CN109214258A - 失驾人员违规驾驶的检测方法及装置 - Google Patents

失驾人员违规驾驶的检测方法及装置 Download PDF

Info

Publication number
CN109214258A
CN109214258A CN201711221253.1A CN201711221253A CN109214258A CN 109214258 A CN109214258 A CN 109214258A CN 201711221253 A CN201711221253 A CN 201711221253A CN 109214258 A CN109214258 A CN 109214258A
Authority
CN
China
Prior art keywords
personnel
driven
driving
mistake
information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201711221253.1A
Other languages
English (en)
Other versions
CN109214258B (zh
Inventor
沈琰
林圣拿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Hikvision Digital Technology Co Ltd
Hangzhou Hikvision System Technology Co Ltd
Original Assignee
Hangzhou Hikvision Digital Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Hikvision Digital Technology Co Ltd filed Critical Hangzhou Hikvision Digital Technology Co Ltd
Publication of CN109214258A publication Critical patent/CN109214258A/zh
Application granted granted Critical
Publication of CN109214258B publication Critical patent/CN109214258B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
    • G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/625—License plates

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Human Computer Interaction (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Traffic Control Systems (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本申请公开了一种失驾人员违规驾驶的检测方法，包括：获取目标车辆的行车图像；将所述行程图像中的驾车人员的人脸图像与预存的多个失驾人员信息中的失驾人员人脸图像进行相似度比对；若所述多个驾车人员信息中的失驾人员人脸图像中，存在至少一个第一失驾人员人脸图像与所述驾车人员的人脸图像满足预设相似度条件，则根据所述第一失驾人员人脸图像对应的第一失驾人员信息，确定所述目标车辆的驾车人员是否为正在违规驾驶的失驾人员。该技术方案能够避免失驾人员驾驶非自己名下的车辆时系统无法检测出来的情况，从而极大地提高了对失驾人员违规驾驶的检测效率及覆盖率。

