CN106022242A - 智能交通系统中的驾驶员接打电话识别方法 - Google Patents
智能交通系统中的驾驶员接打电话识别方法 Download PDFInfo
- Publication number
- CN106022242A CN106022242A CN201610319250.0A CN201610319250A CN106022242A CN 106022242 A CN106022242 A CN 106022242A CN 201610319250 A CN201610319250 A CN 201610319250A CN 106022242 A CN106022242 A CN 106022242A
- Authority
- CN
- China
- Prior art keywords
- region
- face
- pixel
- image
- formula
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 230000011218 segmentation Effects 0.000 claims abstract description 15
- 238000000205 computational method Methods 0.000 claims description 20
- 230000001815 facial effect Effects 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000002372 labelling Methods 0.000 claims description 5
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 5
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 235000019658 bitter taste Nutrition 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
Classifications
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及智能交通系统中的驾驶员接打电话识别方法。本发明配合智能交通违章检测系统,利用交通卡口或交通十字路口视频监控获取图像,从中分割出驾驶员位置并进行人脸定位,获得人脸图像。以人脸像素点作为样本点,构建形如Mahalanobis距离的肤色分割模型。对驾驶员图像进行肤色分割,并提取人手图像,计算人手图像的质心和倾角。参考人脸的长度和高度设定违法区域。判断人手图像的倾角范围和质心与违法区域的关系,来判别驾驶员是否在驾驶车辆时接打电话。
Description
技术领域:
本发明属于数字图像处理技术领域,具体的说是一种针对驾驶员在驾车过程中接打电话的识别方法。
背景技术:
由于社会经济快速发展,生活质量也不断的提高,汽车已经成为日常出行的必备工具。而汽车的保有量也急剧增加,随之而来的是交通事故频发。随着交通运输业的发展,交通事故已经成为危害人类生命的最主要因素之一。而引发交通事故的原因中,人为因素又是主要诱因。在驾车过程中遇到紧急情况时,如果驾驶员在接打电话,他的反应速度会比集中注意力时慢30%以上。反应速度过慢可能会引起连续的操作失误,最终将会酿成惨痛的后果。因此,这就要求我们研究一种对驾驶过程中驾驶员接打电话进行自动检测的方法,对驾驶员起到威慑作用,从而杜绝驾驶过程中接打电话行为。
目前,对驾驶员接打电话的检测可以分为两类:(1)基于手机信号检测的方法。此类方法通过在车辆的固定区域安装手机信号检测器,然后根据接收到的信号的特征判断手机是否处于通话状态。(2)基于机器视觉的方法。此类方法是一种非接触式检测方法,主要是通过对采集到的视频图像进行处理,对感兴趣区域进行分类识别,从而判断驾驶员的驾驶状态。
发明内容:
本发明的目的是提供一种基于智能交通的驾驶员接打电话识别方法。本发明配合智能交通违章检测系统,利用交通卡口或交通十字路口视频监控获取图像,从中分割出驾驶员位置并进行人脸定位,以此来构建肤色模型,对人手肤色进行分割。并对分割结果进行判别,进而判断驾驶员是否在驾驶车辆时接打电话。本算法具有精度高、计算量小、检测快、不受光照影响等特点。本发明采用的技术方案是:
第一步:读取驾驶员图像I,其大小为M×N;
第二步:利用Viola-Jones人脸检测算法检测人脸,确定人脸在图像I中的区域,区域的左上角顶点坐标用(faceX,faceY)表示,高度、宽度分别用faceH、faceW表示,其单位为像素,并截取此区域存成图像Iface;
第三步:以Iface的像素点作为样本点,计算Iface的像素均值m,由于彩色图像具有RGB三个分量,因此m是具有三个分量的向量,各分量的计算方法如公式(1);
