CN109508632A - 图像处理方法、装置、设备及计算机可读存储介质 - Google Patents
图像处理方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN109508632A CN109508632A CN201811156840.1A CN201811156840A CN109508632A CN 109508632 A CN109508632 A CN 109508632A CN 201811156840 A CN201811156840 A CN 201811156840A CN 109508632 A CN109508632 A CN 109508632A
- Authority
- CN
- China
- Prior art keywords
- image data
- scene
- user
- measured
- processing result
- 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
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
- G06V20/593—Recognising seat occupancy
-
- 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
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本发明提供一种图像处理方法、装置、设备及计算机可读存储介质,方法包括:接收待测场景中设置的任意一个拍摄装置发送的图像数据;对所述图像数据进行处理,获得处理结果;根据所述处理结果采取与所述处理结果对应的管制措施。从而能够对交通工具行驶过程中的安全问题或限制访客数量的博物馆是否访客数量过多的问题进行及时的发现与解决,提高了汽车的行驶安全。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种图像处理方法、装置、设备及计算机可读存储介质。
背景技术
随着汽车行业的发展,各种各样的汽车逐渐走进用户的生活,例如长途汽车、校车以及班车等。在汽车行驶过程中,有多种状况均会导致汽车出现行驶安全问题,例如超载、司机疲劳驾驶以及乘客不佩戴安全带等。以超载举例来说举例来说,超载(Overload)是指汽车的实际装载量超过核定的最大容许限度,由于超载,车辆控制能力降低,容易导致交通事故发生。同时超载对公路造成破坏,使车辆行驶速度受到影响。因此,如何如何实现对汽车超载、司机疲劳驾驶以及乘客不佩戴安全带的及时发现以及管制成为了亟待解决的技术问题。
为了实现对汽车超载、司机疲劳驾驶以及乘客不佩戴安全带的及时发现以及管制,一般都由交警公路上对经过的汽车进行随机检查,若检测到其当前乘客数量超过汽车中预设的座位数量、乘客不佩戴安全带或司机存在疲劳驾驶等状况,则对其采取责罚等措施。
但是,采用上述方法进行汽车的行驶安全检查往往具有随机性,无法对公路上行驶的全部汽车进行有效管制,因此,管制效果较差,此外,采用人工随机检查的方法往往较为耗费人力物力。
发明内容
本发明提供一种图像处理方法、装置、设备及计算机可读存储介质,用于解决现有技术中通过交警人工检查汽车行驶过程中是否超员、司机疲劳驾驶以及乘客不佩戴安全带而造成的管制效果差、耗费人力物力的技术问题。
本发明的第一个方面是提供一种图像处理方法,包括:
接收待测场景中设置的任意一个拍摄装置发送的图像数据;
对所述图像数据进行处理,获得处理结果;
根据所述处理结果采取与所述处理结果对应的管制措施。
本发明的另一个方面是提供一种图像处理装置,包括:
图像数据接收模块,用于接收待测场景中设置的任意一个拍摄装置发送的图像数据;
处理模块,用于对所述图像数据进行处理,获得处理结果;
管制模块,用于根据所述处理结果采取与所述处理结果对应的管制措施。
本发明的又一个方面是提供一种图像处理设备,包括:存储器,处理器;
存储器;用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为由所述处理器执行如上述的图像处理方法。
本发明的又一个方面是提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如上述的图像处理方法。
本发明提供的图像处理方法、装置、设备及计算机可读存储介质,通过接收待测场景中设置的任意一个拍摄装置发送的图像数据;对所述图像数据进行处理,获得处理结果;根据所述处理结果采取与所述处理结果对应的管制措施。从而能够对交通工具行驶过程中的安全问题或限制访客数量的博物馆是否访客数量过多的问题进行及时的发现与解决,提高了汽车的行驶安全
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本发明所基于的网络架构示意图;
图2为本发明实施例一提供的图像处理方法的流程示意图;
图3为本发明实施例二提供的图像处理方法的流程示意图;
图4为本发明实施例三提供的图像处理方法的流程示意图;
图5为本发明实施例四提供的图像处理方法的流程示意图;
图6为本发明实施例五提供的图像处理装置的结构示意图;
图7为本发明实施例六提供的图像处理设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例所获得的所有其他实施例,都属于本发明保护的范围。
为了实现对汽车超员、司机疲劳驾驶以及乘客不佩戴安全带的及时发现以及管制,一般都由交警公路上对经过的汽车进行随机检查,若检测到其当前乘客数量超过汽车中预设的座位数量、乘客不佩戴安全带或司机存在疲劳驾驶等状况,则对其采取责罚等措施。但是,采用上述方法进行汽车的行驶安全检查往往具有随机性,无法对公路上行驶的全部汽车进行有效管制,因此,管制效果较差,此外,采用人工随机检查的方法往往较为耗费人力物力。
