• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 8
    • 下载费用:30 金币  

    重庆时时彩论坛群: 一种基于ADABOOST的安全带检测方法.pdf

    摘要
    申请专利号:

    重庆时时彩单双窍门 www.4mum.com.cn CN201410174018.3

    申请日:

    2014.04.26

    公开号:

    CN103955704A

    公开日:

    2014.07.30

    当前法律状态:

    授权

    有效性:

    有权

    法律详情: 授权|||实质审查的生效IPC(主分类):G06K 9/62申请日:20140426|||公开
    IPC分类号: G06K9/62 主分类号: G06K9/62
    申请人: 合肥工业大学
    发明人: 陈雁翔; 李赓; 覃勋辉; 王猛; 陶刚; 邹娇; 闫永刚
    地址: 230009 安徽省合肥市屯溪路193号
    优先权:
    专利代理机构: 安徽合肥华信知识产权代理有限公司 34112 代理人: 余成俊
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201410174018.3

    授权公告号:

    ||||||

    法律状态公告日:

    2018.08.24|||2014.08.27|||2014.07.30

    法律状态类型:

    授权|||实质审查的生效|||公开

    摘要

    本发明公开了一种基于Adaboost的安全带检测方法,包括以下步骤:建立车辆正面图像的高斯混合模型;通过高斯混合模型建立基于Adaboost的车辆各部件粗定位,得到各部件候选区域和对应可信度;进行基于高斯混合模型的图像后处理,得到安全带检测的精确结果。相对其他方法,本发明检测率较高且虚警率与漏检率较低,对于背景和光照的鲁棒性较强,能广泛运用于不同的道路环境、光照条件、拍摄视角下的车辆安全带检测。

    权利要求书

    权利要求书
    1.  一种基于Adaboost的安全带检测方法,其特征在于,包括以下步骤:
    步骤1:建立车辆正面图像的高斯混合模型;
    步骤2:通过高斯混合模型建立基于Adaboost的车辆各部件粗定位,得到各部件候选区域和对应可信度;
    步骤3:进行基于高斯混合模型的图像后处理,得到安全带检测的精确结果。

    2.  根据权利要求1所述的基于Adaboost的安全带检测方法,其特征在于,步骤1中建立车辆正面图像的高斯混合模型时,按以下方式获?。?BR>步骤1.1:将车辆正面图像划分为车窗区域、驾驶员区域、安全带区域三个部件;
    步骤1.2:将检测车辆分为大型车、中型车、小型车三种类型。

    3.  根据权利要求1所述的基于Adaboost的安全带检测方法,其特征在于,步骤2中建立基于Adaboost的车辆各部件粗定位时,按以下步骤进行:
    步骤2.1:首先对车辆图像进行正面车窗检测;
    步骤2.2:在正面车窗候选区域内进行驾驶员区域检测;
    步骤2.3:在驾驶员候选区域进行安全带检测。

    4.  根据权利要求1所述的基于Adaboost的安全带检测方法,其特征在于,步骤2中所述的基于Adaboost的车辆各部件粗定位,首先要提取待检测区域的高维的Haar-like特征。

    5.  根据权利要求1所述的基于Adaboost的安全带检测方法,其特征在于,步骤2中所述的得到各部件候选区域和对应可信度,当被检测区域通过前K(K<T,其中T表示预设的最高迭代次数)个弱分类器时,认为该区域为待检测部件候选区域,同时继续使用K+1至第T个弱分类器进行扫描,并记录其通过的弱分类器的数目作为该候选区域的可信度,公式(1)中x表示待检测部件
    confidencex=numpassed_classifier(1)。

    6.  根据权利要求1所述的基于Adaboost的安全带检测方法,其特征在于,步骤3中所述的基于高斯混合模型的后处理计算方法如下:设L={lw,lp,lb}为模型M在图像中的一个实现,其中lw表示车窗在图像中的位置,lp表示驾驶员区域在图 像中的位置,lb表示安全带在图像中的位置,设m(lw)表示车窗位置在lw的可信度,m(lp)表示车窗位置在lp的可信度,m(lb)表示车窗位置在lb的可信度,可信度均可通过公式(1)来计算,m(lw,lp,lb)表示车窗区域、驾驶员区域、安全带区域与模型的符合度;根据高斯混合模型进行车辆各部件精确定位,即找到L*使得:
    L*={lw*,lp*,lb*}=argmaxL(m(lw)+m(lp)+m(lb)+m(lw,lp,lb))---(2).]]>

