CN110322700A - 多乘员专用车道管控方法及相关产品 - Google Patents

多乘员专用车道管控方法及相关产品 Download PDF

Info

Publication number
CN110322700A
CN110322700A CN201910626769.7A CN201910626769A CN110322700A CN 110322700 A CN110322700 A CN 110322700A CN 201910626769 A CN201910626769 A CN 201910626769A CN 110322700 A CN110322700 A CN 110322700A
Authority
CN
China
Prior art keywords
lane
vehicle
occupant
image
people
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
CN201910626769.7A
Other languages
English (en)
Other versions
CN110322700B (zh
Inventor
刘均
邹鹏
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.)
Shenzhen Launch Technology Co Ltd
Original Assignee
Shenzhen Launch 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 Shenzhen Launch Technology Co Ltd filed Critical Shenzhen Launch Technology Co Ltd
Priority to CN201910626769.7A priority Critical patent/CN110322700B/zh
Publication of CN110322700A publication Critical patent/CN110322700A/zh
Application granted granted Critical
Publication of CN110322700B publication Critical patent/CN110322700B/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
    • G06V20/56—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
    • G06V20/582—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of traffic signs
    • 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
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • 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
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
    • G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请实施例公开了一种多乘员专用车道管控方法，所述方法包括：获取车载摄像头采集的当前车道的车道图像；对车道图像执行图像识别算法确定车道图像中包含的车道交通标识；判断车道交通标识是否为预设的多乘员车道标识，若车道交通标识是多乘员车道标识，获取多乘员车道标识对应的车道第一人数阈值；依据感知模组采集的感知数据确定车内人数，判断车内人数是否大于第一人数阈值，若车内人数小于第一人数阈值，确定车辆处于违规状态，提示车辆驶离当前车道。实施本申请实施例有利于提高多乘员专用车道违章判定的准确性，简化多乘员专用通道的管控流程。

Description

多乘员专用车道管控方法及相关产品
技术领域
本申请涉及交通管理技术领域，具体涉及一种多乘员专用车道管控方法及相关产品。
背景技术
随着社会经济的快速增长和人民生活水平的提高，汽车销量快速增长，汽车已经成为人们日常生活中重要的交通工具，同时，随着汽车数量的增多，交通拥堵已经成为所有城市的共同问题。
针对交通拥堵的问题，推行多乘员专用车道管理模式成为缓解交通拥堵问题的有效措施，多乘员车道管理模式即为载客人数较多的车辆提供道路交通优先权的概念。
