一種基于公路監(jiān)控設(shè)備的轎車安全帶系掛狀態(tài)的檢測方法
【專利摘要】本發(fā)明提供了一種基于公路監(jiān)控設(shè)備的轎車安全帶系掛狀態(tài)的檢測方法，步驟1：從公路監(jiān)控設(shè)備中獲取監(jiān)控圖像；步驟2：定位步驟1獲得的原始監(jiān)控圖像中的車身區(qū)域；步驟3：利用hough變換從車身區(qū)域中定位車窗區(qū)域；步驟4：基于圓弧檢測在車窗區(qū)域中定位方向盤位置；步驟5：依據(jù)方向盤位置提取安全帶區(qū)域圖像；步驟6：對安全帶進(jìn)行直線檢測；檢測安全帶對應(yīng)的直線斜率是否在0.75-1.2之間，則判斷車窗區(qū)域中的駕駛員是否系安全帶；利用車身、車窗區(qū)域及方向盤位置，定位安全帶所在區(qū)域，逐步縮小檢測范圍，提高了安全帶檢測的準(zhǔn)確率和效率，能夠代替人眼，進(jìn)行自動(dòng)判別，提高了安全帶系掛檢測的準(zhǔn)確率和效率。
【專利說明】-種基于公路監(jiān)控設(shè)備的轎車安全帶系掛狀態(tài)的檢測方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及交通安全圖片的目標(biāo)物定位和檢測【技術(shù)領(lǐng)域】，特別涉及一種基于公路 監(jiān)控設(shè)備的轎車安全帶系掛狀態(tài)的檢測方法。

【背景技術(shù)】
[0002] 轎車安全帶是汽車行駛中保障司機(jī)安全駕駛和降低交通事故中死傷率的一個(gè)重 要設(shè)備。
[0003] 在最新的技術(shù)研究中，由公路上拍攝的圖片進(jìn)行安全帶的識別方法一般是通過定 位車牌，接著根據(jù)車牌位置，利用車身和車窗的比例關(guān)系定位車窗，然后尋找方向盤位置， 再利用直線特征去檢測安全帶的存在。這種方法，首先，由于拍攝角度的問題，車牌定位時(shí) 裁切尺寸不統(tǒng)一，不能準(zhǔn)確定位所有的車牌；其次，根據(jù)車牌位置，利用車身和車窗的比例 定位車窗有較大的誤差；最后，采用現(xiàn)有的canny邊緣檢測，由于方向盤邊緣在檢測中不具 備連續(xù)性，導(dǎo)致方向盤位置很難高效率的找到。除此之外，還有通過定位人臉，根據(jù)人臉坐 標(biāo)找出人體區(qū)域，在區(qū)域內(nèi)檢測安全帶的方法等等。
[0004] 在實(shí)際應(yīng)用中，我們一般還是通過人眼來判別轎車駕駛員是否系掛安全帶。由于 圖片數(shù)量的巨大，需要耗費(fèi)相當(dāng)大的人力，物力。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于克服現(xiàn)有的安全帶檢測方法在定位車牌和方向盤中心位置上 的準(zhǔn)確度不足，本發(fā)明提供了一種新的能夠準(zhǔn)確檢測轎車駕駛員是否系掛安全帶的方法。
[0006] -種基于公路監(jiān)控設(shè)備的轎車安全帶系掛狀態(tài)的檢測方法，包括以下幾個(gè)步驟：
[0007] 步驟1 :從公路監(jiān)控設(shè)備中獲取監(jiān)控圖像；
[0008] 步驟2 :依據(jù)汽車與背景物特征對監(jiān)控圖像進(jìn)行預(yù)處理后，采用積分投影定位步 驟1獲得的原始監(jiān)控圖像中的車身區(qū)域；
[0009] 所述預(yù)處理依次包括圖像灰度化、圖像濾波、邊緣檢測及背景噪音去除操作；