Description

失驾人员违规驾驶的检测方法及装置
技术领域
本申请涉及计算机技术领域，尤其涉及一种失驾人员违规驾驶的检测方法及装置。
背景技术
“失驾”是指驾驶人由于交通违法等原因(如酒驾、醉驾、毒驾、交通肇事逃逸)造成机动车驾驶证被暂扣、注销或吊销，从而失去合法的机动车驾驶资格。在现有的条件下，驾驶员驾驶证的检查只能在停车的情况下进行，并由交通警察负责检查。这种依靠人力的检查方式不仅效率很低，同时也会由于反复停车给交通安全带来隐患。因此，如何在不影响交通通行的情况下判断当前驾车的驾驶员是否具有合法的驾驶证，是当前车辆在道路上安全行驶需要解决的重要问题。
发明内容
本申请实施例采用下述技术方案：
本申请实施例提供一种失驾人员违规驾驶的检测方法，包括：
获取目标车辆的行车图像；
将所述行车图像中的驾车人员的人脸图像与预存的多个失驾人员信息中的失驾人员人脸图像进行相似度比对；
若所述多个驾车人员信息中的失驾人员人脸图像中，存在至少一个第一失驾人员人脸图像与所述驾车人员的人脸图像满足预设相似度条件，则根据所述第一失驾人员人脸图像对应的第一失驾人员信息，确定所述目标车辆的驾车人员是否为正在违规驾驶的失驾人员。
可选地，所述失驾人员信息还包括所述失驾人员的关联车辆信息；
所述根据所述第一失驾人员人脸图像对应的第一失驾人员信息，确定所述目标车辆的驾车人员是否为正在违规驾驶的失驾人员，包括：
从所述行车图像中获取目标车辆信息，以及，获取所述第一失驾人员信息中的失驾人员的关联车辆信息；
将所述目标车辆信息与获取到的所述关联车辆信息进行匹配，以确定所述关联车辆信息中是否包含与所述目标车辆信息相匹配的目标关联车辆信息；
若是，则确定所述驾车人员为所述目标关联车辆信息对应的失驾人员。
可选地，还包括：
若所述关联车辆信息中不包含与所述目标车辆信息相匹配的目标关联车辆信息，则根据所述驾车人员的人脸图像与所述第一失驾人员人脸图像之间的相似度确定所述驾车人员是否为正在违规驾驶的失驾人员；
其中，所述根据所述驾车人员的人脸图像与所述第一失驾人员人脸图像之间的相似度确定所述驾车人员是否为正在违规驾驶的失驾人员，包括：
确定所述第一失驾人员人脸图像中与所述驾车人员的人脸图像相似度最高的人脸图像，及确定所述驾车人员为所述相似度最高的人脸图像对应的失驾人员；或者，向指定终端传输所述驾车人员的人脸图像与所述第一失驾人员人脸图像之间的相似度，并接收所述指定终端传输的用于确定所述驾车人员为失驾人员的确定信息。
可选地，所述方法还包括：
若所述关联车辆信息中不包含与所述目标车辆信息相匹配的目标关联车辆信息、且确定所述目标车辆的驾车人员为正在违规驾驶的失驾人员时，将所述目标车辆信息添加至对应的失驾人员的关联车辆信息。
可选地，所述失驾人员信息还包括失驾人员的违规驾驶信息，所述违规驾驶信息包括：违规驾驶次数、违规驾驶的车辆信息、违规驾驶的车辆位置信息；
所述方法还包括：
当确定所述目标车辆的驾车人员为正在违规驾驶的失驾人员时，将所述失驾人员对应的违规驾驶次数增加单位次数，以及，获取所述目标车辆的车辆信息、所述目标车辆当前违规驾驶的车辆位置信息；
根据所述增加单位次数后的违规驾驶次数以及所述获取到的所述车辆信息、违规驾驶的车辆位置信息，更新所述失驾人员对应的违规驾驶信息。
可选地，所述方法还包括：
若确定所述驾车人员为正在违规驾驶的失驾人员，则将所述驾车人员的人脸图像更新至对应的失驾人员信息中。
可选地，所述方法还包括：
若确定所述驾车人员为正在违规驾驶的失驾人员，则将所述驾车人员的人脸图像更新至失驾人员的人脸识别模型的数据中；所述人脸识别模型用于对人脸图像进行相似度对比。
本申请实施例还提供一种失驾人员违规驾驶的检测装置，包括：
获取模块，用于获取目标车辆的行车图像；
接收模块，用于接收服务器传输的多个失驾人员信息；
比对模块，用于将所述行车图像中的驾车人员的人脸图像与所述多个失驾人员信息中的失驾人员人脸图像进行相似度比对；
确定模块，用于若所述驾车人员信息中的失驾人员人脸图像中，存在至少一个第一失驾人员人脸图像与所述失驾人员的人脸图像满足预设相似度条件，则根据所述第一失驾人员人脸图像对应的第一失驾人员信息，确定所述目标车辆的驾车人员是否为正在违规驾驶的失驾人员。
可选地，所述失驾人员信息还包括所述失驾人员的关联车辆信息；
所述确定模块包括：
获取单元，用于从所述行车图像中获取目标车辆信息，以及，获取所述第一失驾人员信息中的失驾人员的关联车辆信息；
匹配单元，用于将所述目标车辆信息与获取到的所述关联车辆信息进行匹配，以确定所述关联车辆信息中是否包含与所述目标车辆信息相匹配的目标关联车辆信息；
第一确定单元，用于若所述关联车辆信息中包含与所述目标车辆信息相匹配的目标关联车辆信息，则确定所述驾车人员为所述目标关联车辆信息对应的失驾人员。
可选地，所述确定模块还包括：
第二确定单元，用于若所述关联车辆信息中不包含与所述目标车辆信息相匹配的目标关联车辆信息，则根据所述驾车人员的人脸图像与所述第一失驾人员人脸图像之间的相似度确定所述驾车人员是否为正在违规驾驶的失驾人员；
其中，所述第二确定单元还用于：
确定所述第一失驾人员人脸图像中与所述驾车人员的人脸图像相似度最高的人脸图像，及确定所述驾车人员为所述相似度最高的人脸图像对应的失驾人员；或者，向指定终端传输所述驾车人员的人脸图像与所述第一失驾人员人脸图像之间的相似度，并接收所述指定终端传输的用于确定所述驾车人员为失驾人员的确定信息。
可选地，所述装置还包括：
添加模块，用于若所述关联车辆信息中不包含与所述目标车辆信息相匹配的目标关联车辆信息、且确定所述目标车辆的驾车人员为正在违规驾驶的失驾人员时，将所述目标车辆信息添加至对应的失驾人员的关联车辆信息。
可选地，所述失驾人员信息还包括失驾人员的违规驾驶信息，所述违规驾驶信息包括：违规驾驶次数、违规驾驶的车辆信息、违规驾驶的车辆位置信息；
所述装置还包括：
增加及获取模块，用于当确定所述目标车辆的驾车人员为正在违规驾驶的失驾人员时，将所述失驾人员对应的违规驾驶次数增加单位次数，以及，获取所述目标车辆的车辆信息、所述目标车辆当前违规驾驶的车辆位置信息；
第一更新模块，用于根据所述增加单位次数后的违规驾驶次数以及所述获取到的所述车辆信息、违规驾驶的车辆位置信息，更新所述失驾人员对应的违规驾驶信息。
可选地，所述装置还包括：
第二更新模块，用于若确定所述驾车人员为正在违规驾驶的失驾人员，则将所述驾车人员的人脸图像更新至对应的失驾人员信息中。
可选地，所述装置还包括：
第三更新模块，用于若确定所述驾车人员为正在违规驾驶的失驾人员，则将所述驾车人员的人脸图像更新至失驾人员的人脸识别模型的数据中；所述人脸识别模型用于对人脸图像进行相似度对比。
本申请实施例还提供一种计算机设备，包括处理器、通信接口、存储器和通信总线；其中，所述处理器、所述通信接口以及所述存储器通过总线完成相互间的通信；所述存储器，用于存放计算机程序；所述处理器，用于执行所述存储器上所存放的程序，实现上述权利要求任一所述的方法步骤。
本申请实施例还提供一种计算机可读存储介质，其特征在于，所述存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求任一所述的方法步骤。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：
采用本发明实施例提供的技术方案，能够获取目标车辆的行车图像，并将行车图像中的驾车人员的人脸图像与预存的多个失驾人员信息中的失驾人员人脸图像进行相似度比对，从而确定出多个失驾人员信息中的失驾人员人脸图像是否与驾车人员的人脸图像满足预设相似度条件的结果，根据该结果可进一步对驾车人员是否为失驾人员进行判断。并且，若多个驾车人员信息中的失驾人员人脸图像中存在至少一个第一失驾人员人脸图像与驾车人员的人脸图像满足预设相似度条件，则根据第一失驾人员人脸图像对应的第一失驾人员信息确定目标车辆的驾车人员是否为正在违规驾驶的失驾人员。由此可知，该技术方案通过将驾车人员的人脸图像和多个失驾人员信息中的失驾人员人脸图像进行相似度比对，使得在判断驾车人员是否为失驾人员时可以不依赖于驾车人员名下的车辆信息，因此能够避免失驾人员驾驶非自己名下的车辆时系统无法检测出来的情况，从而极大地提高了对失驾人员违规驾驶的检测效率及覆盖率。
