本發(fā)明涉及汽車安全領(lǐng)域，尤其涉及一種行車危險識別方法和系統(tǒng)。
背景技術(shù)：
：隨著人們生活水平的日益改善，機動車逐漸成為人們出行的必要交通工具。交通事故成為威脅人類生命安全的重要因素之一，因此，汽車行駛安全問題也越來越受關(guān)注。尤其是駕駛員自身原因，例如，疲勞駕駛成為造成交通事故的主要原因。另外，行經(jīng)偏僻路段或是深夜獨自行車也可能會發(fā)生異常劫車事件，給駕駛?cè)藛T造成人身財產(chǎn)安全。因此，如何有效的識別行車危險，保證駕駛?cè)税踩蔀槟壳爸饕鉀Q的技術(shù)問題。技術(shù)實現(xiàn)要素：有鑒于此，本發(fā)明公開了一種行車危險識別方法和系統(tǒng)，能夠通過駕駛?cè)嗣娌勘砬榈淖R別，有效判別出有行車危險發(fā)生，進(jìn)而保證駕駛?cè)说男熊嚢踩?。本發(fā)明公開了一種行車危險識別方法，包括：獲取駕駛?cè)说腘張面部圖像，其中N大于等于2；分別對N張所述面部圖像進(jìn)行預(yù)處理；其中所述預(yù)處理包括：降噪處理和基于正則化自適應(yīng)圖像超分辨率重建算法的增強處理；分別對預(yù)處理后的N張所述面部圖像進(jìn)行邊緣檢測，獲得眉毛、眼睛和嘴部特征；判斷N張所述面部圖像中眉毛、眼睛和嘴部特征是否滿足行車危險的判別條件；若N張所述面部圖像中眉毛、眼睛和嘴部特征滿足行車危險的判別條件，發(fā)送緊急處理信號，以便對行車危險進(jìn)行相應(yīng)處理。優(yōu)選的，分別對N張所述面部圖像進(jìn)行基于正則化自適應(yīng)圖像超分辨率重建算法的增強處理，包括：用插值法分別對N張所述面部圖像進(jìn)行上采樣；分別對上采樣后的N張所述面部圖像進(jìn)行分塊處理；基于正則化參數(shù)自適應(yīng)模型，分別對每張面部圖像的圖像塊進(jìn)行稀疏表示，以獲得各個圖像塊的最優(yōu)解；根據(jù)所述各個圖像塊的最優(yōu)解重建每張面部圖像的圖像塊；合并重建后的面部圖像的圖像塊，以獲得增強后的面部圖像。優(yōu)選的，所述判斷N張所述面部圖像的眉毛、眼睛和嘴部特征是否滿足行車危險的判別條件，包括：判斷N張所述面部圖像的眉毛、眼睛和嘴部特征是否同時滿足第一驚恐判別條件和第二驚恐判別條件；其中，所述若N張所述面部圖像的眉毛、眼睛和嘴部特征滿足行車危險的判別條件，發(fā)送緊急處理信號，以便對行車危險進(jìn)行相應(yīng)處理為：若N張所述面部圖像的眉毛、眼睛和嘴部特征同時滿足第一驚恐判別條件和第二驚恐判別條件，發(fā)送遠(yuǎn)程報警信號。優(yōu)選的，所述判斷N張所述面部圖像的眉毛、眼睛和嘴部特征是否同時滿足第一驚恐判別條件和第二驚恐判別條件，包括：分別計算每張所述面部圖像中眉毛中心特征點與所述眼睛瞳孔中心的距離和兩個眉毛中心特征點的距離；分別判斷每張面部圖像中眉毛中心特征點與眼睛瞳孔中心的距離是否大于第一預(yù)設(shè)值，并且兩個眉毛中心特征點的距離是否小于第二預(yù)設(shè)值；若滿足所述眉毛中心特征點與眼睛瞳孔中心的距離大于第一預(yù)設(shè)值，并且兩個眉毛中心特征點的距離小于第二預(yù)設(shè)值的面部圖像的個數(shù)大于第三預(yù)設(shè)值，判定N張所述面部圖像的眉毛、眼睛特征滿足第一驚恐判別條件；分別計算每張面部圖像中眼睛的邊緣特征點與瞳孔中心距離的平均值；分別判斷每張面部圖像中眼睛的邊緣特征點與瞳孔中心距離的平均值是否大于平靜狀態(tài)下的平均距離；若滿足眼睛的邊緣特征點與瞳孔中心距離的平均值大于平靜狀態(tài)下的平均距離的面部圖像的個數(shù)大于第三預(yù)設(shè)值，判定N張所述面部圖像的眼睛特征滿足第二驚恐判別條件。