本發(fā)明涉及車輛監(jiān)測，尤其是一種智能座艙駕駛監(jiān)測方法、系統(tǒng)、裝置及存儲介質(zhì)。

背景技術：

1、現(xiàn)階段智能座艙駕駛監(jiān)測方法主要利用先進的傳感器、攝像頭、人工智能等技術，對駕駛員的駕駛行為、生理狀態(tài)以及車輛行駛環(huán)境進行實時監(jiān)測和分析，及時發(fā)現(xiàn)潛在的安全隱患，并采取相應的措施進行干預和提醒，提高駕駛安全性，減少交通事故的發(fā)生，從而保障駕駛員和乘客的生命安全。

2、現(xiàn)有技術中依賴dsm攝像頭捕捉駕駛員的面部和眼部動作來判斷駕駛狀態(tài)。然而，在不同光線條件下(如強陽光、隧道暗光、夜間等)，攝像頭的成像質(zhì)量受到影響，導致監(jiān)測和分析不及時、不準確，出現(xiàn)誤判或漏判的情況，影響了駕駛安全性。

技術實現(xiàn)思路

1、本發(fā)明的目的在于至少一定程度上解決現(xiàn)有技術中存在的技術問題之一。

2、為此，本發(fā)明實施例的一個目的在于提供一種智能座艙駕駛監(jiān)測方法，該方法克服了光照條件對座艙監(jiān)控圖像質(zhì)量的影響，提高了駕駛行為檢測的實時性和準確性，從而提高了用戶的駕駛安全性。

3、本發(fā)明實施例的另一個目的在于提供一種智能座艙駕駛監(jiān)測系統(tǒng)。

4、為了達到上述技術目的，本發(fā)明實施例所采取的技術方案包括：

5、第一方面，本發(fā)明實施例提供了一種智能座艙駕駛監(jiān)測方法，包括以下步驟：

6、獲取目標座艙的視頻圖像數(shù)據(jù)，對所述視頻圖像數(shù)據(jù)進行多尺度直方圖均衡化，得到第一圖像信息；

7、確定所述第一圖像信息的平均灰度值，并根據(jù)所述平均灰度值判斷所述第一圖像信息是否亮度過低以及是否過度曝光；

8、當所述第一圖像信息亮度過低，對所述第一圖像信息進行暗光圖像增強處理，得到第二圖像信息；

9、當所述第一圖像信息過度曝光，對所述第一圖像信息進行高光圖像還原處理，得到第三圖像信息；

10、根據(jù)所述第二圖像信息或所述第三圖像信息對所述目標座艙的駕駛員進行駕駛行為檢測。

11、進一步地，在本發(fā)明的一個實施例中，所述獲取目標座艙的視頻圖像數(shù)據(jù)，對所述視頻圖像數(shù)據(jù)進行多尺度直方圖均衡化，得到第一圖像信息，其具體包括：

12、通過dsm攝像頭獲取所述視頻圖像數(shù)據(jù)；

13、將所述視頻圖像數(shù)據(jù)分解為多個尺度的第二圖像信息，并對各所述第二圖像信息分別進行直方圖均衡化，得到對應的多個第三圖像信息；

14、對多個所述第三圖像信息進行融合處理，得到所述第一圖像信息。

15、進一步地，在本發(fā)明的一個實施例中，所述確定所述第一圖像信息的平均灰度值，并根據(jù)所述平均灰度值判斷所述第一圖像信息是否亮度過低以及是否過度曝光，其具體包括：

