CN104417489B - 一种汽车安全带检测方法及汽车安全带检测装置 - Google Patents
一种汽车安全带检测方法及汽车安全带检测装置 Download PDFInfo
- Publication number
- CN104417489B CN104417489B CN201310386133.2A CN201310386133A CN104417489B CN 104417489 B CN104417489 B CN 104417489B CN 201310386133 A CN201310386133 A CN 201310386133A CN 104417489 B CN104417489 B CN 104417489B
- Authority
- CN
- China
- Prior art keywords
- region
- detected
- seed
- driver
- conductor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R22/00—Safety belts or body harnesses in vehicles
- B60R22/48—Control systems, alarms, or interlock systems, for the correct application of the belt or harness
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Image Analysis (AREA)
Abstract
一种汽车安全带检测方法,包括以下步骤:确定待检测图像中包含司乘人员影像的目标区域;从所述目标区域中挑选符合预设标准的平行直线区域,并确定所述平行直线区域为待检测区域;当不存在所述平行直线区域时,确定所述司乘人员未佩戴安全带;利用区域生长算法判断所述待检测区域是否具备区域一致性,当具备所述区域一致性时,确定所述司乘人员佩戴安全带,当不具备所述区域一致性时,确定所述司乘人员未佩戴安全带;输出检测结果。本发明还提供一种汽车安全带检测装置。本发明可以准确的识别司乘人员是否佩戴安全带。
Description
技术领域
本发明涉及图像检测领域,更具体地说,涉及一种汽车安全带检测方法及汽车安全带检测装置。
背景技术
随着车辆增加,不按规定佩戴安全带等危害司乘人员和大众安全的行为也逐渐增多。为此,各种智能化的交通违法行为抓拍系统也开始出现在大街小巷中。现有的安全带检测方法分为基于机器学习的方法和基于图像处理的方法两类。基于机器学习的方法通常收集大量的安全带训练样本,提取其边缘,形状、纹理等特征送入支持向量机,神经网络等分类器进行样本学习和训练,进而得到安全带的分类器;之后,利用该安全带分类器对待检测区域进行分类判别,判定待检测区域是否属于安全带,这种方法的适用性较小,对车窗、方向盘、衣领等区域的干扰较为敏感,鲁棒性很差。而基于图像处理的方法大多对安全带区域进行直线检测,通过安全带边缘的特定方向性来检测安全带,该方法很容易将衣领、衣服褶皱等区域检测出多条直线,从而判定司乘人员佩戴了安全带,造成误判。
发明内容
本发明要解决的技术问题在于,针对安全带检测中容易出现误检以及检测精度不高的问题,提供一种汽车安全带检测方法及汽车安全带检测装置。
本发明解决其技术问题所采用的技术方案之一是:提供一种汽车安全带检测方法,包括以下步骤:S1:确定待检测图像中包含司乘人员影像的目标区域;S2:从所述目标区域中挑选符合预设标准的平行直线区域,并确定所述平行直线区域为待检测区域,并进入步骤S3;当不存在所述平行直线区域时,得出所述司乘人员未佩戴安全带的检测结果,并进入步骤S4;S3:利用区域生长算法判断所述待检测区域是否具备区域一致性,当具备所述区域一致性时,得出所述司乘人员佩戴安全带的检测结果,当不具备所述区域一致性时,得出所述司乘人员未佩戴安全带的检测结果;S4:输出检测结果;
所述步骤S3包括以下子步骤:
S31:在所述待检测区域中选择像素作为进行区域生长法的种子点,并将所述种子点所在区域设定为种子区域;
