一種基于小線分析的未系安全帶自動檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像檢測領(lǐng)域，更具體地說，涉及一種基于小線分析的未系安全帶自 動檢測方法。
【背景技術(shù)】
[0002] 近年來，隨著經(jīng)濟的發(fā)展，國內(nèi)汽車保有量也不斷增加，隨之導(dǎo)致交通事故也日益 頻發(fā)。而在眾多交通事故中，由于司乘人員未系安全帶而導(dǎo)致傷亡加重的事件也越來越多。 因此，為了減少意外傷亡人數(shù)，交管部門在城市道路和高速公路上都安裝了大量的交通視 頻設(shè)備，對交通安全進行實時監(jiān)控，并且通過各種技術(shù)手段加大了對未系安全帶等交通違 法、違規(guī)行為的監(jiān)控力度，以確保能夠及時發(fā)現(xiàn)未系安全帶等違法、違規(guī)行為。
[0003] 現(xiàn)有的安全帶檢測方法大多是對安全帶區(qū)域進行直線檢測，通過邊緣檢測來檢測 是否佩戴安全帶。但此方法很容易將衣領(lǐng)、衣服褶皺等區(qū)域誤認為目標對象，檢測出多條直 線，從而判定司乘人員佩戴了安全帶，造成誤判。

【發(fā)明內(nèi)容】

[0004] 針對現(xiàn)有安全帶檢測技術(shù)的缺陷，提供了一種基于小線分析的未系安全帶自動檢 測方法。它主要是將小線分析這一多尺度幾何分析方法應(yīng)用于未系安全帶的自動檢測，解 決了采用直線檢測所帶來的缺陷，提高了未系安全帶的檢測精度。具體技術(shù)方案如下： 一種基于小線分析的未系安全帶自動檢測方法，其特征在于：包括如下步驟： 步驟一，采集包含汽車的待測圖像； 步驟二，定位待測圖像中的車牌區(qū)域，獲取包含車窗的車體矩形區(qū)域； 步驟三，對車體矩形區(qū)域進行顏色統(tǒng)計，獲得車窗區(qū)域； 步驟四，將車窗區(qū)域均分為左右兩部分，確定目標檢測區(qū)域； 步驟五，在目標檢測區(qū)內(nèi)，運用小線分析判斷司乘人員是否系安全帶。
[0005] 進一步的，步驟一的具體過程：在待測圖像采集過程中，采用連續(xù)低照度LED進行 光線補償，獲取較為清晰的圖像。
[0006] 進一步的，步驟二的具體過程：先對采集到的待測圖像進行平滑去噪，再將其轉(zhuǎn)化 為灰度圖像，減少噪聲的干擾；接著進行車牌檢測，其主要通過顏色特征提取，可定義車牌 的紅、綠、藍這三種顏色分量分別為r、g、b，則藍色車牌像素滿足以下條件：
其中，根據(jù)待測圖像的亮度確定_，%和？1則取經(jīng)驗值； 此外，對于不滿足以下不等式的標記為黃色車牌像素： CN 105117696 A 說明書 2/5 頁
其中，和,^取經(jīng)驗值； 將標記有車牌像素的圖像進行連通區(qū)域劃分，利用多邊形逼近法對各個區(qū)域進行標 記，根據(jù)長寬比以及擬合多邊形的邊數(shù)篩選出候選車牌區(qū)域，最后對微小區(qū)域和龐大區(qū)域 進行排除得到車牌的區(qū)域； 根據(jù)得到的車牌的區(qū)域確定車牌長度為，車牌中心4的坐標為，接下去即可 確定包含車窗的車體矩形區(qū)域的左上角％的坐標為(％_2，，凡-4叫），右下角$的坐標 也就是說，包含車窗的車體矩形區(qū)域的長度是4個車牌長度，寬度是2個車牌長度。
[0007] 進一步的，步驟三的具體過程：在步驟二得到的包含車窗的車體矩形區(qū)域中提取 顏色特征，并進行統(tǒng)計，顏色分量最大的區(qū)域即為車窗的區(qū)域。
[0008] 進一步的，步驟四的具體過程：將由步驟三得到的車窗區(qū)域均分為左右兩部分，用 人臉檢測方法或行人檢測方法分別檢測主駕駛和副駕駛座位上是否有人； 若存在人臉或者行人，則將該區(qū)域作為司乘人員是否系安全帶的目標檢測區(qū)域，否則 就不需要進行安全帶檢測。
[0009] 進一步的，步驟五的具體過程：設(shè)置安全帶與水平方向的夾角為在，安全帶像素值 與非安全帶像素值之差的閾值為t，進行如下步驟： (1) 預(yù)處理：將目標檢測區(qū)域縮放為
^小，則其可看作是一個存在于單位正 方形
的函數(shù)彳