目前，多乘员专用车道的管控主要通过摄像头抓拍技术来实现，即通过摄像头抓拍技术识别多乘员专用车道的违章情况，但是外部摄像头拍摄受环境因素影响较大，容易造成误判或无法判定的情况，整个管控流程繁琐复杂，管控工作效率低下。
发明内容
本申请实施例提供了一种多乘员专用车道管控方法及相关产品，有利于提高多乘员专用车道违章判定的准确性，简化多乘员专用通道的管控流程，提高多乘员专用车道违章判定的效率。
第一方面，本申请实施例提供一种多乘员专用车道管控方法，应用于车载设备，所述方法包括：
获取车载摄像头采集的当前车道的车道图像；
对所述车道图像执行图像识别算法确定所述车道图像中包含的车道交通标识；
判断所述车道交通标识是否为预设的多乘员车道标识，若所述车道交通标识是所述多乘员车道标识，获取所述多乘员车道标识对应的车道第一人数阈值；
依据感知模组采集的感知数据确定车内人数，判断所述车内人数是否大于所述第一人数阈值，若所述车内人数小于所述第一人数阈值，确定车辆处于违规状态，提示所述车辆驶离所述当前车道。
可选的，所述感知数据包括：压力数据和红外图像数据，所述依据所述感知模组采集的感知数据确定车内人数，包括：获取所述感知模组中的压力传感器采集的M个压力数据，其中，所述M个压力信息包括：M个压力数值和M个压力位置数据，M大于0；获取所述M个压力数值中大于预设压力阈值的N个压力数值，其中，N大于0且N小于M；依据所述M个压力位置数据确定所述N个压力数值对应的N个压力位置数据；控制所述感知模组中的红外摄像头采集所述N个压力位置数据对应的N个红外图像数据，依据所述N个红外图像确定所述车内人数。
可选的，所述依据所述N个红外图像数据确定所述车内人数，包括：获取所述N个红外图像数据对应的N个红外温度；确定所述N个红外温度中属于预设温度范围的目标红外温度的数量，确定所述数量为所述车内人数。
可选的，所述控制所述感知模组中的红外摄像头采集所述N个压力位置数据对应的N个红外图像数据包括：依据预设的压力位置与旋转角度的映射关系确定所述N个压力位置数据对应的N个旋转角度；启动所述红外摄像头，控制所述红外摄像头依次旋转所述N个旋转角度并执行图像采集功能，得到所述N个压力位置数据对应的N个红外图像数据。
可选的，所述电子设备还包括：语音模组，所述提示所述车辆驶离所述当前车道，包括：启动所述语音模组，控制所述语音模组播报预设语音提示，所述预设语音提示用于提示所述车辆驶离所述当前车道。
可选的，所述车载设备还包括：人脸识别模组和前置摄像头，所述提示所述车辆驶离所述当前车道之后，还包括：获取所述前置摄像头采集的车内图像；依据所述车内图像获取驾驶位置对应的驾驶员图像；启动所述人脸识别模组对所述驾驶员图像执行人脸识别算法，确定所述驾驶员图像对应的驾驶员，获取所述驾驶员的驾驶员信息，其中，所述驾驶员信息包括：所述驾驶员的驾驶证编号；获取当前位置信息，将所述当前位置信息、所述驾驶员信息上传至预设服务器。
可选的，所述方法还包括：获取所述车辆的车辆型号，确定所述车辆型号对应的第二人数阈值；判断所述车内人数是否大于所述第二人数阈值，若所述车内人数大于所述第二人数阈值，确定所述车辆处于违规状态，将所述车辆信息上传至预设服务器。
第二方面，本申请实施例提供一种多乘员专用车道管控装置，应用于车载设备，所述装置包括：
获取单元，用于获取车载摄像头采集的车道图像；
确定单元，用于对所述车道图像执行图像识别算法确定所述车道图像中包含的车道交通标识；
判断单元，用于判断所述车道交通标识是否为预设的多乘员车道标识，若所述车道交通标识是所述多乘员车道标识，获取所述多乘员车道标识对应的车道第一人数阈值；
执行单元，用于依据感知模组采集的感知数据确定车内人数，判断所述车内人数是否大于所述第一人数阈值，若所述车内人数小于所述第一人数阈值，确定车辆处于违规状态，将所述车辆对应的车辆信息并上传至预设服务器。
可选的，所述感知数据包括：压力数据和红外图像数据，在所述依据所述感知模组采集的感知数据确定车内人数方面，所述执行单元具体用于：获取所述感知模组中的压力传感器采集的M个压力数据，其中，所述M个压力信息包括：M个压力数值和M个压力位置数据，M大于0；获取所述M个压力数值中大于预设压力阈值的N个压力数值，其中，N大于0且N小于M；依据所述M个压力位置数据确定所述N个压力数值对应的N个压力位置数据；控制所述感知模组中的红外摄像头采集所述N个压力位置数据对应的N个红外图像数据，依据所述N个红外图像确定所述车内人数。
可选的，在所述依据所述N个红外图像数据确定所述车内人数方面，所述执行单元具体用于：获取所述N个红外图像数据对应的N个红外温度；确定所述N个红外温度中属于预设温度范围的目标红外温度的数量，确定所述数量为所述车内人数。
