[发明专利]一种基于深度学习的安全带佩戴识别方法

摘要

本发明涉及一种基于深度学习的安全带佩戴识别方法，包括如下步骤：1)前排乘客区域定位及图像预处理。利用RGB色彩空间下车牌图像中白色像素在蓝色像素点内所占比例来确定车牌位置；根据车牌位置，结合hough直线检测，确定车窗区域W(x,y,w,h)；在车窗区域中，采用haar特征空间来检测人脸，如果能检测到人脸，则根据人脸区域，确定前排乘客区域C，如果未能检测到人脸，则对车窗区域范围作进一步缩小，并将车窗区域分为主驾驶区域和副驾驶区域，作为前排乘客区域C。对前排乘客区域进行图像预处理，获得处理后的前排乘客区域图像C'；2)感兴趣区域获取；3)模型数据集建立；4)深度学习算法模型建立；5)安全带佩戴识别。本发明抗干扰能力较强，检测方式新颖。

主权项

1.一种基于深度学习的安全带佩戴识别方法，其特征在于，包括如下步骤：(1)利用RGB色彩空间，确定“预选车牌区域”，计算“预选车牌区域”区域内的白色像素点和区域内的像素点占比和区域长宽比，和阈值比较，确定车牌位置，具体如下：(1.1)读取一幅m×n像素的图像I，设定并初始化参数，参数包括图像Y轴方向上的“预选车牌区域”的蓝色像素点数阈值Ythresh，白色像素所占比ratio_w＝0，“近似车牌”区域长宽比ratio_l＝0；(1.2)对图像在Y轴方向上的蓝色像素点进行扫描和统计，得到m×1的像素矩阵U；(1.3)计算矩阵U中的最大值Ui,1及最大值Ui,1所在行i(0＜i＜m,i∈N)，其中Ui,1表示矩阵U中第1行第i列的值；如果Ui,1小于设定值，则判定为图像I内没有牌照并跳回执行步骤1)；否则将i值赋给PY2；(1.4)将PY2作为“预选车牌区域”的下边界并搜索确定“预选车牌区域”的上边界PY1；(1.5)利用公式计算图像X轴方向上的“预选车牌区域”的蓝色像素点数阈值X_thresh，q为可任意设置的正整数，q值越大，则抗干扰能力越强，但会造成精确度降低；(1.6)在上边界PY₁和下边界PY₂所在的区域内搜索并统计图像在X轴方向上的蓝色像素点数，得到1×n的像素矩阵V∈N^*1×n；(1.7)通过矩阵V∈N*1×n确定“预选车牌区域”的左边界PX1和右边界PX2；(1.8)计算“预选车牌区域”区域内的白色像素点占比和区域长宽比；(1.9)判断并得到车牌位置；(2)根据车牌位置，结合hough直线检测确定车窗区域；(3)利用haar特征空间检测车窗区域内是否有人脸，若有，则根据人脸区域确定前排乘客区域C；若没有，则将车窗区域缩小并将车窗区域分为主、副驾驶区域，作为前排乘客区域C；(4)对前排乘客区域C进行图像预处理获得前排乘客区域图像C'；(5)在前排乘客区域图像C'中选取驾驶员颈部以下区域图像作为感兴趣区域样本集；(6)利用感兴趣区域样本集建立模型数据集；(7)通过模型数据集建立并优化深度学习算法模型；(8)利用深度学习算法模型对感兴趣区域样本集进行安全带的佩戴识别。