为了解决上述技术问题,本发明提供了一种图像处理方法、装置、设备及计算机可读存储介质。本发明提供的图像处理方法能够应用在多种应用场景下,举例来说,可以应用在行驶的长途汽车、校车、班车以及游轮等交通工具上,对行驶过程中汽车是否超员、司机以及乘客是否正确佩戴安全带、司机是否疲劳驾驶进行实时监测,还可以应用在限制访客数量的博物馆等场景中,对场馆设施是否超员进行检测,也就是说,本发明提供的图像处理方法能够应用在任意一种限制乘客数量的场景中,以实现对交通工具或场馆等设施是否超员的检测。
需要说明的是,为了更好地解释本发明,图1为本发明所基于的网络架构示意图,如图1所示,本发明提供的图像处理方法的执行主体具体可以为图像处理装置1,该图像处理装置1可通过软件和/或硬件的方式实现。该图像处理装置1可以通过有线或无线的方式与安装在汽车上的至少一个拍摄装置2进行通信连接与信息交互,此外,该图像处理装置1还可以通过有线或无线的方式与监管部门3进行信息交互。作为一种可以实施的方式,图像处理装置1还可以与云端服务器通信连接,用于将处理后的图像数据以及处理结果上传云端服务器进行存储。
图2为本发明实施例一提供的图像处理方法的流程示意图,如图2所示,所述方法包括:
步骤101、接收待测场景中设置的任意一个拍摄装置发送的图像数据。
在本实施方式中,为了实现对交通工具以及限制访客数量的博物馆是否超员进行检测,可以在待测场景中安装拍摄装置。具体地,当待测场景为交通工具时,可以在交通工具的不同位置安装拍摄装置,举例来说,可以在驾驶室附近安装拍摄装置实现对司机的驾驶影像的获取,还可以在交通工具车门对面的位置设置拍摄装置,实现对上下车乘客的影像的获取,也可以在车厢前方设置拍摄装置,实现对驾驶过程中车厢中的全部乘客的影响获取;当待测场景为场馆等设施时,拍摄装置可以设置在场馆设施的门口或场馆内的房间内,实现对场馆内访客数量是否超过预设的阈值的检测。可以理解的是,可以根据当前需求对拍摄装置的数量与位置进行调整,本发明在此不做限制。图像处理装置可以通过有线或无线的方式与安装在汽车上或场馆中的至少一个拍摄装置进行通信连接与信息交互,当拍摄装置采集到用户的图像数据,可以将图像数据通过有线或无线的方式发送至图像处理装置,相应地,图像处理装置可以接收任意一个拍摄装置发送的图像数据。
需要说明的是,为了实现对交通工具以及限制访客数量的博物馆是否超员的检测,交通工具或场馆中的拍摄装置可以设置为按照预设的时间间隔对交通工具或场馆中的状况进行拍摄,并传输至图像处理装置,其中,该时间间隔可以由用户自行设置,本发明再次不做限制。此外,图像处理装置也可以根据用户的指令向拍摄装置实时发送拍摄指令,以使拍摄装置根据该拍摄指令拍摄实时图像并反馈。作为一种可以实施的方式,拍摄装置还可以实时对汽车或场馆中乘客的图像数据进行获取并反馈。
步骤102、对所述图像数据进行处理,获得处理结果。
在本实施方式中,接收到拍摄装置拍摄的图像数据之后,为了判定交通工具以及限制访客数量的博物馆是否超员,需要对该图像数据进行分析处理,获得处理结果。需要说明的是,为了提高图像处理精度,可以针对不同的拍摄装置拍摄的图像数据采取不同的处理方式。
步骤103、根据所述处理结果采取与所述处理结果对应的管制措施。
在本实施方式中,对接收到的图像数据进行处理并获得处理结果之后,可以根据不同的处理结果采取与该处理结果对应的管制措施。可以理解的是,若处理结果显示该交通工具当前安全行驶,则无需对该交通工具进行管制,若处理结果显示该交通工具当前未安全驾驶,则为了保证司机与乘客的安全,需要对该交通工具进行管制。具体地,图像处理装置还可以通过有线或无线的方式与监管部门进行信息交互,因此,若检测到交通工具当前未安全行驶,则可以将当前的行驶信息发送至监管部门,以使监管部门进行监管,以提高行驶的安全性。
本实施例提供的图像处理方法,通过接收待测场景中设置的任意一个拍摄装置发送的图像数据;对所述图像数据进行处理,获得处理结果;根据所述处理结果采取与所述处理结果对应的管制措施。从而能够对交通工具以及限制访客数量的博物馆是否超员的问题进行及时的发现与解决。
进一步地,在上述实施例的基础上,所述方法包括:
接收待测场景中设置的任意一个拍摄装置发送的图像数据;
确定发送所述图像数据的拍摄装置的位置信息;
根据所述拍摄装置的位置信息采取不同的处理方式对所述图像数据进行处理,获得所述处理结果;
根据所述处理结果采取与所述处理结果对应的管制措施。
在本实施例中,为了提高对图像数据的处理精度,可以针对不同的拍摄装置拍摄的图像数据采取不同的处理方式,其中,不同的处理方式可以包括但不限于人脸识别、通过神经网络模型识别等方式。具体地,接收到拍摄装置发送的图像数据之后,可以首先确定发送图像数据的拍摄装置在待测场景中安装的位置信息,并根据不同的位置信息采取不同的处理方式对图像数据进行处理,获得处理结果。可以理解的是,拍摄装置向图像处理装置发送图像数据时,可以同时发送自身的标识信息,进而图像处理装置可以根据该标识信息确定发送该图像数据的拍摄装置的位置信息。
本实施例提供的图像处理方法,通过确定发送所述图像数据的拍摄装置的位置信息;根据所述拍摄装置的位置信息采取不同的处理方式对所述图像数据进行处理,获得所述处理结果,从而能够提高图像处理的精度,进一步地提高汽车的行驶安全。
图3为本发明实施例二提供的图像处理方法的流程示意图,在上述任一实施例的基础上,如图2所示,所述方法包括:
步骤201、接收待测场景中设置的任意一个拍摄装置发送的图像数据。
步骤202、确定发送所述图像数据的拍摄装置的位置信息。
步骤203、若所述拍摄装置的位置信息为第一位置,则通过人脸识别技术将所述图像数据与预存的标准图像数据进行比对,获得所述处理结果;
步骤204、根据所述处理结果采取与所述处理结果对应的管制措施。
