CN104182960B - 一种驾驶员佩戴安全带检测方法及装置 - Google Patents

Abstract

本发明公开了一种驾驶员佩戴安全带检测方法及装置，包括：获取包含驾驶员图像的待检测图像；并对该待检测图像进行边缘检测，得到边缘检测图像；并基于该边缘检测图像中像素点的像素值，确定该边缘检测图像中的各连通域；以及基于各连通域的两个顶点的斜率，以及每两个连通域之间像素点的最短距离，根据各连通域中是否存在满足预设条件的两个连通域，确定该待检测图像中的驾驶员是否佩戴了安全带，该预设条件为预先按照安全带的宽度和佩戴角度设置的。采用本发明实施例提供的方案，实现了对驾驶员是否佩戴安全带的非人工自动检测，提高了对驾驶员是否佩戴安全带进行检测的效率。

Description

一种驾驶员佩戴安全带检测方法及装置

技术领域

本发明涉及图像处理技术领域，尤其涉及一种驾驶员佩戴安全带检测方法及装置。

背景技术

智能交通系统已经成为城市交通管理的重要组成部分，卡口系统属于智能交通系统的一个重要组成部分。通过卡口系统，可以实现对车辆是否按照规则行驶的检测，例如，车辆是否超速，车辆是否闯红灯等。

然而，目前针对车辆行驶过程中，驾驶员是否佩戴安全带的检测，仅能通过人工目测进行检测，还无法实现非人工的自动检测，即存在对驾驶员是否佩戴安全带进行检测的效率低的问题。

发明内容

本发明实施例提供一种驾驶员佩戴安全带检测方法及装置，用以解决现有技术中存在的无法实现对驾驶员是否佩戴安全带进行检测的效率低的问题。

本发明实施例提供一种驾驶员佩戴安全带检测方法，包括：

获取包含驾驶员图像的待检测图像；

对所述待检测图像进行边缘检测，得到边缘检测图像；

基于所述边缘检测图像中像素点的像素值，确定所述边缘检测图像中的各连通域；

基于所述各连通域的两个顶点的斜率，以及每两个连通域之间像素点的最短距离，根据所述各连通域中是否存在满足预设条件的两个连通域，确定所述待检测图像中的驾驶员是否佩戴了安全带，所述预设条件为预先按照安全带的宽度和佩戴角度设置的。

本发明实施例还提供一种驾驶员佩戴安全带检测装置，包括：

图像获取单元，用于获取包含驾驶员图像的待检测图像；

边缘检测单元，用于对所述待检测图像进行边缘检测，得到边缘检测图像；

第一确定单元，用于基于所述边缘检测图像中像素点的像素值，确定所述边缘检测图像中的各连通域；

第二确定单元，用于基于所述各连通域的两个顶点的斜率，以及每两个连通域之间像素点的最短距离，根据所述各连通域中是否存在满足预设条件的两个连通域，确定所述待检测图像中的驾驶员是否佩戴了安全带，所述预设条件为预先按照安全带的宽度和佩戴角度设置的。

本发明有益效果包括：

本发明实施例提供的方法中，在检测驾驶员是否佩戴安全带时，首先获取包含驾驶员图像的待检测图像，对该待检测图像进行边缘检测，得到边缘检测图像，基于该边缘检测图像中像素点的像素值，确定该边缘检测图像中的各连通域，通过上述边缘检测和边缘检测图像中连通域的确定，可以确定出该待检测图像中存在的边缘图像信息，即边缘检测图像中的连通域，然后通过预先按照安全带的宽度和佩戴角度设置的预设条件，基于各连通域的两个顶点的斜率，以及每两个连通域之间像素点的最短距离，根据各连通域中是否存在满足预设条件的两个连通域，确定待检测图像中的驾驶员是否佩戴了安全带，从而实现了对驾驶员是否佩戴安全带的非人工自动检测，提高了对驾驶员是否佩戴安全带进行检测的效率。

本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例提供的驾驶员佩戴安全带检测方法的流程图；

图2为本发明实施例1中提出的第一种对包含驾驶员图像的待检测图像进行边缘检测的流程图；

图3为本发明实施例2中提出的第二种对包含驾驶员图像的待检测图像进行边缘检测的流程图；

图4为本发明实施例2中提出的第二种对包含驾驶员图像的待检测图像进行边缘检测的过程中进行非极大值抑制处理时预先划分的4个方向范围的示意图；

图5为本发明实施例2中提出的第二种对包含驾驶员图像的待检测图像进行边缘检测的过程中进行非极大值抑制处理时预先划分的4个方向范围与像素点的对应关系示意图；

图6为本发明实施例3中提出的第三种对包含驾驶员图像的待检测图像进行边缘检测的流程图；

图7为本发明实施例4中提出的根据边缘检测图像中的各连通域，确定该待检测图像中的驾驶员是否佩戴了安全带的流程图；

图8为本发明实施例5中提供的驾驶员佩戴安全带检测装置的结构示意图。

具体实施方式

为了给出提高对驾驶员是否佩戴安全带进行检测的效率的实现方案，本发明实施例提供了一种驾驶员佩戴安全带检测方法及装置，以下结合说明书附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。并且在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