进一步地，该技术方案能够在存在与驾车人员的人脸图像之间满足预设相似度条件的第一失驾人员人脸图像时，若第一失驾人员人脸图像对应的第一失驾人员信息中的失驾人员的关联车辆信息中包含与目标车辆信息相匹配的目标关联车辆信息时，自动确定驾车人员为该目标关联车辆信息对应的失驾人员，而无需迫使行车过程中的车辆停车，因此，该技术方案实现了对失驾人员违规驾驶的检测的自动化，避免了检测过程中因反复停车而带来交通安全隐患的问题。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本发明一实施例中的一种失驾人员违规驾驶的检测方法的示意性流程图；
图2为本发明另一实施例中的一种失驾人员违规驾驶的检测方法的示意性流程图；
图3为本发明另一实施例中的一种失驾人员违规驾驶的检测方法的示意性流程图；
图4为本发明一实施例中的一种失驾人员违规驾驶的检测方法中指定终端的示意性界面图；
图5为本发明一实施例中的一种失驾人员违规驾驶的检测装置的示意性框图；
图6为本发明另一实施例中的一种失驾人员违规驾驶的检测装置的示意性框图；
图7为本发明另一实施例中的一种失驾人员违规驾驶的检测装置的示意性框图；
图8为本发明另一实施例中的一种计算机设备的示意性结构图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
以下结合附图，详细说明本申请各实施例提供的技术方案。
图1为本发明一实施例中的一种失驾人员违规驾驶的检测方法的示意性流程图。如图1所示，该方法包括：
步骤S101，获取目标车辆的行车图像。
步骤S102，将行车图像中的驾车人员的人脸图像与预存的多个失驾人员信息中的失驾人员人脸图像进行相似度比对。
步骤S103，若多个驾车人员信息中的失驾人员人脸图像中存在至少一个第一失驾人员人脸图像与驾车人员的人脸图像满足预设相似度条件，则根据第一失驾人员人脸图像对应的第一失驾人员信息，确定目标车辆的驾车人员是否为正在违规驾驶的失驾人员。
采用本发明实施例提供的技术方案，能够获取目标车辆的行车图像，并将行车图像中的驾车人员的人脸图像与预存的多个失驾人员信息中的失驾人员人脸图像进行相似度比对，从而确定出多个失驾人员信息中的失驾人员人脸图像是否与驾车人员的人脸图像满足预设相似度条件的结果，根据该结果可进一步对驾车人员是否为失驾人员进行判断。并且，若多个驾车人员信息中的失驾人员人脸图像中存在至少一个第一失驾人员人脸图像与驾车人员的人脸图像满足预设相似度条件，则根据第一失驾人员人脸图像对应的的第一失驾人员信息确定目标车辆的驾车人员是否为正在违规驾驶的失驾人员。由此可知，该技术方案通过将驾车人员的人脸图像和多个失驾人员中的失驾人员人脸图像进行相似度比对，使得在判断驾车人员是否为失驾人员时可以不依赖于驾车人员名下的车辆信息，因此能够避免失驾人员驾驶非自己名下的车辆时系统无法检测出来的情况，从而极大地提高了对失驾人员违规驾驶的检测效率及覆盖率。
在一个实施例中，预设相似度条件指相似度达到预设阈值。图2为该实施例中的一种失驾人员违规驾驶的检测方法的示意性流程图，如图2所示，该方法可包括以下步骤S201-S206：
步骤S201，从目标车辆的行车图像中获取目标车辆的驾车人员的人脸图像。其中，目标车辆的行车图像可利用摄像头对行车过程中的目标车辆进行采集得到。得到行车图像后，可通过抠图技术、图像识别技术等从行车图像中获取驾车人员的人脸图像。
步骤S202，利用人脸识别技术，将驾车人员的人脸图像与多个失驾人员信息中的失驾人员人脸图像进行相似度比对，得到比对结果。
该步骤中，在进行人脸图像的相似度比对时，可通过确定各人脸图像的特征向量，进而计算不同人脸图像之间的特征向量距离来确定该不同人脸图像之间的相似度；或者，还可通过确定各人脸图像对应的特征脸(即用于机器视觉领域中的人脸识别问题的一组特征向量)来确定不同人脸图像之间的相似度；等等。上述列举的人脸图像的相似度比对方法为现有技术，在此不再赘述。
步骤S203，根据比对结果判断多个失驾人员信息中的失驾人员人脸图像中是否存在与驾车人员的人脸图像之间的相似度达到预设阈值的第一失驾人员人脸图像；若是，则执行步骤S204；若否，则执行步骤S206。
步骤S204，确定驾车人员的人脸图像与第一失驾人员人脸图像满足预设相似度条件。
步骤S205，根据第一失驾人员人脸图像对应的第一失驾人员信息，确定目标车辆的驾车人员是否为正在违规驾驶的失驾人员。
步骤S206，确定驾车人员不为正在违规驾驶的失驾人员。
本实施例中，满足预设相似度条件的第一失驾人员人脸图像可能包括一个或多个。当满足预设相似度条件的第一失驾人员人脸图像仅包括一个时，可直接确定驾车人员为正在违规驾驶的该第一失驾人员人脸图像对应的失驾人员；也可结合其他信息(如目标车辆信息、指定工作人员的判断等)对驾车人员是否属于正在违规驾驶的失驾人员作进一步判断，以使判断结果更加准确。当满足预设相似度条件的第一失驾人员人脸图像包括多个时，可按照相似度的高低对各第一失驾人员人脸图像进行排序，并确定驾车人员为其中最高相似度的第一失驾人员人脸图像对应的失驾人员；也可结合其他信息(如目标车辆信息、指定工作人员的判断等)对驾车人员是否属于正在违规驾驶的失驾人员作进一步判断，以使判断结果更加准确。
本实施例中，通过将驾车人员的人脸图像与多个失驾人员信息中的失驾人员人脸图像进行相似度比对，并根据比对结果判断驾车人员是否为正在违规驾驶的失驾人员，使得在判断驾车人员是否为失驾人员时可以不依赖于驾车人员名下的车辆信息，因此能够避免失驾人员驾驶非自己名下的车辆时系统无法检测出来的情况，从而极大地提高了对失驾人员违规驾驶的检测效率及覆盖率。
此外，失驾人员信息除失驾人员人脸图像之外，还可包括失驾人员的姓名、性别、年龄、身份证号、失驾初始时间、失驾结束时间等中的至少一项或多项。若失驾人员信息包括失驾人员人脸图像以及其他信息(如年龄和性别)，则除获取驾车人员的人脸图像之外，还可同时获取驾车人员的其他信息(如年龄和性别)，进而将获取到的驾车人员的多项信息和失驾人员信息中的对应信息进行相似度比对，以使相似度比对的结果更加准确。
在一个实施例中，失驾人员信息除失驾人员人脸图像之外，还包括失驾人员的关联车辆信息。其中，失驾人员的关联车辆信息可包括与失驾人员关联的车辆的车牌号、车辆类型、车身颜色、车辆品牌、子品牌等中的至少一项信息。图3为该实施例中的一种失驾人员违规驾驶的检测方法的示意性流程图，如图3所示，该方法可包括以下步骤S301-S309：
步骤S301，从目标车辆的行车图像中获取目标车辆的驾车人员的人脸图像。其中，目标车辆的行车图像可利用摄像头对行车过程中的目标车辆进行采集得到。得到行车图像后，可通过抠图技术、图像识别技术等从行车图像中获取驾车人员的人脸图像。
步骤S302，利用人脸识别技术，将驾车人员的人脸图像与多个失驾人员信息中的失驾人员人脸图像进行相似度比对，得到比对结果。
步骤S303，根据比对结果判断多个失驾人员信息中的失驾人员人脸图像中是否存在与驾车人员的人脸图像之间的相似度达到预设阈值的第一失驾人员人脸图像；若是，则执行步骤S304；若否，则执行步骤S309。
步骤S304，确定驾车人员的人脸图像与第一失驾人员人脸图像满足预设相似度条件。
步骤S305，从目标车辆的行车图像中获取目标车辆信息，以及，获取第一失驾人员人脸图像对应的第一失驾人员信息所对应的关联车辆信息。
其中，目标车辆信息包括目标车辆的车牌号、车辆类型、车身颜色、车辆品牌、子品牌等中的至少一项信息。
步骤S306，将目标车辆信息与获取到的关联车辆信息进行匹配，以确定关联车辆信息中是否包含与目标车辆信息相匹配的目标关联车辆信息；若是，则执行步骤S307；若否，则执行步骤S308。
步骤S307，确定驾车人员为目标关联车辆信息对应的失驾人员。
步骤S308，根据驾车人员的人脸图像与第一失驾人员人脸图像之间的相似度确定驾车人员是否为正在违规驾驶的失驾人员。
步骤S309，确定驾车人员不为正在违规驾驶的失驾人员。
