本發(fā)明涉及智能交通技術(shù)領(lǐng)域，具體涉及一種安全帶識別模型構(gòu)建方法及裝置。

背景技術(shù)：

智能交通系統(tǒng)是未來交通系統(tǒng)的發(fā)展方向，也是目前世界交通運(yùn)輸領(lǐng)域的前沿研究課題。汽車事故調(diào)查表明，在發(fā)生正面撞車時，如果系了安全帶，可使死亡率減少57％，側(cè)面撞車時可減少44％，翻車時可減少80％。因此如何有效的監(jiān)管駕駛員是否系安全帶并促使駕駛員有意識的養(yǎng)成安全文明駕車的習(xí)慣，從而最終達(dá)到減少交通事故中的人員傷亡是一個有意義的課題。近些年來，基于圖像處理技術(shù)的智能交通系統(tǒng)目前已經(jīng)取得了非常廣泛的應(yīng)用，但通過高清監(jiān)控攝像機(jī)采集的卡口圖像數(shù)據(jù)來分析駕駛員是否系了安全帶仍然面臨著諸多困難，沒有非常成熟的算法。如何通過圖像識別的高端技術(shù)手段，輔助交警通過強(qiáng)制執(zhí)法處罰不系安全帶的駕駛行為，來提高駕駛員自覺系安全帶的意識是一個全新的研究方向。

技術(shù)實(shí)現(xiàn)要素：

有鑒于此，本發(fā)明實(shí)施例提供了一種安全帶識別模型構(gòu)建方法及裝置，以解決現(xiàn)有技術(shù)中未系安全帶行為檢測準(zhǔn)確率低的問題。

為此，本發(fā)明實(shí)施例提供了如下技術(shù)方案：

本發(fā)明實(shí)施例提供了一種安全帶識別模型構(gòu)建方法，包括：采集頭肩區(qū)域圖像；根據(jù)所述頭肩區(qū)域圖像獲取系安全帶訓(xùn)練集和未系安全帶訓(xùn)練集；根據(jù)各個所述系安全帶訓(xùn)練集確定正樣例特征；根據(jù)各個所述未系安全帶訓(xùn)練集確定負(fù)樣例特征；利用所述正樣例特征和所述負(fù)樣例特征訓(xùn)練分類器，獲取安全帶識別模型。

可選地，根據(jù)所述頭肩區(qū)域圖像獲取系安全帶訓(xùn)練集和未系安全帶訓(xùn)練集包括獲取所述頭肩區(qū)域圖像的特征信息；將所述特征信息輸入線性分類器；根據(jù)所述線性分類器的輸出結(jié)果獲取所述系安全帶訓(xùn)練集和所述未系安全帶訓(xùn)練集。

可選地，根據(jù)所述線性分類器的輸出結(jié)果獲取所述系安全帶訓(xùn)練集和所述未系安全帶訓(xùn)練集包括：當(dāng)所述線性分類器的輸出結(jié)果大于零時，確定所述頭肩區(qū)域圖像屬于所述系安全帶訓(xùn)練集；當(dāng)線性分類器輸出結(jié)果小于零時，確定所述頭肩區(qū)域圖像屬于所述未系安全帶訓(xùn)練集。

可選地，采集頭肩區(qū)域圖像之后，所述方法還包括：通過高斯濾波對所述頭肩區(qū)域圖像進(jìn)行平滑處理。

本發(fā)明實(shí)施例還提供了一種安全帶識別模型構(gòu)建裝置，包括：采集模塊，用于采集頭肩區(qū)域圖像；第一獲取模塊，用于根據(jù)所述頭肩區(qū)域圖像獲取系安全帶訓(xùn)練集和未系安全帶訓(xùn)練集；確定模塊，用于根據(jù)各個所述系安全帶訓(xùn)練集確定正樣例特征；根據(jù)各個所述未系安全帶訓(xùn)練集確定負(fù)樣例特征；第二獲取模塊，用于利用所述正樣例特征和所述負(fù)樣例特征訓(xùn)練分類器，獲取安全帶識別模型。

可選地，所述第一獲取模塊包括：第一獲取單元，用于獲取所述頭肩區(qū)域圖像的特征信息；輸入單元，用于將所述特征信息輸入線性分類器；第二獲取單元，用于根據(jù)所述線性分類器的輸出結(jié)果獲取所述系安全帶訓(xùn)練集和所述未系安全帶訓(xùn)練集。

