CN104966059B - 基于智能监控系统的驾驶员开车打电话检测方法 - Google Patents

Abstract

本发明涉及一种基于智能监控系统的驾驶员开车打电话检测方法，该方法首先从采集到的视频序列中确定驾驶员的头部位置；然后基于运动目标提取算法，判断运动目标是否有由下向上的运动趋势，若有则进行打电话检测；最后利用Cascade级联分类器对人头两侧前景区域进行人手打电话姿势分类，进而判断驾驶员是否有违章打电话的行为。由以上技术方案可知，本发明能够快速准确地对驾驶员开车打电话行为进行检测。

Description

基于智能监控系统的驾驶员开车打电话检测方法

技术领域

本发明涉及智能监控系统技术领域，具体涉及一种基于智能监控系统的驾驶员开车打电话检测方法。

背景技术

随着交通产业和信息技术的飞速发展，手机和车辆的使用已经十分普遍，开车任意接打电话也屡见不鲜，该行为看起来神通，可背后隐藏的险情却触目惊心。

据统计资料证实，目前酒驾已经不再是车祸造成人员伤亡的第一“杀手”，注意力不集中才是导致交通事故的最大原因，而开车打电话又是造成注意力不集中的主要原因。研究表明，开车打电话时人脑反应比酒驾还要慢30％，应变能力减弱；驾车打电话会导致交通事故风险比通常高4倍；并且驾车打电话还会影响车辆的通行效率，加剧路面车辆拥堵。

目前新交规已经对驾驶员驾驶时打电话做了相应的处罚条例，但是由于交警很难抓到“现行”，执行起来难度较高，驾驶员开车打电话依旧猖獗。因此，基于智能监控系统对驾驶员开车打电话的违章行为检测十分必要。

发明内容

本发明的目的在于提供一种基于智能监控系统的驾驶员开车打电话检测方法，该方法能够快速准确地对驾驶员开车打电话行为进行检测。

为实现上述目的，本发明采用了以下技术方案：

(1)采集N张人头检测分类器所需的正负样本，正样本是正面或稍偏转的人头图像，负样本为不包含人头的任意图像；

(2)收集M张驾驶员打电话人手姿势的正负样本，正样本是驾驶员打电话的图像，负样本是不包含打电话的图像；

(3)提取图像的HOG(Histogram of Oriented Gradient)特征；

(31)标准化gamma空间和颜色空间，gamma压缩公式如式(1)所示：

I(x,y)＝I(x,y)^gamma (1)

其中，gamma为压缩参数，I(x,y)为点(x,y)处的灰度像素值。

(32)计算图像的梯度，采用公式(2)求梯度幅值R(x,y)，公式(3)求梯度方向θ(x,y)：

θ(x,y)＝arccos(I(x+1,y)-I(x-1,y)/R) (3)

(33)将图像分成若干个单元格，对每个单元格的梯度直方图进行规定权重投影，投影公式如(4)所示：

A*a (4)

其中，A为权重，a为与相邻边的夹角。

(34)采用公式(5)，将每一个重叠块内的单元格进行对比度归一化；

其中，ε是个很小的常数，可以避免分母为0。

(35)将所有块内的直方图向量组合成一个大的HOG特征向量。

(4)利用Cascade级联分类器训练人头检测分类器和打电话检测分类器；

(5)利用训练好的人头检测分类器在图像中进行人头检测，确定驾驶员的头部位置，利用公式(6)求头部的中心位置；

(x_c,y_c)＝(x+width/2,y+height/2) (6)

其中，(x_c,y_c)为头部外接矩形的中心位置，(x,y)为左上角顶点，width和height为头部外接矩形的宽和高。

(6)利用ViBe背景建模方法进行运动目标提取，采用公式(7)进行判断，若满足则认为像素点x为背景点，反之则为前景点；

SR(p_t(x))∩M(x)＞#min (7)

其中，p_t(x)为t时刻x处的像素值，M(x)＝{p₁,p₂,...,p_n}为背景样本集，n表示样本集的大小，#min为阈值，SR(p_t(x))表示以x为圆心R为半径的区域。

(7)记录连续数帧运动目标质心位置{(x_n,y_n),(x_n+1,y_n+1),...,(x_n+m,y_n+m)}，质心点的计算公式如(8)所示，并判断运动目标是否存在上升的趋势；

其中，(x_n,y_n)为第n帧运动目标区域的质心位置，I_Dn(x_i,y_i)为前景区域像素点(x_i,y_i)处的灰度值。(x_n+m，y_n+m)为第n+m帧运动目标区域的质心位置。