本实施例中，满足预设相似度条件的第一失驾人员人脸图像可包括一个或多个。例如，多个失驾人员人脸图像均与驾车人员的人脸图像的相似度达到预设阈值，此时，满足预设相似度条件的第一失驾人员人脸图像所对应的目标关联车辆信息必然包括多个。此外，同一失驾人员人脸图像对应的关联车辆信息也可包括一个或多个，例如，当同一失驾人员所关联的车辆包括多个时，该失驾人员人脸图像对应的关联车辆信息包括多个。以下针对不同情况说明如何确定与目标车辆信息相匹配的关联车辆信息。
情况一、
当满足预设相似度条件的第一失驾人员人脸图像仅包括一个时，将该第一失驾人员人脸图像所对应的关联车辆信息与目标车辆信息进行匹配(即步骤S306)。该第一失驾人员人脸图像所对应的关联车辆信息可包括一个或多个。
当关联车辆信息仅包括一个时，可直接确定该关联车辆信息是否与目标车辆信息相匹配，若匹配，则确定驾车人员为该关联车辆信息对应的失驾人员，若不匹配，则根据驾车人员的人脸图像与第一失驾人员人脸图像之间的相似度确定驾车人员是否为正在违规驾驶的失驾人员。
以车辆信息为车牌号为例，当目标车辆的车牌号与关联车量信息中的车牌号相同时，确定目标车辆信息与关联车辆信息相匹配。假设目标车辆的车牌号为“XXXX0”，满足预设相似度条件的第一失驾人员人脸图像仅包括一个、且该第一失驾人员人脸图像所对应的关联车辆信息也仅包括一个，则判断该第一失驾人员第一所对应的关联车辆信息中的车牌号是否为“XXXX0”，若是，则目标车辆信息与该关联车辆信息相匹配，若否，则目标车辆信息与关联车辆信息不相匹配。
当关联车辆信息包括多个时，可将目标车辆信息与各关联车辆信息进行匹配，以确定各关联车辆信息中是否包含与目标车辆信息相匹配的目标关联车辆信息，若包含，则确定驾车人员为该关联车辆信息对应的失驾人员，若不包含，则根据驾车人员的人脸图像与第一失驾人员人脸图像之间的相似度确定驾车人员是否为正在违规驾驶的失驾人员。
沿用上述举例，假设目标车辆的车牌号为“XXXX0”，满足预设相似度条件的第一失驾人员人脸图像仅包括一个、且该第一失驾人员人脸图像所对应的关联车辆信息包括A、B、C三个，则确定该三个关联车辆信息中的车牌号是否为“XXXX0”。表1示出了该第一失驾人员人脸图像所对应的关联车辆信息A、B、C中的车牌号。
表1
关联车辆信息 车牌号
A XXXX1
B XXXX0
C XXXX2
由表1可看出，在满足预设相似度条件的第一失驾人员人脸图像所对应的关联车辆信息A、B、C中，仅有关联车辆信息B中的车牌号为“XXXX0”，与目标车辆的车牌号相同，因此可确定关联车辆信息B与目标车辆信息相匹配。
情况二、
当满足预设相似度条件的第一失驾人员人脸图像包括多个、且每个第一失驾人员人脸图像对应的关联车辆信息仅包括一个时，将目标车辆信息与各第一失驾人员人脸图像对应的关联车辆信息分别进行匹配，以确定各关联车辆信息中是否包含与目标车辆信息相匹配的目标关联车辆信息，若包含，则确定驾车人员为该关联车辆信息对应的失驾人员，若不包含，则根据驾车人员的人脸图像与第一失驾人员人脸图像之间的相似度确定驾车人员是否为正在违规驾驶的失驾人员。
沿用上述举例，假设目标车辆的车牌号为“XXXX0”，满足预设相似度条件的第一失驾人员人脸图像包括X、Y、Z三个，且每个第一失驾人员人脸图像对应的关联车辆信息仅包括一个。如下述表2所示，第一失驾人员人脸图像X对应的关联车辆信息中的车牌号为“XXXX1”，第一失驾人员人脸图像Y对应的关联车辆信息中的车牌号为“XXXX0”，第一失驾人员人脸图像Z对应的关联车辆信息中的车牌号为“XXXX2”。显然，仅有第一失驾人员人脸图像Y对应的关联车辆信息中的车牌号与目标车辆的车牌号相同，因此可确定第一失驾人员人脸图像Y对应的关联车辆信息与目标车辆信息相匹配。
表2
失驾人员信息 车牌号
X XXXX1
Y XXXX0
Z XXXX2
当满足预设相似度条件的第一失驾人员人脸图像包括多个、且每个第一失驾人员人脸图像对应的关联车辆信息也包括多个时，则需将目标车辆信息与各第一失驾人员人脸图像对应的各关联车辆信息分别进行匹配，以确定各关联车辆信息中是否包含与目标车辆信息相匹配的目标关联车辆信息，若包含，则确定驾车人员为该关联车辆信息对应的失驾人员，若不包含，则根据驾车人员的人脸图像与第一失驾人员人脸图像之间的相似度确定驾车人员是否为正在违规驾驶的失驾人员。
本实施例中，执行步骤S306之后，若确定获取到的关联车辆信息中不包含与目标车辆信息相匹配的目标关联车辆信息，则需根据驾车人员的人脸图像与第一失驾人员人脸图像之间的相似度确定驾车人员是否为正在违规驾驶的失驾人员(即步骤S308)。可按照如下两种方式中的任一种确定驾车人员是否为正在违规驾驶的失驾人员：
方式一、按照驾车人员的人脸图像与第一失驾人员人脸图像之间的相似度，确定驾车人员为最高相似度的第一失驾人员人脸图像对应的失驾人员。
利用方式一确定驾车人员是否为正在违规驾驶的失驾人员时，只需遍历驾车人员的人脸图像与各第一失驾人员人脸图像之间的相似度，并确定驾车人员为遍历得到的最高相似度的第一失驾人员人脸图像对应的失驾人员。
方式二、向指定终端传输驾车人员的人脸图像与第一失驾人员人脸图像之间的相似度，并接收指定终端传输的用于确定驾车人员为失驾人员的确定信息。
当第一失驾人员人脸图像仅包括一个时，可将驾车人员的人脸图像与该第一失驾人员人脸图像之间的相似度和/或驾车人员的人脸图像与该第一失驾人员人脸图像传输至指定终端，由指定工作人员根据人脸图像与该第一失驾人员人脸图像之间的相似度和/或驾车人员的人脸图像与该第一失驾人员人脸图像确定驾车人员是否为失驾人员。
当第一失驾人员人脸图像包括多个时，可将驾车人员的人脸图像与各第一失驾人员人脸图像之间的相似度按照图表形式传输至指定终端，例如表3和图4。在表3中，第一列表示满足预设相似度条件的第一失驾人员人脸图像a、b、c，第二列表示第一失驾人员人脸图像a、b、c分别与驾车人员的人脸图像之间的相似度，在展示相似度时，可按照相似度的高低进行排列后展示。在指定终端上，指定工作人员可根据表3内容确定出驾车人员属于哪一个失驾人员。在图4中，指定终端屏幕400上展示了驾车人员的人脸图像410、第一失驾人员人脸图像a、b、c以及各第一失驾人员人脸图像分别与驾车人员的人脸图像之间的相似度，根据指定终端屏幕400上所展示的信息，指定工作人员即可确定出驾车人员属于哪一个失驾人员。
表3
基准人脸图像 相似度
a 98％
b 96％
c 85％
在一个实施例中，执行步骤S306之后，若确定获取到的关联车辆信息中不包含与目标车辆信息相匹配的目标关联车辆信息、且确定目标车辆的驾车人员为正在违规驾驶的失驾人员时，还可将目标车辆信息添加至对应的失驾人员的关联车辆信息。
例如，目标车辆的车牌号为“XXXX0”，获取到的关联车辆信息A中的车牌号为“XXXX1”。若已确定目标车辆的驾车人员为正在违规驾驶的失驾人员，则可将目标车辆的车牌号为“XXXX0”添加至关联车辆信息A中，这样，该失驾人员对的关联车量信息被更新为“XXXX0”、“XXXX1”。当失驾人员再次违规驾驶车辆“XXXX0”时，即可从满足预设相似度条件的第一失驾人员人脸图像对应的关联车量信息中匹配到该车辆，进而准确确定出失驾人员违规驾驶的情况。
本实施例中，能够在关联车辆信息中不包含与目标车辆信息相匹配的目标关联车辆信息时，将目标车辆信息添加至对应的失驾人员的关联车辆信息，实现了对失驾人员的关联车辆信息的自动扩充，当再次检测驾驶人员是否为正在违规驾驶的失驾人员时，可根据实时扩充的关联车辆信息做更进一步的判断，因此很大程度上提高了失驾人员违规驾驶的检测的准确性，尤其是对失驾人员驾驶非自己名下的车辆的检测。
进一步地，本实施例能够在驾车人员的人脸图像与失驾人员人来能图像满足预设相似度条件、且失驾人员的关联车辆信息中包含与目标车辆信息相匹配的目标关联车辆信息时，自动确定驾车人员为该目标关联车辆信息对应的失驾人员，而无需迫使行车过程中的车辆停车，因此，该技术方案实现了对失驾人员违规驾驶的检测的自动化，避免了检测过程中因反复停车而带来交通安全隐患的问题。
在一个实施例中，失驾人员信息还包括失驾人员的违规驾驶信息，违规驾驶信息包括：违规驾驶次数、违规驾驶的车辆信息、违规驾驶的车辆位置信息。基于此，上述方法还包括以下步骤：首先，当确定目标车辆的驾车人员为正在违规驾驶的失驾人员时，将失驾人员对应的违规驾驶次数增加单位次数，以及，获取目标车辆的车辆信息、目标车辆当前违规驾驶的车辆位置信息；其次，根据增加单位次数后的违规驾驶次数以及获取到的车辆信息、车辆位置信息，更新失驾人员对应的违规驾驶信息。
