基于灰度積分投影的安全帶佩戴識(shí)別方法*

葛如海，胡滿江，符 凱

(江蘇大學(xué)汽車與交通工程學(xué)院，鎮(zhèn)江 212013)

前言

安全帶被公認(rèn)為是汽車內(nèi)最有效的被動(dòng)保護(hù)設(shè)施。當(dāng)車輛發(fā)生碰撞時(shí)，安全帶的使用可有效降低傷亡率［1］。因此，開發(fā)安全帶佩戴提示系統(tǒng)和研究相應(yīng)的安全帶佩戴識(shí)別方法，對(duì)降低事故的傷亡率具有重大意義。目前，國(guó)內(nèi)外安全帶佩戴提示系統(tǒng)主要通過傳感器進(jìn)行佩戴識(shí)別，如文獻(xiàn)［2］中提出了在卡座中安裝傳感器的檢測(cè)方法，只有當(dāng)安全帶卡扣插入安全帶卡座鎖定后才會(huì)自動(dòng)確認(rèn)乘員已經(jīng)系好安全帶。但是乘員在安全帶使用過程中存在逃避提示系統(tǒng)的假佩戴行為［3］，如直接坐在安全帶已經(jīng)扣好的座椅上或者購(gòu)買單獨(dú)卡扣將其插入卡槽。文獻(xiàn)［4］中將壓力傳感器布置在坐墊和靠背上，用以檢測(cè)座椅上是否有乘員，但這種方法仍然未能避免上述行為的發(fā)生。使用安裝在公路上的監(jiān)控?cái)z像機(jī)對(duì)采集到的乘員圖像進(jìn)行安全帶佩戴識(shí)別，但僅僅應(yīng)用在道路監(jiān)控，不能給駕駛員及時(shí)的提醒，同時(shí)該方法受光線和圖像清晰度的影響很大［5］。文獻(xiàn)［6］中提出將圖像識(shí)別技術(shù)應(yīng)用于人臉檢測(cè)。

針對(duì)現(xiàn)有安全帶佩戴提示系統(tǒng)的不足，在文獻(xiàn)［6］中方法的基礎(chǔ)上，本文中采用了一種基于灰度積分投影的安全帶佩戴識(shí)別方法。該方法通過安全帶垂直和水平積分投影曲線，結(jié)合安全帶幾何特征的先驗(yàn)知識(shí)，達(dá)到安全帶佩戴識(shí)別的目的。該方法能有效地避免乘員的假佩戴行為，具有一定的工程應(yīng)用價(jià)值。

1 安全帶佩戴識(shí)別過程

首先通過安裝在車內(nèi)的CCD攝像機(jī)采集乘員的圖像信息，其次對(duì)采集的圖像進(jìn)行預(yù)處理，包括平滑去噪和灰度圖轉(zhuǎn)化。然后對(duì)經(jīng)過預(yù)處理的圖像進(jìn)行二值化操作并進(jìn)行積分投影，最后結(jié)合安全帶幾何特征的先驗(yàn)知識(shí)確定安全帶特征點(diǎn)坐標(biāo)，從而達(dá)到安全帶識(shí)別目的。安全帶識(shí)別算法的流程圖如圖1所示。

1.1 圖像采集與圖像預(yù)處理

本文中為提高系統(tǒng)的適應(yīng)性和結(jié)果的準(zhǔn)確性，在圖像信息采集過程中進(jìn)行了光線補(bǔ)償，并在圖像預(yù)處理環(huán)節(jié)中增加了平滑去噪和彩色圖轉(zhuǎn)換為灰度圖的步驟。

1.1.1 光線補(bǔ)償

由于車輛的使用環(huán)境較復(fù)雜，導(dǎo)致車廂中光線環(huán)境變化較大，同時(shí)為避免由于乘員穿著衣物的顏色與安全帶顏色過于接近而導(dǎo)致的檢測(cè)誤差，本文中利用光線照在具有反光性能的安全帶上，會(huì)得到亮度較高圖像的原理，在圖像采集過程中，采用連續(xù)低照度LED進(jìn)行光線補(bǔ)償。