可選地，所述第二獲取單元還用于：當(dāng)所述線性分類器的輸出結(jié)果大于零時，確定所述頭肩區(qū)域圖像屬于所述系安全帶訓(xùn)練集；當(dāng)線性分類器輸出結(jié)果小于零時，確定所述頭肩區(qū)域圖像屬于所述未系安全帶訓(xùn)練集。

可選地，所述裝置還包括：處理模塊，用于所述采集模塊采集頭肩區(qū)域圖像之后，通過高斯濾波對所述頭肩區(qū)域圖像進(jìn)行平滑處理。

本發(fā)明實(shí)施例技術(shù)方案，具有如下優(yōu)點(diǎn)：

本發(fā)明實(shí)施例提供了一種安全帶識別模型構(gòu)建方法及裝置，在該方法中，采集頭肩區(qū)域圖像，根據(jù)該頭肩區(qū)域圖像獲取系安全帶訓(xùn)練集和未系安全帶訓(xùn)練集，根據(jù)各個系安全帶訓(xùn)練集確定正樣例特征，根據(jù)各個未系安全帶訓(xùn)練集確定負(fù)樣例特征，利用該正樣例特征和該負(fù)樣例特征訓(xùn)練分類器，獲取安全帶識別模型。通過本發(fā)明實(shí)施例解決了現(xiàn)有技術(shù)中未系安全帶行為檢測準(zhǔn)確率低的問題，實(shí)現(xiàn)了構(gòu)建安全帶識別模型，提高了識別未系安全帶的準(zhǔn)確率。

附圖說明

為了更清楚地說明本發(fā)明具體實(shí)施方式或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對具體實(shí)施方式或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖是本發(fā)明的一些實(shí)施方式，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1是根據(jù)本發(fā)明實(shí)施例的安全帶識別模型構(gòu)建方法的流程圖；

圖2是根據(jù)本發(fā)明實(shí)施例的安全帶識別模型構(gòu)建裝置的一個結(jié)構(gòu)框圖；

圖3是根據(jù)本發(fā)明實(shí)施例的安全帶識別模型構(gòu)建裝置的另一個結(jié)構(gòu)框圖；

圖4是根據(jù)本發(fā)明實(shí)施例的安全帶識別模型構(gòu)建裝置的另一個結(jié)構(gòu)框圖。

具體實(shí)施方式

下面將結(jié)合附圖對本發(fā)明的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

在本發(fā)明的描述中，需要說明的是，術(shù)語“中心”、“上”、“下”、“左”、“右”、“豎直”、“水平”、“內(nèi)”、“外”等指示的方位或位置關(guān)系為基于附圖所示的方位或位置關(guān)系，僅是為了便于描述本發(fā)明和簡化描述，而不是指示或暗示所指的裝置或元件必須具有特定的方位、以特定的方位構(gòu)造和操作，因此不能理解為對本發(fā)明的限制。此外，術(shù)語“第一”、“第二”、“第三”僅用于描述目的，而不能理解為指示或暗示相對重要性。

在本發(fā)明的描述中，需要說明的是，除非另有明確的規(guī)定和限定，術(shù)語“安裝”、“相連”、“連接”應(yīng)做廣義理解，例如，可以是固定連接，也可以是可拆卸連接，或一體地連接；可以是機(jī)械連接，也可以是電連接；可以是直接相連，也可以通過中間媒介間接相連，還可以是兩個元件內(nèi)部的連通，可以是無線連接，也可以是有線連接。對于本領(lǐng)域的普通技術(shù)人員而言，可以具體情況理解上述術(shù)語在本發(fā)明中的具體含義。

此外，下面所描述的本發(fā)明不同實(shí)施方式中所涉及的技術(shù)特征只要彼此之間未構(gòu)成沖突就可以相互結(jié)合。

實(shí)施例1

在本實(shí)施例中提供了一種安全帶識別模型構(gòu)建方法，圖1是根據(jù)本發(fā)明實(shí)施例的安全帶識別模型構(gòu)建方法的流程圖，如圖1所示，該流程包括如下步驟：

步驟S101：采集頭肩區(qū)域圖像。當(dāng)前大多數(shù)車內(nèi)裝有記錄行駛狀況的前置攝像頭，該攝像頭可以對駕駛員和副駕駛員所在整體區(qū)域進(jìn)行圖像采集,在不影響駕駛員駕駛安全的前提下，可以很清晰的拍攝到駕駛員的行為狀態(tài)；

步驟S102：根據(jù)該頭肩區(qū)域圖像獲取系安全帶訓(xùn)練集和未系安全帶訓(xùn)練集。為了適應(yīng)各種復(fù)雜的環(huán)境，收集10萬張駕駛員系安全帶樣本圖像，10萬張駕駛員未系安全帶樣本圖像；