本实施例中，通过实时更新失驾人员对应的违规驾驶信息，使得在失驾人员违规驾驶时，指定工作人员能够根据实时更新的该失驾人员的违规驾驶信息获知更加详细的有关信息，从而方便指定工作人员采取下一步措施，如抓捕违规驾驶的失驾人员等。
在一个实施例中，上述方法还包括以下步骤：首先，当确定目标车辆的驾车人员为正在违规驾驶的失驾人员时，生成用于触发针对失驾人员和/或目标车辆的监控操作的监控指令；其次，根据监控指令，在预设时长内监控失驾人员和/或目标车辆，以根据监控结果对失驾人员和/或目标车辆执行相应操作。
以具体场景为例，假设预设时长为4个小时，当确定目标车辆的驾车人员为正在违规驾驶的失驾人员时，则将目标车辆加入到布控车辆(即生成针对失驾人员和/或目标车辆的监控操作的监控指令)，以产生4个小时之内的布控报警。
在一个实施例中，上述方法还包括以下步骤：若确定驾车人员为正在违规驾驶的失驾人，则将驾车人员的人脸图像更新至失驾人员的人脸识别模型的数据中，其中，人脸识别模型用于对人脸图像进行相似度对比。本实施例中，能够实时更新失驾人员的人脸识别模型数据，使得人脸识别模型数据越来越丰富和完善，有利用提升后续对失驾人员违规驾驶的检测的准确度。
需要说明的是，上述实施例所提供方法的各步骤的执行主体均可以是同一设备，或者，该方法也由不同设备作为执行主体。比如，步骤S101和步骤S102的执行主体可以为设备1，步骤S103的执行主体可以为设备2；又比如，步骤S101的执行主体可以为设备1，步骤S102和步骤S103的执行主体可以为设备2；等等。
图5为本发明一实施例中的一种失驾人员违规驾驶的检测装置的示意性框图。如图5所示，该装置包括：
获取模块510，用于获取目标车辆的行车图像；
接收模块520，用于接收服务器传输的多个失驾人员信息；
比对模块530，用于将行车图像中的驾车人员的人脸图像与多个失驾人员中的失驾人员人脸图像进行相似度比对；
确定模块540，用于若驾车人员信息中的失驾人员人脸图像中，存在至少一个第一失驾人员人脸图像与失驾人员的人脸图像满足预设相似度条件，则根据第一失驾人员人脸图像对应的第一失驾人员信息，确定目标车辆的驾车人员是否为正在违规驾驶的失驾人员。
在一个实施例中，失驾人员信息还包括失驾人员的关联车辆信息；
确定模块540包括：
获取单元，用于从行车图像中获取目标车辆信息，以及，获取第一失驾人员信息中的失驾人员的关联车辆信息；
匹配单元，用于将目标车辆信息与获取到的关联车辆信息进行匹配，以确定关联车辆信息中是否包含与目标车辆信息相匹配的目标关联车辆信息；
第一确定单元，用于若关联车辆信息中包含与目标车辆信息相匹配的目标关联车辆信息，则确定驾车人员为目标关联车辆信息对应的失驾人员。
在一个实施例中，确定模块540还包括：
第二确定单元，用于若关联车辆信息中不包含与目标车辆信息相匹配的目标关联车辆信息，则根据驾车人员的人脸图像与第一失驾人员人脸图像之间的相似度确定驾车人员是否为正在违规驾驶的失驾人员；
其中，第二确定单元还用于：
确定第一失驾人员人脸图像中与驾车人员的人脸图像相似度最高的人脸图像，及确定驾车人员为相似度最高的人脸图像对应的失驾人员；或者，向指定终端传输驾车人员的人脸图像与第一失驾人员人脸图像之间的相似度，并接收指定终端传输的用于确定驾车人员为失驾人员的确定信息。
在一个实施例中，上述装置还包括：
添加模块，用于若关联车辆信息中不包含与目标车辆信息相匹配的目标关联车辆信息、且确定目标车辆的驾车人员为正在违规驾驶的失驾人员时，将目标车辆信息添加至对应的失驾人员的关联车辆信息。
在一个实施例中，失驾人员信息还包括失驾人员的违规驾驶信息，违规驾驶信息包括：违规驾驶次数、违规驾驶的车辆信息、违规驾驶的车辆位置信息；
如图6所示，上述装置还包括：
增加及获取模块550，用于当确定目标车辆的驾车人员为正在违规驾驶的失驾人员时，将失驾人员对应的违规驾驶次数增加单位次数，以及，获取目标车辆的车辆信息、目标车辆当前违规驾驶的车辆位置信息；
第一更新模块560，用于根据增加单位次数后的违规驾驶次数以及获取到的车辆信息、违规驾驶的车辆位置信息，更新失驾人员对应的违规驾驶信息。
在一个实施例中，如图7所示，上述装置还包括：
第二更新模块570，用于若确定驾车人员为正在违规驾驶的失驾人员，则将驾车人员的人脸图像更新至对应的失驾人员信息中。
第三更新模块580，用于若确定驾车人员为正在违规驾驶的失驾人员，则将驾车人员的人脸图像更新至失驾人员的人脸识别模型的数据中；人脸识别模型用于对人脸图像进行相似度对比。
采用本发明实施例提供的装置，能够获取目标车辆的行车图像，并将行车图像中的驾车人员的人脸图像与预存的多个失驾人员信息中的失驾人员人脸图像进行相似度比对，从而确定出多个失驾人员信息中的失驾人员人脸图像是否与驾车人员的人脸图像满足预设相似度条件的结果，根据该结果可进一步对驾车人员是否为失驾人员进行判断。并且，若多个驾车人员信息中的失驾人员人脸图像中存在至少一个第一失驾人员人脸图像与驾车人员的人脸图像满足预设相似度条件，则根据第一失驾人员人脸图像对应的第一失驾人员信息确定目标车辆的驾车人员是否为正在违规驾驶的失驾人员。由此可知，该技术方案通过将驾车人员的人脸图像和多个失驾人员中的失驾人员人脸图像进行相似度比对，使得在判断驾车人员是否为失驾人员时可以不依赖于驾车人员名下的车辆信息，因此能够避免失驾人员驾驶非自己名下的车辆时系统无法检测出来的情况，从而极大地提高了对失驾人员违规驾驶的检测效率及覆盖率。
进一步地，该装置能够在存在与驾车人员的人脸图像之间满足预设相似度条件的第一失驾人员人脸图像时，若第一失驾人员人脸图像对应的第一失驾人员信息中的失驾人员的关联车辆信息中包含与目标车辆信息相匹配的目标关联车辆信息时，自动确定驾车人员为该目标关联车辆信息对应的失驾人员，而无需迫使行车过程中的车辆停车，因此，该技术方案实现了对失驾人员违规驾驶的检测的自动化，避免了检测过程中因反复停车而带来交通安全隐患的问题。
基于同样的思路，本申请实施例还提供一种计算机设备，如图8所示。计算机设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上的处理器801和存储器802，存储器802中可以存储有一个或一个以上存储应用程序或数据。其中，存储器802可以是短暂存储或持久存储。存储在存储器802的应用程序可以包括一个或一个以上模块(图示未示出)，每个模块可以包括对计算机设备中的一系列计算机可执行指令。更进一步地，处理器801可以设置为与存储器802通信，在计算机设备上执行存储器802中的一系列计算机可执行指令。计算机设备还可以包括一个或一个以上电源803，一个或一个以上有线或无线网络接口804，一个或一个以上输入输出接口805，一个或一个以上键盘806。
具体在本实施例中，计算机设备包括有处理器、通信接口、存储器和通信总线；其中，所述处理器、所述通信接口以及所述存储器通过总线完成相互间的通信；所述存储器，用于存放计算机程序；所述处理器，用于执行所述存储器上所存放的程序，实现以下方法步骤：
获取目标车辆的行车图像；
将所述行车图像中的驾车人员的人脸图像与预存的多个失驾人员信息中的失驾人员人脸图像进行相似度比对；
若所述多个驾车人员信息中的失驾人员人脸图像中，存在至少一个第一失驾人员人脸图像与所述驾车人员的人脸图像满足预设相似度条件，则根据所述第一失驾人员人脸图像对应的第一失驾人员信息，确定所述目标车辆的驾车人员是否为正在违规驾驶的失驾人员。
本申请实施例还提供一种计算机可读存储介质，所述存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现以下方法步骤：
获取目标车辆的行车图像；
将所述行车图像中的驾车人员的人脸图像与预存的多个失驾人员信息中的失驾人员人脸图像进行相似度比对；
若所述多个驾车人员信息中的失驾人员人脸图像中，存在至少一个第一失驾人员人脸图像与所述驾车人员的人脸图像满足预设相似度条件，则根据所述第一失驾人员人脸图像对应的第一失驾人员信息，确定所述目标车辆的驾车人员是否为正在违规驾驶的失驾人员。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (16)

