本發(fā)明涉及交通安全技術(shù)領(lǐng)域，特別涉及一種機(jī)動(dòng)車前排就坐者是否扣帶安全帶的自動(dòng)檢測(cè)方法。

背景技術(shù)：
目前，在拍攝到的圖像當(dāng)中，交通機(jī)關(guān)通過人力資源一張張鑒別乘客、司機(jī)是否系上安全帶。然而，由于圖像數(shù)量巨大，在這方面的識(shí)別需要大量的人力、物力。因此，使用機(jī)器代替人類，提高效率，提高生產(chǎn)力，正是這個(gè)軟件的意義所在?，F(xiàn)有的主流安全帶識(shí)別方法是通過定位車輛車牌；然后估算出主司機(jī)的位置；再利用霍夫直線去檢測(cè)檢測(cè)安全帶的存在。首先，這種方法不能準(zhǔn)確地找出司機(jī)的位置，精確度不高；并且，這種方法僅能找出主駕座的安全帶，而無(wú)法識(shí)別副駕駛座的安全帶。

技術(shù)實(shí)現(xiàn)要素：
本發(fā)明的發(fā)明目的是針對(duì)現(xiàn)有安全帶自動(dòng)檢測(cè)方法的技術(shù)不足，提供一種能夠準(zhǔn)確檢測(cè)機(jī)動(dòng)車前排就坐者是否扣帶安全帶的自動(dòng)檢測(cè)方法。為實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明采用的技術(shù)方案為：提供一種機(jī)動(dòng)車前排就坐者是否扣帶安全帶的自動(dòng)檢測(cè)方法，基于道路監(jiān)控圖像，包括如下步驟：(a)讀取格式為JPG、BMP或PNG的監(jiān)控圖像；(b)根據(jù)HSV顏色模型，對(duì)步驟(a)中讀取的圖像文件進(jìn)行藍(lán)色區(qū)域與黃色區(qū)域的顏色信息分析并結(jié)合車牌的多邊形形狀、寬高比等結(jié)構(gòu)特征分析，然后定位車牌的位置；(c)根據(jù)步驟(b)中定位的車牌位置及步驟(b)中處理過的圖像，通過車窗位置與車牌位置的相對(duì)幾何關(guān)系以及輸入圖像的尺寸參數(shù)來選取局部窗口，并作為定位的車窗位置；(d)根據(jù)步驟(c)中車窗定位的結(jié)果，在車窗范圍內(nèi)基于haar-like進(jìn)行人臉檢測(cè)，并判斷檢測(cè)的人臉是司機(jī)還是乘客；(e)根據(jù)步驟(d)中的判斷結(jié)果，對(duì)司機(jī)與乘客的位置進(jìn)行窗口劃分，并對(duì)窗口先后使用canny邊緣檢測(cè)和霍夫直線檢測(cè)，然后篩選指定角度范圍內(nèi)的直線并標(biāo)記司機(jī)與乘客的區(qū)域，最后分別進(jìn)行是否佩戴安全帶的判別。優(yōu)選地，所述步驟(b)中包括如下步驟：(b-1)將監(jiān)控圖像通過如下公式從RGB轉(zhuǎn)成HSV顏色模型：v＝max(r,g,b)(3)；其中h表示色調(diào)，s表示飽和度，v表示明度，max表示取其中參數(shù)的最大值，min表示取其中參數(shù)的最小值。(b-2)將經(jīng)(b-1)轉(zhuǎn)化后的到圖像，執(zhí)行下述其中一項(xiàng)步驟：1)根據(jù)藍(lán)色的顏色取值標(biāo)準(zhǔn):遍歷圖像每一個(gè)像素點(diǎn)，標(biāo)記圖像中藍(lán)色區(qū)域；2)根據(jù)黃色的顏色取值標(biāo)準(zhǔn):遍歷圖像每一個(gè)像素點(diǎn)，標(biāo)記圖像中黃色區(qū)域；(b-3)對(duì)(b-2)得出的區(qū)域，先進(jìn)行圖像處理中的1次腐蝕處理，至少進(jìn)行4次膨脹處理；(b-4)利用步驟(b-3)得出的區(qū)域，用區(qū)域周長(zhǎng)乘以0.04的精度逼近，產(chǎn)生多邊形曲線；(b-5)設(shè)車牌區(qū)域?yàn)镽；候選車牌區(qū)域?qū)挾葹閘ength、候選車牌區(qū)域高度為height，圖像寬度為s.length，圖像高度為s.height；候選車牌區(qū)域面積為area,圖像面積為s.area；候選車牌區(qū)域邊數(shù)為sides；從步驟(b-4)中根據(jù)多邊形曲線的邊數(shù)以及面積，并根據(jù)如下公式：s.area*0.00176<area<s.area*0.00502(11)4<sides<10(12)找出車牌區(qū)域；(b-6)若從(b-5)得到的結(jié)果中，找不到車牌區(qū)域，則返回(b-2)，執(zhí)行其中另一步驟；如果根據(jù)上述1)和2)步驟都找不到車牌區(qū)域，該圖像作為無(wú)法找到車牌圖像I無(wú)車牌且若找到車牌區(qū)域，該車牌區(qū)域記為R＝R*。