CN110084184A - 一种基于图像处理技术的安全带未系探测系统和方法 - Google Patents

Abstract

本发明提供一种基于图像处理技术的安全带未系探测系统和方法，属于检测技术领域。它解决如何高效快速识别安全带是否正确佩戴的问题。该系统包括依次连接的广角摄像头、图像传感器、控制单元和报警单元，控制单元包括ROM存储器存储算法模型；RAM存储器保存图片数据；处理器内设有图像判断模型，图像判断模型包括人脸特征识别图框，处理器对摄像头输入的图像进行预处理并根据算法模型进行边缘检测和特征提取，将所提取的人脸特征进行缩放后拟合到预定的人脸特征识别图框内，通过对肩部特征和安全带织带特征的比对并判断乘员是否正确佩戴安全带，并进行提示。该方法包括：图像采集、图像处理、特征比对、报警提示。实现高效快速的识别安全带佩戴状态。

Description

一种基于图像处理技术的安全带未系探测系统和方法

技术领域

本发明属于检测技术领域，涉及一种基于图像处理技术的安全带未系探测系统和方法。

背景技术

安全带作为最有效的车内安全保护装置,当轿车紧急制动时,安全带将驾驶员和或车上乘客束缚在座位上,防止或减少驾驶员受二次冲撞的伤害。在危险情况发生时，安全带的正确佩戴可以大幅降低伤亡率。目前，国内外安全带提示系统主要通过卡扣式的检测方式。只有当安全带扣插入安全带卡座锁定后才会自动确认驾驶员是否系好安全带，传统安全带未系探测逻辑如下，当车辆启动，若主驾驶安全带锁舌未插入，则仪表主驾驶安全带未系提醒灯亮，否则提醒灯灭；如果是其他席位，则在以上逻辑判断之前，需探测座椅上是否有乘员。

现中国专利文献公开了申请号为201210018710.8的基于机器视觉的安全带佩带识别方法及装置，CCD摄像机采集乘员的安全带佩戴状态的图像，DSP处理器通过预先编入其中的算法求出安全带的3个特征点坐标；通过安全带的特征点坐标的个数判断乘员的安全带佩戴状态，当安全带的特征点坐标个数小于3时，DSP处理器发出报警指令给声光报警器，提醒乘员正确系好安全带；当乘员正确佩戴安全带，DSP处理器检测到安全带的3个特征点坐标，声光报警器停止报警。该装置虽然能够使用图像检测安全带是否未系和安全带的状态。但是该装置但从图像特征的安全带三个特征点坐标进行识别，识别能力低，检测不够高效和准确。

发明内容

本发明针对现有技术存在的上述问题，提出了一种基于图像处理技术的安全带未系探测系统和方法。该系统和方法解决了如何高效快速识别安全带是否正确佩戴的问题。

本发明通过下列技术方案来实现：一种基于图像处理技术的安全带未系探测系统，包括控制单元、发出声光警示的报警单元、用于采集安全带状态图像的广角摄像头和用于将图像光学信号转换为电信号的图像传感器，广角摄像头、图像传感器、控制单元和报警单元依次连接，其特征在于，控制单元包括

ROM存储器，用于存储有相应的算法模型；

RAM存储器，用于接收并保存广角摄像头传输的图片数据；

处理器内设有图像判断模型，图像判断模型包括人脸特征识别图框，处理器对广角摄像头输入的图像进行预处理并根据算法模型进行边缘检测和提取相关人脸特征，将所提取的人脸特征进行缩放后拟合到预定的人脸特征识别图框内，通过对肩部特征进行提取对安全带是否佩戴进行初步判断，初步判断后进一步通过对提取的安全带织带特征进行直线拟合并判断车上人员是否正确佩戴安全带，并进行提示。

控制单元通过图像传感器接收广角摄像头采集车内图像，并对图像进行预处理，预处理后通过预设的的算法模型进行人脸特征提取，将所提取的人脸特征进行缩放后拟合到预定的人脸特征识别图框内，进一步提起人员肩部特征和安全织带特征，通过识别肩部特征进行安全带状态的初步判断后，进一步通过对安全带织带特征的直线拟合并判断车上人员是否正确佩戴安全带。本系统通过分部特征提取，以图像拟合的方式进行分段检测验证，提高图像特征识别度和特征判断准确性。从而实现高效快速识别安全带是否正确佩戴的判断。

