一種基于Adaboost的安全帶檢測方法
【專利摘要】本發(fā)明公開了一種基于Adaboost的安全帶檢測方法，包括以下步驟：建立車輛正面圖像的高斯混合模型；通過高斯混合模型建立基于Adaboost的車輛各部件粗定位，得到各部件候選區(qū)域和對應可信度；進行基于高斯混合模型的圖像后處理，得到安全帶檢測的精確結果。相對其他方法，本發(fā)明檢測率較高且虛警率與漏檢率較低，對于背景和光照的魯棒性較強，能廣泛運用于不同的道路環(huán)境、光照條件、拍攝視角下的車輛安全帶檢測。
【專利說明】—種基于Adaboost的安全帶檢測方法
【技術領域】
[0001]本發(fā)明屬于智能交通領域，涉及一種圖像檢測方法，更具體的涉及到一種基于Adaboost的安全帶檢測方法。
【背景技術】
[0002]每年有超過120萬人死于機動車事故，相當比例的交通事故中，當駕駛員佩帶安全帶時，造成的人員傷亡明顯減輕。目前，世界上大多數(shù)國家都通過法律強制要求駕駛員在行駛中使用安全帶。通過監(jiān)控相機進行駕駛員安全帶檢測成為了智能交通領域的比較新穎的課題，對于那些輕視交通法規(guī)和安全意識淡薄的駕乘人員，該技術的實現(xiàn)可以在很大程度上起到提醒和警告作用，在保證安全駕駛的同時提高駕駛員遵守交通法規(guī)的意識。
[0003]隨著成像技術的發(fā)展，高清攝像機可以獲取高速行駛中車輛和駕駛員的清晰圖像。目前，基于圖像處理的安全帶檢測方法相關研究較少，仍然有許多困難，主要表現(xiàn)為:道路環(huán)境復雜，變化多樣、車輛以及安全帶圖像會受到包括光照、拍攝視角甚至相機規(guī)格等因素的影響。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的在于克服現(xiàn)有技術的缺點和不足，提出一種基于Adaboost安全帶檢測方法，此方法主要解決了機動車車輛圖片中駕駛員的安全帶檢測，并且可應用于不同的道路環(huán)境和光照條件下。
[0005]本發(fā)明提供了一種基于Adaboost的安全帶檢測方法，包括以下步驟:
[0006]步驟1:建立正面車輛的高斯混合模型；
[0007]車輛正面視圖的高斯混合模型M定義如下:
[0008]M= {partw, partp, partb, posw,p,b}
[0009]其中，partw表示模型中的車窗部件，partp表示模型中的駕駛員區(qū)域部件，posb表示模型中的安全帶部件，P0Sw,p,b={Pw,p,b, dw,p,J表示各部件之間的位置關系；特別的，pw, p, b表示各部件之間的空間位置關系，對于不同的國家和地區(qū)，由于駕駛員所在的位置不同，此位置關系也不同；dw,p,b表示各部件間的距離，且
[0010]dw,p,b e Ni ( μ i, δ j), i e {big, middle, small}
[0011]N^yi, Si)表示均值為μ，方差為δ的高斯模型；通過統(tǒng)計標注車窗、駕駛員以及安全帶之間的距離，得到每一類型的車輛所對應的均值和方差，既得到車輛的高斯混合模型。
[0012]步驟2:基于Adaboost的車輛各部件粗定位，得到各部件候選區(qū)域和對應可信度；
[0013]使用Adaboost算法先后對車窗部件、駕駛員部件和安全帶部件進行粗定位；各部件的粗定位包括針對各部件的模型訓練過程和定位過程。
[0014]訓練過程一方面從高維的Haar-1ike特征中選取對分類識別起關鍵作用的特征，另一方面為識別過程準備用于兩類分類識別的Adaboost分類器，定位過程首先對測試樣本提取關鍵Haar-1ike特征，然后將特征輸入到Adaboost進行各部件存在性檢測,定位各部件的候選區(qū)域。
