[发明专利]面向校车安全的遗漏孩童检测方法

权利要求书

1.面向校车安全的遗漏孩童检测方法，融合红外、视频和音频三类传感器信号，结合视频分析和音频分析两类先进的计算机处理技术，检测校车上是否存在遗留孩童，其特征在于，

流程如下：

(1)、红外感知

在车辆停止之后，为降低功耗，仅给红外传感器上电，当红外传感器感知到有可疑目标存在时，给ARM处理板上电；

(2)、视频分析

在ARM处理板上电之后，首先控制摄像机供电，给摄像机上电t1秒，本发明取t1＝120，在此期间，ARM处理板获取摄像机的视频数据进行视频分析，具体是：先采用帧差法粗定位运动目标，然后结合霍夫圆检测方法判断是否存在遗留孩童，如果存在，则ARM处理板通过无线网络向中心报警，否则，进入音频流程；

视频分析的具体步骤为

Step2.1计算当前帧图像I_k与其前后两帧图像I_k-1和I_k+1的差分图像E，

Step2.2计算自适应分割阈值T

其中，W和H分别为图像的宽度和高度，β为加权系数，本发明中，W＝640，H＝480，β＝8；

Step2.3图像分割，分割后的图像B_k为：

其中，“255”表示目标，“0”表示背景；

Step2.4提取二值图像B_k的轮廓图像；

Step2.5采用霍夫圆检测方法，在轮廓图像上检测的圆，并记录每一个圆的半径R；

Step2.6：如果T1<R<T2，则认为存在遗留孩童，启动报警流程，否则重复step2.1～step2.6，直到摄像机断电，其中，T1和T2为经验阈值，本发明中T1＝5，T2＝40；

(3)、音频分析

如果视频分析阶段未检测到遗留孩童，ARM处理板控制拾音器供电，给拾音器上电t2秒，本发明取t2＝120，在此期间，ARM处理板获取拾音器的音频数据进行音频分析，具体是首先提取音频的梅尔倒谱系数特征，然后采用高斯混合模型分类器检测异常声音，如果存在小孩哭喊等异常声音，则ARM处理板通过无线网络向中心报警，否则，关闭电源；

音频分析的具体步骤为：

Step3.1把异常声音信号经过分帧、加窗处理变为短时信号，信号的采样频率为8KHz，选取每帧长度为240点，帧移为80;

Step3.2计算每帧信号的最小方差无失真响应谱的功率谱，其中MVDR谱的阶数取为12；

Step3.3将能量谱通过梅尔滤波器组，其中滤波器个数为24；

Step3.4将通过Mel滤波后的输出值取对数，然后再进行离散余弦变换得到特征矢量；

Step3.5采用高斯混合模型(GMM)分类器进行异常声音识别，具体是以上述特征矢量为分类器的输入信号，求取后验概率最大值所对应的分类器类别为识别结果，如果识别结果为异常声音，则启动报警流程，否则重复Step3.1～Step3.5，直到拾音器断电。

2.根据权利要求1所述的面向校车安全的遗漏孩童检测方法，其特征在于，所述分类器的训练方法是：选取包含孩童哭喊、尖叫、求救的声音片段作为正样本，其他类型的声音片段作为负样本，提取各类样本的特征矢量，通过K均值算法动态聚类产生训练需用的模型初始值；然后将特征矢量和模型初始值代入GMM，由期望最大化(EM)反复迭代训练，确定GMM中声音的模板参数，得到GMM分类器。