S32:计算所述种子区域内所有像素的属性平均值,寻找所述种子点的八邻域像素,并判断所述八邻域像素的属性与所述属性平均值的相似度,并判断所述相似度是否大于预设阈值,当大于所述预设阈值时,确定所述八邻域像素为新的种子点,并确定所述新的种子点所在的区域为新的种子区域,当小于所述预设阈值时,将所述八邻域像素合并入所述种子区域,并将所述八邻域像素替代所述种子区域中原来的种子点成为所述种子区域的种子点;
S33:判断区域生长是否达到所述待检测区域的边界,当达到所述待检测区域的边界时,进入步骤S34,否则进入步骤S32;
S34:判断所述区域生长结束后产生的区域之间的相似度,当所述区域之间满足预定相似度时,判断所述待检测区域具备区域一致性,并得出所述司乘人员佩戴安全带的检测结果,当所述区域之间不满足预定相似度时,判断所述待检测区域不具备区域一致性,并得出所述司乘人员未佩戴安全带的检测结果。
本发明所述的汽车安全带检测方法,所述步骤S2包括以下子步骤:S21:利用LSD直线检测方法识别所述目标区域中的直线;S22:从步骤S21的直线识别结果中挑选角度符合预定标准的直线,并从符合所述预定标准的直线中挑选相互平行且具有预定间距的平行直线对,确定所述平行直线对之间的区域为待检测区域,进入步骤S3;当不存在角度符合预定标准的直线或者不存在符合所述预定间距的平行直线对时,得出所述司乘人员未佩戴安全带的检测结果,并进入步骤S4。
本发明所述的汽车安全带检测方法,所述步骤S32中所述属性是所述种子区域中像素的颜色或者纹理。
本发明所述的汽车安全带检测方法,所述步骤S34还包括:若所述区域包括小于预设值的微小区域,则排除所述微小区域,并判断剩下区域之间的相似度。
本发明解决其技术问题所采用的技术方案之二是:提供一种汽车安全带检测装置,包括:目标区域确定模块,用于确定待检测图像中包含司乘人员影像的目标区域;待检测区域确定模块,用于从所述目标区域中挑选符合预设标准的平行直线区域,并确定所述平行直线区域为待检测区域;区域一致性判断模块,用于利用区域生长算法判断所述待检测区域是否具备区域一致性,当具备所述区域一致性时,判断所述司乘人员佩戴安全带,当不具备所述区域一致性时,判断所述司乘人员未佩戴安全带;结果输出模块,用于当未检测到所述平行直线区域时、或当所述待检测区域不具备区域一致性时,输出所述司乘人员未佩戴安全带的检测结果,当所述待检测区域具备区域一致性时,输出所述司乘人员佩戴安全带的检测结果;
所述区域一致性判断模块包括:
种子区域确定子模块,用于在所述待检测区域中选择像素作为进行区域生长法的种子点,并将所述种子点所在区域设定为种子区域;
属性计算子模块,用于计算所述种子区域内所有像素的属性平均值,寻找所述种子点的八邻域像素,并判断所述八邻域像素的属性与所述属性平均值的相似度,并判断所述相似度是否大于预设阈值,当大于所述预设阈值时,确定所述八邻域像素为新的种子点,并确定所述新的种子点所在的区域为新的种子区域,当小于所述预设阈值时,将所述八邻域像素合并入所述种子区域,并将所述八邻域像素替代所述种子区域中原来的种子点成为所述种子区域的种子点;
边界判断子模块,用于判断区域生长是否达到所述待检测区域的边界,其中,当未达到待检测区域的边界时,所述属性计算子模块继续进行计算;
区域间一致性判断子模块,用于当所述边界判断子模块判断区域生长达到待检测区域的边界时,判断所述区域生长结束后产生的区域之间的相似度,当所述区域之间满足预定相似度时,判断所述待检测区域具备区域一致性,并得出所述司乘人员佩戴安全带的检测结果,当所述区域之间不满足预定相似度时,判断所述待检测区域不具备区域一致性,并得出所述司乘人员未佩戴安全带的检测结果。
本发明所述的汽车安全带检测装置,所述属性计算子模块进行计算中使用的所述属性是所述种子区域中像素的颜色或者纹理。
本发明所述的汽车安全带检测装置,所述区域间一致性判断子模块用于在所述区域包括小于预设值的微小区域时,排除所述微小区域,并判断剩下区域之间的相似度。
实施本发明的技术方案,具有以下有益效果:避免误判,提高安全带检测的精度。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明汽车安全带检测方法第一实施方式的示意图。
图2是本发明汽车安全带检测方法第二实施方式的示意图。
图3是本发明汽车安全带检测方法第三实施方式的示意图。
图4是本发明汽车安全带检测方法中八邻域像素的示意图。