在上述的基于图像处理技术的安全带未系探测系统中，ROM存储器内存储有Canny算子或Prewitt算子的算法模型，处理器通过Canny算子或Prewitt算子的算法模型进行图像边缘检测和特征提取，ROM存储器内还存储有AAM(ActiveAppreance Model)算法或/和Adaboost算法的算法模型，处理器通过AAM算法或/和Adaboost算法的算法模型进行人脸特征分类。方便在图像上对应乘客识别，对车内所以人员的安全带佩戴状况进行识别和提示。

在上述的基于图像处理技术的安全带未系探测系统中，所述图像判断模型还包括肩部特征识别图框和安全带特征识别图框，所述肩部特征识别图框在人脸特征识别图框中鼻特征的下方，安全带特征识别图框在人脸特征识别图框下方，图像通过预处理后进行边缘检测和特征识别后对人脸特征进行缩放拟合到图像判断模型的人脸特征识别图框中，同时在肩部特征识别图框内提取肩部特征，通过左右侧肩部特征长度比对、肩部特征点到人脸特征识别图框中心线距离比对来进行安全带是否佩戴的初步判断，在初步确定安全带已佩戴时，对提取的安全带织带特征点进行直线拟合，通过判断安全带织带特征点所拟合直线的分离度、所拟合直线斜率、所拟合直线的长度和所拟合直线的间距是否在阈值范围内，如果都能满足条件则确定乘员已正确佩戴安全带。通过人脸特征识别缩放后拟合的方式使得图像特征拟合到图像判断模型中，图像判断模型分成人脸特征识别图框、肩部特征识别图框、安全带特征识别图框，在通过人脸特征拟合重叠后进一步在对应的肩部特征识别图框内提取对应的肩部特征并单独比对，同理织带特征识别框内单独识别织带特征并进行比对。不仅提高了图像相对特征的提取准确度同时通过分部位判断和直线拟合等方式根据准确高效的实现了安全带的佩戴状况的识别和判断。

在上述的基于图像处理技术的安全带未系探测系统中，本系统还包括红外线发射装置，红外线发射装置连接控制单元输出端，广角摄像头接收红外线发射装置发射的红外线，控制单元判断广角摄像头采集的图像亮度，当当前接收的图像亮度低于设定阈值时，控制单元控制红外线发射装置发射红外线，广角摄像头采集红外图像并通过图像传感器输出给控制单元。这里在使用普通广角摄像头拍摄时图像亮度已经无法满足控制单元识别安全带是否佩戴时，控制单元打开红外线发射装置，使得红外线发射装置和广角摄像头组成红外线摄像头。提高了车内图像采集的清晰度，保证安全带识别的准确度。

一种基于图像处理技术的安全带未系探测方法，其特征在于，本方法包括以下步骤：

图像采集:车辆启动后，实时采集车内人员安全带佩戴状态的图像；

图像处理:对采集的初始图像进行图像预处理，并通过算法模型进行边缘检测和提取相关特征；

特征比对：将所提取的人脸特征进行缩放后拟合到预定的人脸特征识别图框内，通过对提取的肩部特征比对和对安全带织带特征进行直线拟合比对并判断车上人员是否正确佩戴安全带；

报警提示:车辆启动后车内人员未正确佩戴安全带时进行声光警示。

车辆启动后，实时采集车内人员安全带佩戴状态的图像，控制单元通过对采集的初始图像进行图像预处理后，通过算法模型进行边缘检测和边缘特征和人脸特征的提取。通过对人脸特征进行缩放后拟合到预定的人脸特征识别图框内，这样拟合后在肩部特征识别图框和安全带特征识别图框内提取图片中的肩部特征和安全带织带特征，对提取的肩部特征比对安全带是否佩戴进行初步判断，通过肩部特征判断有安全带配后进行安全带织带特征判断，把安全带织带特征进行直线拟合比对后判断车上人员是否正确佩戴安全带；如果判断出车内人员未正确佩戴安全带则进行安全带未佩戴提示。如果判断出已经正确佩戴安全带，则不进行提示。本方法通过分部特征提取，以图像拟合的方式进行分段检测验证，提高图像特征识别度和特征判断准确性。从而实现高效快速识别安全带是否正确佩戴的判断。

