面向卡口监控的安全带图像检测的应用与研究

发布时间：2024-03-14 04:09

　　随着社会迅速进步发展,国内各个重要交通路段都布有卡口监控录像,来监控司机是否规范行车,如检测司机是否佩戴安全带。而对于巨大的卡口监控录像数据量,采用人工监控的方式来判断司机是否佩戴安全带会消耗巨大的人力及财力资源。本文研究基于计算机视觉的方式来检测安全带。从两个方面进行卡口监控的安全带检测的研究:首先本文提出一种利用特殊的特征提取手段构造显著梯度图的方法检测安全带,传统的安全带检测利用Hough变换提取安全带边缘直线进行安全带检测,本文提出梯度突变直线检测法提取安全带边缘直线,方法能排除部分干扰如衣服衣领边缘,条纹边缘和假装佩戴安全带而将安全带置于胸前的行为。剔除相似线段构造出显著梯度图,融合显著梯度图的最长候选线段长度、候选线段个数与候选线段位置特征进行检测。本文将基于Hough变换的安全带检测与本文方法进行了实验对比,结果表明本文方法优于使用传统的Hough变换的方法。本文其次提出基于全卷积神经网络的积分投影方法检测安全带,尝试使用近年来在图像识别领域有较好应用的深度学习方法来检测安全带。对比传统的机器学习方法,深度学习的最大突出点在于可以从大量数据样本中自动地学习特征,最大限度地...

【文章页数】：60 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 论文主要研究内容及结构
第2章 安全带检测研究概述
    2.1 基于计算机视觉的安全带检测
        2.1.1 车内计算机视觉安全带检测
        2.1.2 车外计算机视觉安全带检测
    2.2 光线补偿
    2.3 边缘检测
    2.4 Hough变换
    2.5 本章小结
第3章 显著梯度图检测安全带
    3.1 图像预处理
    3.2 显著梯度图
        3.2.1 梯度突变直线检测法
        3.2.2 构造显著梯度图
    3.3 图像特征融合
    3.4 BP训练
    3.5 实验结果
    3.6 本章小结
第4章 基于全卷积神经网络的积分投影检测
    4.1 全卷积神经网络简介
        4.1.1 FCN的原理
        4.1.2 FCN的优点与不足
    4.2 安全带训练模型的FCN网络结构
    4.3 基于caffe框架的训练
    4.4 FCN检测结果与积分投影检测
        4.4.1 FCN检测结果
        4.4.2 基于分割结果的积分投影检测
        4.4.3 检测结果及分析
    4.5 本章小结
第5章 结论与展望
    5.1 本文工作总结
    5.2 对未来工作的展望
致谢
参考文献
附录1 攻读硕士学位期间发表的论文
附录2 攻读硕士学位期间参加的科研项目
详细摘要



本文编号：3928041