一种汽车安全带检测方法及汽车安全带检测装置制造方法
【专利摘要】一种汽车安全带检测方法，包括以下步骤：确定待检测图像中包含司乘人员影像的目标区域；从所述目标区域中挑选符合预设标准的平行直线区域，并确定所述平行直线区域为待检测区域；当不存在所述平行直线区域时，确定所述司乘人员未佩戴安全带；利用区域生长算法判断所述待检测区域是否具备区域一致性，当具备所述区域一致性时，确定所述司乘人员佩戴安全带，当不具备所述区域一致性时，确定所述司乘人员未佩戴安全带；输出检测结果。本发明还提供一种汽车安全带检测装置。本发明可以准确的识别司乘人员是否佩戴安全带。
【专利说明】一种汽车安全带检测方法及汽车安全带检测装置
【技术领域】
[0001] 本发明涉及图像检测领域，更具体地说，涉及一种汽车安全带检测方法及汽车安 全带检测装置。
【背景技术】
[0002] 随着车辆增加，不按规定佩戴安全带等危害司乘人员和大众安全的行为也逐渐增 多。为此，各种智能化的交通违法行为抓拍系统也开始出现在大街小巷中。现有的安全带 检测方法分为基于机器学习的方法和基于图像处理的方法两类。基于机器学习的方法通常 收集大量的安全带训练样本，提取其边缘，形状、纹理等特征送入支持向量机，神经网络等 分类器进行样本学习和训练，进而得到安全带的分类器；之后，利用该安全带分类器对待检 测区域进行分类判别，判定待检测区域是否属于安全带，这种方法的适用性较小，对车窗、 方向盘、衣领等区域的干扰较为敏感，鲁棒性很差。而基于图像处理的方法大多对安全带区 域进行直线检测，通过安全带边缘的特定方向性来检测安全带，该方法很容易将衣领、衣服 裙皱等区域检测出多条直线，从而判定司乘人员佩戴了安全带，造成误判。
【发明内容】
[0003] 本发明要解决的技术问题在于，针对安全带检测中容易出现误检以及检测精度不 高的问题，提供一种汽车安全带检测方法及汽车安全带检测装置。
[0004] 本发明解决其技术问题所采用的技术方案之一是：提供一种汽车安全带检测方 法，包括以下步骤：Sl :确定待检测图像中包含司乘人员影像的目标区域；S2 :从所述目标 区域中挑选符合预设标准的平行直线区域，并确定所述平行直线区域为待检测区域，并进 入步骤S3;当不存在所述平行直线区域时，得出所述司乘人员未佩戴安全带的检测结果， 并进入步骤S4 ;S3 :利用区域生长算法判断所述待检测区域是否具备区域一致性，当具备 所述区域一致性时，得出所述司乘人员佩戴安全带的检测结果，当不具备所述区域一致性 时，得出所述司乘人员未佩戴安全带的检测结果；S4 :输出检测结果。
[0005] 本发明所述的汽车安全带检测方法，所述步骤S2包括以下子步骤：S21 :利用LSD 直线检测方法识别所述目标区域中的直线；S22 :从步骤S21的直线识别结果中挑选角度符 合预定标准的直线，并从符合所述预定标准的直线中挑选相互平行且具有预定间距的平行 直线对，确定所述平行直线对之间的区域为待检测区域，进入步骤S3;当不存在角度符合 预定标准的直线或者不存在符合所述预定间距的平行直线对时，得出所述司乘人员未佩戴 安全带的检测结果，并进入步骤S4。
[0006] 本发明所述的汽车安全带检测方法，所述步骤S3包括以下子步骤：S31 :在所述待 检测区域中选择像素作为进行区域生长法的种子点，并将所述种子点所在区域设定为种子 区域；S32 :计算所述种子区域内所有像素的属性平均值，寻找所述种子点的八邻域像素， 并判断所述八邻域像素的属性与所述属性平均值的相似度，并判断所述相似度是否大于预 设阈值，当大于所述预设阈值时，确定所述八邻域像素为新的种子点，并确定所述新的种子 点所在的区域为新的种子区域，当小于所述预设阈值时，将所述八邻域像素合并入所述种 子区域，并将所述八邻域像素替代所述种子区域中原来的种子点成为所述种子区域的种 子点；S33 :判断区域生长是否达到所述待检测区域的边界，当达到所述待检测区域的边界 时，进入步骤S34,否则进入步骤S32 ;S34 :判断所述区域生长结束后产生的区域之间的相 似度，当所述区域之间满足预定相似度时，判断所述待检测区域具备区域一致性，并得出所 述司乘人员佩戴安全带的检测结果，当所述区域之间不满足预定相似度时，判断所述待检 测区域不具备区域一致性，并得出所述司乘人员未佩戴安全带的检测结果。