優(yōu)選地，所述步驟(c)包括以下步驟：(c-1)如果求出車牌區(qū)域的矩m10，m00，m01；進(jìn)而得出車牌區(qū)域R的中心否則執(zhí)行步驟(b-3)；(c-2a)設(shè)輸入圖像的寬度為src.length，輸入圖像的高度為src.height；設(shè)局部窗口的寬度為winL，局部窗口的高度為winH；利用(c-1)得到的xcR和ycR，設(shè)車牌區(qū)域R的中心點(diǎn)水平坐標(biāo)為centre.x，令centre.x＝xcR，垂直坐標(biāo)為centre.y，令centre.y＝y(tǒng)cR；其中，x為該局部窗口左上角在輸入圖像中的水平坐標(biāo)、y為該局部窗口左上角在輸入圖像中的垂直坐標(biāo)；通過如下公式：winL＝src.length*0.43(14)winH＝src.height*0.33(15)x＝centre.x-0.215*src.length(16)y＝centre.y-0.45*src.height(17)；找出局部窗口；(c-2b)設(shè)局部窗口大小為輸入圖像的大小，即winL＝src.lengthwinH＝src.heightx＝0y＝0。步驟(c)結(jié)束，進(jìn)入步驟(d)。優(yōu)選地，所述步驟(d)包括以下步驟：(d-1)在步驟c中所獲得的窗口內(nèi)，使用OpenCV開源庫(kù)的Haar-like人臉分類器設(shè)定最小窗口的參數(shù)；其中，設(shè)最小檢索窗口為10×10；(d-2)設(shè)faces為(d-1)的執(zhí)行結(jié)果，如果直接執(zhí)行步驟(d-3)；否則，按照以下標(biāo)準(zhǔn)篩選人臉，設(shè)頭像face∈faces，頭像半徑為face.radius，頭像中心點(diǎn)的水平坐標(biāo)為face.x，垂直坐標(biāo)為face.y，車牌中心點(diǎn)的水平坐標(biāo)為centre.x，垂直坐標(biāo)為centre.y，其中：face.radius<0.05*s.length(18)height<|face.x-xcR|<height*3(19)；設(shè)不滿足上述條件的人臉為faces-，從faces中剔除；而此時(shí)faces更新為faces＝faces-faces-；然后執(zhí)行步驟(c-3)；(d-3)若則該圖像為無(wú)法識(shí)別的圖像；算法流程結(jié)束；否則，進(jìn)行如下判斷：條件1：若該人臉的水平分量值大于車牌的水平分量值，則該人臉是屬于司機(jī)的，否則屬于前排乘客；或條件2：若該人臉的右方區(qū)域D有車窗邊框，則認(rèn)為人臉是屬于司機(jī)的，否則屬于前排乘客；設(shè)定區(qū)域D的窗口寬度為vWinL，區(qū)域D的窗口高度為vWinH；區(qū)域D的窗口左上角頂點(diǎn)坐標(biāo)的水平分量為vWinX，垂直分量為頭像坐標(biāo)垂直分量為vWinY；則通過如下公式：vWinL＝face.radius*6(22)vWinH＝face.radius*4(23)vWinX＝face.x+face.radius(24)vWinY＝face.y-face.radius(25)；標(biāo)示出區(qū)域D；(d-4)根據(jù)(d-3)的結(jié)果，乘客窗口記為P(face)，司機(jī)窗口記為D(face)。