優(yōu)選的，所述判斷N張所述面部圖像的眉毛、眼睛和嘴部特征是否滿足行車危險的判別條件，包括：判斷N張所述面部圖像的眉毛、眼睛和嘴部特征是否同時滿足第一疲勞判別條件和第二疲勞判別條件；其中，所述若N張所述面部圖像的眉毛、眼睛和嘴部特征滿足行車危險的判別條件，發(fā)送緊急處理信號，以便對行車危險進(jìn)行相應(yīng)處理為：若N張所述面部圖像的眉毛、眼睛和嘴部特征同時滿足第一疲勞判別條件和第二疲勞判別條件，發(fā)送語音提示信號。優(yōu)選的，所述判斷N張所述面部圖像的眉毛、眼睛和嘴部特征是否同時滿足第一疲勞判別條件和第二疲勞判別條件，包括：分別對每張面部圖像中的眼睛瞳孔處的特征點進(jìn)行提??；判斷能提取到眼睛瞳孔處的特征點的面部圖像的個數(shù)是否小于第三預(yù)設(shè)值；若能提取到眼睛瞳孔處的特征點的面部圖像的個數(shù)小于第三預(yù)設(shè)值，判定N張所述面部圖像的眼睛特征滿足第一疲勞判別條件；分別計算每張面部圖像中嘴部上唇中心特征點與下唇中心特征點的距離；分別判別每張面部圖像中嘴部上唇中心特征點與下唇中心特征點的距離是否大于第四預(yù)設(shè)值；若滿足嘴部上唇中心特征點與下唇中心特征點的距離大于第四預(yù)設(shè)值的面部圖像的個數(shù)大于第三預(yù)設(shè)值，判定N張所述面部圖像的嘴部特征滿足第二疲勞判別條件。優(yōu)選的，所述分別對預(yù)處理后的N張面部圖像進(jìn)行邊緣檢測，獲得眉毛、眼睛和嘴部特征，包括：利用Susan算法分別對預(yù)處理后的N張面部圖像進(jìn)行邊緣檢測，獲得眉毛、眼睛和嘴部特征。優(yōu)選的，所述分別對N張所述面部圖像進(jìn)行預(yù)處理，包括：利用中值濾波法分別對N張所述面部圖像進(jìn)行降噪處理。優(yōu)選的，所述判斷N張所述面部圖像中眉毛、眼睛和嘴部特征是否滿足行車危險的判別條件之前，還包括：基于匹配模型判斷N張所述面部圖像中的眉毛、眼睛和嘴部特征是否為同一駕駛?cè)说拿娌刻卣鳎蝗鬘張所述面部圖像中的眉毛、眼睛和嘴部特征為同一駕駛?cè)说拿娌刻卣?，?zhí)行判斷N張所述面部圖像中眉毛、眼睛和嘴部特征是否滿足行車危險的判別條件。優(yōu)選的，所述基于匹配模型判斷N張所述面部圖像中的眉毛、眼睛和嘴部特征是否為同一駕駛?cè)说拿娌刻卣?，包括：分別計算N張所述面部圖像中兩眼睛瞳孔的特征點之間的距離，以及嘴部中心點分別與兩瞳孔特征點的距離，以建立一個三角比例模型；判斷N張所述面部圖像中三角比例是否匹配；若N張所述面部圖像中三角比例匹配，認(rèn)為N張面部圖像中的面部特征為同一駕駛?cè)说拿娌刻卣?，?zhí)行判斷N張所述面部表情的眉毛、眼睛和嘴部特征是否滿足行車危險的判別條件；若N張所述面部圖像中三角比例不匹配，認(rèn)為N張面部圖像中的面部特征不是同一駕駛?cè)说拿娌刻卣?，?zhí)行獲取駕駛?cè)说亩鄰埫娌繄D像。