[发明专利]一种便携式车载智能驾驶系统有效
申请号: | 202010053700.2 | 申请日: | 2020-01-17 |
公开(公告)号: | CN111242065B | 公开(公告)日: | 2020-10-13 |
发明(设计)人: | 乔大雷;杨勇;杨松 | 申请(专利权)人: | 江苏润杨汽车零部件制造有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00 |
代理公司: | 北京华识知识产权代理有限公司 11530 | 代理人: | 刘艳玲 |
地址: | 221300 江苏省徐州*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 便携式 车载 智能 驾驶 系统 | ||
1.一种便携式车载智能驾驶系统,其特征在于,所述便携式车载智能驾驶系统包括图像获取模块、图像处理模块和报警模块;
所述图像获取模块用于获取司机的脸部图像;
所述图像处理模块用于根据所述脸部图像识别所述司机是否处于疲劳驾驶状态,若识别出所述司机处于疲劳驾驶状态,则通过所述报警模块对司机进行警示;
所述图像处理模块包括灰度化处理单元、降噪单元、光照校正单元、分割单元、特征提取单元和识别单元;
所述灰度化处理单元用于对所述脸部图像进行灰度化处理,得到灰度化图像;
所述降噪单元用于对所述灰度化图像进行降噪处理,得到降噪图像;
所述光照校正单元用于对所述降噪图像进行光照校正,得到光照校正图像;
所述分割单元用于对所述光照校正图像进行图像分割处理,得到分割图像;
所述特征提取单元用于对所述分割图像进行特征提取,得到司机的脸部特征数据;
所述识别单元用于将所述脸部特征数据与预存的处于疲劳驾驶状态的标准特征数据进行对比,从而识别出所述司机是否处于疲劳驾驶状态;
所述对所述脸部图像进行灰度化处理,得到灰度化图像,包括:
将所述脸部图像从RGB颜色空间转换到XYZ颜色空间,获得第一转换图像;
将所述第一转换图像从XYZ颜色空间转换到Lab颜色空间,并将亮度分量L作为第二转换图像;
建立目标函数:
式子中,L1表示脸部图像的像素点的总数;Φ1和Φ2表示权重参数,Φ1+Φ2=1;fi表示待求取的灰度化图像中第i个像素点的灰度值;L2表示脸部图像中第i个像素点的邻居像素点的总数,当第i个像素点为角像素点时,其邻居像素点的总数为3,当第i个像素点为边像素点时,其邻居像素点总数为5,否则,第i个像素点的邻居像素点的总数为8;fj表示第i个像素点的第j个邻居像素点的灰度值;Ri、Gi、Bi表示脸部图像中第i个像素点在RGB颜色空间中的三个分量值;Rj、Gj、Bj表示脸部图像中第i个像素点的第j个邻居像素点在RGB颜色空间中的三个分量值;Ωij表示预设的灰度调整参数;Ki表示在第二转换图像中,第i个像素点的灰度值;其中,脸部图像中的第i个像素点和第二转换图像中的第i个像素点的排序规则相同;
求取Ti相对于fi的导数并让所述导数等于零,从而求出fi的值;
所述对所述灰度化图像进行降噪处理,得到降噪图像,包括:
对所述灰度化图像进行小波分解,获得其高频系数图像HPv和低频系数图像LP;
对于HPv,使用如下的自适应函数进行处理:
式子中,aHPv表示使用自适应函数处理后的高频系数图像;v∈[H1,H2,H3]、H1、H2、H3表示小波分解中的三个高频子带图像;ya和yb表示预设的阈值参数;cz表示符号函数;ZSv表示高频子带图像中的噪声的方差估计值;aHPv(x,y)表示位置为(x,y)的像素点的灰度值;
对于LP,进行如下运算:
式子中,α1和α2为小波权重参数,α1+α2=1;Cx,y表示LP中位置为(x,y)的像素点的L×L大小的邻域的像素点所组成的集合;LP(i,j)表示所述邻域中位置为(i,j)的像素点的灰度值;fcx,y表示所述邻域中的像素点灰度值的方差;HA表示调节系数;avex,y表示所述邻域中的像素点灰度值的均值;aLP表示运算后的低频系数图像;gsfc表示LP的高斯滤波的方差;
式子中,cd表示尺度参数;ZS2表示LP中的噪声标准差估计;fc(x,y)表示补偿函数,
式子中,max(x,y)、min(x,y)分别表示所述邻域中的灰度最大值和灰度最小值;
对aLP进行小波分解,获取其高频系数图像tHPv,将aHPv和tHPv进行重构,获得降噪图像;
所述对所述降噪图像进行光照校正,得到光照校正图像,包括;
使用伽马校正对所述降噪图像进行光照校正,得到光照校正图像。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江苏润杨汽车零部件制造有限公司,未经江苏润杨汽车零部件制造有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010053700.2/1.html,转载请声明来源钻瓜专利网。