专利名称：基于车牌识别的未扣紧安全带违章驾驶检测系统及方法
技术领域：
本发明属于交通视频检测领域，具体地是一种基于车牌识别的未扣紧安全带违章驾驶检测系统及其方法。
背景技术：
目前行车安全带检测主要依靠交警肉眼判别，而人工判断的准确性和有效性因人而异。采用视频或图像处理的方法，并且基于目前高清卡口的抓拍相机，可以有效的定位未系紧安全带的车主，帮助执法人员有效检索信息。安全带检测主要依赖于车牌定位来找到车辆位置，并以此推算驾驶员的位置。这种定位车辆的方法受环境影响小，一般能达到98%左右的识别率。但是安全带检测受相机架设角度和车内遮挡物影响，检测安全带准确率和人眼判断的准确率相当。只有人能够看 请安全带佩戴的情况下，才能通过视频或图像进行检测。
发明内容
本发明的基于车牌识别的未扣紧安全带违章驾驶检测系统主要分为两步，首先基于车牌识别定位车主，然后对车主是否佩戴安全带进行检测。主要运用的技术有车牌识别和安全带检测技术。所述的基于车牌识别的未扣紧安全带违章驾驶检测系统，包括车牌定位模块，车牌分割模块，车牌字符识别模块，人脸检测模块和安全带检测模块，其特征在于所述人脸检测模块检测得到人脸后，往图像下方采用所述安全带检测模块对是否扣紧安全带进行检测。所述的基于车牌识别的未扣紧安全带违章驾驶检测系统，其中所述车牌定位模块，车牌分割模块和车牌字符识别模块对车牌进行识别。所述的基于车牌识别的未扣紧安全带违章驾驶检测系统，其中所述车牌定位模块和人脸检测模块采用Adaboost分类算法，对图像中的车牌和人脸进行定位和检测。所述的基于车牌识别的未扣紧安全带违章驾驶检测系统，其中所述车牌分割模块使用车牌定位模块的结果，采用基于字符二值化投影和车牌字符模板匹配方法对车牌进行分割。所述的基于车牌识别的未扣紧安全带违章驾驶检测系统，其中所述车牌字符识别模块采用车牌分割模块的结果，使用卷积神经网络算法。所述的基于车牌识别的未扣紧安全带违章驾驶检测系统，其中所述安全带检测模块采用基于Hough变换的直线检测算法。所述的基于车牌识别的未扣紧安全带违章驾驶检测系统，还包括报警模块，根据所述安全带检测模块输出的结果，若有驾驶员或乘客未按规定佩戴安全带，则报警。本发明还提供了一种基于车牌识别的未扣紧安全带违章驾驶检测方法，包括如下步骤对图像中的车辆车牌进行识别；对图像中的人脸进行检测；检测到人脸后，往图像下方对是否扣紧安全带进行检测。
图I是本基于车牌识别的未扣紧安全带违章驾驶检测系统的工作流程 图2是字符分割模块的字符分割模板示意 图3是本基于车牌识别的未扣紧安全带违章驾驶检测系统的检测示意图。
具体实施例方式如图I所示的安全带的检测流程，本发明的基于车牌识别的未扣紧安全带违章驾驶检测系统以高清相机拍摄的图像为基础，其包括车牌定位模块，车牌分割模块，车牌字符识别模块，人脸检测模块，安全带检测模块，报警模块。 车牌定位模块和人脸检测模块采用了常用的Adaboost分类算法，对图像中的车牌和人脸进行定位和检测。车牌分割模块使用车牌定位模块的结果，采用基于字符二值化投影和车牌字符模板匹配方法对车牌进行分割。如图2所示的字符分割模板，采用以下步骤分割字符
