一种基于图像分析的摩托车不戴头盔违章事件检测方法
【专利摘要】本发明公开了一种基于图像分析的摩托车不戴头盔违章事件检测方法。在摩托车行驶车道上安装高清摄像机，在设定车道范围内设定摩托车行驶的虚拟线圈，在虚拟线圈内根据摩托车默认宽度范围，对摩托车的尾牌图像进行抓拍，高清摄像机将采集的图像序列发送到检测主机，检测主机根据接收的图像，进行对当前车道的摩托车检测、头盔检测和车牌识别。头盔检测采用计算头顶平均饱和度与设定的初始值Sd进行比较的方式，对车牌识别采用基于支持向量机的模式识别技术。本发明无需采用大量警力进行现场执法，并进行号牌识别，有效避免现在执法带来的危险事故。可以在现有电子警察系统上进行实施，投入小、可实施性强，具有广泛的应用基础。
【专利说明】一种基于图像分析的摩托车不戴头盔违章事件检测方法
一、【技术领域】
[0001]本发明涉及计算机应用，特别涉及智能交通管理。
二、【背景技术】
[0002]目前，摩托车成为一个很重要的交通工具，尤其在广大农村，摩托车数量非常大，但是，每年因摩托车导致交通事故死亡非常多，摩托车因其速度快、性能差、保护措施弱，极易发生交通事故，而事故发生后的伤亡极其严重，大多造成头部受伤，这是摩托车事故死亡率、致残率高的主要原因，因此，保护头部对摩托车驾乘人员非常重要。实践证明，安全头盔对驾乘人员的头部具有很好的防护作用，能够有效的降低和减轻外力对头部(特别是大脑)的损伤，可以在驾乘人员发生交通事故摔倒或撞击时，避免或减轻对头部的伤害，减少车祸造成的死亡率或致残率。
[0003]但是，现在很多摩托车驾驶员对摩托车驾驶的安全知识淡薄，为了驾驶方便，有很多摩托车驾驶员选择不戴头盔，这大大加大了摩托车事故的伤亡率。为了使摩托车驾驶员提高安全意识，国家出台相关法规，对不戴摩托车的驾驶员进行处罚，其中《道路交通安全法》有明确规定，驾驶摩托车时，驾驶人员和乘坐人员应当按规定戴安全头盔，不按照规定佩戴安全头盔的，将受到记2分，罚款50元的处罚。
[0004]交通部门为了提高摩托车驾驶员的安全意识，促使摩托车驾驶员在行驶时自觉佩戴安全头盔，组织了大量的警力对不戴头盔的驾驶行为进行拦截处罚，这种方式不仅增加了大量的警力，同时在拦截过程中会出现驾驶员为逃避处罚快速驾车逃离，增加了事故危险。为了有效消除摩托车驾驶员不戴头盔驾驶现象，非常有必要采用基于视频检测方式对不戴头盔的驾驶行为进行检测，抓拍违章车辆的图像，实施非现场执法，这样不仅可以减少警力的投入，还可保证执法的安全，可以有效提高摩托车驾驶员的安全驾驶意识。
三、
【发明内容】
[0005]本发明的目的提供一种采用基于视频检测与图像识别的方法，通过在道路上安装高清摄像机，对过往的摩托车抓拍图像，对不戴头盔的驾驶行为进行检测，自动对违章摩托车进行号牌识别，并记录整个违章过程。通过非现场执法方式对不戴头盔的摩托车驾驶行为进行处罚，不仅有效提高了驾驶员的安全意识，而且减少大量警力进行现场执法，避免现在执法带来的新的危险事故。
[0006]本发明的目的是这样达到的:一种基于图像分析的摩托车不戴头盔违章事件检测方法，其特征在于:在摩托车行驶车道上安装高清摄像机，在设定车道范围内设定摩托车行驶的虚拟线圈，在虚拟线圈内根据摩托车默认宽度范围，对摩托车的尾牌图像进行抓拍，高清摄像机将采集的图像序列发送到检测主机，检测主机根据接收的图像，进行对当前车道的摩托车检测、头盔检测和车牌识别。
[0007]I)摩托车的检测
[0008]由于摩托车是运动目标，为了将运动目标从背景中分离出来，首先根据从摄像机获取的图像序列，采用高斯模型背景模型，建立背景图像，然后将运动目标图像减去背景图像，提取出运动目标，采用目标跟踪方式，检测跟踪目标，根据目标大小、行驶速度，行驶方向多种特征进行判断，以确定目标是否为摩托车，对判定为摩托车的目标提取出摩托车图像，获取图像中摩托车所处区域；
[0009]2)头盔的检测
[0010]采用图像分析技术，针对头盔与头发的颜色差异性，判断当前检测的摩托车目标的头顶部颜色的饱和度情况，以判定当前摩托车驾驶员是否佩戴头盔；