1.一种失驾人员违规驾驶的检测方法，其特征在于，包括：
获取目标车辆的行车图像；
将所述行车图像中的驾车人员的人脸图像与预存的多个失驾人员信息中的失驾人员人脸图像进行相似度比对；
若所述多个失驾人员信息中的失驾人员人脸图像中，存在至少一个第一失驾人员人脸图像与所述驾车人员的人脸图像满足预设相似度条件，则根据所述第一失驾人员人脸图像对应的第一失驾人员信息，确定所述目标车辆的驾车人员是否为正在违规驾驶的失驾人员。
2.根据权利要求1所述的方法，其特征在于，所述失驾人员信息还包括所述失驾人员的关联车辆信息；
所述根据所述第一失驾人员人脸图像对应的第一失驾人员信息，确定所述目标车辆的驾车人员是否为正在违规驾驶的失驾人员，包括：
从所述行车图像中获取目标车辆信息，以及，获取所述第一失驾人员信息中的失驾人员的关联车辆信息；
将所述目标车辆信息与获取到的所述关联车辆信息进行匹配，以确定所述关联车辆信息中是否包含与所述目标车辆信息相匹配的目标关联车辆信息；
若是，则确定所述驾车人员为所述目标关联车辆信息对应的失驾人员。
3.根据权利要求2所述的方法，其特征在于，还包括：
若所述关联车辆信息中不包含与所述目标车辆信息相匹配的目标关联车辆信息，则根据所述驾车人员的人脸图像与所述第一失驾人员人脸图像之间的相似度确定所述驾车人员是否为正在违规驾驶的失驾人员；
其中，所述根据所述驾车人员的人脸图像与所述第一失驾人员人脸图像之间的相似度确定所述驾车人员是否为正在违规驾驶的失驾人员，包括：
确定所述第一失驾人员人脸图像中与所述驾车人员的人脸图像相似度最高的人脸图像，及确定所述驾车人员为所述相似度最高的人脸图像对应的失驾人员；或者，向指定终端传输所述驾车人员的人脸图像与所述第一失驾人员人脸图像之间的相似度，并接收所述指定终端传输的用于确定所述驾车人员为失驾人员的确定信息。
4.根据权利要求2所述的方法，其特征在于，所述方法还包括：
若所述关联车辆信息中不包含与所述目标车辆信息相匹配的目标关联车辆信息、且确定所述目标车辆的驾车人员为正在违规驾驶的失驾人员时，将所述目标车辆信息添加至对应的失驾人员的关联车辆信息。
5.根据权利要求1所述的方法，其特征在于，所述失驾人员信息还包括失驾人员的违规驾驶信息，所述违规驾驶信息包括：违规驾驶次数、违规驾驶的车辆信息、违规驾驶的车辆位置信息；
所述方法还包括：
当确定所述目标车辆的驾车人员为正在违规驾驶的失驾人员时，将所述失驾人员对应的违规驾驶次数增加单位次数，以及，获取所述目标车辆的车辆信息、所述目标车辆当前违规驾驶的车辆位置信息；
根据所述增加单位次数后的违规驾驶次数以及所述获取到的所述车辆信息、违规驾驶的车辆位置信息，更新所述失驾人员对应的违规驾驶信息。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
若确定所述驾车人员为正在违规驾驶的失驾人员，则将所述驾车人员的人脸图像更新至对应的失驾人员信息中。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
若确定所述驾车人员为正在违规驾驶的失驾人员，则将所述驾车人员的人脸图像更新至失驾人员的人脸识别模型的数据中；所述人脸识别模型用于对人脸图像进行相似度对比。
8.一种失驾人员违规驾驶的检测装置，其特征在于，包括：
获取模块，用于获取目标车辆的行车图像；
接收模块，用于接收服务器传输的多个失驾人员信息；
比对模块，用于将所述行车图像中的驾车人员的人脸图像与所述多个失驾人员信息中的失驾人员人脸图像进行相似度比对；
确定模块，用于若所述多个驾车人员信息中的失驾人员人脸图像中，存在至少一个第一失驾人员人脸图像与所述驾车人员的人脸图像满足预设相似度条件，则根据所述第一失驾人员人脸图像对应的第一失驾人员信息，确定所述目标车辆的驾车人员是否为正在违规驾驶的失驾人员。
9.根据权利要求8所述的装置，其特征在于，所述失驾人员信息还包括所述失驾人员的关联车辆信息；
所述确定模块包括：
获取单元，用于从所述行车图像中获取目标车辆信息，以及，获取所述第一失驾人员信息中的失驾人员的关联车辆信息；
匹配单元，用于将所述目标车辆信息与获取到的所述关联车辆信息进行匹配，以确定所述关联车辆信息中是否包含与所述目标车辆信息相匹配的目标关联车辆信息；
第一确定单元，用于若所述关联车辆信息中包含与所述目标车辆信息相匹配的目标关联车辆信息，则确定所述驾车人员为所述目标关联车辆信息对应的失驾人员。
10.根据权利要求9所述的装置，其特征在于，所述确定模块还包括：
第二确定单元，用于若所述关联车辆信息中不包含与所述目标车辆信息相匹配的目标关联车辆信息，则根据所述驾车人员的人脸图像与所述第一失驾人员人脸图像之间的相似度确定所述驾车人员是否为正在违规驾驶的失驾人员；
其中，所述第二确定单元还用于：
确定所述第一失驾人员人脸图像中与所述驾车人员的人脸图像相似度最高的人脸图像，及确定所述驾车人员为所述相似度最高的人脸图像对应的失驾人员；或者，向指定终端传输所述驾车人员的人脸图像与所述第一失驾人员人脸图像之间的相似度，并接收所述指定终端传输的用于确定所述驾车人员为失驾人员的确定信息。
11.根据权利要求9所述的装置，其特征在于，所述装置还包括：
添加模块，用于若所述关联车辆信息中不包含与所述目标车辆信息相匹配的目标关联车辆信息、且确定所述目标车辆的驾车人员为正在违规驾驶的失驾人员时，将所述目标车辆信息添加至对应的失驾人员的关联车辆信息。
12.根据权利要求8所述的装置，其特征在于，所述失驾人员信息还包括失驾人员的违规驾驶信息，所述违规驾驶信息包括：违规驾驶次数、违规驾驶的车辆信息、违规驾驶的车辆位置信息；
所述装置还包括：
增加及获取模块，用于当确定所述目标车辆的驾车人员为正在违规驾驶的失驾人员时，将所述失驾人员对应的违规驾驶次数增加单位次数，以及，获取所述目标车辆的车辆信息、所述目标车辆当前违规驾驶的车辆位置信息；
第一更新模块，用于根据所述增加单位次数后的违规驾驶次数以及所述获取到的所述车辆信息、违规驾驶的车辆位置信息，更新所述失驾人员对应的违规驾驶信息。
13.根据权利要求8所述的装置，其特征在于，所述装置还包括：
第二更新模块，用于若确定所述驾车人员为正在违规驾驶的失驾人员，则将所述驾车人员的人脸图像更新至对应的失驾人员信息中。
14.根据权利要求8所述的装置，其特征在于，所述装置还包括：
第三更新模块，用于若确定所述驾车人员为正在违规驾驶的失驾人员，则将所述驾车人员的人脸图像更新至失驾人员的人脸识别模型的数据中；所述人脸识别模型用于对人脸图像进行相似度对比。
15.一种计算机设备，其特征在于，包括处理器、通信接口、存储器和通信总线；其中，所述处理器、所述通信接口以及所述存储器通过总线完成相互间的通信；所述存储器，用于存放计算机程序；所述处理器，用于执行所述存储器上所存放的程序，实现权利要求1-7任一所述的方法步骤。
16.一种计算机可读存储介质，其特征在于，所述存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-7任一所述的方法步骤。
CN201711221253.1A 2017-07-05 2017-11-29 失驾人员违规驾驶的检测方法及装置 Active CN109214258B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201710542078X 2017-07-05
CN201710542078 2017-07-05