[0007] 本发明所述的汽车安全带检测方法，所述步骤S32中所述属性是所述种子区域中 像素的颜色或者纹理。
[0008] 本发明所述的汽车安全带检测方法，所述步骤S34还包括：若所述区域包括小于 预设值的微小区域，则排除所述微小区域，并判断剩下区域之间的相似度。
[0009] 本发明解决其技术问题所采用的技术方案之二是：提供一种汽车安全带检测装 置，包括：目标区域确定模块，用于确定待检测图像中包含司乘人员影像的目标区域；待检 测区域确定模块，用于从所述目标区域中挑选符合预设标准的平行直线区域，并确定所述 平行直线区域为待检测区域；区域一致性判断模块，用于利用区域生长算法判断所述待检 测区域是否具备区域一致性，当具备所述区域一致性时，判断所述司乘人员佩戴安全带，当 不具备所述区域一致性时，判断所述司乘人员未佩戴安全带；结果输出模块，用于当未检测 到所述平行直线区域时、或当所述待检测区域不具备区域一致性时，输出所述司乘人员未 佩戴安全带的检测结果，当所述待检测区域具备区域一致性时，输出所述司乘人员佩戴安 全带的检测结果。
[0010] 本发明所述的汽车安全带检测装置，所述区域一致性判断模块包括：种子区域确 定子模块，用于在所述待检测区域中选择像素作为进行区域生长法的种子点，并将所述种 子点所在区域设定为种子区域；属性计算子模块，用于计算所述种子区域内所有像素的属 性平均值，寻找所述种子点的八邻域像素，并判断所述八邻域像素的属性与所述属性平均 值的相似度，并判断所述相似度是否大于预设阈值，当大于所述预设阈值时，确定所述八邻 域像素为新的种子点，并确定所述新的种子点所在的区域为新的种子区域，当小于所述预 设阈值时，将所述八邻域像素合并入所述种子区域，并将所述八邻域像素替代所述种子区 域中原来的种子点成为所述种子区域的种子点；边界判断子模块，用于判断区域生长是否 达到所述待检测区域的边界，其中，当未达到待检测区域的边界时，所述属性计算子模块继 续进行计算；区域间一致性判断子模块，用于当所述边界判断子模块判断区域生长达到待 检测区域的边界时，判断所述区域生长结束后产生的区域之间的相似度，当所述区域之间 满足预定相似度时，判断所述待检测区域具备区域一致性，并得出所述司乘人员佩戴安全 带的检测结果，当所述区域之间不满足预定相似度时，判断所述待检测区域不具备区域一 致性，并得出所述司乘人员未佩戴安全带的检测结果。
[0011] 本发明所述的汽车安全带检测装置，所述属性计算子模块进行计算中使用的所述 属性是所述种子区域中像素的颜色或者纹理。
[0012] 本发明所述的汽车安全带检测装置，所述区域间一致性判断子模块用于在所述区 域包括小于预设值的微小区域时，排除所述微小区域，并判断剩下区域之间的相似度。
[0013] 实施本发明的技术方案，具有以下有益效果：避免误判，提高安全带检测的精度。
【专利附图】
【附图说明】
[0014] 下面将结合附图及实施例对本发明作进一步说明，附图中：
[0015] 图1是本发明汽车安全带检测方法第一实施方式的示意图。
[0016] 图2是本发明汽车安全带检测方法第二实施方式的示意图。
[0017] 图3是本发明汽车安全带检测方法第三实施方式的示意图。
