[发明专利]一种基于车载视频监控的驾驶员吸烟行为实时监测方法

说明书

技术领域

本发明涉及一种基于车载视频监控的驾驶员吸烟行为实时监测方法。

背景技术

大型乘用车辆是重要的交通工具。近年来随着这类车辆的不断增多，因交通引发的问题也日益凸显。其中，驾驶员不良驾驶行为是造成交通事故的主要原因。这些驾驶行为包括行车过程中打手机、吸烟、疲劳驾驶等。在上述驾驶员的不良行为中，吸烟行为可能导致如下不良后果：导致驾驶员注意力分散，容易引起事故；可能诱发车内火灾；严重恶化车内空气质量，引发乘客的不适，造成乘客投诉。对驾驶员吸烟行为实行有效的远程监测和实时预警，一方面能从根源上有效避免驾驶员不安全驾驶行为导致的交通事故，另一方面也有利于对驾驶员进行更有效的管理，改变驾驶员行车驾驶习惯，减少交通事故造成的损失。

当前针对驾驶员吸烟行为的检测方法中，包括：利用多信息融合方法实现吸烟行为的检测；利用汽车行驶速度、加减速等信息提示驾驶员；利用颜色空间检测驾驶员手部，再通过机器学习实现动作识别以及利用高斯函数建模实现对驾驶员主要针对疲劳驾驶的异常行为的检测等等；但是，上述方法均无法专门实现针对驾驶员吸烟行为的实时监测。

发明内容

为解决现有技术的缺陷，本发明具体公开了一种基于车载视频监控的驾驶员吸烟行为实时监测方法，通过大型乘用车辆内部的摄像头和数字硬盘录像机，实时监测驾驶员的吸烟行为并给出报警信息。该方法成本低，可靠性高，易于推广使用。

为实现上述目的，本发明的具体方案如下：

一种基于车载视频监控的驾驶员吸烟行为实时监测方法，包括以下步骤：

(1)获取车载监控摄像头视频数据；

(2)提取监控视频数据的亮度分量；

(3)设定感兴趣区域，并对所述感兴趣区域进行阈值化处理；对阈值化以后视频帧中的设定亮度区域进行形态学腐蚀运算；

(4)对形态学腐蚀运算后的视频帧中的设定亮度区域进行形态学膨胀运算；

(5)形态学膨胀运算后的视频帧中的设定亮度区域进行基于模板的区域生长，得到初始掩膜图像；

(6)形态学膨胀运算后的视频帧中的设定亮度区域进行形态学腐蚀运算；并将形态学腐蚀运算后的视频帧与形态学膨胀运算后的视频帧相减，得到掩模图像；

(7)根据上述掩模图像得到特征亮度值；将所得到的特征亮度值与设定阈值进行对比，得到取阈值之后的特征亮度值；

根据取阈值之后的特征亮度值中非零像素的数量，判断是否存在吸烟行为。

进一步地，所述步骤(3)中，设定感兴趣区域具体为：

其中，Rect_yⁿ(i,j)表示Rect_yⁿ在像素点(i,j)处的亮度分量；yⁿ(i,j)表示视频第n帧中的像素点(i,j)处的亮度分量；&&表示逻辑与运算符；令Rect_yⁿ表示在yⁿ中人工选定的感兴趣区域，其左上角坐标为(x₁,y₁)，右下角坐标为(x₂,y₂)；i表示像素点的横坐标，j表示像素点的纵坐标。

进一步地，所述步骤(3)中，对感兴趣区域进行阈值化处理具体为：

其中，Rect_yⁿ_t(i,j)表示Rect_yⁿ_t在像素点(i,j)处的亮度分量，T为设定阈值。

进一步地，所述步骤(5)中，进行基于模板的区域生长的方法具体为：

(a)判定Rect_yⁿ_t_morph_2中设定亮度值的区域的边界点，将这些边界点记为B，B(i,j)表示在像素点(i,j)处的亮度值；

(b)令N^B(i,j)表示(i,j)的邻域，N(p,q)^B(i,j)表示(i,j)的邻域在像素点(p,q)的亮度分量，p表示横坐标，q表示纵坐标；如果满足条件1：

(N(p，q)^B(i，j)≠255)&&(Rect_yⁿ_t_morph_2(p，q)＝255)；

则进行如下操作

Rect_yⁿ_t_morph_2(p,q)＝255；