在本实施例中,接收到待测场景中设置的任意一个拍摄装置发送的图像数据,并确定该拍摄装置的位置信息之后,若确定该拍摄装置的位置信息为第一位置,则可以通过人脸识别技术将该图像数据与预存的标准图像数据进行比对,获得处理结果,并根据处理结果采取与处理结果对应的管制措施。具体地,当待测场景为交通工具汽车时,该第一位置可以为汽车车门对面的位置,从而能够实现对上下车的乘客的图像采集,相应地,预存的标准图像数据可以为已购票乘客的图像数据,将该上下车的乘客的图像数据与已购票乘客的图像数据进行比对,若比对一致,则表征该乘客为已购票的可识别乘客,若比对不一致,则表征该乘客为未购票的不可识别乘客,进而能够根据可识别乘客与不可识别乘客判定当前汽车是否超员。可选地,该第一位置还可以为车厢前面的位置,从而在汽车行驶过程中对车厢内的全部乘客的图像进行获取,相应地,预存的标准图像数据可以为已购票乘客的图像数据,将该全部乘客的图像数据与已购票乘客的图像数据进行比对,若比对一致,则表征该乘客为已购票的可识别乘客,若比对不一致,则表征该乘客为未购票的不可识别乘客,进而能够根据可识别乘客与不可识别乘客判定当前汽车是否超员。当待测场景为场馆等设施时,该第一位置可以为场馆门口检票处,从而能够实现对进出的访客的影像信息的获取,可以理解的是,预存的标准图像数据可以为访客的证件信息上的图像,将该全部访客的图像数据与已检票访客的图像数据进行比对,若比对一致,则表征该访客为已购票的可识别访客,若比对不一致,则表征该访客为未购票的不可识别访客,进而能够根据可识别访客与不可识别访客判定当前场馆人数是否超过预设的阈值。作为一种可以实施的方式,该第一位置还可以为场馆的各房间上部,从而能够通过人脸识别技术对各房间内的用户图像数据进行识别,将该全部访客的图像数据与已检票访客的图像数据进行比对,若比对一致,则表征该访客为已购票的可识别访客,若比对不一致,则表征该访客为未购票的不可识别访客,进而能够根据各房间内可识别访客与不可识别访客的总数判定当前场馆访客数量是否超过预设的阈值。
本实施例提供的图像处理方法,通过若所述拍摄装置的位置信息为第一位置,则通过人脸识别技术将所述图像数据与预存的标准图像数据进行比对,获得所述处理结果,从而能够对交通工具行驶过程中的安全问题或限制访客数量的博物馆是否访客数量过多的问题进行及时的发现
进一步地,在上述任意实施例的基础上,所述方法包括:
接收待测场景中设置的任意一个拍摄装置发送的图像数据。
确定发送所述图像数据的拍摄装置的位置信息。
若所述拍摄装置的位置信息为第一位置,则若所述图像数据与所述标准图像数据相似度超过预设的阈值,则将所述图像数据中的用户作为可识别用户;
若所述图像数据与所述标准图像数据相似度低于预设的阈值,则将所述图像数据中的用户作为不可识别用户;
计算所述可识别用户与所述不可识别用户的数量总和;
将所述数量总和与所述待测场景中预设的用户数量阈值进行比对,获得所述处理结果;
根据所述处理结果采取与所述处理结果对应的管制措施。
在本实施例中,接收到待测场景中设置的任意一个拍摄装置发送的图像数据,并确定该拍摄装置的位置信息之后,若确定该拍摄装置的位置信息为第一位置,则可以通过人脸识别技术将该图像数据与预存的标准图像数据进行比对,相应地,相应地,预存的标准图像数据可以为已购票用户的图像数据。若该图像数据与任意一个标准图像数据的相似度超过预设的阈值,则表征该用户为已购票的可识别用户,若该图像数据与任意一个标准图像数据的相似度低于预设的阈值,则表征该用户为未购票的不可识别用户,计算可识别用户与不可识别的用户的数量总和,将该数量总和与待测场景的预设的用户数量阈值进行比对,获得处理结果。举例来说,若待测场景中的预设的用户数量阈值为28个,当前根据图像数据识别结果为可识别用户20个,不可识别用户10个,则可识别用户与不可识别用户的数量总和为30个,大于待测场景中的预设的用户数量阈值为28个,此时可以判定待测场景用户数量超过预设的阈值,获得处理结果。
本实施例提供的图像处理方法,通过若所述图像数据与所述标准图像数据相似度超过预设的阈值,则将所述图像数据中的用户作为可识别用户;若所述图像数据与所述标准图像数据相似度低于预设的阈值,则将所述图像数据中的用户作为不可识别用户;计算所述可识别用户与所述不可识别用户的数量总和;将所述数量总和与所述待测场景中预设的用户数量阈值进行比对,获得所述处理结果。从而能够快速精准地判定待测场景用户数量是否超过预设的阈值,进而能够降低交通工具或场馆的耗损。
进一步地,在上述任意实施例的基础上,所述方法包括:
当用户购票时,对购票的用户的影像信息进行采集,将所述购票的用户的影像信息作为所述标准图像数据;
接收待测场景中设置的任意一个拍摄装置发送的图像数据;
对所述图像数据进行处理,获得处理结果;
根据所述处理结果采取与所述处理结果对应的管制措施。
在本实施例中,当待测场景为汽车或场馆时,预设的标准图像数据具体可以为已购票的用户的图像数据。具体地,可以在用户购票时,对已购票用户的图像数据进行采集并存储,进而能够在接收到拍摄装置发送的图像数据时,将图像数据与该标准图像数据进行比对,获得处理结果,进而能够根据处理结果采取与处理结果相对应的管制措施。
本实施例提供的图像处理方法,通过接收汽车上设置的任意一个拍摄装置发送的图像数据,从而为后续的图像数据处理提供了基础。
可选地,在上述任意实施例的基础上,所述方法包括:
将预存的用户证件上的影像信息作为所述标准图像数据;
接收待测场景中设置的任意一个拍摄装置发送的图像数据;
对所述图像数据进行处理,获得处理结果;
根据所述处理结果采取与所述处理结果对应的管制措施。
在本实施例中,当待测场景为汽车时,预存的标准图像数据可以为预存的用户证件上的影像信息。以该待测场景为汽车举例来说,若该汽车为校车,则该用户证件可以为乘客的学生证,若该校车为公司的班车,则该用户证件可以为乘客的工作证。而上述证件信息在用户乘坐汽车之前就已经录入完毕,因此,可以将其作为标准图像数据,进而能够根据该标准图像数据与当前采集的图像数据进行比对,识别当前汽车是够超员。当待测场景为场馆等设施时,预存的标准图像数据可以为访客在进入场馆是初始的证件,该证件可以为身份证等其他能够表明用户身份且上面显示有图像数据的证件。
进一步地,在上述任意实施例的基础上,所述方法包括:
接收待测场景中设置的任意一个拍摄装置发送的图像数据;
对所述图像数据进行处理,获得处理结果;
若可识别用户与不可识别用户的数量总和大于所述待测场景中预设的用户数量阈值,则判定所述待测场景超员;
获取所述待测场景的超员信息并将所述超员信息发送至监管部门,以使监管部门对所述待测场景进行管制。
