一種基于圖像分析的摩托車不戴頭盔違章事件檢測方法
【專利摘要】本發(fā)明公開了一種基于圖像分析的摩托車不戴頭盔違章事件檢測方法。在摩托車行駛車道上安裝高清攝像機(jī)，在設(shè)定車道范圍內(nèi)設(shè)定摩托車行駛的虛擬線圈，在虛擬線圈內(nèi)根據(jù)摩托車默認(rèn)寬度范圍，對摩托車的尾牌圖像進(jìn)行抓拍，高清攝像機(jī)將采集的圖像序列發(fā)送到檢測主機(jī)，檢測主機(jī)根據(jù)接收的圖像，進(jìn)行對當(dāng)前車道的摩托車檢測、頭盔檢測和車牌識別。頭盔檢測采用計(jì)算頭頂平均飽和度與設(shè)定的初始值Sd進(jìn)行比較的方式，對車牌識別采用基于支持向量機(jī)的模式識別技術(shù)。本發(fā)明無需采用大量警力進(jìn)行現(xiàn)場執(zhí)法，并進(jìn)行號牌識別，有效避免現(xiàn)在執(zhí)法帶來的危險(xiǎn)事故?？梢栽诂F(xiàn)有電子警察系統(tǒng)上進(jìn)行實(shí)施，投入小、可實(shí)施性強(qiáng)，具有廣泛的應(yīng)用基礎(chǔ)。
【專利說明】一種基于圖像分析的摩托車不戴頭盔違章事件檢測方法
一、【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及計(jì)算機(jī)應(yīng)用，特別涉及智能交通管理。

二、【背景技術(shù)】
[0002]目前，摩托車成為一個(gè)很重要的交通工具，尤其在廣大農(nóng)村，摩托車數(shù)量非常大，但是，每年因摩托車導(dǎo)致交通事故死亡非常多，摩托車因其速度快、性能差、保護(hù)措施弱，極易發(fā)生交通事故，而事故發(fā)生后的傷亡極其嚴(yán)重，大多造成頭部受傷，這是摩托車事故死亡率、致殘率高的主要原因，因此，保護(hù)頭部對摩托車駕乘人員非常重要。實(shí)踐證明，安全頭盔對駕乘人員的頭部具有很好的防護(hù)作用，能夠有效的降低和減輕外力對頭部(特別是大腦)的損傷，可以在駕乘人員發(fā)生交通事故摔倒或撞擊時(shí)，避免或減輕對頭部的傷害，減少車禍造成的死亡率或致殘率。
[0003]但是，現(xiàn)在很多摩托車駕駛員對摩托車駕駛的安全知識淡薄，為了駕駛方便，有很多摩托車駕駛員選擇不戴頭盔，這大大加大了摩托車事故的傷亡率。為了使摩托車駕駛員提高安全意識，國家出臺相關(guān)法規(guī)，對不戴摩托車的駕駛員進(jìn)行處罰，其中《道路交通安全法》有明確規(guī)定，駕駛摩托車時(shí)，駕駛?cè)藛T和乘坐人員應(yīng)當(dāng)按規(guī)定戴安全頭盔，不按照規(guī)定佩戴安全頭盔的，將受到記2分，罰款50元的處罰。
[0004]交通部門為了提高摩托車駕駛員的安全意識，促使摩托車駕駛員在行駛時(shí)自覺佩戴安全頭盔，組織了大量的警力對不戴頭盔的駕駛行為進(jìn)行攔截處罰，這種方式不僅增加了大量的警力，同時(shí)在攔截過程中會出現(xiàn)駕駛員為逃避處罰快速駕車逃離，增加了事故危險(xiǎn)。為了有效消除摩托車駕駛員不戴頭盔駕駛現(xiàn)象，非常有必要采用基于視頻檢測方式對不戴頭盔的駕駛行為進(jìn)行檢測，抓拍違章車輛的圖像，實(shí)施非現(xiàn)場執(zhí)法，這樣不僅可以減少警力的投入，還可保證執(zhí)法的安全，可以有效提高摩托車駕駛員的安全駕駛意識。

三、
