本發(fā)明涉及智能交通技術領域，具體涉及一種未系安全帶行為檢測方法及裝置。

背景技術：

智能交通系統(tǒng)是未來交通系統(tǒng)的發(fā)展方向，也是目前世界交通運輸領域的前沿研究課題。隨著計算機視覺技術、嵌入式技術、網絡通信技術的發(fā)展，研究車輛違章行為自動檢測系統(tǒng)已經成為當前智能交通中的一個研究熱點。作為保障司機安全駕駛和降低交通事故中死傷率的一項重要措施，交管部門嚴格要求汽車司機在行駛過程中系安全帶，基于圖像處理技術的智能交通系統(tǒng)目前已經取得了非常廣泛的應用，但通過高清監(jiān)控攝像機采集的卡口圖像數(shù)據來分析駕駛員是否系了安全帶仍然面臨著諸多困難，沒有非常成熟的算法。

技術實現(xiàn)要素：

有鑒于此，本發(fā)明實施例提供了一種未系安全帶行為檢測方法及裝置，以解決現(xiàn)有技術中未系安全帶的智能化識別的檢出率和準確率低的問題。

為此，本發(fā)明實施例提供了如下技術方案：

本發(fā)明實施例提供了一種未系安全帶行為檢測方法，包括：獲取駕駛室內的視頻圖像；將所述視頻圖像輸入至頭肩檢測模型，通過所述頭肩檢測模型的輸出定位所述視頻圖像中的頭肩區(qū)域；其中，所述頭肩檢測模型是通過頭肩訓練集和非頭肩訓練集對分類器進行訓練得到的；將所述頭肩區(qū)域輸入至安全帶識別模型，得到輸出結果；其中，所述輸出結果用于指示所述頭肩區(qū)域是否未系安全帶；所述安全帶識別模型是通過系安全帶訓練集和未系安全帶訓練集進行訓練得到的。

可選地，所述頭肩訓練集包括以下至少之一的參數(shù)：所述頭肩區(qū)域的特征參數(shù)、所述頭肩區(qū)域的LUV、所述頭肩區(qū)域的梯度幅值、所述頭肩區(qū)域的梯度方向。

可選地，所述安全帶訓練集和所述未系安全帶訓練集通過下述步驟獲取：獲取多個頭肩區(qū)域圖像的特征信息；將所述特征信息輸入線性分類器；根據所述線性分類器的輸出結果獲取所述安全帶訓練集和所述未系安全帶訓練集。

可選地，根據所述線性分類器的輸出結果獲取所述系安全帶訓練集和所述未系安全帶訓練集包括：當所述線性分類器的輸出結果大于零時，確定所述頭肩區(qū)域圖像屬于所述系安全帶訓練集；當所述線性分類器輸出結果小于零時，確定所述頭肩區(qū)域圖像屬于所述未系安全帶訓練集。

本發(fā)明實施例還提供了一種未系安全帶行為檢測裝置，包括：獲取模塊，用于獲取駕駛室內的視頻圖像；第一輸出模塊，用于將所述視頻圖像輸入至頭肩檢測模型，通過所述頭肩檢測模型的輸出定位所述視頻圖像中的頭肩區(qū)域；其中，所述頭肩檢測模型是通過頭肩訓練集和非頭肩訓練集對分類器進行訓練得到的；第二輸出模塊，用于將所述頭肩區(qū)域輸入至安全帶識別模型，得到輸出結果；其中，所述輸出結果用于指示所述頭肩區(qū)域是否未系安全帶；所述安全帶識別模型是通過系安全帶訓練集和未系安全帶訓練集進行訓練得到的。

可選地，所述頭肩訓練集包括以下至少之一的參數(shù)：所述頭肩區(qū)域的特征參數(shù)、所述頭肩區(qū)域的LUV、所述頭肩區(qū)域的梯度幅值、所述頭肩區(qū)域的梯度方向。

可選地，所述第二輸出模塊還包括：第一獲取單元，用于獲取多個頭肩區(qū)域圖像的特征信息；輸入單元，用于將所述特征信息輸入線性分類器；第二獲取單元，用于根據所述線性分類器的輸出結果獲取所述安全帶訓練集和所述未系安全帶訓練集。

可選地，所述第二獲取單元還用于：當所述線性分類器的輸出結果大于零時，確定所述頭肩區(qū)域圖像屬于所述系安全帶訓練集；當所述線性分類器輸出結果小于零時，確定所述頭肩區(qū)域圖像屬于所述未系安全帶訓練集。

