的安全带佩戴情况。综上所述，目前迫切需要提出一种适用面广泛、准确率高、鲁棒性强的驾驶员安全带佩戴识别方法。
技术实现思路
本专利技术的目的在于克服现有技术的缺点与不足，提出了一种用于智能交通系统的驾驶员安全带佩戴识别方法，利用该方法可以在智能交通系统中实现自动检测驾驶员安全带佩戴识别情况，且准确率高、鲁棒性强。为实现上述目的，本专利技术所提供的技术方案为：一种用于智能交通系统的驾驶员安全带佩戴识别方法，包括以下步骤：1)使用基于颜色与纹理特征的车牌定位算法识别出待检测卡口图像的车牌区域；2)进行车窗区域粗定位，采用基于积分投影与MBI特征的方法提取车窗精确区域；3)根据车窗区域提取驾驶员位置区域；4)从驾驶员位置区域分割出安全带区域；5)选取标签的安全带区域图像作为训练样本，提取HOG特征，采用SVM分类器进行训练；6)使用训练好的安全带佩戴识别分类器对待检测图像进行识别。所述步骤2)包括以下步骤：2.1)根据车牌识别得到车牌长度为L，以车牌为坐标中心，往左右各k1×L，往下k2×L，往上k3×L截取卡口图像获得车窗区域粗定位图像I1，其中k1∈[2，2.5]，k2∈[0.5，0.8]，k3∈[4，6]；2.2)使用Prewitt水平边缘算子对图像I1进行边缘检测，采用线性结构元素对边缘图像进行开操作，使用公式式中，I(x,y)表示点(x,y)在该坐标下的像素值，fh(y)表示从坐标x1到x2的水平积分投影，对开操作后的边缘图像进行水平积分投影，使用动态选取阈值方法由下至上寻找积分投影函数的两个峰值，确定车窗水平直线带，获取水平车窗区域图像I2；2.3)使用Sobel算子对图像I2进行边缘检测，建立锯齿状结构元素，对I2左右两侧图像进行开操作，使用公式式中，I(x,y)表示点(x,y)在该坐标下的像素值，fv(y)表示从坐标y1到y2的垂直积分投影，对开操作后的边缘图像进行垂直积分投影，使用动态选取阈值方法由左至右寻找积分投影函数的两个峰值，确定车窗垂直直线带，获取精确定位的车窗区域图像I3；2.4)使用形态学建筑物指数MBI对车窗区域的粘贴标志进行特征检测，截取I3左上1/α区域，计算多尺度差分形态学序列WTHDMP，使用公式式中，mean表示求取平均值，s表示线性结构元素，计算MBI特征图，二值化后通过闭操作填充图像中的连通区域，计算连通区域的最小外接矩形面积，设定面积百分比阈值β检验MBI特征，其中α∈[3,5]，β∈[0.2，0.5]。所述动态选取阈值方法包括以下步骤：a.将水平积分投影函数fh(y)中非零元素从小到大快速排序，统计个数为m，最大值为max；b.选取max×ω为门限，剔除所有小于该门限的投影值，其中ω∈[0.2,0.4]；c.选取fh(y)下方的m/θ个值中最大值为车窗的下侧直线带，赋值给row2，其中θ∈[2，4]；d.从下至上寻找车窗的上边缘，取出第一个不为零的fh(y)值，将y赋值给row1；e.通过|row1-row2|与L大小比较更新row1，若|row1-row2|≥L，则认为row1为车窗上侧直线带，完成提取，否则认为row1不是车窗上侧直线带，继续执行d。所述步骤5)包括以下步骤：5.1)从卡口图像样本集中随机选取x1张正样本，x2张负样本，提取样本安全带区域图像，对所有安全带区域图像进行降采样，保持像素大小一致；5.2)以n1×n1大小的细胞单元，n2×n2大小的区间，采用L2-norm公式式中，v表示进行归一化的区间特征，ε表示一个很小的标准化常量，进行区间归一化，利用积分图像快速计算安全带区域分割图的HOG特征，构建特征空间，其中n1∈{4，8，16}，n2∈{1，2，3，4}；5.3)选取径向基函数作为SVM核函数，式中，exp表示以自然数e为底的指数函数，δ表示函数的宽度参数，K(x,xi)表示从x到xi的径向基函数值，采用交叉检验，训练SVM分类器，使用真阳率和假阳率作为实验评估标准，式中，TPR表示真阳率，TP表示正样本中识别为正样本的个数，FN表示正样本中识别为负样本的个数，FPR表示假阳率，FP表示负样本中识别为正样本的个数，TN表示负样本中识别为负样本的个数，得到训练好的安全带佩戴识别分类器。本专利技术与现有技术相比，具有如下优点与有益效果：1、无需设定安全带的宽度、斜率等数值，可以识别所有安全带佩戴情况。2、训练完SVM分类器后，可以做到实时对卡口图像进行识别，满足智能交通系统实时监测的要求。3、加入MBI特征检测，车窗区域检测鲁棒性较强，有效提高后续安全带佩戴识别准确率。4、采用HOG特征描述安全带，结合SVM分类器进行识别，能够大幅提高算法识别率。附图说明图1为本专利技术方法的流程图。图2为车窗粗定位图像。图3为车窗水平区域图像。图4为车窗精确提取图像。图5为MBI特征检测图像。图6为驾驶员位置图像。图7为驾驶员安全带区域图像。图8为安全带HOG特征提取流程图。图9为安全带HOG特征提取图像。具体实施方式下面结合具体实施例对本专利技术作进一步说明。如图1所示，本实施例所提供的用于智能交通系统的驾驶员安全带佩戴识别方法，其具体情况如下：1)使用基于颜色与纹理特征的车牌定位算法识别出待检测卡口图像的车牌区域。2)利用车牌区域进行车窗区域的粗定位，如图2所示，再使用基于积分投影与MBI特征的方法提取车窗精确区域，包括以下步骤：2.1)根据车牌识别得到车牌长度为L，以车牌为坐标中心，往左右各k1×L，往下k2×L，往上k3×L截取卡口图像获得车窗区域粗定位图像I1，其中k1∈[2，2.5]，k2∈[0.5，0.8]，k3∈[4，6]，优选地，k1选为2，k2选为0.5，k3选为5；2.2)使用Prewitt水平边缘算子对图像I1进行边缘检测，采用1×10线性结构元素对边缘图像进行开操作，使用公式式中，I(x,y)表示点(x,y)在该坐标下的像素值，fh(y)表示从坐标x1到x2的水平积分投影，本文档来自技高网...