【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的提供一種采用基于視頻檢測與圖像識別的方法，通過在道路上安裝高清攝像機(jī)，對過往的摩托車抓拍圖像，對不戴頭盔的駕駛行為進(jìn)行檢測，自動對違章摩托車進(jìn)行號牌識別，并記錄整個(gè)違章過程。通過非現(xiàn)場執(zhí)法方式對不戴頭盔的摩托車駕駛行為進(jìn)行處罰，不僅有效提高了駕駛員的安全意識，而且減少大量警力進(jìn)行現(xiàn)場執(zhí)法，避免現(xiàn)在執(zhí)法帶來的新的危險(xiǎn)事故。
[0006]本發(fā)明的目的是這樣達(dá)到的:一種基于圖像分析的摩托車不戴頭盔違章事件檢測方法，其特征在于:在摩托車行駛車道上安裝高清攝像機(jī)，在設(shè)定車道范圍內(nèi)設(shè)定摩托車行駛的虛擬線圈，在虛擬線圈內(nèi)根據(jù)摩托車默認(rèn)寬度范圍，對摩托車的尾牌圖像進(jìn)行抓拍，高清攝像機(jī)將采集的圖像序列發(fā)送到檢測主機(jī)，檢測主機(jī)根據(jù)接收的圖像，進(jìn)行對當(dāng)前車道的摩托車檢測、頭盔檢測和車牌識別。
[0007]I)摩托車的檢測
[0008]由于摩托車是運(yùn)動目標(biāo)，為了將運(yùn)動目標(biāo)從背景中分離出來，首先根據(jù)從攝像機(jī)獲取的圖像序列，采用高斯模型背景模型，建立背景圖像，然后將運(yùn)動目標(biāo)圖像減去背景圖像，提取出運(yùn)動目標(biāo)，采用目標(biāo)跟蹤方式，檢測跟蹤目標(biāo)，根據(jù)目標(biāo)大小、行駛速度，行駛方向多種特征進(jìn)行判斷，以確定目標(biāo)是否為摩托車，對判定為摩托車的目標(biāo)提取出摩托車圖像，獲取圖像中摩托車所處區(qū)域；
[0009]2)頭盔的檢測
[0010]采用圖像分析技術(shù)，針對頭盔與頭發(fā)的顏色差異性，判斷當(dāng)前檢測的摩托車目標(biāo)的頭頂部顏色的飽和度情況，以判定當(dāng)前摩托車駕駛員是否佩戴頭盔；
[0011]頭盔檢測的具體過程是:根據(jù)在進(jìn)行摩托車檢測時(shí)，已經(jīng)提取出的摩托車在圖像中的區(qū)域，提取出摩托車圖像區(qū)域最上部分的小區(qū)域，該小區(qū)域?yàn)槟ν熊囻{駛員的頭頂，將頭頂圖像顏色從RGB轉(zhuǎn)為HSV，計(jì)算頭頂部分區(qū)域圖像的平均飽和度值Sa，將平均飽和度與設(shè)定的初始值Sd進(jìn)行比較，如果Sa〈Sd，判斷為摩托車駕駛員沒有戴頭盔，選出圖像，生成違規(guī)視頻，其中，RGB為紅綠藍(lán)三色，HSV為Hue色度、Saturat1n飽和度、Value明度；
[0012]3)摩托車號牌識別
[0013]采用基于支持向量機(jī)的模式識別技術(shù)進(jìn)行號牌識別:首先建立多種環(huán)境情況下摩托車漢字、字母和數(shù)字的字庫，在進(jìn)行號牌識別時(shí)，首先搜尋到號牌區(qū)域，然后根據(jù)摩托車號牌的特點(diǎn)，分割出號牌圖像中每個(gè)字體的區(qū)域，再將分割出字體圖像與字庫進(jìn)行比對，根據(jù)置信度大小判斷該字體屬于哪類，完成號牌識別。所述設(shè)定的初始值Sd = 12 ；
[0014]所述摩托車默認(rèn)寬度范圍為1.2?1.8米；
