一種基于車載式視頻分析的未系安全帶行為檢測(cè)方法技術(shù)

本發(fā)明專利技術(shù)公開了一種基于車載式視頻分析的未系安全帶行為檢測(cè)方法，車載控制單元實(shí)時(shí)檢測(cè)車輛運(yùn)動(dòng)情況，發(fā)現(xiàn)車輛運(yùn)動(dòng)后，則觸發(fā)車載視頻單元捕獲動(dòng)態(tài)視頻信息，經(jīng)圖像預(yù)處理后劃定駕駛?cè)藛T位置區(qū)域，鎖定佩戴安全帶目標(biāo)特征，啟動(dòng)DSP視頻分析程序，發(fā)現(xiàn)司機(jī)未系安全帶行為，啟動(dòng)車載報(bào)警模塊并通過(guò)遠(yuǎn)程傳輸模塊將信息發(fā)送到遠(yuǎn)程監(jiān)管中心平臺(tái)。該方法本圖像幀間差分算法實(shí)時(shí)分析和檢測(cè)動(dòng)態(tài)視頻圖像的變化情況，識(shí)別和剔除無(wú)明顯或特別變化的圖像序列。對(duì)有顯著運(yùn)動(dòng)或動(dòng)態(tài)變化的圖像序列進(jìn)行動(dòng)態(tài)行為識(shí)別和背景差異識(shí)別，再通過(guò)灰度積分投影算法確認(rèn)駕駛?cè)诵熊囀欠衽宕靼踩珟袨椋瑱z測(cè)精度高、檢測(cè)速度快。

【技術(shù)實(shí)現(xiàn)步驟摘要】
【專利摘要】本專利技術(shù)公開了，車載控制單元實(shí)時(shí)檢測(cè)車輛運(yùn)動(dòng)情況，發(fā)現(xiàn)車輛運(yùn)動(dòng)后，則觸發(fā)車載視頻單元捕獲動(dòng)態(tài)視頻信息，經(jīng)圖像預(yù)處理后劃定駕駛?cè)藛T位置區(qū)域，鎖定佩戴安全帶目標(biāo)特征，啟動(dòng)DSP視頻分析程序，發(fā)現(xiàn)司機(jī)未系安全帶行為，啟動(dòng)車載報(bào)警模塊并通過(guò)遠(yuǎn)程傳輸模塊將信息發(fā)送到遠(yuǎn)程監(jiān)管中心平臺(tái)。該方法本圖像幀間差分算法實(shí)時(shí)分析和檢測(cè)動(dòng)態(tài)視頻圖像的變化情況，識(shí)別和剔除無(wú)明顯或特別變化的圖像序列。對(duì)有顯著運(yùn)動(dòng)或動(dòng)態(tài)變化的圖像序列進(jìn)行動(dòng)態(tài)行為識(shí)別和背景差異識(shí)別，再通過(guò)灰度積分投影算法確認(rèn)駕駛?cè)诵熊囀欠衽宕靼踩珟袨椋瑱z測(cè)精度高、檢測(cè)速度快。【專利說(shuō)明】
本專利技術(shù)涉及動(dòng)態(tài)圖像的分析處理領(lǐng)域，尤其涉及的是一種基于車載式視頻分析的 未系安全帶行為檢測(cè)方法。
技術(shù)介紹
視頻監(jiān)控圖像處理技術(shù)的范疇很廣，以前主要研究監(jiān)控圖像數(shù)字化、網(wǎng)絡(luò)化問(wèn)題 技術(shù)，完善監(jiān)控圖像互聯(lián)互通、信息共享、遠(yuǎn)程監(jiān)控等功能。 隨著我國(guó)大中城市近年來(lái)快速增加的安防、技防、交通監(jiān)控系統(tǒng)，監(jiān)控錄像的數(shù)量 呈爆炸性增長(zhǎng)態(tài)勢(shì)，安防人員想要盯緊所有監(jiān)控畫面以及要從海量的視頻監(jiān)控圖像中找到 需要的圖像數(shù)據(jù)幾乎不可能。 目前我國(guó)市場(chǎng)上傳統(tǒng)的安全帶檢測(cè)方法是采用車載電子檢測(cè)的方式，很多駕駛員 直接將安全帶扣進(jìn)檢測(cè)裝置就可以"騙"過(guò)該裝置，就不會(huì)報(bào)警了，逃避處罰。
技術(shù)實(shí)現(xiàn)思路