图5是本发明汽车安全带检测装置一实施方式的功能模块图。
图6是图5中区域一致性判断模块功能模块图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图详细说明本发明的具体实施方式。
图1是本发明汽车安全带检测方法第一实施方式的示意图。
在步骤S1中,确定待检测图像中包含司乘人员影像的目标区域。所述待检测图像是指通过摄像头等图像采集装置所采集到的车辆在道路上行驶的照片(例如来自现有的交通监控系统)。在本发明的一个实施方式中,目标区域的具体确定方法是:从所述待检测图像中检测人脸区域;检测人脸区域可以采用Haar特征结合AdaBoost人脸分类器进行检测,也可以采用LBP特征结合AdaBoost分类器进行检测,也可以通过LBP特征结合SVM分类器进行检测;通过所述人脸区域确定所述司乘人员的上半身位置,并将所述上半身位置确定为所述目标区域。在本发明的一实施方式中,假定检测到司乘人员人脸的位置是R0(x0,y0,w0,h0),其中,x和y标示人脸矩形框在图片中的横坐标和纵坐标,w和h表示人脸矩形框的宽度和高度。那么根据人体脸部与身体上部躯干的位置关系可以得到目标区域的位置是R1(x1,y1,w1,h1),其中,R0(x0,y0,w0,h0)与R1(x1,y1,w1,h1)的关系可以通过如下的等式进行换算:
所述等式是根据经验值确定的,可以根据不同种族人群头部躯干比例的差异来修正等式。
在步骤S2中,从所述目标区域中挑选符合预设标准的平行直线区域,并确定所述平行直线区域为待检测区域,并进入步骤S3;当不存在所述平行直线区域时,确定所述司乘人员未佩戴安全带,并进入步骤S4。因为司乘人员佩戴的安全带可以近似的看做一系列直线的集合,所以可以通过识别、判断直线的集合以及特征来确定司乘人员是否佩戴安全带。在本发明的一实施方式中,在步骤S1或S2中进行目标区域检测和平行直线区域检测时,还可以对目标区域使用图像增强和二值化等方式进行处理,从而使后续进行安全带识别时的准确率更高。
在步骤S3中,利用区域生长算法判断上述步骤S2所确定的待检测区域是否具备区域一致性,当具备所述区域一致性时,确定所述司乘人员佩戴安全带,当不具备所述区域一致性时,确定所述司乘人员未佩戴安全带。
在步骤S4中,输出判断结果。判断结果包括司乘人员是否佩戴安全带以及所识别出的安全带位置、目标区域位置等信息。
图2是图1中步骤S2目标区域识别的一个实施方式的示意图。如图2所示,其包括以下步骤:
在步骤S21中,利用LSD直线检测方法识别所述目标区域中的直线。LSD是LineSegment Detection的简称,该方法首先对待检测图像中每个像素点进行梯度方向和梯度幅值的求解;接着,对每个像素点周围的梯度方向进行统计,并以此生成支撑区域(supportregion)及其外接矩形,并求取外接矩形内的主轴方向,判断矩形内符合主轴方向的像素点个数,以此来进行直线的检测。相比其他直线检测方法而言,LSD直线检测方法具有更好的鲁棒性和抗噪能力。
在步骤S22中,从步骤S21的直线识别结果中挑选角度符合预定标准的直线,并从符合所述预定标准的直线中挑选相互平行且具有预定间距的平行直线对,确定所述平行直线对之间的区域为待检测区域,进入步骤S3;当不存在角度符合预定标准的直线或者不存在符合所述预定间距的平行直线对时,确认所述司乘人员未佩戴安全带,并进入步骤S4。考虑到司乘人员佩戴的安全带边缘线具有一定的角度范围,因此检测到目标区域中的直线之后,需要进行直线角度判断,剔除不合适的直线。在本发明的一具体实施方式中,将目标区域中驾驶员位置的安全带边缘线角度设定为30°--60°、副驾驶区域的安全带边缘线角度设定为120°--150°,将不满足该度数范围的直线予以剔除。上述角度的设定方法为:以水平方向为0°,角度沿逆时针方向依次增加。在目标区域内检测特定方向的直线,得到直线集L(i|i=1,...,n)。本发明中对目标区域中驾驶员上半身区域检测30°到60°范围内的直线,而对副驾驶上半身区域则检测120°到150°范围内的直线。对上述直线集中的互相平行且距离在一定范围内的直线进行两两配对形成平行直线对,平行直线对之间的区域称为直线区域(即指后续进行区域生长法检测是否佩戴安全带的待检测区域):
(Li,Lj),i,j∈1,2,...,n
