文/徐兵  李振德

为了规范交通主管部门对机动车安全驾驶的科学管理，提出了一种安全带检测方法。该方法在对图像数据进行预处理的基础上，分别进行了车辆位置估算、车牌检测、车窗定位、人脸检测以及安全带检测。选取某个城市的安全带图像数据进行测试，通过测试程序验证了本文算法的有效性。

【关键词】安全带 检测方法 车牌检测 Haar分类器

近年来随着国内汽车保有量的不断增加，交通事故也日益频发。在众多交通事故中由于驾车人员没有配系安全带而导致伤亡加重的事件也越来越多。目前，交管部门通过各种技术手段已经加大了对交通违法、违规行为的监控力度，城市道路和高速公路上都安装了大量的交通视频设备用于交通安全监控。本文基于城市道路的交通视频卡口监控数据，研究基于交通图像的安全带识别与检测方法，准确识别驾乘人员是否正确佩戴了安全带，为交管部门快速、高效地收集交通违章行为提供技术支持。

1 安全带识别技术流程

本文所述的安全带检测识别技术流程如图 1 所示。首先，将交管部门采集到的交通视频卡口图像数据进行初步的灰度化、尺度变换处理，以满足本文进行安全带图像检测识别对图像数据的基本要求。然后再分别进行车牌检测、车窗定位、人脸检测以及安全带检测。

2 主要检测方法

2.1 车辆位置估算

相对于平整的路面，车辆与路面的相对轮廓是非常明显的，而且对于车辆的正面图像来说，车辆轮廓的方向和图片的水平方向或者垂直方向的走向是总体上是一致的。因此，可以利用车辆的轮廓信息来定位车辆在图片中的位置。首先计算水平方向的梯度（垂直走向的轮廓）信息，接着进行一些波纹过滤，减少地面条形及裂纹的干扰，将近似垂直的轮廓在x 轴上进行投影，得到直方图，获取 x 轴方向位置信息，如图 2 所示。用同样的方法可以大致定位到y轴方向的位置信息。 

2.2 车牌检测

利用以上的位置估算可以减少车牌搜索的范围，并且在搜索不到车牌的情况下也可以利用以上位置信息进行后续的操作。在能正确定位到车牌的情况下，车辆的 x 轴方向的中心位置以及车窗的位置是可以比较准确地估算出来。

本文车牌检测主要通过颜色特征提取、二值化处理以及结构特征选取几个步骤来完成。

(1) 获的颜色的特征信息：根据本文实验观察结果，定义车牌红、绿、蓝颜色分量分别为r、g、b，蓝色车牌像素满足以下条件： 

其中 k1 可以根据输入图像的亮度，线性地在 1.3 ～ 3 之间取值，k2 取经验值 1.2，T1取经验值50。另一方面，对于满足以下不等式的标记为黄色车牌像素：

其中k3 取1.2，k4 取1.9。

(2) 二值化及形态学处理：首先将标记有车牌像素的图像进行二值化处理，然后进行形态学处理。由于车牌中字符的影响，车牌容易断裂为一个个小段，因此需要对图像进行比较大的水平膨胀。先用 3x1 的矩形元素对图像进行膨胀一次，接着在用 3x3 的矩形元素对图像膨胀两次，最后用 3x3 的矩形元素对图像腐蚀三次。

(3) 根据结构特征选取车牌区域 ：首先对膨胀后的图像进行连通域划分，接着使用多边形逼近法对各个区域进行标记，最后根据长宽比以及拟合的多边行的边数筛选出候选车牌区域，最后对于微小的区域及庞大的区域进行排除，最后得到车牌区域。

2.3 车窗定位

在车牌正确识别的基础上，对车窗进行定位分析，找到主、副驾驶员位置，进而再进行安全带佩戴识别。车窗定位主要是对整个车窗的各个边界定位，具体方法如下：

(1) 车窗左右边界定位：首先分别计算灰度图像中的垂直方向的和水平方向的梯度，接着分别往 x 轴投影，并对投影直方图进行平滑处理，如图4所示。垂直梯度方向的投影图（图3 左图）的波峰直接对应着车辆，而水平方向梯度的投影的波峰对应着车辆的左右边界，据此确定车辆的左右边界。

(2) 车窗上下边界定位：所得车牌的位置及长度确定车窗的上下边界的 y 坐标。记车牌宽度为 lp , 如果车窗宽度大于 4.5lp ，车窗下边界取车牌 y 轴中点往上 2.3lp 位置；否则车窗下边界去车牌 y 轴中点往上 1.7lp 的位置。确定了车窗下边界后，取车窗高度为 0.65 倍车窗宽度，得到车窗上下边界。

2.4 人脸检测及安全带检测区域

人脸检测有两个作用，一个是判断为安全带的位置提供了参考，另一个是判断副驾驶座是否有乘客。本文的人脸检测采用 haar 分类段时间内的监控数据，随机分 3 批次验证，每批次选取图像数据均在 200 张以上，除无效样本外，在白天和黑夜不同光照条件下，安全带检测的准确率均超过80%。

4 结束语

本文设计出一种较为简单、可行的安全带识别检测方法，首先通过车辆位置估算辅助进行车牌检测，然后基于车牌位置信息，估算车窗位置，最后通过车窗内的人脸检测提取主、副驾驶位置的安全带信息。在算法设计的基础上，本文开发出了相应的安全带检测程序，并通过具体的交通卡口数据进行了系统的可靠性验证。

参考文献 

[1]俞学群,武阳丰.机动车安全带的作用、使用现状及干预策略[J].中国预防医学杂志 ,2008,(5):439-442.

[2]王松波.一种车道线检测与跟踪方法[J].计算机工程与应用 ,2011,47

(3):244-248.[3] 李孟歆,吴成东,夏兴华. 一种车牌识别系统中的混合车牌定位方法[J]. 微计算机信息，2008，24（9-3）:280-282.

[4] 张引,潘云鹤.彩色汽车图像牌照定位新方法[J].中国图像图形学报 ,2001,6(4):374- 377.

[5]肖淑琴,刘锦高.基于纹理特征和连通域分析的车牌定位[J].计算机科学，2009,36(4):290-293.

[6] 郭航宇 , 景晓军 , 尚勇 . 基于小波变换和数学形态法的车牌定位方法研究[J].计算机技术与发展 ,2010,20(5):13-16.

[7]龙钧宇,金连文.一种基于全局均值和局部方差的图像二值化方法[J]. 计算机工程 ,2004,30(2):70-72.

[8]林景亮, 唐杰一种融合肤色和Haar 特征的人脸检测方法[J].微型机与应用 .2013,32(8):34-37.

[9] 陈章乐 , 蔡茂国，刘凡秀 . 一种结合肤色及类人脸特征的人脸检测[J].计算机工程与应用 ,2013，49(3):194-197.

[10] 尤小泉 , 彭映杰 . 结合 Hough 变换与运动估计的车道线提取方法[J].电视技术 ,2013,37(11):191-193.

[11]葛如海,胡满江,符凯.基于灰度积分投影的安全带佩戴识别方法[J].汽车工程 ,2012,(9):787-790.

作者单位

广东海洋大学信息学院　广东省湛江市 524088