本發(fā)明公開了一種行車危險識別系統(tǒng)，包括：圖像采集模塊、人臉表情識別模塊和緊急處理模塊；其中，所述圖像采集模塊用于采集駕駛?cè)说拿娌繄D像；所述人臉表情識別模塊用于采用權(quán)利要求1～10任意一項的行車危險識別方法對駕駛?cè)说拿娌勘砬檫M(jìn)行識別，并發(fā)送緊急處理信號給所述緊急處理模塊；所述緊急處理模塊根據(jù)接收到緊急處理信號對行車危險進(jìn)行緊急處理。優(yōu)選的，所述圖像采集模塊，包括：攝像裝置和補光燈；其中，所述攝像裝置用于對駕駛?cè)说拿娌繀^(qū)域進(jìn)行攝像；所述補光燈用于在車內(nèi)亮度值小于預(yù)設(shè)的參考值時開啟，以便為所述攝像裝置提供充足光源。優(yōu)選的，所述緊急處理模塊，包括：語音設(shè)備；其中，所述語音設(shè)備用于接收所述人臉表情識別模塊發(fā)送的語音提示信號，并根據(jù)所述語音提示信號播放提示語音。優(yōu)選的，所述緊急處理模塊，包括：GPS定位終端和遠(yuǎn)程通信模塊；其中，所述遠(yuǎn)程通信模塊用于接收所述人臉表情識別模塊發(fā)送的遠(yuǎn)程報警信號，并且獲取所述GPS定位終端的位置信息，并將攜帶有所述位置信息的報警信息發(fā)送至報警平臺。相對于現(xiàn)有技術(shù)，本發(fā)明的有益效果是：本發(fā)明通過獲取駕駛?cè)说亩鄰埫娌繄D像，并分別對多張所述面部圖像進(jìn)行降噪處理和基于正則化自適應(yīng)圖像超分辨率重建算法的增強處理，以便提高特征點提取的準(zhǔn)確性；再對預(yù)處理后的面部圖像進(jìn)行邊緣檢測，獲得眉毛、眼睛和嘴部特征，當(dāng)所述面部圖像中的眉毛、眼睛和嘴部特征滿足行車危險的判別條件時，能夠有效地識別出駕駛?cè)擞龅叫熊囄ｋU時的面部表情，從而判別到有危險行車情況；最后通過發(fā)送緊急處理信號對行車危險進(jìn)行相應(yīng)處理，從而保證駕駛?cè)说男熊嚢踩８綀D說明為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)提供的附圖獲得其他的附圖。圖1本發(fā)明實施例公開的一種行車危險識別方法的流程圖；圖2本發(fā)明另一實施例公開的一種行車危險識別方法的流程圖；圖3本發(fā)明另一實施例公開的一種行車危險識別方法的流程圖；圖4本發(fā)明實施例公開的一種行車危險識別系統(tǒng)的結(jié)構(gòu)圖。具體實施方式下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護(hù)的范圍。本發(fā)明公開了一種行車危險識別方法，參見圖1，所述方法，包括：步驟S101、獲取駕駛?cè)说腘張面部圖像，其中N大于等于2；其中，所述N張面部圖像是從拍攝的視頻中按照固定頻率進(jìn)行獲取的；為保證駕駛?cè)嗣娌勘砬樽R別的準(zhǔn)確性，需要對多張駕駛?cè)说拿娌繄D像進(jìn)行識別，所述N需要大于等于2；由于駕駛?cè)说哪骋环N面部表情一般會持續(xù)幾秒鐘，在這段時間內(nèi)拍攝的圖像中獲取的圖像的個數(shù)越多，駕駛?cè)嗣娌勘砬榈淖R別就越準(zhǔn)確；步驟S102、分別對N張所述面部圖像進(jìn)行預(yù)處理；其中所述預(yù)處理包括：降噪處理和基于正則化自適應(yīng)圖像超分辨率重建算法的增強處理；其中，利用中值濾波法分別對N張所述面部圖