一种基于车载摄像头的安全带识别系统的制作方法

本发明涉及安全带佩戴识别，具体为一种基于车载摄像头的安全带识别系统。

背景技术：

1、车辆行驶中的安全带能够保障驾驶员在安全事故中的安全性，识别驾驶员与乘客是否佩戴安全带为辅助机动车安全驾驶提供技术支撑。基于车载摄像头的安全带识别，指对车载摄像头采集的机动车内数字图像，利用计算机视觉方法，进行目标人员检测与是否佩戴安全带的判别。

2、在现有方案，常采用安全带目标检测、安全带目标分割、人体检测与安全带检测结合、基于直线检测与模板匹配等方法，上述方法中的不足之处在于存在冗余的司机乘客的区分过程，以及缺少针对安全带的方向性与车内人员的安全带先验知识的利用。

3、针对这个问题，我们提出了一种基于车载摄像头的安全带识别系统，通过利用目标检测的分类能力，实现人体检测与司机乘客分类过程的结合，通过针对人员类别提供不同对角形式的prewitt边缘算子与模板相似度构建安全带特征，提升特征表示中的方向性因素，并采用支持向量机进行安全带佩戴与否的分类，实现了一个高实时、低冗余、高性能的安全带识别能力。

技术实现思路

1、针对现有技术的不足，本发明提供了一种基于车载摄像头的安全带识别系统，解决了上述背景技术提到的问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：一种基于车载摄像头的安全带识别系统，包括人员检测子系统和安全带识别子系统，所述人员检测子系统包括服务参数解析模块、人员检测模块和人员分割模块，所述安全带识别子系统包括模板预处理模块、特征提取模块和安全带识别分类模块，所述服务参数解析模块的输出端与人员检测模块的输入端连接，所述人员检测模块的输出端与人员分割模块的输入端连接，所述人员分割模块的输出端与模板预处理模块的输入端连接，所述模板预处理模块的输出端与特征提取模块的输入端连接，所述特征提取模块的输出端与安全带识别分类模块的输入端连接。

3、进一步地，所述服务参数解析模块通过flask框架提供web服务，接收服务请求参数并解析提取车载图像、人员检测阈值、安全带分类阈值、人员类别标识以及服务路由等参数，利用各项阈值配置人员检测模型与svm分类器，并根据服务路由、人员标识参数判断系统进行基于车载图像的安全带识别流程，还是基于单人员图像的安全带识别流程。

4、进一步地，所述人员检测模块以yolov5目标检测算法为基础实现人员检测及驾驶员、前排乘客与后排乘客的分类，yolov5算法同时兼顾良好的检测性能与分类性能，且能够自适应的约束检测目标的大小区间达到加速检测、降低误检的效果，在同类型检测算法中也更加轻量与高效，人员检测模块根据参数解析得到的检测阈值初始化人员检测模型，以车载图像img为模块输入数据，进行驾驶员、前排乘客与后排乘客三类人员的检测，得到人员定位分类结果列表person_detec:[{pos1,cls1},{pos2,cls2},...,{posn,clsn}]，其中posi、clsi分别表示第i个人员检测结果的定位信息和分类信息，posi数据格式为:{x,y,w,h}，分别表示定位框的坐标与大小，clsi为浮点型数据。

5、进一步地，所述人员分割模块根据人员检测模块定位分类结果列表，对每一个列表元素进行如下处理：

6、图像分割：根据人员定位信息posi，对原图进行区域裁剪得到人员图像person_imgi；

7、图像增强：对人员图像person_imgi，采用对比限制自适应直方图均衡化(cache)方法进行图像增强，方法改善了光照明暗带来的图像中边缘信息差异较小的问题，增强图像中边缘类信息的对比度，使安全带的边缘特征更明显；

8、最后模块以增强后人员图像person_imgi与人员检测信息person_deteci，构造人员图像信息列表person:[{person_img1,pos1,cls1},{person_img2,pos2,cls2},...,{person_imgn,posn,clsn}]作为人员检测子系统处理结果。

9、进一步地，所述安全带识别子系统主要负责对人员图像列表person中每个人员图像信息person，利用滑动窗口方式与prewitt边缘算子计算窗口边缘特征，与模板比对方法提取图像特征序列，并以特征序列为输入利用支持向量机分类器进行是否佩戴安全带识别。

10、进一步地，所述模板预处理模块针对人员的方向先验知识，模块保持有6张安全带区域模板图像与两对对角形式算子，分别为3张正对角线方向安全带模板集合ptemp_img、3张逆对角线方向安全带模板集合rtemp_img、正对角形式prewitt算子p_prewitt与逆对角形式算子n_prewitt。