在本实施例中,当待测场景为汽车时,若检测到可识别用户与不可识别用户的数量总和大于所述汽车中预设的座位数量,则判定所述汽车超员。由于超员,车辆控制能力降低,容易导致交通事故发生。同时超员对公路造成破坏,使车辆行驶速度受到影响。因此,可以获取汽车的超员信息并将该超员信息发送至监管部门,以使监管部门对该汽车进行管制。具体地,该监管部门可以为交警部门,从而交警可以根据该超员信息对司机进行相应地处罚。
本实施例提供的图像处理方法,通过若可识别用户与不可识别用户的数量总和大于所述汽车中预设的座位数量,则判定所述汽车超员;获取所述汽车的超员信息并将所述超员信息发送至监管部门,以使监管部门对所述汽车进行管制,从而能够及时发现汽车行驶的安全问题并采取措施进行管制,进而能够提高汽车的行驶安全。当待测场景为场馆等设施时,若检测到识别用户与不可识别用户的数量总和大于预设的用户数量阈值,则可以向监管部门发送超员信息,以使监管部门对场馆内的用户进行疏散或采取其他措施进行处理。
进一步地,在上述任意实施例的基础上,所述方法包括:
接收待测场景中设置的任意一个拍摄装置发送的图像数据;
对所述图像数据进行处理,获得处理结果;
若可识别用户与不可识别用户的数量总和大于所述待测场景中预设的用户数量阈值,则判定所述待测场景超员;
确定所述待测场景当前所处的位置信息、所述待测场景的标识以及所述待测场景当前承载可识别用户与不可识别用户的数量总和;
将所述待测场景当前所处的位置信息、所述待测场景的标识以及所述待测场景当前承载可识别用户与不可识别用户的数量总和作为所述超员信息并将所述超员信息发送至监管部门,以使监管部门对场馆内的用户进行疏散或采取其他措施进行处理。
在本实施例中,当待测场景为汽车时,为了使监管部门能够尽快地对超员汽车采取管制措施,超员信息中可以包括汽车当前所处的位置,汽车标识、当前承载可识别乘客与不可识别乘客的数量总和以及汽车内超员的影像信息。具体地,可以确定汽车当前所处的位置信息,该位置信息可以通过汽车内的定位模块进行获取,例如GPS等,获取汽车的标识,该标识可以任意一种唯一标识汽车身份的标识,例如车牌号等,获取摄像头拍摄的影像数据以及汽车当前承载可识别乘客与不可识别乘客的数量总和,将上述数据同时发送至监管部门,以使监管部门根据该超员信息对汽车进行管制。当待测场景为场馆等设施时,若检测到识别用户与不可识别用户的数量总和大于预设的用户数量阈值,则可以获取场馆的位置信息,场馆标识以及场馆内当前访客数量作为超员信息发送至管制部门。
本实施例提供的图像处理方法,通过确定所述汽车当前所处的位置信息、所述汽车的标识以及所述汽车当前承载可识别乘客与不可识别乘客的数量总和;将所述汽车当前所处的位置信息、所述汽车的标识以及所述汽车当前承载可识别乘客与不可识别乘客的数量总和作为所述超员信息并将所述超员信息发送至监管部门。从而能够及时发现汽车行驶的安全问题并采取措施进行管制,进而能够提高汽车的行驶安全。
图4为本发明实施例三提供的图像处理方法的流程示意图,在上述任一实施例的基础上,如图4所示,所述方法包括:
步骤301、接收待测场景中设置的任意一个拍摄装置发送的图像数据。
步骤302、确定发送所述图像数据的拍摄装置的位置信息。
步骤303、若所述拍摄装置的位置信息为第二位置,则通过预设的第一神经网络模型对所述图像数据进行识别,确定所述待测场景中的司机是否疲劳驾驶,获得所述处理结果;
步骤304、根据所述处理结果采取与所述处理结果对应的管制措施。
在本实施例中,当待测场景为汽车时,接收到汽车上设置的任意一个拍摄装置发送的图像数据,并确定该拍摄装置的位置信息之后,若确定该拍摄装置的位置信息为第二位置,则可以通过预设的第一神经网络模型对图像数据进行识别,确定汽车的司机是否疲劳驾驶,获得所述处理结果,并根据处理结果采取与处理结果对应的管制措施。具体地,该第二位置可以为驾驶室上方的位置,从而能够实现驾驶过程中司机的图像采集。需要说明的是,在通过预设的第一神经网络模型对图像数据进行识别之前,首先需要建立待训练模型,并将预设的待训练数据随机分为测试集与训练集,通过训练集对待训练模型进行训练,对测试机对待训练模型进行测试,获得该第一神经网络模型。其中,待训练数据为多张司机驾驶时的图像信息,预先对该图像信息中司机是否疲劳驾驶进行标注,从而通过该待训练数据训练出的第一神经网络模型能够精准地识别出司机当前是否疲劳驾驶。
本实施例提供的图像处理方法,通过若所述拍摄装置的位置信息为第二位置,则通过预设的第一神经网络模型对所述图像数据进行识别,确定所述汽车的司机是否疲劳驾驶,获得所述处理结果,从而能够准确地识别出当前司机是否疲劳驾驶,进而能够保证汽车的行驶安全。
进一步地,在上述任意实施例的基础上,所述方法包括:
接收待测场景中设置的任意一个拍摄装置发送的图像数据。
确定发送所述图像数据的拍摄装置的位置信息。
若所述拍摄装置的位置信息为第二位置,则通过预设的第一神经网络模型对所述图像数据进行识别,确定所述待测场景中的司机是否疲劳驾驶,获得所述处理结果;
若确定所述待测场景中的司机疲劳驾驶,则通过预设的提示方式对所述司机进行提醒,以使所述司机对当前状态进行调整。
在本实施例中,当待测场景为汽车时,若通过预设的第一神经网络模型识别出司机当前疲劳驾驶,为了保证汽车当前的行驶安全,需要对司机进行提醒。具体地,可以通过预设的提示方式对司机进行提醒,例如通过语音、蜂鸣器等方式进行声音提醒。可以理解的是,若检测到司机疲劳驾驶的时间超过预设的时间阈值,则可以向管制部门发送提示。
本实施例提供的图像处理方法,通过若确定所述汽车的司机疲劳驾驶,则通过预设的提示方式对所述司机进行提醒,以使所述司机对当前状态进行调整,从而能够及时对司机疲劳驾驶的状态进行发现以及提醒,进而能够保证汽车的行驶安全。
图5为本发明实施例四提供的图像处理方法的流程示意图,在上述任一实施例的基础上,如图5所示,所述方法包括:
步骤401、接收待测场景中设置的任意一个拍摄装置发送的图像数据。
步骤402、确定发送所述图像数据的拍摄装置的位置信息。