像進(jìn)行降噪處理，以便對面部圖像中的噪點進(jìn)行優(yōu)化和消除；利用基于正則化自適應(yīng)圖像超分辨率重建算法分別對N張所述面部圖像進(jìn)行增強處理，能夠增強面部圖像的質(zhì)量；步驟S103、分別對預(yù)處理后的N張所述面部圖像進(jìn)行邊緣檢測，獲得眉毛、眼睛和嘴部特征；其中，所述邊緣檢測的目的是標(biāo)識面部圖像中亮度變化明顯的點，保留圖像重要的結(jié)構(gòu)屬性，也就是眉毛、眼睛和嘴部的特征；利用Susan算法對面部圖像進(jìn)行邊緣檢測的過程如下：首先對面部圖像進(jìn)行3*3圖像塊的分割，并對每個圖像塊在x，y方向分別建立一階差分ΔxK(m，n)、ΔyK(m，n)，構(gòu)建梯度向量函數(shù)：G[K(m,n)]=ΔxK(m,n)ΔyK(m,n)]]>然后使用閾值法即梯度的最大值來估計邊緣，取點K(x，y)處的梯度最大值G[K(x，y)]，并給出梯度圖像p(x，y)＝G[K(x，y)]，由于平滑區(qū)內(nèi)的點梯度值小于其他區(qū)域，因此在此區(qū)域可以用K(x，y)代替G[K(x，y)]，聯(lián)立兩式得出邊緣識別的算法：其中，T為閾值；正常情況下，邊緣分割最優(yōu)閾值T分布在0.1至0.6之間，在此范圍內(nèi)調(diào)整不同閾值T產(chǎn)生的二值化灰度圖像中通過搜索到眼睛、眉毛、嘴部位的黑塊來確定最優(yōu)的閾值，此時的黑塊坐標(biāo)即可定位出眉毛、眼睛、嘴的位置，分別在數(shù)學(xué)坐標(biāo)中做好標(biāo)定；步驟S104、判斷N張所述面部圖像中眉毛、眼睛和嘴部特征是否滿足行車危險的判別條件；若N張所述面部圖像中眉毛、眼睛和嘴部特征滿足行車危險的判別條件，執(zhí)行步驟S105，否則，執(zhí)行步驟S101；其中，行車危險的判別條件包括疲勞判別條件、驚恐判別條件，而疲勞判別條件包括第一疲勞判別條件和第二疲勞判別條件；驚恐判別條件包括第一驚恐判別條件和第二驚恐判別條件；也就是說本發(fā)明能夠?qū)︸{駛?cè)似诤腕@恐兩種面部表情進(jìn)行識別；步驟S105、發(fā)送緊急處理信號，以便對行車危險進(jìn)行相應(yīng)處理。其中，針對識別出駕駛?cè)瞬煌拿娌勘砬榘l(fā)送不同的緊急處理信息，如果面部表情特征為疲勞，發(fā)送語音提示信號，如果面部表情特征為驚恐，發(fā)送遠(yuǎn)程報警信號，以便針對不同行車危險做應(yīng)對處理。本實施例中，通過獲取駕駛?cè)说亩鄰埫娌繄D像，并分別對多張所述面部圖像進(jìn)行降噪處理和基于正則化自適應(yīng)圖像超分辨率重建算法的增強處理，以便提高特征點提取的準(zhǔn)確性；再對預(yù)處理后的面部圖像進(jìn)行邊緣檢測，獲得眉毛、眼睛和嘴部特征，當(dāng)所述面部圖像中的眉毛、眼睛和嘴部特征滿足行車危險的判別條件時，能夠有效地識別出駕駛?cè)擞龅叫熊囄ｋU時的面部表情，從而判別到有危險行車情況；最后通過發(fā)送緊急處理信號對行車危險進(jìn)行相應(yīng)處理，從而保證駕駛?cè)说男熊嚢踩?。?yōu)選的，另一實施例中，公開了一種行車危險識別方法，參見圖2，包括：步驟S201、獲取駕駛?cè)说腘張面部圖像，其中N大于等于2；步驟S202、分別對N張所述面部圖像進(jìn)行降噪處理和基于正則化