(8)采用公式(9)对前景区域的运动趋势进行判断，若前景区域的运动趋势为由下向上并且运动到头部的侧下方，则触发打电话检测：

y_n+i≤y_c+height (9)

其中，y_n+i、y_c分别为当前帧前景区域质心点的y坐标和头部区域中心的y坐标。

(9)若启动打电话检测，则在人头的运动目标一侧利用训练好的分类器进行打电话检测；

(10)记录检测到的个数和开始时刻，统计在一段时间内检测到打电话的次数，达到一定阈值进行警告，若警告无效则进行报警。

由以上技术方案可知，本发明利用图像处理技术对驾驶员开车打电话行为进行检测，该方法首先从采集到的视频序列中确定驾驶员的头部位置；然后基于运动目标提取算法，判断运动目标是否有由下向上的运动趋势，若有则进行打电话检测；最后利用Cascade级联分类器对人头两侧前景区域进行人手打电话姿势分类，进而判断驾驶员是否有违章打电话的行为。本发明能够快速准确地对驾驶员开车打电话行为进行检测，具有监控准确度高、漏检误检较少、速度快、成本低等特点。

附图说明

图1是本发明的方法流程图；

图2是HOG梯度方向加权投影计算示意图；

图3是Cascade级联分类器流程图。

具体实施方式

下面结合附图对本发明做进一步说明：

如图1所示的基于智能监控系统的驾驶员开车打电话检测方法，该方法包括以下步骤：

(1)采集人头检测的训练样本，其中：N₁张人头图像，N₂张不包含人头的图像，N₁与N₂的比例大致为1:2；

(2)收集打电话检测的训练样本，M₁张驾驶员打电话人手姿势图片，M₂张不包含人手打电话的图片，M₁与M₂的比例大致为1:2；

(3)提取图像的HOG(Histogram of Oriented Gradient)特征；

(31)标准化gamma空间和颜色空间，gamma压缩公式如公式(1)所示：

I(x,y)＝I(x,y)^gamma (1)

其中，gamma参数设置为1/2，I(x,y)为点(x,y)处的像素值。

(32)采用公式(2)和(3)计算图像的一阶梯度，公式(2)为梯度幅值R(x,y)，公式(3)为梯度方向θ(x,y)：

θ(x,y)＝arccos(I(x+1,y)-I(x-1,y)/R) (3)

选择0～180°不考虑正负极方向的范围，所以梯度方向表示如公式(3a)所示：

(33)将图像分成若干个单元格，对每个单元格的梯度直方图进行规定权重投影；

将每个像素点的梯度角度离散的分到9个bin中，每个像素点的梯度幅值就被分到两个相邻的bin中，如图2所示，像素点O的梯度方向是图中的虚线方向，幅值为A，与最近bin的夹角为a。分别按(4a)式和(4)式求通道1和通道2的幅值；

A*(1-a) (4a)

A*a (4)

(34)将每一个重叠块内的单元格进行对比度归一化，归一化采用L2-norm方法，如式(5)；

这里ε是个很小的常数，可以避免分母为0。

(35)将检测窗口中所有重叠的块进行HOG特征收集，作为最终的特征向量供分类使用。

对于64*64大小的图像，单元格为8*8，块大小为16*16，块每次滑动8个像素，那么总的特征数为：

((64-16)/8+1)*((64-16)/8+1)*(16/8)*(16/8)*9＝1764

(4)利用Cascade级联分类器训练人头检测分类器和打电话检测分类器，Cascade级联分类器在开始的几级可以把非感兴趣窗口快速去掉，加快处理速度，流程如图3所示；

(5)利用训练好的人头检测分类器在图像中进行人头检测，确定驾驶员的头部位置，利用公式(6)求出头部的中心位置；

(x_c,y_c)＝(x+width/2,y+height/2) (6)

其中，(x_c,y_c)为头部外界矩形中心位置，(x,y)为左上角顶点，width和height为矩形的宽和高。

(6)利用ViBe背景建模方法进行运动目标提取，按公式(7)进行判断，若满足则认为像素点x为背景点，反之则为前景点；

SR(p_t(x))∩M(x)＞#min (7)

其中，p_t(x)为t时刻x处的像素值，M(x)＝{p₁,p₂,...,p_n}为背景样本集，n表示样本集的大小，#min为阈值，SR(p_t(x))表示以x为圆心R为半径的区域。