步骤403、若所述拍摄装置的位置信息为第三位置,则通过预设的第二神经网络模型对所述图像数据进行识别,确定所述待测场景中的用户是否正确佩戴安全带和/或是否佩戴安全带,获得所述处理结果;
步骤404、根据所述处理结果采取与所述处理结果对应的管制措施。
在本实施例中,当待测场景为汽车时,接收到汽车上设置的任意一个拍摄装置发送的图像数据,并确定该拍摄装置的位置信息之后,若确定该拍摄装置的位置信息为第三位置,则可以通过预设的第二神经网络模型对图像数据进行识别,确定汽车的汽车中的乘客是否正确佩戴安全带或是否佩戴安全带,获得所述处理结果,并根据处理结果采取与处理结果对应的管制措施。具体地,该第三位置可以为车厢前部的位置,从而实现对全部乘客的图像采集。需要说明的是,在通过预设的第二神经网络模型对图像数据进行识别之前,首先需要建立待训练模型,并将预设的待训练数据随机分为测试集与训练集,通过训练集对待训练模型进行训练,对测试机对待训练模型进行测试,获得该第而神经网络模型。其中,待训练数据为多张乘客的图像信息,预先对该图像信息中乘客是否佩戴安全带或是否正确佩戴安全带进行标注,从而通过该待训练数据训练出的第二神经网络模型能够精准地识别出乘客是否正确佩戴安全带或是否佩戴安全带。可以理解的是,该第三位置也可以为驾驶室上方的位置,从而能够实现驾驶过程中司机的图像采集。进而能够通过第二神经网络模型实现对司机是否佩戴安全带或是否正确佩戴安全带的识别。
本实施例提供的图像处理方法,通过若所述拍摄装置的位置信息为第三位置,则通过预设的第二神经网络模型对所述图像数据进行识别,确定所述汽车中的乘客是否正确佩戴安全带或是否佩戴安全带,获得所述处理结果,从而能够准确地识别出当前乘客或司机是否佩戴安全带或是否正确佩戴安全带,进而能够保证汽车的行驶安全。
进一步地,在上述任意实施例的基础上,所述方法包括:
接收待测场景中设置的任意一个拍摄装置发送的图像数据。
确定发送所述图像数据的拍摄装置的位置信息。
若所述拍摄装置的位置信息为第三位置,则通过预设的第二神经网络模型对所述图像数据进行识别,确定所述待测场景中的用户是否正确佩戴安全带和/或是否佩戴安全带,获得所述处理结果;
若确定所述待测场景中的用户未正确佩戴安全带和/或未佩戴安全带,则提示用户对所述安全带进行调整和/或提示用户佩戴安全带。
在本实施例中,当待测场景为汽车时,若通过预设的第二神经网络模型识别出乘客或司机当前未正确佩戴安全带或未佩戴安全带,为了保证汽车当前的行驶安全,需要对乘客或司机进行提醒,提示用户对所述安全带进行调整或提示用户佩戴安全带。具体地,可以通过预设的提示方式对乘客或司机进行提醒,例如通过语音、蜂鸣器等方式进行声音提醒。
本实施例提供的图像处理方法,通过若确定所述汽车中的乘客未正确佩戴安全带或未佩戴安全带,则提示用户对所述安全带进行调整或提示用户佩戴安全带,从而能够及时对乘客或司机当前未正确佩戴安全带或未佩戴安全带的状态进行发现以及提醒,进而能够保证汽车的行驶安全。
进一步地,在上述任意实施例的基础上,所述方法包括:
所述拍摄装置为红外拍摄装置。
可以理解的是,很多汽车需要在亮度较低的条件下行驶,很多场馆也需要在亮度较低的条件下进行展览等操作,而正常的拍摄装置无法再亮度较低的条件下获取清晰的图像数据,因此,为了在各种场景下均能够实现对图像数据的获取,拍摄装置可以为红外拍摄装置。
本实施例提供的图像处理方法,通过采用红外拍摄装置,从而能够在各种场景下均能够实现对图像数据的获取,为后续的图像数据处理提供了基础。
图6为本发明实施例五提供的图像处理装置的结构示意图,如图6所示,所述图像处理装置1包括:
图像数据接收模块51,用于接收待测场景中设置的任意一个拍摄装置发送的图像数据;
处理模块52,用于对所述图像数据进行处理,获得处理结果;
管制模块53,用于根据所述处理结果采取与所述处理结果对应的管制措施。
本实施例提供的图像处理装置,通过接收待测场景中设置的任意一个拍摄装置发送的图像数据;对所述图像数据进行处理,获得处理结果;根据所述处理结果采取与所述处理结果对应的管制措施。从而能够对交通工具行驶过程中的安全问题或限制访客数量的博物馆是否访客数量过多的问题进行及时的发现与解决,提高了汽车的行驶安全。
进一步地,在上述任一实施例的基础上,所述处理模块包括:
位置信息确定单元,用于确定发送所述图像数据的拍摄装置的位置信息;
处理单元,用于根据所述拍摄装置的位置信息采取不同的处理方式对所述图像数据进行处理,获得所述处理结果。
进一步地,在上述任一实施例的基础上,所述处理单元具体用于:
若所述拍摄装置的位置信息为第一位置,则通过人脸识别技术将所述图像数据与预存的标准图像数据进行比对,获得所述处理结果。
进一步地,在上述任一实施例的基础上,所述处理单元具体用于:
若所述图像数据与所述标准图像数据相似度超过预设的阈值,则将所述图像数据中的用户作为可识别用户;
若所述图像数据与所述标准图像数据相似度低于预设的阈值,则将所述图像数据中的用户作为不可识别用户;
计算所述可识别用户与所述不可识别用户的数量总和;
将所述数量总和与所述待测场景中预设的用户数量阈值进行比对,获得所述处理结果。
进一步地,在上述任一实施例的基础上,所述装置还包括:
第一采集模块,用于当用户购票时,对购票的用户的影像信息进行采集,将所述购票的用户的影像信息作为所述标准图像数据。
进一步地,在上述任一实施例的基础上,所述装置还包括:
第二采集模块,用于将预存的用户证件上的影像信息作为所述标准图像数据。
进一步地,在上述任一实施例的基础上,所述管制模块包括:
判定单元,用于若可识别用户与不可识别用户的数量总和大于所述待测场景中预设的用户数量阈值,则判定所述待测场景超员;
发送单元,用于获取所述待测场景的超员信息并将所述超员信息发送至监管部门,以使监管部门对所述待测场景进行管制。
进一步地,在上述任一实施例的基础上,所述发送单元具体用于:
确定所述待测场景当前所处的位置信息、所述待测场景的标识以及所述待测场景当前承载可识别用户与不可识别用户的数量总和;
将所述待测场景当前所处的位置信息、所述待测场景的标识以及所述待测场景当前承载可识别用户与不可识别用户的数量总和作为所述超员信息并将所述超员信息发送至监管部门。
