CN109657555A - 一种针对校车学生下车遗漏的检测装置及方法 - Google Patents
一种针对校车学生下车遗漏的检测装置及方法 Download PDFInfo
- Publication number
- CN109657555A CN109657555A CN201811397562.9A CN201811397562A CN109657555A CN 109657555 A CN109657555 A CN 109657555A CN 201811397562 A CN201811397562 A CN 201811397562A CN 109657555 A CN109657555 A CN 109657555A
- Authority
- CN
- China
- Prior art keywords
- camera
- image
- main control
- pretreatment
- processing unit
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 title claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 79
- 238000012706 support-vector machine Methods 0.000 claims abstract description 18
- 238000007781 pre-processing Methods 0.000 claims abstract description 14
- 239000000284 extract Substances 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 6
- 230000006835 compression Effects 0.000 claims description 5
- 238000007906 compression Methods 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims 1
- 238000009434 installation Methods 0.000 description 2
- 230000032258 transport Effects 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 240000007651 Rubus glaucus Species 0.000 description 1
- 235000011034 Rubus glaucus Nutrition 0.000 description 1
- 235000009122 Rubus idaeus Nutrition 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
- B60Q9/00—Arrangement or adaptation of signal devices not provided for in one of main groups B60Q1/00 - B60Q7/00, e.g. haptic signalling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Human Computer Interaction (AREA)
- Bioinformatics & Computational Biology (AREA)
- Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Emergency Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Mechanical Engineering (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提出了一种针对校车学生下车遗漏的检测装置及方法。本发明装置包括第一摄像头、第二摄像头、第三摄像头、第一摄像智能处理单元、第二摄像智能处理单元、第三摄像智能处理单元、交换机、车辆接口模块、存储模块、主控单元、预警模块、显示模块和电源模块。本发明方法通过第一摄像头至第三摄像头采集图像,并分别根据对应的摄像智能处理单元进行图像预处理后分别传输至主控单元;校车位于起点待启动时,主控单元根据方向梯度直方图算法以及支持向量机分类器识别依次排队上车的学生人数;校车到达终点待停靠时,主控单元根据方向梯度直方图算法以及支持向量机分类器识别依次排队下车的学生人数。本发明提高了校车的智能化以及安全性。
