侧窗自适应彩色增强算法在司机行为识别系统中的应用研究

外界光照的变化容易干扰机车司机室视频的图像质量，出现图像亮度异常现象，导致司机行为识别系统检测精度下降。针对此问题，提出了一种基于侧窗滤波的自适应非线性彩色增强算法，并设计了一种新型司机行为识别系统。首先利用主聚类推定算法，建立图像照度分类模型，将司机室视频图像分类为低光照、正常光照和曝光3种场景。然后采用本文所提算法对低光照图像进行增强，有效提高了图像亮度、对比度和加强了暗区细节信息。最后利用深度学习方法，建立了基于YOLOv3的司机行为检测模型。为证明可行性，选取某铁路局机务段的6A视频在NVIDIA视频分析服务器上进行试验，结果表明本文提出的低光照图像增强算法能够更好地改善图像质量，利用YOLOv3对增强后的低光照场景图像进行目标检测，项点的检测精度达到了97.20%,与优化前相比提高了6.33%,满足机务段视频智能分析的实际需求。