本发明实施例提供一种驾驶员佩戴安全带检测方法，如图1所示，包括：

步骤101、获取包含驾驶员图像的待检测图像。

步骤102、对该待检测图像进行边缘检测，得到边缘检测图像。

步骤103、基于该边缘检测图像中像素点的像素值，确定该边缘检测图像中的各连通域。

步骤104、基于各连通域的两个顶点的斜率，以及每两个连通域之间像素点的最短距离，根据各连通域中是否存在满足预设条件的两个连通域，确定该待检测图像中的驾驶员是否佩戴了安全带，该预设条件为预先按照安全带的宽度和佩戴角度设置的。

本发明实施例提供的上述方法中，可以应用于智能交通系统中的卡口系统，上述步骤101中获取包含驾驶员图像的待检测图像，可以通过卡口系统采集路面行驶车辆的图像，较佳的，可以采集路面行驶车辆的正面图像，从而采集得到的图像中包含驾驶员的正面图像，然后可以直接将采集的该图像作为待检测图像，进一步的，也可以从采集的该图像中识别出车窗或车头位置，然后基于车窗或车头位置，从采集的该图像中划分出一块包含驾驶员图像的局部图像，作为待检测图像。其中，如何从采集的该图像中识别出车窗或车头位置，可以采用现有技术中的各种方式，在此不再进行详细描述。

本发明实施例提供的上述方法中所使用的像素点的像素值，可以为像素点的亮度值。

本发明实施例提供的上述方法中，上述步骤102中对该待检测图像进行边缘检测的边缘检测方式，可以采用各种已知的边缘检测方式，也可以将两种边缘检测方式结合使用，具体如下：

分别采用第一边缘检测方式和第二边缘检测方式对所述待检测图像进行边缘检测，得到第一边缘检测图像和第二边缘检测图像；

当第一边缘检测图像与第二边缘检测图像中相同位置像素点的像素值均非最小像素值时，确定得到的边缘检测图像的该相同位置像素点的像素值为最大像素值，否则，确定得到的边缘检测图像的该相同位置像素点的像素值为最小像素值。

将两种边缘检测方式结合使用，可以减少得到的边缘检测图像中存在的噪声点，使得边缘检测的结果更准确，从而使得后续基于边缘检测图像对驾驶员是否佩戴安全带的检测更准确。

下面结合附图，用具体实施例对本发明提供的方法及装置进行详细描述。

实施例1：

图2为本发明实施例1中提出的第一种对包含驾驶员图像的待检测图像进行边缘检测的流程图，具体包括如下处理步骤：

步骤201、使用sobel算子计算该待检测图像中各像素点的x轴方向幅值和y轴方向幅值。

sobelx为x轴sobel算子，取值可以为具体可以采用如下公式计算像素点(x,y)的x轴方向幅值：

G_x(x,y)＝f(x-1,y-1)+2*f(x-1,y)+f(x-1,y+1)；

-f(x+1,y-1)-2*f(x+1,y)-f(x+1,y+1)

其中，G_x(x,y)为像素点(x,y)的x轴方向幅值，f(x,y)为待检测图像中像素点(x,y)的像素值，“*”为卷积。

sobely为y轴sobel算子，取值可以为具体可以采用如下公式计算像素点(x,y)的y轴方向幅值：

G_y(x,y)＝f(x-1,y-1)+2*f(x,y-1)+f(x+1,y-1)；

-f(x-1,y+1)-2*f(x,y+1)-f(x+1,y+1)

其中，G_y(x,y)为像素点(x,y)的y轴方向幅值，f(x,y)为待检测图像中像素点(x,y)的像素值，“*”为卷积。

步骤202、根据该待检测图像的各像素点的x轴方向幅度值和y轴方向幅度值，确定各像素点的梯度幅值和梯度方向。

具体可以采用如下公式计算像素点(x,y)的梯度幅值：

grad(x,y)＝max(G_x(x,y),G_y(x,y))；或者

其中，grad(x,y)为像素点(x,y)的梯度幅值。

具体可以采用如下公式计算像素点(x,y)的梯度方向：

dir(x,y)＝arctan(G_y(x,y)/G_x(x,y))；

其中，dir(x,y)为像素点(x,y)的梯度方向。

步骤203、将该待检测图像的各像素点中梯度方向不满足预设方向条件的像素点的梯度幅值调整为最小像素值，其中，该预设方向条件为预先按照安全带的佩戴角度设置的。

例如，目前安全带的佩戴角度45度，所以，该预设方向条件可以为相熟点的梯度方向减去π/4的差值的绝对值小于预设角度阈值，则本步骤对该待检测图像的各像素点的梯度幅值的调整公式如下：

其中，L_min为最小像素值，基于目前通用的像素值取值范围，L_min可以等于0，T_a为预设角度阈值，可以根据实际需要进行灵活设置。

本发明实施例1中，可以将该待检测图像的各像素点的当前梯度幅值作为边缘检测图像的各位置对应的像素点的像素值，得到边缘检测图像。

较佳的，还可以通过图像二值化处理，得到二值化的边缘检测图像，从而方便后续确定边缘检测图像中的各连通域，且能够进一步过滤图像中的噪声点，减少得到的二值化的边缘检测图像中的噪声点的数量，具体详见下述的步骤204。