Description
技术领域
本发明涉及校车人员安全领域,尤其涉及一种针对校车学生下车遗漏的检测装置及方法。
背景技术
公共交通工具带给我们巨大方便的同时,也给我们带来了很多的安全隐患。在新闻报道中,经常见到学生被遗漏在校车内,造成巨大的安全隐患,尤其是在天气炎热的夏天,车内温度高,氧气浓度下降,严重甚至威胁到生命。所以,如何及时有效地发现校车内遗漏学生,并给出报警信息,是一个十分急切的问题。
现有的一些防止车内人员遗漏的检测技术主要是通过安装各种传感器,和单片机或者PLC控制器组合成检测系统,这些检测系统大多数采用多种传感器的组合使用,通过单片机控制来发出预警信息。对于人体的检测,多数采用红外传感器,座椅传感器等,容易受到高温天气、车内温度剧烈变化和车内人员不在座椅上等情况的影响,造成检测结果不够准确;同时,需要安装多种多个传感器,若某一传感器出现问题,就会影响整体系统的正确性,不利于维护和长期使用的稳定性。
另外一种方法是基于传感器的人员计数系统,通过记录上下车人数,发生不匹配时产生警告信息。这种方法采用的是在车门处安装光敏传感器,检测上车人数和下车人数,再通过控制系统来达到检测和报警的目的。不足之处在于只在车内处安装传感器,只能感应有物体通过的动作,并不能匹配到每位学生的情况,也不能排除宠物、其他物体上车的无关情况,发生误判的几率会很大,准确度不高。
发明内容
本发明的目的在于提供一种针对校车学生下车遗漏的检测装置及方法。本发明采用人体姿态检测算法,通过安装在车内不同位置的摄像头进行信息采集,通过对图像信息进行人体特征提取识别来智能检测校车内学生的上下车情况,发生人员遗漏情况给出警报信息的装置,此装置也可以推广到客车、家用轿车等交通工具上使用。
为实现上述目的,本发明采用的技术方案一种针对校车学生下车遗漏的检测装置及方法。
本发明装置的技术方案为一种针对校车学生下车遗漏的检测装置,其特征在于,包括:第一摄像头、第二摄像头、第三摄像头、第一摄像智能处理单元、第二摄像智能处理单元、第三摄像智能处理单元、交换机、车辆接口模块、存储模块、主控单元、预警模块、显示模块和电源模块;
所述第一摄像头与所述第一摄像智能处理单元连接;所述第二摄像头与所述第二摄像智能处理单元连接;所述第三摄像头与所述第三摄像智能处理单元连接;所述第一摄像智能处理单元与所述交换机连接;所述第二摄像智能处理单元与所述交换机连接;所述第三摄像智能处理单元与所述交换机连接;所述交换机与所述主控单元连接;所述车辆接口模块与所述主控单元连接;所述存储模块与所述主控单元连接;所述主控单元与所述预警模块连接;所述主控单元与所述显示模块连接;所述电源模块分别与所述的第一摄像头、第二摄像头、第三摄像头、第一摄像智能处理单元、第二摄像智能处理单元、第三摄像智能处理单元、交换机、车辆接口模块、存储模块、主控单元、预警模块、显示模块依次连接。
作为优选,所述第一摄像头安装在与校车乘客门相对的车厢内壁处,水平位置在乘客门水平中点的垂线上,竖直高度在距车厢地面H米左右高处,采集摄像头前X*Y平方米矩形范围内的图像,并将图像传输给所述第一摄像智能处理单元。
作为优选,所述第二摄像头安装在车厢顶部,在车厢平面上,摄像头距离车厢头部S米处左右,本发明采用的校车长度是一般的中大型校车长度L米,所述第二摄像头用于采集校车车厢前半区的图像,并将图像传输给所述第二摄像智能处理单元。
作为优选,所述第三摄像头安装在车厢顶部,在车厢平面上,摄像头距离车厢头K=6米左右距离,采集校车车厢后半区的图像,并将图像传输给所述第三摄像智能处理单元。
作为优选,所述第一摄像智能处理单元用于对所述第一摄像头采集的图像进行图像降噪、图像压缩、亮度归一化、颜色归一化的预处理,将预处理后第一摄像头采集的图像传输至所述交换机。
作为优选,所述第二摄像智能处理单元用于对所述第二摄像头采集的图像进行图像降噪的预处理,将预处理后第二摄像头采集的图像传输至所述交换机。
作为优选,所述第三摄像智能处理单元用于对所述第三摄像头采集的图像进行图像降噪的预处理,将预处理后第三摄像头采集的图像传输至所述交换机。
作为优选,所述交换机将预处理后第一摄像头采集的图像、预处理后第二摄像头采集的图像以及预处理后第三摄像头采集的图像传输至所述主控单元。
作为优选,所述主控单元将预处理后第二摄像头采集的图像、预处理后第三摄像头采集的图像传输到所述显示模块实时显示车厢内学生情况,将预处理后第一摄像头采集的图像进行车内人员的检测,并根据检查结果控制预警模块报警,并通过所述车辆接口模块控制车门开启。
