CN104417490A - 一种汽车安全带检测方法及装置 - Google Patents

一种汽车安全带检测方法及装置 Download PDF

Info

Publication number
CN104417490A
CN104417490A CN201310386134.7A CN201310386134A CN104417490A CN 104417490 A CN104417490 A CN 104417490A CN 201310386134 A CN201310386134 A CN 201310386134A CN 104417490 A CN104417490 A CN 104417490A
Authority
CN
China
Prior art keywords
target area
region
identification
detected
safety strap
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.)
Granted
Application number
CN201310386134.7A
Other languages
English (en)
Other versions
CN104417490B (zh
Inventor
史方
薛晓利
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Gao Qianwen
Original Assignee
Tong Wei Technology (shenzhen) Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tong Wei Technology (shenzhen) Co Ltd filed Critical Tong Wei Technology (shenzhen) Co Ltd
Priority to CN201310386134.7A priority Critical patent/CN104417490B/zh
Publication of CN104417490A publication Critical patent/CN104417490A/zh
Application granted granted Critical
Publication of CN104417490B publication Critical patent/CN104417490B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
    • G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

一种汽车安全带检测方法，包括以下步骤：从待检测图像中识别目标区域，对所述目标区域进行安全带识别，并输出识别结果；接收对识别结果的反馈信息，根据所述反馈信息修正目标区域识别方法和安全带识别方法。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，并通过用户反馈信息逐渐提高安全带检测的精度。