【技术保护点】
1.一种用于智能交通系统的驾驶员安全带佩戴识别方法，其特征在于，包括以下步骤：1)使用基于颜色与纹理特征的车牌定位算法识别出待检测卡口图像的车牌区域；2)进行车窗区域粗定位，采用基于积分投影与MBI特征的方法提取车窗精确区域；3)根据车窗区域提取驾驶员位置区域；4)从驾驶员位置区域分割出安全带区域；5)选取标签的安全带区域图像作为训练样本，提取HOG特征，采用SVM分类器进行训练；6)使用训练好的安全带佩戴识别分类器对待检测图像进行识别。

【技术特征摘要】
1.一种用于智能交通系统的驾驶员安全带佩戴识别方法，其特征在于，包括以下步骤：1)使用基于颜色与纹理特征的车牌定位算法识别出待检测卡口图像的车牌区域；2)进行车窗区域粗定位，采用基于积分投影与MBI特征的方法提取车窗精确区域；3)根据车窗区域提取驾驶员位置区域；4)从驾驶员位置区域分割出安全带区域；5)选取标签的安全带区域图像作为训练样本，提取HOG特征，采用SVM分类器进行训练；6)使用训练好的安全带佩戴识别分类器对待检测图像进行识别。2.根据权利要求1所述的一种用于智能交通系统的驾驶员安全带佩戴识别方法，其特征在于，所述步骤2)包括以下步骤：2.1)根据车牌识别得到车牌长度为L，以车牌为坐标中心，往左右各k1×L，往下k2×L，往上k3×L截取卡口图像获得车窗区域粗定位图像I1，其中k1∈[2，2.5]，k2∈[0.5，0.8]，k3∈[4，6]；2.2)使用Prewitt水平边缘算子对图像I1进行边缘检测，采用线性结构元素对边缘图像进行开操作，使用公式式中，I(x,y)表示点(x,y)在该坐标下的像素值，fh(y)表示从坐标x1到x2的水平积分投影，对开操作后的边缘图像进行水平积分投影，使用动态选取阈值方法由下至上寻找积分投影函数的两个峰值，确定车窗水平直线带，获取水平车窗区域图像I2；2.3)使用Sobel算子对图像I2进行边缘检测，建立锯齿状结构元素，对I2左右两侧图像进行开操作，使用公式式中，I(x,y)表示点(x,y)在该坐标下的像素值，fv(y)表示从坐标y1到y2的垂直积分投影，对开操作后的边缘图像进行垂直积分投影，使用动态选取阈值方法由左至右寻找积分投影函数的两个峰值，确定车窗垂直直线带，获取精确定位的车窗区域图像I3；2.4)使用形态学建筑物指数MBI对车窗区域的粘贴标志进行特征检测，截取I3左上1/α区域，计算多尺度差分形态学序列WTHDMP，使用公式式中，mean表示求取平均值，s表示线性结构元素，计算MBI特征图，二值化后通过闭操作填充图像中的连通区域，...

【专利技术属性】
技术研发人员：朱烙盛，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东,44