第四步:计算人脸图像Iface中像素的协方差矩阵C,C是3×3的矩阵,其计算方法如公式(2),其中z为Iface的像素值;
C=E{(z-m)(z-m)T},z∈Iface (2)
第五步:设协方差矩阵C的对角元素为C11、C22、C33,则人脸图像Iface的RGB分量的标准差DR、DG、DB分别为DR=C11,DG=C22,DB=C33,并且取RGB分量的标准差的最大值作为肤色模型的阈值并设为T,则T=max{DR,DG,DB},并设置肤色分割伸缩因子λ,其值为常数;
第六步:按照公式(3)构造基于Mahalanobis距离的肤色模型,其中z′为I的像素值,满足公式(3)的那些像素点为肤色像素点;
第七步:利用第六步构造的肤色模型对图像I进行肤色分割,判断原始图像的每个像素点是否满足公式(3),如果满足公式(3)则认为该点为肤色点,其值设为1,否则为背景像素点,其值设为0,得到二值图像Iskin;
第八步:去掉图像Iskin中像素点较少的连通区域,其阈值Th取值范围在1/25×M×N~1/35×M×N之间;
第九步:通过第八步的处理后,Iskin中像素为1的区域绝大部分为人手和人脸,而现在仅需要对人手进行判断来确定是否打电话,因此需要去掉人脸区域,按照第二步在图像I中确定的人脸位置,将Iskin中相同位置的像素值设为0,即可去掉Iskin中人脸的大部分区域;
第十步:通过第九步的处理后,可以去掉Iskin中人脸的大部分区域,但是可能会遗留人脸的边缘像素,这些像素可能会对后续的操作产生影响,因此去掉小于阈值Th′的连通区域,其中阈值Th′取1/50×M×N~1/70×M×N范围内的值,即可消除可能存在的干扰;
第十一步:在Iskin中设定位于人脸左侧的违法区域,违法区域的右边界与人脸图像的边界相接,并且左上角顶点坐标为(faceX-faceW,faceY+0.25*faceH),违法区域宽度为faceW个像素,违法区域高度为1.5*faceH个像素;
第十二步:在Iskin中设定位于人脸右侧的违法区域,违法区域的左边界与人脸图像的边界相接,并且左上角顶点坐标为(faceX+faceW,faceY+0.25*faceH),违法区域宽度为faceW个像素,违法区域高度为1.5*faceH个像素;
第十三步:对第十步处理后的图像进行连通区域标记,分别标记为L1,L2,…Ln,n为连通区域个数,并计算每个连通区域的质心,计算公式如公式(4),其中I(ri,ci)为经过标记的二值肤色分割图像在(ri,ci)处的像素值;
第十四步:选取一个连通区域Lj,判断连通区域的质心是否处于第十一和第十二步标记的违法区域内,如果质心处于违法区域内则转到第十五步,否则舍弃此连通区域,重新选取连通区域;
第十五步:计算连通区域Lj的二阶中心矩,其中行的二阶中心矩μrr的计算方法如公式(5),列的二阶中心矩μcc的计算方法如公式(6),混合二阶中心矩μrc的计算方法如公式(7),N为连通区域Lj内的像素数,(r0j,c0j)为连通区域Lj的质心;
第十六步:将连通区域的二阶中心矩作为椭圆的二阶中心矩构造椭圆,所得椭圆如公式(8);
第十七步:计算椭圆的长轴与水平方向的夹角,作为连通区域的倾角θ,如果μrr>μcc,则计算方法如公式(9),否则计算方法如公式(10);
第十八步:判断连通区域Lj的倾角θ,如果连通区域的质心在人脸左侧违法区域内并且角度θ介于15~75度之间,或者连通区域在右侧违法区域内并且角度θ介于-15~-75度之间则判定驾驶员在打电话,并停止执行输出结果,否则转到第十四步重新选取连通区域;
第十九步:如果所有连通区域都不满足第十四和第十八步的要求,则判定驾驶员没有接打电话。
附图说明
图1本发明方法流程图;
图2驾驶员图像;
图3人脸检测图像;
图4肤色模型;
图5肤色分割图像Iskin;
图6去除干扰连通区域后结果;
图7人脸残留边界图像;
图8分离的手部图像;
图9违法区域;
图10角度θ计算方法示意图;
具体实施方式:
下面结合附图和具体实例对本发明做详细说明。具体过程如下所示:
第一步:读取附图2所示的驾驶员图像I,其大小为M×N,其中M=188,N=180;
第二步:利用Viola-Jones人脸检测算法检测人脸,确定人脸在原图像I中的区域,其左上角顶点坐标为(59,23),区域高度、宽度均为51,其单位为像素,并截取此区域存成图像Iface;
第三步:以Iface的像素点作为样本点,利用公式(1)计算Iface的像素均值,m=[63.66,58.12,48.74]T;
第四步:利用公式(2)计算人脸图像Iface中像素的协方差矩阵,C=[243.75,216.99,196.96;216.99,203.83,184.08;196.96,184.08,176.08],为3×3的矩阵;
C=E{(z-m)(z-m)T},z∈Iface (2)