16、確定所述第一圖像信息的各個像素點的灰度值，根據(jù)所述灰度值的平均值確定所述平均灰度值；

17、當所述平均灰度值小于預設的第一閾值，確定所述第一圖像信息亮度過低；

18、當所述平均灰度值大于預設的第二閾值，確定所述第一圖像信息過度曝光。

19、進一步地，在本發(fā)明的一個實施例中，所述對所述第一圖像信息進行暗光圖像增強處理，得到第二圖像信息，其具體包括：

20、對所述第一圖像信息進行下采樣，得到低維度的第四圖像信息；

21、通過unet編碼器提取所述第四圖像信息的全局特征和局部特征；

22、根據(jù)所述全局特征和所述局部特征對所述第四圖像信息進行低分辨率光照預測，得到光照映射預測圖像；

23、基于雙邊網(wǎng)絡上采樣和平滑損失對所述光照映射預測圖像進行放大，得到光照映射全分辨率圖像；

24、對所述第一圖像信息和所述光照映射全分辨率圖像進行點乘處理得到全分辨率增強圖像；

25、確定所述全分辨率增強圖像的色彩損失和重建損失，根據(jù)所述色彩損失和所述重建損失對所述全分辨率增強圖像進行圖像恢復，得到所述第二圖像信息。

26、進一步地，在本發(fā)明的一個實施例中，所述對所述第一圖像信息進行高光圖像還原處理，得到第三圖像信息，其具體包括：

27、通過unet編碼器提取所述第一圖像信息的高光特征圖；

28、對所述高光特征圖進行卷積處理得到第一圖像特征，進而對所述第一圖像特征和所述高光特征圖進行點乘處理得到還原特征圖；

29、對所述還原特征圖進行卷積處理得到第二圖像特征，進而對所述第二圖像特征和所述還原特征圖進行點乘處理得到低光特征圖；

30、對所述低光特征圖進行卷積處理得到第三圖像特征，進而對所述第一圖像信息和所述第三圖像特征進行矩陣求差操作，得到所述第三圖像信息。

31、進一步地，在本發(fā)明的一個實施例中，所述根據(jù)所述第二圖像信息或所述第三圖像信息對所述目標座艙的駕駛員進行駕駛行為檢測，其具體包括：

32、將所述第二圖像信息或所述第三圖像信息輸入到預先訓練好駕駛行為識別模型，得到所述駕駛員的當前駕駛行為；

33、當確定所述當前駕駛行為屬于危險駕駛行為，根據(jù)所述當前駕駛行為獲取對應的提醒信息，進而播報所述提醒信息。

34、進一步地，在本發(fā)明的一個實施例中，所述智能座艙駕駛監(jiān)測方法還包括預先訓練所述駕駛行為識別模型的步驟，其具體包括：

35、獲取多個測試人員的駕駛行為樣本數(shù)據(jù)，并通過人工標注確定各所述駕駛行為樣本數(shù)據(jù)對應的駕駛行為標簽；

36、根據(jù)所述駕駛行為樣本數(shù)據(jù)和對應的所述駕駛行為標簽生成訓練數(shù)據(jù)集；

37、將所述訓練數(shù)據(jù)集輸入到預先構(gòu)建的卷積神經(jīng)網(wǎng)絡，得到駕駛行為識別結(jié)果；

38、根據(jù)所述駕駛行為識別結(jié)果和所述駕駛行為標簽確定所述卷積神經(jīng)網(wǎng)絡的損失值；

39、根據(jù)所述損失值通過反向傳播算法更新所述卷積神經(jīng)網(wǎng)絡的模型參數(shù)，并返回將所述訓練數(shù)據(jù)集輸入到預先構(gòu)建的卷積神經(jīng)網(wǎng)絡；

40、當所述損失值達到預設的第三閾值，停止訓練，得到訓練好的所述駕駛行為識別模型。

41、第二方面，本發(fā)明實施例提供了一種智能座艙駕駛監(jiān)測系統(tǒng)，包括：

42、圖像處理模塊，用于獲取目標座艙的視頻圖像數(shù)據(jù)，對所述視頻圖像數(shù)據(jù)進行多尺度直方圖均衡化，得到第一圖像信息；

43、灰度值判斷模塊，用于確定所述第一圖像信息的平均灰度值，并根據(jù)所述平均灰度值判斷所述第一圖像信息是否亮度過低以及是否過度曝光；

44、暗光圖像增強模塊，用于當所述第一圖像信息亮度過低，對所述第一圖像信息進行暗光圖像增強處理，得到第二圖像信息；

45、高光圖像還原模塊，用于當所述第一圖像信息過度曝光，對所述第一圖像信息進行高光圖像還原處理，得到第三圖像信息；

46、駕駛行為檢測模塊，用于根據(jù)所述第二圖像信息或所述第三圖像信息對所述目標座艙的駕駛員進行駕駛行為檢測。

47、第三方面，本發(fā)明實施例提供了一種智能座艙駕駛監(jiān)測裝置，包括：

48、至少一個處理器；

49、至少一個存儲器，用于存儲至少一個程序；

50、當所述至少一個程序被所述至少一個處理器執(zhí)行時，使得所述至少一個處理器實現(xiàn)上述的一種智能座艙駕駛監(jiān)測方法。

51、第四方面，本發(fā)明實施例還提供了一種計算機可讀存儲介質(zhì)，其中存儲有處理器可執(zhí)行的程序，所述處理器可執(zhí)行的程序在由處理器執(zhí)行時用于執(zhí)行上述的一種智能座艙駕駛監(jiān)測方法。

52、本發(fā)明的優(yōu)點和有益效果將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發(fā)明的實踐了解到：

53、本發(fā)明實施例獲取目標座艙的視頻圖像數(shù)據(jù)，對視頻圖像數(shù)據(jù)進行多尺度直方圖均衡化，得到第一圖像信息，確定第一圖像信息的平均灰度值，并根據(jù)平均灰度值判斷第一圖像信息是否亮度過低以及是否過度曝光，當?shù)谝粓D像信息亮度過低，對第一圖像信息進行暗光圖像增強處理，得到第二圖像信息，當?shù)谝粓D像信息過度曝光，對第一圖像信息進行高光圖像還原處理，得到第三圖像信息，根據(jù)第二圖像信息或第三圖像信息對目標座艙的駕駛員進行駕駛行為檢測。本發(fā)明實施例通過暗光圖像增強能夠在低光環(huán)境下顯著提升圖像的亮度和對比度，通過高光圖像還原能夠在高光環(huán)境下有效抑制強光點照射造成的光暈偏大，防止圖像出現(xiàn)過度曝光，克服了光照條件對座艙監(jiān)控圖像質(zhì)量的影響，提高了駕駛行為檢測的實時性和準確性，從而實現(xiàn)了不同光線強度環(huán)境下穩(wěn)定、準確地駕駛監(jiān)控，提高了用戶的駕駛安全性。