[发明专利]一种车辆乘员类型的检测方法

说明书

技术领域

本发明涉及一种车辆乘员类型的检测方法。

背景技术

汽车乘员约束系统研发主要目的是尽量避免在碰撞过程中人体与车身内饰件发生二次碰撞，减少对人体造成的伤害。近些年来，汽车座椅安全带和汽车安全气囊的广泛使用，大大降低了在交通事故时伤亡率。但是，由于常规的乘员约束系统是按第五十百分位正常位置乘员设计的气囊，为此，常规的安全气囊极有可能对离位乘员和小身材妇女甚至儿童造成伤害。

为了有效降低因气囊展开造成不同类型乘员伤害的可能性，目前已提出了不同种类的智能乘员约束系统。这些系统大多采用视觉传感器、压力传感器和超声波传感器等实现乘员的类型、位置及坐姿等体征检测，并根据汽车碰撞的严重程度来确定是否张开安全气囊，以及采用多大的弹开强度。

因此，开发智能乘员识别系统，利用传感器系统感知乘员的类型，给安全气囊系统提供乘员类型信息，具有十分重要的意义。

发明内容

本发明其目的在于提供一种车辆乘员类型的检测方法，利用图像处理技术及智能识别技术获取乘员类型信息，提供给智能安全气囊系统用于安全气囊的智能控制。

为实现上述目的，本发明主要包括以下步骤，结合附图说明如下：

a)影像获取步骤：通过车载摄像机提供乘员在汽车座椅上的影像信息，先期处理过程中需要采集并记录按照碰撞具体法规规定的n种不同乘员类型在不同光照环境下已知的乘员类型影像数据，实时识别过程中实时采集待识别的乘员类型的影像信息；

b)影像处理步骤：先期处理过程和实时处理过程中该步骤处理方法完全相同，先将摄像机拍摄到的流媒体图像格式转化为单帧的图片格式，然后通过裁剪去掉无关区域，将裁剪后的区域进行图像边缘检测，获得乘员轮廓图像信息；

c)获取类型特征信息步骤：先期处理过程和实时处理过程中该步骤处理方法完全相同，将获得的乘员轮廓图像信息进行矩特征运算，获得m阶矩特征，将获得的m阶矩特征作为训练和识别用的m个特征值，然后对m个特征值进行归一化处理；

d)乘员体征识别步骤：在先期处理过程中将获得的n种不同典型乘员类型，建立用于对分类器进行训练的不同典型类型的特征数据库，以获得乘员类型分类器模型；在实时处理过程中获得实时乘员影像的矩特征，然后将该矩特征输入已经训练好的分类器中进行分类，最终获得乘员类型信息，最后将获得的乘员类型信息输送到智能安全气囊控制器供其智能控制使用。

有关区域的获取使用蒙版的方法获得。

所说的矩特征运算：使用(p+q)阶的Legendre矩对边缘图像进行矩运算。

使用支持向量机的方法对于矩特征进行训练及检测并获得乘员类型分类器模型，所说的乘员类型分类器模型的建立使用间隔点算法获得支持向量机的最优参数。

本发明的有益效果是，提供了一种有效的识别乘员类型的手段，可以将在汽车碰撞过程中由于乘员类型不同导致的气囊对乘员的二次伤害降到最低，从而提高汽车的被动安全性能

附图说明：

图1车辆乘员类型的检测系统工作流程图；

图2摄像机在车内安装位置示意图；

图3分类器算法流程图；

图4识别正确率等高线图；

图5间隔点算法调整参数流程图。

具体实施方式

下面结合附图说示实施例进一步说明本发明的具体内容。

在步骤S00中，将摄像机安装在车顶，镜头对准乘员乘坐位置，见图2。

在步骤S11中，直接从摄像机中读取u8灰度影像，分别提供给前处理不同类型及坐姿数据库使用和实时识别过程使用。从读取到u8灰度影像到获取图像特征信息过程中对于单帧图像的处理，前处理和实时处理过程完全相同。

在步骤S12中，系统获得了大量的不同类型不同光线背景下乘员影像文件，对这些影像文件进行整理分类剪辑，建立不同类型下的乘员影像数据库。

在步骤S21中，将流媒体文件转换为独立图片文件，并将图片格式转化为二维矩阵格式，用于后续对于每张单独的图片的处理。

在步骤S22中，将乘员所处及乘员可能出现的区域作为蒙版区域，获得与二维图像矩阵相同维数的掩模矩阵，蒙版区域值为1，非蒙版区域值为0，用掩模矩阵对二维图像矩阵进行掩模运算，相同的位置，如果模板矩阵为1，则二维图像矩阵为该位置值保留，如果为0，则该位置值为0。

在步骤S23中，首先，对图像进行高斯滤波去除图像中的噪声。

其次，用高斯算子的一阶微分对图像进行滤波，得到每个像素梯度的大小|G|和方向θ。