步驟S103：根據(jù)各個系安全帶訓(xùn)練集確定正樣例特征；根據(jù)各個未系安全帶訓(xùn)練集確定負(fù)樣例特征。具體地，通過系安全帶訓(xùn)練集獲取系安全帶圖像及其特征信息，作為正樣例特征，通過未系安全帶訓(xùn)練集獲取未系安全帶圖像及其特征信息，作為負(fù)樣例特征；

步驟S104：利用該正樣例特征和該負(fù)樣例特征訓(xùn)練分類器，獲取該安全帶識別模型。通過將駕駛員頭肩區(qū)域圖像輸入該駕駛員安全帶識別模型，可以準(zhǔn)確判定該駕駛員是否系安全帶。

通過上述步驟，采集頭肩區(qū)域圖像，根據(jù)該頭肩區(qū)域圖像獲取系安全帶訓(xùn)練集和未系安全帶訓(xùn)練集，根據(jù)各個系安全帶訓(xùn)練集確定正樣例特征，根據(jù)各個未系安全帶訓(xùn)練集確定負(fù)樣例特征，利用該正樣例特征和該負(fù)樣例特征訓(xùn)練分類器，獲取安全帶識別模型。通過本發(fā)明實(shí)施例解決了現(xiàn)有技術(shù)中未系安全帶行為檢測準(zhǔn)確率低的問題，實(shí)現(xiàn)了構(gòu)建安全帶識別模型，提高了識別未系安全帶的準(zhǔn)確率。

上述步驟S102涉及到根據(jù)該頭肩區(qū)域圖像獲取系安全帶訓(xùn)練集和未系安全帶訓(xùn)練集，在一個可選實(shí)施例中，該方法包括：獲取該頭肩區(qū)域圖像的特征信息，將該特征信息輸入線性分類器，根據(jù)該線性分類器的輸出結(jié)果獲取該系安全帶訓(xùn)練集和該未系安全帶訓(xùn)練集，當(dāng)該線性分類器的輸出結(jié)果大于零時，確定該頭肩區(qū)域圖像屬于系安全帶訓(xùn)練集；當(dāng)該線性分類器輸出結(jié)果小于零時，確定該頭肩區(qū)域圖像屬于未系安全帶訓(xùn)練集。具體地，通過線性分類器預(yù)先訓(xùn)練系安全帶訓(xùn)練集和未系安全帶訓(xùn)練集，得到權(quán)值參數(shù)W^T和W₀，該線性分類器具體是線性判別函數(shù)：g(x)＝w^Tx+w₀，首先將該頭肩區(qū)域圖像翻譯成特征信息，輸入該線性判別函數(shù)中，如果g(x)>0，則判定該頭肩區(qū)域圖像屬于系安全帶訓(xùn)練集，如果g(x)<0，則判定該頭肩區(qū)域圖像屬于未系安全帶訓(xùn)練集，如果g(x)＝0，則對該頭肩區(qū)域圖像不判定或者除去。在實(shí)際應(yīng)用中，由于行車過程中未系安全帶為小概率事件，而且希望判別為是未系安全帶行為的正確率高，因此，在實(shí)際應(yīng)用中識別為是未系安全帶的但得分(置信度)低的，將其排除。無法判定的圖像對于懲處違規(guī)行為并無太大意義，而將“未系安全帶的但得分(置信度)低的情況”排除，能保證是未系安全帶行為的正確率。

上述步驟S101涉及到采集頭肩區(qū)域圖像，為了更精確地獲得安全帶識別模型，在一個可選實(shí)施例中，通過高斯濾波對該頭肩區(qū)域圖像進(jìn)行平滑處理。具體地，采用3*3高斯加權(quán)濾波器掃描圖像中的每一個像素，更改其像素值為其本身和其3*3領(lǐng)域內(nèi)的其他像素值的加權(quán)平均值，圖像平滑對點(diǎn)狀噪聲和干擾脈沖具有良好的抑制作用。

實(shí)施例2

在本實(shí)施例中還提供了一種安全帶識別模型構(gòu)建裝置，該裝置用于實(shí)現(xiàn)上述實(shí)施例及優(yōu)選實(shí)施方式，已經(jīng)進(jìn)行過說明的不再贅述。如以下所使用的，術(shù)語“模塊”可以實(shí)現(xiàn)預(yù)定功能的軟件和/或硬件的組合。盡管以下實(shí)施例所描述的裝置較佳地以軟件來實(shí)現(xiàn)，但是硬件，或者軟件和硬件的組合的實(shí)現(xiàn)也是可能并被構(gòu)想的。