[0015]所述選出圖像，生成違規(guī)視頻是選出間隔大于I米的2幀圖像，生成一段15秒鐘的違章視頻，作為摩托車違章的證據(jù)。
[0016]在摩托車行駛車道上安裝高清攝像機(jī)對摩托車的尾牌圖像進(jìn)行抓拍，采用一個(gè)200萬像素高清攝像機(jī)覆蓋一個(gè)車道，每個(gè)車道配一個(gè)LED補(bǔ)光燈在夜間補(bǔ)光，攝像機(jī)采用背向抓拍方式抓拍摩托車的尾牌圖像，一個(gè)檢測主機(jī)連接兩個(gè)攝像機(jī)，完成對兩個(gè)攝像機(jī)覆蓋車道的檢測。
[0017]實(shí)施的流程是:
[0018]I)參數(shù)設(shè)置
[0019]抓拍一張車道圖像，根據(jù)抓拍的車道圖像完成如下初始設(shè)置:
[0020]設(shè)置車道線:設(shè)定圖像中摩托車行駛的車道范圍，設(shè)定車道范圍的虛擬線圈，檢測軟件只針對該車道范圍內(nèi)的目標(biāo)進(jìn)行跟蹤檢測，其它區(qū)域不考慮，通過畫車道來確定車輛的運(yùn)行方向，提高檢測的準(zhǔn)確率；
[0021]設(shè)置檢測區(qū)域:在圖像的下部分區(qū)域劃定兩條平行線，該線與車道垂直，檢測主機(jī)僅對兩條平行線之間的區(qū)域進(jìn)行摩托車抓拍與識別；
[0022]車道標(biāo)定:在車道圖像上畫一個(gè)矩形區(qū)域，根據(jù)矩形區(qū)域?qū)?yīng)的實(shí)際值設(shè)置矩形區(qū)域的寬和高，對道路進(jìn)行標(biāo)定，計(jì)算出視頻圖像上每一像素點(diǎn)表示的實(shí)際寬度和高度，這樣可根據(jù)目標(biāo)所處位置判斷目標(biāo)的大小和速度，排除一些干擾目標(biāo)，提高摩托車檢測的準(zhǔn)確度；
[0023]設(shè)定摩托車目標(biāo)的寬度范圍:設(shè)定摩托車目標(biāo)的寬度范圍，只在該范圍的目標(biāo)才認(rèn)定為摩托車，摩托車默認(rèn)寬度范圍為1.2?1.8米；
[0024]設(shè)置飽和度閥值:設(shè)置飽和度Sa的初始閥值Sd，Sd默認(rèn)值為12，將飽和度Sa與初始閥值Sd比較判斷摩托車駕駛員是否佩戴頭盔；
[0025]2)視頻圖像的采集
[0026]通過攝像機(jī)將摩托車的視頻圖像實(shí)時(shí)采集進(jìn)檢測主機(jī)，以進(jìn)行分析檢測；
[0027]3)生成車道背景圖像
[0028]在視頻車輛圖像中，車道的背景圖像通常只隨外界光照與攝像機(jī)參數(shù)調(diào)整而變化，變化較少，因此系統(tǒng)每隔一段時(shí)間通過去除車道上的運(yùn)動目標(biāo)，得到車道的背景圖像；
[0029]4)獲取運(yùn)動目標(biāo)灰度圖像
[0030]將每幀車輛圖像灰度值與背景圖像灰度值相減，得到運(yùn)動目標(biāo)的灰度值圖像；
[0031]5)運(yùn)動目標(biāo)跟蹤
[0032]采用卡爾曼濾波跟蹤技術(shù)對運(yùn)動目標(biāo)進(jìn)行跟蹤，并根據(jù)目標(biāo)的大小，方向和速度確定車輛目標(biāo)；
[0033]6)摩托車識別
[0034]當(dāng)運(yùn)動目標(biāo)到達(dá)虛擬線圈時(shí)，根據(jù)目標(biāo)的大小、速度、運(yùn)動方向確定是否符合摩托車特征，完成摩托車識別；