在上述的基于图像处理技术的安全带未系探测方法中，所述图像预处理为对初始图像进行滤波减噪、直方图修正和对比度修正处理，然后使用Canny算子或Prewitt算子的算法模型进行图像边缘检测和特征提取，并通过AAM(ActiveAppreance Model)算法或/和Adaboost算法的算法模型进行人脸特征分类，通过判断分类后的人脸特征确定车内对应位置上是否有乘客。通过对图像的滤波减噪、直方图修正和对比度修正处理能够使控制单元的处理器能够通过算法模型提取带准确的特征。同时方便在图像上对应乘客识别，对车内所以人员的安全带佩戴状况进行识别和提示。

在上述的基于图像处理技术的安全带未系探测方法中，在人脸特征识别图框中的鼻特征的下方为肩部特征识别图框，在肩部特征识别图框内提取肩部特征，通过左右侧肩部特征长度比对、肩部特征点到人脸特征识别图框中心线距离比对来进行安全带是否佩戴的初步判断，在初步确定安全带已佩戴时，在人脸特征识别图框下方为安全带织带特质识别图框，对提取的安全带织带特征点进行直线拟合，通过判断安全带织带特征点所拟合直线的分离度、所拟合直线斜率、所拟合直线的长度和所拟合直线的间距是否在阈值范围内，如果都能满足条件则确定乘员已正确佩戴安全带。本方法通过人脸特征识别缩放后拟合的方式使得图像特征拟合到图像判断模型中，图像判断模型分成人脸特征识别图框、肩部特征识别图框、安全带特征识别图框，在通过人脸特征拟合重叠后进一步在对应的肩部特征识别图框内提取对应的肩部特征并单独比对，同理织带特征识别框内单独识别织带特征并进行比对。不仅提高了图像相对特征的提取准确度同时通过分部位判断和直线拟合等方式根据准确高效的实现了安全带的佩戴状况的识别和判断。

在上述的基于图像处理技术的安全带未系探测方法中，在对图像处理前先对接收的初始图像按照座椅进行裁剪分格，裁剪后的每格图像对应每个座椅席位图像，控制单元分别对分格后的每格图像同时进行图像预处理、图像边缘检测、图像特征提取、人像特征分类和图像特征比对。根据标定对采集的图像进行裁剪分格，由每个座椅席位对应其中一个格子，后续所有的图像处理和逻辑判断均对应其中一个格子的图像进行。且所有格子图像同时进行，大大降低了图像处理的计算量和无用的干扰图像，同时又实现了对车内所有座位或有需要座位安全带佩戴的监控警示的全面性和准确性。

在上述的基于图像处理技术的安全带未系探测方法中，在图像亮度小于设定阈值或边缘特征提取个数小于设定值时，采集红外线图像数据。这里在图像亮度或边缘特征不足时通过采集红外线图像数据提高车内图像采集的清晰度，提高安全带佩戴状态识别的准确度。

在上述的基于图像处理技术的安全带未系探测方法中，车辆启动后，默认进行主驾驶位安全带佩戴提示，当通过主驾驶席位的图像判断出驾驶员安全带已正确佩戴时，警示停止；当通过图像中的人脸特征识别和进行特征分类算法判断副驾驶座席或对应除主驾驶位外的其余座椅席位上有乘员时，进行安全带是否正确佩戴判断，在对应席位上有乘员未正确佩戴安全带则进行安全带未正确佩戴提示。主驾驶座在车辆启动时就进行安全带提示，副驾驶座位或其余有需要的乘客座位在安全带佩戴判断前先进行人员判断，有人员时再进行安全带佩戴提示。安全带佩戴提醒更人性化。

与现有技术相比，本基于图像处理技术的安全带未系探测系统和方法中。具有以下优点：

1、本发明通过对实时采集的图像近预处理、边缘检测、特征提取、人脸特征识别和分类等手段实现安全带是否佩戴的识别，通过分部特征提取，以图像拟合的方式进行分段检测验证，提高图像特征识别度和特征判断准确性。从而实现高效快速识别安全带是否正确佩戴的判断。