[0018] 图4是本发明汽车安全带检测方法中八邻域像素的示意图。
[0019] 图5是本发明汽车安全带检测装置一实施方式的功能模块图。
[0020] 图6是图5中区域一致性判断模块功能模块图。
【具体实施方式】
[0021] 为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明 本发明的【具体实施方式】。
[0022] 图1是本发明汽车安全带检测方法第一实施方式的示意图。
[0023] 在步骤Sl中，确定待检测图像中包含司乘人员影像的目标区域。所述待检测图 像是指通过摄像头等图像采集装置所采集到的车辆在道路上行驶的照片(例如来自现有的 交通监控系统)。在本发明的一个实施方式中，目标区域的具体确定方法是：从所述待检测 图像中检测人脸区域；检测人脸区域可以采用Haar特征结合AdaBoost人脸分类器进行 检测，也可以采用LBP特征结合AdaBoost分类器进行检测，也可以通过LBP特征结合SVM 分类器进行检测；通过所述人脸区域确定所述司乘人员的上半身位置，并将所述上半身位 置确定为所述目标区域。在本发明的一实施方式中，假定检测到司乘人员人脸的位置是 Rtl(?,、、，其中，X和y标示人脸矩形框在图片中的横坐标和纵坐标，w和h表示人脸 矩形框的宽度和高度。那么根据人体脸部与身体上部躯干的位置关系可以得到目标区域的 位置是R 1 (X1, Y1, W1, Ii1),其中，Rtl (xQ，yQ，W。，hQ)与R1 (X1, Y1, W1, Ii1)的关系可以通过如下的等 式进行换算：
[0024]
【权利要求】
1. 一种汽车安全带检测方法，其特征在于，包括以下步骤： 51 :确定待检测图像中包含司乘人员影像的目标区域； 52 :从所述目标区域中挑选符合预设标准的平行直线区域，并确定所述平行直线区域 为待检测区域，并进入步骤S3 ;当不存在所述平行直线区域时，得出所述司乘人员未佩戴 安全带的检测结果，并进入步骤S4 ; 53 :利用区域生长算法判断所述待检测区域是否具备区域一致性，当具备所述区域一 致性时，得出所述司乘人员佩戴安全带的检测结果，当不具备所述区域一致性时，得出所述 司乘人员未佩戴安全带的检测结果； S4:输出检测结果。
2. 如权利要求1所述的汽车安全带检测方法，其特征在于，所述步骤S2包括以下子步 骤： 521 :利用LSD直线检测方法识别所述目标区域中的直线； 522 :从步骤S21的直线识别结果中挑选角度符合预定标准的直线，并从符合所述预定 标准的直线中挑选相互平行且具有预定间距的平行直线对，确定所述平行直线对之间的区 域为待检测区域，进入步骤S3 ;当不存在角度符合预定标准的直线或者不存在符合所述预 定间距的平行直线对时，得出所述司乘人员未佩戴安全带的检测结果，并进入步骤S4。
3. 如权利要求1所述汽车安全带检测方法，其特征在于，所述步骤S3包括以下子步 骤： 531 :在所述待检测区域中选择像素作为进行区域生长法的种子点，并将所述种子点所 在区域设定为种子区域； 532 :计算所述种子区域内所有像素的属性平均值，寻找所述种子点的八邻域像素，并 判断所述八邻域像素的属性与所述属性平均值的相似度，并判断所述相似度是否大于预设 阈值，当大于所述预设阈值时，确定所述八邻域像素为新的种子点，并确定所述新的种子点 所在的区域为新的种子区域，当小于所述预设阈值时，将所述八邻域像素合并入所述种子 区域，并将所述八邻域像素替代所述种子区域中原来的种子点成为所述种子区域的种子 占. 533 :判断区域生长是否达到所述待检测区域的边界，当达到所述待检测区域的边界 时，进入步骤S34,否则进入步骤S32 ; 534 :判断所述区域生长结束后产生的区域之间的相似度，当所述区域之间满足预定相 似度时，判断所述待检测区域具备区域一致性，并得出所述司乘人员佩戴安全带的检测结 果，当所述区域之间不满足预定相似度时，判断所述待检测区域不具备区域一致性，并得出 所述司乘人员未佩戴安全带的检测结果。
