-
公开(公告)号：CN117789181B
公开(公告)日：2024-06-04
申请号：CN202410210718.7
申请日：2024-02-27
Applicant: 暨南大学
IPC: G06V20/59 , G06N3/0464 , G06V10/82 , G06V40/16
Abstract: 本发明涉及汽车安全驾驶技术领域，特别是涉及基于轻量级神经网络图像增强的驾驶疲劳检测方法与系统，方法包括：实时采集驾驶舱内驾驶人的动态图像，对动态图像进行增强处理；通过轻量化快速人脸检测器捕捉增强处理后的动态图像中驾驶人的人脸图像流；将人脸图像流输入预设的人脸关键特征点提取网络模型中，提取人脸图像流的每一帧图像的人脸关键特征点，其中，人脸关键特征点提取网络模型通过构建并训练重参数化轻量级卷积网络获得；基于人脸关键特征点判断驾驶人是否存在面部疲劳特征，在检测出存在面部疲劳特征时确定驾驶人存在疲劳驾驶。本发明能够实时、高效、低功耗、安全地处理数据图像数据并分析，及时对驾驶人的状态进行预警。
-
公开(公告)号：CN117789181A
公开(公告)日：2024-03-29
申请号：CN202410210718.7
申请日：2024-02-27
Applicant: 暨南大学
IPC: G06V20/59 , G06N3/0464 , G06V10/82 , G06V40/16
Abstract: 本发明涉及汽车安全驾驶技术领域，特别是涉及基于轻量级神经网络图像增强的驾驶疲劳检测方法与系统，方法包括：实时采集驾驶舱内驾驶人的动态图像，对动态图像进行增强处理；通过轻量化快速人脸检测器捕捉增强处理后的动态图像中驾驶人的人脸图像流；将人脸图像流输入预设的人脸关键特征点提取网络模型中，提取人脸图像流的每一帧图像的人脸关键特征点，其中，人脸关键特征点提取网络模型通过构建并训练重参数化轻量级卷积网络获得；基于人脸关键特征点判断驾驶人是否存在面部疲劳特征，在检测出存在面部疲劳特征时确定驾驶人存在疲劳驾驶。本发明能够实时、高效、低功耗、安全地处理数据图像数据并分析，及时对驾驶人的状态进行预警。
-
公开(公告)号：CN115457265B
公开(公告)日：2023-08-01
申请号：CN202211028300.1
申请日：2022-08-25
Applicant: 暨南大学
Abstract: 本发明涉及图像处理领域，公开了一种基于生成对抗网络和多尺度融合的图像去雾方法及系统，方法包括：构建包括第一去雾单元和第二去雾单元的图像去雾模型；将真实有雾图像输入训练好的图像去雾模型，通过第一去雾单元对真实有雾图像进行暗通道先验去雾处理，得到第一传输映射图像和第一去雾图像；通过第二去雾单元对第一传输映射图像和第一去雾图像进行特征细化处理，得到第二传输映射图像和第二去雾图像；并对第二传输映射图像进行物理去雾处理，得到第三去雾图像；对第二去雾图像和第三去雾图像进行图像融合，得到最终的无雾图像。本发明结合了基于物理模型先验方法和基于深度学习方法对图像进行去雾处理，提高了去雾精度和效率。
-
公开(公告)号：CN115457265A
公开(公告)日：2022-12-09
申请号：CN202211028300.1
申请日：2022-08-25
Applicant: 暨南大学
Abstract: 本发明涉及图像处理领域，公开了一种基于生成对抗网络和多尺度融合的图像去雾方法及系统，方法包括：构建包括第一去雾单元和第二去雾单元的图像去雾模型；将真实有雾图像输入训练好的图像去雾模型，通过第一去雾单元对真实有雾图像进行暗通道先验去雾处理，得到第一传输映射图像和第一去雾图像；通过第二去雾单元对第一传输映射图像和第一去雾图像进行特征细化处理，得到第二传输映射图像和第二去雾图像；并对第二传输映射图像进行物理去雾处理，得到第三去雾图像；对第二去雾图像和第三去雾图像进行图像融合，得到最终的无雾图像。本发明结合了基于物理模型先验方法和基于深度学习方法对图像进行去雾处理，提高了去雾精度和效率。
-
-
-
Search Results
4
records
(took 0.016 seconds)
