随着经济的迅速发展,机动车的数量也与日俱增,同时,行车安全也越来越被人们所重视。通过安装辅助安全驾驶系统可以有效保障车辆行车安全,因而辅助安全驾驶技术被许多国内外学者所关注、研究。在众多辅助安全驾驶系统中,基于计算机视觉技术构建的系统发展前景最为良好,研究价值最高。本文基于多种计算机图像处理技术,结合安全带的几何特征,提出了一种不同于传统安全带佩戴检测技术的识别方法,即基于计算机视觉的驾驶员安全带佩戴的识别方法。本文围绕驾驶员安全带佩戴识别问题,设计了图像预处理和边缘检测、图像模糊增强、直线提取及判别三大环节,并开展了验证方法有效性的相关实验。主要研究内容及成果包括:(1)对采集到的原始图像进行预处理,主要包括光补偿和感兴趣区域提取。使用自适应非线性变换修正法调节图像像素的亮度值,利用中值滤波对脉冲噪声和点状噪声抑制作用强的特点进行平滑去噪,提取感兴趣的驾驶员躯干部分的图像区域。实验表明该方法能有效的均衡待处理图像各部分的亮度和对比度,减小待处理图像的大小及噪声,提高了后续算法的效率。(2)分析了目前边缘检测算法中最为经典的几种算法的优缺点,选择对于光照改变时仍然具有鲁棒性的Canny算子作为本文分割算法,提取预处理后的图像边缘。(3)通过分析经典模糊增强算法即Pal和King算法的特点及不足,提出一种基于广义模糊算子GFO的模糊增强算法。广义模糊算子起到增强区域对比度的作用,而针对Pal和King算法运算量大的缺点,提出一种升半梯形模糊分布来求得隶属度。经过仿真实验证明,改进后的方法能够达到预期的增强效果,避免了大量灰度信息的丢失,提高了运算速度。(4)根据安全带的几何特征,结合改进的Hough直线检测算法提出一种安全带佩戴检测模型。使用引入距离约束条件的随机Hough变换对经过模糊增强的图像进行直线检测,通过先判断所选择的随机Hough变换点对是否符合距离条件,进而得到参数空间,再在参数空间中判断直线的存在性,从而减少了运算量,提高了算法效率,最后结合直线倾斜度等条件进行判别并得到最终结果。