2、本发明通过左右侧肩部特征长度比对、肩部特征点到人脸特征识别图框中心线距离比对来进行安全带是否佩戴的初步判断，在初步确定安全带已佩戴时，在人脸特征识别图框下方为安全带织带特质识别图框，对提取的安全带织带特征点进行直线拟合，通过判断特征点与所拟合直线的分离度、所拟合直线斜率、两条拟合直线长度比对、两条拟合直线的间距等特征进行安全的佩戴状态的判别。分开判断安全的有无佩戴和佩戴状态，不仅加快判断程序，同时对安全带的佩戴状态的判断更加准确。

附图说明

图1是本发明的系统框图。

图2是本实施例一的逻辑判断框图。

图3是实施例二的逻辑判断框图。

图4是图像判断模型图。

图5是对应座椅席位的分格图。

图中，1、控制单元；2、广角摄像头；3、图像传感器；4、红外线发射装置；5、报警单元；11、处理器；12、RAM存储器；13、ROM存储器；14、图像判断模型；141、人脸特征识别图框；142、肩部特征识别图框；143、安全带特征识别图框。

具体实施方式

以下是本发明的具体实施例，并结合附图对本发明的技术方案作进一步的描述，但本发明并不限于这些实施例。

实施例一,如图1-2、4所示，本基于图像处理技术的安全带未系探测系统包括控制单元1、发出声光警示的报警单元5、用于采集安全带状态图像的广角摄像头2和用于将图像光学信号转换为电信号的图像传感器3，报警单元5包括连接控制单元1的声光报警器，本装置中的声光报警器还可以通过安全气囊控制器或整车控制器连接控制单元1，这里的选择取决于仪表盘上安全带提示报警器的布局和线路，通过整车控制器、安全气囊控制器或本系统的控制单元1本身进行控制输出都是可以实现的。广角摄像头2、图像传感器3、控制单元1和报警单元5依次连接，控制单元1包括ROM存储器13，用于存储有相应的算法模型；RAM存储器12，用于接收并保存广角摄像头2传输的图片数据；处理器11，对广角摄像头2输入的图像进行预处理并根据算法模型进行边缘检测和提取相关人脸特征，将所提取的人脸特征进行缩放后拟合到预定的人脸特征识别图框141内，通过对肩部特征进行提取比对并对安全带是否佩戴进行初步判断，初步判断后进一步通过对提取的安全带织带特征进行直线拟合并判断车上人员是否正确佩戴安全带，并进行提示。本系统还包括红外线发射装置4，红外线发射装置4连接控制单元1输出端，广角摄像头2接收红外线发射装置4发射的红外线，控制单元1判断广角摄像头2采集的图像亮度，当当前接收的图像亮度低于设定阈值时，控制单元1控制红外线发射装置4发射红外线，广角摄像头2采集红外图像并通过图像传感器3输出给控制单元1。这里在使用普通广角摄像头2拍摄时图像亮度已经无法满足控制单元1识别安全带是否佩戴时，控制单元1打开红外线发射装置4，使得红外线发射装置4和广角摄像头2组成红外线摄像头。红外线摄像头的原理是通过红外线漫反射，被监控摄像头接收，形成视频图像。从而提高了车内图像采集的清晰度，保证安全带识别的准确度。

ROM存储器13内存储有Canny算子或Prewitt算子的算法模型，处理器11通过Canny算子或Prewitt算子的算法模型进行图像边缘检测和特征提取。Canny算子又叫Canny边缘检测算子(Computational theory of edge detection)。Canny算子使用了变分法，是寻找满足特定功能的函数的方法。最优检测使用四个指数函数项的和表示，但是它非常近似于高斯函数的一阶导数。Prewitt算子是一种一阶微分算子的边缘检测，利用像素点上下、左右邻点的灰度差，在边缘处达到极值检测边缘，去掉部分伪边缘，对噪声具有平滑作用。其原理是在图像空间利用两个方向模板与图像进行邻域卷积来完成的，这两个方向模板一个检测水平边缘，一个检测垂直边缘。ROM存储器13内还存储有AAM(ActiveAppreance Model)算法或/和Adaboost算法的算法模型，处理器11通过AAM算法或/和Adaboost算法的算法模型进行人脸特征分类。方便在图像上对应乘客识别，对车内所以人员的安全带佩戴状况进行识别和提示。AAM算法主动外观模型主要分为两个阶段，模型建立阶段和模型匹配阶段。其中模型建立阶段包括了对训练样本分别建立形状模型(Shape Model)和纹理模型(Texture Model)，然后将两个模型进行结合，形成AAM模型。模型匹配阶段是指在视频序列中将已建立好的AAM模型在当前帧图像中寻找最匹配的目标的过程。Adaboost算法是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器(弱分类器)，然后把这些弱分类器集合起来，构成一个更强的最终分类器(强分类器)。其算法本身是通过改变数据分布来实现的，它根据每次训练集之中每个样本的分类是否正确，以及上次的总体分类的准确率，来确定每个样本的权值。将修改过权值的新数据集送给下层分类器进行训练，最后将每次训练得到的分类器最后融合起来，作为最后的决策分类器。

