安全带检测是智能交通系统中的一个重要研究课题,该技术的实现可以在很大程度上对那些安全意识淡薄和无视交通法规的驾乘人员起到警告或提醒作用,提高了驾驶员遵守交通法规的意识,从而达到降低交通事故伤亡率的效果。本文主要研究基于Adaboost的安全带检测方法,其主要研究工作和成果如下：1.提出了一种基于Adaboost的安全带检测方法,实现了一个完整的安全带检测系统。在道路监控摄像机采集到道路车辆图像后,图像首先进入车窗区域粗定位模块,找到图像上若干个车窗候选区域,然后进入驾驶员区域粗定位模块,找到图像上若干个驾驶员候选区域,接着将结果送入安全带检测模块,找到若干个安全带检测区域。2.采用SVM分类器对安全带候选区域进行后处理。将利用正面车辆自身几何关系并结合车窗、驾驶员、和安全带候选区域在检测时的置信度来构建基于下文信息的特征向量,然后利用SVM算法进行后处理,最终剔除掉误检区域。3.文中详述了经典的安全带检测方法,从最基本的理论及其算法假设出发,对比分析了各自的优缺点。并在实验环节中,在不同的应用场景、不同的应用难度上进行测试,完成了实验结果对比分析,基于Adaboost的安全带检测方法的优越之处。