科技论坛
基于多模板匹配的车辆安全带识别技术
苏孝雨张荣辉李超杨亚宁（大连民族大学，辽宁大连116000)
-119.
摘要：汽车作为人类使用最为广泛的交通工具之一，它给人类带来便利的同时也带来了伤害。为了进一步提高安全带佩载率，针对目前安全常佩载存在的间题，本文提出了一种基于多模板匹配的驾款车弱安全带识别技术。该技术在对采集到的图像进行预处理得到灰度分配较为均匀图像的基础上，采用全局阔值分割法对图像进行阔值分割得到二值化图像，区城分割，捕提图像中档风玻璃的区城，结合安全常几何特征的先验知识，得到安全常特征点的位置坐标，从而达到安全常佩载识别的目的。反复实验研究结果表明，该方法能有效识别驾驶员安全常佩截状况，具有较高的造用性和准确性。整个技术流程大致分为图像的采集和处理，安全带特征提取与识别。
关键词：多模板匹配：安全带识别；特征提取：阅值分割
近年来，我国汽车数量迅猛增加。如何高效地进行交通管理，越来越成为我们现实生活中的焦点间题。针对这些间题，人们运用先进的科学技术，相继研制开发出了各种交通道路监视、管理系统，基于多模板匹配的驾驶车辆安全带识别技术是智能交通系统重要的组成部分。通过这些技术对过往的车辆实施监测，提取相关的交通数据，达到监控，管理和指挥交通的目的，全面实现交通系统的智能化建设。交通作为国民经济基础性产业，大力推进信息化，对于实现交通新的跨越式发展具有十分重要的意义。
1安全带识别的目标和流程
基于多模板匹配的驾驶车辆安全带识别主要应用了数字图像处理技术、计算机模式识别技术、人工智能技术等来获取、处理、解释、识别拍摄的图像。该系统是在数字摄像设备和计算机信息管理平台的软件基础上，主要包括图像采集和处理，安全带特征提取与识别等技术环
节，完成驾驶员安全带佩戴情况的识别和记录。通过高清的数学摄像设备采集驾驶的车辆，在计算机信息管理的软件平台上显示采集的图像在图像中找到车辆挡风玻璃的位置，提取出组成挡风玻璃的全部区域图像，结合安全带几何特征的先验知识，得到安全带特征点的位置坐标，最后输出安全带的采集信息到指定的设备上，确认安全带的佩戴情况
2图像采集与处理
图像采集系统由专用的CCD或者CMOS镜头的摄像机、配备自动亮度控制器的照明设备与图像采集卡3部分组成。，地感线圈作为感应设备，根据电磁感应原理检测车辆的到来，当车辆经过磁感线图时，线圈磁通量相应发生变化，主机检测到变化后自动发出触发信号，摄像头开始拍照。对于自然光线不好时，由辅助照明设备提供光源。
图像处理主要是对采集的图像进行增强、恢复、变换等处理，包括度化和二值化、梯度锐化和去噪等。目的是突出挡风玻璃的区域，以便更好地提取挡风玻璃区域内安全带特征点的位置尘标
2.1灰度化与二值化。在外界光照不均匀、光照强度不稳定、外界环境噪音以及电子器件自身噪音等的影响下，需要对初始图像进行必要的预处理。图像采集系统获取的原始彩色图像转变为只有亮度信息的灰度图像。彩色图像的每个像素由R、GB三个单色分量组成，每个分量用一个字节表示，取值范围为[0-255]。对图像进行灰度化，三个分量的值相等，这样不仅可以节省存储空间.也可以减少计算量。由彩色图像转变为灰度图像的公式由式(1)给出
Gray=0.229xR+0.587xG+0.114xB
图1安全带识别过程效果图
Sobel算法：
该算子包含两组3x3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。如果以A代表原始图像，Gx及G分别代表经织向及横向边缘检测的图像，其公式如下：
[1 0 +
Lt ]
r0o2+ o [1 0]
[+1 +2 +1]
图像的每一个像素的横向及纵向梯度近似值可用以下的公式结合，来计算梯度的大小。
G=/G+Gy
然后可用以下公式计算梯度方向
earctan
Gy G
在以上例子中，如果以上的角度9等于零，即代表图像该处拥有纵向边缘，左方较右方暗
图像的去噪主要采用中值滤波，其算法步案如下：
a将模板在图中漫游，并将模板中心与图中某个象素位置重合：h 读取模板下各对应象素的灰度值;e将这些灰度值从小到大排序;d找出排序后的灰度值的中间值；e将中间值账给对应模板中心位置的像素。
由于中值滤波并非简单的取均值，因此它可以克服线性滤波器，如最小均方滤波、均值滤波等带来的细节模糊，其主要功能是消除孤立的
(1)
噪声，对二值图像的效果尤其好。
式中，R表示原图像中每个像素点的红色分量的值，G表示原图像
中每个像素点的绿色分量的值，B表示原图像中每个像素点的蓝色分量的值。Gray表示灰度变换后图像中每个像素点的额色值。
二值图像的二维矩阵仅由0，1构成。二值化算法目的是找出一个合适的阔值对图像分为前景和背景，所有灰度大于或等于阔值的像素被判定为前景，其东度值为255，其它像素点被排除在物体区域以外，灰度值为0，表示背景。二值化算法可以用于挡风玻璃定位过程中精确定位挡风玻璃的上下左右边界，以及安全带区域的准确坐标定位。
2.2锐化和去噪。图像锐化的主要自的有两个：一是增强图像边缘，使图像的质量有所改善，产生更适合人眼观察和识别的图像。二是希望经过锐化处理后，目标物体的边缘鲜明，以便于提取目标的边缘、对图像进行分割、目标区域识别、区域形状提取等。本文主要应用Sobel算法对图像进行锐化
3区域分割
区域分制的目的是将图像划分为不同的区域，图像分割的算法主要有区域生长法和边缘检测分割等。区域生长是一种根据事先定义的准则将像素或子区域聚合成为更大的区域的过程，基本思想是将具有相似性质的像素集合起来构成区域。具体先对每个需要分割的区域找一个种子像素作为生长起点，然后将种子像素和周围邻域中与种子像素有相同或相似性质的像素（根据某种事先确定的生长或相似准则来判定）合并到种子像素所在的区域中。将这些新像素当作新的神子继续上面的过程，直到没有满足条件的像素可被包括进来，这样一个区域就生长成了。
4多模版匹配
安全带的目标识别主要采用多模板匹配技术，在图像识（转下页）