[0010] 步驟3 :利用hough變換從車身區(qū)域中定位車窗區(qū)域；
[0011] 步驟4 :基于圓弧檢測在車窗區(qū)域中定位方向盤位置；
[0012] 步驟5 :依據(jù)方向盤位置提取安全帶區(qū)域圖像；
[0013] 步驟6 :對安全帶進(jìn)行直線檢測；
[0014] 利用直線檢測方法，檢測安全帶區(qū)域圖像中安全帶對應(yīng)的直線斜率是否在 0. 75-1. 2之間，若直線斜率在0. 75-1. 2之間，則判斷車窗區(qū)域中的駕駛員已系安全帶；否 貝1J，判定車窗區(qū)域中的駕駛員未系安全帶。
[0015] 所述步驟2包括以下步驟：
[0016] 步驟2. 1 :對監(jiān)控圖像進(jìn)行圖像灰度化操作獲得灰度圖像，并對灰度圖像進(jìn)行直 方圖均衡化操作；
[0017] 步驟2. 2:對步驟2. 1獲得的圖像進(jìn)行中值濾波以及采用閾值為10、形狀為 square的結(jié)構(gòu)算子對灰度圖像進(jìn)行開運(yùn)算和差分運(yùn)算；
[0018] 步驟2. 3 :對步驟2. 2得到的圖像再次進(jìn)行中值濾波操作，然后進(jìn)行基于sobel算 子的邊緣檢測，閾值為0. 1 ;
[0019] 步驟2. 4 :對步驟2. 3得到的圖像用bwareaopen函數(shù)進(jìn)行去噪處理；
[0020] 步驟2. 5 :對步驟2. 4得到的圖像分別進(jìn)行水平和垂直積分投影，將水平、垂直兩 個(gè)方向上的像素投影點(diǎn)的像素累計(jì)值大于〇的點(diǎn)在原始監(jiān)控圖像中分別標(biāo)記出來，標(biāo)記出 的點(diǎn)對應(yīng)的區(qū)域即為汽車車身區(qū)域。
[0021] 所述步驟3利用hough變換從車身區(qū)域中定位車窗區(qū)域的具體步驟如下；
[0022] 步驟3. 1 :將車身區(qū)域圖像進(jìn)行灰度化操作后，再進(jìn)行基于canny算子的邊緣檢 測；
[0023] 步驟3. 2 :步驟3. 1獲得的圖像進(jìn)行基于hough變換的直線檢測，其中，基于hough 變換的直線檢測過程中，最短線段閾值為5,投票累計(jì)數(shù)閾值為7 ;
[0024] 步驟3. 3 :對步驟3. 2得到的水平直線中，計(jì)算所有相鄰水平直線之間的距離，如 存在兩條水平直線間的距離在95到180mm之間，則將這兩條水平直線分別作為車窗的上、 下邊緣線，進(jìn)入步驟3. 4 ;如不存在，則當(dāng)前圖像無法找到車窗區(qū)域，退出當(dāng)前檢測流程，返 回步驟1，處理下一幅圖像；
[0025] 步驟3.4 :由車窗的上、下邊緣線提取汽車車窗區(qū)域圖像。
[0026] 所述步驟4包括以下步驟：
[0027] 步驟4. 1 :對車窗區(qū)域圖像進(jìn)行直方圖均衡化，再采用5x5的中值濾波，濾除圖像 噪音；
[0028] 步驟4. 2 :對步驟4. 1得到的圖像進(jìn)行基于canny算子的邊緣檢測；
[0029] 步驟4. 3 :對步驟4. 2獲得的圖像利用MATLAB的圓弧檢測函數(shù)imfindcircles進(jìn) 行圓弧檢測獲得待選圓形區(qū)域，圓弧半徑R的閾值范圍為[40,90];
[0030] 步驟4. 4 :從待選圓形區(qū)域中選取位于車窗區(qū)域圖像最底端，且車窗區(qū)域圖像3/4 處的圓形區(qū)域作為方向盤圓的所在位置。
[0031] 所述步驟5包括以下步驟：