步骤204、将该待检测图像的各像素点中当前梯度幅值小于预设像素阈值的像素点的像素值调整为最小像素值，以及将该待检测图像的各像素点中当前梯度幅值不小于该预设像素阈值的像素点的像素值调整为最大像素值，得到边缘检测图像，即将该待检测图像的各像素点的调整后像素值作为边缘检测图像的各位置对应的像素点的像素值，得到边缘检测图像。

其中，基于目前通用的像素值取值范围，最大像素值可以等于255，该预设像素阈值可以根据实际需要进行灵活设置，当需要将当前梯度幅值非最小像素值（0）的像素点的像素值均调整为最大像素值（255）时，该预设像素阈值可以为最小像素值加1的和值。

实施例2：

图3为本发明实施例2中提出的第二种对包含驾驶员图像的待检测图像进行边缘检测的流程图，具体包括如下处理步骤：

步骤301、使用高斯滤波器对该待检测图像进行平滑处理，得到平滑后图像，具体可以采用如下公式进行平滑处理：

g(x,y)＝h(x,y,σ)*f(x,y)；

其中，f(x,y)为该待检测图像，g(x,y)为平滑后图像，“*”为卷积，σ为高斯空间系数，σ取值较小时边缘定位精度高，对噪声敏感，取值较大时边缘位置偏移严重，对噪声不敏感，且计算量大。

步骤302、使用一阶偏导有限差分方式计算平滑后图像中各像素点的x轴方向幅值和y轴方向幅值。

本步骤中，可以用2×2的一阶有限差分近似公式来计算x与y偏导数，作为像素点的x轴方向幅值和y轴方向幅值，具体可以采用如下公式计算像素点(x,y)的x轴方向幅值：

G_x(x,y)＝g^′ _x(x,y)≈[g(x+1,y)-g(x,y)+g(x+1,y+1)-g(x,y+1)]/2；

其中，G_x(x,y)为像素点(x,y)的x轴方向幅值，g(x,y)为平滑后图像中像素点(x,y)的像素值。

具体可以采用如下公式计算像素点(x,y)的y轴方向幅值：

G_y(x,y)＝g^′ _y(x,y)≈[g(x,y+1)-g(x,y)+g(x+1,y+1)-g(x+1,y)]/2；

其中，G_y(x,y)为像素点(x,y)的y轴方向幅值，g(x,y)为平滑后图像中像素点(x,y)的像素值。

步骤303、根据该平滑后图像的各像素点的x轴方向幅度值和y轴方向幅度值，确定各像素点的梯度幅值和梯度方向。

具体可以采用如下公式计算像素点(x,y)的梯度幅值：

grad(x,y)＝max(G_x(x,y),G_y(x,y))；或者

其中，grad(x,y)为像素点(x,y)的梯度幅值。

具体可以采用如下公式计算像素点(x,y)的梯度方向：

dir(x,y)＝arctan(G_y(x,y)/G_x(x,y))；

其中，dir(x,y)为像素点(x,y)的梯度方向。

步骤304、根据该平滑后图像的各像素点的梯度幅值和梯度方向，对各像素点的梯度幅值进行非极大值抑制处理，得到各像素点的处理后梯度幅值。

本步骤中，预先将0-2π的方向通过4条直线划分成4个方向范围，如图4所示，包括方向范围1、方向范围2、方向范围3和方向范围4，其中：

方向范围1包括角度区间[0-(1/8)π]、[(7/8)π-(9/8)π]和[(15/8)π-2π]对应的方向范围；

方向范围2包括角度区间[(1/8)π-(3/8)π]和[(9/8)π-(11/8)π]对应的方向范围；

方向范围3包括角度区间[(3/8)π-(5/8)π]和[(11/8)π-(13/8)π]对应的方向范围；

方向范围4包括角度区间[(5/8)π-(7/8)π]和[(13/8)π-(15/8)π]对应的方向范围。

并且，如图5所示，在以像素点(x,y)为中心点的3×3的窗口中与像素点(x,y)相邻的8个像素点中，预先设置左和右两个像素点与方向范围1对应，左下和右上两个像素点与方向范围2对应，上和下两个像素点与方向范围3对应，左上和右下两个像素点与方向范围4对应。

对像素点(x,y)的梯度幅值进行非极大值抑制处理，具体可以为：

确定像素点(x,y)的梯度方向所位于的方向范围，并确定以像素点(x,y)为中心点的3×3的窗口中与像素点(x,y)相邻的8个像素点中，与所位于的方向范围对应的两个像素点，并分别比较这两个像素点的梯度幅值与像素点(x,y)的梯度幅值的大小，如果像素点(x,y)的梯度幅值不均大于这两个像素点的梯度幅值，则确定对像素点(x,y)的梯度幅值进行非极大值抑制处理得到的处理后梯度幅值为最小像素值，否则，保持像素点(x,y)的梯度幅值不变。

其中，基于目前通用的像素值取值范围，最小像素值可以等于0。

步骤305、基于该平滑后图像的各像素点的处理后梯度幅值，使用双阈值算法对各像素点进行边缘连接处理，得到边缘检测图像。

本步骤中，选取两个不同的梯度阈值，第一梯度阈值和第二梯度阈值，且第一梯度阈值小于第二梯度阈值，进一步的，第二梯度阈值可以是第一梯度阈值的2倍，然后分别基于第一梯度阈值和第二梯度阈值对各像素点的当前梯度幅值（此时为执行上述步骤304之后得到的处理后梯度幅值）进行调整，对应得到各像素点的第一调整梯度幅值和第二调整梯度幅值。