第五步:取人脸图像Iface的RGB分量的标准差的最大值作为肤色模型的阈值,T=max{DR,DG,DB},其中DR=243.75,DG=203.83,DB=176.08,并设置肤色分割伸缩因子λ=5;
第六步:按照公式(3)构造基于Mahalanobis距离的肤色模型,其中z′为I的像素值,满足公式(3)的那些像素点为肤色像素点,λT=1218.75;
第七步:利用第六步构造的肤色模型对原始图像I进行肤色分割,即判断原始图像的每个像素点是否满足公式(3),如果某个像素点公式(3)则认为该点为肤色像素点,其值设为1,否则为背景像素点,其值设为0,因此肤色分割后的图像为二值图像,记为Iskin;
第八步:去掉肤色分割图像Iskin中的较小连通区域,由于肤色分割图像共33840个像素,因此其阈值Th取1000像素;
第九步:利用第二步确定的人脸位置,获得Iskin中人脸的左边界和右边界的列坐标分别为L=59和R=110,将Iskin中列为59到110之间区域的像素设为0,即可去掉Iskin中人脸的大部分区域;
第十步:去掉小于阈值Th的连通区域,其中阈值Th取500像素,即可消除可能存在的人脸边缘的干扰如图8;
第十一步:在Iskin中设定两个分别位于人脸左右两侧的违法区域,其中左侧违法区域的左上角顶点坐标为(8,35),宽度为51,高度为77,右侧违法区域的左上角顶点坐标为(110,35),宽度为51,高度为77;
第十二步:对第七步处理后的图像进行连通区域标记,此例只有一个连通区域,标记为L1,并计算此连通区域的质心,计算公式如公式(4),质心坐标为(58.47,131.56);
第十三步:连通区域L1的质心为(58.47,131.56),由此可知处于右侧违法区域,执行第十四步;
第十四步:计算连通区域L1的二阶中心矩,其中行的二阶中心矩μrr的计算方法如公式(5),列的二阶中心矩μcc的计算方法如公式(6),混合二阶中心矩μrc的计算方法如公式(7),计算结果为μrr=86.61,μcc=142.24,μrc=-80.23;
第十五步:将连通区域的二阶中心矩作为椭圆的二阶中心矩构造椭圆,所得椭圆如公式(8);
第十六步:计算椭圆的长轴与水平方向的夹角,作为连通区域的倾角θ,如果μrr>μcc,则计算方法如公式(10),否则计算方法如公式(11),计算结果为θ=-35.44;
第十七步:由于连通区域L1的倾角θ=-35.44度,此连通区域满足其质心在右侧违法区域内并且角度θ介于-15~-75度之间,因此判定驾驶员接打电话。
Claims (1)
1.智能交通系统中的驾驶员接打电话识别方法,其特征在于如下步骤:
第一步:读取驾驶员图像I,其大小为M×N;
第二步:利用Viola-Jones人脸检测算法检测人脸,确定人脸在图像I中的区域,区域的左上角顶点坐标用(faceX,faceY)表示,高度、宽度分别用faceH、faceW表示,其单位为像素,并截取此区域存成图像Iface;
第三步:以Iface的像素点作为样本点,计算Iface的像素均值m,由于彩色图像具有RGB三个分量,因此m是具有三个分量的向量,各分量的计算方法如公式(1);
第四步:计算人脸图像Iface中像素的协方差矩阵C,C是3×3的矩阵,其计算方法如公式(2),其中z为Iface的像素值;
C=E{(z-m)(z-m)T},z∈Iface (2)
第五步:设协方差矩阵C的对角元素为C11、C22、C33,则人脸图像Iface的RGB分量的标准差DR、DG、DB分别为DR=C11,DG=C22,DB=C33,并且取RGB分量的标准差的最大值作为肤色模型的阈值并设为T,则T=max{DR,DG,DB},并设置肤色分割伸缩因子λ,其值为常数;
第六步:按照公式(3)构造基于Mahalanobis距离的肤色模型,其中z′为I的像素值,满足公式(3)的那些像素点为肤色像素点;
第七步:利用第六步构造的肤色模型对图像I进行肤色分割,判断原始图像的每个像素点是否满足公式(3),如果满足公式(3)则认为该点为肤色点,其值设为1,否则为背景像素点,其值设为0,得到二值图像Iskin;
第八步:去掉图像Iskin中像素点较少的连通区域,其阈值Th取值范围在1/25×M×N~1/35×M×N之间;
第九步:通过第八步的处理后,Iskin中像素为1的区域绝大部分为人手和人脸,而现在仅需要对人手进行判断来确定是否打电话,因此需要去掉人脸区域,按照第二步在图像I中确定的人脸位置,将Iskin中相同位置的像素值设为0,即可去掉Iskin中人脸的大部分区域;
第十步:通过第九步的处理后,可以去掉Iskin中人脸的大部分区域,但是可能会遗留人脸的边缘像素,这些像素可能会对后续的操作产生影响,因此去掉小于阈值Th′的连通区域,其中阈值Th′取1/50×M×N~1/70×M×N范围内的值,即可消除可能存在的干扰;