[0032] 步驟5. 1 :采用imfindcircles函數(shù)對步驟4獲得圓形區(qū)域找出方向盤圓弧，以圓 弧對應(yīng)的圓心為中心點(diǎn)，圓弧半徑R的閾值范圍為[40,90];
[0033] 步驟5. 2 :以圓心所在水平線作為安全帶所在區(qū)域圖像的底端，向上延伸至圖像 頂端，圖像底端和圖像頂端之間的距離作為安全帶所在區(qū)域的圖像高度；以圓弧對應(yīng)半徑 R的2倍作為安全帶所在區(qū)域的圖像寬度，從車窗區(qū)域圖像中提取安全帶所在區(qū)域圖像。
[0034] 所述步驟6進(jìn)行直線檢測的具體步驟如下：
[0035] 步驟6. 1 :對安全帶所在區(qū)域圖像進(jìn)行基于log算子的邊緣檢測，采用bwareopen 函數(shù)去噪，閾值為20 ;
[0036] 步驟6. 2 :對步驟6. 1獲得的圖像進(jìn)行基于hough變換的直線檢測，獲得安全帶候 選直線，最短線段閾值為5,投票累計(jì)數(shù)閾值為10 ;
[0037] 步驟6. 3 :計(jì)算步驟6. 2獲得的安全帶候選直線的兩端點(diǎn)斜率，若直線斜率在 0.75-1. 2之間，則判斷車窗區(qū)域中的駕駛員已系安全帶；否則，判定車窗區(qū)域中的駕駛員 未系安全帶。
[0038] 有益效果
[0039] 本發(fā)明提供了一種基于公路監(jiān)控設(shè)備的轎車安全帶系掛狀態(tài)的檢測方法，步驟1 : 從公路監(jiān)控設(shè)備中獲取監(jiān)控圖像；步驟2 :依據(jù)汽車與背景物特征對監(jiān)控圖像進(jìn)行預(yù)處理 后，采用積分投影定位步驟1獲得的原始監(jiān)控圖像中的車身區(qū)域；所述預(yù)處理依次包括圖 像灰度化、圖像濾波、邊緣檢測及背景噪音去除操作；步驟3 :利用hough變換從車身區(qū)域中 定位車窗區(qū)域；步驟4 :基于圓弧檢測在車窗區(qū)域中定位方向盤位置；步驟5 :依據(jù)方向盤 位置提取安全帶區(qū)域圖像；步驟6 :對安全帶進(jìn)行直線檢測；利用車身、車窗區(qū)域及方向盤 區(qū)域圖像，定位安全帶所在區(qū)域，一步一步縮小檢測范圍，比其他方法更言，降低了對圖片 質(zhì)量的要求，即使圖片質(zhì)量一般，也能實(shí)現(xiàn)準(zhǔn)確檢測；提高了安全帶檢測的準(zhǔn)確率和效率， 能夠代替人眼，進(jìn)行自動(dòng)判別；由于該方法能夠處理大批量圖片，大量的降低了人工勞動(dòng)強(qiáng) 度，提高了安全帶系掛檢測的準(zhǔn)確率和效率。

【專利附圖】

【附圖說明】
[0040] 圖1為本發(fā)明所述方法的流程圖；
[0041] 圖2為監(jiān)控設(shè)備獲得的轎車原始圖像；
[0042] 圖3從原始圖像中提取的車身定位圖像；
[0043] 圖4為車窗提取圖像；
[0044] 圖5為基于hough變換的圓檢測示意圖；
[0045] 圖6對方向盤圓定位示意圖；
[0046] 圖7對安全帶所在區(qū)域示意圖；
[0047] 圖8對圖7進(jìn)行邊緣檢測示意圖；
[0048] 圖9對圖8進(jìn)彳丁 hough變換的直線檢測犾得的直線不意圖；
[0049] 圖10應(yīng)用本發(fā)明所述方法對圖片進(jìn)行安全帶檢測的結(jié)論數(shù)據(jù)圖。

【具體實(shí)施方式】
[0050] 下面結(jié)合附圖和具體實(shí)施例對本發(fā)明作進(jìn)一步詳細(xì)的描述。
