[发明专利]一种基于多尺度二进制模式的车载疲劳检测方法在审
| 申请号： | 201910378462.X | 申请日： | 2019-05-08 |
| 公开（公告）号： | CN110084220A | 公开（公告）日： | 2019-08-02 |
| 发明（设计）人： | 方昳凡;许清;陆相羽;黄子恒;易和阳;滕飞宇;杨森元;戈洋 | 申请（专利权）人： | 重庆邮电大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/46;G06K9/62;G06T5/10 |
| 代理公司： | 北京天奇智新知识产权代理有限公司 11340 | 代理人： | 张学平 |
| 地址： | 400065 *** | 国省代码： | 重庆;50 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于多尺度二进制模式的车载疲劳检测方法，解决的是检测精度低的技术问题，通过采用将训练样本图像划分成若干不重复的子区域，使用多尺度局部二进制模式进行特征提取，获得多尺度局部二进制图像特征；对多尺度局部二进制图像特征进行离散傅里叶变化，得到多尺度二进制模式的直方图傅里叶特征向量；步骤四，连接构成多尺度二进制模式的直方图傅里叶特征向量，用于表征图像特征，选择核函数，用非线性支持向量机对样本图像的MLBP特征进行分类训练，并得到训练后的SVM分类模型和参数的技术方案，较好的解决了该问题，可用于车载疲劳检测中。 | ||
| 搜索关键词： | 多尺度 二进制模式 疲劳检测 二进制图像 特征向量 傅里叶 直方图 训练样本图像 傅里叶变化 支持向量机 表征图像 特征提取 样本图像 核函数 子区域 可用 分类 检测 重复 | ||
【主权项】：
1.一种基于多尺度二进制模式的车载疲劳检测方法，其特征在于：所述基于多尺度二进制模式的车载疲劳检测方法包括：步骤一，对驾驶员图像人工分类标记疲劳样本和不疲劳样本，分别选择训练样本和测试样本，对训练样本和测试样本进行预处理；步骤二，将训练样本图像划分成若干不重复的子区域，使用多尺度局部二进制模式进行特征提取，获得多尺度局部二进制图像特征；步骤三，对多尺度局部二进制图像特征进行离散傅里叶变化，得到多尺度二进制模式的直方图傅里叶特征向量；步骤四，连接构成多尺度二进制模式的直方图傅里叶特征向量，用于表征图像特征，选择核函数，用非线性支持向量机对样本图像的MLBP特征进行分类训练，并得到训练后的SVM分类模型和参数；步骤四，对测试样本重复步骤二至步骤三，利用训练得到的SVM分类模型和参数对测试样本的多尺度二进制模式的直方图傅里叶特征进行检测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于重庆邮电大学，未经重庆邮电大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910378462.X/，转载请声明来源钻瓜专利网。