優(yōu)選地，所述步驟(e)包括以下步驟：(e-1)對(duì)于人臉以下的局部窗口區(qū)域記為R1，該窗口區(qū)域的寬度為sWinL，該窗口區(qū)域的高度為sWinH，該窗口區(qū)域左上角在原圖像中的水平分量大小為sWinX，該窗口左上角在原圖像中的垂直分量大小為sWinY；sWinL＝face.radius*6(26)sWinH＝face.radius*4(27)sWinX＝face.x-face.radius*2(28)sWinY＝face.y(29)；在該窗口區(qū)域進(jìn)行以下操作：使用OpenCV開源庫(kù)的函數(shù)進(jìn)行直方圖均衡化處理，以核為17×17進(jìn)行高斯平滑處理；然后使用canny邊緣檢測(cè)，其中canny邊緣檢測(cè)的參數(shù)中，高的閾值為60，低的閾值為0；再進(jìn)行霍夫直線檢測(cè)，霍夫直線檢測(cè)的參數(shù)中，最短線段閾值為5，投票累計(jì)數(shù)閾值為35。得到窗口區(qū)域R1中的直線，記作lines；(e-2)根據(jù)(e-1)的結(jié)果，按照以下規(guī)則，對(duì)直線lines進(jìn)行篩選：1)對(duì)于司機(jī)窗口D(face)：將司機(jī)窗口D(face)中與x軸正方向夾角不在40度與70度之間的直線刪除，記為司機(jī)區(qū)域；2)對(duì)于乘客窗口P(face)，把乘客窗口P(face)中與x軸正方向夾角不在110度與140度之間的直線刪除，記為乘客區(qū)域；根據(jù)上述1)和2)的結(jié)果，若在司機(jī)及乘客區(qū)域中同時(shí)找到直線，或在司機(jī)區(qū)域找到直線以及乘客不存在時(shí)，則該監(jiān)控圖像為合法通過的圖像；否則，均為違規(guī)圖像。本發(fā)明相對(duì)于現(xiàn)有技術(shù)，具有以下有益效果：1、本發(fā)明能夠?qū)C(jī)動(dòng)車前排乘坐人員(包括司機(jī)與副駕駛乘客)進(jìn)行快速準(zhǔn)確的識(shí)別，分別檢測(cè)他們是否扣帶安全帶，是否滿足現(xiàn)實(shí)交通法所規(guī)定的審查要求；該自動(dòng)檢測(cè)方法能夠方便應(yīng)用于現(xiàn)實(shí)生活之中；2、本發(fā)明能夠處理海量圖像，能對(duì)在各種道路、各種天氣狀況下的道路監(jiān)控圖像進(jìn)行相關(guān)分析；3、本發(fā)明利用人臉的位置檢測(cè)安全帶的位置，比其他方法更準(zhǔn)確，進(jìn)而提高安全帶的識(shí)別精度；4、本發(fā)明能準(zhǔn)確區(qū)分前排乘坐人員是乘客還是司機(jī)，并對(duì)應(yīng)地作出識(shí)別處理。附圖說明圖1為本發(fā)明機(jī)動(dòng)車前排就坐者是否扣帶安全帶的自動(dòng)檢測(cè)方法。具體實(shí)施方式下面結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明的發(fā)明目的作進(jìn)一步詳細(xì)地描述，實(shí)施例不能在此一一贅述，但本發(fā)明的實(shí)施方式并不因此限定于以下實(shí)施例。除非特別說明，本發(fā)明采用的材料和加工方法為本技術(shù)領(lǐng)域常規(guī)材料和加工方法。如圖1所示，一種機(jī)動(dòng)車前排就坐者是否扣帶安全帶的自動(dòng)檢測(cè)方法，基于道路監(jiān)控圖像，包括如下步驟：(a)讀取格式為JPG、BMP或PNG的監(jiān)控圖像；(b)根據(jù)HSV顏色模型，對(duì)步驟(a)中讀取的圖像文件進(jìn)行藍(lán)色區(qū)域與黃色區(qū)域的顏色信息分析并結(jié)合車牌的多邊形形狀、寬高比等結(jié)構(gòu)特征分析，然后定位車牌的位置；(c)根據(jù)步驟(b)中定位的車牌位置及步驟(b)中處理過的圖像，通過車窗位置與車牌位置的相對(duì)幾何關(guān)系以及輸入圖像的尺寸參數(shù)來選取局部窗口，并作為定位的車窗位置；(d)根據(jù)步驟(c)中車窗定位的結(jié)果，在車窗范圍內(nèi)基于haar-like進(jìn)行人臉檢測(cè)，并判斷檢測(cè)的人臉是司機(jī)還是乘客；(e)根據(jù)步驟(d)中的判斷結(jié)果，對(duì)司機(jī)與乘客的位置進(jìn)行窗口劃分，并對(duì)窗口先后使用canny邊緣檢測(cè)和霍夫直線檢測(cè)，然后篩選指定角度范圍內(nèi)的直線并標(biāo)記司機(jī)與乘客的區(qū)域，最后分別進(jìn)行是否佩戴安全帶的判別。