处理器11内设有图像判断模型14，图像判断模型14包括人脸特征识别图框141、肩部特征识别图框142和安全带特征识别图框143，肩部特征识别图框142在人脸特征识别图框141中鼻特征的下方，安全带特征识别图框143在人脸特征识别图框141下方，图像通过预处理后进行边缘检测和特征识别后对人脸特征进行缩放拟合到图像判断模型14的人脸特征识别框中，同时在肩部特征识别图框142内提取肩部特征，通过左右侧肩部特征长度比对、肩部特征点到人脸特征识别图框141中心线距离比对来进行安全带是否佩戴的初步判断，在初步确定安全带已佩戴时，对提取的安全带织带特征点进行直线拟合，通过判断安全带织带特征点所拟合直线的分离度、所拟合直线斜率、所拟合直线的长度和所拟合直线的间距是否在阈值范围内，如果都能满足条件则确定乘员已正确佩戴安全带。通过人脸特征识别缩放后拟合的方式使得图像特征拟合到图像判断模型14中，图像判断模型14分成人脸特征识别图框141、肩部特征识别图框142、安全带特征识别图框143，在通过人脸特征拟合重叠后进一步在对应的肩部特征识别图框142内提取对应的肩部特征并单独比对，同理织带特征识别框内单独识别织带特征并进行比对。不仅提高了图像相对特征的提取准确度同时通过分部位判断和直线拟合等方式根据准确高效的实现了安全带的佩戴状况的识别和判断。

控制单元1通过图像传感器3接收广角摄像头2采集车内图像，并对图像进行预处理，预处理后通过预设的的算法模型进行人脸特征提取，将所提取的人脸特征进行缩放后拟合到预定的人脸特征识别图框141内，进一步提起人员肩部特征和安全织带特征，通过识别肩部特征进行安全带状态的初步判断后，进一步通过对安全带织带特征的直线拟合并判断车上人员是否正确佩戴安全带。本系统通过分部特征提取，以图像拟合的方式进行分段检测验证，提高图像特征识别度和特征判断准确性。从而实现高效快速识别安全带是否正确佩戴的判断。

本基于图像处理技术的安全带未系探测方法包括以下步骤：

图像采集:车辆启动后，实时采集车内人员安全带佩戴状态的图像；在图像亮度小于设定阈值或边缘特征提取个数小于设定值时，采集红外线图像数据。这里在图像亮度或边缘特征不足时通过采集红外线图像数据提高车内图像采集的清晰度，提高安全带佩戴状态识别的准确度。

图像处理:对采集的初始图像进行图像预处理，并通过算法模型进行边缘检测和提取相关特征；图像预处理为对初始图像进行滤波减噪、直方图修正和对比度修正处理，然后使用Canny算子或Prewitt算子的算法模型进行图像边缘检测和特征提取，并通过AAM(ActiveAppreance Model)算法或/和Adaboost算法的算法模型进行人脸特征分类，通过判断分类后的人脸特征确定车内对应位置上是否有乘客。通过对图像的滤波减噪、直方图修正和对比度修正处理能够使控制单元1的处理器11能够通过算法模型提取带准确的特征。同时方便在图像上对应乘客识别，对车内所以人员的安全带佩戴状况进行识别和提示。