11、进一步地，所述特征提取模块对输入人员图像person，利用模板特征图t_feature进行特征提取。

12、更进一步地，所述安全带识别分类模块负责根据人员图像特征序列s，利用分类模型对人员图像进行是否佩戴安全带的分类。

13、有益效果

14、本发明提供了一种基于车载摄像头的安全带识别系统。与现有技术相比具备以下有益效果：

15、该基于车载摄像头的安全带识别系统，通过人员检测流程检测到车载图像中的所有人体，并分类出需要进行安全带识别到前排乘客、驾驶员，安全带识别子系统中通过滑动窗口形式进行人员图像采样，引入方向算子与利用图像中既定的方向性因素，设计适用于安全带识别场景的边缘检测与模板相似度结合的特征提取方法，并通过稳定度高的支持向量机分类器进行是否佩戴安全带的判别，能够实现司机乘客的人体检测、是否系安全带行为的识别。安全带识别系统能够有效的进行司机乘客驾驶是否佩戴安全带，系统以接口服务接收参数为服务基础，通过不同的参数解析结果形成不同的识别服务流程，以人员检测、特征提取、识别分类流程完成车载图像中人员的安全带识别任务，人员检测与安全带识别过程的相互独立也使系统能通过调整人员检测过程，而快速适配在更多的安全带识别需求场景。

技术特征：

1.一种基于车载摄像头的安全带识别系统，其特征在于：包括人员检测子系统和安全带识别子系统，所述人员检测子系统包括服务参数解析模块、人员检测模块和人员分割模块，所述安全带识别子系统包括模板预处理模块、特征提取模块和安全带识别分类模块，所述服务参数解析模块的输出端与人员检测模块的输入端连接，所述人员检测模块的输出端与人员分割模块的输入端连接，所述人员分割模块的输出端与模板预处理模块的输入端连接，所述模板预处理模块的输出端与特征提取模块的输入端连接，所述特征提取模块的输出端与安全带识别分类模块的输入端连接。

2.根据权利要求1所述的一种基于车载摄像头的安全带识别系统，其特征在于：所述服务参数解析模块通过flask框架提供web服务，接收服务请求参数并解析提取车载图像、人员检测阈值、安全带分类阈值、人员类别标识以及服务路由等参数，利用各项阈值配置人员检测模型与svm分类器，并根据服务路由、人员标识参数判断系统进行基于车载图像的安全带识别流程，还是基于单人员图像的安全带识别流程。

3.根据权利要求1所述的一种基于车载摄像头的安全带识别系统，其特征在于：所述人员检测模块以yolov5目标检测算法为基础实现人员检测及驾驶员、前排乘客与后排乘客的分类，yolov5算法同时兼顾良好的检测性能与分类性能，且能够自适应的约束检测目标的大小区间达到加速检测、降低误检的效果，在同类型检测算法中也更加轻量与高效，人员检测模块根据参数解析得到的检测阈值初始化人员检测模型，以车载图像img为模块输入数据，进行驾驶员、前排乘客与后排乘客三类人员的检测，得到人员定位分类结果列表person_detec:[{pos1,cls1},{pos2,cls2},...,{posn,clsn}]，其中posi、clsi分别表示第i个人员检测结果的定位信息和分类信息，posi数据格式为:{x,y,w,h}，分别表示定位框的坐标与大小，clsi为浮点型数据。

4.根据权利要求1所述的一种基于车载摄像头的安全带识别系统，其特征在于：所述人员分割模块根据人员检测模块定位分类结果列表，对每一个列表元素进行如下处理：

5.根据权利要求1所述的一种基于车载摄像头的安全带识别系统，其特征在于：所述安全带识别子系统主要负责对人员图像列表person中每个人员图像信息person，利用滑动窗口方式与prewitt边缘算子计算窗口边缘特征，与模板比对方法提取图像特征序列，并以特征序列为输入利用支持向量机分类器进行是否佩戴安全带识别。

6.根据权利要求1所述的一种基于车载摄像头的安全带识别系统，其特征在于：所述模板预处理模块针对人员的方向先验知识，模块保持有6张安全带区域模板图像与两对对角形式算子，分别为3张正对角线方向安全带模板集合ptemp_img、3张逆对角线方向安全带模板集合rtemp_img、正对角形式prewitt算子p_prewitt与逆对角形式算子n_prewitt。

7.根据权利要求1所述的一种基于车载摄像头的安全带识别系统，其特征在于：所述特征提取模块对输入人员图像person，利用模板特征图t_feature进行特征提取。

8.根据权利要求1所述的一种基于车载摄像头的安全带识别系统，其特征在于：所述安全带识别分类模块负责根据人员图像特征序列s，利用分类模型对人员图像进行是否佩戴安全带的分类。

技术总结
本发明公开了一种基于车载摄像头的安全带识别系统，包括人员检测子系统和安全带识别子系统，人员检测子系统包括服务参数解析模块、人员检测模块和人员分割模块，本发明涉及安全带佩戴识别技术领域。该基于车载摄像头的安全带识别系统，通过人员检测流程检测到车载图像中的所有人体，并分类出需要进行安全带识别到前排乘客、驾驶员，安全带识别子系统中通过滑动窗口形式进行人员图像采样，引入方向算子与利用图像中既定的方向性因素，设计适用于安全带识别场景的边缘检测与模板相似度结合的特征提取方法，并通过稳定度高的支持向量机分类器进行是否佩戴安全带的判别，能够实现司机乘客的人体检测、是否系安全带行为的识别。

技术研发人员：黄胜,邓小远,陈小敏,沈雪雯,程序,曹东屏,任坤
受保护的技术使用者：多彩贵州印象网络传媒股份有限公司
技术研发日：
技术公布日：2024/1/15