[0011]头盔检测的具体过程是:根据在进行摩托车检测时，已经提取出的摩托车在图像中的区域，提取出摩托车图像区域最上部分的小区域，该小区域为摩托车驾驶员的头顶，将头顶图像颜色从RGB转为HSV，计算头顶部分区域图像的平均饱和度值Sa，将平均饱和度与设定的初始值Sd进行比较，如果Sa〈Sd，判断为摩托车驾驶员没有戴头盔，选出图像，生成违规视频，其中，RGB为红绿蓝三色，HSV为Hue色度、Saturat1n饱和度、Value明度；
[0012]3)摩托车号牌识别
[0013]采用基于支持向量机的模式识别技术进行号牌识别:首先建立多种环境情况下摩托车汉字、字母和数字的字库，在进行号牌识别时，首先搜寻到号牌区域，然后根据摩托车号牌的特点，分割出号牌图像中每个字体的区域，再将分割出字体图像与字库进行比对，根据置信度大小判断该字体属于哪类，完成号牌识别。所述设定的初始值Sd = 12 ；
[0014]所述摩托车默认宽度范围为1.2?1.8米；
[0015]所述选出图像，生成违规视频是选出间隔大于I米的2帧图像，生成一段15秒钟的违章视频，作为摩托车违章的证据。
[0016]在摩托车行驶车道上安装高清摄像机对摩托车的尾牌图像进行抓拍，采用一个200万像素高清摄像机覆盖一个车道，每个车道配一个LED补光灯在夜间补光，摄像机采用背向抓拍方式抓拍摩托车的尾牌图像，一个检测主机连接两个摄像机，完成对两个摄像机覆盖车道的检测。
[0017]实施的流程是:
[0018]I)参数设置
[0019]抓拍一张车道图像，根据抓拍的车道图像完成如下初始设置:
[0020]设置车道线:设定图像中摩托车行驶的车道范围，设定车道范围的虚拟线圈，检测软件只针对该车道范围内的目标进行跟踪检测，其它区域不考虑，通过画车道来确定车辆的运行方向，提高检测的准确率；
[0021]设置检测区域:在图像的下部分区域划定两条平行线，该线与车道垂直，检测主机仅对两条平行线之间的区域进行摩托车抓拍与识别；
[0022]车道标定:在车道图像上画一个矩形区域，根据矩形区域对应的实际值设置矩形区域的宽和高，对道路进行标定，计算出视频图像上每一像素点表示的实际宽度和高度，这样可根据目标所处位置判断目标的大小和速度，排除一些干扰目标，提高摩托车检测的准确度；
[0023]设定摩托车目标的宽度范围:设定摩托车目标的宽度范围，只在该范围的目标才认定为摩托车，摩托车默认宽度范围为1.2?1.8米；
[0024]设置饱和度阀值:设置饱和度Sa的初始阀值Sd，Sd默认值为12，将饱和度Sa与初始阀值Sd比较判断摩托车驾驶员是否佩戴头盔；
[0025]2)视频图像的采集
[0026]通过摄像机将摩托车的视频图像实时采集进检测主机，以进行分析检测；
[0027]3)生成车道背景图像
[0028]在视频车辆图像中，车道的背景图像通常只随外界光照与摄像机参数调整而变化，变化较少，因此系统每隔一段时间通过去除车道上的运动目标，得到车道的背景图像；
[0029]4)获取运动目标灰度图像
[0030]将每帧车辆图像灰度值与背景图像灰度值相减，得到运动目标的灰度值图像；
[0031]5)运动目标跟踪
[0032]采用卡尔曼滤波跟踪技术对运动目标进行跟踪，并根据目标的大小，方向和速度确定车辆目标；
[0033]6)摩托车识别
[0034]当运动目标到达虚拟线圈时，根据目标的大小、速度、运动方向确定是否符合摩托车特征，完成摩托车识别；
[0035]7)摩托车头盔检测
[0036]根据抓拍的摩托车图像，确定摩托车驾驶员位置，并获取驾驶员头顶区域图像，将头顶图像每个像素颜色值从RGB转换为HSV，并计算头顶区域图像的平均饱和度值Sa，将平均饱和度Sa与初始阀值Sd比较，如果Sa〈Sd，表示头顶区域饱和度小，判断为摩托车驾驶员不戴头盔；
[0037]8)摩托车号牌识别:对抓拍到的违章摩托车图像，首先根据摩托车目标区域，确定摩托车号牌位置，切割出号牌区域，切分每个字符，用基于支持向量机的模式识别技术进行号牌识别；