自適應(yīng)圖像超分辨率重建算法的增強處理；步驟S203、分別對預(yù)處理后的N張所述面部圖像進(jìn)行邊緣檢測，獲得眉毛、眼睛和嘴部特征；步驟S204、分別計算N張所述面部圖像中兩眼睛瞳孔的特征點之間的距離，以及嘴部中心點分別與兩瞳孔特征點的距離，以建立一個三角比例模型；步驟S205、判斷N張所述面部圖像中三角比例是否匹配；若N張所述面部圖像中三角比例匹配，認(rèn)為N張面部圖像中的面部特征為同一駕駛?cè)说拿娌刻卣鳎瑘?zhí)行步驟S206，否則，執(zhí)行步驟S201；步驟S206、分別計算每張所述面部圖像中眉毛中心特征點與所述眼睛瞳孔中心的距離和兩個眉毛中心特征點的距離；步驟S207、分別判斷每張面部圖像中眉毛中心特征點與眼睛瞳孔中心的距離是否大于第一預(yù)設(shè)值，并且兩個眉毛中心特征點的距離是否小于第二預(yù)設(shè)值；若滿足所述眉毛中心特征點與眼睛瞳孔中心的距離大于第一預(yù)設(shè)值，并且兩個眉毛中心特征點的距離小于第二預(yù)設(shè)值的面部圖像的個數(shù)大于第三預(yù)設(shè)值，執(zhí)行步驟S208，否則，執(zhí)行步驟S201；步驟S208、判定N張所述面部圖像的眉毛、眼睛特征滿足第一驚恐判別條件；步驟S209、分別計算每張面部圖像中眼睛的邊緣特征點與瞳孔中心距離的平均值；步驟S210、分別判斷每張面部圖像中眼睛的邊緣特征點與瞳孔中心距離的平均值是否大于平靜狀態(tài)下的平均距離；若滿足眼睛的邊緣特征點與瞳孔中心距離的平均值大于平靜狀態(tài)下的平均距離的面部圖像的個數(shù)大于第三預(yù)設(shè)值，執(zhí)行步驟S211，否則，執(zhí)行步驟S201；步驟S211、判定N張所述面部圖像的眼睛特征滿足第二驚恐判別條件；步驟S212、發(fā)送遠(yuǎn)程報警信號。需要說明的，步驟S206～S208第一驚恐條件判別和步驟S209～S211第二驚恐條件判別僅代表本實施例的一種執(zhí)行順序，也可以先執(zhí)行步驟S209～S211的動作再執(zhí)行S206～S208的動作。本實例中，根據(jù)獲得的駕駛?cè)嗣济?、眼睛和嘴部特征，先通過計算N張面部圖像中兩眼睛瞳孔的特征點之間的距離，以及嘴部中心點分別與兩瞳孔特征點的距離，以建立一個三角比例模型，當(dāng)N張面部圖像中三角比例匹配，認(rèn)為N張面部圖像中的面部特征為同一駕駛?cè)说拿娌刻卣?，再進(jìn)行面部表情識別，否則重新獲取N張駕駛?cè)说拿娌繄D像，直至判斷到N張面部圖像為同一駕駛?cè)说拿娌刻卣?。而對于駕駛?cè)颂幱隗@恐駕駛狀態(tài)的識別，主要是分析駕駛?cè)嗣济行牟课惶卣鼽c與眼睛瞳孔中心的距離增大，并且兩邊眉毛中心特征點向中間收縮，而且還要滿足獲取的N張面部圖像中出現(xiàn)上述兩種情況的頻率較高，則認(rèn)為N張所述面部圖像的眼睛特征滿足第一驚恐判別條件；如果駕駛?cè)说难鄄窟吘壍奶卣鼽c向四周擴散，并且N張面部圖像中出現(xiàn)上述情況的頻率較高，說明N張所述面部圖像的眼睛特征滿足第二驚恐判別條件；只有獲取的N張面部圖像同時滿足第一驚恐判別條件和第二驚恐判別條件，才能判定此時駕駛?cè)颂幱隗@恐狀態(tài)，可能處于劫持等危險中；最后發(fā)送遠(yuǎn)程報警信號至報警平臺，以便及時報警，對險情進(jìn)行處理。