本發(fā)明實施例技術方案，具有如下優(yōu)點：

本發(fā)明實施例提供了一種未系安全帶行為檢測方法及裝置，在該方法中，獲取駕駛室內的視頻圖像，將該視頻圖像輸入至頭肩檢測模型，通過該頭肩檢測模型的輸出定位該視頻圖像中的頭肩區(qū)域，其中，該頭肩檢測模型是通過頭肩訓練集和非頭肩訓練集對分類器進行訓練得到的，將該頭肩區(qū)域輸入至安全帶識別模型，得到輸出結果，其中，該輸出結果用于指示該頭肩區(qū)域是否未系安全帶，該安全帶識別模型是通過系安全帶訓練集和未系安全帶訓練集進行訓練得到的。通過本發(fā)明實施例解決了現(xiàn)有技術中未系安全帶的智能化識別的檢出率和準確率低的問題，實現(xiàn)了提高行車途中未系安全帶的智能化識別的檢出率和準確率。

附圖說明

為了更清楚地說明本發(fā)明具體實施方式或現(xiàn)有技術中的技術方案，下面將對具體實施方式或現(xiàn)有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖是本發(fā)明的一些實施方式，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。

圖1是根據本發(fā)明實施例的未系安全帶行為檢測方法的流程圖；

圖2是根據本發(fā)明實施例的未系安全帶行為檢測裝置的一個結構框圖；

圖3是根據本發(fā)明實施例的未系安全帶行為檢測裝置的另一個結構框圖。

具體實施方式

下面將結合附圖對本發(fā)明的技術方案進行清楚、完整地描述，顯然，所描述的實施例是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領域普通技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

在本發(fā)明的描述中，需要說明的是，術語“中心”、“上”、“下”、“左”、“右”、“豎直”、“水平”、“內”、“外”等指示的方位或位置關系為基于附圖所示的方位或位置關系，僅是為了便于描述本發(fā)明和簡化描述，而不是指示或暗示所指的裝置或元件必須具有特定的方位、以特定的方位構造和操作，因此不能理解為對本發(fā)明的限制。此外，術語“第一”、“第二”、“第三”僅用于描述目的，而不能理解為指示或暗示相對重要性。

在本發(fā)明的描述中，需要說明的是，除非另有明確的規(guī)定和限定，術語“安裝”、“相連”、“連接”應做廣義理解，例如，可以是固定連接，也可以是可拆卸連接，或一體地連接；可以是機械連接，也可以是電連接；可以是直接相連，也可以通過中間媒介間接相連，還可以是兩個元件內部的連通，可以是無線連接，也可以是有線連接。對于本領域的普通技術人員而言，可以具體情況理解上述術語在本發(fā)明中的具體含義。

此外，下面所描述的本發(fā)明不同實施方式中所涉及的技術特征只要彼此之間未構成沖突就可以相互結合。

實施例1

在本實施例中提供了一種未系安全帶行為檢測方法，圖1是根據本發(fā)明實施例的未系安全帶行為檢測方法的流程圖，如圖1所示，該流程包括如下步驟：

步驟S101：獲取駕駛室內的視頻圖像。當前大多數(shù)車內裝有記錄行駛狀況的前置攝像頭，該攝像頭可以對駕駛員所在整體區(qū)域進行圖像采集,在不影響駕駛員駕駛安全的前提下，可以很清晰的拍攝到駕駛員的行為狀態(tài)，具體地，為了得到清晰的視頻圖像，通過高斯濾波對該視頻圖像進行平滑處理，采用3*3高斯加權濾波器掃描圖像中的每一個像素，更改其像素值為其本身和其3*3領域內的其他像素值的加權平均值，圖像平滑對點狀噪聲和干擾脈沖具有良好的抑制作用，對圖像進行高斯濾波處理之后，可以使用人體膚色模型對圖像進行增強處理，掃描圖像中的每一個像素點，對符合和不符合人體膚色模型的像素點分別進行處理，人體膚色在圖像中的像素值處于一定的范圍，駕駛艙內駕駛員的臉和手的區(qū)域由于符合人體膚色模型，在一定程度上有別于其他的干擾區(qū)域，同時由于肩部和頭部的位置關系，使得頭肩區(qū)域能夠準確被定位出來；

