[發明專利]一種基于圖像增強技術的疲勞駕駛檢測方法

在審

• 申請號: 202110889637.0
• 申請日: 2021-08-04
• 公開（公告）號: CN113435415A
• 公開（公告）日: 2021-09-24
• 發明（設計）人: 沙宏偉;汪煒澄;武德龍;錢濤;沈子桐;張鵬翔;劉晨陽
• 申請（專利權）人: 河海大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06N3/04;G06N3/08;G06T5/00
• 代理公司: 北京化育知識產權代理有限公司 11833
• 代理人: 閆露露

1.一種基于圖像增強技術的疲勞駕駛檢測方法，其特征在于：包括以下步驟，

S1：采用攝像頭對駕駛圖像進行采集；

S2：駕駛圖像中定位駕駛員的眼睛區域，判斷駕駛員是否佩戴墨鏡，并獲得粗定位圖像；

S3：根據不同光線情況和駕駛員是否佩戴墨鏡對粗定位圖像進行處理得到面部輪廓圖像；

S4：將面部輪廓圖像歸一化，傳入預先訓練好的EnlightenGAN模型進行光照增強，并轉化得到灰度圖像；

S5：從灰度圖像中提取人臉中68個關鍵點的坐標，并將上述關鍵點坐標轉換成numpy數組；

S6：從numpy數組中提取左右眼的點坐標并計算眼睛縱橫比，當任一只眼睛的縱橫比在一段時間中低于預先設定的閾值時，則發出利用有源蜂鳴器發出警報來提醒司機。

2.根據權利要求1所述的一種基于圖像增強技術的疲勞駕駛檢測方法，其特征在于：在步驟S3中，當光線較暗時或檢測到駕駛員佩戴墨鏡時，通過開啟車載補光裝置對駕駛員臉部進行補光以便于采集面部輪廓圖像。

3.根據權利要求1所述的一種基于圖像增強技術的疲勞駕駛檢測方法，其特征在于：EnlightenGAN模型訓練如下，

S41：獲取同一場景下低光圖像和正常光圖像，并對低光圖像和正常光圖像的尺寸進行均一化處理，構成一個圖像組；

S42：基于生成式對抗網絡構建低光圖像增強模型及損失函數，低光圖像增強模型包括生成器網絡和鑒別器網絡，鑒別器網絡包括全局鑒別器和局部鑒別器；

S43：訓練低光圖像增強模型：隨機將處理后的數據集中的圖像組輸入到低光圖像增強模型中進行訓練，反復迭代通過最小化生成器網絡或鑒別器網絡的損失函數值來訓練低光圖像增強模型，直至低光圖像增強模型達到納什均衡狀態，則訓練完成；

S44：將待增強的低光圖像輸入到訓練好的低光圖像增強模型，獲得增強后的正常光圖像。

4.根據權利要求3所述的一種基于圖像增強技術的疲勞駕駛檢測方法，其特征在于：生成器網絡包含8個卷積模塊，每個卷積模塊包含2個3x3的卷積層、LeakyReLu激活函數以及批歸一化層。

5.根據權利要求4所述的一種基于圖像增強技術的疲勞駕駛檢測方法，其特征在于：全局鑒別器和局部鑒別器均采用了PatchGAN來用于真/假鑒別，除了圖像級別的全局鑒別，還通過從輸出和真實圖像之間隨機裁剪局部塊來區分真/假以用作局部鑒別。

6.根據權利要求5所述的一種基于圖像增強技術的疲勞駕駛檢測方法，其特征在于：全局鑒別器中使用最小二乘GAN以提升鑒別器能力，其函數結構如下，

7.根據權利要求5所述的一種基于圖像增強技術的疲勞駕駛檢測方法，其特征在于：局部鑒別器中從增強后圖像和原始圖像中隨機剪裁5個圖像塊來進行真假判斷，局部鑒別器選擇使用原始的最小二乘GAN來作為對抗損失，局部損失函數結構如下,