[发明专利]一种车辆行驶行为实时监测方法及装置有效
| 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 | ||
本发明提供一种车辆行驶行为实时监测方法及装置,所述方法包括:获取监测图像,根据区域划分配置信息确定第一图像区域及第二图像区域;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,对目标检测区域进行检测并确定局部人脸概率、人体姿态概率及运动目标概率;根据各目标检测区域的各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,利用本发明提供的方法,能解决无法实时监控驾驶员是否存在超载驾驶、空车接单刷单、网约车私用的问题,进一步的,规范网约车行业的运营秩序,提高乘客的体验。
技术领域
本发明涉及车辆行驶检测领域,特别是涉及一种车辆行驶行为实时监测方法及装置。
背景技术
目前网约车行驶监测技术分为两类:一类是集中在以图像识别为基础的系统,如对驾驶员监控的疲劳驾驶警示系统等;另一类是通过车辆上的传感器或车辆CAN总线等方式采集车辆行驶数据,或采集外部环境数据,结合车辆行驶数据和外部环境数据,确定车辆行驶路线等的系统。利用上述两类系统获取到的车辆行驶数据可以进一步的分析车辆行驶路线,结合车辆行驶路线以及车辆订单的对该车辆的驾驶行为进行监控。
但目前的车辆监测领域中,还没有提供一种对车内乘客数量的具体情况进行实时监控的方法,特别是对于车内乘客的实时数量的检测,由于缺乏车内实际乘客数量的监控,导致即使知晓了车辆的具体路线,仍不能确定驾驶员是否存在超载驾驶、空车接单刷单、网约车私用等问题,由于网约车的车内情况并不支持多维度且无死角的实时人员数量监控,并且增加一个或多颗摄像头会不可避免地增加使用成本,另一方面,车内摄像头数目的增加,会直接导致网约车乘客关于私密性的顾虑与抱怨,使用体验差,因此不能很好的检测车内乘客的数量,使网约车的驾驶员的违规行为仍然无法被很好的监控。
发明内容
本发明提供一种车辆行驶行为实时监测方法及装置,用于解决因网约车内无法很好的对监控网约车实时人员进行数量监控,导致的网约车驾驶员的违规行为不能被监控的问题。
本发明第一方面提供一种车辆行驶行为实时监测方法,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,对所述目标检测区域进行局部人脸检测并确定局部人脸概率,对所述目标检测区域进行人体姿态检测并确定人体姿态概率,对所述目标检测区域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。
可选地,对所述目标检测区域进行局部人脸检测并确定局部人脸概率,包括:
将目标检测区域输入局部人脸检测模型得到局部人脸概率,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。
可选地,对所述目标检测区域进行人体姿态检测并确定人体姿态概率,包括:
将目标检测区域输入人体姿态检测模型得到人体姿态概率,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。
可选地,对所述目标检测区域进行运动目标检测并确定运动目标概率,包括:
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/202010201673.9/2.html,转载请声明来源钻瓜专利网。