優(yōu)選的，另一實施例中，公開了一種行車危險識別方法，參見圖3，包括：步驟S301、獲取駕駛?cè)说腘張面部圖像，其中N大于等于2；步驟S302、分別對N張所述面部圖像進(jìn)行降噪處理和基于正則化自適應(yīng)圖像超分辨率重建算法的增強處理；步驟S303、分別對預(yù)處理后的N張所述面部圖像進(jìn)行邊緣檢測，獲得眉毛、眼睛和嘴部特征；步驟S304、分別計算N張所述面部圖像中兩眼睛瞳孔的特征點之間的距離，以及嘴部中心點分別與兩瞳孔特征點的距離，以建立一個三角比例模型；步驟S305、判斷N張所述面部圖像中三角比例是否匹配；若N張所述面部圖像中三角比例匹配，認(rèn)為N張面部圖像中的面部特征為同一駕駛?cè)说拿娌刻卣鳎瑘?zhí)行步驟S306；否則，執(zhí)行步驟S301；步驟S306、分別對每張面部圖像中的眼睛瞳孔處的特征點進(jìn)行提??；步驟S307、判斷能提取到眼睛瞳孔處的特征點的面部圖像的個數(shù)是否小于第三預(yù)設(shè)值；若能提取到眼睛瞳孔處的特征點的面部圖像的個數(shù)小于第三預(yù)設(shè)值，執(zhí)行步驟S308，否則、執(zhí)行步驟S301；步驟S308、判定N張所述面部圖像的眼睛特征滿足第一疲勞判別條件；步驟S309、分別計算每張面部圖像中嘴部上唇中心特征點與下唇中心特征點的距離；步驟S310、分別判別每張面部圖像中嘴部上唇中心特征點與下唇中心特征點的距離是否大于第四預(yù)設(shè)值；若滿足嘴部上唇中心特征點與下唇中心特征點的距離大于第四預(yù)設(shè)值的面部圖像的個數(shù)大于第三預(yù)設(shè)值，執(zhí)行步驟S311，否則，執(zhí)行步驟S301；步驟S311、判定N張所述面部圖像的嘴部特征滿足第二疲勞判別條件；步驟S312、發(fā)送語音提示信號。需要說明的是，步驟S306～S308第一疲勞條件判別和步驟S309～S311第二疲勞條件判別僅代表本實施例的一種執(zhí)行順序，也可以先執(zhí)行步驟S309～S311的動作再執(zhí)行S306～S308的動作。本實施例中，根據(jù)獲得的駕駛?cè)嗣济?、眼睛和嘴部特征，先通過計算N張所述面部圖像中兩眼睛瞳孔的特征點之間的距離，以及嘴部中心點分別與兩瞳孔特征點的距離，以建立一個三角比例模型，當(dāng)N張所述面部圖像中三角比例匹配，認(rèn)為N張面部圖像中的面部特征為同一駕駛?cè)说拿娌刻卣?，再進(jìn)行面部表情識別，否則重新獲取N張駕駛?cè)说拿娌繄D像，直至判別到N張面部圖像為同一駕駛?cè)说拿娌繄D像。而對于駕駛?cè)颂幱谄隈{駛狀態(tài)的識別，主要是分析駕駛?cè)送滋幍奶卣鼽c高頻率消失，表明駕駛?cè)搜鄄空Ｑ垲l繁或是閉眼，此時判定N張面部圖像滿足第一疲勞判別條件；然后分析駕駛?cè)俗觳康纳洗教卣鼽c與下唇特征點的中心距離大于預(yù)設(shè)值，說明駕駛?cè)颂幱陬l繁打哈欠的狀態(tài)，此時認(rèn)為N張面部圖像滿足第二疲勞判別條件；只有獲取的N張面部圖像同時滿足第一疲勞判別條件和第二疲勞判別條件，才能判定此時駕駛?cè)颂幱谄谛熊嚑顟B(tài)；通過發(fā)送語音提示信號，提示音可以是一段音樂或是預(yù)置的提示語音，以便對駕駛?cè)诉M(jìn)行提醒，避免交通事故發(fā)生。