可选的，在所述控制所述感知模组中的红外摄像头采集所述N个压力位置数据对应的N个红外图像数据方面，所述执行单元具体用于：依据预设的压力位置与旋转角度的映射关系确定所述N个压力位置数据对应的N个旋转角度；启动所述红外摄像头，控制所述红外摄像头依次旋转所述N个旋转角度并执行图像采集功能，得到所述N个压力位置数据对应的N个红外图像数据。
可选的，所述电子设备还包括：语音模组，在所述提示所述车辆驶离所述当前车道方面，所述执行单元具体用于：启动所述语音模组，控制所述语音模组播报预设语音提示，所述预设语音提示用于提示所述车辆驶离所述当前车道。
可选的，所述车载设备还包括：人脸识别模组和前置摄像头，所述提示所述车辆驶离所述当前车道之后，执行单元还用于：获取所述前置摄像头采集的车内图像；依据所述车内图像获取驾驶位置对应的驾驶员图像；启动所述人脸识别模组对所述驾驶员图像执行人脸识别算法，确定所述驾驶员图像对应的驾驶员，获取所述驾驶员的驾驶员信息，其中，所述驾驶员信息包括：所述驾驶员的驾驶证编号；获取当前位置信息，将所述当前位置信息、所述驾驶员信息上传至预设服务器。
可选的，所述执行单元还用于：获取所述车辆的车辆型号，确定所述车辆型号对应的第二人数阈值；判断所述车内人数是否大于所述第二人数阈值，若所述车内人数大于所述第二人数阈值，确定所述车辆处于违规状态，将所述车辆信息上传至预设服务器。
第三方面，本申请实施例提供一种车载设备，包括控制器、存储器、通信接口以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置由上述控制器执行，上述程序包括用于执行本申请实施例第一方面任一方法中的步骤的指令。
第四方面，本申请实施例提供了一种计算机可读存储介质，其中，上述计算机可读存储介质存储用于电子数据交换的计算机程序，其中，上述计算机程序使得计算机执行如本申请实施例第一方面任一方法中所描述的部分或全部步骤。
第五方面，本申请实施例提供了一种计算机程序产品，其中，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如本申请实施例第一方面任一方法中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
可以看出，本申请实施例中，车载设备首先获取车载摄像头采集的当前车道的车道图像；其次，对所述车道图像执行图像识别算法确定所述车道图像中包含的车道交通标识；再次，判断所述车道交通标识是否为预设的多乘员车道标识，若所述车道交通标识是所述多乘员车道标识，获取所述多乘员车道标识对应的车道第一人数阈值；最后，依据所述感知模组采集的感知数据确定车内人数，判断所述车内人数是否大于所述第一人数阈值，若所述车内人数小于所述第一人数阈值，确定车辆处于违规状态，提示所述车辆驶离所述当前车道。可见，本申请实施例中车载设备可根据车道图像与感知数据对车辆违章情况进行判定，有利于提高多乘员专用车道违章判定的准确性，简化多乘员专用通道的管控流程，提高多乘员专用车道违章判定的效率。
附图说明
为了更清楚地说明本申请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，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种多乘员专用车道管控方法的流程示意图；
图2是本申请实施例提供的另一种多乘员专用车道管控方法的流程示意图；
图3是本申请实施例提供的另一种多乘员专用车道管控方法的流程示意图；
图4是本申请实施例提供的另一种多乘员专用车道管控方法的流程示意图；
图5是本申请实施例提供的一种车载设备的结构示意图；
图6是本申请实施例提供的一种多乘员专用车道管控装置的功能单元组成框图。
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作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。
本发明的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结果或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本申请实施例中描述的多乘员专用车道也称为共乘车道或高容量车道，是交通管理中将进供乘坐至少某一规定乘客数的车辆通行的车道，并且规定可以使用该车道的车辆包括公交车、2人以上的小轿车或货车，通过推广多乘员专用车道可以提高公路资源的利用率，同时减少车辆数量从而实现节能减排、缓解交通拥堵的目的。
下面对本申请实施例进行详细介绍。
