基于深度学习的安全带检测方法研究

分类号学号M201372858学校代码10487密级硕士学位论文基于深度学习的安全带检测方法研究学位申请人：付春芬学科专业：计算机技术指导教师：李平讲师答辩日期：2015年5月25日AThesisSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeoftheMasterofEngineeringResearchOnSeatbeltDetectionMethodBasedOnDeepLearningCandidate:FuChunfenMajor:ComputerTechnologySupervisor:Lecturer.LiPingHuazhongUniversityofScience&TechnologyWuhan430074,P.R.ChinaMay,2015独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除文中已经标明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：日期：年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密□，在年解密后适用本授权书。不保密□。（请在以上方框内打“√”）学位论文作者签名：指导教师签名：日期：年月日日期：年月日本论文属于I华中科技大学硕士学位论文摘要近年来，我国机动车数量不断增加，交通事故及伤亡人数也是呈逐年上升趋势。安全带作为一种十分重要的被动保护措施，可有效的降低车辆在道路上行驶时因车辆碰撞或其他交通事故造成的伤亡率。我国交管部门及相关的法律法规严格要求车辆驾驶人员在车辆行驶过程中需佩带安全带。但在我国驾驶人员在行车过程中不系安全带的现象还是普遍存在，主要原因为驾驶员安全意识不强，存在多种躲避安全带提示系统的不规范行为。因此，研究机动车内驾驶人员是否佩戴安全带的检测方法对于提高驾驶员的遵守交通法规的意识具有十分重要的意义。本文提出了一种基于深度学习的安全带检测方法，尝试将近年来在图像识别方面有较好应用的深度学习方法来提高安全带检测的准确率。相比传统的安全带检测方法，深度学习的最大优势在于它可以自动的从样本数据中学习特征，最大限度的减少了人为的干预以及手工设计特征的复杂性。本方法中在利用深度学习进行训练和检测之前，先要对交通视频图像进行预处理。即首先运用帧差法获取运动车辆的最小外接矩形，然后根据经验阈值对车窗进行粗定位排除车头部分存在的干扰信息，再利用边缘检测与积分投影对车窗进行精确定位，从而获得驾驶人员所在车窗区域作为训练样本图片或检测图片。之后研究了深度学习中的卷积神经网络模型，并用卷积神经网络模型对样本图片进行训练得到用于安全带检测的模型，然后用该模型对待检测图片进行检测，判断出车辆司机是否佩带安全带。本文中利用Caffe框架对整个训练和检测过程进行了实现，并对实验结果进行了分析，证明了该方法的有效性。关键词：安全带检测，深度学习，车窗定位，Caffe框架II华中科技大学硕士学位论文ABSTRACTInrecentyears,thenumberofmotorvehiclesisincreasinginourcountry,thetrafficaccidentsandcasualtiesisalsoincreasingyearbyyear.Seatbeltsisaveryimportantpassiveprotectionmeasures,itcanreducethecasualtyrateoftrafficaccidentswhichcausebyvehiclescollisionorotherreasonswhenvehiclesistravelingontheroad.Ourtrafficcontroldepartmentandrelevantlawsandregulationsstrictlyrequiredthevehicledriversmusttowearseatbeltsduringdrivingontheroad.Butinourcountry,thereweremanydriversdidnotwearseatbeltswhentheydriving,themainreasonforthisphenomenonisthedrivers'safetyawarenessisnotstrong,theyhavemanyirregularitiestoescapetheseatbeltremindersystem'sdetection.Therefore,researchonseatbeltdetectionmethodshasgreatimportanceforraisingawarenessofdriverstocomplywithtrafficregulations.Thispaperproposesaseatbeltdetectionmethodbasedondeeplearning,thismethodtriedtousethedeeplearningmethodswhichalreadyhavewellapplicationsintheareaofimagerecognitiontoimprovetherecognitionaccuracyofseatbeltdetectionmethod.Comparedtotheconventionalseatbeltdetectionmethods,thebiggestadvantageofthedeeplearningmethodsisthatitcanbeautomaticallylearningcharacteristicsfromsampledata,soitcanminimizethecomplexityofmanualdesignfeaturesandhumanintervention.Inthismethod,beforeusingthedeeplearningmethodtotrainanddetect,wehavetodosomepreprocessingfortransportvideoimages.Thatisthefirstuseoftemporaldifferencemethodtoobtaintheminimumboundingrectangleofthevehicle,thencoarsepositioningthewindowofcarbasedonexperiencethresholdsforexcludingtheinterferenceinformationcausebythefrontpartofthecar.Afterhatwecanuseedgedetectionandintegrationprojectiontoprescisepositioningthewindowofcar,finallywecanobtaindriver'swindowareaasatrainingsampleimageordetectimage.Inthispaper,westudytheconvolutionneuralnetworksmodelofdeeplearningandusethismodeltrainedonthesampleimagesinordertogetthemodelforseatbeltdetection.Thenwecanusethismodeltodetectimagewhetherthedriverintheimageiswearedseatbelt.weuseCaffeframeworktoimplementtheIII华中科技大学硕士学位论文wholeprocessoftrainingandtesting,andtheexperimentalresultsindicatetheproposedmethodachievesafeasibleandvalidresultforapplication.Keywords:seatbeltsdetection,deeplearning,vehiclewindowdetection,caffeframeworkIV华中科技大学硕士学位论文目录摘要...................................................................................................................IABSTRACT.........................................................................................................II1引言1.1研究背景及意义.......................................................................................(1)1.2国内外研究现状.......................................................................................(2)1.3论文主要研究内容及结构......................................................................(4)2深度学习简介2.1浅层学习与深度学习...............................................................................(7)2.2深度学习的基本思想...............................................................................(9)2.3卷积神经网络（CNNs）........................................................................(9)2.4本章小结.................................................................................................(16)3图像预处理3.1车辆定位.................................................................................................(17)3.2车窗定位.................................................................................................(19)3.3本章小结.................................................................................................(28)4基于深度学习的安全带检测4.1用于安全带模型训练的CNNs网络结构............................................(29)4.2基于Caffe框架的训练与检测过程实现............