进一步地,在上述任一实施例的基础上,所述处理单元具体用于:
若所述拍摄装置的位置信息为第二位置,则通过预设的第一神经网络模型对所述图像数据进行识别,确定所述待测场景的司机是否疲劳驾驶,获得所述处理结果。
进一步地,在上述任一实施例的基础上,所述管制模块,包括:
第一提醒单元,用于若确定所述待测场景的司机疲劳驾驶,则通过预设的提示方式对所述司机进行提醒,以使所述司机对当前状态进行调整。
进一步地,在上述任一实施例的基础上,所述处理单元具体用于:
若所述拍摄装置的位置信息为第三位置,则通过预设的第二神经网络模型对所述图像数据进行识别,确定所述待测场景中的用户是否正确佩戴安全带或是否佩戴安全带,获得所述处理结果。
进一步地,在上述任一实施例的基础上,所述管制模块,包括:
第二提醒单元,用于若确定所述待测场景中的用户未正确佩戴安全带或未佩戴安全带,则提示用户对所述安全带进行调整或提示用户佩戴安全带。
进一步地,在上述任一实施例的基础上,还包括:
所述拍摄装置为红外拍摄装置。
图7为本发明实施例六提供的图像处理设备的结构示意图,如图7所示,所述图像处理设备64,包括:存储器61,处理器62;
存储器61;用于存储所述处理器62可执行指令的存储器61;
其中,所述处理器62被配置为由所述处理器62执行如上述任一实施例所述的图像处理方法;
所述图像处理设备64,还包括通讯接口63。
本发明又一实施例还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如上述任一实施例所述的图像处理方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (28)
1.一种图像处理方法,其特征在于,包括:
接收待测场景中设置的任意一个拍摄装置发送的图像数据;
对所述图像数据进行处理,获得处理结果;
根据所述处理结果采取与所述处理结果对应的管制措施。
2.根据权利要求1所述的方法,其特征在于,所述对所述图像数据进行处理,获得处理结果,包括:
确定发送所述图像数据的拍摄装置的位置信息;
根据所述拍摄装置的位置信息采取不同的处理方式对所述图像数据进行处理,获得所述处理结果。
3.根据权利要求2所述的方法,其特征在于,所述根据所述拍摄装置的位置信息采取不同的处理方式对所述图像数据进行处理,获得所述处理结果,包括:
若所述拍摄装置的位置信息为第一位置,则通过人脸识别技术将所述图像数据与预存的标准图像数据进行比对,获得所述处理结果。
4.根据权利要求3所述的方法,其特征在于,所述通过人脸识别技术将所述图像数据与预存的标准图像数据进行比对,获得所述处理结果,包括:
若所述图像数据与所述标准图像数据相似度超过预设的阈值,则将所述图像数据中的用户作为可识别用户;
若所述图像数据与所述标准图像数据相似度低于预设的阈值,则将所述图像数据中的用户作为不可识别用户;
计算所述可识别用户与所述不可识别用户的数量总和;
将所述数量总和与所述待测场景中预设的用户数量阈值进行比对,获得所述处理结果。
5.根据权利要求3所述的方法,其特征在于,所述接收待测场景中设置的任意一个拍摄装置发送的图像数据之前,还包括:
当用户购票时,对购票的用户的影像信息进行采集,将所述购票的用户的影像信息作为所述标准图像数据。
6.根据权利要求3所述的方法,其特征在于,所述接收待测场景中设置的任意一个拍摄装置发送的图像数据之前,还包括:
将预存的用户证件上的影像信息作为所述标准图像数据。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述根据所述处理结果采取与所述处理结果对应的管制措施,包括:
若可识别用户与不可识别用户的数量总和大于所述待测场景中预设的用户数量阈值,则判定所述待测场景超员;
获取所述待测场景的超员信息并将所述超员信息发送至监管部门,以使监管部门对所述待测场景进行管制。
8.根据权利要求7所述的方法,其特征在于,所述获取所述待测场景的超员信息并将所述超员信息发送至监管部门,包括:
确定所述待测场景当前所处的位置信息、所述待测场景的标识以及所述待测场景当前承载可识别用户与不可识别用户的数量总和;
将所述待测场景当前所处的位置信息、所述待测场景的标识以及所述待测场景当前承载可识别用户与不可识别用户的数量总和作为所述超员信息并将所述超员信息发送至监管部门。
9.根据权利要求2所述的方法,其特征在于,所述根据所述拍摄装置的位置信息采取不同的处理方式对所述图像数据进行处理,获得所述处理结果,包括:
若所述拍摄装置的位置信息为第二位置,则通过预设的第一神经网络模型对所述图像数据进行识别,确定所述待测场景中的司机是否疲劳驾驶,获得所述处理结果。
10.根据权利要求1、2、9任一项所述的方法,其特征在于,所述根据所述处理结果采取与所述处理结果对应的管制措施,包括:
若确定所述待测场景中的司机疲劳驾驶,则通过预设的提示方式对所述司机进行提醒,以使所述司机对当前状态进行调整。
11.根据权利要求2所述的方法,其特征在于,所述根据所述拍摄装置的位置信息采取不同的处理方式对所述图像数据进行处理,获得所述处理结果,包括:
若所述拍摄装置的位置信息为第三位置,则通过预设的第二神经网络模型对所述图像数据进行识别,确定所述待测场景中的用户是否正确佩戴安全带和/或是否佩戴安全带,获得所述处理结果。
12.根据权利要求1、2、11任一项所述的方法,其特征在于,所述根据所述处理结果采取与所述处理结果对应的管制措施,包括:
若确定所述待测场景中的用户未正确佩戴安全带和/或未佩戴安全带,则提示用户对所述安全带进行调整和/或提示用户佩戴安全带。
13.根据权利要求1-5、8-9、11任一项所述的方法,其特征在于,还包括:
所述拍摄装置为红外拍摄装置。
14.一种图像处理装置,其特征在于,包括:
图像数据接收模块,用于接收待测场景中设置的任意一个拍摄装置发送的图像数据;
处理模块,用于对所述图像数据进行处理,获得处理结果;
管制模块,用于根据所述处理结果采取与所述处理结果对应的管制措施。
15.根据权利要求14所述的装置,其特征在于,所述处理模块包括:
位置信息确定单元,用于确定发送所述图像数据的拍摄装置的位置信息;
处理单元,用于根据所述拍摄装置的位置信息采取不同的处理方式对所述图像数据进行处理,获得所述处理结果。
16.根据权利要求15所述的装置,其特征在于,所述处理单元具体用于:
若所述拍摄装置的位置信息为第一位置,则通过人脸识别技术将所述图像数据与预存的标准图像数据进行比对,获得所述处理结果。
17.根据权利要求16所述的装置,其特征在于,所述处理单元具体用于:
若所述图像数据与所述标准图像数据相似度超过预设的阈值,则将所述图像数据中的用户作为可识别用户;
若所述图像数据与所述标准图像数据相似度低于预设的阈值,则将所述图像数据中的用户作为不可识别用户;
计算所述可识别用户与所述不可识别用户的数量总和;
将所述数量总和与所述待测场景中预设的用户数量阈值进行比对,获得所述处理结果。
18.根据权利要求16所述的装置,其特征在于,所述装置还包括:
第一采集模块,用于当用户购票时,对购票的用户的影像信息进行采集,将所述购票的用户的影像信息作为所述标准图像数据。
19.根据权利要求16所述的装置,其特征在于,所述装置还包括:
第二采集模块,用于将预存的用户证件上的影像信息作为所述标准图像数据。
20.根据权利要求14-19任一项所述的装置,其特征在于,所述管制模块包括:
判定单元,用于若可识别用户与不可识别用户的数量总和大于所述待测场景中预设的用户数量阈值,则判定所述待测场景超员;
发送单元,用于获取所述待测场景的超员信息并将所述超员信息发送至监管部门,以使监管部门对所述待测场景进行管制。
21.根据权利要求20所述的装置,其特征在于,所述发送单元具体用于:
确定所述待测场景当前所处的位置信息、所述待测场景的标识以及所述待测场景当前承载可识别用户与不可识别用户的数量总和;
将所述待测场景当前所处的位置信息、所述待测场景的标识以及所述待测场景当前承载可识别用户与不可识别用户的数量总和作为所述超员信息并将所述超员信息发送至监管部门。
22.根据权利要求15所述的装置,其特征在于,所述处理单元具体用于:
若所述拍摄装置的位置信息为第二位置,则通过预设的第一神经网络模型对所述图像数据进行识别,确定所述待测场景的司机是否疲劳驾驶,获得所述处理结果。
23.根据权利要求14、15、22任一项所述的装置,其特征在于,所述管制模块,包括:
第一提醒单元,用于若确定所述待测场景的司机疲劳驾驶,则通过预设的提示方式对所述司机进行提醒,以使所述司机对当前状态进行调整。
24.根据权利要求15所述的装置,其特征在于,所述处理单元具体用于:
若所述拍摄装置的位置信息为第三位置,则通过预设的第二神经网络模型对所述图像数据进行识别,确定所述待测场景中的用户是否正确佩戴安全带或是否佩戴安全带,获得所述处理结果。
25.根据权利要求14、15、24任一项所述的装置,其特征在于,所述管制模块,包括:
第二提醒单元,用于若确定所述待测场景中的用户未正确佩戴安全带或未佩戴安全带,则提示用户对所述安全带进行调整或提示用户佩戴安全带。
26.根据权利要求14-18、21-22、24任一项所述的装置,其特征在于,还包括:
所述拍摄装置为红外拍摄装置。
27.一种图像处理设备,其特征在于,包括:存储器,处理器;
存储器;用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为由所述处理器执行如权利要求1-13任一项所述的图像处理方法。
28.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1-13任一项所述的图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811156840.1A CN109508632B (zh) | 2018-09-30 | 2018-09-30 | 图像处理方法、装置、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811156840.1A CN109508632B (zh) | 2018-09-30 | 2018-09-30 | 图像处理方法、装置、设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109508632A true CN109508632A (zh) | 2019-03-22 |
CN109508632B CN109508632B (zh) | 2023-04-07 |
Family
ID=65746294
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811156840.1A Active CN109508632B (zh) | 2018-09-30 | 2018-09-30 | 图像处理方法、装置、设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109508632B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110084935A (zh) * | 2019-04-26 | 2019-08-02 | 重庆中科云从科技有限公司 | 出入预警方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104239889A (zh) * | 2013-06-24 | 2014-12-24 | 由田新技股份有限公司 | 车辆乘载人数监视器及车辆乘载人数监控方法与计算机可读取记录媒体 |
CN106203394A (zh) * | 2016-07-26 | 2016-12-07 | 浙江捷尚视觉科技股份有限公司 | 基于人眼状态检测的疲劳驾驶安全监测方法 |
CN106205052A (zh) * | 2016-07-21 | 2016-12-07 | 上海仰笑信息科技有限公司 | 一种行车记录预警方法 |
