本发明涉及汽车领域，具体涉及一种便携式车载智能驾驶系统。
背景技术：
在开车的过程中，司机由于长时间固定在一个位置上，再加上要高度集中精神来判断外接的消息，容易造成疲劳驾驶，不利于行车安全。因此，我们需要一种便携式车载智能驾驶系统用以解决上述问题。
技术实现要素：
针对上述问题，本发明提供了一种便携式车载智能驾驶系统，所述便携式车载智能驾驶系统包括图像获取模块、图像处理模块和报警模块；
所述图像获取模块用于获取司机的脸部图像；
所述图像处理模块用于根据所述脸部图像识别所述司机是否处于疲劳驾驶状态，若识别出所述司机处于疲劳驾驶状态，则通过所述报警模块对司机进行警示。
所述便携式车载智能驾驶系统还包括一导航模块，所述导航模块用于为司机进行路径导航。
所述报警模块包括声光报警单元，所述声光报警单元用于对所述司机进行视觉和听觉上的提醒。
所述图像处理模块包括灰度化处理单元、降噪单元、光照校正单元、分割单元、特征提取单元和识别单元；
所述灰度化处理单元用于对所述脸部图像进行灰度化处理，得到灰度化图像；
所述降噪单元用于对所述灰度化图像进行降噪处理，得到降噪图像；
所述光照校正单元用于对所述降噪图像进行光照校正，得到光照校正图像；
所述分割单元用于对所述光照校正图像进行图像分割处理，得到分割图像；
所述特征提取单元用于对所述分割图像进行特征提取，得到司机的脸部特征数据；
所述识别单元用于将所述脸部特征数据与预存的处于疲劳驾驶状态的标准特征数据进行对比，从而识别出所述司机是否处于疲劳驾驶状态。
本发明的有益效果为：本发明通过图像识别的方式对司机的脸部图像进行识别，从而判断司机是否处于疲劳驾驶状态，并在司机处于疲劳驾驶状态时对司机进行提醒，从而加强了司机的行车安全性，避免交通事故的发生。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1，为本发明一种便携式车载智能驾驶系统的一种示例性实施例图。
图2，为本发明图像处理模块的一种示例性实施例图。
图3，为本发明二维直方图的坐标轴的一种示例性实施例图。
附图标记：图像获取模块1、图像处理模块2和报警模块3、灰度化处理单元21、降噪单元22、光照校正单元23、分割单元24、特征提取单元25、识别单元26。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1，本发明的一种便携式车载智能驾驶系统，所述便携式车载智能驾驶系统包括图像获取模块1、图像处理模块2和报警模块3；
所述图像获取模块1用于获取司机的脸部图像；
所述图像处理模块2用于根据所述脸部图像识别所述司机是否处于疲劳驾驶状态，若识别出所述司机处于疲劳驾驶状态，则通过所述报警模块3对司机进行警示。
在一种实施例中，所述便携式车载智能驾驶系统还包括一导航模块，所述导航模块用于为司机进行路径导航。
在一种实施例中，所述报警模块3包括声光报警单元，所述声光报警单元用于对所述司机进行视觉和听觉上的提醒。
在一种实施例中，如图2所示，所述图像处理模块2包括灰度化处理单元21、降噪单元22、光照校正单元23、分割单元24、特征提取单元25和识别单元26；
所述灰度化处理单元21用于对所述脸部图像进行灰度化处理，得到灰度化图像；
所述降噪单元22用于对所述灰度化图像进行降噪处理，得到降噪图像；
所述光照校正单元23用于对所述降噪图像进行光照校正，得到光照校正图像；
所述分割单元24用于对所述光照校正图像进行图像分割处理，得到分割图像；
所述特征提取单元25用于对所述分割图像进行特征提取，得到司机的脸部特征数据；
所述识别单元26用于将所述脸部特征数据与预存的处于疲劳驾驶状态的标准特征数据进行对比，从而识别出所述司机是否处于疲劳驾驶状态。
在一种实施例中，所述对所述脸部图像进行灰度化处理，得到灰度化图像，包括：
