基于深度学习零参考深度曲线估计算法的低光图像增强及夜间疲劳驾驶检测方法技术

本发明专利技术公开了一种基于深度学习零参考深度曲线估计算法的低光图像增强及夜间疲劳驾驶检测方法，包括如下步骤：(1)实时采集图像；(2)通过Zero‑DCE低光图像增强的零参考深度曲线估计算法处理图像；(3)通过损失函数计算输入图像在RGB颜色空间上的平均值，并计算该平均值与实现的图像在现实中的图像相似度；通过计算红绿、红蓝、绿蓝三个颜色通道的差异，取平方后求和再开方，得到总的颜色差异；(4)计算图像亮度，调整图像曝光度；对图片进行归一化处理，并提供照明平滑损失确保增强后的图像没有剧烈的变化；(5)采用低光照数据集对弱光条件下图像增强算法进行训练和评估。本发明专利技术能够充分增强图像锐度、色彩饱和度、图像亮度、PSNR值及SSIM值。

【技术实现步骤摘要】

本专利技术涉及图像处理领域，具体涉及一种基于深度学习零参考深度曲线估计算法的低光图像增强及夜间疲劳驾驶检测方法。

技术介绍

1、随着车辆在生活中日益普及，交通事故频繁威胁着人们的生命及财产安全。据统计由于疲劳驾驶引发的交通事故占总交通事故的21％，死亡率高达83％。其中，夜间人们更容易出现神经和视觉疲劳，容易导致判断失误、处理不当从而引发交通事故。由于传统的疲劳检测系统存在着外界光线变化而引入大量噪声，造成捕捉图像质量差、特征提取不清晰、识别准确率下降，引起系统判别检测不准确，提醒不及时等问题。使得传统的疲劳驾驶检测系统在夜间检测失去准确性、实时性，从而给夜间驾驶员带来安全隐患。

技术实现思路

1、专利技术目的：针对现有技术存在的问题，本专利技术提出一种基于深度学习零参考深度曲线估计算法的低光图像增强及夜间疲劳驾驶检测方法，实现了多模态全方位高精度的疲劳驾驶检测目的。

2、技术方案：一种基于深度学习零参考深度曲线估计算法的低光图像增强及夜间疲劳驾驶检测方法，包括如下步骤：>

3、(1)实本文档来自技高网...

【技术保护点】

1.一种基于深度学习零参考深度曲线估计算法的低光图像增强及夜间疲劳驾驶检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的低光图像增强及夜间疲劳驾驶检测方法，其特征在于，步骤(1)中，基于计算机视觉库OpenCV实时采集图像数据。

3.根据权利要求1所述的低光图像增强及夜间疲劳驾驶检测方法，其特征在于，步骤(3)中，所述颜色恒等误差如下：

4.根据权利要求1所述的低光图像增强及夜间疲劳驾驶检测方法，其特征在于，步骤(3)中，所述曝光控制误差如下：

5.根据权利要求1所述的低光图像增强及夜间疲劳驾驶检测方法，其特征在于，步骤(3)中...

【技术特征摘要】

1.一种基于深度学习零参考深度曲线估计算法的低光图像增强及夜间疲劳驾驶检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的低光图像增强及夜间疲劳驾驶检测方法，其特征在于，步骤(1)中，基于计算机视觉库opencv实时采集图像数据。

3.根据权利要求1所述的低光图像增强及夜间疲劳驾驶检测方法，其特征在于，步骤(3)中，所述颜色恒等误差如下：

4.根据权利要求1所述的低光图像增强及夜间疲劳驾驶检测方法，其特征在于，步骤(3)中，所述曝光控制误差如下：

5.根据权利要求1所述的低光图像增强及夜间疲劳驾驶检测方法，其特征在于，步骤(3)中，所述可调节的光照平滑...

【专利技术属性】
技术研发人员：陈志文，胡亚鹏，赵雪峰，
申请(专利权)人：江苏海洋大学，
类型：发明
国别省市：