[0035]7)摩托車頭盔檢測
[0036]根據(jù)抓拍的摩托車圖像，確定摩托車駕駛員位置，并獲取駕駛員頭頂區(qū)域圖像，將頭頂圖像每個(gè)像素顏色值從RGB轉(zhuǎn)換為HSV，并計(jì)算頭頂區(qū)域圖像的平均飽和度值Sa，將平均飽和度Sa與初始閥值Sd比較，如果Sa〈Sd，表示頭頂區(qū)域飽和度小，判斷為摩托車駕駛員不戴頭盔；
[0037]8)摩托車號牌識別:對抓拍到的違章摩托車圖像，首先根據(jù)摩托車目標(biāo)區(qū)域，確定摩托車號牌位置，切割出號牌區(qū)域，切分每個(gè)字符，用基于支持向量機(jī)的模式識別技術(shù)進(jìn)行號牌識別；
[0038]9)獲取圖片視頻
[0039]針對檢測到?jīng)]戴頭盔的違章行為，抓拍2張違章圖片和一段15秒鐘的視頻圖像，并保存在硬盤；
[0040]10)數(shù)據(jù)上傳
[0041]將檢測到的違章圖片、視頻及檢測信息通過網(wǎng)絡(luò)傳輸?shù)街悄芙煌ü芾碇行南到y(tǒng)。
[0042]本發(fā)明具有以下有益效果:
[0043]I)、可對摩托車不戴頭盔的違章行為進(jìn)行檢測，并進(jìn)行號牌識別。
[0044]2)、同時(shí)以2副圖像和一段15秒鐘的視頻記錄摩托車駕駛員不戴頭盔的整個(gè)違章過程，證據(jù)有效性充分。
[0045]3)、無需采用大量警力進(jìn)行現(xiàn)場執(zhí)法，可有效避免現(xiàn)在執(zhí)法帶來的危險(xiǎn)事故。
[0046]4)、可有效監(jiān)督摩托車駕駛員不戴頭盔的駕駛行為，提高摩托車駕駛員的安全意識，減少摩托車駕駛傷亡事故的發(fā)生。
[0047]5)可以在現(xiàn)有電子警察系統(tǒng)上進(jìn)行實(shí)施，投入小、可實(shí)施性強(qiáng)，具有廣泛的應(yīng)用基礎(chǔ)。

四、【專利附圖】

【附圖說明】
[0048]圖1是設(shè)備安裝及連接附圖。
[0049]圖2是實(shí)施流程圖，

五、【具體實(shí)施方式】
[0050]參見圖1。
[0051]摩托車車牌分為前牌和后牌，前牌是順向安裝，只能通過側(cè)面觀察。后牌為橫向安裝，安裝在摩托車尾部，但是，摩托車本身目標(biāo)較小，摩托車車牌較小，為了能對不戴頭盔的違章摩托車進(jìn)行檢測，并能識別違章摩托車的號牌，本發(fā)明采用一個(gè)200萬像素高清攝像機(jī)覆蓋一個(gè)車道，每個(gè)車道配一個(gè)LED補(bǔ)光燈在夜間補(bǔ)光，攝像機(jī)通過控制線控制LED補(bǔ)光燈頻閃補(bǔ)光，攝像機(jī)采用背向抓拍方式抓拍摩托車的尾牌圖像，并將采集的圖像序列發(fā)送到檢測主機(jī)，檢測主機(jī)根據(jù)接收的圖像，完成對當(dāng)前車道的摩托車進(jìn)行檢測與號牌識別，一個(gè)檢測主機(jī)可以連接兩個(gè)攝像機(jī)，可以完成對兩個(gè)攝像機(jī)覆蓋車道的檢測。檢測包括對摩托車的檢測、頭盔的檢測和對車牌號的識別。