作为优选,所述显示模块用于实时地显示预处理后第二摄像头采集的图像、预处理后第三摄像头采集的图像。
作为优选,所述存储模块用于存储预处理后第一摄像头采集的图像进行车内人员的检测中识别出有人存在的图像。
作为优选,所述报警模块用于根据所述主控单元控制发出报警信息。
作为优选,所述电源模块用于供电。
作为优选,所述车辆接口模块用于将所述主控单元的车门控制信号传输至车辆进行车门的开启。
本发明方法的技术方案为一种针对校车学生下车遗漏的检测方法,具体步骤如下:
步骤1:车辆接口模块获取车辆状态信息,当获取到校车位于起点待启动车辆状态时,主控单元发出控制信息,通过第一摄像头、第二摄像头以及第三摄像头采集图像,并分别根据对应的摄像智能处理单元进行图像预处理后分别传输至主控单元;
步骤2:校车位于起点待启动时,主控单元根据预处理后第一摄像头采集的图像通过方向梯度直方图算法提取上车图像特征向量集合,根据上车图像特征向量通过支持向量机分类器识别依次排队上车的学生人数;
步骤3:校车到达终点待停靠时,主控单元通知第一摄像头再次采集图像信息,送入第一摄像智能处理单元进行预处理,根据预处理后第一摄像头采集的图像通过方向梯度直方图算法提取下车图像特征向量集合,根据下车图像特征向量通过支持向量机分类器识别依次排队下车的学生人数;
步骤4:将依次排队上车的学生人数与依次排队下车的学生人数进行比较,主控单元根据比较结果进行报警控制;
作为优选,步骤1中所述分别根据对应的摄像智能处理单元进行图像预处理后分别传输至主控单元为:
第一摄像智能处理单元将所述第一摄像头采集的图像进行图像降噪、图像压缩、亮度归一化、颜色归一化的预处理,将预处理后第一摄像头采集的图像通过交换机传输至主控单元,第二摄像智能处理单元将第二摄像头采集的图像进行图像降噪的预处理,将预处理后第二摄像头采集的图像通过交换机传输至主控单元,第三摄像智能处理单元将第三摄像头采集的图像进行图像降噪的预处理,将预处理后第三摄像头采集的图像通过交换机传输至主控单元,主控单元将预处理后第二摄像头采集的图像、预处理后第三摄像头采集的图像传输到显示模块实时显示车厢内学生情况。
作为优选,步骤2中所述预处理后第一摄像头采集的图像为:
I1,I2,...,IM
其中,M为第一摄像头采集的图像数量,其中M≥校车满载人数;
通过方向梯度直方图算法提取上车图像特征向量为:
第i幅预处理后第一摄像头采集的图像Ii通过方向梯度直方图算法提取的上车特征向量集合为:
Fi={Fi,1,Fi,2,...,Fi,Ni}i∈[1,M]
通过支持向量机分类器识别依次排队上车的学生人数为:
将M幅上车图像的特征向量集合F1,F2,...,FM分别通过支持向量机分类器识别是否存在矩形框,并统计存在矩形框的图像数量为up即为依次排队上车的学生人数;
作为优选,步骤3中所述预处理后第一摄像头采集的图像为:
P1,P2,...,PM
其中,M为第一摄像头采集的图像数量;
通过方向梯度直方图算法提取下车图像特征向量为:
第j幅预处理后第一摄像头采集的图像Pi通过方向梯度直方图算法提取的上车特征向量集合为:
Vj={Vj,1,Vj,2,...,Vj,Nj}j∈[1,M]
通过支持向量机分类器识别依次排队下车的学生人数为:
将M下车图像的特征向量集合V1,V2,...,VM分别通过支持向量机分类器识别是否存在矩形框,并统计存在矩形框的图像数量为down即为依次排队下车的学生人数;
作为优选,步骤4中所述依次排队上车的学生人数为up,步骤4中所述依次排队下车的学生人数为down;
步骤4中所述主控单元根据比较结果进行报警控制为:
若up=down则不触发主控单元产生报警控制信号;
若up≠down则主控单元产生报警控制信号,报警模块根据报警控制信号产生声音报警提醒司机有遗漏情况发生,且主控单元发出车门控制信号并通过车辆接口模块传输至车辆,控制车门开启。
本发明的有益效果在于:本发明没有采用额外的传感器等检测装置,通过目前热门的人体姿态检测算法技术对车内视频图像信息进行分析对比,不仅能够和车内原有的监控系统合二为一,而且可以完成检测校车内人员遗漏情况的发生,发出预警信息,提醒驾驶员对车辆进行检查,通过算法上的优化,在不增加高昂硬件成本的前提下,提高了车辆的智能化,减少了安装额外的检测系统的成本,提高了校车的安全性。本发明也可以推广到客车、家用桥车、公共汽车等交通工具上使用。
附图说明
图1:为本发明的硬件模块框图;
图2:为本发明的方法流程图。
具体实施方式
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,所描述的实施例仅仅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,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,都属于本发明保护的范围。