Description

一种汽车安全带检测方法及装置
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
随着我国居民生活水平的不断调高，越来越多的小汽车出现在人们的生活中。而车辆增加的同时，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，造成一定的误判。而且，现有技术中每次进行安全带检测后并没有根据用户的反馈信息作出及时的修正，从而不能不断地提高检测精度。
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，该方法包括以下步骤：S1：从待检测图像中识别目标区域，对所述目标区域进行安全带识别，并输出识别结果；S2：接收对识别结果的反馈信息，根据所述反馈信息修正步骤S1中的目标区域识别方法和安全带识别方法。
本发明所述的汽车安全带检测方法，所述步骤S1包括以下子步骤：S11：从待检测图像中识别包含司乘人员影像的目标区域；S12：对所述目标区域进行质量分类，并对质量分类后的目标区域进行对应的图像增强；S13：对步骤S12处理后的目标区域进行安全带识别，并输出识别结果。
本发明所述的汽车安全带检测方法，所述步骤S11包括以下子步骤：S111：从所述待检测图像中检测人脸区域；S112：通过所述人脸区域确定所述司乘人员的上半身位置，并确定所述上半身位置为所述目标区域；以及在步骤S2中根据所述反馈信息中的人脸信息对步骤S111中人脸检测方法进行修正。
本发明所述的汽车安全带检测方法，所述步骤S13包括：S131：利用Hough变换方法识别所述目标区域中的直线；S132：从步骤S131的直线识别结果中挑选角度符合预设标准的直线，并从符合所述预设标准的直线中挑选相互平行且具有预设间距的平行直线对，确定所述平行直线对之间的区域为待检测区域，进入步骤S133；当不存在角度符合预设标准的直线或者不存在符合所述预设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S134；S133：利用区域生长法判断所述待检测区域的区域一致性，当所述待检测区域具有区域一致性时，则确定所述司乘人员佩戴安全带，若不具有区域一致性，则确定所述司乘人员未佩戴安全带；S134：输出判断结果；以及在步骤S2中根据所述反馈信息中的安全带位置信息对步骤S13中直线识别方法以及区域生长法进行修正。
本发明所述的汽车安全带检测方法，所述步骤S12包括以下子步骤：S121：根据预设的图像质量分类标准对所述目标区域进行图像质量分类；S122：对进行所述图像质量分类后的目标区域使用对应的图像增强方法进行处理，并使用预设的二值化参数对图像增强处理后的目标区域进行二值化处理；以及在步骤S2中根据反馈信息中的图像质量类别以及安全带实际位置来修正步骤S121中的所述图像质量分类标准以及步骤S122中的所述二值化参数。
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：识别模块，用于从待检测图像中识别目标区域，对所述目标区域进行安全带识别，并输出识别结果；反馈模块，用于接收对识别结果的反馈信息，根据所述反馈信息修正所述识别模块的目标区域识别方法和安全带识别方法。
本发明所述的汽车安全带检测装置，所述识别模块包括：目标区域识别模块，用于从待检测图像中识别包含司乘人员影像的目标区域；目标区域处理模块，用于对所述目标区域进行质量分类，并对质量分类后的目标区域进行对应的图像增强处理；安全带识别模块，用于对所述目标区域处理模块处理后的目标区域进行安全带识别，并输出识别结果。
本发明所述的汽车安全带检测装置，所述目标区域识别模块还用于从所述待检测图像中检测人脸区域，以及通过所述人脸区域确定所述司乘人员的上半身位置，并确定所述上半身位置为所述目标区域，所述反馈模块根据所述反馈信息中的人脸信息对所述目标区域识别模块中人脸检测方法进行修正。
本发明所述的汽车安全带检测装置，所述安全带识别模块包括：直线识别子模块，用于利用Hough变换方法识别所述目标区域中角度符合预设标准的直线；区域识别子模块，用于从所述直线识别子模块识别的直线中挑选相互平行且具有预设间距的平行直线对，并确定所述平行直线对之间的区域为待检测区域；区域一致性判断子模块，用于利用区域生长法判断所述待检测区域的区域一致性；结果输出子模块，用于在所述区域一致性判断子模块确认所述待检测区域具有区域一致性时输出所述司乘人员佩戴安全带的检测结果、在所述区域一致性判断子模块确认所述待检测区域不具有区域一致性时、或所述直线识别子模块未识别到角度符合预设标准的直线时或所述区域识别子模块未识别到具有预设间距的平行直线对时输出所述司乘人员未佩戴安全带的检测结果；所述反馈模块还用于根据反馈信息对所述安全带识别模块的直线识别方法以及区域生长法进行修正。
