一种基于安全带佩戴检测的行驶安全监管系统

本发明涉及图像处理，更具体地涉及一种基于安全带佩戴检测的行驶安全监管系统。

背景技术：

1、为了敦促驾乘人员能够正确地佩戴安全带，交警部门早期是通过监控摄像头对高速路口、城市中心的监控设施、人流量密集的场所对拍摄的图像进行人工分析，通过人工处理来判断驾乘人员是否佩戴安全带，但由于每日拍摄的图像数据量大，人工检测存在成本高、效率低、工作量大等缺点，加之近年来计算机视觉方向发展迅速，取得了突破性进展，使用图像识别的方式来检测驾乘人员是否佩戴安全带成为了必然趋势。

2、现如今汽车厂商在其生产的车辆上均会安装安全带佩戴提示系统，当驾乘人员未佩戴安全带时，系统会进行语音提示，监督驾乘人员规范佩戴安全带，但安全带佩戴提示系统存在着较大的检测漏洞，驾乘人员存在故意躲避安全带检查的情况，实际行车过程中无法正确检测出驾乘人员是否真正佩戴了安全带。

3、同时对于公共运行的车辆而言，例如大巴车，乘客们鲜少会主动并正确地佩戴安全带，也缺乏对乘客的安全带佩戴提示，从而无法对乘客佩戴安全带的情况进行检测，从而无法确保乘客们的安全，存在较大安全隐患。

技术实现思路

1、为了克服现有技术的上述缺陷，本发明提供了一种基于安全带佩戴检测的行驶安全监管系统，以解决上述背景技术中存在的问题。

2、本发明提供如下技术方案：一种基于安全带佩戴检测的行驶安全监管系统，包括信息录入模块、目标检测模块、安全带佩戴识别模块、佩戴提示模块、安全监管模块；

3、所述信息录入模块用于对公共车辆的座位、安全带佩戴信息以及车速信息进行编码的录入；

4、所述目标检测模块用于对车辆座位上的乘客进行目标检测；若识别出目标，则判定为该座位存在乘客；若未识别出目标，则判定为该座位不存在乘客；将判定结果传输至安全带佩戴识别模块与安全监管模块；

5、所述安全带佩戴识别模块用于对目标检测模块检测出的目标与驾驶位进行安全带佩戴识别，并将识别结果传输至佩戴提示模块与安全监管模块；

6、所述佩戴提示模块用于接收安全带佩戴识别模块的识别结果，若佩戴提示模块一直未响应，则向安全监管模块发送监管指令；

7、所述安全监管模块用于接收目标检测模块的判定结果与安全带佩戴识别模块的识别结果，并将其转化成编码形式；依据相应编码对乘客们佩戴安全带的情况进行监管，同时对司机佩戴安全带的情况与车速情况进行监管，若接收到监管指令，则将信息发送至交通部门。

8、优选的，所述公共车辆的座位、安全带佩戴信息以及车速信息为一串六位数字的编码，前两位为车辆座位号，中间两位体现安全带佩戴情况，最后两位体现车速情况；所述车速进行实时采集，并同步转换为编码形式；若座位有乘客且佩戴安全带，则编码为xx00yy；若座位有乘客但未佩戴安全带，则编码为xx11yy；若座位无乘客则编码为xx01yy；其中，xx为座位号，x＝0、1、2、3……9；车辆座位号从01开始排列，00为司机驾驶位座位号；yy为车速编码；车速≤60km/h时yy为00，60km/h≤车速≤88km/h时yy为01，89km/h≤车速≤132km/h时yy为10，133km/h≤车速≤144km/h时yy为11。

9、优选的，所述佩戴提示模块一直未响应是指佩戴提示模块提示司机正确佩戴安全带后，司机仍未正确佩戴安全带，因此安全带佩戴识别模块的识别结果一直为“否”，当安全带佩戴识别模块的识别结果由“否”转为“是”，则佩戴提示模块被响应。

10、优选的，所述目标检测模块对车辆座位上的乘客进行目标检测的具体过程为：

11、步骤s01：将车辆内部整体座位图像划分为网格形式，一个座位对应一个网格区域，网格编号与座位号一致；

12、步骤s02：搭建目标检测网络模型，并引入注意力机制，提高检测准确度；

13、所述目标检测网络模型为卷积神经网络，由卷积层、池化层、激活函数以及全连接层构成；

14、步骤s03：对每个网格区域图像进行预处理后，输入至搭建好的目标检测网络模型进行目标检测，并输出检测结果。

15、优选的，所述卷积层是卷积神经网络中最核心的部分，由多个卷积单元组成，每个卷积单元都有一组可训练的卷积核，用来提取输入数据中的特征；输入数据与输出数据之间的关系可用公式表达为：其中，yj为输出数据；f(·)为非线性变换函数，即激活函数；bj为偏置项，用于控制神经元的激活阈值；xi为输入数据；wij为权重，表示输入特征与神经元之间的重要性或关联程度；为输入数据xi经过一层神经元的线性变换，n为神经元数量；

16、所述池化层可以逐步降低输入数据的空间尺寸，每个卷积层都会对应一个池化层；池化层l中激活值的计算公式为：其中，down(·)为池化函数，所述池化函数为最大值池化、均值池化以及随机池化中的任一种；为偏置；为乘数残差，ml表示第l层所采用的池化框大小，为ml*ml。

17、优选的，所述安全带佩戴识别模块对检测出目标的图像进行安全带佩戴识别分析，具体过程为：

18、步骤s11：对图像进行模糊增强处理：将图像pxx从空间域的灰度值映射到广义隶属度；再利用广义模糊算子将广义模糊集变为普通模糊集合，对广义隶属度进行非线性变换，以增强区域对比度；最后将普通隶属度进行逆变换得到模糊增强的图像；以便提高后续对安全带识别的精准性；

19、步骤s12：基于canny算子边缘检测进行安全带的边缘提取，生成边缘集合；

20、步骤s13：利用概率霍夫变换对边缘集合进行直线段的筛选，提取出其中的直线；

21、步骤s14：进行安全带佩戴识别：当直线满足安全带的特征条件时，判定为已佩戴安全带，识别结果为“是”，否则判定为未佩戴安全带，识别结果为“否”。

22、优选的，所述步骤s11中将图像pxx从空间域的灰度值映射到广义隶属度的公式为：其中，pxx为座位号为xx的图像，空间域的灰度值pxx＝{xde}，广义隶属度t＝{t(xde)}；其中，xmax为图像最大灰度值，xmin为图像最小灰度值，m与n为图像的尺寸大小；

23、所述对广义隶属度进行非线性变换的公式为：其中，t′为普通隶属度，r为分段函数的连续性因子；

24、所述模糊增强的图像记为pxx′，pxx′中的像素灰度为

25、本发明的技术效果和优点：

26、本发明通过设有目标检测模块、佩戴提示模块以及安全监管模块，有利于对车辆座位上的乘客进行目标检测，从而判定座位是否乘坐乘客，为后续对乘客的安全带佩戴识别奠定了基础，同时对司机的安全带佩戴进行检测；通过佩戴提示模块对司机未正确佩戴安全带的情况进行提示，对司机佩戴安全带的情况进行监管；通过安全监管模块对乘客们佩戴安全带的情况进行监督，防止乘客们出现不正确佩戴安全带的情况，从而在保证驾驶人员安全的同时能够保证乘客们的安全，增强乘客安全带佩戴意识，降低安全隐患，在实际行车过程中无法正确检测出驾乘人员是否真正佩戴了安全带。