如图1所述,本发明实施方式中系统的技术方案为:一种针对校车学生下车遗漏的检测装置,其特征在于,包括:第一摄像头、第二摄像头、第三摄像头、第一摄像智能处理单元、第二摄像智能处理单元、第三摄像智能处理单元、交换机、车辆接口模块、存储模块、主控单元、预警模块、显示模块和电源模块;
所述第一摄像头与所述第一摄像智能处理单元连接;所述第二摄像头与所述第二摄像智能处理单元连接;所述第三摄像头与所述第三摄像智能处理单元连接;所述第一摄像智能处理单元与所述交换机连接;所述第二摄像智能处理单元与所述交换机连接;所述第三摄像智能处理单元与所述交换机连接;所述交换机与所述主控单元连接;所述车辆接口模块与所述主控单元连接;所述存储模块与所述主控单元连接;所述主控单元与所述预警模块连接;所述主控单元与所述显示模块连接;所述电源模块分别与所述的第一摄像头、第二摄像头、第三摄像头、第一摄像智能处理单元、第二摄像智能处理单元、第三摄像智能处理单元、交换机、车辆接口模块、存储模块、主控单元、预警模块、显示模块依次连接。
所述第一摄像头安装在与校车乘客门相对的车厢内壁处,水平位置在乘客门水平中点的垂线上,竖直高度在距车厢地面H=1.7米左右高处,采集摄像头前X*Y平方米矩形范围内的图像,X=3米,Y=2米,并将图像传输给所述第一摄像智能处理单元。
所述第二摄像头安装在车厢顶部,在车厢平面上,摄像头距离车厢头部S=1.5米处左右,本发明采用的校车长度是一般的中大型校车长度L=8米,所述第二摄像头用于采集校车车厢前半区的图像,并将图像传输给所述第二摄像智能处理单元。
所述第三摄像头安装在车厢顶部,在车厢平面上,摄像头距离车厢头K=6米左右距离,采集校车车厢后半区的图像,并将图像传输给所述第三摄像智能处理单元。
所述第一摄像智能处理单元用于对所述第一摄像头采集的图像进行图像降噪、图像压缩、亮度归一化、颜色归一化的预处理,将预处理后第一摄像头采集的图像传输至所述交换机。
所述第二摄像智能处理单元用于对所述第二摄像头采集的图像进行图像降噪的预处理,将预处理后第二摄像头采集的图像传输至所述交换机。
所述第三摄像智能处理单元用于对所述第三摄像头采集的图像进行图像降噪的预处理,将预处理后第三摄像头采集的图像传输至所述交换机。
所述交换机将预处理后第一摄像头采集的图像、预处理后第二摄像头采集的图像以及预处理后第三摄像头采集的图像传输至所述主控单元。
所述主控单元将预处理后第二摄像头采集的图像、预处理后第三摄像头采集的图像传输到所述显示模块实时显示车厢内学生情况,将预处理后第一摄像头采集的图像进行车内人员的检测,并根据检查结果控制预警模块报警,并通过所述车辆接口模块控制车门开启。
所述显示模块用于实时地显示预处理后第二摄像头采集的图像、预处理后第三摄像头采集的图像。
所述存储模块用于存储预处理后第一摄像头采集的图像进行车内人员的检测中识别出有人存在的图像。
所述报警模块用于根据所述主控单元控制发出报警信息。
所述电源模块用于供电。
所述车辆接口模块用于将所述主控单元的车门控制信号传输至车辆进行车门的开启。
所述的第一摄像头、第二摄像头、第三摄像头选型均为SAFUWE SW-802C车载摄像头;所述的第一摄像智能处理单元、第二摄像智能处理单元、第三摄像智能处理单元选型均为Raspberry Pi 3b+;所述交换机选型为TL-SG1008M 5口千兆交换机;所述车辆接口模块选型为CAN总线通信且基于商用车的CAN接口;所述存储模块选型为SAMSUNG MicroSD 64G;所述主控单元选型为采用搭载了四核1.2GHz Broadcom BCM2837 ARM Cortex-A53架构芯片的树莓派ARM芯片;所述预警模块选型为蜂鸣器;所述显示模块选型为YOELBAER显示屏;所述电源模块选型为RYDBATT的12V锂电池。
下面结合图1至图2,介绍本发明的实施方式。本发明实施方式的技术方案为一种针对校车学生下车遗漏的检测方法,具体包括以下步骤:
步骤1:车辆接口模块获取车辆状态信息,当获取到校车位于起点待启动车辆状态时,主控单元发出控制信息,通过第一摄像头、第二摄像头以及第三摄像头采集图像,并分别根据对应的摄像智能处理单元进行图像预处理后分别传输至主控单元;
步骤1中所述分别根据对应的摄像智能处理单元进行图像预处理后分别传输至主控单元为:
第一摄像智能处理单元将所述第一摄像头采集的图像进行图像降噪、图像压缩、亮度归一化、颜色归一化的预处理,将预处理后第一摄像头采集的图像通过交换机传输至主控单元,第二摄像智能处理单元将第二摄像头采集的图像进行图像降噪的预处理,将预处理后第二摄像头采集的图像通过交换机传输至主控单元,第三摄像智能处理单元将第三摄像头采集的图像进行图像降噪的预处理,将预处理后第三摄像头采集的图像通过交换机传输至主控单元,主控单元将预处理后第二摄像头采集的图像、预处理后第三摄像头采集的图像传输到显示模块实时显示车厢内学生情况。
步骤2:校车位于起点待启动时,主控单元根据预处理后第一摄像头采集的图像通过方向梯度直方图算法提取上车图像特征向量集合,根据上车图像特征向量通过支持向量机分类器识别依次排队上车的学生人数;
步骤2中所述预处理后第一摄像头采集的图像为:
I1,I2,...,IM
其中,M为第一摄像头采集的图像数量;
通过方向梯度直方图算法提取上车图像特征向量为:
第i幅预处理后第一摄像头采集的图像Ii通过方向梯度直方图算法提取的上车特征向量集合为:
Fi={Fi,1,Fi,2,...,Fi,Ni}i∈[1,M]
通过支持向量机分类器识别依次排队上车的学生人数为:
将M幅上车图像的特征向量集合F1,F2,...,FM分别通过支持向量机分类器识别是否存在矩形框,并统计存在矩形框的图像数量为up即为依次排队上车的学生人数;
步骤3:校车到达终点待停靠时,主控单元通知第一摄像头再次采集图像信息,送入第一摄像智能处理单元进行预处理,主控单元根据预处理后第一摄像头采集的图像通过方向梯度直方图算法提取下车图像特征向量集合,根据下车图像特征向量通过支持向量机分类器识别依次排队下车的学生人数;
步骤3中所述预处理后第一摄像头采集的图像为:
P1,P2,...,PM
其中,M为第一摄像头采集的图像数量;
通过方向梯度直方图算法提取下车图像特征向量为:
第j幅预处理后第一摄像头采集的图像Pi通过方向梯度直方图算法提取的上车特征向量集合为:
Vj={Vj,1,Vj,2,...,Vj,Nj}j∈[1,M]
通过支持向量机分类器识别依次排队下车的学生人数为:
将M下车图像的特征向量集合V1,V2,...,VM分别通过支持向量机分类器识别是否存在矩形框,并统计存在矩形框的图像数量为down即为依次排队下车的学生人数;
步骤4:将依次排队上车的学生人数与依次排队下车的学生人数进行比较,主控单元根据比较结果进行报警控制;
步骤4中所述依次排队上车的学生人数为up,步骤4中所述依次排队下车的学生人数为down;
步骤4中所述主控单元根据比较结果进行报警控制为:
若up=down则不触发主控单元产生报警控制信号;
若up≠down则主控单元产生报警控制信号,报警模块根据报警控制信号产生声音报警提醒司机有遗漏情况发生,且主控单元发出车门控制信号并通过车辆接口模块传输至车辆,控制车门开启。
尽管本文较多地使用了第一摄像头、第二摄像头、第三摄像头、第一摄像智能处理单元、第二摄像智能处理单元、第三摄像智能处理单元、交换机、车辆接口模块、存储模块、主控单元、预警模块、显示模块和电源模块等术语,但并不排除使用其他术语的可能性。使用这些术语仅仅是为了更方便的描述本发明的本质,把它们解释成任何一种附加的限制都是与本发明精神相违背的。
应当理解的是,上述针对较佳实施例的描述较为详细,并不能因此而认为是对本发明专利保护范围的限制,本领域的普通技术人员在本发明的启示下,在不脱离本发明权利要求所保护的范围情况下,还可以做出替换或变形,均落入本发明的保护范围之内,本发明的请求保护范围应以所附权利要求为准。
Claims (7)
1.一种针对校车学生下车遗漏的检测装置,包括第一摄像头、第二摄像头、第三摄像头、第一摄像智能处理单元、第二摄像智能处理单元、第三摄像智能处理单元、交换机、车辆接口模块、存储模块、主控单元、预警模块、显示模块和电源模块;
所述第一摄像头与所述第一摄像智能处理单元连接;所述第二摄像头与所述第二摄像智能处理单元连接;所述第三摄像头与所述第三摄像智能处理单元连接;所述第一摄像智能处理单元与所述交换机连接;所述第二摄像智能处理单元与所述交换机连接;所述第三摄像智能处理单元与所述交换机连接;所述交换机与所述主控单元连接;所述车辆接口模块与所述主控单元连接;所述存储模块与所述主控单元连接;所述主控单元与所述预警模块连接;所述主控单元与所述显示模块连接;所述电源模块分别与所述的第一摄像头、第二摄像头、第三摄像头、第一摄像智能处理单元、第二摄像智能处理单元、第三摄像智能处理单元、交换机、车辆接口模块、存储模块、主控单元、预警模块、显示模块依次连接。
2.根据权利要求1所述的针对校车学生下车遗漏的检测装置,其特征在于:
所述第一摄像头安装在与校车乘客门相对的车厢内壁处,水平位置在乘客门水平中点的垂线上,竖直高度在距车厢地面H米左右高处,采集摄像头前X*Y平方米矩形范围内的图像,并将图像传输给所述第一摄像智能处理单元;
