基于机器视觉的交通违章识别是近年来国内外智能交通领域研究的一大热点,极大促进了城市智能交通系统的发展完善。作为车内最有效的保护措施之一,佩戴安全带驾驶一直是我国法律明文规定的驾驶行为,但目前其检测仍以人工筛查为主。随着汽车数量的爆炸式增长,传统检测方式已满足不了城市交通管理的需求,存在处理效率低、人为干扰严重、执法成本偏高等问题,实现未系安全带检测的智能化处理早已成为当前交通系统亟需解决的问题,因此,本文以三点式安全带为研究对象,设计一种驾驶人未系安全带识别系统,利用图像处理、最优化控制、模式识别等技术分析卡口图像,有效识别驾驶人是否按规定佩戴安全带,对实现安全带检测的自动化处理,提高城市交通管理水平,降低交通事故中的伤亡率具有深远意义。全文主要研究内容分为如下三个部分:(1)基于Haar分类器的车牌定位相对安全带定位,车牌定位算法比较成熟,且车牌与车窗相对位置固定,易于利用几何关系定位安全带,因此,本文将车牌定位作为安全带识别的第一步,采用Haar分类器对车牌进行定位。首先对图像进行预处理,利用灰度积分投影算法获取边缘图像下的车辆位置,设立车牌识别区,然后以车牌字头部分为正样本,训练得到车牌检测器,通过检索车牌识别区定位车牌位置,为后续安全带定位奠定基础。(2)基于梯度变化的安全带区域提取分析发现,驾驶人肩部安全带受方向盘、手臂遮挡等影响最小,可作为安全带识别区域,因此,本文采用“逼近”思维提取安全带图像。首先以车牌为参照,往图像上方偏移一定距离,切取车窗右侧图像,然后对车窗图像进行再处理,利用梯度变换得到车窗各边缘坐标,最后通过几何偏移获取安全带区域图像,为提取安全带特征奠定基础。(3)基于纹理特征的未系安全带识别传统安全带识别研究以Hough变换、Haar特征识别为主,存在直线提取繁琐、识别适应性差等问题,因此,本文引入纹理特征识别未系安全带。通过提取驾驶员肩部安全带区域的多种纹理特征作为特征向量,利用优化的支持向量机对佩戴状态进行识别,测试结果表明,基于纹理特征的未系安全带识别有效可行,算法总体识别率达到86.12%,AUC值为0.9141,未系安全带识别具有较高准确性。