[发明专利]基于视频图像的驾驶员姿态自动识别方法

摘要

基于视频图像的驾驶员姿态自动识别方法，通过安装在驾驶室侧方的CCD摄像机采集驾驶员操作方向盘、操作档位、吃东西和打电话等驾驶姿态图像，然后通过同态滤波处理、皮肤区域分割和Curvelet小波变换提取驾驶姿态特征向量来表征不同类的驾驶姿态，最后，采用支持向量机SVM对提取的驾驶姿态特征向量进行分类，从而实现操作方向盘、操作档位、吃东西和打电话等驾驶姿态的自动识别。本发明方法在不干扰驾驶员正常驾驶活动的前提下，可有效地检测驾驶员的不良驾驶行为，从而提高交通行车安全。

主权项

基于视频图像的驾驶员驾驶姿态的自动识别方法，其特征是包括如下步骤：1)采集驾驶员的不同的驾驶姿态图像，共m类，作为训练数据；2)对采集的驾驶姿态图像进行同态滤波处理；3)对步骤2)处理后的驾驶姿态图像，采用基于彩色图像RGB三分量的阈值分割方法分割出包括驾驶员头部及手部皮肤区域的图像；4)对步骤3)得到的包含驾驶员头部及手部皮肤区域的图像进行Curvelet变换，提取表征驾驶员驾驶姿态的Curvelet小波特征向量，即驾驶姿态特征向量；5)采用支持向量机SVM对步骤4)得到的驾驶员姿态的Curvelet小波特征向量进行分类，识别出驾驶员的驾驶姿态，支持向量机进行分类的目标是寻找一个超平面，即分类函数，将可以归类为同一种驾驶姿态的特征向量划分到超平面的同一侧，所述分类函数为：f(xi)＝+b上式中，w为分类函数f(xi)的权重，b为分类函数f(xi)的偏差项，xi为分类函数f(xi)的输入训练样本，驾驶员的驾驶姿态特征向量作为训练样本，分类函数使用非线性映射函数φ(·)将驾驶员姿态的Curvelet小波特征向量的映射到高维特征空间，映射函数又称为核函数，其表达式为：K(xi，xj)＝＝<φ(xi)·φ(xj)>xj为待识别驾驶姿态图像的第j个驾驶姿态特征向量，这里采用交叉核函数，其表达为：K(xi，xj)＝min(xi，xj)则分类函数表示为 f ( x ) = sign [ Σ i = 1 N α i y i K ( x i , x j ) + b ] 其中N为训练样本数，αi为与每个样本对应的Lagrange乘子，yi为概率参数，yi取0.25，对m类驾驶姿态的训练样本，根据分类函数的计算得到第t类驾驶姿态的非线性映射函数，t＝1，...m，对待识别的驾驶员驾驶姿态特征矩阵向量Xj分类，计算其分类值ct： c t = arg max t = 1 , . . . , m ( ( w t ) T φ t ( x j ) + b t ) 上式中，ct对应驾驶姿态类型，t为姿态类型的编号，wt为分类函数f(x)的权重，bt为分类函数f(x)的偏差项，m为驾驶姿态类型总数，权重wt取0.33，偏差项bt取0.01， φt(xj)为第j个驾驶姿态特征向量xj分类为第t类驾驶姿态的非线性映射函数，T为向量转置，根据分类值ct的公式确定t的取值，实现对驾驶姿态的识别。