一種機(jī)動車駕乘人員在途未系安全帶的檢測方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及道路交通秩序監(jiān)控與管理系統(tǒng)，尤其涉及一種機(jī)動車駕乘人員在途未系安全帶的檢測方法。
[0002]
【背景技術(shù)】
[0003]道路交通事故給人們的生命、財產(chǎn)帶來極大傷害，每年造成的人員死亡數(shù)超過十萬人;在發(fā)生交通事故時，從車輛發(fā)生碰撞到駕乘人員與車內(nèi)物體發(fā)生碰撞的時間只有0.2秒，而人的反應(yīng)時間一般在0.3秒以上，所以駕乘人員只有依靠安全帶來保護(hù)自己。統(tǒng)計表明，機(jī)動車發(fā)生正面碰撞時，系安全帶可以使死亡率降低57%;發(fā)生側(cè)面碰撞時，系安全帶可以使死亡率降低44%;發(fā)生翻車時，系安全帶可以使死亡率降低80%。但很多駕乘人員因存在麻痹意識和僥幸心理，在行車途中往往未系安全帶，給重大事故傷害埋下了隱患。
[0004]為減少道路交通事故及其造成的傷害，國家及各地政府陸續(xù)出臺機(jī)動車駕乘人員必須使用安全帶的法律、法規(guī)，規(guī)定違者予以處罰。但由于未系安全帶行為發(fā)生在機(jī)動車行駛過程中，難于檢測和執(zhí)法。早期的未系安全帶行為檢測完全靠人工從道路治安卡口系統(tǒng)、電子警察系統(tǒng)、道路視頻監(jiān)控系統(tǒng)抓拍的海量圖片中來進(jìn)行篩選，其費(fèi)時費(fèi)力且效率極低。隨著計算機(jī)技術(shù)和視頻圖像處理技術(shù)的發(fā)展，目前也有開發(fā)出未系安全帶自動檢測系統(tǒng)，如基于視頻圖像采集設(shè)備(高清攝像機(jī))的檢測系統(tǒng)。但由于選擇的運(yùn)行平臺性能不高，使用的檢測算法不合理等，使未系安全帶檢測的準(zhǔn)確度不高，仍然需要大量人工進(jìn)行二次篩選，檢測效率很低。
[0005]

【發(fā)明內(nèi)容】

[0006]本發(fā)明針對現(xiàn)有機(jī)動車駕乘人員未系安全帶檢測技術(shù)和使用方法的不足，提供了一種高效、高準(zhǔn)確度和機(jī)動車駕乘人員在途未系安全帶的檢測方法。
[0007]—種機(jī)動車駕乘人員在途未系安全帶的檢測方法，包括如下步驟:
(1)從現(xiàn)有的道路視頻監(jiān)控系統(tǒng)中讀取已抓拍的機(jī)動車圖片和其相關(guān)信息;并將讀取的機(jī)動車圖片解碼后統(tǒng)一以BMP位圖文件格式存儲；
(2)在存儲的機(jī)動車圖片的四角處選擇互不重疊的四個區(qū)域圖像，采用多尺度下邊緣強(qiáng)度變化和方向統(tǒng)計分布算法判定四個區(qū)域圖像是否模糊，若一張機(jī)動車圖片中有不少于二個區(qū)域圖像是模糊的，則判定此機(jī)動車圖片為模糊的，將該模糊圖片挑選出來并剔除掉；
(3)對清晰的機(jī)動車圖片分別檢測其中的機(jī)動車前玻璃窗位置和牌照位置，通過機(jī)動車前玻璃窗位置來確定駕駛室位置，再通過牌照位置來計算駕駛室位置；
(4)分別根據(jù)步驟(3)中兩種方法所確定和計算的駕駛室位置，分別在其駕駛室區(qū)域內(nèi)檢測出駕駛?cè)宋恢眉榜{駛?cè)松砩系陌踩珟В?br> (5)同步驟(4)分別檢測出副駕駛位置上的乘車人及其身上的安全帶； (6)根據(jù)步驟(4)、(5)的檢測結(jié)果來判斷駕駛?cè)?、乘車人是否系安全帶，若駕駛?cè)恕⒊塑嚾酥晃聪蛋踩珟У?，則判定為未系安全帶;若兩者都系安全帶了，則判定為系安全帶；