请参阅图1，图1是本申请实施例提供的一种多乘员专用车道管控方法，应用于车载设备，所述多乘员专用车道管控方法包括：
步骤101、获取车载摄像头采集的当前车道的车道图像；
其中，该后置摄像头可以设置在该车载设备的任意一个预设区域，该预设区域可以设置在显示屏内，其可以位于显示屏的左上侧、上侧、下侧、左侧、右侧等等任意位置。该预设区域的形状可以是圆形、椭圆形、梯形等等，在此不作限定。
其中，该当前车道为该车辆正在行驶的车道，该车道图像为该当前车道前方的车道图像。
步骤102、对所述车道图像执行图像识别算法确定所述车道图像中包含的车道交通标识；
其中，图像识别算法用于对车道图像进行处理、分析和理解，以识别出车道图像中包含的车道交通标识，该图像识别算法主要包括：图像预处理、图像分割、特征提取和判断匹配。
进一步地，该图像预处理用于消除车道图像中的无关信息和恢复有用信息，其中无关信息为该车道图像中不包含该车道交通标识的数据信息，有用信息为包含该车道交通标识的数据信息，得到预处理的车道图像，该图像预处理可以包括：灰度线性变换、直方图均衡化、均值滤波、梯度锐化操作、二值化、归一化等等，在此不作限定。
进一步地，通过该图像分割对该预处理的车道图像进行分割，获取该车道图像中包含该车道交通标识的子图像，其中，该图像分割可以包括：基于边界的图像分割算法、基于区域特效的图像分割算法等等，在此不作限定。
进一步地，获取预设的特征提取模型，将该包含车道交通标识的子图像作为预设的特征提取模型的输入，得到该包含车道交通标识的子图像对应的子图像特征。
进一步地，获取预设的车道标识集，该车道标识集包括：多个车道标识图像与多个车道标识图像特征，该多个车道标识图像与多个车道标识图像特征一一对应；将该子图像特征依次与该多个车道标识图像特征进行匹配，若匹配成功，获取该多个车道标识图像特征中与该子图像特征匹配成功的车道标识图像特征对应的车道标识图像为该车道交通标识。
步骤103、判断所述车道交通标识是否为预设的多乘员车道标识，若所述车道交通标识是所述多乘员车道标识，获取所述多乘员车道标识对应的车道第一人数阈值；
可选的，获取交通标识与交通标识名称的映射关系，确定该车道交通标识对应的交通标识名称，获取预设的多乘员车道标识集，其中，该多乘员车道标识集包括：多个多乘员车道标识名称和多个多乘员车道人数阈值，该多个多乘员车道标识名称和多个多乘员车道人数阈值一一对应，若该多个多乘员车道标识名称包含该交通标识名称，确定该车道交通标识是多乘员车道标识，获取该交通标识名称对应的多乘员车道标识名称，获取该多乘员车道标识名称对应的多乘员车道人数阈值为该车道第一人数阈值。
步骤104、依据感知模组采集的感知数据确定车内人数，判断所述车内人数是否大于所述第一人数阈值，若所述车内人数小于所述第一人数阈值，确定车辆处于违规状态，提示所述车辆驶离所述当前车道。
其中，该感知模组包括：压力传感器和红外摄像头，该感知数据包括：压力数据和红外图像数据。
在一可能的示例中，在所述依据所述感知模组采集的感知数据确定车内人数方面具体包括：获取所述感知模组中的压力传感器采集的M个压力数据，其中，所述M个压力信息包括：M个压力数值和M个压力位置数据，M大于0；获取所述M个压力数值中大于预设压力阈值的N个压力数值，其中，N大于0且N小于M；依据所述M个压力位置数据确定所述N个压力数值对应的N个压力位置数据；控制所述感知模组中的红外摄像头采集所述N个压力位置数据对应的N个红外图像数据，依据所述N个红外图像确定所述车内人数。
其中，该M个压力数值与该M个压力位置数据一一对应，该N个压力数值与该N个压力位置数据一一对应，该N个压力位置数据与该N个红外图像数据一一对应。
其中，该预设压力阈值可以为用户设置的压力阈值也可以为默认的压力阈值，在此不作限定。
其中，该压力传感器可以设置在该车辆的每一座椅内部，也可以设置在该车辆的每一座椅下方，该压力传感器用于采集座椅上方的压力数据。
其中，每一压力传感器对应该车辆内的一个座椅，通过压力传感器编号可以确定该座椅位置，该座椅位置为该压力位置数据。
可见，在本示例中，车载设备首先获取该压力传感器采集的M个压力数据，其中，该M个压力信息包括：M个压力数值和M个压力位置数据，M大于0；其次，获取该M个压力数值中大于预设压力阈值的N个压力数值，其中，N大于0且N小于M；再次，依据该M个压力位置数据确定该N个压力数值对应的N个压力位置数据；最后，控制该红外摄像头采集该N个压力位置数据对应的N个红外图像数据，依据该N个红外图像确定该车内人数。如此，可以减少红外图像数据的采集次数，提高确定车内人数的速率，从而有利于提高违章判定的速率。
在一可能的示例中，所述依据所述N个红外图像数据确定所述车内人数，具体包括：获取所述N个红外图像数据对应的N个红外温度；确定所述N个红外温度中属于预设温度范围的目标红外温度的数量，确定所述数量为所述车内人数。