[0052]由于摩托車是運(yùn)動目標(biāo)，為了將運(yùn)動目標(biāo)從背景中分離出來，首先根據(jù)從攝像機(jī)獲取的圖像序列，采用高斯模型背景模型，建立背景圖像，然后將運(yùn)動目標(biāo)圖像減去背景圖像，提取出運(yùn)動目標(biāo)，采用目標(biāo)跟蹤方式，檢測跟蹤目標(biāo)，根據(jù)目標(biāo)大小、行駛速度，行駛方向多種特征進(jìn)行判斷，以確定目標(biāo)是否為摩托車，對判定為摩托車的目標(biāo)提取出摩托車圖像，獲取圖像中摩托車所處區(qū)域。
[0053]對頭盔的檢測:采用圖像分析技術(shù)，針對頭盔與頭發(fā)的顏色差異性，判斷當(dāng)前檢測的摩托車目標(biāo)的頭頂部顏色的飽和度情況，以判定當(dāng)前摩托車駕駛員是否佩戴頭盔。
[0054]頭盔檢測的具體過程是:根據(jù)在進(jìn)行摩托車檢測時(shí)，已經(jīng)提取出的摩托車在圖像中的區(qū)域，提取出摩托車圖像區(qū)域最上部分的小區(qū)域，該小區(qū)域?yàn)槟ν熊囻{駛員的頭頂，將頭頂圖像顏色從RGB轉(zhuǎn)為HSV，計(jì)算頭頂部分區(qū)域圖像的平均飽和度值Sa，將平均飽和度與設(shè)定的初始值Sd進(jìn)行比較，如果Sa〈Sd，判斷為摩托車駕駛員沒有戴頭盔，選出圖像，生成違規(guī)視頻，其中，RGB為紅綠藍(lán)三色，HSV為Hue色度、Saturat1n飽和度、Value明度。
[0055]對摩托車號牌識別:采用基于支持向量機(jī)的模式識別技術(shù)進(jìn)行號牌識別:首先建立多種環(huán)境情況下摩托車漢字、字母和數(shù)字的字庫，在進(jìn)行號牌識別時(shí)，首先搜尋到號牌區(qū)域，然后根據(jù)摩托車號牌的特點(diǎn)，分割出號牌圖像中每個(gè)字體的區(qū)域，再將分割出字體圖像與字庫進(jìn)行比對，根據(jù)置信度大小判斷該字體屬于哪類，完成號牌識別。
[0056]本發(fā)明采用基于支持向量機(jī)的模式識別技術(shù)進(jìn)行號牌識別:首先建立多種環(huán)境情況下摩托車漢字、字母和數(shù)字的字庫，在進(jìn)行號牌識別時(shí)，首先搜尋到號牌區(qū)域，然后根據(jù)摩托車號牌的特點(diǎn)，分割出號牌圖像中每個(gè)字體的區(qū)域，再將分割出字體圖像與字庫進(jìn)行比對，根據(jù)置信度大小判斷該字體屬于哪類，完成號牌識別。
[0057]參見圖2。
[0058]采用本發(fā)明的方法，對摩托車不戴頭盔違章事件進(jìn)行檢測，其實(shí)施的流程是:
[0059]I)參數(shù)設(shè)置
[0060]抓拍一張車道圖像，根據(jù)抓拍的車道圖像完成如下初始設(shè)置:
[0061]設(shè)置車道線:設(shè)定圖像中摩托車行駛的車道范圍，設(shè)定車道范圍的虛擬線圈，檢測軟件只針對該車道范圍內(nèi)的目標(biāo)進(jìn)行跟蹤檢測，其它區(qū)域不考慮，通過畫車道來確定車輛的運(yùn)行方向，提高檢測的準(zhǔn)確率；
[0062]設(shè)置檢測區(qū)域:在圖像的下部分區(qū)域劃定兩條平行線，該線與車道垂直，檢測主機(jī)僅對兩條平行線之間的區(qū)域進(jìn)行摩托車抓拍與識別；
[0063]車道標(biāo)定:在車道圖像上畫一個(gè)矩形區(qū)域，根據(jù)矩形區(qū)域?qū)?yīng)的實(shí)際值設(shè)置矩形區(qū)域的寬和高，對道路進(jìn)行標(biāo)定，計(jì)算出視頻圖像上每一像素點(diǎn)表示的實(shí)際寬度和高度，這樣可根據(jù)目標(biāo)所處位置判斷目標(biāo)的大小和速度，排除一些干擾目標(biāo)，提高摩托車檢測的準(zhǔn)確度；
