[发明专利]一种基于人脸检测的出租车载客人数统计方法

权利要求书

1.一种基于人脸检测的出租车载客人数统计方法，其特征在于：通过设置在出租车内的摄像头获取出租车内的照片；通过训练好的低层特征金字塔网络对人脸进行判断，然后对判断得到的人脸进行提取框标记；根据一般出租车内业务场景下的人脸分布范围，过滤掉该范围外的提取框，得到初步的乘客模型情况；通过HSV颜色模型处理过滤提取框后的照片，计算照片上与后排座椅一致颜色的像素区域，得到照片中与后排座椅一致颜色的像素区域大小，辅助判断后座的乘客分布情况，最终得到一个由提取框和颜色分布组合构成的先验的乘客模型；将该先验的乘客模型引入贝叶斯模型，根据先验的乘客模型得到与其对应的实际乘客模型，最终得到车内的具体乘客人数。

2.根据权利要求1所述的基于人脸检测的出租车载客人数统计方法，其特征在于：所述的低层特征金字塔网络采用PyramidBox人脸框检测模型，利用大量的出租车内场景照片进行训练而得到。

3.根据权利要求2所述的基于人脸检测的出租车载客人数统计方法，其特征在于：所述的人脸分布范围为标记在照片中的一个坐标范围，该坐标范围根据一般业务场景下的人脸分布范围而定。

4.根据权利要求3所述的基于人脸检测的出租车载客人数统计方法，其特征在于：HSV颜色模型处理照片时，出租车后排座椅的颜色像素值预存在系统中。

5.根据权利要求4所述的基于人脸检测的出租车载客人数统计方法，其特征在于：出租车后排座椅的颜色像素值为纯色且相同。

6.根据权利要求5所述的基于人脸检测的出租车载客人数统计方法，其特征在于：在过滤掉一般出租车内业务场景以外的提取框后，再检查是否有重叠的提取框，将重叠的提取框中较小的删除掉，标记为一个提取框。

7.根据权利要求6所述的基于人脸检测的出租车载客人数统计方法，其特征在于：引入贝叶斯模型的公式为：

其中，

p(H)，先验概率，即为经过人脸检测网络检测出的乘客模型；

p(E丨H)，在样本乘客模型H中，能测出乘客模型为E的概率；

p(E)，在总体样本中各类乘客模型的概率；

p(H丨E)，已知检测出的乘客模型E，实际乘客模型为H的概率。

8.根据权利要求7所述的基于人脸检测的出租车载客人数统计方法，其特征在于：贝叶斯模型中，若检测得到的后排人数小于2人，将真实乘客人数为满座的可能性剔除，若检测得到的后排人数大于等于2人，将真实乘客人数小于2人的预测可能性剔除。

9.根据权利要求7所述的基于人脸检测的出租车载客人数统计方法，其特征在于：根据检测出的乘客模型E所对应的经过贝叶斯模型测出的若干种实际乘客模型的样本分布比例，运算得到最终的乘客数量，采用的运算公式如下：

其中，Pi为检测出的乘客模型E所对应的经过贝叶斯模型测出的若干种实际乘客模型的样本分布比例；

Ni为检测出的乘客模型E所对应的经过贝叶斯模型测出的若干种实际乘客模型中的后排人数；

N0为先验所得的前排乘客人数；

N为最终确定的乘客总人数。

10.根据权利要求7所述的基于人脸检测的出租车载客人数统计方法，其特征在于：所述贝叶斯模型由大量的出租车内乘车图像借助神经网络训练生成，用于输入先验的乘客模型，得到最大概率的实际乘客模型。