特征比对：将所提取的人脸特征进行缩放后拟合到预定的人脸特征识别图框141内，通过对提取的肩部特征比对和对安全带织带特征进行直线拟合比对并判断车上人员是否正确佩戴安全带；在人脸特征识别图框141中的鼻特征的下方为肩部特征识别图框142，在肩部特征识别图框142内提取肩部特征，通过左右侧肩部特征长度比对、肩部特征点到人脸特征识别图框141中心线距离比对来进行安全带是否佩戴的初步判断。安全带佩戴侧肩部特征长度比不带安全带侧肩部特征长度短则为初步判断佩戴安全带。

在初步确定安全带已佩戴时，在人脸特征识别图框141下方为安全带织带特质识别图框，对提取的安全带织带特征点进行直线拟合，通过判断安全带织带特征点所拟合直线的分离度、所拟合直线斜率、所拟合直线的长度和所拟合直线的间距是否在阈值范围内，如果都能满足条件则确定乘员已正确佩戴安全带。本方法通过人脸特征识别缩放后拟合的方式使得图像特征拟合到图像判断模型14中，图像判断模型14分成人脸特征识别图框141、肩部特征识别图框142、安全带特征识别图框143，在通过人脸特征拟合重叠后进一步在对应的肩部特征识别图框142内提取对应的肩部特征并单独比对，同理织带特征识别框内单独识别织带特征并进行比对。不仅提高了图像相对特征的提取准确度同时通过分部位判断和直线拟合等方式根据准确高效的实现了安全带的佩戴状况的识别和判断。

报警提示:车辆启动后车内人员未正确佩戴安全带时进行声光警示。

车辆启动后，这里车辆可以是上电或点火的判断确定车辆是否启动。默认进行主驾驶位安全带佩戴提示，当通过主驾驶席位的图像判断出驾驶员安全带已正确佩戴时，警示停止；当通过图像中的人脸特征识别和进行特征分类算法判断副驾驶座席或对应除主驾驶位外的其余座椅席位上有乘员时，即判断车内座椅席位上是否有乘员。如果有判断为否，则相应席位未系安全带提示灯保持灭的状态。如果判断座位上有乘员，则进行安全带是否正确佩戴判断，在对应席位上有乘员未正确佩戴安全带则进行安全带未正确佩戴提示。即相应席位未系安全带提醒灯点亮，或进行声光警示。如果检测判断的安全带已经正确佩戴，则安全带未系提醒灯保持灭。主驾驶座在车辆启动时就进行安全带提示，副驾驶座位或其余有需要的乘客座位在安全带佩戴判断前先进行人员判断，有人员时再进行安全带佩戴提示。安全带佩戴提醒更人性化。具体的图像处理和判断逻辑过程为：车辆启动后，实时采集车内人员安全带佩戴状态的图像，控制单元1通过对采集的初始图像进行图像预处理后，通过算法模型进行边缘检测和边缘特征和人脸特征的提取。通过对人脸特征进行缩放后拟合到预定的人脸特征识别图框141内，这样拟合后在肩部特征识别图框142和安全带特征识别图框143内提取图片中的肩部特征和安全带织带特征，对提取的肩部特征比对安全带是否佩戴进行初步判断，通过肩部特征判断有安全带配后进行安全带织带特征判断，把安全带织带特征进行直线拟合比对后判断车上人员是否正确佩戴安全带；如果判断出车内人员未正确佩戴安全带则进行安全带未佩戴提示。如果判断出已经正确佩戴安全带，则不进行提示。本方法通过分部特征提取，以图像拟合的方式进行分段检测验证，提高图像特征识别度和特征判断准确性。从而实现高效快速识别安全带是否正确佩戴的判断。如图4中显示的a、b、c、d对应的圆点为肩部特征提取点，图中e、f、g、h对应的圆点为安全带织带特征提取点。