本发明所述的汽车安全带检测装置，所述目标区域处理模块还用于根据预设的图像质量分类标准对所述目标区域进行图像质量分类，并对进行图像质量分类后的目标区域使用对应的图像增强方法进行处理，以及使用预设的二值化参数对图像增强处理后的目标区域进行二值化处理，所述安全带识别模块还用于输出所述目标区域处理模块的图像质量分类结果以及安全带识别模块检测出的安全带位置；所述反馈模块接收包含的图像质量类别以及安全带实际位置的反馈信息，所述目标区域处理模块还根据所述反馈信息修正所述图像质量分类标准以及所述二值化参数。
实施本发明的技术方案，具有以下有益效果：可以准确的识别司乘人员是否佩戴安全带，并通过用户反馈信息逐渐提高安全带检测的精度，随着本发明使用时间的增长，本发明所产生的检测结果将更优化。
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第四实施方式的示意图。
图5是本发明汽车安全带检测方法第五实施方式的示意图。
图6是本发明中Hough变换方法中直线表示方法示意图。
图7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8是图7中识别模块一实施方式的功能模块图。
图9是图8中安全带识别模块一实施方式的功能模块图。
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是本发明安全带的检测方法一实施方式的示意图。
在步骤S1中，从待检测图像中识别目标区域，对所述目标区域进行安全带识别，并输出识别结果。
在步骤S2中，接收对识别结果的反馈信息，根据所述反馈信息修正步骤S1中的目标区域识别方法和安全带识别方法。在本发明的具体实施方式中，反馈信息可以来自于系统的自动反馈，亦可以来自于终端用户（例如交警部门）的反馈，以下以用户反馈方式举例说明。当终端用户通过查看待检测图片中安全带的佩戴情况以及安全带的实际位置判断检测结果是否正确。通过对用户反馈信息的分析，特别是检测结果错误的反馈，修正步骤S1中目标区域识别方法和安全带识别方法，并保存修正结果，以保证在以后的检测过程中对相同或类似的待检测图像可以采用相同的目标区域识别方法和安全带识别方法，从而逐渐提高图像检测的精度。
图2是图1中步骤S1的一个实施方式的示意图。。
在步骤S11中，从待检测图像中识别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），所述目标区域是指司乘人员上半身用于佩戴安全带的区域。
在步骤S12中，对所述目标区域进行质量分类，并对质量分类后的目标区域进行对应的图像增强处理。因为在不同的光线、亮度等环境下所采集到的图像质量有所差异，所以为了提高图像检测的精度，需要按照待检测图像的质量进行分类，以便后续采用不同的方法对图像进行处理，从而可以有针对性的处理不同质量的图像，提高图像检测的精度。
在步骤S13中，对步骤S12处理后的目标区域进行安全带识别，并输出识别结果。其中，进行安全带识别是根据安全带具有由近似一条条相互平行的直线组成的特征，通过检测平行的直线束进行安全带识别，并将识别到的结果输出到后台服务器或其他数据处理终端，以供终端用户进行查看。
在本发明的一个实施方式中，上述步骤S11和步骤S12的执行顺序可以改变，并不局限于先执行步骤S11后才可以执行步骤S12。例如，可以先执行步骤S12，对待检测图像进行图像质量分类和图像增强，然后再执行步骤S11，从进行图像质量分类和图像增强后的图像中检测目标区域。
图3是图2中步骤S11目标区域识别的一个实施方式的示意图。如图3所示，其包括以下步骤：
S111：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。
S112：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：