使用加权平均法对所述脸部图像进行灰度化处理，得到灰度化图像。
在另一种实施例中，所述对所述脸部图像进行灰度化处理，得到灰度化图像，包括：
将所述脸部图像从rgb颜色空间转换到xyz颜色空间，获得第一转换图像；
将所述第一转换图像从xyz颜色空间转换到lab颜色空间，并将亮度分量l作为第二转换图像；
建立目标函数：
式子中，l1表示脸部图像的像素点的总数；φ1和φ2表示权重参数，φ1 φ2＝1；fi表示待求取的灰度化图像中第i个像素点的灰度值；l2表示脸部图像中第i个像素点的邻居像素点的总数，当第i个像素点为角像素点时，其邻居像素点的总数为3，当第i个像素点为边像素点时，其邻居像素点总数为6，否则，第i个像素点的邻居像素点的总数为8；ri、gi、bi表示脸部图像中第i个像素点在rgb颜色空间中的三个分量值；rj、gj、bj表示脸部图像中第i个像素点的第j个邻居像素点在rgb颜色空间中的三个分量值；ωij表示预设的灰度调整参数；ki表示在第二转换图像中，第i个像素点的灰度值；其中，脸部图像中的第i个像素点和第二转换图像中的第i个像素点的排序规则相同；
求取ti相对于fi的导数
本发明上述实施例，通过对目标函数的求解，使得灰度化图像中的对比度脸部图像中的对比度差异更小，从而有效地避免传统的灰度化处理过程中出现的对比度不准确导致细节信息丢失的问题，有效地提高了下一步进行降噪处理的准确性。
在一种实施例中，所述对所述灰度化图像进行降噪处理，得到降噪图像，包括：使用中值滤波的方式对所述灰度化图像进行降噪处理，得到降噪图像。
在另一种实施例中，所述对所述灰度化图像进行降噪处理，得到降噪图像，包括：
对所述灰度化图像进行小波分解，获得其高频系数图像hpv和低频系数图像lp；
对于hpv，使用如下的自适应函数进行处理：
式子中，ahpv表示使用自适应函数处理后的高频系数图像；v∈[h1,h2,h3]、h1、h2、h3表示小波分解中的三个高频子带图像；ya和yb表示预设的阈值参数；cz表示符号函数；zs表示高频子带图像中的噪声的方差估计值；ahpv(x,y)表示位置为(x，y)的像素点的灰度值；
对于lp，进行如下运算：
式子中，α1和α2为小波权重参数，α1 α2＝1；cx,y表示lp中位置为(x,y)的像素点的l×l大小的邻域的像素点所组成的集合；lp(i,j)表示所述邻域中位置为(i,j)的像素点的灰度值；fcx,y表示所述邻域中的像素点灰度值的方差；ha表示调节系数；avex,y表示所述邻域中的像素点灰度值的均值；alp表示运算后的低频系数图像；gsfc表示高斯滤波的方差；
式子中，cd表示尺度参数；zs2表示lp中的噪声标准差估计；fc(x,y)表示补偿函数，
式子中，max(x,y)、min(x,y)分别表示所述邻域中的灰度最大值和灰度最小值；
对alp进行小波分解，获取其高频系数图像thpv，将ahpv和thpv进行重构，获得降噪图像。
本发明上述实施例，通过设置自适应函数，可以根据灰度值和阈值的不同关系，采用不同的处理函数对高频系数图像进行处理，从而解决了现有的处理方式中存在的细节丢失和噪声去除不彻底的问题，对高频系数图像中的噪点进行了有效的处理。通过尺度参数、高斯滤波方差和噪声标准差估计对低频系数图像进行处理，考虑了低频系数图像中的像素点的邻居像素点的影响，同时也考虑了图像的灰度均值和方差，设置了补偿函数，避免了现有的滤波技术中，边界出现模糊和光晕的问题。有利于下一步进行光照校正处理。
在一种实施例中，所述对所述降噪图像进行光照校正，得到光照校正图像，包括；
使用伽马校正对所述降噪图像进行光照校正，得到光照校正图像。
本发明上述实施例，可以增强降噪图中较暗部分的细节信息，从而有效地提高了在光照不足的情况下对司机是否处于疲劳驾驶状态进行判断的成功率。
在一种实施例中，所述对所述光照校正图像进行图像分割处理，得到分割图像，包括：