[0064]設(shè)定摩托車目標(biāo)的寬度范圍:設(shè)定摩托車目標(biāo)的寬度范圍，只在該范圍的目標(biāo)才認(rèn)定為摩托車，摩托車默認(rèn)寬度范圍為1.2?1.8米；
[0065]設(shè)置飽和度閥值:設(shè)置飽和度Sa的初始閥值Sd，Sd默認(rèn)值為12，將飽和度Sa與初始閥值Sd比較判斷摩托車駕駛員是否佩戴頭盔；
[0066]2)視頻圖像的采集
[0067]通過攝像機(jī)將摩托車的視頻圖像實(shí)時(shí)采集進(jìn)檢測主機(jī)，以進(jìn)行分析檢測；
[0068]3)生成車道背景圖像
[0069]在視頻車輛圖像中，車道的背景圖像通常只隨外界光照與攝像機(jī)參數(shù)調(diào)整而變化，變化較少，因此系統(tǒng)每隔一段時(shí)間通過去除車道上的運(yùn)動目標(biāo)，得到車道的背景圖像；
[0070]4)獲取運(yùn)動目標(biāo)灰度圖像
[0071]將每幀車輛圖像灰度值與背景圖像灰度值相減，得到運(yùn)動目標(biāo)的灰度值圖像；
[0072]5)運(yùn)動目標(biāo)跟蹤
[0073]采用卡爾曼濾波跟蹤技術(shù)對運(yùn)動目標(biāo)進(jìn)行跟蹤，并根據(jù)目標(biāo)的大小，方向和速度確定車輛目標(biāo)；
[0074]6)摩托車識別
[0075]當(dāng)運(yùn)動目標(biāo)到達(dá)虛擬線圈時(shí)，根據(jù)目標(biāo)的大小、速度、運(yùn)動方向確定是否符合摩托車特征，完成摩托車識別；
[0076]7)摩托車頭盔檢測
[0077]根據(jù)抓拍的摩托車圖像，確定摩托車駕駛員位置，并獲取駕駛員頭頂區(qū)域圖像，將頭頂圖像每個(gè)像素顏色值從RGB轉(zhuǎn)換為HSV，并計(jì)算頭頂區(qū)域圖像的平均飽和度值Sa，將平均飽和度Sa與初始閥值Sd比較，如果Sa〈Sd，表示頭頂區(qū)域飽和度小，判斷為摩托車駕駛員不戴頭盔；
[0078]8)摩托車號牌識別:對抓拍到的違章摩托車圖像，首先根據(jù)摩托車目標(biāo)區(qū)域，確定摩托車號牌位置，切割出號牌區(qū)域，切分每個(gè)字符，用基于支持向量機(jī)的模式識別技術(shù)進(jìn)行號牌識別；
[0079]9)獲取圖片視頻
[0080]針對檢測到?jīng)]戴頭盔的違章行為，抓拍2張違章圖片和一段15秒鐘的視頻圖像，并保存在硬盤；
[0081]10)數(shù)據(jù)上傳
[0082]將檢測到的違章圖片、視頻及檢測信息通過網(wǎng)絡(luò)傳輸?shù)街悄芙煌ü芾碇行南到y(tǒng)。
【權(quán)利要求】
1.一種基于圖像分析的摩托車不戴頭盔違章事件檢測方法，其特征在于:在摩托車行駛車道上安裝高清攝像機(jī)，在設(shè)定車道范圍內(nèi)設(shè)定摩托車行駛的虛擬線圈，在虛擬線圈內(nèi)根據(jù)摩托車默認(rèn)寬度范圍，對摩托車的尾牌圖像進(jìn)行抓拍，高清攝像機(jī)將采集的圖像序列發(fā)送到檢測主機(jī)，檢測主機(jī)根據(jù)接收的圖像，進(jìn)行對當(dāng)前車道的摩托車檢測、頭盔檢測和車牌識別； 1)摩托車的檢測 