x 1 = x 0 - 0.5 w 0 y 1 = y 0 w 1 = 3 w 0 h 1 = 3 h 0 , 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。在本发明的一具体实施方式中，在步骤S2中，可以根据用户反馈信息中所表示出的人脸信息对步骤S111中人脸检测方法进行修正。在反馈信息中包含用户手动标记的司乘人员人脸的准确位置，所以，可以将该标志过的区域作为人脸训练的正样本，其周围区域作为负样本。当收集到足够的正负样本时，对人脸检测的分类器进行重新训练，对相关的检测参数进行修正，从而使得人脸识别的效果逐渐趋于最优。
图4是图2中步骤S12的一个实施方式的示意图。如图3所示，该步骤包括以下步骤：
S121：根据预设的图像质量分类标准对所述目标区域进行图像质量分类；在本发明的一具体实施方式中，将图像质量分为质量好、质量较好、质量一般、质量差以及质量较差。图像质量分类标准可以依据应用图像（灰度图像）的统计特征进行确定。统计特征指标包括图像的均值、方差、能量、熵及峭度（四阶矩），使用这些指标作为支持向量机（SVM）分类器的特征输入，对分类器进行训练，最终完成图像质量分类。
S122：对进行所述图像质量分类后的目标区域进行图像增强处理，并对图像增强处理后的目标区域进行二值化。在本发明一具体实施方式中，图像增强可以采用直方图均衡、宽动态、Single Scale Retinex,Multi-Scale Retinex，McCann’sRetinex，gammar矫正等常见的图像增强方法。此外，不同质量类别的图像可以采用不同的图像增强方法，也可以采用相同的增强方法；不同质量的图像也需要采用不同的二值化方法，其中，不同的二值化方法是指采用不同的策略来计算得到二值化的阈值，从而实现不同的二值化处理。
在本发明的一个实施方式中，在步骤S2可以根据用户的反馈信息对步骤S121中图像质量的分类标准进行修正，修正可以针对特征指标，并保存修正后的分类标准，从而可以保证在以后的安全带检测运算中准确率逐渐提高。
图5是图2中步骤S13的一个实施方式的示意图。如图5所示，图2中步骤S13具体可还包括以下步骤：
S131：利用Hough变换方法识别所得到目标区域中的直线。Hough变换是图像处理中的一个检测直线、圆等简单几何形状的方法。对于图像中的一条直线而言，利用直角坐标系，可以表示为y=kx+b的形式，那么，该直线上任意一点(x,y)变换到k-b参数空间将变为一个“点”，即将图像空间中所有的共线的像素转换到k-b参数空间，它们将聚集在一个点上。如此一来，k-b参数空间中的一个局部峰值点就很可能对应着原图像空间中的一条直线。不过，由于直线的斜率可以为无穷大或者无穷小，从而造成在k-b参数空间中不便于对直线进行刻画和描述，因此，可以采用极坐标参数空间进行直线检测，在极坐标中，直线可以描述为:ρ＝xcos(θ)+ysin(θ)，其中ρ表示直线距离坐标原点的垂直距离，而θ则表示水平方向的距离夹角；因此，直角坐标系下的直线在极坐标空间中用ρ,θ就可以描述；同时，直角坐标系下的直线，对应于ρ,θ空间中的一个点，因为直角坐标系下共线的点都具有相同的ρ,θ，采用Hough变换可以利用极坐标空间直线表述的这种优势进行直线检测。如图6所示，图6是本发明中Hough变换中直线表示方法示意图。在图6中，图a)所示为图像空间中的一个点；图b)所示为直角坐标系中通过同一个点的四条直线；图c)所示为这四条直线在极坐标参数空间中表示为四个点，相对直角坐标系而言，用极坐标来描述直线更有利于直线的检测。
S132：从步骤S131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S133；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S134。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，此处的30°、60°、120°和150°等值可以根据大量实验统计得到。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
st . i &NotEqual; j L i / / L j Th r l < Dis tan ce ( L i , L j ) < Th r h , 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。
