[发明专利]一种基于车载式视频分析的未系安全带行为检测方法

摘要

本发明公开了一种基于车载式视频分析的未系安全带行为检测方法，车载控制单元实时检测车辆运动情况，发现车辆运动后，则触发车载视频单元捕获动态视频信息，经图像预处理后划定驾驶人员位置区域，锁定佩戴安全带目标特征，启动DSP视频分析程序，发现司机未系安全带行为，启动车载报警模块并通过远程传输模块将信息发送到远程监管中心平台。该方法本图像帧间差分算法实时分析和检测动态视频图像的变化情况，识别和剔除无明显或特别变化的图像序列。对有显著运动或动态变化的图像序列进行动态行为识别和背景差异识别，再通过灰度积分投影算法确认驾驶人行车是否佩戴安全带行为，检测精度高、检测速度快。

主权项

一种基于车载式视频分析的未系安全带行为检测方法，其特征在于：该方法包括如下步骤：(1)、获取车载摄像机抓捕的实时监控视屏图像(2)、动态视频图像预处理(2.1)先将连续的多帧的监控视屏图像转换为灰度图像，提取两个或三个相邻帧，根据当前帧和相邻的前后帧的运动图像和背景图像的相对变化，再基于图像帧间差分法，算出大致运动目标的二值图；(2.2)利用边缘检测法对步骤2.1中的二值图进行修正，再将修正后的二值图，划分为个区域，若某个区域的面积小于设定的阈值，则将其判定为背景和行为无明显变化的区域并抛弃，若区域的面积大于设定的阈值，则将其判定为背景和行为为明显变化的区域，预于保留且转入步骤(3)；(3)、未系安全带行为检测获得一个初始的背景，利用改进的高斯混合模型构建背景模型，当有新的物体加入到背景中或者原来背景中的物体消失，把图像的像素值看成是前景高斯分布和背景高斯分布的混合体，若图像的某点像素值符合前景高斯分布时，则该点属于前景目标；若图像的某点像素值符合背景高斯分布，则该点属于背景，并进行背景更新采用基于卡尔曼滤波的更新公式来改进图像平均模型：Bk+1(i)＝Bk(i)+(α1×Mk(i)+α2×(1‑Mk(i)))(Ck(i)‑Bk(i))式中：Bk(i)为当前背景中像素i的值，Bk+1(i)为更新后背景中像素i的值，Ck(i)为当前图像中像素i的值，α1、α2为更新系数，Mk(i)定义如下：Mk(i)=1if(|Ck(i)-Bk(i)|<Tb)0else]]>由于噪声和背景的变化，当|Ck(i)‑Bk(i)|＜Tb时，认为当前的图像值为背景，否则当前的图像值为前景；(4)未系安全带行为判定采用基于灰度积分投影模型算法，将检测区域分割为不同区域，每个区域设置特征点，安全带有腰部横向佩戴和斜向上下方向佩戴两部分，(4.1)通过水平积分投影和垂直投影建立数学模型，计算二值化图像的水平积分投影和垂直积分投影；水平积分投影：垂直积分投影：式中：n为行有效像素，m为列有效像素，x为像素在图像中的横坐标，y为像素在图像中的纵坐标，(4.2)设定区域特征值，将步骤4.1中得到的水平积分投影和垂直积分投影与区域特征值对比，符合区域特征值则说明佩戴安全带，不符合区域特征值就说明未佩戴安全带。