其中，基于第一梯度阈值对各像素点的当前梯度幅值进行调整，得到各像素点的第一调整梯度幅值，具体可以如下：

针对像素点(x,y)，当像素点(x,y)的当前梯度幅值小于第一梯度阈值时，确定像素点(x,y)的第一调整梯度幅值为最小像素值，否则，确定像素点(x,y)的第一调整梯度幅值为最大像素值。基于目前通用的像素值取值范围，最大像素值可以等于255。

其中，基于第二梯度阈值对各像素点的当前梯度幅值进行调整，得到各像素点的第二调整梯度幅值，具体可以如下：

针对像素点(x,y)，当像素点(x,y)的当前梯度幅值小于第二梯度阈值时，确定像素点(x,y)的第二调整梯度幅值为最小像素值，否则，确定像素点(x,y)的第二调整梯度幅值为最大像素值。

将各像素点的第一调整梯度幅值作为各像素点的像素值，可以得到第一调整图像，将各像素点的第二调整梯度幅值作为各像素点的像素值，可以得到第二调整图像，其中，由于第一梯度阈值较小，所以第一调整图像保留了较多原信息，第二梯度阈值较高，第二调整图像中噪声较小，但造成了边缘信息的损失。

本步骤中，以第二调整图像为基础，以第一调整图像为补充进行边缘连接，得到边缘检测图像，具体可以采用如下方式：

依次扫描第二调整图像中的每个像素点，针对像素值非最小像素值且不属于已确定轮廓线的像素点P，进行以该像素点P为起始点的轮廓线跟踪处理流程，具体可以包括如下步骤：

步骤A、跟踪以该像素点P为起始点的轮廓线，直到确定出该轮廓线的终止点Q，终止点Q满足其相邻的8个像素点中，除属于已确定的轮廓线的像素点之外的其它像素点的像素值均为最小像素值。

步骤B、判断在第一调整图像中与终止点Q位置相同的像素点Q`的8个相邻像素点中，与除第二调整图像中属于已确定的轮廓线的像素点之外的其它像素点位置相同的像素点中，是否存在像素值为最大像素值的像素点R`，如果不存在像素点R`，进入步骤C，如果存在像素点R`，进入步骤D。

步骤C、结束以像素点P为起始点的轮廓线跟踪的处理流程，进入对下一个像素值非最小像素值且不属于已确定轮廓线的像素点的轮廓线跟踪处理。

步骤D、继续以像素点P为起始点的轮廓线跟踪的处理流程，具体为将第二调整图像中与像素点R`位置相同的像素点R的像素值变更为最大像素值，并继续以像素点R为起始进行轮廓线的跟踪，直到确定出该轮廓线的终止点，则进入上述步骤B。

当依次针对第二调整图像中每个像素值非最小像素值且不属于已确定轮廓线的像素点，均完成上述轮廓线跟踪处理流程之后，也即完成了以第二调整图像为基础，以第一调整图像为补充进行边缘连接的处理流程，所得到的处理后的第二调整图像作为边缘检测图像。

实施例3：

本发明实施例3中，提出第三种对包含驾驶员图像的待检测图像进行边缘检测的处理流程，在该处理流程中，将两种边缘检测方式结合使用，如图6所示，具体包括如下处理步骤：

步骤601、采用第一边缘检测方式对该待检测图像进行边缘检测，得到第一边缘检测图像。

本步骤中所采用的第一边缘检测方式，可以为上述图2所示流程中采用的边缘检测方式，所得到的第一边缘检测图像为上述图2所示流程中得到的边缘检测图像。

由于后续步骤603中将基于本步骤中得到的第一边缘检测图像和后续步骤602中得到的第二边缘检测图像，得到二值化的边缘检测图像，所以，本步骤中所得到的第一边缘检测图像可以是非二值化的图像。

例如，可以将上述图2所示流程中在完成步骤203之后得到的边缘检测图像，作为第一边缘检测图像。

也可以在上述图2所示流程的步骤204中，仅将该待检测图像的各像素点中当前梯度幅值小于预设像素阈值的像素点的像素值调整为最小像素值，而对于该待检测图像的各像素点中当前梯度幅值不小于该预设像素阈值的像素点的像素值保持不变，得到第一边缘检测图像。

步骤602、采用第二边缘检测方式对该待检测图像进行边缘检测，得到第二边缘检测图像。

本步骤中所采用的第二边缘检测方式，可以为上述图3所示流程中采用的边缘检测方式，所得到的第二边缘检测图像为上述图3所示流程中得到的边缘检测图像。

由于后续步骤603中将基于上述步骤601中得到的第一边缘检测图像和本步骤中得到的第二边缘检测图像，得到二值化的边缘检测图像，所以，本步骤中所得到的第二边缘检测图像可以是非二值化的图像。

例如，在上述图3所示流程中的步骤305中，基于第一梯度阈值对各像素点的当前梯度幅值进行调整，得到各像素点的第一调整梯度幅值时，可以针对像素点(x,y)，当像素点(x,y)的当前梯度幅值小于第一梯度阈值时，确定像素点(x,y)的第一调整梯度幅值为最小像素值，否则，保持像素点(x,y)的梯度幅值不变，即像素点(x,y)的第一调整梯度幅值为当前梯度幅值不变。

