技術特征：
1.一種機動車前排就坐者是否扣帶安全帶的自動檢測方法，基于道路監(jiān)控圖像，其特征在于包括如下步驟：(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，對步驟(a)中讀取的圖像文件進行藍色區(qū)域與黃色區(qū)域的顏色信息分析并結合車牌的多邊形形狀、寬高比結構特征分析，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幾何關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)中車窗定位的結果，在車窗范圍內基于haar-like進行人臉檢測，并判斷檢測的人臉是司機還是乘客；(e)根據(jù)步驟(d)中的判斷結果，對司機與乘客的位置進行窗口劃分，并對窗口先后使用canny邊緣檢測和霍夫直線檢測，然后篩選指定角度范圍內的直線并標記司機與乘客的區(qū)域，最后分別進行是否佩戴安全帶的判別。2.根據(jù)權利要求1所述的機動車前排就坐者是否扣帶安全帶的自動檢測方法，其特征在于：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轉成HSV顏色模型：v＝max(r,g,b)(3)；其中h表示色調，s表示飽和度，v表示明度，max表示取其中r,g,b參數(shù)的最大值，min表示取其中r,g,b參數(shù)的最小值；(b-2)將經(b-1)轉化后的圖像，執(zhí)行下述其中一項步驟：1)根據(jù)藍色的顏色取值標準:遍歷圖像每一個像素點，標記圖像中藍色區(qū)域；2)根據(jù)黃色的顏色取值標準:遍歷圖像每一個像素點，標記圖像中黃色區(qū)域；(b-3)對(b-2)得出的區(qū)域，先進行圖像處理中的1次腐蝕處理，至少進行4次膨脹處理；(b-4)利用步驟(b-3)得出的區(qū)域，用區(qū)域周長乘以0.04的精度逼近，產生多邊形曲線；(b-5)設車牌區(qū)域為R；候選車牌區(qū)域寬度為length、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，該圖像作為無法找到車牌圖像I無車牌且若找到車牌區(qū)域，該車牌區(qū)域記為R＝R*。3.根據(jù)權利要求1所述的機動車前排就坐者是否扣帶安全帶的自動檢測方法，其特征在于：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；進而得出車牌區(qū)域R的中心否則執(zhí)行步驟(b-3)；(c-2a)設輸入圖像的寬度為src.length，輸入圖像的高度為src.height；設局部窗口的寬度為winL，局部窗口的高度為winH；利用(c-1)得到的xcR和ycR，設車牌區(qū)域R的中心點水平坐標為centre.x，令centre.x＝xcR，垂直坐標為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、y為該局部窗口左上角在輸入圖像中的垂直坐標；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)結束，進入步驟(d)。4.根據(jù)權利要求3所述機動車前排就坐者是否扣帶安全帶的自動檢測方法，其特征在于：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，使用OpenCV開源庫的Haar-like人臉分類器設定最小窗口的參數(shù)；其中，設最小檢索窗口為10×10；(d-2)設faces為(d-1)的執(zhí)行結果，如果直接執(zhí)行步驟(d-3)；否則，按照以下標準篩選人臉，設頭像face∈faces，頭像半徑為face.radius，頭像中心點的水平坐標為face.x，垂直坐標為face.y，車牌中心點的水平坐標為centre.x，垂直坐標為centre.y，其中：face.radius<0.05*s.length(18)height<|face.x-xcR|＜height*3(19)；設不滿足公式(18)和(19)條件的人臉為faces-，從faces中剔除；而此時faces更新為faces＝faces-faces-；然后執(zhí)行步驟(d-3)；(d-3)若則該圖像為無法識別的圖像；算法流程結束；否則，進行如下判斷：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，則認為人臉是屬于司機的，否則屬于前排乘客；設定區(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的窗口左上角頂點坐標的水平分量為vWinX，垂直分量為頭像坐標垂直分量為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)；標示出區(qū)域D；(d-4)根據(jù)(d-3)的結果，乘客窗口記為P(face)，司機窗口記為D(face)。5.根據(jù)權利要求4所述的機動車前排就坐者是否扣帶安全帶的自動檢測方法，其特征在于：所述步驟(e)包括以下步驟：(e-1)對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)域進行以下操作：使用OpenCV開源庫的函數(shù)進行直方圖均衡化處理，以核為17×17進行高斯平滑處理；然后使用canny邊緣檢測，其中canny邊緣檢測的參數(shù)中，高的閾值為60，低的閾值為0；再進行霍夫直線檢測，霍夫直線檢測的參數(shù)中，最短線段閾值為5，投票累計數(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)的結果，按照以下規(guī)則，對直線lines進行篩選：1)對于司機窗口D(face)，將司機窗口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，記為司機區(qū)域；2)對于乘客窗口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)的結果，若在司機及乘客區(qū)域中同時找到直線，或在司機區(qū)域找到直線以及乘客不存在時，則該監(jiān)控圖像為合法通過的圖像；否則，均為違規(guī)圖像。