系統(tǒng)適當(dāng)?shù)匮娱L(zhǎng)了連續(xù)LED補(bǔ)光時(shí)間和CCD曝光時(shí)間，從而可以獲得較清晰的圖像;同時(shí)系統(tǒng)的工作周期為25s，連續(xù)LED補(bǔ)光時(shí)間4s，再加上LED燈光本身具有一定的方向性和聚光罩的聚光效果，使光線更加集中在待檢測(cè)區(qū)域，從而可以有效降低燈亮給駕駛員造成的干擾。

圖2(a)所示為采用光線補(bǔ)償方式采集到的穿著白色衣物的乘員圖像，通過對(duì)圖像進(jìn)行灰度值分析發(fā)現(xiàn)，即使是純白色衣物，其圖像的灰度值范圍不會(huì)超過200，而反光安全帶的灰度值范圍達(dá)到240以上。

1.1.2 平滑去噪

在多變的車廂環(huán)境下獲得的光線補(bǔ)償圖像存在一定的噪聲，在圖2(a)中標(biāo)出，會(huì)降低后續(xù)處理工作的準(zhǔn)確性。為去除這些噪聲的影響，采用中值濾波技術(shù)［7］，它對(duì)于干擾脈沖和點(diǎn)狀噪聲具有良好的抑制作用。平滑去噪后的結(jié)果如圖2(b)所示，經(jīng)過平滑去噪后的圖像，噪聲得到了明顯抑制，提高了后續(xù)處理工作的準(zhǔn)確性。

1.1.3 彩色圖轉(zhuǎn)化為灰度圖

經(jīng)過平滑去噪處理的乘員圖像，仍包含較多的色彩信息，比如背景和衣物顏色等，不利于安全帶特征的識(shí)別。為此本文中采用非線性灰度變換技術(shù)將其轉(zhuǎn)換為灰度圖。以指數(shù)函數(shù)作為映射函數(shù)進(jìn)行灰度變換，即

式中:f(x，y)為原圖像(x，y)位置處的像素灰度值;g(x，y)為變換后的像素灰度值;a、b、c為可調(diào)參數(shù)。通過灰度變換，圖像的低灰度區(qū)有較大的擴(kuò)展而高灰度區(qū)得到了壓縮，使圖像灰度分配較為均勻，灰度圖像如圖2(c)所示。

經(jīng)過預(yù)處理后的乘員圖像，噪聲得到了明顯抑制，灰度對(duì)比明顯，為后續(xù)的二值化處理打下基礎(chǔ)。

1.2 圖像二值化處理

對(duì)預(yù)處理后的圖像進(jìn)行二值化處理的目的在于保留圖像的有效信息［8］。對(duì)圖像進(jìn)行灰度分析發(fā)現(xiàn)，涂有反光材料的安全帶其灰度值達(dá)到240以上，而且即便是穿著純白色衣物的乘員圖像其灰度值范圍仍不會(huì)超過200，因此圖像可以看成由亮的安全帶和深的乘員與座椅組成。這樣的組成方式將對(duì)象(安全帶)和背景(乘員與座椅)所具有的灰度級(jí)的像素分成兩組不同的支配模式。于是采用閾值T由圖像灰度級(jí)值確定的全局閾值分割法對(duì)圖像進(jìn)行二值化處理，其數(shù)學(xué)表達(dá)式為

實(shí)驗(yàn)中選取T=240，通過上述二值化過程，將安全帶從圖像中分割出來(lái)。結(jié)果表明，經(jīng)過二值化處理后，安全帶特征更加突出，進(jìn)而使后續(xù)積分投影結(jié)果更加精確，有利于安全帶特征的識(shí)別。二值化處理后的圖像如圖3(b)所示。

1.3 基于積分投影的安全帶特征點(diǎn)的提取

1.3.1 圖像的積分投影方法

積分投影法是根據(jù)圖像在某些方向上的積分投影分布特征來(lái)對(duì)其進(jìn)行檢測(cè)［9］，當(dāng)圖像某一行像素灰度均值發(fā)生變化時(shí)，這種變化會(huì)在水平積分投影值上反映出來(lái)，同理，當(dāng)圖像某一列像素灰度均值發(fā)生變化時(shí)，這種變化會(huì)在垂直積分投影值上反映出來(lái)。水平積分投影和垂直積分投影公式分別為

式中:n為一行所有的像素點(diǎn)數(shù);m為一列所有的像素點(diǎn)數(shù)。

由此可知，水平投影就是將一行所有的像素點(diǎn)的灰度值進(jìn)行累加后再顯示，垂直投影就是將一列所有的像素點(diǎn)的灰度值進(jìn)行累加后再顯示。

1.3.2 安全帶特征點(diǎn)的提取

對(duì)二值化圖像分別在垂直和水平方向進(jìn)行灰度積分投影，得到積分投影曲線，如圖3(a)和圖3(c)所示。

根據(jù)灰度積分投影曲線，結(jié)合安全帶特征的先驗(yàn)知識(shí)，對(duì)安全帶的特征點(diǎn)進(jìn)行提取。假設(shè)圖像的寬度和長(zhǎng)度分別為xImage，yImage;腰帶左、右兩端點(diǎn)的橫坐標(biāo)為xLeft，xRight;縱坐標(biāo)為yWaist_Belt;肩帶頂點(diǎn)的縱坐標(biāo)為yShould_Belt。

根據(jù)垂直積分投影確定腰帶左、右端點(diǎn)的橫坐標(biāo)xLeft，xRight。觀察垂直積分投影圖，結(jié)合安全帶特征先驗(yàn)知識(shí)可知:積分投影曲線左、右兩個(gè)零值點(diǎn)對(duì)應(yīng)的橫坐標(biāo)即為腰帶左、右端點(diǎn)的橫坐標(biāo)xLeft，xRight。

同理，根據(jù)水平積分投影確定腰帶端點(diǎn)縱坐標(biāo)yWaist_Belt和肩帶頂點(diǎn)縱坐標(biāo)yShould_Belt。利用腰帶灰度值水平積分投影較集中的特點(diǎn)，積分投影值越大則越有可能是腰帶。觀察水平積分投影可知:積分投影曲線在y1～y2區(qū)間上有明顯凸起的陰影部分恰好對(duì)應(yīng)腰帶區(qū)域，于是求得腰帶端點(diǎn)的縱坐標(biāo)為同時(shí)，水平積分投影曲線的第2個(gè)零值點(diǎn)所對(duì)應(yīng)的縱坐標(biāo)即為肩帶頂點(diǎn)的縱坐標(biāo)yShould_Belt。

綜上所述，求得三點(diǎn)式安全帶3個(gè)點(diǎn)坐標(biāo)為:

(xLeft，yWaist_Belt)，(xRight，yWaist_Belt)和(xRight，yShould_Belt)。輸出結(jié)果如圖4中圓圈內(nèi)“+”所示。

2 實(shí)驗(yàn)驗(yàn)證分析

為驗(yàn)證上述方法的適應(yīng)性和準(zhǔn)確性，在主頻3.0GHz奔騰IV、內(nèi)存1GB、Windows XP操作系統(tǒng)的計(jì)算機(jī)上采用Matlab7.6圖像處理工具箱軟件環(huán)境中進(jìn)行實(shí)驗(yàn)。按照上述方法對(duì)50名乘員分別在不同的光線條件下(白天和夜晚)采集的100幅圖像進(jìn)行圖像處理和特征提取，這100幅圖像的特點(diǎn)是存在光線條件、衣物顏色和頭發(fā)等信息干擾，這對(duì)后續(xù)的特征提取有較大影響。根據(jù)光線條件的不同將100幅乘員圖像分成兩組分別進(jìn)行實(shí)驗(yàn)，得到識(shí)別率分別為82%和85.3%，平均識(shí)別率為83.65%，部分乘員圖像及識(shí)別結(jié)果如圖5和圖6所示。

由實(shí)驗(yàn)結(jié)果可知，夜晚比白天的識(shí)別率高的原因是反光材料在夜晚的反光效果更好，安全帶亮度更高。乘員衣物顏色的不同對(duì)該方法不會(huì)產(chǎn)生影響，但衣領(lǐng)和乘員頭發(fā)等對(duì)安全帶的遮擋使圖像中安全帶不連續(xù)，出現(xiàn)斷點(diǎn)，造成識(shí)別錯(cuò)誤，這是影響識(shí)別率的主要原因。

實(shí)驗(yàn)結(jié)果表明，該方法檢測(cè)安全帶是否佩帶的正確率較高，在不同環(huán)境、不同駕駛?cè)撕筒煌棗l件下具有較強(qiáng)的適應(yīng)性。

3 結(jié)論

針對(duì)目前安全帶提示系統(tǒng)的不足，采用中值濾波和灰度變換技術(shù)對(duì)乘員圖像進(jìn)行預(yù)處理，并通過全局閾值分割法將安全帶從乘員圖像中分割出來(lái)，最后利用安全帶的灰度特征通過灰度積分投影方式確定安全帶的坐標(biāo)，從而達(dá)到安全帶佩戴識(shí)別的目的。通過實(shí)驗(yàn)驗(yàn)證，該方法可有效避免在安全帶使用過程中駕駛員為逃避現(xiàn)有安全帶報(bào)警系統(tǒng)的檢測(cè)而進(jìn)行的假佩戴行為發(fā)生。由實(shí)驗(yàn)結(jié)果可知，乘員衣領(lǐng)等對(duì)安全帶的遮擋會(huì)造成識(shí)別的失敗。采用修復(fù)技術(shù)對(duì)安全帶圖像被遮擋的部分進(jìn)行修復(fù)，提高識(shí)別成功率，是下一步要解決的問題。

［1］U.S.Department of Transportation，National Highway Traffic Safety Administration.Fifth/Sixth Report to Congress:Effectiveness of Occupant Protection Systems and Their Use［R］.Washington，D.C.，2001.

［2］Okada，Shoji(Anjo，JP)，Suzuki，et al.Seat Belt Warning Device，United States，US6239695B1［P］.May 29，2001.

［3］俞學(xué)群，武陽(yáng)豐.機(jī)動(dòng)車安全帶作用、使用現(xiàn)狀及干預(yù)策略［J］.中國(guó)預(yù)防醫(yī)學(xué)雜志，2008(5):440-441.

［4］Guido Becker，Thierry Mousel，Paul Schockmel.TOR(Total Occupant Recognition)System［C］.Proceedings of 17th International Technical Conference on the EnhanceSafety of Vehicles.CDROM，Amsterdam，Netherlands，2001:4.

［5］Luo Yurong，Liu Jianli，Shi Xiaotao.An Improved Method of RHT to Localize Circle Applied in Intelligent Transportation System［C］.International Conference on Audio，Language and Image Processing，Shanghai，China，2008.7:335-338.

［6］Kanade T.Picture Processing by Computer Complex and Recognition of Human Face［D］.Japan:Kyoto University，1973.

［7］張德豐.詳解MATLAB數(shù)字圖像處理［M］.北京:電子工業(yè)出版社，2010:201-205.

［8］Rafael C Gonzalez，Richard E Woods.Digital Image Processing［M］.Paramus:Prentice Hall，Inc，2002:482-486.

［9］馮建強(qiáng)，劉文波，于盛林.基于灰度積分投影的人眼定位［J］.計(jì)算機(jī)仿真，2005，22(4):75-77.