由于摩托車是運(yùn)動目標(biāo)，為了將運(yùn)動目標(biāo)從背景中分離出來，首先根據(jù)從攝像機(jī)獲取的圖像序列，采用高斯模型背景模型，建立背景圖像，然后將運(yùn)動目標(biāo)圖像減去背景圖像，提取出運(yùn)動目標(biāo)，采用目標(biāo)跟蹤方式，檢測跟蹤目標(biāo)，根據(jù)目標(biāo)大小、行駛速度，行駛方向多種特征進(jìn)行判斷，以確定目標(biāo)是否為摩托車，對判定為摩托車的目標(biāo)提取出摩托車圖像，獲取圖像中摩托車所處區(qū)域； 2)頭盔的檢測 采用圖像分析技術(shù)，針對頭盔與頭發(fā)的顏色差異性，判斷當(dāng)前檢測的摩托車目標(biāo)的頭頂部顏色的飽和度情況，以判定當(dāng)前摩托車駕駛員是否佩戴頭盔； 頭盔檢測的具體過程是:根據(jù)在進(jìn)行摩托車檢測時(shí)，已經(jīng)提取出的摩托車在圖像中的區(qū)域，提取出摩托車圖像區(qū)域最上部分的小區(qū)域，該小區(qū)域?yàn)槟ν熊囻{駛員的頭頂，將頭頂圖像顏色從RGB轉(zhuǎn)為HSV，計(jì)算頭頂部分區(qū)域圖像的平均飽和度值Sa，將平均飽和度與設(shè)定的初始值Sd進(jìn)行比較，如果Sa〈Sd，判斷為摩托車駕駛員沒有戴頭盔，選出圖像，生成違規(guī)視頻，其中，RGB為紅綠藍(lán)三色，HSV為Hue色度、Saturat1n飽和度、Value明度； 3)摩托車號牌識別 采用基于支持向量機(jī)的模式識別技術(shù)進(jìn)行號牌識別:首先建立多種環(huán)境情況下摩托車漢字、字母和數(shù)字的字庫，在進(jìn)行號牌識別時(shí)，首先搜尋到號牌區(qū)域，然后根據(jù)摩托車號牌的特點(diǎn)，分割出號牌圖像中每個(gè)字體的區(qū)域，再將分割出字體圖像與字庫進(jìn)行比對，根據(jù)置信度大小判斷該字體屬于哪類，完成號牌識別。
2.如權(quán)利要求1所述的基于圖像分析的摩托車不戴頭盔違章事件檢測方法，其特征在于:所述設(shè)定的初始值Sd = 12 ; 所述摩托車默認(rèn)寬度范圍為1.2?1.8米； 所述選出圖像，生成違規(guī)視頻是選出間隔大于I米的2幀圖像，生成一段15秒鐘的違章視頻，作為摩托車違章的證據(jù)。
3.如權(quán)利要求1所述的基于圖像分析的摩托車不戴頭盔違章事件檢測方法，其特征在于:在摩托車行駛車道上安裝高清攝像機(jī)對摩托車的尾牌圖像進(jìn)行抓拍，采用一個(gè)200萬像素高清攝像機(jī)覆蓋一個(gè)車道，每個(gè)車道配一個(gè)LED補(bǔ)光燈在夜間補(bǔ)光，攝像機(jī)采用背向抓拍方式抓拍摩托車的尾牌圖像，一個(gè)檢測主機(jī)連接2個(gè)攝像機(jī)，完成對兩個(gè)攝像機(jī)覆蓋車道的檢測。
4.如權(quán)利要求1所述的基于圖像分析的摩托車不戴頭盔違章事件檢測方法，其特征在于:實(shí)施的流程是: I)參數(shù)設(shè)置 抓拍一張車道圖像，根據(jù)抓拍的車道圖像完成如下初始設(shè)置: 設(shè)置車道線:設(shè)定圖像中摩托車行駛的車道范圍，設(shè)定車道范圍的虛擬線圈，檢測軟件只針對該車道范圍內(nèi)的目標(biāo)進(jìn)行跟蹤檢測，其它區(qū)域不考慮，通過畫車道來確定車輛的運(yùn)行方向，提聞檢測的準(zhǔn)確率； 