第十一步:在Iskin中设定位于人脸左侧的违法区域,违法区域的右边界与人脸图像的边界相接,并且左上角顶点坐标为(faceX-faceW,faceY+0.25*faceH),违法区域宽度为faceW个像素,违法区域高度为1.5*faceH个像素;
第十二步:在Iskin中设定位于人脸右侧的违法区域,违法区域的左边界与人脸图像的边界相接,并且左上角顶点坐标为(faceX+faceW,faceY+0.25*faceH),违法区域宽度为faceW个像素,违法区域高度为1.5*faceH个像素;
第十三步:对第十步处理后的图像进行连通区域标记,分别标记为L1,L2,…Ln,n为连通区域个数,并计算每个连通区域的质心,计算公式如公式(4),其中I(ri,ci)为经过标记的二值肤色分割图像在(ri,ci)处的像素值;
第十四步:选取一个连通区域Lj,判断连通区域的质心是否处于第十一和第十二步标记的违法区域内,如果质心处于违法区域内则转到第十五步,否则舍弃此连通区域,重新选取连通区域;
第十五步:计算连通区域Lj的二阶中心矩,其中行的二阶中心矩μrr的计算方法如公式(5),列的二阶中心矩μcc的计算方法如公式(6),混合二阶中心矩μrc的计算方法如公式(7),N为连通区域Lj内的像素数,(r0j,c0j)为连通区域Lj的质心;
第十六步:将连通区域的二阶中心矩作为椭圆的二阶中心矩构造椭圆,所得椭圆如公式(8);
第十七步:计算椭圆的长轴与水平方向的夹角,作为连通区域的倾角θ,如果μrr>μcc,则计算方法如公式(9),否则计算方法如公式(10);
第十八步:判断连通区域Lj的倾角θ,如果连通区域的质心在人脸左侧违法区域内并且角度θ介于15~75度之间,或者连通区域在右侧违法区域内并且角度θ介于-15~-75度之间则判定驾驶员在打电话,并停止执行输出结果,否则转到第十四步重新选取连通区域;
第十九步:如果所有连通区域都不满足第十四和第十八步的要求,则判定驾驶员没有接打电话。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610319250.0A CN106022242B (zh) | 2016-05-13 | 2016-05-13 | 智能交通系统中的驾驶员接打电话识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610319250.0A CN106022242B (zh) | 2016-05-13 | 2016-05-13 | 智能交通系统中的驾驶员接打电话识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106022242A true CN106022242A (zh) | 2016-10-12 |
CN106022242B CN106022242B (zh) | 2019-05-03 |
Family
ID=57100425
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610319250.0A Active CN106022242B (zh) | 2016-05-13 | 2016-05-13 | 智能交通系统中的驾驶员接打电话识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106022242B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106682601A (zh) * | 2016-12-16 | 2017-05-17 | 华南理工大学 | 一种基于多维信息特征融合的驾驶员违规通话检测方法 |
CN107844783A (zh) * | 2017-12-06 | 2018-03-27 | 西安市交通信息中心 | 一种营运车辆异常驾驶行为检测方法及系统 |
CN110516631A (zh) * | 2019-08-30 | 2019-11-29 | 公安部交通管理科学研究所 | 一种基于图像识别的失驾人员查处办法 |
CN112542003A (zh) * | 2020-11-26 | 2021-03-23 | 王绿芬 | 一种基于大数据的共享电单车遵守交通规则自动控制系统 |
CN114202914A (zh) * | 2021-11-24 | 2022-03-18 | 黑龙江工程学院 | 一种基于Wifi信号的近景图像交通违章及路况摄影测量系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120136721A (ko) * | 2011-06-09 | 2012-12-20 | 현대자동차주식회사 | 운전중 휴대폰 사용 경보 장치 및 그 방법 |
US20130150004A1 (en) * | 2006-08-11 | 2013-06-13 | Michael Rosen | Method and apparatus for reducing mobile phone usage while driving |
