技术摘要：
本发明公开了一种驾驶员吸烟行为检测方法及系统，包括以下步骤：对驾驶舱内视频图像进行图像增强；利用ViBe背景目标检测算法得到运动目标区域，检测驾驶舱内烟雾，获得驾驶员疑似面部位置，得到疑似区域轮廓；确定驾驶员面部位置作为目标跟踪初始帧，采用改进CamShift  全部
背景技术：
随着人们的生活幸福指数的提升，汽车的普及程度也越来越高。但是公众对于交 通出行安全问题的重视程度却没有随之升高，尤其是普遍缺乏对吸烟驾驶等造成事故的隐 性成因的认识。吸烟驾驶产生的后果有时是极其严重的，因此通过技术手段对吸烟驾驶进 行检测并及时预警，能够有效减少交通事故带来的危害。 目前较多的是基于视觉特征的方法，在交通路口进行监控，通过调取监控视频，采 用图像处理技术通过判断驾驶舱内的烟雾信息去判别驾驶员是否在驾驶汽车时抽烟。但是 这一过程是极其复杂的，一方面面部特征容易受个体因素和光照环境影响，而且在路口交 通监控中在进行检测时极易因为车窗以及外界环境影响造成误检率高。另一方面现有的吸 烟检测仅仅在路口可以进行监控，驾驶员在别的道路吸烟很难检测到，现有的设备存在着 很大局限性。
技术实现要素：
针对上述现有技术，本发明要解决的技术问题是提供一种将图像增强与吸烟检测 结合在一起、同时减小光照和遮挡等干扰的影响的种驾驶员吸烟行为检测方法及系统。 为解决上述技术问题，本发明的一种驾驶员吸烟行为检测方法，包括以下步骤： S1：利用监控设备获取汽车驾驶舱监控录像； S2：使用改进的Retinex图像增强算法处理驾驶舱图像信息，得到增强图像； S3：采用改进的ViBe算法检测驾驶舱内运动目标，得到驾驶舱内的疑似烟雾区域， 驾驶员疑似面部位置； S4：通过检测步骤S3驾驶员疑似面部位置的颜色特征获得驾驶员面部的粗略位置 信息； S5：将步骤S4得到的驾驶员面部粗略位置作为目标的初始窗口，使用改进的 CamShift目标跟踪算法实时跟踪驾驶员面部信息； S6：根据先验知识，通过驾驶员面部信息去获取驾驶员嘴部区域信息； S7：提取驾驶舱内疑似烟雾的纹理特征、颜色特征、烟雾不规则特征以及驾驶员嘴 部区域的HOG特征； S8：利用S7提取的特征，采用特征融合算法和机器学习算法对驾驶员吸烟行为进 行检测，识别吸烟行为。 本发明还包括： 1 .S2中使用改进的Retinex图像增强算法处理驾驶舱图像信息，得到增强图像具 体为： S  2.1：将图像颜色空间由RGB转换到HSV空间，后续的图像操作均在HSV空间进行； 4 CN 111553214 A 说　明　书 2/8 页 S  2.2在HSV的V通道进行光照分量估计，对光照分量进行计算时，使用非局部均匀 滤波算法，选取滤波模块与原图像卷积，将其结果作为估计的光照分量，并将其作为V通道 数据； S  2.3：对V通道进行线性变化拉伸； S  2.4：HSV颜色空间转换为RGB颜色空间，输出增强后的图像。 2.S3中采用改进的ViBe算法检测驾驶舱内运动目标，得到驾驶舱内的疑似烟雾区 域，驾驶员疑似面部位置具体为： S  3.1：背景模型初始化：根据视频第一帧进行模型初始化，在任一像素点的邻域 随机选取像素点作为该像素的样本值，样本值组成样本集，背景模型初始化完毕； S  3.2：前景点判断：用当前视频帧中的像素值和背景模型中进行比较，计算像素 值之间的距离；判断像素值之间的距离是否小于设定的最小值min，如果小于则计数器N进 行加1操作；判断N是否大于预先制定的阈值，如果大于预先制定的阈值，则判断该点为背景 点，否则为前景点，将检测的结果标记出来； S3.3：更新背景模型：在步骤3.2中若检测出前景点，采用背景更新机制更新背景， 否则背景模型不变，视频帧加1，执行步骤3.2。 