近年来,汽车安全气囊的广泛使用,大大降低了道路交通事故发生时的伤亡率。但普通安全气囊系统是根据第九十五百分位男性乘员的正常坐姿进行开发的,当发生事故时,小身材或者离位乘员极有可能受到安全气囊的二次伤害。因此,智能安全气囊系统的研究便应运而生。智能安全气囊可通过实时获取乘员类型等信息来动态决策气囊的展开时刻以及展开的强度等工作模式,进而完成对不同类型乘员的最佳保护。因此,乘员类型的识别和分类是安全气囊智能化的前提和核心。本文根据不同类型乘员边缘轮廓的差别性,采用图像处理技术和模式识别方法研究了不同乘员类型图像的特征提取和选择、分类器的设计等问题,在此基础上建立了乘员类型识别系统。本文的主要研究内容如下:1.乘员图像的采集和边缘提取。通过CCD相机采集副驾驶座上的乘员图像,并对图像进行预处理。本文根据乘员图像与车内背景的实际情况,首先将彩色图像灰度化,然后经过图像感兴趣区域获取、图像增强处理和边缘检测后,得到一个乘员边缘图像。2.边缘图像特征值的提取和选择。由于边缘图像可以被看作一个随机概率分布函数,可利用矩技术实现图像特征的提取。本文采用Hu矩和Zernike矩作为乘员图像提取的不变矩。特征向量的高维数不仅增加计算复杂度,而且会降低分类器的正确率,因此有必要对提取的特征进行选择优化。根据搜索策略和评价准则,选择微分进化算法(Differential Evolution,DE)对特征进行优化选择,结合封装原理,得到最优特征子集。3.不同乘员类型的分类识别。本文采用支持向量机模式识别方法对已知乘员类型进行学习训练,建立了乘员类型识别器。然后验证未知乘员类型,得到分类正确率。比较Hu矩、Zernike矩、Hu-Zernike矩和DE选择后特征向量的乘员类型分类识别正确率,实验结果表明,经过DE选择优化后的特征子集向量高于原始特征集的识别正确率。