(7)對步驟(6)中判定為未系安全帶的機(jī)動車圖片中的駕駛室位置所在區(qū)域進(jìn)行直方圖均衡化圖像增強(qiáng)處理，以此增加機(jī)動車圖片的對比度，可以更好地看清駕駛?cè)恕⒊塑嚾耸欠裣蛋踩珟В?br> (8)將經(jīng)步驟(7)處理后的機(jī)動車圖片及其機(jī)動車原圖片一起存入未系安全帶圖片數(shù)據(jù)庫中。
[0008]進(jìn)一步方案，所述步驟(2)中多尺度下邊緣強(qiáng)度變化和方向統(tǒng)計分布算法是使用圖像邊緣檢測算子，對每個區(qū)域圖像進(jìn)行邊緣檢測，保存具有局部極大值的邊緣點強(qiáng)度和方向；再縮小該區(qū)域圖像，使其分辨率原來的四分之一;對縮小后圖像重新做邊緣檢測，再次保存其具有局部極大值的邊緣點強(qiáng)度和方向；若縮小后圖像的邊緣點強(qiáng)度與區(qū)域圖像的邊緣點強(qiáng)度之差大于給定閾值0.75時，則認(rèn)為該邊緣點是模糊的；當(dāng)同一區(qū)域圖像內(nèi)模糊的邊緣點強(qiáng)度之和與所有的邊緣點強(qiáng)度之和的比值大于0.5時，則判定該區(qū)域圖像是模糊的；或者當(dāng)同一區(qū)域圖像的邊緣數(shù)密度達(dá)到10時，則統(tǒng)計該區(qū)域圖像在不同方向上的邊緣數(shù)，當(dāng)在某一方向上的邊緣數(shù)與總邊緣數(shù)之比大于0.33，則判定該區(qū)域圖像是模糊的。
[0009]更進(jìn)一步方案，所述圖像邊緣檢測算子為Sobel算子、Robert算子、Canny算子或Prewitt 算子。
[0010]進(jìn)一步方案，所述步驟(2)中區(qū)域圖像的尺寸為100X100像素。
[0011]進(jìn)一步方案，所述步驟(3)中機(jī)動車前玻璃窗位置的檢測是通過直接檢測法檢測的，即先把機(jī)動車圖片進(jìn)行灰度變換，再采用Sobel算子對灰度圖片進(jìn)行邊緣檢測;然后用Hough變換檢測出機(jī)動車前玻璃窗的上、下邊緣，再利用垂直投影法檢測出前玻璃窗的左右二側(cè)的邊緣，由此確定駕駛室在機(jī)動車圖片中的位置。
[0012]進(jìn)一步方案，所述步驟(3)中牌照位置的檢測是指先識別出機(jī)動車圖片中牌照，再根據(jù)牌照四角處的點坐標(biāo)來計算出駕駛室四角的坐標(biāo)位置PI (XI，YI)、P2 (X2，Y2)、P3 (X3，Y3)、P4(X4，Y4);其計算公式為:
Xl=(l+Kl)Xa/2+(l-Kl)XbX2=(l-Kl)Xa/2+(l+Kl)XbX3=(l+Kl)Xc/2+(l-Kl)XdX4=(l-Kl)Xc/2+(l+Kl)XdYl=(l+L)Yc-LYaY2=(I+L)Yd-LYbY3=(l+k2+L)Yc-(k2+L)YaY4=(l+k2+L)Yd-(k2+L)Yb
式中:Kl為駕駛室寬度與車牌照寬度的比值，K2為駕駛室高度與車牌照高度的比值，L為車牌照上部邊緣到駕駛室下部邊緣的高度，K1、K2、L均根據(jù)標(biāo)準(zhǔn)機(jī)動車進(jìn)行計算設(shè)定；