[0038]9)获取图片视频
[0039]针对检测到没戴头盔的违章行为，抓拍2张违章图片和一段15秒钟的视频图像，并保存在硬盘；
[0040]10)数据上传
[0041]将检测到的违章图片、视频及检测信息通过网络传输到智能交通管理中心系统。
[0042]本发明具有以下有益效果:
[0043]I)、可对摩托车不戴头盔的违章行为进行检测，并进行号牌识别。
[0044]2)、同时以2副图像和一段15秒钟的视频记录摩托车驾驶员不戴头盔的整个违章过程，证据有效性充分。
[0045]3)、无需采用大量警力进行现场执法，可有效避免现在执法带来的危险事故。
[0046]4)、可有效监督摩托车驾驶员不戴头盔的驾驶行为，提高摩托车驾驶员的安全意识，减少摩托车驾驶伤亡事故的发生。
[0047]5)可以在现有电子警察系统上进行实施，投入小、可实施性强，具有广泛的应用基础。
四、【专利附图】
【附图说明】
[0048]图1是设备安装及连接附图。
[0049]图2是实施流程图，
五、【具体实施方式】
[0050]参见图1。
[0051]摩托车车牌分为前牌和后牌，前牌是顺向安装，只能通过侧面观察。后牌为横向安装，安装在摩托车尾部，但是，摩托车本身目标较小，摩托车车牌较小，为了能对不戴头盔的违章摩托车进行检测，并能识别违章摩托车的号牌，本发明采用一个200万像素高清摄像机覆盖一个车道，每个车道配一个LED补光灯在夜间补光，摄像机通过控制线控制LED补光灯频闪补光，摄像机采用背向抓拍方式抓拍摩托车的尾牌图像，并将采集的图像序列发送到检测主机，检测主机根据接收的图像，完成对当前车道的摩托车进行检测与号牌识别，一个检测主机可以连接两个摄像机，可以完成对两个摄像机覆盖车道的检测。检测包括对摩托车的检测、头盔的检测和对车牌号的识别。
[0052]由于摩托车是运动目标，为了将运动目标从背景中分离出来，首先根据从摄像机获取的图像序列，采用高斯模型背景模型，建立背景图像，然后将运动目标图像减去背景图像，提取出运动目标，采用目标跟踪方式，检测跟踪目标，根据目标大小、行驶速度，行驶方向多种特征进行判断，以确定目标是否为摩托车，对判定为摩托车的目标提取出摩托车图像，获取图像中摩托车所处区域。
[0053]对头盔的检测:采用图像分析技术，针对头盔与头发的颜色差异性，判断当前检测的摩托车目标的头顶部颜色的饱和度情况，以判定当前摩托车驾驶员是否佩戴头盔。
[0054]头盔检测的具体过程是:根据在进行摩托车检测时，已经提取出的摩托车在图像中的区域，提取出摩托车图像区域最上部分的小区域，该小区域为摩托车驾驶员的头顶，将头顶图像颜色从RGB转为HSV，计算头顶部分区域图像的平均饱和度值Sa，将平均饱和度与设定的初始值Sd进行比较，如果Sa〈Sd，判断为摩托车驾驶员没有戴头盔，选出图像，生成违规视频，其中，RGB为红绿蓝三色，HSV为Hue色度、Saturat1n饱和度、Value明度。
[0055]对摩托车号牌识别:采用基于支持向量机的模式识别技术进行号牌识别:首先建立多种环境情况下摩托车汉字、字母和数字的字库，在进行号牌识别时，首先搜寻到号牌区域，然后根据摩托车号牌的特点，分割出号牌图像中每个字体的区域，再将分割出字体图像与字库进行比对，根据置信度大小判断该字体属于哪类，完成号牌识别。
[0056]本发明采用基于支持向量机的模式识别技术进行号牌识别:首先建立多种环境情况下摩托车汉字、字母和数字的字库，在进行号牌识别时，首先搜寻到号牌区域，然后根据摩托车号牌的特点，分割出号牌图像中每个字体的区域，再将分割出字体图像与字库进行比对，根据置信度大小判断该字体属于哪类，完成号牌识别。
[0057]参见图2。
[0058]采用本发明的方法，对摩托车不戴头盔违章事件进行检测，其实施的流程是:
[0059]I)参数设置
[0060]抓拍一张车道图像，根据抓拍的车道图像完成如下初始设置:
[0061]设置车道线:设定图像中摩托车行驶的车道范围，设定车道范围的虚拟线圈，检测软件只针对该车道范围内的目标进行跟踪检测，其它区域不考虑，通过画车道来确定车辆的运行方向，提高检测的准确率；
[0062]设置检测区域:在图像的下部分区域划定两条平行线，该线与车道垂直，检测主机仅对两条平行线之间的区域进行摩托车抓拍与识别；
[0063]车道标定:在车道图像上画一个矩形区域，根据矩形区域对应的实际值设置矩形区域的宽和高，对道路进行标定，计算出视频图像上每一像素点表示的实际宽度和高度，这样可根据目标所处位置判断目标的大小和速度，排除一些干扰目标，提高摩托车检测的准确度；
[0064]设定摩托车目标的宽度范围:设定摩托车目标的宽度范围，只在该范围的目标才认定为摩托车，摩托车默认宽度范围为1.2?1.8米；
[0065]设置饱和度阀值:设置饱和度Sa的初始阀值Sd，Sd默认值为12，将饱和度Sa与初始阀值Sd比较判断摩托车驾驶员是否佩戴头盔；
[0066]2)视频图像的采集
[0067]通过摄像机将摩托车的视频图像实时采集进检测主机，以进行分析检测；
[0068]3)生成车道背景图像
[0069]在视频车辆图像中，车道的背景图像通常只随外界光照与摄像机参数调整而变化，变化较少，因此系统每隔一段时间通过去除车道上的运动目标，得到车道的背景图像；
[0070]4)获取运动目标灰度图像
[0071]将每帧车辆图像灰度值与背景图像灰度值相减，得到运动目标的灰度值图像；
[0072]5)运动目标跟踪
[0073]采用卡尔曼滤波跟踪技术对运动目标进行跟踪，并根据目标的大小，方向和速度确定车辆目标；
[0074]6)摩托车识别
[0075]当运动目标到达虚拟线圈时，根据目标的大小、速度、运动方向确定是否符合摩托车特征，完成摩托车识别；
[0076]7)摩托车头盔检测
[0077]根据抓拍的摩托车图像，确定摩托车驾驶员位置，并获取驾驶员头顶区域图像，将头顶图像每个像素颜色值从RGB转换为HSV，并计算头顶区域图像的平均饱和度值Sa，将平均饱和度Sa与初始阀值Sd比较，如果Sa〈Sd，表示头顶区域饱和度小，判断为摩托车驾驶员不戴头盔；
[0078]8)摩托车号牌识别:对抓拍到的违章摩托车图像，首先根据摩托车目标区域，确定摩托车号牌位置，切割出号牌区域，切分每个字符，用基于支持向量机的模式识别技术进行号牌识别；
[0079]9)获取图片视频
[0080]针对检测到没戴头盔的违章行为，抓拍2张违章图片和一段15秒钟的视频图像，并保存在硬盘；
[0081]10)数据上传
[0082]将检测到的违章图片、视频及检测信息通过网络传输到智能交通管理中心系统。
【权利要求】
1.一种基于图像分析的摩托车不戴头盔违章事件检测方法，其特征在于:在摩托车行驶车道上安装高清摄像机，在设定车道范围内设定摩托车行驶的虚拟线圈，在虚拟线圈内根据摩托车默认宽度范围，对摩托车的尾牌图像进行抓拍，高清摄像机将采集的图像序列发送到检测主机，检测主机根据接收的图像，进行对当前车道的摩托车检测、头盔检测和车牌识别； 1)摩托车的检测 由于摩托车是运动目标，为了将运动目标从背景中分离出来，首先根据从摄像机获取的图像序列，采用高斯模型背景模型，建立背景图像，然后将运动目标图像减去背景图像，提取出运动目标，采用目标跟踪方式，检测跟踪目标，根据目标大小、行驶速度，行驶方向多种特征进行判断，以确定目标是否为摩托车，对判定为摩托车的目标提取出摩托车图像，获取图像中摩托车所处区域； 2)头盔的检测 采用图像分析技术，针对头盔与头发的颜色差异性，判断当前检测的摩托车目标的头顶部颜色的饱和度情况，以判定当前摩托车驾驶员是否佩戴头盔； 头盔检测的具体过程是:根据在进行摩托车检测时，已经提取出的摩托车在图像中的区域，提取出摩托车图像区域最上部分的小区域，该小区域为摩托车驾驶员的头顶，将头顶图像颜色从RGB转为HSV，计算头顶部分区域图像的平均饱和度值Sa，将平均饱和度与设定的初始值Sd进行比较，如果Sa〈Sd，判断为摩托车驾驶员没有戴头盔，选出图像，生成违规视频，其中，RGB为红绿蓝三色，HSV为Hue色度、Saturat1n饱和度、Value明度； 3)摩托车号牌识别 采用基于支持向量机的模式识别技术进行号牌识别:首先建立多种环境情况下摩托车汉字、字母和数字的字库，在进行号牌识别时，首先搜寻到号牌区域，然后根据摩托车号牌的特点，分割出号牌图像中每个字体的区域，再将分割出字体图像与字库进行比对，根据置信度大小判断该字体属于哪类，完成号牌识别。