[0051] 如圖1所示，一種基于公路監(jiān)控設(shè)備的轎車安全帶系掛狀態(tài)的檢測方法，基于從 公路上拍攝的圖像，包括如下步驟：
[0052] 步驟1 :從公路監(jiān)控設(shè)備中獲取監(jiān)控圖像，如圖2所示；
[0053] 步驟2 :依據(jù)汽車與背景物特征對監(jiān)控圖像進(jìn)行預(yù)處理后，采用積分投影定位步 驟1獲得的原始監(jiān)控圖像中的車身區(qū)域，如圖3所示；
[0054] 所述預(yù)處理依次包括圖像灰度化、圖像濾波、邊緣檢測及背景噪音去除操作；
[0055] 步驟3 :利用hough變換從車身區(qū)域中定位車窗區(qū)域，如圖4所示；
[0056] 步驟4 :基于圓弧檢測在車窗區(qū)域中定位方向盤位置；
[0057] 步驟5 :依據(jù)方向盤位置提取安全帶區(qū)域圖像；
[0058] 步驟6 :對安全帶進(jìn)行直線檢測；
[0059] 利用直線檢測方法，檢測安全帶區(qū)域圖像中安全帶對應(yīng)的直線斜率是否在 0. 75-1. 2之間，若直線斜率在0. 75-1. 2之間，則判斷車窗區(qū)域中的駕駛員已系安全帶；否 貝1J，判定車窗區(qū)域中的駕駛員未系安全帶。
[0060] 所述步驟2包括以下步驟：
[0061] 步驟2. 1 :對監(jiān)控圖像進(jìn)行圖像灰度化操作獲得灰度圖像，并對灰度圖像進(jìn)行直 方圖均衡化操作；
[0062] 步驟2.2 :對步驟2. 1獲得的圖像進(jìn)行中值濾波以及采用閾值為10、形狀為 square的結(jié)構(gòu)算子對灰度圖像進(jìn)行開運(yùn)算和差分運(yùn)算；
[0063] 步驟2. 3 :對步驟2. 2得到的圖像再次進(jìn)行中值濾波操作，然后進(jìn)行基于sobel算 子的邊緣檢測，閾值為0. 1 ;
[0064] 步驟2. 4 :對步驟2. 3得到的圖像用bwareaopen函數(shù)進(jìn)行去噪處理；
[0065] 步驟2. 5 :對步驟2. 4得到的圖像分別進(jìn)行水平和垂直積分投影，將水平、垂直兩 個(gè)方向上的像素投影點(diǎn)的像素累計(jì)值大于〇的點(diǎn)在原始監(jiān)控圖像中分別標(biāo)記出來，標(biāo)記出 的點(diǎn)對應(yīng)的區(qū)域即為汽車車身區(qū)域。
[0066] ①在Y軸方向上，先從左到右遍歷，找到累計(jì)像素點(diǎn)大于0的投影點(diǎn)停止，并將其 作為Y1 ;然后從右往左遍歷，找到累計(jì)像素點(diǎn)大于〇的投影點(diǎn)停止，并將其作為Y2。
[0067] ②在X軸方向上，先從左到右遍歷，找到累計(jì)像素點(diǎn)大于0的投影點(diǎn)停止，并將其 作為XI ;然后從右往左遍歷，找到累計(jì)像素點(diǎn)大于〇的投影點(diǎn)停止，并將其作為X2。
[0068] 所述步驟3利用hough變換從車身區(qū)域中定位車窗區(qū)域的具體步驟如下；
[0069] 步驟3. 1 :將車身區(qū)域圖像進(jìn)行灰度化操作后，再進(jìn)行基于canny算子的邊緣檢 測；
[0070] 步驟3. 2 :步驟3. 1獲得的圖像進(jìn)行基于hough變換的直線檢測，其中，基于hough 變換的直線檢測過程中，最短線段閾值為5,投票累計(jì)數(shù)閾值為7 ;