3 .S5中将步骤S4得到的驾驶员面部粗略位置作为目标的初始窗口，使用改进的 CamShift目标跟踪算法实时跟踪驾驶员面部信息具体为： S  5.1：将步骤S4确定的面部粗略位置，作为跟踪算法的初始框； S5.2：计算反向投影图：对步骤S2中H通道进行处理，求取初始框的直方图，通过直 方图求取概率分布图，进而得到反向投影图，将反向投影图作为跟踪目标； S  5.3：采用MeanShift算法求取目标运动之后新的图像中心与边框； S  5.4：将MeanShift算法获得的目标的中心与边框作为初始框，显示跟踪结果； S  5.5：判断跟踪是否结束，结束条件包括：人为停止检测和最后一帧图像处理完 毕，如果结束执行步骤6，如果不结束返回步骤5.2。 4.S7中提取驾驶舱内疑似烟雾的纹理特征、颜色特征、烟雾不规则特征以及驾驶 员嘴部区域的HOG特征具体为： S7.1：LBP特征提取，具体为： (1)读入预处理对象烟雾疑似区域，设置检测窗口区域； (2)将上一步划分区域中的像素，分别与3×3邻域内8个像素灰度值进行对比，若 大于该像素，则记为1；若小于，则记为0，从而得到该像素的LBP特征向量； (3)对每个区域的直方图进行统计并进行去噪处理； (4)将所有区域的直方图进行汇总，串联得到图像的LBP特征向量f＝{x1 ,x2 ,… , xd}，其中d为LBP特征的向量维数； S7.2：烟雾的颜色特征提取，具体为： 在烟雾颜色特征中提取颜色直方图，对烟雾区域中像素点的R、G、B的值进行统计， 并画出其对应的直方图分布，将R、G、B三通道分开绘制； S7.3：烟雾的轮廓不规则特征提取，具体为： 物体的不规则度定义为： 5 CN 111553214 A 说　明　书 3/8 页 式中，S表示区域的面积，L表示区域轮廓的周长，R值越大，表示轮廓越不规则； 烟雾的不规则度计算具体为： (1)采用运动目标检测算法提取目标的二值图像； (2)计算运动区域的轮廓周长以及面积； (3)使用不规则度定义公式计算待检物体的不规则度； S7.4：提取驾驶员嘴部区域的梯度方向直方图HOG特征，具体为： (1)图像标准化，调节图像对比度； (2)计算边缘方向，求解每个像素点的梯度； (3)直方图计算，算出每个细胞单元的梯度直方图，将N个细胞单元组成一个空间 块，其中N为人为设定值，进而得到block的HOG特征； (4)对空间块归一化，将归一化后的空间块组成新的空间块，然后针对每个块进行 对比度归一化，最终的描述子是检测窗口内所有块内的细胞单元的直方图构成的向量。 本发明的一种采用上述驾驶员吸烟行为检测方法的检测系统，采用Opencv和MFC 进行系统开发，系统主要包括图像增强、运动目标检测跟踪、吸烟行为检测三部分，图像增 强与运动目标跟踪部分实现步骤S2到步骤S5，得到图像信息；吸烟行为检测实现步骤S6到 步骤S8；检测系统调用吸烟行为检测方法，实时得到驾驶员驾驶行为特征参数，并与存储装 置中模型的标准参数进行比较，判断驾驶员是否抽烟。 本发明的有益效果： 1、图像增强能够提高驾驶舱内图像的对比度，图像的纹理信息更加详细，能够获 得更多的有用信息，更加符合实际应用。 2、使用Vibe算法检测驾驶舱内的烟雾，能够有效利用摄像头资源，避免使用烟雾 传感器，后续对Vibe进行改进，能够节省时间，也可以去掉鬼影，可以确定驾驶员面部疑似 位置。 3、使用改进的CamShift目标跟踪算法能够实时的跟踪驾驶员的头部信息，更够节 省每次进行脸部识别所需的时间，算法满足实时性要求，可以移植到嵌入式系统中。 4、采用多信息多特征融合技术，将驾驶舱内的烟雾特征、驾驶员的嘴部区域特征 进行融合，能够有效提高吸烟行为检测的准确率。 附图说明 图1是依照本发明实施例的驾驶员吸烟行为检测流程图。 图2是依照本发明实施例的低照度图像增强算法示意图。 图3是依照本发明实施例的ViBe算法流程图。 图4是依照本发明实施例的CamShift算法流程图。 图5是依照本发明实施例的多特征融合示意图。