所述第二摄像头安装在车厢顶部,在车厢平面上,摄像头距离车厢头部S米处左右,本发明采用的校车长度是一般的中大型校车长度L米,所述第二摄像头用于采集校车车厢前半区的图像,并将图像传输给所述第二摄像智能处理单元;
所述第三摄像头安装在车厢顶部,在车厢平面上,摄像头距离车厢头K米左右距离,采集校车车厢后半区的图像,并将图像传输给所述第三摄像智能处理单元;
所述第一摄像智能处理单元用于对所述第一摄像头采集的图像进行图像降噪、图像压缩、亮度归一化、颜色归一化的预处理,将预处理后第一摄像头采集的图像传输至所述交换机;
所述第二摄像智能处理单元用于对所述第二摄像头采集的图像进行图像降噪的预处理,将预处理后第二摄像头采集的图像传输至所述交换机;
所述第三摄像智能处理单元用于对所述第三摄像头采集的图像进行图像降噪的预处理,将预处理后第三摄像头采集的图像传输至所述交换机;
所述交换机将预处理后第一摄像头采集的图像、预处理后第二摄像头采集的图像以及预处理后第三摄像头采集的图像传输至所述主控单元;
所述主控单元将预处理后第二摄像头采集的图像、预处理后第三摄像头采集的图像传输到所述显示模块实时显示车厢内学生情况,将预处理后第一摄像头采集的图像进行车内人员的检测,并根据检查结果控制预警模块报警,并通过所述车辆接口模块控制车门开启;
所述显示模块用于实时地显示预处理后第二摄像头采集的图像、预处理后第三摄像头采集的图像;
所述存储模块用于存储预处理后第一摄像头采集的图像进行车内人员的检测中识别出有人存在的图像;
所述报警模块用于根据所述主控单元控制发出报警信息;
所述电源模块用于供电;
所述车辆接口模块用于将所述主控单元的车门控制信号传输至车辆进行车门的开启。
3.一种利用权利要求1所述的针对校车学生下车遗漏的检测装置进行针对校车学生下车遗漏的检测方法,其特征在于,包括以下步骤:
步骤1:车辆接口模块获取车辆状态信息,当获取到校车位于起点待启动车辆状态时,主控单元发出控制信息,通过第一摄像头、第二摄像头以及第三摄像头采集图像,并分别根据对应的摄像智能处理单元进行图像预处理后分别传输至主控单元;
步骤2:校车位于起点待启动时,主控单元根据预处理后第一摄像头采集的图像通过方向梯度直方图算法提取上车图像特征向量集合,根据上车图像特征向量通过支持向量机分类器识别依次排队上车的学生人数;
步骤3:校车到达终点待停靠时,主控单元通知第一摄像头再次采集图像信息,送入第一摄像智能处理单元进行预处理,根据预处理后第一摄像头采集的图像通过方向梯度直方图算法提取下车图像特征向量集合,根据下车图像特征向量通过支持向量机分类器识别依次排队下车的学生人数;
步骤4:将依次排队上车的学生人数与依次排队下车的学生人数进行比较,主控单元根据比较结果进行报警控制。
4.根据利用权利要求3所述的针对校车学生下车遗漏的检测方法,其特征在于,
步骤1中所述分别根据对应的摄像智能处理单元进行图像预处理后分别传输至主控单元为:
第一摄像智能处理单元将所述第一摄像头采集的图像进行图像降噪、图像压缩、亮度归一化、颜色归一化的预处理,将预处理后第一摄像头采集的图像通过交换机传输至主控单元,第二摄像智能处理单元将第二摄像头采集的图像进行图像降噪的预处理,将预处理后第二摄像头采集的图像通过交换机传输至主控单元,第三摄像智能处理单元将第三摄像头采集的图像进行图像降噪的预处理,将预处理后第三摄像头采集的图像通过交换机传输至主控单元,主控单元将预处理后第二摄像头采集的图像、预处理后第三摄像头采集的图像传输到显示模块实时显示车厢内学生情况。
5.根据利用权利要求3所述的针对校车学生下车遗漏的检测方法,其特征在于,
步骤2中所述预处理后第一摄像头采集的图像为:
I1,I2,...,IM
其中,M为第一摄像头采集的图像数量,其中M≥校车满载人数;
通过方向梯度直方图算法提取上车图像特征向量为:
第i幅预处理后第一摄像头采集的图像Ii通过方向梯度直方图算法提取的上车特征向量集合为:
Fi={Fi,1,Fi,2,...,Fi,Ni}i∈[1,M]
通过支持向量机分类器识别依次排队上车的学生人数为:
将M幅上车图像的特征向量集合F1,F2,...,FM分别通过支持向量机分类器识别是否存在矩形框,并统计存在矩形框的图像数量为up即为依次排队上车的学生人数。
6.根据利用权利要求3所述的针对校车学生下车遗漏的检测方法,其特征在于,
步骤3中所述预处理后第一摄像头采集的图像为:
P1,P2,...,PM
其中,M为第一摄像头采集的图像数量;
通过方向梯度直方图算法提取下车图像特征向量为:
第j幅预处理后第一摄像头采集的图像Pi通过方向梯度直方图算法提取的上车特征向量集合为:
Vj={Vj,1,Vj,2,...,Vj,Nj} j∈[1,M]