[0071] 步驟3. 3 :對步驟3. 2得到的水平直線中，計(jì)算所有相鄰水平直線之間的距離，如 存在兩條水平直線間的距離在95到180mm之間，則將這兩條水平直線分別作為車窗的上、 下邊緣線，進(jìn)入步驟3. 4 ;如不存在，則當(dāng)前圖像無法找到車窗區(qū)域，退出當(dāng)前檢測流程，返 回步驟1，處理下一幅圖像；
[0072] 步驟3.4 :由車窗的上、下邊緣線提取汽車車窗區(qū)域圖像。
[0073] 所述步驟4包括以下步驟：
[0074] 步驟4. 1 :對車窗區(qū)域圖像進(jìn)行直方圖均衡化，再采用5x5的中值濾波，濾除圖像 噪音；
[0075] 步驟4. 2 :對步驟4. 1得到的圖像進(jìn)行基于canny算子的邊緣檢測；
[0076] 步驟4. 3 :對步驟4. 2獲得的圖像利用MATLAB的圓弧檢測函數(shù)imfindcircles進(jìn) 行圓弧檢測獲得待選圓形區(qū)域，圓弧半徑R的閾值范圍為[4090]，靈敏度因子為0. 97,如圖 5所示；
[0077] 步驟4. 4 :從待選圓形區(qū)域中選取位于車窗區(qū)域圖像最底端，且車窗區(qū)域圖像3/4 處的圓形區(qū)域作為方向盤圓的所在位置，如圖6所示。
[0078] 所述步驟5包括以下步驟：
[0079] 步驟5. 1 :采用imfindcircles函數(shù)對步驟4獲得圓形區(qū)域找出方向盤圓弧，以圓 弧對應(yīng)的圓心為中心點(diǎn)，圓弧半徑R的閾值范圍為[40,90];
[0080] 步驟5. 2 :以圓心所在水平線作為安全帶所在區(qū)域圖像的底端，向上延伸至圖像 頂端，圖像底端和圖像頂端之間的距離作為安全帶所在區(qū)域的圖像高度；以圓弧對應(yīng)半徑 R的2倍作為安全帶所在區(qū)域的圖像寬度，從車窗區(qū)域圖像中提取安全帶所在區(qū)域圖像，如 圖7所示。
[0081] 找出的方向盤圓的圓心為centre和半徑為radius。以圓心centre為中心點(diǎn)，左 右延伸半徑大小距離，作為安全帶所在區(qū)域圖像，即
[0082] X3 = centre, χ-radius ；
[0083] X4 = centre, x+radius ；
[0084] 向上延伸至圖像頂端，以圓心處位置作為圖像底端作為安全帶所在區(qū)域的左右位 置，即
[0085] Y3 = 1 ；
[0086] Y4 = centre, y ；
[0087] 根據(jù)上下、左右位置提取安全帶所在的區(qū)域圖像坐標(biāo)為（X3?X4, Y3?Y4)。
[0088] 所述步驟6進(jìn)行直線檢測的具體步驟如下：
[0089] 步驟6. 1 :對安全帶所在區(qū)域圖像進(jìn)行基于log算子的邊緣檢測，采用bwareopen 函數(shù)去噪，閾值為20,如圖8所示；
[0090] 步驟6. 2 :對步驟6. 1獲得的圖像進(jìn)行基于hough變換的直線檢測，獲得安全帶候 選直線，最短線段閾值為5,投票累計(jì)數(shù)閾值為10,如圖9所示。
[0091] 步驟6. 3 :計(jì)算步驟6. 2獲得的安全帶候選直線的兩端點(diǎn)斜率，若直線斜率在 0.75-1. 2之間，則判斷車窗區(qū)域中的駕駛員已系安全帶；否則，判定車窗區(qū)域中的駕駛員 未系安全帶。
[0092] 對于已有的大車數(shù)據(jù)庫576張圖像應(yīng)用本發(fā)明所述方法進(jìn)行檢測，將檢測結(jié)果進(jìn) 行txt文本分析和餅圖分析，如圖10示：