CN104156717A (zh) * | 2014-08-31 | 2014-11-19 | 王好贤 | 基于图像处理技术的驾驶员驾车打电话违章识别方法 |
CN104573724A (zh) * | 2015-01-09 | 2015-04-29 | 安徽清新互联信息科技有限公司 | 一种驾驶员接打电话行为监控方法 |
CN104573659A (zh) * | 2015-01-09 | 2015-04-29 | 安徽清新互联信息科技有限公司 | 一种基于svm的驾驶员接打电话监控方法 |
CN104966059A (zh) * | 2015-06-15 | 2015-10-07 | 安徽创世科技有限公司 | 基于智能监控系统的驾驶员开车打电话检测方法 |
US20150286885A1 (en) * | 2014-04-04 | 2015-10-08 | Xerox Corporation | Method for detecting driver cell phone usage from side-view images |
CN105260705A (zh) * | 2015-09-15 | 2016-01-20 | 西安邦威电子科技有限公司 | 一种适用于多姿态下的驾驶人员接打电话行为检测方法 |
CN105469073A (zh) * | 2015-12-16 | 2016-04-06 | 安徽创世科技有限公司 | 一种基于Kinect的驾驶员接打电话监控方法 |
-
2016
- 2016-05-13 CN CN201610319250.0A patent/CN106022242B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130150004A1 (en) * | 2006-08-11 | 2013-06-13 | Michael Rosen | Method and apparatus for reducing mobile phone usage while driving |
KR20120136721A (ko) * | 2011-06-09 | 2012-12-20 | 현대자동차주식회사 | 운전중 휴대폰 사용 경보 장치 및 그 방법 |
US20150286885A1 (en) * | 2014-04-04 | 2015-10-08 | Xerox Corporation | Method for detecting driver cell phone usage from side-view images |
CN104156717A (zh) * | 2014-08-31 | 2014-11-19 | 王好贤 | 基于图像处理技术的驾驶员驾车打电话违章识别方法 |
CN104573724A (zh) * | 2015-01-09 | 2015-04-29 | 安徽清新互联信息科技有限公司 | 一种驾驶员接打电话行为监控方法 |
CN104573659A (zh) * | 2015-01-09 | 2015-04-29 | 安徽清新互联信息科技有限公司 | 一种基于svm的驾驶员接打电话监控方法 |
CN104966059A (zh) * | 2015-06-15 | 2015-10-07 | 安徽创世科技有限公司 | 基于智能监控系统的驾驶员开车打电话检测方法 |
CN105260705A (zh) * | 2015-09-15 | 2016-01-20 | 西安邦威电子科技有限公司 | 一种适用于多姿态下的驾驶人员接打电话行为检测方法 |
CN105469073A (zh) * | 2015-12-16 | 2016-04-06 | 安徽创世科技有限公司 | 一种基于Kinect的驾驶员接打电话监控方法 |
Non-Patent Citations (5)
Title |
---|
RAFAEL A. BERRI ET AL: "A Pattern Recognition System for Detecting Use of Mobile Phones While Driving", 《2014 INTERNATIONAL CONFERENCE ON COMPUTER VISION THEORY AND APPLICATIONS (VISAPP)》 * |
李秀明等: "基于不变矩的椭圆(圆 )识别方法", 《北京工业大学学报》 * |
王晓红: "矩技术及其在图像处理与识别中的应用研究", 《中国优秀博硕士学位论文全文数据库 (博士)信息科技辑》 * |
邢圆: "针对司机违章通话的视频检测算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
