针对司机违章通话的视频检测算法研究

摘要

当前，交通事故已成为危害人类生命安全的主要公害之一，同时也是世界各国所面临的一个严重社会问题。交通事故中相当一部分是由于司机在行驶过程中使用手机所造成的，为了减少由于手机通话导致的交通事故的发生、辅助交警等有关部门更为有效的对司机这一行为进行管理和执法，本文利用计算机视觉技术研究实现了针对司机违章使用手机的检测系统。
　　本文介绍了国内外计算机视觉在智能交通领域中的发展与应用，通过数字图像处理技术，利用高清卡口的图片作为数据输入源，获取驾驶员的实时信息，对驾驶员是否在行驶过程中使用手机这一行为进行检测。主要做了以下工作:利用基于Haar特征的AdaBoost算法实现了对司机的人脸检测，获取驾驶员面部信息以及在图像中的准确位置。采用了基于YCbCr色彩空间的椭圆模型进行肤色检测，对图像进行了光线补偿，并且利用人脸检测获得驾驶员的肤色数据，对椭圆模型的圆心进行了动态校准，实现了肤色检测的自适应，提高了检测精度。通过形态学操作和连通区域擦除算法，获取了正确且完整的手部区域。对获取的手部区域，进行了轮廓提取计算质心的途径和Hu不变矩的模板匹配，提高了系统的检测精度。

目录

摘要

第1章 绪论

1．1 本论文研究的背景和意义

1．2 国内外研究现状及发展趋势

1．2．1 国内外研究现状

1．2．2 发展趋势

1．3 本论文研究的主要内容和结构安排

第2章 针对司机违章使用手机监测系统简介

2．1 司机违章使用手机检测系统原理和算法实现流程

2．2 软件开发工具以及OpenCV算法库介绍

2．3 本章小结

第3章 司机人脸检测

3．1 人脸检测方法概述

3．1．1 人脸检测方法分类

3．1．2 基于知识的方法

3．1．2 特征不变量方法

3．1．3 模板匹配的方法

3．1．4 基于表象的方法

3．2 人脸检测经典数学模型概述

3．2．1 神经网络Neural Network

3．2．2 特征脸Eigenface

3．2．3 支持向量机Support Vector Machine(SVM)

3．2．4 隐马尔科夫模型Hidden Markov Model(HMM)

3．3 基于Haar特征的AdaBoost算法

3．3．1 Haar特征的提取

3．3．2 积分图Integral Image

3．3．3 利用积分图计算Haar特征值

3．3．4 设计AdaBoost分类器

3．4 人脸检测实验

3．5 本章小结

第4章 肤色检测

4．1 色彩空间

4．1．1 RGB色彩空间

4．1．2 HSV色彩空间

4．1．3 YCbCr色彩空间

4．2 光线补偿

4．3 图像平滑

4．3．1 高斯滤波

4．3．2 中值滤波

4．3．3 均值滤波

4．3．4 滤波模型选择

4．4 椭圆模型的肤色检测实验

4．4．1 色彩空间的选取

4．4．2 YCbCr的椭圆模型

4．4．3 椭圆模型的修正

4．5 本章小结

第5章 手部区域分离和识别

5．1 形态学变换

5．1．1 形态学概述

5．1．2 膨胀运算

5．1．3 腐蚀运算

5．1．4 形态学开运算

5．1．5 形态学闭运算

5．2 提取手部区域

5．2．1 面部连通区域擦除

5．2．2 手部区域提取

5．3 轮廓与Hu不变矩

5．3．1 轮廓提取

5．3．2 Hu不变矩

5．6 实验结果

5．7 本章小结

结论

参考文献

致谢

声明