通过支持向量机分类器识别依次排队下车的学生人数为:
将M下车图像的特征向量集合V1,V2,...,VM分别通过支持向量机分类器识别是否存在矩形框,并统计存在矩形框的图像数量为down即为依次排队下车的学生人数。
7.根据利用权利要求3所述的针对校车学生下车遗漏的检测方法,其特征在于,
步骤4中所述依次排队上车的学生人数为up,步骤4中所述依次排队下车的学生人数为down;
步骤4中所述主控单元根据比较结果进行报警控制为:
若up=down则不触发主控单元产生报警控制信号;
若up≠down则主控单元产生报警控制信号,报警模块根据报警控制信号产生声音报警提醒司机有遗漏情况发生,且主控单元发出车门控制信号并通过车辆接口模块传输至车辆,控制车门开启。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811397562.9A CN109657555A (zh) | 2018-11-22 | 2018-11-22 | 一种针对校车学生下车遗漏的检测装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811397562.9A CN109657555A (zh) | 2018-11-22 | 2018-11-22 | 一种针对校车学生下车遗漏的检测装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109657555A true CN109657555A (zh) | 2019-04-19 |
Family
ID=66111458
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811397562.9A Pending CN109657555A (zh) | 2018-11-22 | 2018-11-22 | 一种针对校车学生下车遗漏的检测装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109657555A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110549977A (zh) * | 2019-09-02 | 2019-12-10 | 江苏科技大学 | 一种基于校车安全装置巡更的实现方法 |
CN110549978A (zh) * | 2019-09-02 | 2019-12-10 | 江苏科技大学 | 一种基于校车安全监测装置巡视的实现方法 |
CN110712606A (zh) * | 2019-10-10 | 2020-01-21 | 安徽江淮汽车集团股份有限公司 | 车内生命体识别方法、装置、设备及存储介质 |
CN111008566A (zh) * | 2019-11-06 | 2020-04-14 | 湖北工业大学 | 一种基于深度学习的针对校车学生下车遗漏检测装置及方法 |
CN114407822A (zh) * | 2021-12-09 | 2022-04-29 | 北京罗克维尔斯科技有限公司 | 信息推送方法、装置、电子设备、存储介质和车辆 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930700A (zh) * | 2012-10-25 | 2013-02-13 | 上海市城市建设设计研究总院 | 校车车内安全监控系统 |
CN203588341U (zh) * | 2013-10-18 | 2014-05-07 | 深圳市智胜达科技有限公司 | 校车安全智能车载机 |
CN104090658A (zh) * | 2014-07-04 | 2014-10-08 | 四川长虹电器股份有限公司 | 基于hog特征的人体图像检测方法 |
CN205621048U (zh) * | 2016-04-22 | 2016-10-05 | 福州大学 | 基于四轴飞行器的人数统计系统 |
CN206100297U (zh) * | 2016-08-16 | 2017-04-12 | 山西省交通科学研究院 | 一种列车车载监控系统 |
-
2018
- 2018-11-22 CN CN201811397562.9A patent/CN109657555A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930700A (zh) * | 2012-10-25 | 2013-02-13 | 上海市城市建设设计研究总院 | 校车车内安全监控系统 |