本施例提供一種安全帶識別模型構(gòu)建裝置，如圖2所示，包括采集模塊21，用于采集頭肩區(qū)域圖像；第一獲取模塊22，用于根據(jù)該頭肩區(qū)域圖像獲取系安全帶訓(xùn)練集和未系安全帶訓(xùn)練集；確定模塊23，用于根據(jù)各個系安全帶訓(xùn)練集確定正樣例特征；根據(jù)各個未系安全帶訓(xùn)練集確定負(fù)樣例特征；第二獲取模塊24，用于利用該正樣例特征和該負(fù)樣例特征訓(xùn)練分類器，獲取該安全帶識別模型。

圖3是根據(jù)本發(fā)明實(shí)施例的駕駛員安全帶識別模型構(gòu)建裝置的另一個結(jié)構(gòu)框圖，如圖3所示，在一個可選實(shí)施例中，該第一獲取模塊22包括第一獲取單元221，用于獲取該頭肩區(qū)域圖像的特征信息；輸入單元222，用于將該特征信息輸入線性分類器；第二獲取單元223，用于根據(jù)該線性分類器的輸出結(jié)果獲取該系安全帶訓(xùn)練集和該未系安全帶訓(xùn)練集。

可選地，該第二獲取單元223還用于：當(dāng)該線性分類器的輸出結(jié)果大于零時，確定該頭肩區(qū)域圖像屬于系安全帶訓(xùn)練集；當(dāng)該線性分類器輸出結(jié)果小于零時，確定該頭肩區(qū)域圖像屬于未系安全帶訓(xùn)練集。

圖4是根據(jù)本發(fā)明實(shí)施例的安全帶識別模型構(gòu)建裝置的另一個結(jié)構(gòu)框圖，為了得到更清晰的頭肩區(qū)域圖像，如圖4所示，在一個可選實(shí)施例中，該裝置還包括處理模塊25，用于該采集模塊21采集頭肩區(qū)域圖像之后，通過高斯濾波對該頭肩區(qū)域圖像進(jìn)行平滑處理。

上述各個模塊的更進(jìn)一步的功能描述與上述對應(yīng)實(shí)施例相同，在此不再贅述。

本領(lǐng)域內(nèi)的技術(shù)人員應(yīng)明白，本發(fā)明的實(shí)施例可提供為方法、系統(tǒng)、或計算機(jī)程序產(chǎn)品。因此，本發(fā)明可采用完全硬件實(shí)施例、完全軟件實(shí)施例、或結(jié)合軟件和硬件方面的實(shí)施例的形式。而且，本發(fā)明可采用在一個或多個其中包含有計算機(jī)可用程序代碼的計算機(jī)可用存儲介質(zhì)(包括但不限于磁盤存儲器、CD-ROM、光學(xué)存儲器等)上實(shí)施的計算機(jī)程序產(chǎn)品的形式。

本發(fā)明是參照根據(jù)本發(fā)明實(shí)施例的方法、設(shè)備(系統(tǒng))、和計算機(jī)程序產(chǎn)品的流程圖和/或方框圖來描述的。應(yīng)理解可由計算機(jī)程序指令實(shí)現(xiàn)流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結(jié)合?？商峁┻@些計算機(jī)程序指令到通用計算機(jī)、專用計算機(jī)、嵌入式處理機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器以產(chǎn)生一個機(jī)器，使得通過計算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器執(zhí)行的指令產(chǎn)生用于實(shí)現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的裝置。

這些計算機(jī)程序指令也可存儲在能引導(dǎo)計算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備以特定方式工作的計算機(jī)可讀存儲器中，使得存儲在該計算機(jī)可讀存儲器中的指令產(chǎn)生包括指令裝置的制造品，該指令裝置實(shí)現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能。

這些計算機(jī)程序指令也可裝載到計算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備上，使得在計算機(jī)或其他可編程設(shè)備上執(zhí)行一系列操作步驟以產(chǎn)生計算機(jī)實(shí)現(xiàn)的處理，從而在計算機(jī)或其他可編程設(shè)備上執(zhí)行的指令提供用于實(shí)現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的步驟。

顯然，上述實(shí)施例僅僅是為清楚地說明所作的舉例，而并非對實(shí)施方式的限定。對于所屬領(lǐng)域的普通技術(shù)人員來說，在上述說明的基礎(chǔ)上還可以做出其它不同形式的變化或變動。這里無需也無法對所有的實(shí)施方式予以窮舉。而由此所引伸出的顯而易見的變化或變動仍處于本發(fā)明創(chuàng)造的保護(hù)范圍之中。