S133：利用区域生长法判断步骤S132中所形成的直线区域的区域一致性，当所述直线区域具有区域一致性，则确定所述司乘人员佩戴安全带，若不具有区域一致性，则确定所述司乘人员未佩戴安全带，并在步骤S134中输出判断结果。因为在步骤S132中得到的平行直线对有可能是安全带的两条边缘线，也有可能是司乘人员的衣领等区域的边缘线，所以，如果以特定方向存在两条平行线作为判断依据，以此来判定司乘人员是否佩戴了安全带，就会存在大量的误检。因此，进行区域一致性判断可以进一步降低安全带检测的误检率。在本发明一具体实施方式中，区域一致性判断可以通过区域生长算法来实现；以及在步骤S2中根据所述反馈信息中的安全带位置信息对步骤S13中直线识别方法以及区域生长法进行修正，包括修正直线的预设角度范围、平行直线对之间的预设距离以及区域生长法中的参数。
在本发明反馈机制的一个实施方式中，在步骤S13输出的检测结果包括步骤S12中的图像质量分类结果以及步骤S13识别出的安全带位置，当步骤S13中未检测到安全带时，识别结果还包括未识别到安全带的提示。在步骤S13输出检测结果后，用户会根据待检测图像中安全带的实际情况判断检测结果，如果产生误检，例如，实际佩戴安全带的待检测图片被判定为未佩戴安全带，此时，需要用户在待检测图像上手动画出安全带的两条边缘线，并对图像的质量进行分类，并将此作为反馈信息。在步骤S2中，根据反馈信息中所包含的用户确定的图像质量类别以及用户标示出的安全带实际位置来修正步骤S12中的所述图像质量分类标准以及所述二值化参数，比如统计特征指标以及二值化阈值，从而避免后续计算过程中再次出现类似的误检以及避免后续的直线检测模块无法正确检测到安全带边缘线。总之，本发明中应用安全带的检测方法的系统服务器或装置根据通过本发明所揭露的用户反馈机制，使用神经网络自适应反馈算法，或其他自适应算法，逐渐修正图像检测算法，达到逐步完善的目的。
图7是汽车安全带检测装置10一实施方式的功能模块图。以下将结合图1-6对图7加以说明。汽车安全带检测装置10包括识别模块101、反馈模块102、存储模块103和处理器104。识别模块101用于用于从待检测图像中识别目标区域，对所述目标区域进行安全带识别，并输出识别结果。反馈模块102用于接收对识别结果的反馈信息，根据所述反馈信息修正所述识别模块101的目标区域识别方法和安全带识别方法。存储模块103用于存储汽车安全带检测装置10的可执行程序和其他数据。处理器104用于执行识别模块101和反馈模块102中的可执行程序，以实现其功能。
作为本发明的进一步改进，如图8所示，识别模块101包括：目标区域识别模块1010，用于从待检测图像中识别包含司乘人员影像的目标区域；目标区域处理模块1020，用于对所述目标区域进行质量分类，并对质量分类后的目标区域进行对应的图像增强处理；安全带识别模块1030，用于对目标区域处理模块1020处理后的目标区域进行安全带识别，并输出识别结果。
作为本发明的进一步改进，如图9所示，安全带识别模块1030包括：直线识别子模块1030a，用于利用Hough变换方法识别所述目标区域中角度符合预定标准的直线；区域识别子模块1030b，用于从直线识别子模块1030a识别的直线中挑选相互平行且具有预定间距的平行直线对，并确定所述平行直线对之间的区域为待检测区域；区域一致性判断子模块1030c，用于利用区域生长法判断所述待检测区域的区域一致性；结果输出子模块1030d，用于在区域一致性判断子模块1030c确认所述待检测区域具有区域一致性时输出所述司乘人员佩戴安全带的识别结果、在区域一致性判断子模块1030c确认所述待检测区域不具有区域一致性时、或直线识别子模块1030a未识别到角度符合预定标准的直线时或区域识别子模块1030b未识别到具有预定间距的平行直线对时输出所述司乘人员未佩戴安全带的识别结果；反馈模块102还用于根据反馈信息对安全带识别模块1030的直线识别方法以及区域生长法进行修正。
作为本发明的进一步改进，目标区域处理模块1020用于根据预设的图像质量分类标准对所述目标区域进行图像质量分类，并对不同图像质量类别的目标区域使用不同的图像增强方法进行图像增强，以及使用不同的二值化参数对不同图像质量类别的目标区域进行二值化处理，安全带识别模块1030还用于输出目标区域处理模块1020的图像质量分类结果以及安全带检测模块1030检测出的安全带位置；反馈模块102还用于接收反馈信息，所述反馈信息包括脸部的实际位置、图像质量类别以及安全带实际位置，目标区域处理模块1020利用所述反馈信息修正目标区域识别方法、图像质量分类标准以及二值化参数。
上述汽车安全带检测方法以及汽车安全带检测装置10可以准确的识别司乘人员是否佩戴安全带，并通过用户反馈信息逐渐提高安全带检测的精度，随着本发明使用时间的增长，本发明所揭露的方法和装置更优化。
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 (10)