光照校正图像中位置为(x,y)的像素点的灰度值为g(x,y)，所述像素点的m×m大小的邻域范围内的灰度平均值为avg(x,y)，令g(x,y)＝r,avg(x,y)＝s，以r、s的最大值rmax,smax分别作为二维直方图中的两个坐标轴的刻度的最大值，建立二维直方图；二维直方图中(r,s)处的值为pr,s，其表示灰度值为r且邻域灰度平均值为s这种组合出现的频数；
如图3中所示，在二维直方图中作一条经过坐标原点且将二维直方图r轴和s轴表示的区域划分为面积相等的两个部分的对角线l1，从r轴上的点(r,0)作平行线与所述对角线l1相交，r∈[0,rmax],交点一共有h个；
在所述对角线l1的两侧作两条与其平行的线段l1、l2，l1、l2与l1的欧式距离均为len，l1、l2与二维直方图的边界一起划分出一个封闭的区域q。
将区域q中的整数坐标点按距离最近原则投影到对角线l1中的h个交点，并统计投影到每个交点的坐标点的数量，形成一维直方图；
对所述一维直方图使用大津法进行求解，获得分割校正图像的阈值thre；
使用thre对校正图像进行阈值分割，获得分割图像。
所述距离最近原则指的是对于区域q中的整数坐标点，分别去取其余h个交点之间的欧式距离，然后选取欧式距离取得最小值时所对应的点作为所述整数坐标点的投影目标。
本发明上述实施例，先形成光照校正图像中关于像素点灰度值和像素点邻域灰度平均值二维直方图，然后采用对角线投影的方式对所述二维直方图进行降维处理，将其降为一维直方图，然后再使用大津法对所述一维直方图进行阈值求解。一维直方图求解阈值没有考虑像素点预期邻域像素点的关系，受噪声影响严重。本发明上述实施方式考虑了光照校正图像中像素点与邻域像素点的关系，从而降低了求取阈值中噪声的影响，而且降维后，可以有效避免传统的二维直方图求解阈值的需要大量遍历运算的问题，可以有效地加快阈值的求取速度。
在一种实施例中，所述识别单元26的具体工作过程为：计算脸部特征数据与标准特征数据之间的差异值，并判断所述差异值是否小于预设的识别阈值。若所述差异值是否小于预设的识别阈值，则判断司机正在疲劳驾驶。
本发明通过图像识别的方式对司机的脸部图像进行识别，从而判断司机是否处于疲劳驾驶状态，并在司机处于疲劳驾驶状态时对司机进行提醒，从而加强了司机的行车安全性，避免交通事故的发生。
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解应当理解，可以以硬件、软件、固件、中间件、代码或其任何恰当组合来实现这里描述的实施例。对于硬件实现，处理器可以在一个或多个下列单元中实现：专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、处理器、控制器、微控制器、微处理器、设计用于实现这里所描述功能的其他电子单元或其组合。对于软件实现，实施例的部分或全部流程可以通过计算机程序来指令相关的硬件来完成。实现时，可以将上述程序存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质
包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。计算机可读介质可以包括但不限于ram、rom、eeprom、cd-rom或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。
1.一种便携式车载智能驾驶系统，其特征在于，所述便携式车载智能驾驶系统包括图像获取模块、图像处理模块和报警模块；
所述图像获取模块用于获取司机的脸部图像；
所述图像处理模块用于根据所述脸部图像识别所述司机是否处于疲劳驾驶状态，若识别出所述司机处于疲劳驾驶状态，则通过所述报警模块对司机进行警示。