    说明书

    说明书一种基于Adaboost的安全带检测方法
    技术领域
    本发明属于智能交通领域,涉及一种图像检测方法,更具体的涉及到一种基于Adaboost的安全带检测方法。
    背景技术
    每年有超过120万人死于机动车事故,相当比例的交通事故中,当驾驶员佩带安全带时,造成的人员伤亡明显减轻。目前,世界上大多数国家都通过法律强制要求驾驶员在行驶中使用安全带。通过监控相机进行驾驶员安全带检测成为了智能交通领域的比较新颖的课题,对于那些轻视交通法规和安全意识淡薄的驾乘人员,该技术的实现可以在很大程度上起到提醒和警告作用,在保证安全驾驶的同时提高驾驶员遵守交通法规的意识。
    随着成像技术的发展,高清摄像机可以获取高速行驶中车辆和驾驶员的清晰图像。目前,基于图像处理的安全带检测方法相关研究较少,仍然有许多困难,主要表现为:道路环境复杂,变化多样、车辆以及安全带图像会受到包括光照、拍摄视角甚至相机规格等因素的影响。
    发明内容
    本发明的目的在于克服现有技术的缺点和不足,提出一种基于Adaboost安全带检测方法,此方法主要解决了机动车车辆图片中驾驶员的安全带检测,并且可应用于不同的道路环境和光照条件下。
    本发明提供了一种基于Adaboost的安全带检测方法,包括以下步骤:
    步骤1:建立正面车辆的高斯混合模型;
    车辆正面视图的高斯混合模型M定义如下:
    M={partw,partp,partb,posw,p,b}
    其中,partw表示模型中的车窗部件,partp表示模型中的驾驶员区域部件,posb表示模型中的安全带部件,posw,p,b={pw,p,b,dw,p,b}表示各部件之间的位置关系;特别的,pw,p,b表示各部件之间的空间位置关系,对于不同的国家和地区,由于驾驶员所在的位置不同,此位置关系也不同;dw,p,b表示各部件间的距离,且
    dw,p,b∈Ni(μi,δi),i∈{big,middle,small}
    Ni(μi,δi)表示均值为μ,方差为δ的高斯模型;通过统计标注车窗、驾驶员以及安全带之间的距离,得到每一类型的车辆所对应的均值和方差,既得到车辆的高斯混合模型。
    步骤2:基于Adaboost的车辆各部件粗定位,得到各部件候选区域和对应可信度;
    使用Adaboost算法先后对车窗部件、驾驶员部件和安全带部件进行粗定位;各部件的粗定位包括针对各部件的模型训练过程和定位过程。
    训练过程一方面从高维的Haar-like特征中选取对分类识别起关键作用的特征,另一方面为识别过程准备用于两类分类识别的Adaboost分类器,定位过程首先对测试样本提取关键Haar-like特征,然后将特征输入到Adaboost进行各部件存在性检测,定位各部件的候选区域。
    步骤3:基于高斯混合模型的后处理,得到安全带检测的精确结果;
    通过Adaboost得到车辆各部件的候选区域后,通过训练得到的车辆高斯混合模型来进行安全带区域的精细定位。
    设L={lw,lp,lb}为模型M在图像中的一个实现,其中lw表示车窗在图像中的位置,lp表示驾驶员区域在图像中的位置,lb表示安全带在图像中的位置,设m(lw)表示车窗位置在lw的可信度,m(lp)表示车窗位置在lp的可信度,m(lb)表示车窗位置在lb的可信度,m(lw,lp,lb)表示车窗区域、驾驶员区域、安全带区域与模型的符合度且:
    m(lw,lp,lb)=argmaxiP(dw,p,b&Element;Ni(μi,δi))]]>
    其中dw,p,b为各部件候选区之间的距离,Ni(μi,δi)为通过训练得到的高斯模型,其中
    i∈{big,middle,small}
    根据高斯混合模型进行车辆各部件精确定位,既找到L*使得:
    L*={lw*,lp*,lb*}=argmaxL(m(lw)+m(lp)+m(lb)+m(lw,lp,lb)).]]>