I)对车牌定位结果进行字符二值化。2)对字符二值化结果进行水平坐标轴投影。3)不断在水平坐标轴上平移字符分割模板，并分别计算落入(al，bl)，(a2，b2)，(a3, b3), (a4, b4), (a5, b5), (a6, b6), (a7, b7)的二值化像素点个数,和落入(bl a2)，(bl a2), (b2 a3) , (b3 a4) , (b4 a5) , (b5 a6) , (b6 a7)的二值化像素点个数,计算两者比值最大的位置作为车牌字符分割位置。车牌字符识别模块采用车牌分割模块的结果，使用了卷积神经网络算法，该卷积神经网络算法通过如下方式得到采用反向传播(BP)算法，也就是通过理想输出值和实际输出值之间的差值来后向传递误差，并通过随机梯度法来修正权重。具体的更新过程如下
对每个样本要优化的目标函数是其均方误差MSE
Ei二—YM -《？Co
2 c
其中Z是理想输出，其值和这个样本的类别有关，通常假定为只在向量的类别处输出为1，其他输出都是-I。Z是CNN的实际输出。Ei是每个样本的误差。卷积神经网络的权重更新采用的是梯度下降法，也就是按下式进行
其中W是卷积神经网络每个神经元的权重。
f+1 }w = W》一a ——
dw所以要求出￥，也就是最终的误差对每个权重的导数，另外更新因子和二阶导数
有关，所以关键是要求出各个层中权重和偏置的这两个导数。
权利要求
1.一种基于车牌识别的未扣紧安全带违章驾驶检测系统，包括车牌定位模块，车牌分割模块，车牌字符识别模块，人脸检测模块和安全带检测模块，其特征在于所述人脸检测模块检测得到人脸(I)后，往图像下方采用所述安全带检测模块对是否扣紧安全带(3)进行检测。
2.如权利要求I所述的基于车牌识别的未扣紧安全带违章驾驶检测系统，其中所述车牌定位模块，车牌分割模块和车牌字符识别模块对车牌(2 )进行识别。
3.如权利要求I所述的基于车牌识别的未扣紧安全带违章驾驶检测系统，其中所述车牌定位模块和人脸检测模块采用Adaboost分类算法，对图像中的车牌和人脸进行定位和检测。
4.如权利要求3所述的基于车牌识别的未扣紧安全带违章驾驶检测系统，其中所述车牌分割模块使用车牌定位模块的结果，采用基于字符二值化投影和车牌字符模板匹配方法对车牌进行分割。
5.如权利要求I所述的基于车牌识别的未扣紧安全带违章驾驶检测系统，其中所述车牌字符识别模块采用车牌分割模块的结果，使用卷积神经网络算法。
6.如权利要求I所述的基于车牌识别的未扣紧安全带违章驾驶检测系统，其中所述安全带检测模块采用基于Hough变换的直线检测算法。
7.如权利要求I所述的基于车牌识别的未扣紧安全带违章驾驶检测系统，还包括报警模块，根据所述安全带检测模块输出的结果，若有驾驶员或乘客未按规定佩戴安全带(3)，则报警。
8.一种基于车牌识别的未扣紧安全带违章驾驶检测方法，包括如下步骤 对图像中的车辆车牌进行识别； 对图像中的人脸进行检测； 检测到人脸后，往图像下方对是否扣紧安全带进行检测。
9.如权利要求8所述的基于车牌识别的未扣紧安全带违章驾驶检测方法，还包括若检测到未扣紧安全带，则报警。
全文摘要
一种基于车牌识别的未扣紧安全带违章驾驶检测系统，包括车牌定位模块，车牌分割模块，车牌字符识别模块，人脸检测模块和安全带检测模块，所述人脸检测模块检测得到人脸后，往图像下方采用所述安全带检测模块对是否扣紧安全带进行检测。在检测到人脸后，再检测是否扣紧安全带，提高了检测的精确性。
文档编号G06K9/62GK102750544SQ20121017796
公开日2012年10月24日 申请日期2012年6月1日 优先权日2012年6月1日
发明者于晓静, 尚凌辉, 王弘玥, 蒋宗杰, 郑晓隆, 郑永宏, 高勇 申请人:浙江捷尚视觉科技有限公司