[发明专利]一种行人分心行为检测方法

说明书

本发明提供了一种行人分心行为检测方法。该方法包括：采用梯度和纹理特征集成方法对行人图像进行行人检测处理，获取所述行人图像中的行人位置信息；根据所述行人的位置区域采用选择性搜素的方法对所述行人图像进行区域分割和合并处理，检测出行人敏感部位图像，对所述行人敏感部位图像进行特征提取，得到所述行人图像的敏感特征矩阵；利用行人图像数据集中所有行人图像的敏感部位特征矩阵训练Adaboost分类器，将待检测的行人图像输入训练好的Adaboost分类器，所述Adaboost分类器输出所待检测的行人图像的检测结果。本发明的方法可以准确及时地对行人行为进行分析，判断该行人是否为使用手机的危险行人并及时反馈给行人、司机以及交管部门，起到安全警示作用。

技术领域

本发明涉及交通安全管理技术领域，尤其涉及一种行人分心行为检测方法。

背景技术

近年来，随着信息时代的发展和手机的广泛使用，不分场合、随时随地玩手机的低头族越来越多。通过大量统计分析表明行人过街时使用手机会造成道路通行能力低、影响出行时间、引发交通事故等问题。2016年美国有6000名行人在交通事故中丧生，所以美国新发规定行人过马路看手机要罚款。其实在我们国内现状也不容乐观。中国青年报社社会调查中调查结果显示，有72.2％受访者表示过马路时有玩手机的经历。根据以上数据，我们发现低头族引发的交通事故日益增多，引起社会各界的重视。

目前人体动作识别领域相对成熟，常用的动作识别方法包括基于模板的方法、基于概率统计的方法以及基于语义的方法。人体行为识别可以用于检测连续、交互动作，在很多领域也有着广泛的应用前景，例如在医疗系统中检测病人的跌倒碰撞行为、在公众场合判断暴乱盗窃等危险事件、检测酒后驾驶的不法行为以及地质灾害后检测生存者的应用前景。但是现阶段行人检测研究方向大致分为两部分，一部分是传统行为的正常走、侧走、爬行、上坡或者下坡等基本人体姿势的研究，而另一部分则是基于轨迹的行人徘徊、行人越界、行人跌倒等异常行为的检测方法，这类研究主要针对老人、儿童等特殊群体。

目前，现有技术中没有一种针对行人使用手机这类分心行为进行检测的方法。

发明内容

本发明的实施例提供了一种行人分心行为检测方法，以实现有效地对行人使用手机这类分心行为进行检测。

为了实现上述目的，本发明采取了如下技术方案。

一种行人分心行为检测方法，包括：

采用梯度和纹理特征集成方法对行人图像进行行人检测处理，获取所述行人图像中的行人位置信息；

根据所述行人的位置区域采用选择性搜素的方法对所述行人图像进行区域分割和合并处理，检测出行人敏感部位图像，对所述行人敏感部位图像进行特征提取，得到所述行人图像的敏感特征矩阵；

利用行人图像数据集中所有行人图像的敏感部位特征矩阵训练Adaboost分类器，将待检测的行人图像输入训练好的Adaboost分类器，所述Adaboost分类器输出所待检测的行人图像的检测结果。

进一步地，所述的采用梯度和纹理特征集成方法对行人图像进行行人检测处理之前，还包括：

通过摄像设备采集公共交通区域中的行人图像，将所有行人图像存储在行人图像数据集中，所述行人图像包括行人为正常过马路图片和行为为分心行人图片。

进一步地，所述的采用梯度和纹理特征集成方法对行人图像进行行人检测处理，获取所述行人图像中的行人位置信息，包括：

从所述行人图像数据集中选择一幅行人图像，从所述行人图像中提取HOG特征，并保存图像的HOG特征矩阵；从所述行人图像中提取LBP特征，并保存图像的LBP特征矩阵，组合所述HOG特征矩阵和LBP特征矩阵得到HOG-LBP特征矩阵；