[发明专利]一种基于主动红外图像的驾驶员打电话检测方法

说明书

本发明提供了一种基于主动红外图像的驾驶员打电话检测方法，基于车载主动红外图像，利用传统模式识别的方法检测图像中驾驶员人脸，扩大驾驶员人脸区域作为打电话行为的检测区域，再利用深度学习的方法在检测区域中同时检测手机和手，根据检测结果做不同处理，最终实现判断驾驶员是否在打电话的功能。本发明全天24小时运行、检测准确率高、计算复杂度低、硬件成本低，有利于大范围推广应用。

技术领域

本发明属于图像处理技术领域，具体涉及一种基于主动红外图像的驾驶员打电话检测方法。

背景技术

随着汽车工业的快速发展，汽车拥有量迅速增多，对安全驾驶提出了新的需求和挑战。在驾驶员的行为中，注意力不集中是造成交通事故的罪魁祸首。特别是随着手机使用的普及，驾驶过程中的打电话行为成为了引发交通事故的重要原因之一。因此检测开车打手机的功能对于提高行车安全有很大的意义。

现有的打电话检测方法主要有：

依靠执法人员现场执法，即通过在路口执勤的交警等执法人员通过人工的方式进行监控；但基于人工的方式，效率低，监控范围太窄。

基于手机信号捕捉的监控方法，通过在固定区域安装指向性天线监控来自行驶中的车辆上的手机信号，若是正在通话中的信号则启动影像设备，拍摄打电话画面，进行现场取证；基于手机信号的检测方法，会因为不能判断车中正在通话的人是驾驶员还是乘客，因此会出现很多误检测情况。

基于摄像头的智能图像检测方法，常基于可见光图像运用计算机视觉技术判断驾驶员是否打电话，基于可见光图像的打电话检测，会因为夜晚光线昏暗，导致可见光失去作用；而不同的计算机视觉方法往往会获得截然不同的性能和效率。目前常用的方法包括传统的模式识别方法和深度学习方法：计算机视觉方法中的传统模式识别方法往往由于检测精度不够导致漏检或者误检，实用性较差；而计算机视觉方法中的深度学习技术由于计算复杂度很大，导致硬件成本高，不利于大范围推广应用。

发明内容

本发明要解决的技术问题是：提供一种基于主动红外图像的驾驶员打电话检测方法，用于通过计算机视觉技术对红外图像进行处理，实现判断驾驶员是否手持打电话的功能。

本发明为解决上述技术问题所采取的技术方案为：一种基于主动红外图像的驾驶员打电话检测方法，包括以下步骤：

S1：获取车载驾驶主动红外图像；

S2：对红外图像进行包括缩放、平衡对比度和去噪滤波的预处理以降低计算量并输出预处理后的图像；

S3：对预处理后的图像的HOG特征进行分类和排序以检测驾驶员人脸；

S4：扩大驾驶员人脸的区域图像作为待检测区，记为G0；

S5：根据深度学习中的YOLO目标检测方法在G0中检测手和手机，获得检测集合记为S0；

S6：判断S0中目标的存在情况并分别进行后处理；

S7：输出分类结果：若在连续时间T秒内，打手机行为计数大于阈值N则输出告警；若在连续时间T秒内，打手机行为计数小于等于阈值N则不输出告警。

按上述方案，所述的步骤S2中，具体步骤为：

S21：通过图像双线性插值对红外图像进行缩放；

S22：通过直方图均衡化平衡红外图像对比度；

S23：通过中值滤波器对红外图像进行去噪滤波处理并输出处理后的图像。

进一步的，所述的步骤S3中，具体步骤为：

S31：利用图像特征提取器提取图像的HOG特征；

S32：利用SVM分类器对HOG特征进行分类，获得满足SVM分类器的位置即为人脸的位置；