[发明专利]一种车辆行驶行为实时监测方法及装置有效

专利信息
申请号: 202010201673.9 申请日: 2020-03-20
公开(公告)号: CN111460938B 公开(公告)日: 2022-04-08
发明(设计)人: 王小刚 申请(专利权)人: 南京领行科技股份有限公司
主分类号: G06V20/59 分类号: G06V20/59;G06V40/16;G06V40/20;G06V10/774;G06V10/764;G06K9/62
代理公司: 北京同达信恒知识产权代理有限公司 11291 代理人: 江宁
地址: 211100 江苏省南京市江宁区苏源大*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 车辆 行驶 行为 实时 监测 方法 装置
【权利要求书】:

1.一种车辆行驶行为实时监测方法,其特征在于,所述方法包括:

获取车载端内置摄像头所拍摄的监测图像,根据区域划分配置信息确定所述监测图像中无遮挡物的第一图像区域及有遮挡物的第二图像区域;

对所述第一图像区域进行全局人脸检测,确定第一图像区域的目标数量;

将第二图像区域划分为多个目标检测区域,将所述目标检测区域输入局部人脸检测模型进行局部人脸检测并确定局部人脸概率,将所述目标检测区域输入人体姿态检测模型进行人体姿态检测并确定人体姿态概率,利用帧差法确定所述目标检测区域的前景区域,并将所述前景区域输入运动目标检测模型进行运动目标检测并确定运动目标概率;

根据各目标检测区域的局部人脸概率、人体姿态概率及运动目标概率判定目标检测区域是否存在目标,以确定第二图像区域的目标数量;

根据第一图像区域与第二图像区域的目标数量的总和,监测车辆行驶行为。

2.根据权利要求1所述的方法,其特征在于,所述局部人脸检测模型为以经过标注是否存在局部人脸的局部人脸图像为输入,以输出局部人脸概率为目标进行网络模型训练得到,所述网络模型包括多级分类器。

3.根据权利要求1所述的方法,其特征在于,所述人体姿态检测模型为以经过标注是否存在人体姿态的人体姿态图像为输入,以输出人体姿态概率为目标进行网络模型训练得到,所述网络模型包括SVM分类器。

4.根据权利要求1所述的方法,其特征在于,所述运动目标检测模型为经过标注是否存在运动目标的运动目标图像为输入,以输出运动目标概率为目标进行网络模型训练得到。

5.根据权利要求1所述的方法,其特征在于,根据各目标检测区域的所述局部人脸概率、人体姿态概率及运动目标概率判定第二图像区域的目标数量,包括:

将目标检测区域的局部人脸概率、人体姿态概率及运动目标概率输入目标检测模型,得到存在目标概率,当存在目标概率大于概率阈值时,确定该目标检测区域存在目标,所述目标检测模型为以标注是否存在目标的图像的局部人脸概率、人体姿态概率及运动目标概率为输入,以输出存在目标概率为目标进行网络模型训练得到,所述网络模型包括回归器;

根据各目标检测区域的目标数量,确定第二图像区域的目标数量。

6.根据权利要求1所述的方法,其特征在于,还包括:

对所述监测图像进行遗失物品检测,当确定当前无出行订单且监测图像内存在遗失物品时,发送存在遗失物品的告警。

7.根据权利要求1所述的方法,其特征在于,所述根据第一图像区域与第二图像区域的目标数量的总和,监测车辆行驶行为,包括:

当目标数量的总和大于最大容纳乘客数时,发送车辆超载告警;或

当目标数量的总和大于0,且确定当前无出行订单时,发送车辆非法使用告警;或

当目标数量的总和为0,且确定当前存在出行订单时,发送车辆刷单告警。

8.一种车辆行驶行为实时监测装置,其特征在于,所述装置包括存储器,用于存储指令;

处理器,用于读取所述存储器中的指令,实现如权利要求1~7任一项所述的一种车辆行驶行为实时监测方法。

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南京领行科技股份有限公司,未经南京领行科技股份有限公司许可,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/pat/books/202010201673.9/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top