步驟S102：將該視頻圖像輸入至頭肩檢測模型，通過該頭肩檢測模型的輸出定位該視頻圖像中的頭肩區(qū)域；其中，該頭肩檢測模型是通過頭肩訓練集和非頭肩訓練集對分類器進行訓練得到的。引入該頭肩檢測模型的目的是從做過平滑等預處理的圖片中精確定位出駕駛員頭肩區(qū)域，具體地，采用聚合通道特征ACF算法，根據頭肩部位的特征，分別訓練分類器，組合成一個頭肩檢測模型，該模型能精準有效地定位到頭肩區(qū)域；

步驟S103：將該頭肩區(qū)域輸入至安全帶識別模型，得到輸出結果；其中，該輸出結果用于指示該頭肩區(qū)域是否未系安全帶；該安全帶識別模型是通過系安全帶訓練集和未系安全帶訓練集進行訓練得到的。為了適應各種復雜的環(huán)境，收集10萬張駕駛員系安全帶樣本圖像，10萬張駕駛員未系安全帶樣本圖像作為所述頭肩區(qū)域圖像。

通過上述步驟：獲取駕駛室內的視頻圖像，將該視頻圖像輸入至頭肩檢測模型，通過該頭肩檢測模型的輸出定位該視頻圖像中的頭肩區(qū)域；其中，該頭肩檢測模型是通過頭肩訓練集和非頭肩訓練集對分類器進行訓練得到的，將該頭肩區(qū)域輸入至安全帶識別模型，得到輸出結果；其中，該輸出結果用于指示該頭肩區(qū)域是否未系安全帶；該安全帶識別模型是通過系安全帶訓練集和未系安全帶訓練集進行訓練得到的。通過本發(fā)明實施例解決了現(xiàn)有技術中未系安全帶的智能化識別的檢出率和準確率低的問題，實現(xiàn)了提高行車途中未系安全帶的智能化識別的檢出率和準確率。

在一個可選實施例中，上述頭肩訓練集包括以下至少之一的參數(shù)：所述頭肩區(qū)域的特征參數(shù)、該頭肩區(qū)域的LUV、該頭肩區(qū)域的梯度幅值、該頭肩區(qū)域的梯度方向。其中人臉區(qū)域由左眼、右眼、鼻子和嘴巴構成，每個部件有自己獨特的特征，并且各部件在人臉上的位置分布相對固定，在位置空間上存在一定的表觀約束。定位到某一個可信度較大的部件，即可對其他未定位到的部件進行假設和估計，人臉區(qū)域較為顯著的是眼睛、鼻子、嘴巴，結合這些人臉部件組合成的頭肩聚合特征模型用來檢測駕駛員頭肩，能夠達到項目檢測率和檢測精度的要求。ACF共包括10個通道特征：LUV顏色通道(3個)、局部歸一化的梯度幅值通道(1個)和梯度方向直方圖通道(6個)，每隔7層計算一次通道特征，再使用這些層的特征估計中間層的特征，從而能快速計算特征，ACF使用滑動窗口檢測方法，在每一個尺度層，以4個像素為步長，對每一個位置提取4個像素為步長，對每一個位置提取32×16×10＝5120維特征，組成特征向量再由分類器分類。

上述步驟S103涉及到該安全帶識別模型是通過系安全帶訓練集和未系安全帶訓練集進行訓練得到的，在一個可選實施例中，上述安全帶訓練集和所述未系安全帶訓練集通過下述步驟獲?。韩@取多個頭肩區(qū)域圖像的特征信息，將所述特征信息輸入線性分類器，根據所述線性分類器的輸出結果獲取所述安全帶訓練集和所述未系安全帶訓練集，當所述線性分類器的輸出結果大于零時，確定所述頭肩區(qū)域圖像屬于所述系安全帶訓練集；當所述線性分類器輸出結果小于零時，確定所述頭肩區(qū)域圖像屬于所述未系安全帶訓練集。具體地，通過線性分類器預先訓練系安全帶訓練集和未系安全帶訓練集，得到權值參數(shù)W^T和W₀，該線性分類器具體是線性判別函數(shù)：g(x)＝w^Tx+w₀，首先將該頭肩區(qū)域圖像翻譯成特征信息，輸入該線性判別函數(shù)中，如果g(x)>0，則判定該頭肩區(qū)域圖像屬于系安全帶訓練集，如果g(x)<0，則判定該頭肩區(qū)域圖像屬于未系安全帶訓練集，如果g(x)＝0，則對該頭肩區(qū)域圖像不判定或者除去。在實際應用中，由于行車過程中未系安全帶為小概率事件，而且希望判別為是未系安全帶行為的正確率高，因此，在實際應用中識別為是未系安全帶的但得分(置信度)低的，將其排除。無法判定的圖像對于懲處違規(guī)行為并無太大意義，而將“未系安全帶的但得分(置信度)低的情況”排除，能保證是未系安全帶行為的正確率。