其中,st代表由相互平行且距离在预设范围(Thrl到Thrh之间)内的两条平行直线(Li与Lj)组成的直线区域。
图3是图1中步骤S3一个实施方式的示意图。如图3所示,其包括以下步骤:
在步骤S31中,在所述待检测区域中选择像素作为进行区域生长法的种子点,并将所述种子点所在区域设定为种子区域。在本发明的具体应用中,种子点可以在所述待检测区域中随机选取的多个像素。
在步骤S32中,计算所述种子区域内所有像素的属性平均值,寻找所述种子点的八邻域像素,并判断所述八邻域像素的属性与所述属性平均值的相似度,并判断所述相似度是否大于预设阈值,当大于所述预设阈值时,确定所述八邻域像素为新的种子点,并确定所述新的种子点所在的区域为新的种子区域,当小于所述预设阈值时,将所述八邻域像素合并入所述种子区域,并将所述八邻域像素替代所述种子区域中原来的种子点成为所述种子区域的种子点。
在本发明的具体应用中,上述属性可以是像素的颜色或纹理,以下以颜色为例对本发明进行说明。如图4所示,假设种子点为A,那么A所在区域为种子区域,此时种子区域的颜色平均值即是A的颜色值,A的八邻域像素是B、C、D、E、F、G、H、I。A与B、C、D、E、F、G、H、I分别计算两两之间的颜色距离(即A的颜色值与B、C、D、E、F、G、H、I颜色值的差值,或计算欧式距离、马氏距离、卡方距离或夹角余弦等),然后,通过将颜色距离与预设的阈值T比较,判断A与其八邻域像素之间的相似度,其中,阈值T可以根据经验值由用户设定。如果A与B之间的颜色距离小于T,那么,将B加入A所在的种子区域,并将B作为该种子区域的种子点,继续寻找B的八邻域像素,并进行区域生长算法;如果A与C之间的颜色距离大于T,那么将C作为新的种子点,并将C所在的区域设定为新的种子区域,并在该新的种子区域继续进行区域生长。从A开始,通过将与每个种子点相似属性强度、灰度级、纹理或颜色等相邻像素合并到此区域,完成相似区域的合并,最终形成一个或多个区域。
在步骤S33中,判断区域生长是否达到所述待检测区域的边界,当达到所述待检测区域的边界时,进入步骤S34,否则进入步骤S32。在进行区域生长的过程中,需要不断的判断种子区域是否达到待检测区域的边界,如果达到边界,就需要结束区域生长。在本发明的具体实施方式中,步骤S33可以在不同的位置执行,比如在步骤31之后执行步骤33判断是否达到边界,即上述步骤之间的执行顺序并不只限定在上述实施方式描述的执行顺序。
在步骤S34中,判断所述区域生长结束后产生的区域之间的相似度,当所述区域之间满足预定相似度时,判断所述司乘人员佩戴安全带,当所述区域之间不满足预定相似度时,判断所述司乘人员未佩戴安全带。在步骤S32进行区域生长计算后,可能会产生多个区域,此时,需要判断所得到的多个区域之间的相似度,并把符合满足预定相似度的区域进行合并,如果经过相似度合并处理后的区域只剩下一个区域,那么可以得出司乘人员佩戴安全带。具体的方法是:计算区域生长结束后各个区域Ai,i∈1,2,...,n之间的相似度Si,j,i,j∈1,2,...n且i≠j,这里的区域之间的相似度采用颜色直方图进行计算,即:Si,j=f(hist(Ai),hist(Aj)),i,j∈1,2,...n且i≠j;相似度f(hist(Ai),hist(Aj))的计算方式也可以采取其他方式,如:卡方距离,街区距离,欧式距离,马氏距离,相关系数,夹角余弦等。计算完Ai,i∈1,2,...,n的相似度后,将相似度Si,j<T的两个区域进行合并,其中T是参考阈值,用户可以依据统计实验并参考图像的噪点多少、图像清晰度、补光情况等因素来设定T的值。如果经过相似度合并处理后的区域只剩下一个,那么可以得出司乘人员佩戴安全带;否则,判定司乘人员未佩戴安全带。在本发明的一实施方式中,在进行上述区域间相似度判断时,对于其中微小区域可以进行排除,因为微小区域很可能是图像在成像过程中或者传输过程中造成的噪声点,对于进行微小区域排除后剩下的区域再进行区域间相似度的判断和合并处理。