[0093] The running time of the program(程序運(yùn)行時(shí)間）：1540s
[0094] The number of small car (測試圖片數(shù)）：576 張
[0095] The number of program error (程序出錯(cuò)圖像）：193 張
[0096] The number of seat belt (有安全帶圖像）：87 張
[0097] The number of no seat belt (沒有安全帶圖像）：296 張
[0098] The program runs correctly rate (程序運(yùn)行正確率）：0· 7
[0099] 將程序出錯(cuò)的圖片濾除后，我們做了個(gè)表格分析，如表1示。結(jié)果顯示在檢測出的 383張圖片中，正確率為0.70。
[0100] 表1檢測正確率
[0101]

【權(quán)利要求】
1. 一種基于公路監(jiān)控設(shè)備的轎車安全帶系掛狀態(tài)的檢測方法，其特征在于，包括以下 幾個(gè)步驟： 步驟1 :從公路監(jiān)控設(shè)備中獲取監(jiān)控圖像； 步驟2 :依據(jù)汽車與背景物特征對監(jiān)控圖像進(jìn)行預(yù)處理后，采用積分投影定位步驟1獲 得的原始監(jiān)控圖像中的車身區(qū)域； 所述預(yù)處理依次包括圖像灰度化、圖像濾波、邊緣檢測及背景噪音去除操作； 步驟3 :利用hough變換從車身區(qū)域中定位車窗區(qū)域； 步驟4 :基于圓弧檢測在車窗區(qū)域中定位方向盤位置； 步驟5 :依據(jù)方向盤位置提取安全帶區(qū)域圖像； 步驟6 :對安全帶進(jìn)行直線檢測； 利用直線檢測方法，檢測安全帶區(qū)域圖像中安全帶對應(yīng)的直線斜率是否在〇. 75-1. 2 之間，若直線斜率在〇. 75-1. 2之間，則判斷車窗區(qū)域中的駕駛員已系安全帶；否則，判定車 窗區(qū)域中的駕駛員未系安全帶。
2. 根據(jù)權(quán)利要求1所述的基于公路監(jiān)控設(shè)備的轎車安全帶系掛狀態(tài)的檢測方法，其特 征在于，所述步驟2包括以下步驟： 步驟2. 1 :對監(jiān)控圖像進(jìn)行圖像灰度化操作獲得灰度圖像，并對灰度圖像進(jìn)行直方圖 均衡化操作； 步驟2. 2 :對步驟2. 1獲得的圖像進(jìn)行中值濾波以及采用閾值為10、形狀為square的 結(jié)構(gòu)算子對灰度圖像進(jìn)行開運(yùn)算和差分運(yùn)算； 步驟2. 3 :對步驟2. 2得到的圖像再次進(jìn)行中值濾波操作，然后進(jìn)行基于sobel算子的 邊緣檢測，閾值為0. 1 ; 步驟2. 4 :對步驟2. 3得到的圖像用bwareaopen函數(shù)進(jìn)行去噪處理； 步驟2. 5 :對步驟2. 4得到的圖像分別進(jìn)行水平和垂直積分投影，將水平、垂直兩個(gè)方 向上的像素投影點(diǎn)的像素累計(jì)值大于〇的點(diǎn)在原始監(jiān)控圖像中分別標(biāo)記出來，標(biāo)記出的點(diǎn) 對應(yīng)的區(qū)域即為汽車車身區(qū)域。