實施例2

在本實施例中還提供了一種未系安全帶行為檢測裝置，該裝置用于實現(xiàn)上述實施例及優(yōu)選實施方式，已經進行過說明的不再贅述。如以下所使用的，術語“模塊”可以實現(xiàn)預定功能的軟件和/或硬件的組合。盡管以下實施例所描述的裝置較佳地以軟件來實現(xiàn)，但是硬件，或者軟件和硬件的組合的實現(xiàn)也是可能并被構想的。

本施例提供一種未系安全帶行為檢測裝置，如圖2所示，包括獲取模塊21，用于獲取駕駛室內的視頻圖像；第一輸出模塊22，用于將該視頻圖像輸入至頭肩檢測模型，通過該頭肩檢測模型的輸出定位該視頻圖像中的頭肩區(qū)域，其中，該頭肩檢測模型是通過頭肩訓練集和非頭肩訓練集對分類器進行訓練得到的；第二輸出模塊23，用于將該頭肩區(qū)域輸入至安全帶識別模型，得到輸出結果，其中，該輸出結果用于指示該頭肩區(qū)域是否未系安全帶，該安全帶識別模型是通過系安全帶訓練集和未系安全帶訓練集進行訓練得到的。

在一個可選實施例中，第一輸出模塊22中的頭肩訓練集包括以下至少之一的參數(shù)：該頭肩區(qū)域的特征參數(shù)、該頭肩區(qū)域的LUV、該頭肩區(qū)域的梯度幅值、該頭肩區(qū)域的梯度方向。

圖3是根據本發(fā)明實施例的未系安全帶行為檢測裝置的另一個結構框圖。如圖3所示，在一個可選實施例中，該第二輸出模塊22還包括：第一獲取單元221，用于獲取多個頭肩區(qū)域圖像的特征信息；輸入單元222，用于將該特征信息輸入線性分類器；第二獲取單元223，用于根據該線性分類器的輸出結果獲取該安全帶訓練集和該未系安全帶訓練集。

可選地，該第二獲取單元223還用于：當該線性分類器的輸出結果大于零時，確定該頭肩區(qū)域圖像屬于該系安全帶訓練集，當該線性分類器輸出結果小于零時，確定該頭肩區(qū)域圖像屬于該未系安全帶訓練集。

上述各個模塊的更進一步的功能描述與上述對應實施例相同，在此不再贅述。

本領域內的技術人員應明白，本發(fā)明的實施例可提供為方法、系統(tǒng)、或計算機程序產品。因此，本發(fā)明可采用完全硬件實施例、完全軟件實施例、或結合軟件和硬件方面的實施例的形式。而且，本發(fā)明可采用在一個或多個其中包含有計算機可用程序代碼的計算機可用存儲介質(包括但不限于磁盤存儲器、CD-ROM、光學存儲器等)上實施的計算機程序產品的形式。

本發(fā)明是參照根據本發(fā)明實施例的方法、設備(系統(tǒng))、和計算機程序產品的流程圖和/或方框圖來描述的。應理解可由計算機程序指令實現(xiàn)流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結合。可提供這些計算機程序指令到通用計算機、專用計算機、嵌入式處理機或其他可編程數(shù)據處理設備的處理器以產生一個機器，使得通過計算機或其他可編程數(shù)據處理設備的處理器執(zhí)行的指令產生用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的裝置。

這些計算機程序指令也可存儲在能引導計算機或其他可編程數(shù)據處理設備以特定方式工作的計算機可讀存儲器中，使得存儲在該計算機可讀存儲器中的指令產生包括指令裝置的制造品，該指令裝置實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能。

這些計算機程序指令也可裝載到計算機或其他可編程數(shù)據處理設備上，使得在計算機或其他可編程設備上執(zhí)行一系列操作步驟以產生計算機實現(xiàn)的處理，從而在計算機或其他可編程設備上執(zhí)行的指令提供用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的步驟。

顯然，上述實施例僅僅是為清楚地說明所作的舉例，而并非對實施方式的限定。對于所屬領域的普通技術人員來說，在上述說明的基礎上還可以做出其它不同形式的變化或變動。這里無需也無法對所有的實施方式予以窮舉。而由此所引伸出的顯而易見的變化或變動仍處于本發(fā)明創(chuàng)造的保護范圍之中。