CN203588341U (zh) * | 2013-10-18 | 2014-05-07 | 深圳市智胜达科技有限公司 | 校车安全智能车载机 |
CN104090658A (zh) * | 2014-07-04 | 2014-10-08 | 四川长虹电器股份有限公司 | 基于hog特征的人体图像检测方法 |
CN205621048U (zh) * | 2016-04-22 | 2016-10-05 | 福州大学 | 基于四轴飞行器的人数统计系统 |
CN206100297U (zh) * | 2016-08-16 | 2017-04-12 | 山西省交通科学研究院 | 一种列车车载监控系统 |
Non-Patent Citations (2)
Title |
---|
李立功等: "校车防遗忘安全监控专利技术综述", 《中国新通信》 * |
程德强等: "改进的HOG-CLBC的行人检测方法", 《光电工程》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110549977A (zh) * | 2019-09-02 | 2019-12-10 | 江苏科技大学 | 一种基于校车安全装置巡更的实现方法 |
CN110549978A (zh) * | 2019-09-02 | 2019-12-10 | 江苏科技大学 | 一种基于校车安全监测装置巡视的实现方法 |
CN110712606A (zh) * | 2019-10-10 | 2020-01-21 | 安徽江淮汽车集团股份有限公司 | 车内生命体识别方法、装置、设备及存储介质 |
CN111008566A (zh) * | 2019-11-06 | 2020-04-14 | 湖北工业大学 | 一种基于深度学习的针对校车学生下车遗漏检测装置及方法 |
CN114407822A (zh) * | 2021-12-09 | 2022-04-29 | 北京罗克维尔斯科技有限公司 | 信息推送方法、装置、电子设备、存储介质和车辆 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109657555A (zh) | 一种针对校车学生下车遗漏的检测装置及方法 | |
CN103839373B (zh) | 一种突发异常事件智能识别报警装置及报警系统 | |
CN103839346B (zh) | 一种智能门窗防入侵装置以及系统、智能门禁系统 | |
CN111311799A (zh) | 一种基于智能识别的闸机控制系统 | |
WO2019011122A1 (zh) | 自行车警用监督管理及智能城市管理的行驶记录系统 | |
CN206155405U (zh) | 一种基于虹膜识别的车辆无钥匙系统 | |
CN202130312U (zh) | 一种驾驶员疲劳驾驶监控装置 | |
CN103366506A (zh) | 一种驾驶员行车途中接打手机行为的自动监控装置及方法 | |
CN111599140A (zh) | 一种车辆后排活体监测系统及方法 | |
CN108648316A (zh) | 一种基于红外检测和人脸识别的开锁方法及系统 | |
CN107103300B (zh) | 一种离岗检测方法及系统 | |
CN108527382A (zh) | 一种巡检机器人 | |
CN103268686A (zh) | 基于人脸识别的防盗系统 | |
CN103700220A (zh) | 一种疲劳驾驶监控装置 | |
CN111402475A (zh) | 一种带有测量体温功能的智能闸机通行系统、方法及计算机可读存储介质 | |
CN110154757A (zh) | 公交车多方位安全驾驶保障方法 | |
CN104299363A (zh) | 基于多特征融合的疲劳驾驶预警系统 | |
CN109727426A (zh) | 一种机械式车库人员误入监测识别预警系统及检测方法 | |
CN115171260A (zh) | 一种基于人脸识别的智能门禁系统 | |
CN205621100U (zh) | 一种用于驾照考试和训练的车辆监控系统 | |
CN206133727U (zh) | 基于车牌检测的小区车库智能门禁管理系统 | |
CN112165611A (zh) | 单向智能通道图像、光幕识别物品遗留系统 | |
CN106899828A (zh) | 智能监舍系统及方法 | |
CN203288020U (zh) | 基于人脸识别的防盗系统 | |
CN201936452U (zh) | 车牌自动识别系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190419 |