(2) 建立小線庫：將縮放后的圖像均勻劃分為四個子正方形，即每個子正方形的邊長為 原來的一半，再將子正方形再均勻分成四個更小的子正方形，以此類推，得到的最后的子正 方形邊長r等于1/況； 用『給每個子正方形的頂點做標記，連接每個子正方形里的任意一對頂點，得到各種 方向、尺度和位置的小線段，這些小線段的集合就是小線庫
(3) 小線變換：讀取小線
：的兩個端點和·的像素值:&^^)和:義3^_ 并計算其差值，若差值大于F則將該小線舍去，否則保留該小線，得到新的小線庫; 用離散小線變換公式計算小線辦€ 的變換系數(shù)： CN 105117696 A 說明書 3/5 頁
其中：
是一個平均插值函數(shù)； (4) 提取線段：計算，并進行幅度歸一化，設(shè)定一個閾值ξ，當 ㈤大于$時，則顯示相應(yīng)小線；當不大于_時，則不顯示相應(yīng)小 線； 其中，di/l是小線的長度； (5) 判斷是否系安全帶：在顯示的所有小線中找出所有角度為0的線段，將其兩兩組 合，計算它們之間的距離值； 若所有的距離值都不在安全帶寬度的區(qū)域內(nèi)，則表示所有的線段都不是安全帶的邊緣 線段，可判斷為未系安全帶；若存在距離值在安全帶寬度的區(qū)域內(nèi)，則表示其所對應(yīng)的線段 對是安全帶的邊緣線段，可判斷為已系安全帶。
【附圖說明】
[0010] 圖1是包含車窗的車體矩形區(qū)域定位的一個實施例的流程圖； 圖2是圖1中含車窗的車體矩形區(qū)域的示意圖； 圖3是用小線分析判斷司乘人員是否系安全帶的一個實施例的流程圖； 圖4是用小線分析逼近一條線段。
【具體實施方式】
[0011] 下面結(jié)合附圖對本發(fā)明作進一步說明。如圖1、2、3、4所示，本發(fā)明基于小線分析 的未系安全帶自動檢測方法包括步驟如下： 步驟一的具體過程：在待測圖像采集過程中，采用連續(xù)低照度LED進行光線補償，獲取 較為清晰的圖像。
[0012] 可設(shè)定連續(xù)補光時間為4s，再加上LED燈光本身具有一定的方向性和聚光罩的聚 光效果，使光線更加集中在待檢測區(qū)域，從而可以有效降低燈亮給駕駛員造成的干擾。
[0013] 參見圖1所示，步驟二的具體過程如下：先對采集到的待測圖像進行平滑去噪，再 將其轉(zhuǎn)化為灰度圖像，減少噪聲的干擾，提高后續(xù)工作的準確性。接著進行車牌檢測，其主 要通過顏色特征提取，可定義車牌的紅、綠、藍這三種顏色分量分別為r、g、b，則藍色車牌像 素滿足以下條件：
其中，％可根據(jù)待測圖像的亮度在i_i λ 中取值，%和,可根據(jù)經(jīng)驗分別取值為I. 2、 50。此外，對于不滿足以下不等式的標記為黃色車牌像素：
其中，·^和< 可根據(jù)經(jīng)驗分別取值為1. 2和1. 9。
[0014] 將標記有車牌像素的圖像進行連通區(qū)域劃分，利用多邊形逼近法對各個區(qū)域進行 標記，根據(jù)長寬比以及擬合多邊形的邊數(shù)篩選出候選車牌區(qū)域，最后對微小區(qū)域和龐大區(qū) 域進行排除得到車牌的區(qū)域。
[0015] 參見圖2所示，可根據(jù)車牌的區(qū)域確定車牌長度為％，車牌中心I的 坐標為，接下去即可確定包含車窗的車體矩形區(qū)域的左上角_的坐標為 U-Al Λ-4補1:，右下角及的坐標為(?+2?,?-。也就是說，包含車窗的車體矩 形區(qū)域的長度是4個車牌長度，寬度是2個車牌長度。
[0016] 步驟三的具體過程：在步驟二得到的包含車窗的車體矩形區(qū)域中提取顏色特征， 并進行統(tǒng)計，顏色分量最大的區(qū)域即為車窗的區(qū)域。
[0017] 步驟四的具體過程：將由步驟三得到的車窗區(qū)域均分為左右兩部分，用人臉檢測 方法或行人檢測方法分別檢測主駕駛和副駕駛座位上是否有人。若存在人臉或者行人，則 將該區(qū)域作為司乘人員是否系安全帶的目標檢測區(qū)域，否則就不需要進行安全帶檢測。
[0018] 其中，人臉可以采用Haar特征結(jié)合AdaBoost分類器進行檢測，也可以采用LBP 特征結(jié)合AdaBoost分類器進行檢測，也可以通過LBP特征結(jié)合SVM分類器進行檢測，檢測 到人臉之后，可以根據(jù)人臉區(qū)