一种基于单幅图像的司机疲劳驾驶低耗识别方法及装置制造方法及图纸

本发明专利技术提出了一种基于单幅图像的司机疲劳驾驶低耗识别方法及装置，涉及智能识别领域。其如下步骤：获取待检测图像，该待检测图像为单幅图像。将待检测图像输入至预先建立好的司机疲劳驾驶决策模型，以得到识别结果。根据识别结果判断待检测图像是否为司机疲劳驾驶的图像，继而获知司机是否在疲劳驾驶，即实现了由单幅图像较为精准、低消耗地判断司机是否在疲劳驾驶的目的。

【技术实现步骤摘要】
一种基于单幅图像的司机疲劳驾驶低耗识别方法及装置
本专利技术涉及智能识别
，具体而言，涉及一种基于单幅图像的司机疲劳驾驶低耗识别方法及装置。
技术介绍
随着科技的进步，汽车已经成为了我们主要的交通工具，尤其在城市中，几乎每个家庭都拥有至少一辆汽车。汽车会极大地方便我们的生活，让我们的出行更加便利。同时，有效防范疲劳驾驶并保证驾驶安全也是一个必不可少的环节，因为很多交通事故都是由于疲劳驾驶而产生的。因此，如何能够有效地识别出司机是否在疲劳驾驶尤为重要。目前，虽然关于识别司机是否在疲劳驾驶的识别方法层出不穷，但它们往往需要多幅图像，甚至是视频来识别司机是否在疲劳驾驶，无法通过单幅图像较为精准、低消耗地判断司机是否在疲劳驾驶。
技术实现思路
本专利技术的目的在于提供一种基于单幅图像的司机疲劳驾驶低耗识别方法及装置，用以改善现有技术中无法通过单幅图像判断司机是否在疲劳驾驶的问题。本专利技术的实施例是这样实现的：第一方面，本申请实施例提供一种基于单幅图像的司机疲劳驾驶低耗识别方法，其包括如下步骤：获取待检测图像，该待检测图像为单幅图像。将待检测图像输入至预先建立好的司机疲劳驾驶决策模型，以得到识别结果。根据识别结果判断待检测图像是否为司机疲劳驾驶的图像，继而获知司机是否在疲劳驾驶，即实现了由单幅图像较为精准、低消耗地判断司机是否在疲劳驾驶的目的。在本专利技术的一些实施例中，上述获取待检测图像的步骤之后，该方法还包括：利用最小二乘滤波器对待检测图像进行过滤，以得到待检测图像的多个尺度图像。对不同尺度图像进行计算，以得到多个细节信息。将细节信息加权到待检测图像中，以得到加强图像。因此，该加强图像突出了待检测图像的细节信息，使得待检测图像在司机疲劳驾驶决策模型中的识别结果更加准确，则对待检测图像的判断也会更准确。在本专利技术的一些实施例中，上述将待检测图像输入至预先建立好的疲劳驾驶决策模型的步骤之前，该方法还包括：建立初始模型。获取样本，并对样本进行高斯模糊处理，得到模糊图像。对模糊图像和样本分别进行减法处理，以得到不同的细节信息。将多个细节信息加权到原图中，得到样本加强图像。提取每个样本加强图像的SIFT特征，以得到图像的表征结果。根据表征结果训练初始模型，以得到训练好的司机疲劳驾驶决策模型。上述实现过程中，获取样本后，对样本进行处理，处理后样本的细节信息更加突出，继而提取的SIFT特征更加准确，使得表征结果更加准确，从而通过表征结果训练司机疲劳驾驶决策模型，可以使得训练好的司机疲劳驾驶决策模型对待检测图像的识别结果可以更准确。在本专利技术的一些实施例中，上述样本包括正训练样本和负训练样本，正训练样本为司机疲劳驾驶的图像，负训练样本为司机非疲劳驾驶的图像。由正训练样本和负训练样本训练初始模型，正训练样本和负训练样本使得样本图像更加完整，从而使得训练好的司机疲劳驾驶决策模型对待检测图像的识别结果更加准确。在本专利技术的一些实施例中，上述根据识别结果判断待检测图像是否为司机疲劳驾驶的图像的步骤包括：计算待检测图像和样本的空间距离，以得到计算结果。根据计算结果，多次查询空间距离与待检测图像的空间距离邻近的不同数量的样本及其类别，以得到多个判别结果。比较多个判别结果，得到比较结果。根据比较结果判断待检测图像是否为司机疲劳驾驶的图像。上述步骤为对待检测图像进行二次判定，对待检测图像进行二次判定后，可以得到更加准确的比较结果，进而可以更加准确的判断待检测图像是否为司机疲劳驾驶图像。第二方面，本申请实施例提供一种基于单幅图像的司机疲劳驾驶低耗识别装置，其包括：图像获取模块，用于获取待检测图像。图像识别模块，用于将待检测图像输入至预先建立好的司机疲劳驾驶决策模型，以得到识别结果。图像判断模块，用于根据识别结果判断待检测图像是否为司机疲劳驾驶的图像。上述实现过程中，通过对获取的待检测图像的判断，可以获知司机是否在疲劳驾驶。在本专利技术的一些实施例中，上述基于单幅图像的司机疲劳驾驶低耗识别装置还包括图像加强模块，图像加强模块包括：图像过滤单元，用于利用最小二乘滤波器对待检测图像进行过滤，以得到待检测图像的多个尺度图像。尺度计算单元，用于对不同尺度图像进行计算，以得到多个细节信息。加强图像获取单元，用于将细节信息加权到待检测图像中，以得到加强图像。该加强图像可以突出待检测图像的细节信息，使得司机疲劳驾驶决策模型对待检测图像的评价更为准确。在本专利技术的一些实施例中，上述基于单幅图像的司机疲劳驾驶低耗识别装置还包括：初始模型建立单元，用于建立初始模型。样本处理单元，用于获取样本，并对样本进行高斯模糊处理，得到模糊图像。细节信息获取单元，用于对模糊图像和样本分别进行减法处理，以得到不同的细节信息。样本加强图像获取单元，用于将多个细节信息加权到原图中，得到样本加强图像。表征结果获取单元，用于提取每个样本加强图像的SIFT特征，以得到图像的表征结果。模型训练单元，用于根据表征结果训练初始模型，以得到训练好的司机疲劳驾驶决策模型。通过上述对获取样本的处理，可以使得样本图像的细节更加突出，继而提取的SIFT特征更准确，也就使得表征结果更为准确，从而通过表征结果训练司机疲劳驾驶决策模型，可以使得司机疲劳驾驶决策模型对待检测图像的识别结果更准确。在本专利技术的一些实施例中，上述基于单幅图像的司机疲劳驾驶低耗识别装置，获取的样本包括正训练样本和负训练样本。其中，正训练样本为司机疲劳驾驶的图像，负训练样本为司机非疲劳驾驶的图像。正训练样本和负训练样本使得样本图像更加完整，通过正训练样本和负训练样本训练司机疲劳驾驶决策模型，可以使得司机疲劳驾驶决策模型对待检测图像进行识别后，得到的识别结果更加准确。在本专利技术的一些实施例中，上述图像判断模块包括：空间距离计算单元，用于计算待检测图像和样本的空间距离，以得到计算结果。判别单元，用于根据计算结果，多次查询空间距离与待检测图像的空间距离邻近的不同数量的样本及其类别，以得到多个判别结果。比较单元，用于比较多个判别结果，得到比较结果。判断单元，用于根据比较结果判断待检测图像是否为司机疲劳驾驶的图像。通过上述各单元的配合，可以实现对待检测图像的二次判定，使得对待检测图像的判断更准确。第三方面，本申请实施例提供一种电子设备，其包括存储器，用于存储一个或多个程序；处理器。当一个或多个程序被处理器执行时，实现如上述第一方面中任一项的方法。第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述第一方面中任一项的方法。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1为本专利技术实施例提供的一种基于单幅图像的司机疲劳驾驶低耗识别方法的流程图；图2为本专利技术实施例提供的一种基于单幅图像本文档来自技高网...