2.根据权利要求1所述的一种便携式车载智能驾驶系统，其特征在于，所述便携式车载智能驾驶系统还包括一导航模块，所述导航模块用于为司机进行路径导航。
3.根据权利要求1所述的一种便携式车载智能驾驶系统，其特征在于，所述报警模块包括声光报警单元，所述声光报警单元用于对所述司机进行视觉和听觉上的提醒。
4.根据权利要求1所述的一种便携式车载智能驾驶系统，其特征在于，所述图像处理模块包括灰度化处理单元、降噪单元、光照校正单元、分割单元、特征提取单元和识别单元；
所述灰度化处理单元用于对所述脸部图像进行灰度化处理，得到灰度化图像；
所述降噪单元用于对所述灰度化图像进行降噪处理，得到降噪图像；
所述光照校正单元用于对所述降噪图像进行光照校正，得到光照校正图像；
所述分割单元用于对所述光照校正图像进行图像分割处理，得到分割图像；
所述特征提取单元用于对所述分割图像进行特征提取，得到司机的脸部特征数据；
所述识别单元用于将所述脸部特征数据与预存的处于疲劳驾驶状态的标准特征数据进行对比，从而识别出所述司机是否处于疲劳驾驶状态。
5.根据权利要求3所述的一种便携式车载智能驾驶系统，其特征在于，所述对所述脸部图像进行灰度化处理，得到灰度化图像，包括：
将所述脸部图像从rgb颜色空间转换到xyz颜色空间，获得第一转换图像；
将所述第一转换图像从xyz颜色空间转换到lab颜色空间，并将亮度分量l作为第二转换图像；
建立目标函数：
式子中，l1表示脸部图像的像素点的总数；φ1和φ2表示权重参数，φ1 φ2＝1；fi表示待求取的灰度化图像中第i个像素点的灰度值；l2表示脸部图像中第i个像素点的邻居像素点的总数，当第i个像素点为角像素点时，其邻居像素点的总数为3，当第i个像素点为边像素点时，其邻居像素点总数为6，否则，第i个像素点的邻居像素点的总数为8；ri、gi、bi表示脸部图像中第i个像素点在rgb颜色空间中的三个分量值；rj、gj、bj表示脸部图像中第i个像素点的第j个邻居像素点在rgb颜色空间中的三个分量值；ωij表示预设的灰度调整参数；ki表示在第二转换图像中，第i个像素点的灰度值；其中，脸部图像中的第i个像素点和第二转换图像中的第i个像素点的排序规则相同；
求取ti相对于fi的导数
6.根据权利要求3所述的一种便携式车载智能驾驶系统，其特征在于，所述对所述灰度化图像进行降噪处理，得到降噪图像，包括：
对所述灰度化图像进行小波分解，获得其高频系数图像hpv和低频系数图像lp；
对于hpv，使用如下的自适应函数进行处理：
式子中，ahpv表示使用自适应函数处理后的高频系数图像；v∈[h1,h2,h3]、h1、h2、h3表示小波分解中的三个高频子带图像；ya和yb表示预设的阈值参数；cz表示符号函数；zs表示高频子带图像中的噪声的方差估计值；ahpv(x,y)表示位置为(x，y)的像素点的灰度值；
对于lp，进行如下运算：
式子中，α1和α2为小波权重参数，α1 α2＝1；cx,y表示lp中位置为(x,y)的像素点的l×l大小的邻域的像素点所组成的集合；lp(i,j)表示所述邻域中位置为(i,j)的像素点的灰度值；fcx,y表示所述邻域中的像素点灰度值的方差；ha表示调节系数；avex,y表示所述邻域中的像素点灰度值的均值；alp表示运算后的低频系数图像；gsfc表示高斯滤波的方差；
式子中，cd表示尺度参数；zs2表示lp中的噪声标准差估计；fc(x,y)表示补偿函数，
式子中，max(x,y)、min(x,y)分别表示所述邻域中的灰度最大值和灰度最小值；
对alp进行小波分解，获取其高频系数图像thpv，将ahpv和thpv进行重构，获得降噪图像。
7.根据权利要求3所述的一种便携式车载智能驾驶系统，其特征在于，所述对所述降噪图像进行光照校正，得到光照校正图像，包括；
使用伽马校正对所述降噪图像进行光照校正，得到光照校正图像。
技术总结