图5是本发明汽车安全带检测装置一实施方式的功能模块图。以下将结合图1-4对图5加以说明。汽车安全带检测装置100包括目标区域确定模块1010、待检测区域确定模块1020、区域一致性判断模块1030、结果输出模块1040、存储模块1050和处理器1060。目标区域确定模块1010用于确定待检测图像中包含司乘人员影像的目标区域。待检测区域确定模块1020用于从所述目标区域中挑选符合预设标准的平行直线区域,并确定所述平行直线区域为待检测区域。区域一致性判断模块1030用于利用区域生长算法判断所述待检测区域是否具备区域一致性,当具备所述区域一致性时,判断所述司乘人员佩戴安全带,当不具备所述区域一致性时,判断所述司乘人员未佩戴安全带。结果输出模块1040用于当未检测到所述平行直线区域时、或当所述待检测区域不具备区域一致性时,输出所述司乘人员未佩戴安全带的检测结果,当所述待检测区域具备区域一致性时,输出所述司乘人员佩戴安全带的检测结果。存储模块1050用于存储汽车安全带检测装置100的可执行程序和其他数据。处理器1060用于执行目标区域确定模块1010、待检测区域确定模块1020、区域一致性判断模块1030和结果输出模块1040中的可执行程序,以实现其功能。
作为本发明的进一步改进,待检测区域确定模块1020利用LSD直线检测方法识别所述目标区域中的直线,并从直线识别结果中挑选角度符合预定标准并且相互平行以及具有预定间距的平行直线对,确定所述平行直线对之间的区域为待检测区域,当不存在角度符合预定标准的直线或者不存在符合所述预定间距的平行直线对时,确定未检测到所述平行直线区域。
图6是图5中区域一致性判断模块1030一实施方式的功能模块图。区域一致性判断模块1030包括:种子区域确定子模块1030a,用于在所述待检测区域中选择像素作为进行区域生长法的种子点,并将所述种子点所在区域设定为种子区域;属性计算子模块1030b,用于计算所述种子区域内所有像素的属性平均值,寻找所述种子点的八邻域像素,并计算所述八邻域像素的属性与所述属性平均值的差值,并判断所述差值的绝对值是否大于预设阈值,当大于预设阈值时,确定所述八邻域像素为新的种子点,并确定所述新的种子点所在的区域为新的种子区域,当小于所述预设阈值时,将所述八邻域像素合并入所述种子区域,并将所述八邻域像素替代所述种子区域中原来的种子点成为所述种子区域的种子点;边界判断子模块1030c,用于判断区域生长是否达到所述待检测区域的边界,用于当未达到待检测区域的边界时,控制所述属性计算子模块继续进行计算;区域间一致性判断子模块1030d,用于当所述边界判断子模块判断区域生长达到待检测区域的边界时,判断所述区域生长结束后产生的区域是否具备一致性,当所述区域具备一致性时,判断所述司乘人员佩戴安全带,当所述区域不具备一致性时,判断所述司乘人员未佩戴安全带。
作为本发明的进一步改进,属性计算子模块1030b进行计算中使用的所述属性是所述种子区域中像素的颜色或者纹理。
作为本发明的进一步改进,区域间一致性判断子模块1030d用于在所述区域包括小于预设值的微小区域时,排除所述微小区域,并判断剩下区域的一致性。
上述汽车安全带检测方法以及汽车安全带检测装置100可以降低安全带检测误判几率,准确检测到司乘人员是否佩戴安全带。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (8)
1.一种汽车安全带检测方法,其特征在于,包括以下步骤:
S1:确定待检测图像中包含司乘人员影像的目标区域;
S2:从所述目标区域中挑选符合预设标准的平行直线区域,并确定所述平行直线区域为待检测区域,并进入步骤S3;当不存在所述平行直线区域时,得出所述司乘人员未佩戴安全带的检测结果,并进入步骤S4;
S3:利用区域生长算法判断所述待检测区域是否具备区域一致性,当具备所述区域一致性时,得出所述司乘人员佩戴安全带的检测结果,当不具备所述区域一致性时,得出所述司乘人员未佩戴安全带的检测结果;
S4:输出检测结果;
所述步骤S3包括以下子步骤:
S31:在所述待检测区域中选择像素作为进行区域生长法的种子点,并将所述种子点所在区域设定为种子区域;
S32:计算所述种子区域内所有像素的属性平均值,寻找所述种子点的八邻域像素,并判断所述八邻域像素的属性与所述属性平均值的相似度,并判断所述相似度是否大于预设阈值,当大于所述预设阈值时,确定所述八邻域像素为新的种子点,并确定所述新的种子点所在的区域为新的种子区域,当小于所述预设阈值时,将所述八邻域像素合并入所述种子区域,并将所述八邻域像素替代所述种子区域中原来的种子点成为所述种子区域的种子点;