1.一种汽车安全带检测方法，其特征在于，包括以下步骤：
S1：从待检测图像中识别目标区域，对所述目标区域进行安全带识别，并输出识别结果；
S2：接收对识别结果的反馈信息，根据所述反馈信息修正步骤S1中的目标区域识别方法和安全带识别方法。
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S1包括以下子步骤：
S11：从待检测图像中识别包含司乘人员影像的目标区域；
S12：对所述目标区域进行质量分类，并对质量分类后的目标区域进行对应的图像增强；
S13：对步骤S12处理后的目标区域进行安全带识别，并输出识别结果。
3.如权利要求2所述的汽车安全带检测方法，其特征在于，所述步骤S11包括以下子步骤：
S111：从所述待检测图像中检测人脸区域；
S112：通过所述人脸区域确定所述司乘人员的上半身位置，并确定所述上半身位置为所述目标区域；
以及在步骤S2中根据所述反馈信息中的人脸信息对步骤S111中人脸检测方法进行修正。
4.如权利要求2所述的汽车安全带检测方法，其特征在于，所述步骤S13包括：
S131：利用Hough变换方法识别所述目标区域中的直线；
S132：从步骤S131的直线识别结果中挑选角度符合预设标准的直线，并从符合所述预设标准的直线中挑选相互平行且具有预设间距的平行直线对，确定所述平行直线对之间的区域为待检测区域，进入步骤S133；当不存在角度符合预设标准的直线或者不存在符合所述预设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S134；
S133：利用区域生长法判断所述待检测区域的区域一致性，当所述待检测区域具有区域一致性时，则确定所述司乘人员佩戴安全带，若不具有区域一致性，则确定所述司乘人员未佩戴安全带；
S134：输出判断结果。
以及在步骤S2中根据所述反馈信息对步骤S13中直线识别方法以及区域生长法进行修正。
5.如权利要求2所述的汽车安全带检测方法，其特征在于，所述步骤S12包括以下子步骤：
S121：根据预设的图像质量分类标准对所述目标区域进行图像质量分类；
S122：对进行所述图像质量分类后的目标区域使用对应的图像增强方法进行处理，并使用预设的二值化参数对图像增强处理后的目标区域进行二值化处理；
以及在步骤S2中根据反馈信息中的图像质量类别以及安全带实际位置来修正步骤S121中的所述图像质量分类标准以及步骤S122中的所述二值化参数。
6.一种汽车安全带检测装置，其特征在于，包括：
识别模块，用于从待检测图像中识别目标区域，对所述目标区域进行安全带识别，并输出识别结果；
反馈模块，用于接收对识别结果的反馈信息，根据所述反馈信息修正所述识别模块的目标区域识别方法和安全带识别方法。
7.如权利要求6所述的汽车安全带检测装置，其特征在于，所述识别模块包括：
目标区域识别模块，用于从待检测图像中识别包含司乘人员影像的目标区域；
目标区域处理模块，用于对所述目标区域进行质量分类，并对质量分类后的目标区域进行对应的图像增强处理；
安全带识别模块，用于对所述目标区域处理模块处理后的目标区域进行安全带识别，并输出识别结果。
8.如权利要求7所述的汽车安全带检测装置，其特征在于，所述目标区域识别模块还用于从所述待检测图像中检测人脸区域，以及通过所述人脸区域确定所述司乘人员的上半身位置，并确定所述上半身位置为所述目标区域，所述反馈模块根据所述反馈信息中的人脸信息对所述目标区域识别模块中人脸检测方法进行修正。
9.如权利要求7所述的汽车安全带检测装置，其特征在于，所述安全带识别模块包括：
直线识别子模块，用于利用Hough变换方法识别所述目标区域中角度符合预设标准的直线；
区域识别子模块，用于从所述直线识别子模块识别的直线中挑选相互平行且具有预设间距的平行直线对，并确定所述平行直线对之间的区域为待检测区域；
区域一致性判断子模块，用于利用区域生长法判断所述待检测区域的区域一致性；
结果输出子模块，用于在所述区域一致性判断子模块确认所述待检测区域具有区域一致性时输出所述司乘人员佩戴安全带的检测结果、在所述区域一致性判断子模块确认所述待检测区域不具有区域一致性时、或所述直线识别子模块未识别到角度符合预设标准的直线时或所述区域识别子模块未识别到具有预设间距的平行直线对时输出所述司乘人员未佩戴安全带的检测结果；
所述反馈模块还用于根据反馈信息对所述安全带识别模块的直线识别方法以及区域生长法进行修正。
10.如权利要求7所述的汽车安全带检测装置，其特征在于，所述目标区域处理模块还用于根据预设的图像质量分类标准对所述目标区域进行图像质量分类，并对进行图像质量分类后的目标区域使用对应的图像增强方法进行处理，以及使用预设的二值化参数对图像增强处理后的目标区域进行二值化处理，所述安全带识别模块还用于输出所述目标区域处理模块的图像质量分类结果以及安全带识别模块检测出的安全带位置；所述反馈模块接收包含的图像质量类别以及安全带实际位置的反馈信息，所述目标区域处理模块还根据所述反馈信息修正所述图像质量分类标准以及所述二值化参数。
CN201310386134.7A 2013-08-29 2013-08-29 一种汽车安全带检测方法及装置 Active CN104417490B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310386134.7A CN104417490B (zh) 2013-08-29 2013-08-29 一种汽车安全带检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310386134.7A CN104417490B (zh) 2013-08-29 2013-08-29 一种汽车安全带检测方法及装置