Xa、Ya、Xb、Yb、Xc、Yc、Xd、Yd是以機(jī)動車圖片的最左下角為二維圖片坐標(biāo)的原點，牌照的四角在其中的坐標(biāo)值。
[0013]進(jìn)一步方案，所述步驟(4)中駕駛?cè)宋恢煤筒襟E(5)中乘車人位置的檢測均是根據(jù)人體臉部皮膚顏色和紋理特征，采用基于自適應(yīng)閾值的人體皮膚區(qū)域檢測算法檢測出駕駛室區(qū)域內(nèi)的皮膚區(qū)域范圍大于16X16像素的，則判定為人體皮膚區(qū)域，即判斷該區(qū)域有人存在，反之，則沒有人。
[0014]進(jìn)一步方案，所述采用基于自適應(yīng)閾值的人體皮膚區(qū)域檢測算法是指把機(jī)動車前玻璃窗所在區(qū)域劃分為8X8像素的圖像小塊，利用人體皮膚顏色和紋理特征的貝葉斯模型，計算劃分后的每個圖像小塊屬于人體皮膚的后驗概率Pl和不屬于人體皮膚的后驗概率P2;若P1/P2大于給定閾值C時，認(rèn)為該圖像小塊為人體皮膚。
[0015]更進(jìn)一步方案，所述給定閾值C的選擇是根據(jù)人體皮膚區(qū)域在圖像中具有光滑的紋理特征自適應(yīng)調(diào)整得到，即先給定較小的CO，先檢測出前玻璃窗所在區(qū)域內(nèi)的所有候選的皮膚小塊，然后逐步增大C值，不斷過濾去除疑似皮膚的干擾小塊，直到互相連接的皮膚小塊連接成一整塊平滑皮膚區(qū)域為止，此時的Cn即為給定閾值C。
[0016]所述步驟(4)中駕駛?cè)宋恢煤筒襟E(5)中駕駛?cè)嘶虺塑嚾松砩系陌踩珟菍η安ＡТ八趨^(qū)域進(jìn)行直方圖拉伸變換，得到統(tǒng)一亮度對比的圖像，以消除外界光干擾;再利用Canny邊緣算子檢測到疑似安全帶的邊緣，根據(jù)安全帶邊緣是二條平行線的特征，采用sobel算子計算得到安全帶邊緣的梯度方向，并將與安全帶特征不一致的邊緣去除;然后對圖像進(jìn)行Hough變換而檢測出圖像中的直線;最后在圖像中駕駛員位置區(qū)域找出一對平行且方向角在50± 10度范圍內(nèi)的平行直線，則判定駕駛員身上系了安全帶;在圖像中乘車人位置區(qū)域找出一對平行且方向角在130± 10度范圍內(nèi)的平行直線，則判定乘車人身上系了安全帶;反之，則未系安全帶。
[0017]本發(fā)明中從現(xiàn)有的道路視頻監(jiān)控系統(tǒng)中讀取已抓拍的機(jī)動車圖片和其相關(guān)信息；其中現(xiàn)有的道路視頻監(jiān)控系統(tǒng)還包括道路治安卡口系統(tǒng)、電子警察系統(tǒng);機(jī)動車圖片的相關(guān)信息包括圖片抓拍的時間、地點及已識別的車牌號等信息。
[0018]本發(fā)明直方圖均衡化圖像增強(qiáng)處理是圖像增強(qiáng)空域法中的最常用、最重要的算法之一。是指有選擇地突出圖像中感興趣的特征或者抑制圖像中某些不需要的特征，其目的是使處理后的圖像更適合于人的視覺特性或機(jī)器的識別系統(tǒng)，包括圖像的輪廓線或者紋理加強(qiáng)、圖像去噪、對比度增強(qiáng)等。
[0019]后驗概率是指在得到“結(jié)果”的信息后重新修正的概率，如貝葉斯公式中的。
[0020]Hough變換是一種使用表決原理的參數(shù)估計技術(shù)。其原理是利用圖像空間和Hough參數(shù)空間的點一線對偶性，把圖像空間中的檢測問題轉(zhuǎn)換到參數(shù)空間。通過在參數(shù)空間里進(jìn)行簡單的累加統(tǒng)計，然后在Hough