(7)按公式(8)计算每帧运动目标前景区域的质心位置，并记录连续数帧质心位置{(x_n,y_n),(x_n+1,y_n+1),...,(x_n+m,y_n+m)}，至少记录10帧数据，才比较是否存在上升的趋势，上升趋势应满足y_n+m＞y_n+m-1＞...＞y_n；

其中，(x_n,y_n)为第n帧图像检测到的运动目标区域的质心位置，I_Dn(x_i,y_i)为图像I_Dn中像素点(x_i,y_i)处的灰度值。(x_n+m，y_n+m)为第n+m帧运动目标区域的质心位置。

(8)若前景区域达到人头的侧下方并且运动趋势为由下向上，则触发打电话检测，判别公式如式(9)所示：

y_n+i≤y_c+height (9)

其中，y_n+i、y_c分别为当前帧前景区域质心点的y坐标和头部区域中心的y坐标。

(9)在人头运动目标一侧利用训练好的分类器进行打电话检测；记录检测结果和开始时刻，若检测到人手后20帧图像都没有再次检测到，则清空记录，重新上述步骤；若在100帧图像中检测到50帧以上，则进行警告；

(10)若警告无效，在接下来的视频序列中继续检测到打电话的姿势，则进行报警。

以上所述的实施例仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案作出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

Claims (2)

1.基于智能监控系统的驾驶员开车打电话检测方法，其特征在于：该方法包括以下步骤：

(1)采集N张人头检测分类器所需的正负样本，正样本是正面或稍偏转的人头图像，负样本为不包含人头的任意图像；

(2)收集M张驾驶员打电话人手姿势的正负样本，正样本是驾驶员打电话的图像，负样本是不包含打电话的图像；

(3)提取图像的HOG征；

(4)利用Cascade级联分类器训练人头检测分类器和打电话检测分类器；

(5)利用训练好的人头检测分类器在图像中进行人头检测，确定驾驶员的头部位置，并采用以下公式求头部的中心位置：

(x_c,y_c)＝(x+width/2,y+height/2)

其中，(x_c,y_c)为头部外接矩形的中心位置，(x,y)为左上角顶点，width和height为头部外接矩形的宽和高；

(6)利用ViBe背景建模方法进行运动目标提取，并采用以下公式进行判断，若满足下式，则认为像素点x为背景点，反之则为前景点；

SR(p_t(x))∩M(x)＞#min

其中，p_t(x)为t时刻x处的像素值，M(x)＝{p₁,p₂,...,p_n}为背景样本集，n表示样本集的大小，#min为阈值，SR(p_t(x))表示以x为圆心R为半径的区域；

(7)记录连续数帧运动目标质心位置{(x_n,y_n),(x_n+1,y_n+1),...,(x_n+m,y_n+m)}，并判断运动目标是否存在上升的趋势；质心点的计算公式如下所示：

其中，(x_n,y_n)为第n帧运动目标区域的质心位置，I_Dn(x_i,y_i)为前景区域像素点(x_i,y_i)处的灰度值；为第n+m帧运动目标区域的质心位置；

(8)采用以下公式对前景区域的运动趋势进行判断，若前景区域的运动趋势为由下向上并且运动到头部的侧下方，则触发打电话检测：

y_n+i≤y_c+height

其中，y_n+i、y_c分别为当前帧前景区域质心点的y坐标和头部区域中心的y坐标；

(9)若启动打电话检测，则在人头的运动目标一侧利用训练好的分类器进行打电话检测；

(10)记录检测到的个数和开始时刻，统计在一段时间内检测到打电话的次数，达到一定阈值进行警告，若警告无效则进行报警。

2.根据权利要求1所述的基于智能监控系统的驾驶员开车打电话检测方法，其特征在于：步骤(3)中所述的提取图像的HOG特征，具体包括以下步骤：

(31)标准化gamma空间和颜色空间，gamma压缩公式如下式所示：

I(x,y)＝I(x,y)^gamma

其中，gamma为压缩参数，I(x,y)为点(x,y)处的灰度像素值；

(32)计算图像的梯度，采用以下公式求梯度幅值R(x,y)和梯度方向θ(x,y)：

θ(x,y)＝arccos(I(x+1,y)-I(x-1,y)/R)；

(33)将图像分成若干个单元格，对每个单元格的梯度直方图进行规定权重投影，投影公式如下式所示：

A*a

其中，A为权重，a为与相邻边的夹角；

(34)采用以下公式，将每一个重叠块内的单元格进行对比度归一化：

其中，ε是个很小的常数；

(35)将所有块内的直方图向量组合成一个大的HOG特征向量。