Publications (2)

Publication Number Publication Date
CN104417490A true CN104417490A (zh) 2015-03-18
CN104417490B CN104417490B (zh) 2017-12-26

Family

ID=52967931

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310386134.7A Active CN104417490B (zh) 2013-08-29 2013-08-29 一种汽车安全带检测方法及装置

Country Status (1)

Country Link
CN (1) CN104417490B (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105373779A (zh) * 2015-11-10 2016-03-02 北京汉王智通科技有限公司 一种车辆安全带智能检测方法及智能检测系统
CN105730392A (zh) * 2016-04-05 2016-07-06 上海汽车集团股份有限公司 安全带未系提醒系统及方法
CN106709443A (zh) * 2016-12-19 2017-05-24 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
CN107330367A (zh) * 2017-05-27 2017-11-07 湖北天业云商网络科技有限公司 一种基于躯干定位的安全带检测方法及系统
CN108470144A (zh) * 2018-01-31 2018-08-31 浙江工业大学 一种基于曲线分段的汽车方向盘检测方法
CN108932453A (zh) * 2017-05-23 2018-12-04 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
CN109425167A (zh) * 2017-08-28 2019-03-05 合肥美的智能科技有限公司 冰箱、互联智能家用电器系统及冰箱的控制方法
CN109460699A (zh) * 2018-09-03 2019-03-12 厦门瑞为信息技术有限公司 一种基于深度学习的驾驶员安全带佩戴识别方法
CN110097087A (zh) * 2019-04-04 2019-08-06 浙江科技学院 一种自动钢筋捆扎位置识别方法
CN111231888A (zh) * 2018-11-29 2020-06-05 现代摩比斯株式会社 基于图像来检测乘客和系安全带的设备及方法
CN111950348A (zh) * 2020-06-29 2020-11-17 北京百度网讯科技有限公司 安全带的佩戴状态识别方法、装置、电子设备和存储介质
CN114684062A (zh) * 2020-12-29 2022-07-01 辉达公司 约束设备定位
WO2024124536A1 (zh) * 2022-12-16 2024-06-20 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

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101042735A (zh) * 2006-03-23 2007-09-26 株式会社理光 图像二值化方法和装置
EP2210765A1 (en) * 2009-01-21 2010-07-28 Mazda Motor Corporation Vehicle interior state recognition device and corresponding method
CN102999749A (zh) * 2012-12-21 2013-03-27 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
CN103021179A (zh) * 2012-12-28 2013-04-03 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
CN103150556A (zh) * 2013-02-20 2013-06-12 西安理工大学 用于道路交通监控的安全带自动检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101042735A (zh) * 2006-03-23 2007-09-26 株式会社理光 图像二值化方法和装置
EP2210765A1 (en) * 2009-01-21 2010-07-28 Mazda Motor Corporation Vehicle interior state recognition device and corresponding method
CN102999749A (zh) * 2012-12-21 2013-03-27 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
CN103021179A (zh) * 2012-12-28 2013-04-03 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
CN103150556A (zh) * 2013-02-20 2013-06-12 西安理工大学 用于道路交通监控的安全带自动检测方法