实施例二如图3-5所示，在对图像处理前先对接收的初始图像按照座椅进行裁剪分格，裁剪后的每格图像对应每个座椅席位图像，控制单元1分别对分格后的每格图像同时进行图像预处理、图像边缘检测、图像特征提取、人像特征分类和图像特征比对。根据标定对采集的图像进行裁剪分格，由每个座椅席位对应其中一个格子，后续所有的图像处理和逻辑判断均对应其中一个格子的图像进行。且所有格子图像同时进行，大大降低了图像处理的计算量和无用的干扰图像，同时又实现了对车内所有座位或有需要座位安全带佩戴的监控警示的全面性和准确性。如图5所示，5个座位的汽车，分格成如图对应席位分格图，分别有主驾驶席位、副驾驶席位、后排左侧席位、后排中间席位、后排右侧席位。其余对主驾驶位和副驾驶位或其余乘客位是否正确佩戴安全带而进行报警提示控制逻辑如实施例一相同，且每个座椅席位对应的每格图像所有处理过程也和实施例一相同。按以上方法对初始图像信息裁剪分格后，分别对每个座椅席位图像进行滤波减噪、直方图修正、对比度修正等处理，使用Canny算子或Prewitt算子的算术模型进行边缘检测和特征提取，将提取的人脸信息(全局特征、眼特征、鼻特征、嘴特征等)，通过AAM算法或/和Adaboost算法的算术模型进行分类判断，从而判断各座椅席位是否有乘员，如果相应席位有乘员，则进一步进行安全带织带特征的提取和检测，具体过程如下：将识别的人像特征进行缩放后拟合到预设的人脸特征识别图框141内，在人脸特征识别图框141中的鼻特征的下方为肩部特征识别图框142，通过左右侧肩部特征长度比对(安全带佩戴侧肩部特征长度短)、肩部特征点到人脸特征识别图框141中心线距离等进行安全带是否佩戴的初步判断，在人脸特征识别图框141下方为安全带织带特质识别图框，对提取的安全带织带特征点进行直线拟合、通过判断特征点与所拟合直线的分离度、所拟合直线斜率判断、两条拟合直线长度比对、两条拟合直线的间距等因素进行判断，从而确定乘员是否佩戴安全带。以上特征判断的阈值需由大量的标定数据支持，以保证判断的准确度。

在车内人员是否正确佩戴安全带的逻辑判断和提示中，如果车辆启动后，在控制单元1已经开启红外线发射装置4，广角摄像头2采集的是车内红外线图像时，处理器11对图像进行分格或未分格，且仅限相应预处理以及相关算子进行边缘特征提取，若提取的边缘特征数量仍然少于阈值，则系统进入学习模式，系统对已提取的特征进行逻辑判断并同时通过车机网络将图像传输给后台服务器进行人工判断，若图像信息较典型则对程序进行更新，通过线上升级或线下刷写方式进行程序更新。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (10)

1.一种基于图像处理技术的安全带未系探测系统，包括控制单元(1)、发出声光警示的报警单元(5)、用于采集安全带状态图像的广角摄像头(2)和用于将图像光学信号转换为电信号的图像传感器(3)，广角摄像头(2)、图像传感器(3)、控制单元(1)和报警单元(5)依次连接，其特征在于，控制单元(1)包括

ROM存储器(13)，用于存储有相应的算法模型；

RAM存储器(12)，用于接收并保存广角摄像头(2)传输的图片数据；

处理器(11)内设有图像判断模型(14)，图像判断模型(14)包括人脸特征识别图框(141)，处理器(11)对广角摄像头(2)输入的图像进行预处理并根据算法模型进行边缘检测和相关人脸特征，将所提取的人脸特征进行缩放后拟合到预定的人脸特征识别图框(141)内，通过对肩部特征进行提取比对并对安全带是否佩戴进行初步判断，初步判断后进一步通过对提取的安全带织带特征进行直线拟合并判断车上人员是否正确佩戴安全带，并进行提示。

2.根据权利要求1所述的基于图像处理技术的安全带未系探测系统，其特征在于，ROM存储器(13)内存储有Canny算子或Prewitt算子的算法模型，处理器(11)通过Canny算子或Prewitt算子的算法模型进行图像边缘检测和特征提取，ROM存储器(13)内还存储有AAM算法或/和Adaboost算法的算法模型，处理器(11)通过AAM算法或/和Adaboost算法的算法模型进行人脸特征分类。