Publications (2)

Publication Number Publication Date
CN109214258A true CN109214258A (zh) 2019-01-15
CN109214258B CN109214258B (zh) 2021-06-29

Family

ID=64991833

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711221253.1A Active CN109214258B (zh) 2017-07-05 2017-11-29 失驾人员违规驾驶的检测方法及装置

Country Status (1)

Country Link
CN (1) CN109214258B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110379176A (zh) * 2019-08-30 2019-10-25 公安部交通管理科学研究所 基于图像识别的无证驾驶违法行为预警拦截方法
CN110390232A (zh) * 2018-04-20 2019-10-29 杭州海康威视系统技术有限公司 确认违法驾驶的方法、装置、服务器和系统
CN110516631A (zh) * 2019-08-30 2019-11-29 公安部交通管理科学研究所 一种基于图像识别的失驾人员查处办法
CN111967298A (zh) * 2020-06-28 2020-11-20 付怀普 一种车辆监控方法、系统及存储介质
CN112084215A (zh) * 2020-09-08 2020-12-15 中国平安财产保险股份有限公司 车辆信息查询方法、装置、计算机设备及存储介质
CN112733787A (zh) * 2021-01-20 2021-04-30 青岛以萨数据技术有限公司 驾乘人员违法行为检测方法、装置、存储介质及系统
CN115240434A (zh) * 2022-06-16 2022-10-25 安徽超清科技股份有限公司 一种基于大数据的车辆跟踪系统

