[发明专利]一种基于手部姿态跟踪的违规驾驶行为检测方法

说明书

技术领域

本发明涉及交通信息控制领域和驾驶行为监控预警技术，具体的说是一种基于手部姿态跟踪的驾驶违规行为检测方法。

背景技术

近年来驾驶行为监控预警技术成为智能交通领域的研究重点之一，对提高驾驶员的驾驶能力并降低其驾驶负荷，协调好驾驶员与车辆以及交通环境之间的关系，从本质上改善交通事故状况具有重要意义。

目前驾驶行为监控预警技术的研究大致分为以下几类：

1、基于驾驶员生理状态感应参数的检测方法。该方法通过测量驾驶员的生理信号来评价驾驶员的驾驶状态，生理状态感应需要驾驶员佩戴很多仪器，难以应用在实际驾驶过程中。2、基于传感器的驾驶行为特征检测方法。这种方法通过直接监视车辆行驶状况来评价驾驶员的驾驶状态，常常需要在驾驶舱范围内安装检测装置，并且存在测量误差和硬件成本较高等限制。3、基于计算机视觉的检测方法。该方法主要通过图像处理和模式识别技术，对驾驶员的头部活动情况、面部特征(如眼睛，头部，脸部)变化情况等特征进行分析，以判断驾驶员的驾驶行为和精神状态，对驾驶员的干扰最小，是目前最具有前景和实用价值的方法。

近年来，国内外众多学者利用图像处理技术对驾驶员驾驶行为监控进行了大量研究，尽管如此，绝大部分研究主要集中在疲劳检测方面，通过对驾驶员的面部特征如注视方向、面部表情等特征进行分析，但这只是对驾驶员驾驶行为的间接监控，也容易受驾驶员是否佩戴眼镜、驾驶员眼镜大小和面部差异等因素的影响，并且对面部特征的分析仅仅是驾驶员驾驶行为的一小部分，忽略了驾驶员身体其他部位的活动状态。

发明内容

为了解决上述现有技术所存在的问题，本发明提供了一种基于手部姿态跟踪的违规驾驶行为检测方法，利用图像处理技术和模式识别方法对驾驶员的手部动作进行智能识别。

本发明是通过以下的技术方案实现的：本发明对从监控视频中读取图像；对读取的图像进行预处理，包括灰度变换、图像滤波、边缘提取、轮廓增强等步骤；从预处理后的图像中检测定位方向盘的轮廓；以方向盘为中心截取相应的感兴趣区域；对截取的区域进行特征提取；对提取的特征进行分类识别，辨别手部姿态是否属于违规驾驶行为。

本发明提供了一种基于手部姿态跟踪的违规驾驶行为检测方法，其步骤如下：

步骤1，从监控视频中读取图像，所读取的有效图像包含方向盘和驾驶员的手部姿态信息；

步骤2，对读取的图像进行预处理，得到边缘图像。包括灰度变换、图像滤波、边缘提取和轮廓增强四个步骤，增强方向盘和驾驶员的手部姿态的可检测性和最大限度地简化数据，从而改进特征提取和图像识别的可靠性；

步骤3，对方向盘定位。对经过预处理得到的边缘图像，利用直接最小二乘椭圆拟合算法对方向盘进行轮廓提取、检测和定位；

步骤4，以方向盘为中心截取相应的感兴趣区域，所截取的感兴趣区域是包含方向盘和驾驶员的手部姿态的区域；

步骤5，选定简单高斯模型作为肤色模型，运用Chamfer距离变换算法和卡尔曼滤波跟踪算法对截取感兴趣区域的手部姿态运动轨迹进行跟踪和提取；

步骤6，对提取的手部姿态运动轨迹进行分类识别，辨别手部姿态是否属于违规驾驶行为。

所述的步骤3中，图像中的方向盘形状大部分为椭圆形或圆形，需要对图像进行椭圆检测来对方向盘进行定位。

常用的椭圆检测可分为基于投票和最优化的两大类方法。投票类方法的代表算法包括Hough变换和RANSAC等算法。最优化方法则包含最小二乘法和遗传算法等。由于椭圆参数较多，投票类研究的重点一般都在于数据点的筛选和椭圆几何性质的利用。Hough变换，RANSAC都是采用映射的方法，将样本点投影到参数空间，用累加器或者类聚的方法来检测椭圆。这类算法有很好的健壮性，能一次检测多个椭圆，但是需要复杂的运算和大量的存储空间。另一类方法包括最小二乘拟合算法，遗传算法以及其他最优化椭圆拟合方法。这类方法的主要特点在于准确性高，不过通常需要预先进行分割或分组处理，无法直接用于多个椭圆的检测，对噪声的敏感程度高于前一类方法。由于车载视频图像中方向盘轮廓是具备最大的圆或椭圆外形轮廓，即只需检测出一个最大的椭圆形状，所以本发明采用了直接最小二乘椭圆拟合算法检测出最大的椭圆形状来完成对方向盘区域的定位。

所述的步骤4中，感兴趣区域的截取主要由方向盘的中心位置、大小和驾驶员头部轮廓特征的位置对应关系决定。具体截取时，通过从方向盘区域以设定比例系数向外延伸的方式完成截取。对于不同的车型，该比例系数由实验标定或可由用户根据经验设定。