S33:判断区域生长是否达到所述待检测区域的边界,当达到所述待检测区域的边界时,进入步骤S34,否则进入步骤S32;
S34:判断所述区域生长结束后产生的区域之间的相似度,当所述区域之间满足预定相似度时,判断所述待检测区域具备区域一致性,并得出所述司乘人员佩戴安全带的检测结果,当所述区域之间不满足预定相似度时,判断所述待检测区域不具备区域一致性,并得出所述司乘人员未佩戴安全带的检测结果。
2.如权利要求1所述的汽车安全带检测方法,其特征在于,所述步骤S2包括以下子步骤:
S21:利用LSD直线检测方法识别所述目标区域中的直线;
S22:从步骤S21的直线识别结果中挑选角度符合预定标准的直线,并从符合所述预定标准的直线中挑选相互平行且具有预定间距的平行直线对,确定所述平行直线对之间的区域为待检测区域,进入步骤S3;当不存在角度符合预定标准的直线或者不存在符合所述预定间距的平行直线对时,得出所述司乘人员未佩戴安全带的检测结果,并进入步骤S4。
3.如权利要求1所述的汽车安全带检测方法,其特征在于,所述步骤S32中所述属性是所述种子区域中像素的颜色或者纹理。
4.如权利要求1所述的汽车安全带检测方法,其特征在于,所述步骤S34还包括:若所述区域包括小于预设值的微小区域,则排除所述微小区域,并判断剩下区域之间的相似度。
5.一种汽车安全带检测装置,其特征在于,包括:
目标区域确定模块,用于确定待检测图像中包含司乘人员影像的目标区域;
待检测区域确定模块,用于从所述目标区域中挑选符合预设标准的平行直线区域,并确定所述平行直线区域为待检测区域;
区域一致性判断模块,用于利用区域生长算法判断所述待检测区域是否具备区域一致性,当具备所述区域一致性时,判断所述司乘人员佩戴安全带,当不具备所述区域一致性时,判断所述司乘人员未佩戴安全带;
结果输出模块,用于当未检测到所述平行直线区域时、或当所述待检测区域不具备区域一致性时,输出所述司乘人员未佩戴安全带的检测结果,当所述待检测区域具备区域一致性时,输出所述司乘人员佩戴安全带的检测结果;
所述区域一致性判断模块包括:
种子区域确定子模块,用于在所述待检测区域中选择像素作为进行区域生长法的种子点,并将所述种子点所在区域设定为种子区域;
属性计算子模块,用于计算所述种子区域内所有像素的属性平均值,寻找所述种子点的八邻域像素,并判断所述八邻域像素的属性与所述属性平均值的相似度,并判断所述相似度是否大于预设阈值,当大于所述预设阈值时,确定所述八邻域像素为新的种子点,并确定所述新的种子点所在的区域为新的种子区域,当小于所述预设阈值时,将所述八邻域像素合并入所述种子区域,并将所述八邻域像素替代所述种子区域中原来的种子点成为所述种子区域的种子点;
边界判断子模块,用于判断区域生长是否达到所述待检测区域的边界,其中,当未达到待检测区域的边界时,所述属性计算子模块继续进行计算;
区域间一致性判断子模块,用于当所述边界判断子模块判断区域生长达到待检测区域的边界时,判断所述区域生长结束后产生的区域之间的相似度,当所述区域之间满足预定相似度时,判断所述待检测区域具备区域一致性,并得出所述司乘人员佩戴安全带的检测结果,当所述区域之间不满足预定相似度时,判断所述待检测区域不具备区域一致性,并得出所述司乘人员未佩戴安全带的检测结果。
6.如权利要求5所述的汽车安全带检测装置,其特征在于,所述待检测区域确定模块利用LSD直线检测方法识别所述目标区域中的直线,并从直线识别结果中挑选角度符合预定标准并且相互平行以及具有预定间距的平行直线对,确定所述平行直线对之间的区域为待检测区域,当不存在角度符合预定标准的直线或者不存在符合所述预定间距的平行直线对时,确定未检测到所述平行直线区域。
7.如权利要求5所述的汽车安全带检测装置,其特征在于,所述属性计算子模块进行计算中使用的所述属性是所述种子区域中像素的颜色或者纹理。