其中，该N个红外图像数据与该N个红外温度一一对应。
其中，该预设温度范围可以是36.7±2.5摄氏度。
可见，在本示例中，车载设备获取该N个红外图像数据对应的N个红外温度；确定该N个红外温度中属于预设温度范围的目标红外温度的数量，确定该数量为该车内人数。如此，可以快速确定车内人数，提高确定车内人数的速率，从而有利于提高违章判定的速率。
在一可能的示例中，所述控制所述红外摄像头采集所述N个压力位置数据对应的N个红外图像数据包括：依据预设的压力位置与旋转角度的映射关系确定所述N个压力位置数据对应的N个旋转角度；启动所述红外摄像头，控制所述红外摄像头依次旋转所述N个旋转角度并执行图像采集功能，得到所述N个压力位置数据对应的N个红外图像数据。
其中，该压力位置与旋转角度的映射关系可以为：
压力位置 旋转角度
驾驶位置 30°
副驾驶位置 60°
第一乘客位置 40°
第二乘客位置 50°
其中，该红外图像数据可以是红外热图像，依据该红外热图像可以获取该区域人或物的温度数据。
可见，在本示例中，车载设备依据预设的压力位置与旋转角度的映射关系确定该N个压力位置数据对应的N个旋转角度；启动该红外摄像头，控制该红外摄像头依次旋转该N个旋转角度并执行图像采集功能，得到该N个压力位置数据对应的N个红外图像数据。如此，可以减少红外图像数据的采集次数，提高红外摄像头的使用寿命，同时，依据映射关系确定旋转角度可以实现对目标位置的精准采集，提高红外图像数据的精度。
在一可能的示例中，所述提示所述车辆驶离所述当前车道，具体包括：启动所述语音模组，控制所述语音模组播报预设语音提示，所述预设语音提示用于提示所述车辆驶离所述当前车道。
其中，该预设语音提示可以是用户设置的语音提示，也可以是默认的语音提示。
其中，控制该语音模组播报预设语音提示后，还可能包括：启动路径规划模组，获取当前行程的目的地，控制该路径规划模组依据该目的地对行驶路径进行重新规划，得到重新规划的行驶路径，其中，该重新规划的形式路径不包含当前车道。
可见，本示例中，车载设备控制所述语音模组播报预设语音提示，所述预设语音提示用于提示所述车辆驶离所述当前车道，可以在出现违章情况时及时对驾驶员进行提醒。
在一可能的示例中，所述提示所述车辆驶离所述当前车道之后，还包括：获取所述前置摄像头采集的车内图像；依据所述车内图像获取驾驶位置对应的驾驶员图像；启动所述人脸识别模组对所述驾驶员图像执行人脸识别算法，确定所述驾驶员图像对应的驾驶员，获取所述驾驶员的驾驶员信息，其中，所述驾驶员信息包括：所述驾驶员的驾驶证编号；获取当前位置信息，将所述当前位置信息、所述驾驶员信息上传至预设服务器。
其中，获取该当前位置信息后，确定与当前位置信息距离最近的道路监控摄像头，获取该道路监控摄像头拍摄的车辆照片，将该车辆照片上传至预设服务器。
可见，在本示例中，车载设备依据该车内图像获取驾驶位置对应的驾驶员图像；启动该人脸识别模组对该驾驶员图像执行人脸识别算法，确定该驾驶员图像对应的驾驶员，获取该驾驶员的驾驶员信息，其中，该驾驶员信息包括：该驾驶员的驾驶证编号；获取当前位置信息，将该当前位置信息、该驾驶员信息上传至预设服务器。可见，可以通过人脸识别确定驾驶员身份，有利于提高多乘员专用车道管控的效果，同时，还可以对驾驶员身份与该车辆车主信息进行匹配，确定该车辆是否被盗，有利于提高用户体验度。
在一可能的示例中，所述方法还包括：获取所述车辆的车辆型号，确定所述车辆型号对应的第二人数阈值；判断所述车内人数是否大于所述第二人数阈值，若所述车内人数大于所述第二人数阈值，确定所述车辆处于违规状态，将所述车辆信息上传至预设服务器。
其中，确定所述车辆处于违规状态后，获取当前位置信息，确定与当前位置信息距离最近的道路监控摄像头，获取该道路监控摄像头拍摄的车辆照片，将该车辆照片上传至预设服务器。
可见，在本示例中，车载设备获取该车辆的车辆型号，确定该车辆型号对应的第二人数阈值；判断该车内人数是否大于该第二人数阈值，若该车内人数大于该第二人数阈值，确定该车辆处于违规状态，将该车辆信息上传至预设服务器。可见，可以对该车辆是否超载进行快速判定，提高多乘员专用车道管控的效率。
请参阅图2，图2是本申请实施例提供的另一种多乘员专用车道管控方法的流程示意图，应用于车载设备，该感知数据包括：压力数据和红外图像数据，如图2所示，本多乘员专用车道管控方法具体包括如下步骤：
步骤201、获取车载摄像头采集的当前车道的车道图像；
步骤202、对所述车道图像执行图像识别算法确定所述车道图像中包含的车道交通标识；
步骤203、判断所述车道交通标识是否为预设的多乘员车道标识，若所述车道交通标识是所述多乘员车道标识，获取所述多乘员车道标识对应的车道第一人数阈值；
