本發(fā)明屬于技術(shù)領(lǐng)域大領(lǐng)域，具體涉及專利名稱。本發(fā)明涉及動(dòng)態(tài)圖像的分析處理領(lǐng)域，尤其涉及的是一種基于視頻分析的未系安全帶行為檢測(cè)方法。

背景技術(shù)：

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)要素：

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供了一種基于視頻分析的未系安全帶行為檢測(cè)方法。

本發(fā)明是通過(guò)以下技術(shù)方案實(shí)現(xiàn)的：一種基于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，提取三個(gè)或四個(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)+(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，判定是否系安全帶行為。

作為上述方案的進(jìn)一步優(yōu)化，更新系數(shù)α1＝0.2、α2＝0.05時(shí)，Bk+1(i)＝Bk(i)+(α1×Mk(i)+α2×(1-Mk(i)))(Ck(i)-Bk(i))為最優(yōu)模型，背景估計(jì)效果最好。

本發(fā)明相比現(xiàn)有技術(shù)具有以下優(yōu)點(diǎn)：本發(fā)明的一種基于視頻分析的未系安全帶行為檢測(cè)方法，該方法融合視頻圖像智能分析和快速檢索技術(shù)，將圖像與事件描述之間建立一種映射關(guān)系，使計(jì)算機(jī)從紛繁的視頻圖像中快速分辯、識(shí)別出關(guān)鍵目標(biāo)物體及其運(yùn)動(dòng)趨勢(shì)等。識(shí)別精度高、識(shí)別結(jié)果清晰可辨、識(shí)別智能化程度和效率大幅度提高，并為交通違章執(zhí)法提供強(qiáng)有力的技術(shù)支撐。

附圖說(shuō)明

本發(fā)明可以通過(guò)附圖給出的非限定性實(shí)施例進(jìn)一步說(shuō)明；

圖1是本發(fā)明的一種基于視頻分析的未系安全帶行為檢測(cè)系統(tǒng)的結(jié)構(gòu)框體。

圖2為本發(fā)明的一種基于視頻分析的未系安全帶行為檢測(cè)系統(tǒng)的視頻處理單元的通信連接結(jié)構(gòu)示意圖。

圖3為本發(fā)明的一種基于視頻分析的未系安全帶行為檢測(cè)方法的流程圖。

圖4為規(guī)范佩戴安全帶的投影結(jié)果圖。

圖5為不規(guī)范佩戴安全帶的投影結(jié)果。

具體實(shí)施方式

為了使本領(lǐng)域的技術(shù)人員可以更好地理解本發(fā)明，下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明技術(shù)方案進(jìn)一步說(shuō)明。

如圖1所述，本發(fā)明的發(fā)明名稱，權(quán)利1，(要標(biāo)號(hào)，不要括號(hào))并解釋其設(shè)計(jì)目的

優(yōu)選，并解釋——更詳細(xì)[0035]下面對(duì)本發(fā)明的實(shí)施例作詳細(xì)說(shuō)明，本實(shí)施例在以本發(fā)明技術(shù)方案為前提下進(jìn)行實(shí)施，給出了詳細(xì)的實(shí)施方式和具體的操作過(guò)程，但本發(fā)明的保護(hù)范圍不限于下述的實(shí)施例。

參見圖1和圖2，一種基于視頻分析的未系安全帶行為檢測(cè)系統(tǒng)，包括視頻處理單元和信號(hào)傳輸控制單元。視頻處理單元包括車載視頻捕獲單元、車載DSP行為分析單元和車載控制單元。車載視頻捕獲單元為置于車內(nèi)前端的車載攝像機(jī)，且車載攝像機(jī)與車載DSP行為分析單元信號(hào)連接。車載攝像機(jī)內(nèi)置MV-1394視頻采集卡。

車載DSP行為分析單元設(shè)有ADC數(shù)模轉(zhuǎn)換接口，且車載攝像機(jī)與車載DSP行為分析單元的ADC數(shù)模轉(zhuǎn)換接口信號(hào)連接。車載DSP行為分析單元由MS320C6713芯片及其外圍電路組成。MS320C6713芯片設(shè)有ADC數(shù)模轉(zhuǎn)換接口，車載攝像機(jī)與MS320C6713芯片上的ADC數(shù)模轉(zhuǎn)換接口通信連接。