8.如权利要求5所述的汽车安全带检测装置,其特征在于,所述区域间一致性判断子模块用于在所述区域包括小于预设值的微小区域时,排除所述微小区域,并判断剩下区域之间的相似度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310386133.2A CN104417489B (zh) | 2013-08-29 | 2013-08-29 | 一种汽车安全带检测方法及汽车安全带检测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310386133.2A CN104417489B (zh) | 2013-08-29 | 2013-08-29 | 一种汽车安全带检测方法及汽车安全带检测装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104417489A CN104417489A (zh) | 2015-03-18 |
CN104417489B true CN104417489B (zh) | 2017-07-11 |
Family
ID=52967930
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310386133.2A Active CN104417489B (zh) | 2013-08-29 | 2013-08-29 | 一种汽车安全带检测方法及汽车安全带检测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104417489B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105158272B (zh) * | 2015-09-22 | 2018-06-22 | 浙江工商大学 | 一种纺织品缺陷检测方法 |
CN105373779B (zh) * | 2015-11-10 | 2018-09-28 | 北京数字智通科技有限公司 | 一种车辆安全带智能检测方法及智能检测系统 |
CN106709443B (zh) * | 2016-12-19 | 2020-06-02 | 同观科技(深圳)有限公司 | 一种安全带佩戴状态的检测方法及终端 |
CN108932453B (zh) * | 2017-05-23 | 2021-04-09 | 杭州海康威视数字技术股份有限公司 | 一种车辆备胎检测方法及装置 |
EP3848256A1 (en) * | 2020-01-07 | 2021-07-14 | Aptiv Technologies Limited | Methods and systems for detecting whether a seat belt is used in a vehicle |
US11975683B2 (en) | 2021-06-30 | 2024-05-07 | Aptiv Technologies AG | Relative movement-based seatbelt use detection |
CN118575206A (zh) * | 2022-12-16 | 2024-08-30 | 京东方科技集团股份有限公司 | 一种安全带佩戴检测方法、装置、电子设备及存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100182425A1 (en) * | 2009-01-21 | 2010-07-22 | Mazda Motor Corporation | Vehicle interior state recognition device |
CN102915640B (zh) * | 2012-10-30 | 2015-06-17 | 武汉烽火众智数字技术有限责任公司 | 基于Hough变换的安全带检测方法 |
CN102999749B (zh) * | 2012-12-21 | 2015-10-28 | 广东万安科技股份有限公司 | 基于人脸检测的安全带违章事件智能检测方法 |
CN103021179B (zh) * | 2012-12-28 | 2016-03-30 | 佛山市华电智能通信科技有限公司 | 基于实时监控视频中的安全带检测方法 |
CN103150556B (zh) * | 2013-02-20 | 2015-09-30 | 西安理工大学 | 用于道路交通监控的安全带自动检测方法 |
-
2013