設(shè)置檢測區(qū)域:在圖像的下部分區(qū)域劃定兩條平行線，該線與車道垂直，檢測主機(jī)僅對兩條平行線之間的區(qū)域進(jìn)行摩托車抓拍與識別； 車道標(biāo)定:在車道圖像上畫一個(gè)矩形區(qū)域，根據(jù)矩形區(qū)域?qū)?yīng)的實(shí)際值設(shè)置矩形區(qū)域的寬和高，對道路進(jìn)行標(biāo)定，計(jì)算出視頻圖像上每一像素點(diǎn)表示的實(shí)際寬度和高度，這樣可根據(jù)目標(biāo)所處位置判斷目標(biāo)的大小和速度，排除一些干擾目標(biāo)，提高摩托車檢測的準(zhǔn)確度； 設(shè)定摩托車目標(biāo)的寬度范圍:設(shè)定摩托車目標(biāo)的寬度范圍，只在該范圍的目標(biāo)才認(rèn)定為摩托車，摩托車默認(rèn)寬度范圍為1.2?1.8米； 設(shè)置飽和度閥值:設(shè)置飽和度Sa的初始閥值Sd，Sd默認(rèn)值為12，將飽和度Sa與初始閥值Sd比較判斷摩托車駕駛員是否佩戴頭盔； 2)視頻圖像的采集 通過攝像機(jī)將摩托車的視頻圖像實(shí)時(shí)采集進(jìn)檢測主機(jī)，以進(jìn)行分析檢測； 3)生成車道背景圖像 在視頻車輛圖像中，車道的背景圖像通常只隨外界光照與攝像機(jī)參數(shù)調(diào)整而變化，變化較少，因此系統(tǒng)每隔一段時(shí)間通過去除車道上的運(yùn)動目標(biāo)，得到車道的背景圖像； 4)獲取運(yùn)動目標(biāo)灰度圖像 將每幀車輛圖像灰度值與背景圖像灰度值相減，得到運(yùn)動目標(biāo)的灰度值圖像； 5)運(yùn)動目標(biāo)跟蹤 采用卡爾曼濾波跟蹤技術(shù)對運(yùn)動目標(biāo)進(jìn)行跟蹤，并根據(jù)目標(biāo)的大小，方向和速度確定車輛目標(biāo)； 6)摩托車識別 當(dāng)運(yùn)動目標(biāo)到達(dá)虛擬線圈時(shí)，根據(jù)目標(biāo)的大小、速度、運(yùn)動方向確定是否符合摩托車特征，完成摩托車識別； 7)摩托車頭盔檢測 根據(jù)抓拍的摩托車圖像，確定摩托車駕駛員位置，并獲取駕駛員頭頂區(qū)域圖像，將頭頂圖像每個(gè)像素顏色值從RGB轉(zhuǎn)換為HSV，并計(jì)算頭頂區(qū)域圖像的平均飽和度值Sa，將平均飽和度Sa與初始閥值Sd比較，如果Sa〈Sd，表示頭頂區(qū)域飽和度小，判斷為摩托車駕駛員不戴頭藍(lán); 8)摩托車號牌識別:對抓拍到的違章摩托車圖像，首先根據(jù)摩托車目標(biāo)區(qū)域，確定摩托車號牌位置，切割出號牌區(qū)域，切分每個(gè)字符，用基于支持向量機(jī)的模式識別技術(shù)進(jìn)行號牌識別； 9)獲取圖片視頻 針對檢測到?jīng)]戴頭盔的違章行為，抓拍2張違章圖片和一段15秒鐘的視頻圖像，并保存在硬盤； 10)數(shù)據(jù)上傳 將檢測到的違章圖片、視頻及檢測信息通過網(wǎng)絡(luò)傳輸?shù)街悄芙煌ü芾碇行南到y(tǒng)。
【文檔編號】G08G1/017GK104200668SQ201410364518
【公開日】2014年12月10日 申請日期:2014年7月28日 優(yōu)先權(quán)日:2014年7月28日
【發(fā)明者】邱敦國, 王茂寧 申請人:四川大學(xué)