    本发明的优点和积极效果在于:
    1、相对其他方法,本发明方法的检测率较高,虚警率与漏检率较低。
    2、本发明方法在复杂背景环境和光照下仍能够有较好的表现,对于背景和光照的鲁棒性较强。
    附图说明
    图1是本发明方法的流程框图。
    图2是Adaboost算法的结构图。
    图3是高斯混合模型训练流程图。
    具体实施方式
    本发明的基本思想是通过Adaboost算法进行安全带区域的粗定位,找到对应的车窗、驾驶员区域和安全带区域的候选区,然后使用高斯混合模型进行后处理得到精确的安全带检测结果。
    根据以上思想,本发明流程如图1所示,下面结合技术方案和附图1、2、3对本发明的方法进一步说明。
    步骤1:建立正面车辆的高斯混合模型;
    高斯混合模型(Gaussian Mixture Model)是统计模式识别中一类重要建模工具,基于高斯混合模型的图像识别方法,具有形式灵活、识别速度快、抗干扰能力强、识别准确率高等优点,成为图像识别领域中一种重要的建模方法。本发明通过高斯混合模型描述各个部件的位置关系,在建立正面视图的车辆模型中,包括三个部件,车窗区域、驾驶员区域以及安全带区域。确定了模型中的部件后,通过人工标注的训练数据进行模型的训练。
    训练数据包括大型车,中型车和小型车三类,使用高斯混合模型来表示各部件之间的位置关系,对于每一类型的车辆,都有一个高斯混合模型来表示。
    车辆正面视图的高斯混合模型M定义如下:
    M={partw,partp,partb,posw,p,b}
    partw表示模型中的车窗部件,partp表示模型中的驾驶员区域部件,posb表示模型中的安全带部件,posw,p,b={pw,p,b,dw,p,b}表示各部件之间的位置关系。其 中pw,p,b表示各部件之间的空间位置关系,对于不同的国家和地区,由于驾驶员所在的位置不同,此位置关系也不同。dw,p,b表示各部件间的距离,且
    dw,p,b∈Ni(μi,δi),i∈{big,middle,small}
    Ni(μi,δi)表示均值为μ,方差为δ的高斯模型。通过统计标注车窗、驾驶员以及安全带之间的距离,得到每一类型的车辆所对应的均值和方差,既得到车辆的高斯混合模型。
    步骤2:基于Adaboost的车辆各部件粗定位,得到各部件候选区域和对应可信度;
    使用Adaboost算法先后对车窗部件、驾驶员部件和安全带部件进行粗定位。各部件的粗定位包括针对各部件的模型训练过程和定位过程。
    训练过程中,使用道路监控相机拍摄大量图片,拍摄条件包括各个时段和天气条件,如夜晚、中午、傍晚、雾天、雨天等。在这些图片中,截取出车辆各部件作为正样本,其中车窗区域长宽比为2:1,驾驶员区域长宽比为4:3,安全带区域长宽比为1:1。负样本的选取和正样本相似,在道路图片中,人工截取出不是车辆的部分,如建筑物、路面、路边绿化带、行人等,各部件负样本的长宽比与正样本相同。训练过程一方面从高维的Haar-like特征中选取对分类识别起关键作用的特征,另一方面为识别过程准备用于两类分类识别的Adaboost分类器。
    定位过程首先对测试样本提取关键Haar-like特征,然后将特征输入到Adaboost进行各部件存在性检测,定位各部件的候选区域。其中对于车窗部件,待检区域ROI为整幅图像;对于驾驶员部件,待检区域ROI为车窗候选区;对于安全带部件,待检区域ROI为驾驶员候选区。
    使用Haar-like特征来描述各部件的边缘及结构特征,引入Adaboost算法对特征进行选择并设计高性能的分类器。Adaboost算法采用自适应的样本训练策略,它通过训练将若干个弱分类器集成为一个强分类器。在训练的过程中,每个训练样本被赋予一个初始权值,当一个弱分类器训练完成后,根据其在训练集上的分类结果对所有的样本权值进行调整,令下一次训练的弱分类器更关注那些被识别错误的样本。集成后的强分类器的判决结果是所有弱分类器的判决结果的加 权和。这样一方面能够提高运算的速度,另一方面可以同时获得较高的检测率和较低的虚警率。Adaboost算法的详细流程如下:
    给定训练数据集(x1,y1),...,(xm,ym)其中xi∈X,yi∈{-1,+1}
    初始化权值:i=1,...,m
    (1)Fort=1,...,T
    (2)寻找弱分类器其中&epsiv;j=Σi=1mDt(i)[yi&NotEqual;hj(xi)]]]>
    (3)弱分类器的权值为
    (4)更新样本权重其中用Zt来归一化权重
    (5)End for
    (6)得到最终强分类器sign(H(x)=Σt=1Tαtht(x))]]>
    由于可以通过后续的基于高斯混合模型对粗定位得到的区域进行滤除,因此在利用强分类器进行各部件检测的时候,目标使得漏检率最小,容许一定的误检率。设置检测规则为:当被检测区域通过前K(K<T)个弱分类器时,认为该区域为待检测部件候选区域,同时继续使用K+1至第T个弱分类器进行扫描,并记录其通过的弱分类器的数目做为该候选区域的可信度。
    confidencex=numpassed_classifier(1)
    步骤3:基于高斯混合模型的后处理,得到安全带检测的精确结果;
    通过Adaboost得到车辆各部件的候选区域后,通过训练得到的车辆高斯混合模型来进行安全带区域的精细定位。
    设L={lw,lp,lb}为模型M在图像中的一个实现。其中lw表示车窗在图像中的位置,lp表示驾驶员区域在图像中的位置,lb表示安全带在图像中的位置,设m(lw)表示车窗位置在lw的可信度,m(lp)表示车窗位置在lp的可信度,m(lb)表示车窗位置在lb的可信度,可信度均可通过(1)来计算,m={lw,lp,lb}表示车窗区域、驾驶员 区域、安全带区域与模型的符合度,且
    m(lw,lp,lb)=argmaxiP(dw,p,b&Element;Ni(μi,δi))]]>
    其中dw,p,b为各部件候选区之间的距离,Ni(μi,δi)为通过训练得到的高斯模型,其中
    i∈{big,middle,small}
    根据高斯混合模型进行车辆各部件精确定位,即找到L*使得
    L*={lw*,lp*,lb*}=argmaxL(m(lw)+m(lp)+m(lb)+m(lw,lp,lb)).]]>
    通过Adaboost算法找到车辆各部件候选区域后,根据各候选区域的可信度对其进行排序,设排序后的车窗候选区为lw_1,...lw_n,n为车窗候选区域的数目,排序后的驾驶员候选区为lp_1,...lp_m,n为驾驶员候选区域的数目,排序后的安全带候选区为lb_1,...lb_q ,q为安全带候选区域的数目。然后通过高斯混合模型进行各部件定位过程为:对应i=1,…,n,j=1,…m,k=1,…,q,计算打分值
    m(lw_i)+m(lp_i)+m(lb_k)+m(lw_i,lp_j,lb_k)
    其中m(lw_i)表示第i个车窗候选区的可信度,m(lp_i)表示第j个驾驶员候选区的可信度,m(lb_k)表示第k个驾驶员区域可信度,m(lw_i,lp_i,lb_k)表示这三个区域的模型的符合度,记录最大的打分值及其对应的安全带区域的精确定位结果。

    关 键 词:
    一种 基于 ADABOOST 安全带 检测 方法
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    关于本文
    本文标题:一种基于ADABOOST的安全带检测方法.pdf
    链接地址://www.4mum.com.cn/p-6143050.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03