優(yōu)選的，另一實施例中，所述分別對N張所述面部圖像進(jìn)行基于正則化自適應(yīng)圖像超分辨率重建算法的增強處理，包括：步驟S401、用插值法分別對N張所述面部圖像進(jìn)行上采樣；其中，在對面部圖像通過插值法進(jìn)行上采樣的作用是放大原始圖像，能夠進(jìn)行更高分辨率圖像處理；步驟S402、分別對上采樣后的N張所述面部圖像進(jìn)行分塊處理；步驟S403、基于正則化參數(shù)自適應(yīng)模型，分別對每張面部圖像的圖像塊進(jìn)行稀疏表示，以獲得各個圖像塊的最優(yōu)解；其中，在執(zhí)行步驟S403之前，需要對正則化參數(shù)自適應(yīng)模型的字典對Dx、Dy進(jìn)行訓(xùn)練，過程為：輸入一組HR(高分辨率)訓(xùn)練圖像{Xi}j，一組LR(低分辨率){Yi}j測試圖像和以及放大因子系數(shù)；建立HR訓(xùn)練圖像{Xi}j和LR測試圖像{Yi}j相對應(yīng)的圖像塊對P＝{X，Y}；使用拼接字典的方法訓(xùn)練高低分辨率字典對，公式如下：minDx,Dy,{αi}i=1nΣi-1n(||xi-Dxαi||22+||yi-Dyαi||22+γ||αi||1)---(1)]]>其中，γ為正則化系數(shù)，且γ>0，αi為稀疏系數(shù)；而對于正則化參數(shù)λ的獲取，包括：首先對公式(2)min{αi}||D^αi-yk^||22+λ||αi||1/21/2yk^=EykzkD^=EDyTkDx---(2)]]>進(jìn)行加權(quán)處理，得到：min{αi}||D^αi-yk^||22+λΣj=1nwiαij2---(3)]]>式中，Tk為第k次作用的圖像塊與前一次重建所得的圖像的重疊部分的矩陣，zk為前一次重建圖像重疊部分的像素值，λ為自適應(yīng)正則化參數(shù)；然后根據(jù)迭代加權(quán)最小二乘法獲得權(quán)值Wi：wi(k)＝((αij(k-1))2+ε)-3/4--(4)通過約束系所滿足的條件：其中μ為約束系數(shù)控制凸度，可以將公式(3)轉(zhuǎn)化成：λ(αi)=||D^αi-yk^||22/(1/μ-Σj=1nwiαij2)---(5)]]>通過公式(5)進(jìn)行自適應(yīng)正則化參數(shù)λ的調(diào)整；另外，基于正則化參數(shù)自適應(yīng)模型分別對每張面部圖像的圖像塊進(jìn)行稀疏表示，以獲得各個圖像塊的最優(yōu)解，公式如下：min{αi}||D^αi-yk^||22+λ||αi||1/21/2]]>可以根據(jù)求解需求進(jìn)行自適應(yīng)參數(shù)調(diào)整，根據(jù)上述公式獲得每個圖像塊對應(yīng)的最優(yōu)稀疏系數(shù)αi；步驟S404、根據(jù)所述各個圖像塊的最優(yōu)解重建每張面部圖像的圖像塊；并通過公式xi＝Dxαi，重建第i個圖像塊xi；步驟S405、合并重建后的面部圖像的圖像塊，以獲得增強后的面部圖像。本實施例中，通過正則化自適應(yīng)圖像超分辨率重建算法對N張面部圖像進(jìn)行增強處理，但增強處理的方法不限于本實施中的方法，還可以對駕駛?cè)嗣娌繄D像進(jìn)行直方圖均衡化處理，統(tǒng)計采集到的圖像中像素個數(shù)和灰度值，對像素個數(shù)多的灰度值做延展操作，對數(shù)量少的灰度值進(jìn)行歸并，從而得到增強后的面部圖像。