本專利技術(shù)的目的在于克服現(xiàn)有技術(shù)的不足，提供了一種基于車載式視頻分析的未系 安全帶行為檢測(cè)方法。 本專利技術(shù)是通過(guò)以下技術(shù)方案實(shí)現(xiàn)的：一種基于車載式視頻分析的未系安全帶行為 檢測(cè)方法，該方法包括如下步驟： (1)、獲取車載攝像機(jī)抓捕的實(shí)時(shí)監(jiān)控視屏圖像 (2)、動(dòng)態(tài)視頻圖像預(yù)處理 (2. 1)先將連續(xù)的多幀的監(jiān)控視屏圖像轉(zhuǎn)換為灰度圖像，提取兩個(gè)或三個(gè)相鄰幀， 根據(jù)當(dāng)前幀和相鄰的前后幀的運(yùn)動(dòng)圖像和背景圖像的相對(duì)變化，再基于圖像幀間差分法， 算出大致運(yùn)動(dòng)目標(biāo)的二值圖； (2. 2)利用邊緣檢測(cè)法對(duì)步驟2. 1中的二值圖進(jìn)行修正，再將修正后的二值圖，劃 分為個(gè)區(qū)域，若某個(gè)區(qū)域的面積小于設(shè)定的閥值，則將其判定為背景和行為無(wú)明顯變化的 區(qū)域并拋棄，若區(qū)域的面積大于設(shè)定的閥值，則將其判定為背景和行為為明顯變化的區(qū)域， 預(yù)于保留且轉(zhuǎn)入步驟（3); (3)、未系安全帶行為檢測(cè) 獲得一個(gè)初始的背景，利用改進(jìn)的高斯混合模型構(gòu)建背景模型，當(dāng)有新的物體加 入到背景中或者原來(lái)背景中的物體消失，把圖像的像素值看成是前景高斯分布和背景高斯 分布的混合體，若圖像的某點(diǎn)像素值符合前景高斯分布時(shí)，則該點(diǎn)屬于前景目標(biāo)；若圖像的 某點(diǎn)像素值符合背景高斯分布，則該點(diǎn)屬于背景，并進(jìn)行背景更新；對(duì)圖像序列求平均值， 利用下列公式更新背景： Bk+1(i) = Bk(i) + (aiXMk(i) + a2X (1-Mk(i))) (Ck(i)-Bk(i)) 式中：Bk(i)為當(dāng)前背景中像素 i的值，Bk+Ji)為更新后背景中像素 i的值，Ck(i) 為當(dāng)前圖像中像素 i的值，a p a 2為更新系數(shù),Mk(i)定義如下： 【權(quán)利要求】1. ，其特征在于：該方法包括如 下步驟： (1) 、獲取車載攝像機(jī)抓捕的實(shí)時(shí)監(jiān)控視屏圖像 (2) 、動(dòng)態(tài)視頻圖像預(yù)處理 (2. 1)先將連續(xù)的多幀的監(jiān)控視屏圖像轉(zhuǎn)換為灰度圖像，提取兩個(gè)或三個(gè)相鄰幀，根據(jù) 當(dāng)前幀和相鄰的前后幀的運(yùn)動(dòng)圖像和背景圖像的相對(duì)變化，再基于圖像幀間差分法，算出 大致運(yùn)動(dòng)目標(biāo)的二值圖； (2.2) 利用邊緣檢測(cè)法對(duì)步驟2. 1中的二值圖進(jìn)行修正，再將修正后的二值圖，劃分為 個(gè)區(qū)域，若某個(gè)區(qū)域的面積小于設(shè)定的閥值，則將其判定為背景和行為無(wú)明顯變化的區(qū)域 并拋棄，若區(qū)域的面積大于設(shè)定的閥值，則將其判定為背景和行為為明顯變化的區(qū)域，預(yù)于 保留且轉(zhuǎn)入步驟（3); (3) 、未系安全帶行為檢測(cè) 獲得一個(gè)初始的背景，利用改進(jìn)的高斯混合模型構(gòu)建背景模型，當(dāng)有新的物體加入到 背景中或者原來(lái)背景中的物體消失，把圖像的像素值看成是前景高斯分布和背景高斯分布 的混合體，若圖像的某點(diǎn)像素值符合前景高斯分布時(shí)，則該點(diǎn)屬于前景目標(biāo)；若圖像的某點(diǎn) 像素值符合背景高斯分布，則該點(diǎn)屬于背景，并進(jìn)行背景更新采用基于卡爾曼濾波的更新 公式來(lái)改進(jìn)圖像平均模型： Bk+1(i) = Bk(i) + (aiXMk(i) + a2X (1-Mk(i))) (Ck(i)-Bk(i)) 式中：Bk⑴為當(dāng)前背景中像素 i的值，Bk+Ji)為更新后背景中像素 i的值，Ck⑴為當(dāng) 前圖像中像素 i的值，a p a 2為更新系數(shù)，Mk(i)定義如下：由于噪聲和背景的變化，當(dāng)|Ck(i)-Bk(i) |〈Tb時(shí)，認(rèn)為當(dāng)前的圖像值為背景，否則當(dāng)前 的圖像值為前景； (4) 未系安全帶行為判定 采用基于灰度積分投影模型算法，將檢測(cè)區(qū)域分割為不同區(qū)域，每個(gè)區(qū)域設(shè)置特征點(diǎn)， 安全帶有腰部橫向佩戴和斜向上下方向佩戴兩部分， (4. 1)通過(guò)水平積分投影和垂直投影建立數(shù)學(xué)模型，計(jì)算二值化圖像的水平積分投影 和垂直積分投影；式中：n為行有效像素，m為列有效像素，X為像素在圖像中的橫坐標(biāo)，y為像素在圖像 中的縱坐標(biāo)， (4.2) 設(shè)定區(qū)域特征值，將步驟4. 