[發明專利]一種基于圖像分析的摩托車不戴頭盔違章事件檢測方法

有效

• 申請號: 201410364518.3
• 申請日: 2014-07-28
• 公開（公告）號: CN104200668B
• 公開（公告）日: 2017-07-11
• 發明（設計）人: 邱敦國;王茂寧
• 申請（專利權）人: 四川大學
• 主分類號: G08G1/017
• 分類號: G08G1/017;G06K9/34
• 代理公司: 成都睿道專利代理事務所(普通合伙)51217
• 代理人: 潘育敏

1.一種基于圖像分析的摩托車不戴頭盔違章事件檢測方法,其特征在于：在摩托車行駛車道上安裝高清攝像機，在設定車道范圍內設定摩托車行駛的虛擬線圈，在虛擬線圈內根據摩托車默認寬度范圍，對摩托車的尾牌圖像進行抓拍，高清攝像機將采集的圖像序列發送到檢測主機，檢測主機根據接收的圖像，進行對當前車道的摩托車檢測、頭盔檢測和號牌識別；

1)摩托車的檢測

由于摩托車是運動目標，為了將運動目標從背景中分離出來，首先根據從攝像機獲取的運動目標圖像序列，采用高斯模型來建立背景圖像，然后將運動目標圖像序列減去背景圖像，提取出運動目標，采用目標跟蹤方式，檢測跟蹤目標，根據目標大小、行駛速度，行駛方向多種特征進行判斷，以確定目標是否為摩托車，對判定為摩托車的目標，從圖像序列中提取出含有摩托車的運動目標圖像，獲取圖像中摩托車所處區域；

2)頭盔的檢測

采用圖像分析技術，針對頭盔與頭發的顏色差異性，判斷當前檢測的摩托車目標的頭頂區域顏色的飽和度情況，以判定當前摩托車駕駛員是否佩戴頭盔；

頭盔檢測的具體過程是：根據在進行摩托車檢測時，已經提取出的摩托車在圖像中的區域，提取出摩托車圖像區域最上部分的小區域，該小區域為摩托車駕駛員的頭頂區域，將頭頂區域圖像顏色從RGB轉為HSV，計算頭頂區域圖像的平均飽和度值S_a，將平均飽和度值S_a與設定的初始閥值S_d進行比較，如果S_a<S_d，判斷為摩托車駕駛員沒有戴頭盔，同時選出含有摩托車的運動目標圖像，生成一段15秒鐘的違章視頻，其中，RGB為紅綠藍三色，HSV為Hue色度、Saturation飽和度、Value明度；

3)摩托車號牌識別

采用基于支持向量機的模式識別技術進行號牌識別：首先建立多種環境情況下摩托車漢字、字母和數字的字庫，在進行號牌識別時，首先搜尋到號牌區域，然后根據摩托車號牌的特點，分割出號牌區域中每個字體的區域，再將分割出字體區域圖像與字庫進行比對，根據置信度大小判斷該字體屬于哪類，完成號牌識別。

2.如權利要求1所述的基于圖像分析的摩托車不戴頭盔違章事件檢測方法,其特征在于：所述設定的初始閥值S_d＝12；

所述摩托車默認寬度范圍為1.2～1.8米；

所述選出含有摩托車的運動目標圖像，是選出間隔大于1米的2幀圖像，同時生成一段15秒鐘的違章視頻，作為摩托車違章的證據。

3.如權利要求1所述的基于圖像分析的摩托車不戴頭盔違章事件檢測方法,其特征在于：在摩托車行駛車道上安裝高清攝像機對摩托車的尾牌圖像進行抓拍，采用一個200萬像素高清攝像機覆蓋一個車道，每個車道配一個LED補光燈在夜間補光，攝像機采用背向抓拍方式抓拍摩托車的尾牌圖像，一個檢測主機連接2個攝像機，完成對兩個攝像機覆蓋車道的檢測。

4.如權利要求1所述的基于圖像分析的摩托車不戴頭盔違章事件檢測方法,其特征在于：實施的流程是：

1)參數設置

抓拍一張車道圖像，根據抓拍的車道圖像完成如下初始設置：

設置車道線：設定圖像中摩托車行駛的車道范圍，設定車道范圍的虛擬線圈，檢測軟件只針對該車道范圍內的目標進行跟蹤檢測，其它區域不考慮，通過畫車道來確定車輛的運行方向，提高檢測的準確率；

設置檢測區域：在圖像的下部分區域劃定兩條平行線，該線與車道垂直，檢測主機僅對兩條平行線之間的區域進行摩托車抓拍與識別；

車道標定：在車道圖像上畫一個矩形區域，根據矩形區域對應的實際值設置矩形區域的寬和高，對道路進行標定，計算出視頻圖像上每一像素點表示的實際寬度和高度，這樣可根據目標所處位置判斷目標的大小和速度，排除一些干擾目標，提高摩托車檢測的準確度；

設定摩托車目標的寬度范圍：設定摩托車目標的寬度范圍，只在設定摩托車目標的寬度范圍的目標才認定為摩托車，摩托車默認寬度范圍為1.2～1.8米；

設置飽和度閥值：設置平均飽和度值S_a的初始閥值S_d，S_d默認值為12，將平均飽和度值S_a與初始閥值S_d比較判斷摩托車駕駛員是否佩戴頭盔；

2)視頻圖像的采集

通過攝像機將摩托車的視頻圖像實時采集進檢測主機，以進行分析檢測；

3)生成車道背景圖像

在視頻車輛圖像中，車道的背景圖像通常只隨外界光照與攝像機參數調整而變化，變化較少，因此系統每隔一段時間通過去除車道上的運動目標，得到車道的背景圖像；

4)獲取運動目標灰度圖像

將每幀車輛圖像灰度值與背景圖像灰度值相減，得到運動目標的灰度值圖像；

5)運動目標跟蹤

采用卡爾曼濾波跟蹤技術對運動目標進行跟蹤，并根據目標的大小，方向和速度確定車輛目標；

6)摩托車識別

當運動目標到達虛擬線圈時，根據目標的大小、速度、運動方向確定是否符合摩托車特征，完成摩托車識別；

7)摩托車頭盔檢測

根據抓拍的摩托車尾牌圖像，確定摩托車駕駛員位置，并獲取駕駛員頭頂區域圖像，將頭頂區域圖像每個像素顏色值從RGB轉換為HSV，并計算頭頂區域圖像的平均飽和度值S_a，將平均飽和度值S_a與初始閥值S_d比較，如果S_a<S_d，表示頭頂區域飽和度小，判斷為摩托車駕駛員不戴頭盔；

8)摩托車號牌識別：對抓拍到的摩托車尾牌圖像，首先根據摩托車目標區域，確定摩托車號牌位置，切割出號牌區域，切分每個字符，用基于支持向量機的模式識別技術進行號牌識別；

9)獲取圖片視頻

針對檢測到沒戴頭盔的違章行為，抓拍2張違章圖片和一段15秒鐘的視頻，并保存在硬盤；

10)數據上傳

將檢測到的違章圖片、視頻及檢測信息通過網絡傳輸到智能交通管理中心系統。