2.如权利要求1所述的基于图像分析的摩托车不戴头盔违章事件检测方法，其特征在于:所述设定的初始值Sd = 12 ; 所述摩托车默认宽度范围为1.2?1.8米； 所述选出图像，生成违规视频是选出间隔大于I米的2帧图像，生成一段15秒钟的违章视频，作为摩托车违章的证据。
3.如权利要求1所述的基于图像分析的摩托车不戴头盔违章事件检测方法，其特征在于:在摩托车行驶车道上安装高清摄像机对摩托车的尾牌图像进行抓拍，采用一个200万像素高清摄像机覆盖一个车道，每个车道配一个LED补光灯在夜间补光，摄像机采用背向抓拍方式抓拍摩托车的尾牌图像，一个检测主机连接2个摄像机，完成对两个摄像机覆盖车道的检测。
4.如权利要求1所述的基于图像分析的摩托车不戴头盔违章事件检测方法，其特征在于:实施的流程是: I)参数设置 抓拍一张车道图像，根据抓拍的车道图像完成如下初始设置: 设置车道线:设定图像中摩托车行驶的车道范围，设定车道范围的虚拟线圈，检测软件只针对该车道范围内的目标进行跟踪检测，其它区域不考虑，通过画车道来确定车辆的运行方向，提闻检测的准确率； 设置检测区域:在图像的下部分区域划定两条平行线，该线与车道垂直，检测主机仅对两条平行线之间的区域进行摩托车抓拍与识别； 车道标定:在车道图像上画一个矩形区域，根据矩形区域对应的实际值设置矩形区域的宽和高，对道路进行标定，计算出视频图像上每一像素点表示的实际宽度和高度，这样可根据目标所处位置判断目标的大小和速度，排除一些干扰目标，提高摩托车检测的准确度； 设定摩托车目标的宽度范围:设定摩托车目标的宽度范围，只在该范围的目标才认定为摩托车，摩托车默认宽度范围为1.2?1.8米； 设置饱和度阀值:设置饱和度Sa的初始阀值Sd，Sd默认值为12，将饱和度Sa与初始阀值Sd比较判断摩托车驾驶员是否佩戴头盔； 2)视频图像的采集 通过摄像机将摩托车的视频图像实时采集进检测主机，以进行分析检测； 3)生成车道背景图像 在视频车辆图像中，车道的背景图像通常只随外界光照与摄像机参数调整而变化，变化较少，因此系统每隔一段时间通过去除车道上的运动目标，得到车道的背景图像； 4)获取运动目标灰度图像 将每帧车辆图像灰度值与背景图像灰度值相减，得到运动目标的灰度值图像； 5)运动目标跟踪 采用卡尔曼滤波跟踪技术对运动目标进行跟踪，并根据目标的大小，方向和速度确定车辆目标； 6)摩托车识别 当运动目标到达虚拟线圈时，根据目标的大小、速度、运动方向确定是否符合摩托车特征，完成摩托车识别； 7)摩托车头盔检测 根据抓拍的摩托车图像，确定摩托车驾驶员位置，并获取驾驶员头顶区域图像，将头顶图像每个像素颜色值从RGB转换为HSV，并计算头顶区域图像的平均饱和度值Sa，将平均饱和度Sa与初始阀值Sd比较，如果Sa〈Sd，表示头顶区域饱和度小，判断为摩托车驾驶员不戴头蓝; 8)摩托车号牌识别:对抓拍到的违章摩托车图像，首先根据摩托车目标区域，确定摩托车号牌位置，切割出号牌区域，切分每个字符，用基于支持向量机的模式识别技术进行号牌识别； 9)获取图片视频 针对检测到没戴头盔的违章行为，抓拍2张违章图片和一段15秒钟的视频图像，并保存在硬盘； 10)数据上传 将检测到的违章图片、视频及检测信息通过网络传输到智能交通管理中心系统。
【文档编号】G08G1/017GK104200668SQ201410364518
【公开日】2014年12月10日 申请日期:2014年7月28日 优先权日:2014年7月28日
【发明者】邱敦国, 王茂宁 申请人:四川大学