上述步驟(b)中包括如下步驟：(b-1)將監(jiān)控圖像通過如下公式從RGB轉(zhuǎn)成HSV顏色模型：v＝max(r,g,b)(3)；其中h表示色調(diào)，s表示飽和度，v表示明度，max表示取其中參數(shù)的最大值，min表示取其中參數(shù)的最小值。(b-2)將經(jīng)(b-1)轉(zhuǎn)化后的到圖像，執(zhí)行下述其中一項(xiàng)步驟：1)根據(jù)藍(lán)色的顏色取值標(biāo)準(zhǔn):遍歷圖像每一個(gè)像素點(diǎn)，標(biāo)記圖像中藍(lán)色區(qū)域；2)根據(jù)黃色的顏色取值標(biāo)準(zhǔn):遍歷圖像每一個(gè)像素點(diǎn)，標(biāo)記圖像中黃色區(qū)域；(b-3)對(duì)(b-2)得出的區(qū)域，先進(jìn)行圖像處理中的1次腐蝕處理，至少進(jìn)行4次膨脹處理；(b-4)利用步驟(b-3)得出的區(qū)域，用區(qū)域周長(zhǎng)乘以0.04的精度逼近，產(chǎn)生多邊形曲線；(b-5)設(shè)車牌區(qū)域?yàn)镽；候選車牌區(qū)域?qū)挾葹閘ength、候選車牌區(qū)域高度為height，圖像寬度為s.length，圖像高度為s.height；候選車牌區(qū)域面積為area,圖像面積為s.area；候選車牌區(qū)域邊數(shù)為sides；從步驟(b-4)中根據(jù)多邊形曲線的邊數(shù)以及面積，并根據(jù)如下公式：s.area*0.00176<area<s.area*0.00502(11)4<sides<10(12)找出車牌區(qū)域；(b-6)若從(b-5)得到的結(jié)果中，找不到車牌區(qū)域，則返回(b-2)，執(zhí)行其中另一步驟；如果根據(jù)上述1)和2)步驟都找不到車牌區(qū)域，該圖像作為無(wú)法找到車牌圖像I無(wú)車牌且若找到車牌區(qū)域，該車牌區(qū)域記為R＝R*。上述步驟(c)包括以下步驟：(c-1)如果求出車牌區(qū)域的矩m10，m00，m01；進(jìn)而得出車牌區(qū)域R的中心否則執(zhí)行步驟(b-3)；(c-2a)設(shè)輸入圖像的寬度為src.length，輸入圖像的高度為src.height；設(shè)局部窗口的寬度為winL，局部窗口的高度為winH；利用(c-1)得到的xcR和ycR，設(shè)車牌區(qū)域R的中心點(diǎn)水平坐標(biāo)為centre.x，令centre.x＝xcR，垂直坐標(biāo)為centre.y，令centre.y＝y(tǒng)cR；其中，x為該局部窗口左上角在輸入圖像中的水平坐標(biāo)、y為該局部窗口左上角在輸入圖像中的垂直坐標(biāo)；通過如下公式：winL＝src.length*0.43(14)winH＝src.height*0.33(15)x＝centre.x-0.215*src.length(16)y＝centre.y-0.45*src.height(17)；找出局部窗口；(c-2b)設(shè)局部窗口大小為輸入圖像的大小，即winL＝src.lengthwinH＝src.heightx＝0y＝0。步驟(c)結(jié)束，進(jìn)入步驟(d)。