- 2013-08-29 CN CN201310386133.2A patent/CN104417489B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN104417489A (zh) | 2015-03-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104417489B (zh) | 一种汽车安全带检测方法及汽车安全带检测装置 | |
Marzougui et al. | A lane tracking method based on progressive probabilistic Hough transform | |
CN103077386B (zh) | 一种级联的视频流虹膜图像质量检测方法 | |
US9842266B2 (en) | Method for detecting driver cell phone usage from side-view images | |
US9443142B2 (en) | Vision-based system for dynamic weather detection | |
CN103824070B (zh) | 一种基于计算机视觉的快速行人检测方法 | |
KR101716646B1 (ko) | 국부이진패턴을 이용한 객체 검출 인식 방법 및 장치 | |
Gerónimo et al. | 2D–3D-based on-board pedestrian detection system | |
CN103366154B (zh) | 可重配置的畅通路径检测系统 | |
CN104091171B (zh) | 基于局部特征的车载远红外行人检测系统及方法 | |
CN108986158A (zh) | 一种基于目标再识别的跨场景追踪方法和装置及计算机视觉平台 | |
CN106600625A (zh) | 检测小型生物的图像处理方法及装置 | |
CN104417490B (zh) | 一种汽车安全带检测方法及装置 | |
CN105205486A (zh) | 一种车标识别方法及装置 | |
Wang et al. | A vision-based road edge detection algorithm | |
CN105187785A (zh) | 一种基于动态选取显著特征的跨卡口行人识别系统与方法 | |
CN107705301A (zh) | 一种基于无人机航拍公路图像的公路标线破损检测方法 | |
CN110458093B (zh) | 一种基于驾驶员监控系统的安全带检测方法以及相应的设备 | |
JP6947005B2 (ja) | 属性認識装置、属性認識方法、及び機械学習装置 | |
CN109886168B (zh) | 一种基于层阶的地面交通标志识别方法 | |
CN108052921B (zh) | 一种车道线检测方法、装置及终端 | |
Chen et al. | Classification of moving objects in atmospherically degraded video | |
CN104318216A (zh) | 视频监控中跨盲区行人目标的识别匹配方法 | |
CN102831379A (zh) | 人脸图像识别方法及装置 | |
CN108009480A (zh) | 一种基于特征识别的图像人体行为检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20211228 Address after: 230000 No. 67, Jiatang village north, Dayang Town, Luyang District, Hefei City, Anhui Province Patentee after: Gao Qianwen Address before: 518000 19-b, block a, CIC international business center, 1061 Xiangmei Road, Futian District, Shenzhen, Guangdong Patentee before: TONGGUAN TECHNOLOGY (SHENZHEN) CO.,LTD. |
|
TR01 | Transfer of patent right |