相应的，基于第二梯度阈值对各像素点的当前梯度幅值进行调整，得到各像素点的第二调整梯度幅值时，可以针对像素点(x,y)，当像素点(x,y)的当前梯度幅值小于第二梯度阈值时，确定像素点(x,y)的第二调整梯度幅值为最小像素值，否则，保持像素点(x,y)的梯度幅值不变，即像素点(x,y)的第二调整梯度幅值为当前梯度幅值不变。

上述步骤601和步骤602之间没有严格的先后顺序。

步骤603、当第一边缘检测图像与第二边缘检测图像中相同位置像素点的像素值均非最小像素值时，确定得到的边缘检测图像的该相同位置像素点的像素值为最大像素值，否则，确定得到的边缘检测图像的该相同位置像素点的像素值为最小像素值。

本步骤中，当第一边缘检测图像和第二边缘检测图像均为二值图像时，本步骤相当于对第一边缘检测图像和第二边缘检测图像中相同位置像素点的像素值进行与操作，结果作为最终得到的边缘检测图像的该相同位置像素点的像素值。

本发明实施例1-3中，对包含驾驶员图像的待检测图像进行边缘检测，得到边缘检测图像，该边缘检测图像中，包含了该待检测图像中的边缘信息，再得到边缘检测图像之后，可以通过上述图1所示流程中的步骤103，基于该边缘检测图像中像素点的像素值，确定该边缘检测图像中的各连通域，该连通域即表征了该待检测图像中的边缘图像信息。例如，当该待检测图像中驾驶员佩戴了安全带时，则包含了安全带的边缘信息。

本发明实施例中，对于上述步骤103中基于该边缘检测图像中像素点的像素值，确定该边缘检测图像中的各连通域，具体可以采用如下方式执行：

按照从右向左和从上向下的顺序，依次针对该边缘检测图像中不属于已知连通域中的像素点作为起始像素点，沿该起始像素点的左、左下和下三个方向进行像素点连通检测，得到该边缘检测图像中的各连通域。

按照从右向左和从上向下的顺序，即是从最右上方的像素点开始，当前像素点不是一行像素点中最左侧的像素点时，下一个像素点则为当前像素点的左侧相邻的像素点，当前像素点是一行像素点中最左侧的像素点时，下一个像素点则为当前像素点所在行的向下一行的像素点中最右侧的像素点。

沿该起始像素点的左、左下和下三个方向进行像素点连通检测，具体如下：

将该起始像素点作为连通检测像素点，依次分别判断该连通检测像素点的左、左下和下三个方向的三个相邻像素点的像素值是否为最大像素值，如果这三个像素点中存在像素值为最大像素值的相邻像素点，则继续将该相邻像素点作为连通检测像素点，沿该连通检测像素点的左、左下和下三个方向进行像素点连通检测，即进行该连通检测像素点的左、左下和下三个方向的三个相邻像素点的像素值是否为最大像素值的判断，直到针对所有连通检测像素点，其左、左下和下三个方向的三个相邻像素点的像素值均不是最大像素值为止，然后将针对该起始像素点进行上述连通检测过程中，作为连通检测像素点的各像素点组成一个连通域。

实施例4：

在基于该边缘检测图像中像素点的像素值，确定该边缘检测图像中的各连通域之后，即可以通过上述图1所示流程中的步骤104，基于该各连通域的两个顶点的斜率，以及每两个连通域之间像素点的最短距离，根据该各连通域中是否存在满足预设条件的两个连通域，确定该待检测图像中的驾驶员是否佩戴了安全带，具体可以包括：

针对该各连通域中的第一连通域和第二连通域，当第一连通域的两个顶点连线的斜率在预设斜率范围内，且第二连通域的两个顶点连线的斜率在预设斜率范围内，且第一连通域的两个顶点连线的斜率与第二连通域的两个顶点连线的斜率的差值的绝对值小于预设斜率差值阈值，且第一连通域和第二连通域之间像素点的最短距离小于预设距离阈值时，确定第一连通域和第二连通域满足预设条件；其中，连通域的两个顶点，可以为连通域的左下顶点和右上顶点；

当该各连通域中存在满足该预设条件的两个连通域时，确定该待检测图像中的驾驶员佩戴了安全带。

本发明实施例4中，提出如图7所示的根据边缘检测图像中的各连通域，确定该待检测图像中的驾驶员是否佩戴了安全带的流程图，具体包括如下处理步骤：

步骤701、从该边缘检测图像中的各连通域中，确定出连通域的两个顶点连线的斜率在预设斜率范围内的连通域。

本步骤中，具体可以通过连通域的两个顶点连线的角度是否在预设角度范围内，确定连通域的两个顶点连线的斜率是否在预设斜率范围内，该预设角度范围与该预设斜率范围相对应。

例如，一个连通域的两个顶点连线的角度为angle，angle＝arctan(l)，其中，l为两个顶点连线的斜率，然后确定angle与π/4的差值的绝对值是否小于第一预设角度阈值，当小于第一预设角度阈值时，表示angle在预设角度范围内，否则，表示angle不在预设角度范围内。