[0015]步驟3:基于高斯混合模型的后處理，得到安全帶檢測的精確結果；
[0016]通過Adaboost得到車輛各部件的候選區(qū)域后，通過訓練得到的車輛高斯混合模型來進行安全帶區(qū)域的精細定位。
[0017]設L={lw，lp，lb}為模型M在圖像中的一個實現(xiàn)，其中Iw表示車窗在圖像中的位置，Ip表示駕駛員區(qū)域在圖像中的位置，Ib表示安全帶在圖像中的位置，設Hi(Iw)表示車窗位置在Iw的可信度，Hi(Ip)表示車窗位置在Ip的可信度，m(lb)表示車窗位置在Ib的可信度，m(lw, lp, Ib)表示車窗區(qū)域、駕駛員區(qū)域、安全帶區(qū)域與模型的符合度且:
[0018]
【權利要求】
1.一種基于Adaboost的安全帶檢測方法,其特征在于,包括以下步驟: 步驟1:建立車輛正面圖像的高斯混合模型； 步驟2:通過高斯混合模型建立基于Adaboost的車輛各部件粗定位，得到各部件候選區(qū)域和對應可信度； 步驟3:進行基于高斯混合模型的圖像后處理，得到安全帶檢測的精確結果。
2.根據(jù)權利要求1所述的基于Adaboost的安全帶檢測方法,其特征在于,步驟I中建立車輛正面圖像的高斯混合模型時，按以下方式獲取: 步驟1.1:將車輛正面圖像劃分為車窗區(qū)域、駕駛員區(qū)域、安全帶區(qū)域三個部件； 步驟1.2:將檢測車輛分為大型車、中型車、小型車三種類型。
3.根據(jù)權利要求1所述的基于Adaboost的安全帶檢測方法,其特征在于,步驟2中建立基于Adaboost的車輛各部件粗定位時，按以下步驟進行: 步驟2.1:首先對車輛圖像進行正面車窗檢測； 步驟2.2:在正面車窗候選區(qū)域內(nèi)進行駕駛員區(qū)域檢測； 步驟2.3:在駕駛員候選區(qū)域進行安全帶檢測。
4.根據(jù)權利要求1所述的基于Adaboost的安全帶檢測方法，其特征在于，步驟2中所述的基于Adaboost的車輛各部件粗定位,首先要提取待檢測區(qū)域的高維的Haar-1ike特征。
5.根據(jù)權利要求1所述的基于Adaboost的安全帶檢測方法，其特征在于，步驟2中所述的得到各部件候選區(qū)域和對應可信度，當被檢測區(qū)域通過前K(K〈T，其中T表示預設的最高迭代次數(shù))個弱分類器時，認為該區(qū)域為待檢測部件候選區(qū)域，同時繼續(xù)使用Κ+1至第T個弱分類器進行掃描，并記錄其通過的弱分類器的數(shù)目作為該候選區(qū)域的可信度，公式(I)中X表示待檢測部件
confidencex=numpassed classifier (I)。
6.根據(jù)權利要求1所述的基于Adaboost的安全帶檢測方法,其特征在于,步驟3中所述的基于高斯混合模型的后處理計算方法如下:設L={lw，lp, IJ為模型M在圖像中的一個實現(xiàn)，其中Iw表示車窗在圖像中的位置，Ip表示駕駛員區(qū)域在圖像中的位置，Ib表示安全帶在圖像中的位置，設m(lw)表示車窗位置在Iw的可信度，m(lp)表示車窗位置在Ip的可信度，m(lb)表示車窗位置在Ib的可信度，可信度均可通過公式(I)來計算，m(lw，lp, Ib)表示車窗區(qū)域、駕駛員區(qū)域、安全帶區(qū)域與模型的符合度；根據(jù)高斯混合模型進行車輛各部件精確定位，即找到L*使得:
【文檔編號】G06K9/62GK103955704SQ201410174018
【公開日】2014年7月30日 申請日期:2014年4月26日 優(yōu)先權日:2014年4月26日
【發(fā)明者】陳雁翔, 李賡, 覃勛輝, 王猛, 陶剛, 鄒嬌, 閆永剛 申請人:合肥工業(yè)大學