基于机器视觉的抽烟驾驶检测

一、抽烟特征提取
烟雾是识别驾驶员是否抽烟较为明显的特征，烟雾扩散性区域运动连续性、烟雾背景模糊性、烟雾不规则性以及烟雾的相关性，这些特征量比较全面地反映了烟雾的基本特征。
①烟雾形状特征
由于外界因素烟雾在扩散过程中呈现出的无规则形状变化，烟雾分子也在不停的做无规则运动，而且边缘的轮廓始终是一种模糊不清的不规则状态。烟雾在扩散过程中形状呈不规则变化。因为当两个图形面积完全相等时，边缘轮廓不规则的图形明显比轮廓规则图形的周长长，可以利用烟雾边缘轮廓形状不规则的这一特征分析边缘轮廓与轮廓面积之间的关系。如图所示：

通过对目标区域的轮廓区域内的面积与边缘长度的关系，可以进行定量目标区域轮廓复杂度，即烟雾形状不规则性。烟雾轮廓复杂度：

①烟雾扩散特征：扩散是烟雾最显著的动态特征之一，在视频序列中，烟雾的扩散表现为烟雾轮廓的面积从无到有并在短时间内不断增大的过程。一般运动的运动物体不具有扩散性的干扰物，如移动的车辆、摇曳的树叶、行人、瀑布等，其共同的特点是运动过程中，面积变化速度相对较慢，不会持续增大。因此，利用烟雾的扩散特征就可以排除大量运动干扰物体。目标提取区域内的面积增长率可表示为：

式中，n 代表迭代的数量。
烟雾面积的平均增长率通常不会超过某一范围。因此，选取扩散度阈值D1和D2，判断目标平均扩散度是否在Dl～D2 范围内。若均扩散度在阈值范围之内，则属于烟雾目标、否则，视为干扰区域。
②烟雾颜色特征：
多数烟雾的颜色为灰白色，当然，如果是可燃物体释放的烟雾，当燃烧扩大至较大明火时，物质不充分燃烧，会导致烟雾颜色由灰白色变为灰黑色。由于灰白色的烟雾的半透明性以及颜色干扰物较多，所以其检测难度比黑色烟雾大。对于灰白色烟雾，如果只采取单一的颜色模型进行分割，效果不理想。所以用基于RGB、HSV、HSI混合颜色模型对烟雾区域进行分割，通过分析烟雾图像像素的亮度特征、颜色特征以及颜色饱和度特征，达到烟雾识别的目的。
1）烟雾颜色RGB特征因为烟雾呈灰白色，所以在烟雾RGB空间上RGB三值相差不大。因此，以RGB分量值的平均值范围和最大最小值差值阈值作为判据之一。在RGB颜色空间中，烟雾满足：

2） 烟雾颜色HSV特征由于烟雾厚薄不一，所以漫反射程度不同。反映在烟雾颜色HSV空间中表现为亮度V由内到外逐渐衰减的过程，又由于温度偏低时，多数烟雾的颜色为灰白色有时偏蓝，所以色调H在近蓝色范围内变化。因此，HSV中以亮度V和烟雾色调H的阈值范围作为烟雾颜色判据之一。在烟雾颜色HSV空间中，烟雾应满足以下条件：

③烟雾颜色HSI特征灰白色的烟雾具有半透明性，所以，烟雾厚重区域饱和度较高，边缘区域烟雾变薄其饱和度降低。烟雾由厚到薄，其颜色强度也是逐渐衰减的值，所以烟雾的饱和度在一个范围内变化。因此，HSI中以烟雾饱和度S和强度I 的阈值范围作为烟雾颜色判据之一。在HSI颜色空间中，烟雾满足一下条件：

最后，将由HSV、RGB、HSI三颜色空间分割出来的烟雾区域分别进行二值化，再将二值化的图像进行逻辑“与”运算，便可以从视频图像中把烟雾分割出来。

二、烟雾检测算法
视频烟雾检测系统设计流程中的步骤解析如下:
（1）预处理，预处理烟雾视频图像中的每一帧，包括：烟雾的颜色模型转换、图像滤波彩色图像的灰度化等，降低噪声、光照等外界因素对图像质量的干扰影响，为后续的烟雾特征识别做好准备。
（2）：运动检测，对经过预处理后的烟雾图像进行运动检测，利用中值背景法、直方图均衡等算法进行背景建模。
（3）烟雾模糊特征的处理，根据烟雾的模糊特征，计算运动区域中疑似烟雾像素点所占的比值，若其大于阈值，则认为该区域为疑似烟雾区域。采用二维离散小波变换从烟雾图像分解出三个高频子分量图像，计算像素点高频能量值，与原烟雾图像中的能量值相比较有所下降，则将该烟雾像素点标记。
（4）提取烟雾纹理特征。在烟雾浓度增加和烟雾扩散过程中，像素点周围六个方向的边缘将变平滑。根据其边缘平均变化程度，边缘平均变化范围在(0，24)之间可认为是烟雾区域。
（5）提取烟雾飘动性特征。当前图像帧某一像素在其下一帧的搜索窗口内，找到与最相近的像素点，根据其位置，获取其位置编码。通过统计向上移动的像素点数与向下移动的像素点数作差，差值大于阈值，认为该区域为疑似烟雾区域。
（6）确定烟雾区，经过以上五步的处理和识别，满足条件的部分被确认为烟雾区域，并对该烟雾区域进行标记，实现烟雾检测功能。算法框架如图所示：