本步骤中的第一预设角度阈值可以与上述图2所示流程中的预设角度阈值相同。

步骤702、将上述步骤701中确定出的连通域中的两个连通域作为当前待处理的两个连通域，为描述方便将该两个连通域分别称作第一连通域和第二连通域，确定第一连通域的两个顶点连线的斜率与第二连通域的两个顶点连线的斜率的差值的绝对值是否小于预设斜率差值阈值，如果小于，进入步骤703，如果不小于，进入步骤705。

确定第一连通域的两个顶点连线的斜率与第二连通域的两个顶点连线的斜率的差值的绝对值是否小于预设斜率差值阈值，具体可以通过确定第一连通域的两个顶点连线的角度与第二连通域的两个顶点连线的角度的差值的绝对值是否小于第二预设角度阈值实现，如果小于，进入步骤703，如果不小于，进入步骤705。

当第一次执行本步骤时，当前待处理的两个连通域为上述步骤701中确定出的连通域中每两个连通域中的第一组两个连通域，当非第一次执行本步骤时，当前待处理的两个连通域为上述步骤701中确定出的连通域中每两个连通域中，上一组待处理的两个连通域的下一组两个连通域。

步骤703、确定第一连通域和第二连通域之间像素点的最短距离是否小于预设距离阈值，如果小于，进入步骤704，如果不小于，进入步骤705。

本步骤中，该最短距离可以采用如下公式确定：

dis(area₁,area₂)＝min(dis(p₁,p₂))；

p₁∈area₁；

p₂∈area₂；

其中，dis(area₁,area₂)为第一连通域和第二连通域之间像素点的最短距离，area₁为第一连通域的像素点的集合，area₂为第二连通域的像素点的集合，dis(p₁,p₂)为像素点p₁和像素点p₂之间的距离。

步骤704、第一连通域和第二连通域满足预设条件，确定该待检测图像中的驾驶员佩戴了安全带。

步骤705、确定当前待处理的两个连通域，是否为上述步骤701中确定出的连通域中每两个连通域中的最后一组两个连通域，如果是，进入步骤706，如果不是，返回上述步骤702。

步骤706，确定通过对该待检测图像的检测，未能确定该待检测图像中的驾驶员佩戴了安全带。

本步骤也可以为确定该待检测图像中的驾驶员没有佩戴安全带。

通过本发明实施例提供的上述驾驶员佩戴安全带检测方法，在检测驾驶员是否佩戴安全带时，首先获取包含驾驶员图像的待检测图像，对该待检测图像进行边缘检测，得到边缘检测图像，基于该边缘检测图像中像素点的像素值，确定该边缘检测图像中的各连通域，通过上述边缘检测和边缘检测图像中连通域的确定，可以确定出该待检测图像中存在的边缘图像信息，即边缘检测图像中的连通域，然后通过预先按照安全带的宽度和佩戴角度设置的预设条件，基于各连通域的两个顶点的斜率，以及每两个连通域之间像素点的最短距离，根据各连通域中是否存在满足预设条件的两个连通域，确定待检测图像中的驾驶员是否佩戴了安全带，从而实现了对驾驶员是否佩戴安全带的非人工自动检测，提高了对驾驶员是否佩戴安全带进行检测的效率。

实施例5：

基于同一发明构思，根据本发明上述实施例提供的驾驶员佩戴安全带检测方法，相应地，本发明实施例5还提供了一种驾驶员佩戴安全带检测装置，其结构示意图如图8所示，具体包括：

图像获取单元801，用于获取包含驾驶员图像的待检测图像；

边缘检测单元802，用于对所述待检测图像进行边缘检测，得到边缘检测图像；

第一确定单元803，用于基于所述边缘检测图像中像素点的像素值，确定所述边缘检测图像中的各连通域；

第二确定单元804，用于基于所述各连通域的两个顶点的斜率，以及每两个连通域之间像素点的最短距离，根据所述各连通域中是否存在满足预设条件的两个连通域，确定所述待检测图像中的驾驶员是否佩戴了安全带，所述预设条件为预先按照安全带的宽度和佩戴角度设置的。

进一步的，边缘检测单元802，具体用于使用sobel算子计算所述待检测图像中各像素点的x轴方向幅值和y轴方向幅值；并根据所述各像素点的x轴方向幅度值和y轴方向幅度值，确定所述各像素点的梯度幅值和梯度方向；并将所述各像素点中梯度方向不满足预设方向条件的像素点的梯度幅值调整为最小像素值，其中，所述预设方向条件为预先按照安全带的佩戴角度设置的；以及将所述各像素点中当前梯度幅值小于预设像素阈值的像素点的像素值调整为最小像素值，以及将所述各像素点中当前梯度幅值不小于所述预设像素阈值的像素点的像素值调整为最大像素值，得到边缘检测图像。

进一步的，边缘检测单元802，具体用于使用高斯滤波器对所述待检测图像进行平滑处理，得到平滑后图像；并使用一阶偏导有限差分方式计算所述平滑后图像中各像素点的x轴方向幅值和y轴方向幅值；并根据所述各像素点的x轴方向幅度值和y轴方向幅度值，确定所述各像素点的梯度幅值和梯度方向；并根据所述各像素点的梯度幅值和梯度方向，对所述各像素点的梯度幅值进行非极大值抑制处理，得到所述各像素点的处理后梯度幅值；以及基于所述各像素点的处理后梯度幅值，使用双阈值算法对所述各像素点进行边缘连接处理，得到边缘检测图像。