步骤204、获取所述感知模组中的压力传感器采集的M个压力数据，其中，所述M个压力信息包括：M个压力数值和M个压力位置数据，M大于0；
步骤205、获取所述M个压力数值中大于预设压力阈值的N个压力数值，其中，N大于0且N小于M；
步骤206、依据所述M个压力位置数据确定所述N个压力数值对应的N个压力位置数据；
步骤207、控制所述感知模组中的红外摄像头采集所述N个压力位置数据对应的N个红外图像数据，依据所述N个红外图像确定车内人数；
步骤208、判断所述车内人数是否大于所述第一人数阈值，若所述车内人数小于所述第一人数阈值，确定车辆处于违规状态，提示所述车辆驶离所述当前车道。
其中，上述步骤201-步骤208的具体描述可以参照上述图1所描述的多乘员专用车道管控方法的相应步骤，在此不再赘述。
可以看出，在本申请实施例中，车载设备获取该后置摄像头采集的当前车道的车道图像；对该车道图像执行图像识别算法确定该车道图像中包含的车道交通标识；判断该车道交通标识是否为预设的多乘员车道标识，若该车道交通标识是该多乘员车道标识，获取该多乘员车道标识对应的车道第一人数阈值；获取该感知模组中的压力传感器采集的M个压力数据，其中，该M个压力信息包括：M个压力数值和M个压力位置数据，M大于0；获取该M个压力数值中大于预设压力阈值的N个压力数值，其中，N大于0且N小于M；依据该M个压力位置数据确定该N个压力数值对应的N个压力位置数据；控制该感知模组中的红外摄像头采集该N个压力位置数据对应的N个红外图像数据，依据该N个红外图像确定车内人数；判断该车内人数是否大于该第一人数阈值，若该车内人数小于该第一人数阈值，确定车辆处于违规状态，提示该车辆驶离该当前车道。如此，可以通过感知数据快速确定车内人数，依据车内人数对车辆违规状态进行判定，可以减少红外图像数据的采集次数，提高确定车内人数的速率，从而有利于提高违章判定的速率。
请参阅图3，图3是本申请实施例提供的另一种多乘员专用车道管控方法的流程示意图，应用于车载设备，如图3所示，本多乘员专用车道管控方法具体包括如下步骤：
步骤301、获取车载摄像头采集的当前车道的车道图像；
步骤302、对所述车道图像执行图像识别算法确定所述车道图像中包含的车道交通标识；
步骤303、判断所述车道交通标识是否为预设的多乘员车道标识，若所述车道交通标识是所述多乘员车道标识，获取所述多乘员车道标识对应的车道第一人数阈值；
步骤304、依据感知模组采集的感知数据确定车内人数，判断所述车内人数是否大于所述第一人数阈值，若所述车内人数小于所述第一人数阈值，确定车辆处于违规状态；
步骤305、启动所述语音模组，控制所述语音模组播报预设语音提示，所述预设语音提示用于提示所述车辆驶离所述当前车道。
其中，上述步骤301-步骤305的具体描述可以参照上述图1所描述的多乘员专用车道管控方法的相应步骤，在此不再赘述。
可以看出，在本申请实施例中，车载设备获取该车载摄像头采集的当前车道的车道图像；对该车道图像执行图像识别算法确定该车道图像中包含的车道交通标识；判断该车道交通标识是否为预设的多乘员车道标识，若该车道交通标识是该多乘员车道标识，获取该多乘员车道标识对应的车道第一人数阈值；依据该感知模组采集的感知数据确定车内人数，判断该车内人数是否大于该第一人数阈值，若该车内人数小于该第一人数阈值，确定车辆处于违规状态；启动该语音模组，控制该语音模组播报预设语音提示，该预设语音提示用于提示该车辆驶离该当前车道。如此，有利于提高多乘员专用车道违章判定的准确性，简化多乘员专用通道的管控流程，提高多乘员专用车道违章判定的效率，并且，通过预设语音提示可以及时制止驾驶员的违规行为。
请参阅图4，图4是本申请实施例提供的另一种多乘员专用车道管控方法的流程示意图，应用于车载设备，该车载设备包括：前置摄像头、人脸识别模组，如图4所示，本多乘员专用车道管控方法具体包括如下步骤：
步骤401、获取车载摄像头采集的当前车道的车道图像；
步骤402、对所述车道图像执行图像识别算法确定所述车道图像中包含的车道交通标识；
步骤403、判断所述车道交通标识是否为预设的多乘员车道标识，若所述车道交通标识是所述多乘员车道标识，获取所述多乘员车道标识对应的车道第一人数阈值；
步骤404、依据感知模组采集的感知数据确定车内人数，判断所述车内人数是否大于所述第一人数阈值，若所述车内人数小于所述第一人数阈值，确定车辆处于违规状态，提示所述车辆驶离所述当前车道；
步骤405、获取所述前置摄像头采集的车内图像；
步骤406、依据所述车内图像获取驾驶位置对应的驾驶员图像；
步骤407、启动所述人脸识别模组对所述驾驶员图像执行人脸识别算法，确定所述驾驶员图像对应的驾驶员，获取所述驾驶员的驾驶员信息，其中，所述驾驶员信息包括：所述驾驶员的驾驶证编号；
