【技术实现步骤摘要】
本专利技术主要涉及交通管理，具体涉及一种基于深度学习的醉酒驾驶行为识别方法。
技术介绍
1、醉酒驾驶是交通安全巨大隐患之一，目前我国最常见的醉酒驾驶识别方式是由交警在路口设置检查点，通过酒精检测仪器对可疑车辆拦车检查，但该方法只能实现抽样检查，无法实时全面监测驾驶员酒后驾驶情况，且对人力、物力和财力的消耗较大，因此，车内智能醉酒识别程序重要性日益增强，醉酒驾驶行为识别算法作为智能醉酒识别程序的核心成为相关学者的主要研究方向之一。
2、我国对醉酒驾驶检测系统的研究起步较晚，技术上仍存在较大差距，目前还未开发出成熟系统应用于车辆之中，对醉酒驾驶识别算法深入研究任重而道远。辛嵩等人首先存储正常状态下驾驶者面部信息，然后通过多任务卷积神经网络提取监测到的面部图像，返回面部位置信息，用于全梯度下降树面部特征点提取，将提取到的面部状态与正常状态比较，根据阈值识别醉酒驾驶行为。娄平等人改进卷积神经网络构建多任务卷积神经网络模型，用以提取面部区域，依据面部比例关系定位细节区域，通过ghost模块轻量化alexnet分类检测各区域状态，根据阈...
【技术保护点】
1.一种基于深度学习的醉酒驾驶行为识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于深度学习的醉酒驾驶行为识别方法，其特征在于，所述步骤二中对饱和度分量S进行处理的方法为：首先将饱和度归一化处理，然后依据其值高低将其划分为[0,0.25)、[0.25,0.50)、[0.50,0.75)和(0.75,1]四个区间，最后对低饱和度区域适当提升，高饱和度区域适当降低或保持不断。
3.根据权利要求2所述的一种基于深度学习的醉酒驾驶行为识别方法，其特征在于，所述步骤二中对低饱和度区域适当提升和对高饱和度区域适当降低或保持不断采用分段对
【技术特征摘要】
1.一种基于深度学习的醉酒驾驶行为识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于深度学习的醉酒驾驶行为识别方法，其特征在于，所述步骤二中对饱和度分量s进行处理的方法为：首先将饱和度归一化处理，然后依据其值高低将其划分为[0,0.25)、[0.25,0.50)、[0.50,0.75)和(0.75,1]四个区间，最后对低饱和度区域适当提升，高饱和度区域适当降低或保持不断。
3.根据权利要求2所述的一种基于深度学习的醉酒驾驶行为识别方法，其特征在于，所述步骤二中对低饱和度区域适当提升和对高饱和度区域适当降低或保持不断采用分段对数变换增强方法：
4.根据权利要求1所述的一种基于深度学习的醉酒驾驶行为识别方法，其特征在于，所述步骤二中对色调分量进行msr算法增强的具体流程如下：
5.根据权利要求4所述的一种基于深度学习的醉酒驾驶行为识别方法，其特征在于，所述步骤step1中，r(x,y)采用的公式为：
6.根据权利要求1所述的一种基于深度学习的醉酒驾驶行为识别方...
【专利技术属性】
技术研发人员：张海民，张在良，张友莹，张佳乐，
申请(专利权)人：安徽信息工程学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。