4. 如权利要求3所述的汽车安全带检测方法，其特征在于，所述步骤S32中所述属性是 所述种子区域中像素的颜色或者纹理。
5. 如权利要求3所述的汽车安全带检测方法，其特征在于，所述步骤S34还包括：若所 述区域包括小于预设值的微小区域，则排除所述微小区域，并判断剩下区域之间的相似度。
6. -种汽车安全带检测装置，其特征在于，包括： 目标区域确定模块，用于确定待检测图像中包含司乘人员影像的目标区域； 待检测区域确定模块，用于从所述目标区域中挑选符合预设标准的平行直线区域，并 确定所述平行直线区域为待检测区域； 区域一致性判断模块，用于利用区域生长算法判断所述待检测区域是否具备区域一 致性，当具备所述区域一致性时，判断所述司乘人员佩戴安全带，当不具备所述区域一致性 时，判断所述司乘人员未佩戴安全带； 结果输出模块，用于当未检测到所述平行直线区域时、或当所述待检测区域不具备区 域一致性时，输出所述司乘人员未佩戴安全带的检测结果，当所述待检测区域具备区域一 致性时，输出所述司乘人员佩戴安全带的检测结果。
7. 如权利要求6所述的汽车安全带检测装置，其特征在于，所述待检测区域确定模块 利用LSD直线检测方法识别所述目标区域中的直线，并从直线识别结果中挑选角度符合预 定标准并且相互平行以及具有预定间距的平行直线对，确定所述平行直线对之间的区域为 待检测区域，当不存在角度符合预定标准的直线或者不存在符合所述预定间距的平行直线 对时，确定未检测到所述平行直线区域。
8. 如权利要求6所述的汽车安全带检测装置，其特征在于，所述区域一致性判断模块 包括： 种子区域确定子模块，用于在所述待检测区域中选择像素作为进行区域生长法的种子 点，并将所述种子点所在区域设定为种子区域； 属性计算子模块，用于计算所述种子区域内所有像素的属性平均值，寻找所述种子点 的八邻域像素，并判断所述八邻域像素的属性与所述属性平均值的相似度，并判断所述相 似度是否大于预设阈值，当大于所述预设阈值时，确定所述八邻域像素为新的种子点，并确 定所述新的种子点所在的区域为新的种子区域，当小于所述预设阈值时，将所述八邻域像 素合并入所述种子区域，并将所述八邻域像素替代所述种子区域中原来的种子点成为所述 种子区域的种子点； 边界判断子模块，用于判断区域生长是否达到所述待检测区域的边界，其中，当未达到 待检测区域的边界时，所述属性计算子模块继续进行计算； 区域间一致性判断子模块，用于当所述边界判断子模块判断区域生长达到待检测区域 的边界时，判断所述区域生长结束后产生的区域之间的相似度，当所述区域之间满足预定 相似度时，判断所述待检测区域具备区域一致性，并得出所述司乘人员佩戴安全带的检测 结果，当所述区域之间不满足预定相似度时，判断所述待检测区域不具备区域一致性，并得 出所述司乘人员未佩戴安全带的检测结果。
9. 如权利要求8所述的汽车安全带检测装置，其特征在于，所述属性计算子模块进行 计算中使用的所述属性是所述种子区域中像素的颜色或者纹理。
10. 如权利要求8所述的汽车安全带检测装置，其特征在于，所述区域间一致性判断子 模块用于在所述区域包括小于预设值的微小区域时，排除所述微小区域，并判断剩下区域 之间的相似度。
【文档编号】G06T7/00GK104417489SQ201310386133
【公开日】2015年3月18日 申请日期:2013年8月29日 优先权日:2013年8月29日
【发明者】史方, 薛晓利, 杨海峰, 谭小娟 申请人:同观科技（深圳）有限公司