上述步驟(d)包括以下步驟：(d-1)在步驟c中所獲得的窗口內(nèi)，使用OpenCV開源庫(kù)的Haar-like人臉分類器設(shè)定最小窗口的參數(shù)；其中，設(shè)最小檢索窗口為10×10；(d-2)設(shè)faces為(d-1)的執(zhí)行結(jié)果，如果直接執(zhí)行步驟(d-3)；否則，按照以下標(biāo)準(zhǔn)篩選人臉，設(shè)頭像face∈faces，頭像半徑為face.radius，頭像中心點(diǎn)的水平坐標(biāo)為face.x，垂直坐標(biāo)為face.y，車牌中心點(diǎn)的水平坐標(biāo)為centre.x，垂直坐標(biāo)為centre.y，其中：face.radius<0.05*s.length(18)height<|face.x-xcR|<height*3(19)；設(shè)不滿足上述條件的人臉為faces-，從faces中剔除；而此時(shí)faces更新為faces＝faces-faces-；然后執(zhí)行步驟(c-3)；(d-3)若則該圖像為無(wú)法識(shí)別的圖像；算法流程結(jié)束；否則，進(jìn)行如下判斷，其中：條件1：如果該人臉的水平分量值大于車牌的水平分量值，則該人臉是屬于司機(jī)的；否則屬于前排乘客；或條件2：設(shè)定區(qū)域D的窗口寬度為vWinL，區(qū)域D的窗口高度為vWinH；區(qū)域D的窗口左上角頂點(diǎn)坐標(biāo)的水平分量為vWinX，、垂直分量為頭像坐標(biāo)垂直分量為vWinY；則通過如下公式：vWinL＝face.radius*6(22)vWinH＝face.radius*4(23)vWinX＝face.x+face.radius(24)vWinY＝face.y-face.radius(25)；標(biāo)示出區(qū)域D；(d-4)根據(jù)(d-3)的結(jié)果，乘客窗口記為P(face)，司機(jī)窗口記為D(face)。上述步驟(e)包括以下步驟：(e-1)對(duì)于人臉以下的局部窗口區(qū)域記為R1，該窗口區(qū)域的寬度為sWinL，該窗口區(qū)域的高度為sWinH，該窗口區(qū)域左上角在原圖像中的水平分量大小為sWinX，該窗口左上角在原圖像中的垂直分量大小為sWinY；sWinL＝face.radius*6(26)sWinH＝face.radius*4(27)sWinX＝face.x-face.radius*2(28)sWinY＝face.y(29)；在該窗口區(qū)域進(jìn)行以下操作：使用OpenCV開源庫(kù)的函數(shù)進(jìn)行直方圖均衡化處理，以核為17×17進(jìn)行高斯平滑處理；然后使用canny邊緣檢測(cè)，其中canny邊緣檢測(cè)的參數(shù)中，高的閾值為60，低的閾值為0；再進(jìn)行霍夫直線檢測(cè)，霍夫直線檢測(cè)的參數(shù)中，最短線段閾值為5，投票累計(jì)數(shù)閾值為35；經(jīng)過以上4步，得到窗口區(qū)域R1中的直線，記作lines；(e-2)根據(jù)(e-1)的結(jié)果，按照以下規(guī)則，對(duì)直線lines進(jìn)行篩選：1)對(duì)于司機(jī)窗口D(face)：將司機(jī)窗口D(face)中與x軸正方向夾角不在40度與70度之間的直線刪除，記為司機(jī)區(qū)域；2)對(duì)于乘客窗口P(face)，把乘客窗口P(face)中與x軸正方向夾角不在110度與140度之間的直線刪除，記為乘客區(qū)域；根據(jù)上述1)和2)的結(jié)果，若在司機(jī)及乘客區(qū)域中同時(shí)找到直線，或在司機(jī)區(qū)域找到直線以及乘客不存在時(shí)，則該監(jiān)控圖像為合法通過的圖像；否則，均為違規(guī)圖像。即：其中，{l1|l1∈lines,l1與x軸正方向夾角不在110度與140度之間}；{l2|l2∈lines,l2與x軸正方向夾角不在40度與70度之間}；如果符合以下條件，則認(rèn)為該監(jiān)控圖像文件為合法通過的圖像：條件1：若司機(jī)、乘客都有扣帶安全帶；或條件2：若司機(jī)有扣帶安全帶，并且前排乘客不存在；上述實(shí)施例僅為本發(fā)明的較佳實(shí)施例，并非用來限定本發(fā)明的實(shí)施范圍。即凡依本發(fā)明內(nèi)容所作的均等變化與修飾，都為本發(fā)明權(quán)利要求所要求保護(hù)的范圍所涵蓋。