进一步的，边缘检测单元802，具体用于分别采用第一边缘检测方式和第二边缘检测方式对所述待检测图像进行边缘检测，得到第一边缘检测图像和第二边缘检测图像；以及当所述第一边缘检测图像与所述第二边缘检测图像中相同位置像素点的像素值均非最小像素值时，确定得到的边缘检测图像的该相同位置像素点的像素值为最大像素值，否则，确定得到的边缘检测图像的该相同位置像素点的像素值为最小像素值。

进一步的，第一确定单元803，具体用于按照从右向左和从上向下的顺序，依次针对所述边缘检测图像中不属于已知连通域中的像素点作为起始像素点，沿所述起始像素点的左、左下和下三个方向进行像素点连通检测，得到所述边缘检测图像中的各连通域。

进一步的，第二确定单元804，具体用于针对所述各连通域中的第一连通域和第二连通域，当所述第一连通域的两个顶点连线的斜率在预设斜率范围内，且所述第二连通域的两个顶点连线的斜率在所述预设斜率范围内，且所述第一连通域的两个顶点连线的斜率与所述第二连通域的两个顶点连线的斜率的差值的绝对值小于预设斜率差值阈值，且所述第一连通域和所述第二连通域之间像素点的最短距离小于预设距离阈值时，确定所述第一连通域和所述第二连通域满足预设条件；以及当所述各连通域中存在满足所述预设条件的两个连通域时，确定所述待检测图像中的驾驶员佩戴了安全带。

上述各单元的功能可对应于图1-图3，以及图6-图7所示流程中的相应处理步骤，在此不再赘述。

综上所述，本发明实施例提供的方案，包括：获取包含驾驶员图像的待检测图像；并对该待检测图像进行边缘检测，得到边缘检测图像；并基于该边缘检测图像中像素点的像素值，确定该边缘检测图像中的各连通域；以及基于各连通域的两个顶点的斜率，以及每两个连通域之间像素点的最短距离，根据各连通域中是否存在满足预设条件的两个连通域，确定该待检测图像中的驾驶员是否佩戴了安全带，该预设条件为预先按照安全带的宽度和佩戴角度设置的。采用本发明实施例提供的方案，实现了对驾驶员是否佩戴安全带的非人工自动检测，提高了对驾驶员是否佩戴安全带进行检测的效率。

本申请的实施例所提供的检测装置可通过计算机程序实现。本领域技术人员应该能够理解，上述的模块划分方式仅是众多模块划分方式中的一种，如果划分为其他模块或不划分模块，只要检测装置具有上述功能，都应该在本申请的保护范围之内。

本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (12)

1.一种驾驶员佩戴安全带检测方法，其特征在于，包括：

获取包含驾驶员图像的待检测图像；

对所述待检测图像进行边缘检测，得到边缘检测图像；

基于所述边缘检测图像中像素点的像素值，确定所述边缘检测图像中的各连通域；

基于所述各连通域中每个连通域的两个顶点的斜率，以及每两个连通域之间像素点的最短距离，根据所述各连通域中是否存在满足预设条件的两个连通域，确定所述待检测图像中的驾驶员是否佩戴了安全带，所述预设条件为预先按照安全带的宽度和佩戴角度设置的。

2.如权利要求1所述的方法，其特征在于，对所述待检测图像进行边缘检测，得到边缘检测图像，具体包括：

使用sobel算子计算所述待检测图像中各像素点的x轴方向幅值和y轴方向幅值；

根据所述各像素点的x轴方向幅度值和y轴方向幅度值，确定所述各像素点的梯度幅值和梯度方向；

将所述各像素点中梯度方向不满足预设方向条件的像素点的梯度幅值调整为最小像素值，其中，所述预设方向条件为预先按照安全带的佩戴角度设置的；

将所述检测图像中经过梯度幅值调整的各像素点中当前梯度幅值小于预设像素阈值的像素点的像素值调整为最小像素值，以及将所述检测图像中经过梯度幅值调整的各像素点中当前梯度幅值不小于所述预设像素阈值的像素点的像素值调整为最大像素值，得到边缘检测图像。

3.如权利要求1所述的方法，其特征在于，对所述待检测图像进行边缘检测，得到边缘检测图像，具体包括：

使用高斯滤波器对所述待检测图像进行平滑处理，得到平滑后图像；

使用一阶偏导有限差分方式计算所述平滑后图像中各像素点的x轴方向幅值和y轴方向幅值；

根据所述各像素点的x轴方向幅度值和y轴方向幅度值，确定所述各像素点的梯度幅值和梯度方向；

根据所述各像素点的梯度幅值和梯度方向，对所述各像素点的梯度幅值进行非极大值抑制处理，得到所述各像素点的处理后梯度幅值；

基于所述各像素点的处理后梯度幅值，使用双阈值算法对经过非极大值抑制处理后的各像素点进行边缘连接处理，得到边缘检测图像。

4.如权利要求1所述的方法，其特征在于，对所述待检测图像进行边缘检测，得到边缘检测图像，具体包括：

分别采用第一边缘检测方式和第二边缘检测方式对所述待检测图像进行边缘检测，得到第一边缘检测图像和第二边缘检测图像；

当所述第一边缘检测图像与所述第二边缘检测图像中相同位置像素点的像素值均非最小像素值时，确定得到的边缘检测图像的该相同位置像素点的像素值为最大像素值，否则，确定得到的边缘检测图像的该相同位置像素点的像素值为最小像素值。