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN105373779A (zh) * 2015-11-10 2016-03-02 北京汉王智通科技有限公司 一种车辆安全带智能检测方法及智能检测系统
CN105730392A (zh) * 2016-04-05 2016-07-06 上海汽车集团股份有限公司 安全带未系提醒系统及方法
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
CN106709443A (zh) * 2016-12-19 2017-05-24 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
CN108932453A (zh) * 2017-05-23 2018-12-04 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
CN107330367A (zh) * 2017-05-27 2017-11-07 湖北天业云商网络科技有限公司 一种基于躯干定位的安全带检测方法及系统
CN109425167A (zh) * 2017-08-28 2019-03-05 合肥美的智能科技有限公司 冰箱、互联智能家用电器系统及冰箱的控制方法
CN108470144A (zh) * 2018-01-31 2018-08-31 浙江工业大学 一种基于曲线分段的汽车方向盘检测方法
CN108470144B (zh) * 2018-01-31 2021-05-04 浙江工业大学 一种基于曲线分段的汽车方向盘检测方法
CN109460699A (zh) * 2018-09-03 2019-03-12 厦门瑞为信息技术有限公司 一种基于深度学习的驾驶员安全带佩戴识别方法
CN109460699B (zh) * 2018-09-03 2020-09-25 厦门瑞为信息技术有限公司 一种基于深度学习的驾驶员安全带佩戴识别方法
CN111231888A (zh) * 2018-11-29 2020-06-05 现代摩比斯株式会社 基于图像来检测乘客和系安全带的设备及方法
CN110097087A (zh) * 2019-04-04 2019-08-06 浙江科技学院 一种自动钢筋捆扎位置识别方法
CN110097087B (zh) * 2019-04-04 2021-06-11 浙江科技学院 一种自动钢筋捆扎位置识别方法
CN111950348A (zh) * 2020-06-29 2020-11-17 北京百度网讯科技有限公司 安全带的佩戴状态识别方法、装置、电子设备和存储介质
JP2021152966A (ja) * 2020-06-29 2021-09-30 ベイジン バイドゥ ネットコム サイエンス アンド テクノロジー カンパニー リミテッド シートベルト着用状態の認識方法、認識装置、電子機器及び記憶媒体
CN114684062A (zh) * 2020-12-29 2022-07-01 辉达公司 约束设备定位
WO2024124536A1 (zh) * 2022-12-16 2024-06-20 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

Also Published As

Publication number Publication date
CN104417490B (zh) 2017-12-26

Similar Documents

Publication Publication Date Title
CN104417490A (zh) 一种汽车安全带检测方法及装置
CN109460699B (zh) 一种基于深度学习的驾驶员安全带佩戴识别方法
CN103714660B (zh) 基于图像处理融合心率特征与表情特征实现疲劳驾驶判别的系统
US9842266B2 (en) Method for detecting driver cell phone usage from side-view images
CN109657632B (zh) 一种车道线检测识别方法
Mbouna et al. Visual analysis of eye state and head pose for driver alertness monitoring
Pamula Road traffic conditions classification based on multilevel filtering of image content using convolutional neural networks
KR100912746B1 (ko) 교통 표지판 탐지를 위한 방법
CN102289660B (zh) 一种基于手部姿态跟踪的违规驾驶行为检测方法
CN106682603B (zh) 一种基于多源信息融合的实时驾驶员疲劳预警系统
CN103902970B (zh) 自动指纹姿态估计方法及系统
CN105354985A (zh) 疲劳驾驶监控装置及方法
CN106384345B (zh) 一种基于rcnn的图像检测以及流量统计方法
CN107578012B (zh) 一种基于聚类算法选择敏感区域的驾驶辅助系统
CN111434553B (zh) 制动系统、方法、装置、疲劳驾驶模型的训练方法和装置
CN104021375A (zh) 一种基于机器学习的车型识别方法
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
CN104417489A (zh) 一种汽车安全带检测方法及汽车安全带检测装置
CN104269028A (zh) 一种疲劳驾驶检测方法及系统
CN111178272A (zh) 一种识别驾驶员行为的方法、装置及设备
CN108108651B (zh) 基于视频人脸分析的驾驶员非专心驾驶检测方法及系统
CN104915642A (zh) 前方车辆测距方法及装置
CN108009574A (zh) 一种轨道扣件检测方法
CN113140093A (zh) 一种基于AdaBoost算法的疲劳驾驶检测方法
Sayeed et al. Bangladeshi traffic sign recognition and classification using cnn with different kinds of transfer learning through a new (btsrb) dataset

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
TR01 Transfer of patent right

Effective date of registration: 20211231

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