黎华东: "智能交通中的违章识别算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106682601A (zh) * | 2016-12-16 | 2017-05-17 | 华南理工大学 | 一种基于多维信息特征融合的驾驶员违规通话检测方法 |
CN106682601B (zh) * | 2016-12-16 | 2019-11-15 | 华南理工大学 | 一种基于多维信息特征融合的驾驶员违规通话检测方法 |
CN107844783A (zh) * | 2017-12-06 | 2018-03-27 | 西安市交通信息中心 | 一种营运车辆异常驾驶行为检测方法及系统 |
CN110516631A (zh) * | 2019-08-30 | 2019-11-29 | 公安部交通管理科学研究所 | 一种基于图像识别的失驾人员查处办法 |
CN110516631B (zh) * | 2019-08-30 | 2022-06-17 | 公安部交通管理科学研究所 | 一种基于图像识别的失驾人员查处办法 |
CN112542003A (zh) * | 2020-11-26 | 2021-03-23 | 王绿芬 | 一种基于大数据的共享电单车遵守交通规则自动控制系统 |
CN114202914A (zh) * | 2021-11-24 | 2022-03-18 | 黑龙江工程学院 | 一种基于Wifi信号的近景图像交通违章及路况摄影测量系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106022242B (zh) | 2019-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106022242A (zh) | 智能交通系统中的驾驶员接打电话识别方法 | |
Seshadri et al. | Driver cell phone usage detection on strategic highway research program (SHRP2) face view videos | |
CN106682601B (zh) | 一种基于多维信息特征融合的驾驶员违规通话检测方法 | |
CN101211411B (zh) | 一种人体检测的方法和装置 | |
CN109584507A (zh) | 驾驶行为监测方法、装置、系统、交通工具和存储介质 | |
CN101930543B (zh) | 一种自拍视频中眼睛图像的调正方法 | |
CN103824081B (zh) | 一种室外恶劣光照条件下的快速鲁棒交通标志检测方法 | |
CN108509902B (zh) | 一种驾驶员行车过程中手持电话通话行为检测方法 | |
US20130010095A1 (en) | Face recognition device and face recognition method | |
CN104715244A (zh) | 一种基于肤色分割和机器学习的多视角人脸检测方法 | |
CN103679168A (zh) | 文字区域检测方法及装置 | |
CN109934199A (zh) | 一种基于计算机视觉的驾驶员疲劳检测方法及系统 | |
CN105046206B (zh) | 基于视频中运动先验信息的行人检测方法及装置 | |
CN105160317A (zh) | 一种基于区域分块行人性别识别方法 | |
CN103310194A (zh) | 视频中基于头顶像素点梯度方向的行人头肩部检测方法 | |
CN111553214B (zh) | 一种驾驶员吸烟行为检测方法及系统 | |
CN103530640B (zh) | 基于AdaBoost与SVM的无牌车辆检测方法 | |
KR20210006722A (ko) | 안전 장비의 착용 여부를 판단하는 장치, 방법 및 컴퓨터 프로그램 | |
CN104657724A (zh) | 一种交通视频行人检测方法 | |
CN106682600A (zh) | 一种目标检测方法及终端 | |
CN110309764A (zh) | 一种基于深度学习的多阶段驾驶员打电话行为检测方法 | |
CN104182769A (zh) | 一种车牌检测方法及系统 | |
Fan et al. | Traffic sign detection and classification for Advanced Driver Assistant Systems | |
CN109948433A (zh) | 一种嵌入式人脸跟踪方法及装置 | |
Muhammad Anwer et al. | Opponent colors for human detection |
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 |