[发明专利]一种基于人脸检测的出租车载客人数统计方法

说明书

本发明提供了一种基于人脸检测的出租车载客人数统计方法，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颜色模型处理照片，计算像素区域的大小，辅助判断后座的乘客分布情况，最终得到一个先验的乘客模型；将该先验的乘客模型引入贝叶斯模型，根据对应的实际乘客模型，最终得到车内的具体乘客人数。该方法通过人脸检测技术、HSV颜色模型和贝叶斯模型相结合，获取更为准确的出租车载客人数，弥补人脸检测技术不够准确的缺陷。

技术领域

本发明涉及交通工具载客算法识别技术领域，具体的说，涉及了一种基于人脸检测的出租车载客人数统计方法。

背景技术

目前，在出租车运营过程中，存在司机私自拉客不打表不开揽客灯、出租车载客量无法或统计不准确等问题。传统解决方案主要是通过在座位上增加压力传感器来实现乘客上车后的检测。但压力传感器存在人员统计准确率低、安装实施成本高等问题。

随着信息技术的快速发展，车载视频在出租车行业已得到普遍应用，车辆在运营过程中会根据空重车状态变化、定时上报等策略将车内照片抓拍，并上传至平台。

人脸识别的易用性和普适性，在身份核验、刷脸支付等场景已得到成功应用，自动在图像中检测和跟踪人脸的技术近年来被广泛用于交通、商业、公共安全等领域。

在交通领域，由于隐私原因，除支付需要人脸识别外，多数场景仅需要对交通工具封闭环境的视频图像中进行人脸检测，用于一般记数等功能，例如娄康等在2017《基于代价敏感深度决策树的公交车环境人脸检测》一文中提出光照变化、模糊、遮挡、低分辨率和姿势变化等问题，马登辉在2016年《出租车视频监控的异常图像检测与乘客识别研究》提出副驾驶位置乘客识别方法，朱萍等在2016年《移动视频监控系统在公安行业中的应用》提出利用出租车移动视频监控采集的相关信息进行挖掘分析等。

但是单纯的人脸检测算法仍然存在误判的缺陷，缺乏有效的数据清洗和进一步提高精度的能力，目前也有多种手段在研究开发阶段，是公共交通领域的一项急需突破的技术难题。

发明内容

本发明的目的是针对现有技术的不足，从而提供一种提高预测准确率、弥补简单人脸检测缺陷、借助人脸检测的现有技术优化出租车运营环境而不增加额外设备投入的一种基于人脸检测的出租车载客人数统计方法。

为了实现上述目的，本发明所采用的技术方案是：一种基于人脸检测的出租车载客人数统计方法，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。

基上所述，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。

基上所述，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。

基上所述，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。

基上所述，出租车后排座椅的颜色像素值为纯色且相同。

基上所述，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。