3. 根據(jù)權(quán)利要求2所述的基于公路監(jiān)控設(shè)備的轎車安全帶系掛狀態(tài)的檢測方法，其特 征在于，所述步驟3利用hough變換從車身區(qū)域中定位車窗區(qū)域的具體步驟如下； 步驟3. 1 :將車身區(qū)域圖像進(jìn)行灰度化操作后，再進(jìn)行基于canny算子的邊緣檢測； 步驟3. 2 :步驟3. 1獲得的圖像進(jìn)行基于hough變換的直線檢測，其中，基于hough變 換的直線檢測過程中，最短線段閾值為5,投票累計(jì)數(shù)閾值為7 ; 步驟3. 3 :對步驟3. 2得到的水平直線中，計(jì)算所有相鄰水平直線之間的距離，如存在 兩條水平直線間的距離在95到180mm之間，則將這兩條水平直線分別作為車窗的上、下邊 緣線，進(jìn)入步驟3. 4;如不存在，則當(dāng)前圖像無法找到車窗區(qū)域，退出當(dāng)前檢測流程，返回步 驟1，處理下一幅圖像； 步驟3. 4 :由車窗的上、下邊緣線提取汽車車窗區(qū)域圖像。
4. 根據(jù)權(quán)利要求3所述的基于公路監(jiān)控設(shè)備的轎車安全帶系掛狀態(tài)的檢測方法，其特 征在于，所述步驟4包括以下步驟： 步驟4. 1 :對車窗區(qū)域圖像進(jìn)行直方圖均衡化，再采用5x5的中值濾波，濾除圖像噪 音； 步驟4. 2 :對步驟4. 1得到的圖像進(jìn)行基于canny算子的邊緣檢測； 步驟4. 3 :對步驟4. 2獲得的圖像利用MATLAB的圓弧檢測函數(shù)imfindcircles進(jìn)行圓 弧檢測獲得待選圓形區(qū)域，圓弧半徑R的閾值范圍為[40,90]; 步驟4. 4 :從待選圓形區(qū)域中選取位于車窗區(qū)域圖像最底端，且車窗區(qū)域圖像3/4處的 圓形區(qū)域作為方向盤圓的所在位置。
5. 根據(jù)權(quán)利要求4所述的基于公路監(jiān)控設(shè)備的轎車安全帶系掛狀態(tài)的檢測方法，其特 征在于，所述步驟5包括以下步驟： 步驟5. 1 :采用imfindcircles函數(shù)對步驟4獲得圓形區(qū)域找出方向盤圓弧，以圓弧對 應(yīng)的圓心為中心點(diǎn)，圓弧對應(yīng)的半徑R的閾值范圍為[40,90]; 步驟5. 2 :以圓心所在水平線作為安全帶所在區(qū)域圖像的底端，向上延伸至圖像頂端， 圖像底端和圖像頂端之間的距離作為安全帶所在區(qū)域的圖像高度；以圓弧對應(yīng)半徑R的2 倍作為安全帶所在區(qū)域的圖像寬度，從車窗區(qū)域圖像中提取安全帶所在區(qū)域圖像。
6. 根據(jù)權(quán)利要求1-5任一項(xiàng)所述的基于公路監(jiān)控設(shè)備的轎車安全帶系掛狀態(tài)的檢測 方法，其特征在于，所述步驟6進(jìn)行直線檢測的具體步驟如下： 步驟6. 1 :對安全帶所在區(qū)域圖像進(jìn)行基于log算子的邊緣檢測，采用bwareopen函數(shù) 去噪，閾值為20 ; 步驟6. 2 :對步驟6. 1獲得的圖像進(jìn)行基于hough變換的直線檢測，獲得安全帶候選直 線，最短線段閾值為5,投票累計(jì)數(shù)閾值為10 ; 步驟6. 3 :計(jì)算步驟6. 2獲得的安全帶候選直線的兩端點(diǎn)斜率，若直線斜率在0. 75-1. 2 之間，則判斷車窗區(qū)域中的駕駛員已系安全帶；否則，判定車窗區(qū)域中的駕駛員未系安全 帶。
【文檔編號】G06T7/00GK104123557SQ201410299725
【公開日】2014年10月29日 申請日期:2014年6月29日 優(yōu)先權(quán)日:2014年6月29日
【發(fā)明者】施榮華, 周劍, 趙穎, 周芳芳, 李尹 申請人:中南大學(xué)