車載控制單元與車載DSP行為分析單元通過(guò)串口通信端口連接。車載控制單元由MC9S12G48芯片及其外圍電路組成。MS320C6713芯片內(nèi)置圖像分析軟件，獲取MV-1394視頻采集卡的動(dòng)態(tài)視頻信息和MC9S12G48芯片中的車載控制信息，分析計(jì)算推導(dǎo)是否系安全帶。

信號(hào)傳輸控制單元包括車載GPD導(dǎo)航儀、車載報(bào)警傳輸單元和車載報(bào)警器。車載GPD導(dǎo)航儀與車載報(bào)警傳輸單元串行通信連接，車載DSP行為分析單元通過(guò)車載報(bào)警傳輸單元與車載報(bào)警器信號(hào)連接。該一種基于視頻分析的未系安全帶行為檢測(cè)系統(tǒng)通過(guò)無(wú)線與遠(yuǎn)程監(jiān)控平臺(tái)通信。

本發(fā)明的一種基于視頻分析的未系安全帶行為檢測(cè)系統(tǒng)，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)后觸發(fā)車載視頻單元捕獲信息，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)。

一種基于視頻分析的未系安全帶行為檢測(cè)方法，參見圖3，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

車載控制單元實(shí)時(shí)檢測(cè)車輛運(yùn)動(dòng)情況，當(dāng)發(fā)現(xiàn)車輛運(yùn)動(dòng)，則觸發(fā)車載視頻單元捕獲運(yùn)動(dòng)圖像信息，并獲取車載攝像機(jī)抓捕的實(shí)時(shí)監(jiān)控視屏圖像，進(jìn)入步驟(2)。

(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，提取三個(gè)或四個(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。

幀間差分法對(duì)于動(dòng)態(tài)環(huán)境具有較強(qiáng)的自適應(yīng)性，處理速度快，具有實(shí)時(shí)性。而且該方法對(duì)同色的物體不敏感,故能很好的解決陰影問(wèn)題。

(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，采用Karmann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。

根據(jù)當(dāng)前的圖像值是背景還是前景取不同的更新系數(shù)：α1、α2。當(dāng)前的圖像值屬于背景時(shí)，用α1更新，當(dāng)前的圖像值屬于前景時(shí)，用α2更新。若同時(shí)考慮α1、α2隨時(shí)間變化，得到更新系數(shù)α1(t)、α2(t)。若考慮在不同的圖像區(qū)域取不同的參數(shù)，得到更新系數(shù)α1(t,x,y)、α2(t,x,y)，其中t為時(shí)間坐標(biāo)，x、y是像素在圖像中的坐標(biāo)。一般情況下，固定α1、α2的取值，取α1＝0.2、α2＝0.05就可以取得較好的效果。圖像平均模型簡(jiǎn)單易行，計(jì)算量小，背景估計(jì)效果好。

(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。

水平投影積分算法是把圖像的有效像素往水平方向做投影運(yùn)算，當(dāng)檢測(cè)到符合佩戴安全帶特征時(shí)，開始檢測(cè)區(qū)域特征點(diǎn)定位，通過(guò)灰度積分投影模型算法解算出特征點(diǎn)的坐標(biāo)并解析為是否佩戴的結(jié)果。同理，垂直投影積分算法是對(duì)垂直方向上的積分投影分布特征來(lái)對(duì)其進(jìn)行檢測(cè)，當(dāng)圖像垂直方向有效像素灰度均值發(fā)生變化時(shí)，這種變化會(huì)在垂直積分投影值上反映出來(lái)。

由水平積分投影和垂直積分投影公式可知，水平投影就是將一行所有的像素點(diǎn)的灰度值進(jìn)行累加后再得出，垂直積分投影就是將垂直方向的像素點(diǎn)灰度值累加后再顯示。根據(jù)水平和垂直灰度積分投影曲線，可以是否規(guī)范佩戴安全帶。規(guī)范佩戴安全帶的投影結(jié)果，參見附圖4。不規(guī)范佩戴安全帶的投影結(jié)果，參見附圖5。

本發(fā)明的一種基于視頻分析的未系安全帶行為檢測(cè)方法，通過(guò)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?，檢測(cè)精度高、檢測(cè)速度快。

以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。