1中得到的水平積分投影和垂直積分投影與區(qū)域特 征值對(duì)比，符合區(qū)域特征值則說(shuō)明佩戴安全帶，不符合區(qū)域特征值就說(shuō)明為佩戴安全帶。2. 根據(jù)權(quán)利要求1所述的，其特 征在于： 更新系數(shù)a i = 〇. 1、a 2 = 〇. 01時(shí)， Bk+1⑴=Bk⑴+ ( a i XMk⑴+ a 2 X (I-Mk⑴））（Ck⑴-Bk⑴）為最優(yōu)模型，背景估計(jì)效 果最優(yōu)。【文檔編號(hào)】G06T7/20GK104331687SQ201410605551【公開日】2015年2月4日 申請(qǐng)日期:2014年10月30日 優(yōu)先權(quán)日:2014年10月30日 【專利技術(shù)者】張全雷 申請(qǐng)人:安徽國(guó)華光電技術(shù)有限公司本文檔來(lái)自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
一種基于車載式視頻分析的未系安全帶行為檢測(cè)方法，其特征在于：該方法包括如下步驟：(1)、獲取車載攝像機(jī)抓捕的實(shí)時(shí)監(jiān)控視屏圖像(2)、動(dòng)態(tài)視頻圖像預(yù)處理(2.1)先將連續(xù)的多幀的監(jiān)控視屏圖像轉(zhuǎn)換為灰度圖像，提取兩個(gè)或三個(gè)相鄰幀，根據(jù)當(dāng)前幀和相鄰的前后幀的運(yùn)動(dòng)圖像和背景圖像的相對(duì)變化，再基于圖像幀間差分法，算出大致運(yùn)動(dòng)目標(biāo)的二值圖；(2.2)利用邊緣檢測(cè)法對(duì)步驟2.1中的二值圖進(jìn)行修正，再將修正后的二值圖，劃分為個(gè)區(qū)域，若某個(gè)區(qū)域的面積小于設(shè)定的閥值，則將其判定為背景和行為無(wú)明顯變化的區(qū)域并拋棄，若區(qū)域的面積大于設(shè)定的閥值，則將其判定為背景和行為為明顯變化的區(qū)域，預(yù)于保留且轉(zhuǎn)入步驟(3)；(3)、未系安全帶行為檢測(cè)獲得一個(gè)初始的背景，利用改進(jìn)的高斯混合模型構(gòu)建背景模型，當(dāng)有新的物體加入到背景中或者原來(lái)背景中的物體消失，把圖像的像素值看成是前景高斯分布和背景高斯分布的混合體，若圖像的某點(diǎn)像素值符合前景高斯分布時(shí)，則該點(diǎn)屬于前景目標(biāo)；若圖像的某點(diǎn)像素值符合背景高斯分布，則該點(diǎn)屬于背景，并進(jìn)行背景更新采用基于卡爾曼濾波的更新公式來(lái)改進(jìn)圖像平均模型：Bk+1(i)＝Bk(i)+(α1×Mk(i)+α2×(1?Mk(i)))(Ck(i)?Bk(i))式中：Bk(i)為當(dāng)前背景中像素i的值，Bk+1(i)為更新后背景中像素i的值，Ck(i)為當(dāng)前圖像中像素i的值，α1、α2為更新系數(shù)，Mk(i)定義如下：Mk(i)=1if(|Ck(i)-Bk(i)|<Tb)0else]]>由于噪聲和背景的變化，當(dāng)|Ck(i)?Bk(i)|<Tb時(shí)，認(rèn)為當(dāng)前的圖像值為背景，否則當(dāng)前的圖像值為前景；(4)未系安全帶行為判定采用基于灰度積分投影模型算法，將檢測(cè)區(qū)域分割為不同區(qū)域，每個(gè)區(qū)域設(shè)置特征點(diǎn)，安全帶有腰部橫向佩戴和斜向上下方向佩戴兩部分，(4.1)通過(guò)水平積分投影和垂直投影建立數(shù)學(xué)模型，計(jì)算二值化圖像的水平積分投影和垂直積分投影；水平積分投影：SHor(y)=Σx=0n-1(x,y);]]>垂直積分投影：SVer(x)=Σy=0m-1(x,y)]]>式中：n為行有效像素，m為列有效像素，x為像素在圖像中的橫坐標(biāo)，y為像素在圖像中的縱坐標(biāo)，(4.2)設(shè)定區(qū)域特征值，將步驟4.1中得到的水平積分投影和垂直積分投影與區(qū)域特征值對(duì)比，符合區(qū)域特征值則說(shuō)明佩戴安全帶，不符合區(qū)域特征值就說(shuō)明為佩戴安全帶。...

【技術(shù)特征摘要】

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：張全雷，
申請(qǐng)(專利權(quán))人：安徽國(guó)華光電技術(shù)有限公司，
類型：發(fā)明
國(guó)別省市：安徽;34