3.根据权利要求1或2所述的基于图像处理技术的安全带未系探测系统，其特征在于，所述图像判断模型(14)还包括肩部特征识别图框(142)和安全带特征识别图框(143)，所述肩部特征识别图框(142)在人脸特征识别图框(141)中鼻特征的下方，安全带特征识别图框(143)在人脸特征识别图框(141)下方，图像通过预处理后进行边缘检测和特征识别后对人脸特征进行缩放拟合到图像判断模型(14)的人脸特征识别框中，同时在肩部特征识别图框(142)内提取肩部特征，通过左右侧肩部特征长度比对、肩部特征点到人脸特征识别图框(141)中心线距离比对来进行安全带是否佩戴的初步判断，在初步确定安全带已佩戴时，对提取的安全带织带特征点进行直线拟合，通过判断安全带织带特征点所拟合直线的分离度、所拟合直线斜率、所拟合直线的长度和所拟合直线的间距是否在阈值范围内，如果都能满足条件则确定乘员已正确佩戴安全带。

4.根据权利要求1所述的基于图像处理技术的安全带未系探测系统，其特征在于，本系统还包括红外线发射装置(4)，红外线发射装置(4)连接控制单元(1)输出端，广角摄像头(2)接收红外线发射装置(4)发射的红外线，控制单元(1)判断广角摄像头(2)采集的图像亮度，当当前接收的图像亮度低于设定阈值时，控制单元(1)控制红外线发射装置(4)发射红外线，广角摄像头(2)采集红外图像并通过图像传感器(3)输出给控制单元(1)。

5.一种基于图像处理技术的安全带未系探测方法，其特征在于，本方法包括以下步骤：

图像采集:车辆启动后，实时采集车内人员安全带佩戴状态的图像；

图像处理:对采集的初始图像进行图像预处理，并通过算法模型进行边缘检测和提取相关特征；

特征比对：将所提取的人脸特征进行缩放后拟合到预定的人脸特征识别图框(141)内，通过对提取的肩部特征比对和对安全带织带特征进行直线拟合比对并判断车上人员是否正确佩戴安全带；

报警提示:车辆启动后车内人员未正确佩戴安全带时进行声光警示。

6.根据权利要求5所述的基于图像处理技术的安全带未系探测方法，其特征在于，所述图像预处理为对初始图像进行滤波减噪、直方图修正和对比度修正处理，然后使用Canny算子或Prewitt算子的算法模型进行图像边缘检测和特征提取，并通过AAM算法或Adaboost算法的算法模型进行人脸特征分类，通过判断分类后的人脸特征确定车内对应位置上是否有乘客。

7.根据权利要求5或6所述的基于图像处理技术的安全带未系探测方法，其特征在于，在人脸特征识别图框(141)中的鼻特征的下方为肩部特征识别图框(142)，在肩部特征识别图框(142)内提取肩部特征，通过左右侧肩部特征长度比对、肩部特征点到人脸特征识别图框(141)中心线距离比对来进行安全带是否佩戴的初步判断，在初步确定安全带已佩戴时，在人脸特征识别图框(141)下方为安全带织带特质识别图框，对提取的安全带织带特征点进行直线拟合，通过判断安全带织带特征点所拟合直线的分离度、所拟合直线斜率、所拟合直线的长度和所拟合直线的间距是否在阈值范围内，如果都能满足条件则确定乘员已正确佩戴安全带。

8.根据权利要求5所述的基于图像处理技术的安全带未系探测方法，其特征在于，在对图像处理前先对接收的初始图像按照座椅进行裁剪分格，裁剪后的每格图像对应每个座椅席位图像，控制单元(1)分别对分格后的每格图像同时进行图像预处理、图像边缘检测、图像特征提取、人像特征分类和图像特征比对。

9.根据权利要求5所述的基于图像处理技术的安全带未系探测方法，其特征在于，在图像亮度小于设定阈值或边缘特征提取个数小于设定值时，采集红外线图像数据。

10.根据权利要求5所述的基于图像处理技术的安全带未系探测方法，其特征在于，车辆启动后，默认进行主驾驶位安全带佩戴提示，当通过主驾驶席位的图像判断出驾驶员安全带已正确佩戴时，警示停止；当通过图像中的人脸特征识别和进行特征分类算法判断副驾驶座席或对应除主驾驶位外的其余座椅席位上有乘员时，进行安全带是否正确佩戴判断，在对应席位上有乘员未正确佩戴安全带则进行安全带未正确佩戴提示。