【技术保护点】
1.一种基于单幅图像的司机疲劳驾驶低耗识别方法，其特征在于，包括如下步骤：/n获取待检测图像，所述待检测图像为单幅图像；/n将所述待检测图像输入至预先建立好的司机疲劳驾驶决策模型，以得到识别结果；/n根据所述识别结果判断所述待检测图像是否为司机疲劳驾驶的图像。/n

【技术特征摘要】
1.一种基于单幅图像的司机疲劳驾驶低耗识别方法，其特征在于，包括如下步骤：
获取待检测图像，所述待检测图像为单幅图像；
将所述待检测图像输入至预先建立好的司机疲劳驾驶决策模型，以得到识别结果；
根据所述识别结果判断所述待检测图像是否为司机疲劳驾驶的图像。


2.根据权利要求1所述的基于单幅图像的司机疲劳驾驶低耗识别方法，其特征在于，获取所述待检测图像的步骤之后，所述方法还包括：
利用最小二乘滤波器对所述待检测图像进行过滤，以得到所述待检测图像的多个尺度图像；
对不同所述尺度图像进行计算，以得到多个细节信息；
将所述细节信息加权到所述待检测图像中，以得到加强图像。


3.根据权利要求1所述的基于单幅图像的司机疲劳驾驶低耗识别方法，其特征在于，将所述待检测图像输入至预先建立好的疲劳驾驶决策模型的步骤之前，所述方法还包括：
建立初始模型；
获取样本，并对所述样本进行高斯模糊处理，得到模糊图像；
对所述模糊图像和所述样本分别进行减法处理，以得到不同的细节信息；
将多个所述细节信息加权到原图中，得到样本加强图像；
提取每个所述样本加强图像的SIFT特征，以得到图像的表征结果；
根据所述表征结果训练所述初始模型，以得到训练好的司机疲劳驾驶决策模型。


4.根据权利要求3所述的基于单幅图像的司机疲劳驾驶低耗识别方法，其特征在于，所述样本包括正训练样本和负训练样本，所述正训练样本为司机疲劳驾驶的图像，所述负训练样本为司机非疲劳驾驶的图像。


5.根据权利要求3所述的基于单幅图像的司机疲劳驾驶低耗识别方法，其特征在于，根据所述识别结果判断所述待检测图像是否为司机疲劳驾驶的图像的步骤包括：
计算所述待检测图像和所述样本的空间距离，以得到计算结果；
根据所述计算结果，多次查询所述空间距离与所述待检测图像的空间距离邻近的不同数量的所述样...

【专利技术属性】
技术研发人员：王阳，
申请(专利权)人：北京惠朗时代科技有限公司，
类型：发明
国别省市：北京;11