對獲取的駕駛?cè)嗣娌繄D像進(jìn)行增強處理，可以增強面部圖像的質(zhì)量，進(jìn)而提高面部特征提取的準(zhǔn)確性?；谏鲜龇椒?，本發(fā)明公開了一種行車危險識別系統(tǒng)，參見圖4，包括：圖像采集模塊101、人臉表情識別模塊102和緊急處理模塊103；其中，所述圖像采集模塊101用于采集駕駛?cè)说拿娌繄D像；所述人臉表情識別模塊102用于采用上述實施例中公開的行車危險識別方法對駕駛?cè)说拿娌勘砬檫M(jìn)行識別，并發(fā)送緊急處理信號給所述緊急處理模塊；所述緊急處理模塊103根據(jù)接收到緊急處理信號對行車危險進(jìn)行緊急處理。優(yōu)選的，所述圖像采集模塊101包括攝像裝置104和補光燈105；其中，所述攝像裝置104用于對駕駛?cè)说拿娌繀^(qū)域進(jìn)行攝像；所述補光燈105用于在車內(nèi)亮度值小于預(yù)設(shè)的參考值時開啟，以便為所述攝像裝置提供充足光源。優(yōu)選的，所述緊急處理模塊103包括語音設(shè)備106；其中，所述語音設(shè)備106用于接收所述人臉表情識別模塊102發(fā)送的語音提示信號，并根據(jù)所述語音提示信號播放提示語音。優(yōu)選的，所述緊急處理模塊103包括GPS定位終端107和遠(yuǎn)程通信模塊108；其中，所述遠(yuǎn)程通信模塊108用于接收所述人臉表情識別模塊102發(fā)送的遠(yuǎn)程報警信號，并且獲取所述GPS定位終端107的位置信息，并將攜帶有所述位置信息的報警信息發(fā)送至報警平臺。本實施公開的行車危險識別系統(tǒng)，能夠通過攝像裝置104實時拍攝駕駛?cè)说拿娌繄D像，如果車內(nèi)光線較弱，補光燈105能自動檢測車內(nèi)亮度值，為攝像裝置104提供光源；人臉表情識別模塊102按照預(yù)設(shè)頻率獲取攝像裝置104采集的圖像，進(jìn)行面部表情的識別。當(dāng)判定駕駛?cè)说拿娌勘砬闉槠跁r，發(fā)送語音提示信號給語音設(shè)備106，所述語音設(shè)備106開始播放提前設(shè)定好的音樂或者提示音，以便提醒駕駛?cè)耍苊馐鹿拾l(fā)生；當(dāng)判定駕駛?cè)说拿娌勘砬闉轶@恐時，發(fā)送遠(yuǎn)程報警信號給遠(yuǎn)程通信模塊108，遠(yuǎn)程通信模塊108獲取GPS定位終端107的位置信息，其中位置信息包括城市名、區(qū)域名和路段名，結(jié)合車內(nèi)危險的報警信息一起發(fā)送給報警平臺，以避免駕駛?cè)说纳拓敭a(chǎn)安全受到損害。需要說明的是，本實施例公開的行車危險識別系統(tǒng)中，各個模塊的具體工作過程請參見對應(yīng)圖1、2、3的方法實施例，此處不再贅述。對所公開的實施例的上述說明，使本領(lǐng)域?qū)I(yè)技術(shù)人員能夠?qū)崿F(xiàn)或使用本發(fā)明。對這些實施例的多種修改對本領(lǐng)域的專業(yè)技術(shù)人員來說將是顯而易見的，本文中所定義的一般原理可以在不脫離本發(fā)明的精神或范圍的情況下，在其它實施例中實現(xiàn)。因此，本發(fā)明將不會被限制于本文所示的這些實施例，而是要符合與本文所公開的原理和新穎特點相一致的最寬的范圍。當(dāng)前第1頁1 2 3