CN106412507A (zh) * | 2016-09-30 | 2017-02-15 | 北京中星微电子有限公司 | 人员流量的智能监控方法和系统 |
CN106815917A (zh) * | 2017-03-27 | 2017-06-09 | 杨建民 | 乘客管理系统和方法 |
CN107122650A (zh) * | 2017-05-08 | 2017-09-01 | 温州立地电子有限公司 | 一种多层次人脸识别身份认证系统 |
CN107330378A (zh) * | 2017-06-09 | 2017-11-07 | 湖北天业云商网络科技有限公司 | 一种基于嵌入式图像处理的驾驶员行为检测系统 |
CN107766835A (zh) * | 2017-11-06 | 2018-03-06 | 贵阳宏益房地产开发有限公司 | 行车安全检测方法及装置 |
-
2018
- 2018-09-30 CN CN201811156840.1A patent/CN109508632B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104239889A (zh) * | 2013-06-24 | 2014-12-24 | 由田新技股份有限公司 | 车辆乘载人数监视器及车辆乘载人数监控方法与计算机可读取记录媒体 |
CN106205052A (zh) * | 2016-07-21 | 2016-12-07 | 上海仰笑信息科技有限公司 | 一种行车记录预警方法 |
CN106203394A (zh) * | 2016-07-26 | 2016-12-07 | 浙江捷尚视觉科技股份有限公司 | 基于人眼状态检测的疲劳驾驶安全监测方法 |
CN106412507A (zh) * | 2016-09-30 | 2017-02-15 | 北京中星微电子有限公司 | 人员流量的智能监控方法和系统 |
CN106815917A (zh) * | 2017-03-27 | 2017-06-09 | 杨建民 | 乘客管理系统和方法 |
CN107122650A (zh) * | 2017-05-08 | 2017-09-01 | 温州立地电子有限公司 | 一种多层次人脸识别身份认证系统 |
CN107330378A (zh) * | 2017-06-09 | 2017-11-07 | 湖北天业云商网络科技有限公司 | 一种基于嵌入式图像处理的驾驶员行为检测系统 |
CN107766835A (zh) * | 2017-11-06 | 2018-03-06 | 贵阳宏益房地产开发有限公司 | 行车安全检测方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110084935A (zh) * | 2019-04-26 | 2019-08-02 | 重庆中科云从科技有限公司 | 出入预警方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109508632B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10719996B2 (en) | Determining vehicle occupancy using sensors | |
Li et al. | Visual-manual distraction detection using driving performance indicators with naturalistic driving data | |
CN105480177B (zh) | 一种利用车载智能终端实现车辆出险防欺诈的方法 | |
CN110738842A (zh) | 事故责任划分及行为分析方法、装置、设备及存储介质 | |
CN112180921B (zh) | 自动驾驶算法训练系统及方法 | |
CN106651602A (zh) | 一种基于adas智能车载终端的车险管理服务系统 | |
CN104827963B (zh) | 一种用于车辆防撞智能预警的方法、控制系统以及控制装置 | |
CN105976074A (zh) | 一种车辆健康参数的生成、展现方法以及装置 | |
CN107161104B (zh) | 一种车辆驾驶辅助系统 | |
US20150051785A1 (en) | System and a method for improved car prognosis | |
CN109064763A (zh) | 自动驾驶车辆的测试方法、装置、测试设备和存储介质 | |
CN107103774A (zh) | 一种车辆监控方法和车辆监控装置 | |
CN108647708A (zh) | 驾驶员评估方法、装置、设备和存储介质 | |
CN107640154A (zh) | 新手司机驾驶辅助系统 | |
CN102376183A (zh) | 机动车驾驶人培训与考试全程监控系统 | |
CN106157746A (zh) | 一种城市轨道交通中列车驾驶的仿真考核方法及系统 | |
KR101973933B1 (ko) | 승차인원 검지방법 및 그 장치 | |
CN103700220A (zh) | 一种疲劳驾驶监控装置 | |
CN109584133A (zh) | 网约车安全控制方法、装置、计算机设备及存储介质 | |
CN108389392A (zh) | 一种基于机器学习的交通事故责任认定系统 | |
CN110009929A (zh) | 一种车辆泊位管理方法、设备及系统 | |
CN109859085A (zh) | 安全预警方法及相关产品 | |
CN112215234A (zh) | 一种道路卡口车辆人员信息核查方法 | |
CN106682600A (zh) | 一种目标检测方法及终端 | |
CN109508632A (zh) | 图像处理方法、装置、设备及计算机可读存储介质 |
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 |