步骤408、获取当前位置信息，将所述当前位置信息、所述驾驶员信息上传至预设服务器。
其中，上述步骤401-步骤408的具体描述可以参照上述图1所描述的多乘员专用车道管控方法的相应步骤，在此不再赘述。
可以看出，在本申请实施例中，车载设备获取车载摄像头采集的当前车道的车道图像；对所述车道图像执行图像识别算法确定所述车道图像中包含的车道交通标识；判断所述车道交通标识是否为预设的多乘员车道标识，若所述车道交通标识是所述多乘员车道标识，获取所述多乘员车道标识对应的车道第一人数阈值；依据所述感知模组采集的感知数据确定车内人数，判断所述车内人数是否大于所述第一人数阈值，若所述车内人数小于所述第一人数阈值，确定车辆处于违规状态，提示所述车辆驶离所述当前车道；获取所述前置摄像头采集的车内图像；依据所述车内图像获取驾驶位置对应的驾驶员图像；启动所述人脸识别模组对所述驾驶员图像执行人脸识别算法，确定所述驾驶员图像对应的驾驶员，获取所述驾驶员的驾驶员信息，其中，所述驾驶员信息包括：所述驾驶员的驾驶证编号；获取当前位置信息，将所述当前位置信息、所述驾驶员信息上传至预设服务器。如此，有利于提高多乘员专用车道违章判定的准确性，简化多乘员专用通道的管控流程，通过人脸识别算法可以提高确定违规驾驶员的速率，还可以提高违规驾驶员身份确定的准确性。
请参阅图5，图5是本申请实施例提供的一种车载设备500的结构示意图，如图所示，所述车载设备500包括应用处理器510、存储器520、通信接口530以及一个或多个程序521，其中，所述一个或多个程序521被存储在上述存储器520中，并且被配置由上述应用处理器510执行，所述一个或多个程序521包括用于执行以下步骤的指令：
获取车载摄像头采集的当前车道的车道图像；
对所述车道图像执行图像识别算法确定所述车道图像中包含的车道交通标识；
判断所述车道交通标识是否为预设的多乘员车道标识，若所述车道交通标识是所述多乘员车道标识，获取所述多乘员车道标识对应的车道第一人数阈值；
依据感知模组采集的感知数据确定车内人数，判断所述车内人数是否大于所述第一人数阈值，若所述车内人数小于所述第一人数阈值，确定车辆处于违规状态，提示所述车辆驶离所述当前车道。
可以看出，本申请实施例中，车载设备首先获取车载摄像头采集的当前车道的车道图像；其次，对所述车道图像执行图像识别算法确定所述车道图像中包含的车道交通标识；再次，判断所述车道交通标识是否为预设的多乘员车道标识，若所述车道交通标识是所述多乘员车道标识，获取所述多乘员车道标识对应的车道第一人数阈值；最后，依据所述感知模组采集的感知数据确定车内人数，判断所述车内人数是否大于所述第一人数阈值，若所述车内人数小于所述第一人数阈值，确定车辆处于违规状态，提示所述车辆驶离所述当前车道。可见，本申请实施例中车载设备可根据车道图像与感知数据对车辆违章情况进行判定，有利于提高多乘员专用车道违章判定的准确性，简化多乘员专用通道的管控流程，提高多乘员专用车道违章判定的效率。
在一个可能的示例中，所述感知数据包括：压力数据和红外图像数据，在所述依据所述感知模组采集的感知数据确定车内人数方面，所述程序中的指令具体用于执行以下操作：获取所述感知模组中的压力传感器采集的M个压力数据，其中，所述M个压力信息包括：M个压力数值和M个压力位置数据，M大于0；获取所述M个压力数值中大于预设压力阈值的N个压力数值，其中，N大于0且N小于M；依据所述M个压力位置数据确定所述N个压力数值对应的N个压力位置数据；控制所述感知模组中的红外摄像头采集所述N个压力位置数据对应的N个红外图像数据，依据所述N个红外图像确定所述车内人数。
在一个可能的示例中，在所述依据所述N个红外图像数据确定所述车内人数方面，所述程序中的指令具体用于执行以下操作：获取所述N个红外图像数据对应的N个红外温度；确定所述N个红外温度中属于预设温度范围的目标红外温度的数量，确定所述数量为所述车内人数。
在一个可能的示例中，在所述控制所述感知模组中的红外摄像头采集所述N个压力位置数据对应的N个红外图像数据方面，所述程序中的指令具体用于执行以下操作：依据预设的压力位置与旋转角度的映射关系确定所述N个压力位置数据对应的N个旋转角度；启动所述红外摄像头，控制所述红外摄像头依次旋转所述N个旋转角度并执行图像采集功能，得到所述N个压力位置数据对应的N个红外图像数据。
在一个可能的示例中，所述车载设备还包括：语音模组，在所述提示所述车辆驶离所述当前车道之后方面，所述程序中的指令具体用于执行以下操作：启动所述语音模组，控制所述语音模组播报预设语音提示，所述预设语音提示用于提示所述车辆驶离所述当前车道。