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1801181A (zh) * 2006-01-06 2006-07-12 华南理工大学 人脸与车牌自动识别机器人
CN101436348A (zh) * 2008-12-22 2009-05-20 北京中星微电子有限公司 电子警察系统以及应用于电子警察系统的信息识别方法
CN102510478A (zh) * 2011-10-28 2012-06-20 唐玉勇 一种用于“平安城市”工程的智能布控系统及方法
CN103544481A (zh) * 2013-10-24 2014-01-29 深圳市飞瑞斯科技有限公司 一种基于人脸识别的道路卡口监控方法及系统
CN103914686A (zh) * 2014-03-11 2014-07-09 辰通智能设备(深圳)有限公司 一种基于证件照与采集照的人脸比对认证方法及系统
CN103970084A (zh) * 2013-01-24 2014-08-06 福特全球技术公司 用于机动车的指令激活远程控制系统
CN104239881A (zh) * 2013-06-08 2014-12-24 杭州海康威视数字技术股份有限公司 监控视频中目标自动发现和注册方法及其系统
CN104828014A (zh) * 2015-05-28 2015-08-12 京东方科技集团股份有限公司 一种车辆安全驾驶的方法、装置和系统
CN105260703A (zh) * 2015-09-15 2016-01-20 西安邦威电子科技有限公司 一种适用于多姿态下的驾驶人员抽烟行为检测方法
CN205405890U (zh) * 2016-02-29 2016-07-27 新疆智辰天林信息科技有限公司 一种适用安防的车辆智能查控系统装置
CN205540955U (zh) * 2016-02-29 2016-08-31 新疆智辰天林信息科技有限公司 一种适用于安防的综合查控系统装置
CN106097499A (zh) * 2016-06-12 2016-11-09 南宁思飞电子科技有限公司 应用于小区的车辆管理门禁系统

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1801181A (zh) * 2006-01-06 2006-07-12 华南理工大学 人脸与车牌自动识别机器人
CN101436348A (zh) * 2008-12-22 2009-05-20 北京中星微电子有限公司 电子警察系统以及应用于电子警察系统的信息识别方法
CN102510478A (zh) * 2011-10-28 2012-06-20 唐玉勇 一种用于“平安城市”工程的智能布控系统及方法
CN103970084A (zh) * 2013-01-24 2014-08-06 福特全球技术公司 用于机动车的指令激活远程控制系统
CN104239881A (zh) * 2013-06-08 2014-12-24 杭州海康威视数字技术股份有限公司 监控视频中目标自动发现和注册方法及其系统
CN103544481A (zh) * 2013-10-24 2014-01-29 深圳市飞瑞斯科技有限公司 一种基于人脸识别的道路卡口监控方法及系统
CN103914686A (zh) * 2014-03-11 2014-07-09 辰通智能设备(深圳)有限公司 一种基于证件照与采集照的人脸比对认证方法及系统
CN104828014A (zh) * 2015-05-28 2015-08-12 京东方科技集团股份有限公司 一种车辆安全驾驶的方法、装置和系统
CN105260703A (zh) * 2015-09-15 2016-01-20 西安邦威电子科技有限公司 一种适用于多姿态下的驾驶人员抽烟行为检测方法
CN205405890U (zh) * 2016-02-29 2016-07-27 新疆智辰天林信息科技有限公司 一种适用安防的车辆智能查控系统装置
CN205540955U (zh) * 2016-02-29 2016-08-31 新疆智辰天林信息科技有限公司 一种适用于安防的综合查控系统装置
CN106097499A (zh) * 2016-06-12 2016-11-09 南宁思飞电子科技有限公司 应用于小区的车辆管理门禁系统

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110390232A (zh) * 2018-04-20 2019-10-29 杭州海康威视系统技术有限公司 确认违法驾驶的方法、装置、服务器和系统
CN110379176A (zh) * 2019-08-30 2019-10-25 公安部交通管理科学研究所 基于图像识别的无证驾驶违法行为预警拦截方法
CN110516631A (zh) * 2019-08-30 2019-11-29 公安部交通管理科学研究所 一种基于图像识别的失驾人员查处办法
CN110379176B (zh) * 2019-08-30 2021-09-07 公安部交通管理科学研究所 基于图像识别的无证驾驶违法行为预警拦截方法
CN110516631B (zh) * 2019-08-30 2022-06-17 公安部交通管理科学研究所 一种基于图像识别的失驾人员查处办法
CN111967298A (zh) * 2020-06-28 2020-11-20 付怀普 一种车辆监控方法、系统及存储介质
CN112084215A (zh) * 2020-09-08 2020-12-15 中国平安财产保险股份有限公司 车辆信息查询方法、装置、计算机设备及存储介质
CN112733787A (zh) * 2021-01-20 2021-04-30 青岛以萨数据技术有限公司 驾乘人员违法行为检测方法、装置、存储介质及系统
CN115240434A (zh) * 2022-06-16 2022-10-25 安徽超清科技股份有限公司 一种基于大数据的车辆跟踪系统

Also Published As

Publication number Publication date
CN109214258B (zh) 2021-06-29

Similar Documents

Publication Publication Date Title
CN109214258A (zh) 失驾人员违规驾驶的检测方法及装置
CN109484435B (zh) 一种适用于轨道交通智能检测系统的列车定位方法和装置
JP7371157B2 (ja) 車両監視方法、装置、電子機器、記憶媒体、コンピュータプログラム、クラウド制御プラットフォームおよび車路連携システム
DE102020102426A1 (de) Fehlverhaltensdetektion in autonomen Fahrkommunikationen
CN109510851A (zh) 地图数据的构建方法和设备
CN106611167A (zh) 一种跟踪方法及系统
CN110910673B (zh) 一种提醒行人碰撞车辆的方法及系统、摄像头、移动终端
CN111126235A (zh) 一种船只违章停泊检测处理方法及装置
CN106170826A (zh) 出租车乘客人数的监控方法及系统
CN106205120B (zh) 一种提取道路路口交通限制的方法及装置
DE102020122757A1 (de) Systeme und verfahren für mitfahrgelegenheiten unter verwendung von blockchain
CN106672022B (zh) 一种轨道交通联锁表生成方法及系统
CN111325986B (zh) 异常停车监测方法、装置、电子设备以及存储介质
CN109754595A (zh) 车辆风险的评估方法、装置及接口设备
CN109446926A (zh) 一种交通监控方法及装置、电子设备和存储介质
CN112193252A (zh) 驾驶风险的预警方法、装置、计算设备及存储介质
CN110491127A (zh) 一种通行引导方法、装置以及可读存储介质
CN106303967A (zh) 一种快递监控方法、设备和系统
CN109035239A (zh) 基于自动驾驶技术的道路设施检查方法和车辆
CN109815555A (zh) 自动驾驶车辆的环境建模能力评估方法及系统
CN109118797A (zh) 信息共享方法、装置、设备及存储介质
CN109859085A (zh) 安全预警方法及相关产品
CN104200704A (zh) 车辆避撞预警方法及设备
Parada et al. Machine learning-based trajectory prediction for vru collision avoidance in v2x environments
CN109800684A (zh) 一种视频中对象的确定方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant