[發明專利]一種基于卡口圖片的駕駛員安全帶檢測方法

在審

• 申請號: 201510972515.2
• 申請日: 2015-12-23
• 公開（公告）號: CN105550656A
• 公開（公告）日: 2016-05-04
• 發明（設計）人: 戴林;張立坤
• 申請（專利權）人: 天津天地偉業數碼科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 天津市宗欣專利商標代理有限公司 12103
• 代理人: 常靜彬

技術領域

本發明涉及圖像處理模式識別領域，尤其涉及一種基于卡口圖片的駕駛員安全帶 檢測方法。

背景技術

隨著城市經濟高速增長，城市化進程加快，交通安全成為困擾目前我國城市交通 領域的一大難題。據公安交通部門統計，在所有的交通事故中，汽車駕乘人員不系安全帶是 造成道路交通死亡事故的重要原因。據統計，未系安全帶的事故死亡率約為系安全帶的 37.7倍。所以對未系安全帶駕駛人員進行監控檢測和預警十分必要，但現有檢測系統大部 分算法復雜檢測率較低，且大部分運行在服務器端部署對接不方便。

發明內容

為解決上述問題，本發明的提供的方案是：

本發明的一種基于卡口圖片的駕駛員安全帶檢測方法，而包括粗略定位安全帶位置范 圍，精確定位疑似安全帶區域，對疑似安全帶進行精確識別。

所述的粗略定位安全帶位置范圍的方法為檢測車窗位置范圍，包括檢測水平邊緣 線段，Hough檢測水平直線，聚類水平直線，找到最大的兩個投影，作為車窗的上下邊緣位 置，從而確定車窗位置范圍，即安全帶位置范圍。

所述的精確定位疑似安全帶區域的方法包括通過顏色Canny45°邊緣檢測方法檢 測梯度為45°的梯度邊緣。

利用45°梯度增強方法對所述的梯度邊緣進行增強。

利用Hough變換檢測所述的梯度邊緣直線，得到疑似安全帶區域。

對疑似安全帶進行精確識別的方法為：利用梯度方向直方圖特征和人工神經網絡 方法進行精確識別安全帶區域。

本發明采用先粗略檢測再精確判別的方法，充分利用已有的人臉和車窗等信息， 去除大量的干擾，再利用經典的圖像處理技術，對疑似安全區邊緣進行增強，最后利用模式 識別方法對疑似安全帶區域進行最終的判別。本發明充分利用大數據信息，充分學習訓練 安全帶模型，使安全帶識別的準確性和穩定性大幅提高。

附圖說明

圖1是本發明的流程圖；

圖2是本發明的具體實施例工作流程圖；

圖3是本發明的訓練和預測工作流程圖；

圖4是本發明的45°邊緣增強濾波器。

具體實施方式

以下參照附圖及實施例對本發明的一種基于卡口圖片的駕駛員安全帶檢測方法 進行詳細的說明。

如圖1所示，一種基于卡口圖片的駕駛員安全帶檢測方法，而包括粗略定位安全帶 位置范圍，精確定位疑似安全帶區域，對疑似安全帶進行精確識別。

所述的粗略定位安全帶位置范圍的方法為檢測車窗位置范圍，包括檢測水平邊緣 線段，Hough檢測水平直線，聚類水平直線，找到最大的兩個投影，作為車窗的上下邊緣位 置，從而確定車窗位置范圍，即安全帶位置范圍。

所述的精確定位疑似安全帶區域的方法包括通過顏色Canny45°邊緣檢測方法檢 測梯度為45°的梯度邊緣。

利用45°梯度增強方法對所述的梯度邊緣進行增強。

利用Hough變換檢測所述的梯度邊緣直線，得到疑似安全帶區域。

對疑似安全帶進行精確識別的方法為：利用梯度方向直方圖特征和人工神經網絡 方法進行精確識別安全帶區域。

如圖2所示，以下是本發明的具體實施方式工作流程。

1.圖像輸入。

2.車窗檢測。檢測水平邊緣線段，Hough檢測水平直線，聚類水平直線，找到最大的 兩個投影，作為車窗的上下邊緣位置。

3.45°Canny邊緣檢測。首先利用公式1進行高斯平滑，再利用一階差分獲取x,y方 向邊緣，之后最大值抑制只留取45°邊緣，如公式2所示，dy,dx分別表示y方向和x方向梯度。

公式1：

公式2：

1.45°方向濾波。對Canny后的圖像進行邊緣濾波增強。濾波器模板如圖4所示。

2.Hough變換檢測直線。對邊緣增強圖像進行Hough檢測直線，把檢測到直線片段 作為疑似安全帶候選區域。

3.HOG（HistogramofOrientedGradient，梯度方向直方圖）特征和ANN（人工神 經網絡）分類器的模式分類。其訓練與預測流程如圖3所示。

訓練階段，輸入訓練樣本圖像，進行歸一化，提取HOG特征訓練BP神經網絡分類器， 如果識別錯誤，則在樣本周圍擴大分辨率重新提取特征，重新訓練BP神經網絡分類器分類 器，如果識別正確保存到模型。