5.如权利要求1所述的方法，其特征在于，基于所述边缘检测图像中像素点的像素值，确定所述边缘检测图像中的各连通域，具体为：

按照从右向左和从上向下的顺序，依次针对所述边缘检测图像中不属于已知连通域中的像素点作为起始像素点，沿所述起始像素点的左、左下和下三个方向进行像素点连通检测，得到所述边缘检测图像中的各连通域。

6.如权利要求1所述的方法，其特征在于，基于所述各连通域中每个连通域的两个顶点的斜率，以及每两个连通域之间像素点的最短距离，根据所述各连通域中是否存在满足预设条件的两个连通域，确定所述待检测图像中的驾驶员是否佩戴了安全带，具体包括：

针对所述各连通域中的第一连通域和第二连通域，当所述第一连通域的两个顶点连线的斜率在预设斜率范围内，且所述第二连通域的两个顶点连线的斜率在所述预设斜率范围内，且所述第一连通域的两个顶点连线的斜率与所述第二连通域的两个顶点连线的斜率的差值的绝对值小于预设斜率差值阈值，且所述第一连通域和所述第二连通域之间像素点的最短距离小于预设距离阈值时，确定所述第一连通域和所述第二连通域满足预设条件；

当所述各连通域中存在满足所述预设条件的两个连通域时，确定所述待检测图像中的驾驶员佩戴了安全带。

7.一种驾驶员佩戴安全带检测装置，其特征在于，包括：

图像获取单元，用于获取包含驾驶员图像的待检测图像；

边缘检测单元，用于对所述待检测图像进行边缘检测，得到边缘检测图像；

第一确定单元，用于基于所述边缘检测图像中像素点的像素值，确定所述边缘检测图像中的各连通域；

第二确定单元，用于基于所述各连通域中每个连通域的两个顶点的斜率，以及每两个连通域之间像素点的最短距离，根据所述各连通域中是否存在满足预设条件的两个连通域，确定所述待检测图像中的驾驶员是否佩戴了安全带，所述预设条件为预先按照安全带的宽度和佩戴角度设置的。

8.如权利要求7所述的装置，其特征在于，所述边缘检测单元，具体用于使用sobel算子计算所述待检测图像中各像素点的x轴方向幅值和y轴方向幅值；并根据所述各像素点的x轴方向幅度值和y轴方向幅度值，确定所述各像素点的梯度幅值和梯度方向；并将所述各像素点中梯度方向不满足预设方向条件的像素点的梯度幅值调整为最小像素值，其中，所述预设方向条件为预先按照安全带的佩戴角度设置的；以及将所述检测图像中经过梯度幅值调整的各像素点中当前梯度幅值小于预设像素阈值的像素点的像素值调整为最小像素值，以及将所述检测图像中经过梯度幅值调整的各像素点中当前梯度幅值不小于所述预设像素阈值的像素点的像素值调整为最大像素值，得到边缘检测图像。

9.如权利要求7所述的装置，其特征在于，所述边缘检测单元，具体用于使用高斯滤波器对所述待检测图像进行平滑处理，得到平滑后图像；并使用一阶偏导有限差分方式计算所述平滑后图像中各像素点的x轴方向幅值和y轴方向幅值；并根据所述各像素点的x轴方向幅度值和y轴方向幅度值，确定所述各像素点的梯度幅值和梯度方向；并根据所述各像素点的梯度幅值和梯度方向，对所述各像素点的梯度幅值进行非极大值抑制处理，得到所述各像素点的处理后梯度幅值；以及基于所述各像素点的处理后梯度幅值，使用双阈值算法对经过非极大值抑制处理后的各像素点进行边缘连接处理，得到边缘检测图像。

10.如权利要求7所述的装置，其特征在于，所述边缘检测单元，具体用于分别采用第一边缘检测方式和第二边缘检测方式对所述待检测图像进行边缘检测，得到第一边缘检测图像和第二边缘检测图像；以及当所述第一边缘检测图像与所述第二边缘检测图像中相同位置像素点的像素值均非最小像素值时，确定得到的边缘检测图像的该相同位置像素点的像素值为最大像素值，否则，确定得到的边缘检测图像的该相同位置像素点的像素值为最小像素值。

11.如权利要求7所述的装置，其特征在于，所述第一确定单元，具体用于按照从右向左和从上向下的顺序，依次针对所述边缘检测图像中不属于已知连通域中的像素点作为起始像素点，沿所述起始像素点的左、左下和下三个方向进行像素点连通检测，得到所述边缘检测图像中的各连通域。

12.如权利要求7所述的装置，其特征在于，所述第二确定单元，具体用于针对所述各连通域中的第一连通域和第二连通域，当所述第一连通域的两个顶点连线的斜率在预设斜率范围内，且所述第二连通域的两个顶点连线的斜率在所述预设斜率范围内，且所述第一连通域的两个顶点连线的斜率与所述第二连通域的两个顶点连线的斜率的差值的绝对值小于预设斜率差值阈值，且所述第一连通域和所述第二连通域之间像素点的最短距离小于预设距离阈值时，确定所述第一连通域和所述第二连通域满足预设条件；以及当所述各连通域中存在满足所述预设条件的两个连通域时，确定所述待检测图像中的驾驶员佩戴了安全带。