在一个可能的示例中，所述车载设备还包括：人脸识别模组和前置摄像头，在所述提示所述车辆驶离所述当前车道之后方面，所述程序中的指令具体用于执行以下操作：获取所述前置摄像头采集的车内图像；依据所述车内图像获取驾驶位置对应的驾驶员图像；启动所述人脸识别模组对所述驾驶员图像执行人脸识别算法，确定所述驾驶员图像对应的驾驶员，获取所述驾驶员的驾驶员信息，其中，所述驾驶员信息包括：所述驾驶员的驾驶证编号；获取当前位置信息，将所述当前位置信息、所述驾驶员信息上传至预设服务器。
在一个可能的示例中，所述程序中的指令还用于执行以下操作：获取所述车辆的车辆型号，确定所述车辆型号对应的第二人数阈值；判断所述车内人数是否大于所述第二人数阈值，若所述车内人数大于所述第二人数阈值，确定所述车辆处于违规状态，将所述车辆信息上传至预设服务器。
上述主要从方法侧执行过程的角度对本申请实施例的方案进行了介绍。可以理解的是，车载设备为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
本申请实施例可以根据上述方法示例对车载设备进行功能单元的划分，例如，可以对应各个功能划分各个功能单元，也可以将两个或两个以上的功能集成在一个控制单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。需要说明的是，本申请实施例中对单元的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
图6是本申请实施例中所涉及的多乘员专用车道管控装置600的功能单元组成框图。该多乘员专用车道管控装置600应用于车载设备，多乘员专用车道管控装置600包括获取单元601、确定单元602、判断单元603和执行单元604，其中：
获取单元601，用于获取车载摄像头采集的车道图像；
确定单元602，用于对所述车道图像执行图像识别算法确定所述车道图像中包含的车道交通标识；
判断单元603，用于判断所述车道交通标识是否为预设的多乘员车道标识，若所述车道交通标识是所述多乘员车道标识，获取所述多乘员车道标识对应的车道第一人数阈值；
执行单元604，用于依据感知模组采集的感知数据确定车内人数，判断所述车内人数是否大于所述第一人数阈值，若所述车内人数小于所述第一人数阈值，确定车辆处于违规状态，将所述车辆对应的车辆信息并上传至预设服务器。
可以看出，本申请实施例中，车载设备首先获取车载摄像头采集的当前车道的车道图像；其次，对所述车道图像执行图像识别算法确定所述车道图像中包含的车道交通标识；再次，判断所述车道交通标识是否为预设的多乘员车道标识，若所述车道交通标识是所述多乘员车道标识，获取所述多乘员车道标识对应的车道第一人数阈值；最后，依据所述感知模组采集的感知数据确定车内人数，判断所述车内人数是否大于所述第一人数阈值，若所述车内人数小于所述第一人数阈值，确定车辆处于违规状态，提示所述车辆驶离所述当前车道。可见，本申请实施例中车载设备可根据车道图像与感知数据对车辆违章情况进行判定，有利于提高多乘员专用车道违章判定的准确性，简化多乘员专用通道的管控流程，提高多乘员专用车道违章判定的效率。
在一个可能的示例中，所述感知数据包括：压力数据和红外图像数据，在所述依据所述感知模组采集的感知数据确定车内人数方面，所述执行单元604具体用于：获取所述感知模组中的压力传感器采集的M个压力数据，其中，所述M个压力信息包括：M个压力数值和M个压力位置数据，M大于0；获取所述M个压力数值中大于预设压力阈值的N个压力数值，其中，N大于0且N小于M；依据所述M个压力位置数据确定所述N个压力数值对应的N个压力位置数据；控制所述感知模组中的红外摄像头采集所述N个压力位置数据对应的N个红外图像数据，依据所述N个红外图像确定所述车内人数。
在一个可能的示例中，在所述依据所述N个红外图像数据确定所述车内人数方面，所述执行单元604具体用于：获取所述N个红外图像数据对应的N个红外温度；确定所述N个红外温度中属于预设温度范围的目标红外温度的数量，确定所述数量为所述车内人数。
在一个可能的示例中，在所述控制所述感知模组中的红外摄像头采集所述N个压力位置数据对应的N个红外图像数据方面，所述执行单元604具体用于：依据预设的压力位置与旋转角度的映射关系确定所述N个压力位置数据对应的N个旋转角度；启动所述红外摄像头，控制所述红外摄像头依次旋转所述N个旋转角度并执行图像采集功能，得到所述N个压力位置数据对应的N个红外图像数据。
在一个可能的示例中，所述车载设备还包括：语音模组，在所述提示所述车辆驶离所述当前车道之后方面，所述执行单元604具体用于：启动所述语音模组，控制所述语音模组播报预设语音提示，所述预设语音提示用于提示所述车辆驶离所述当前车道。
在一个可能的示例中，所述车载设备还包括：人脸识别模组和前置摄像头，在所述提示所述车辆驶离所述当前车道之后方面，所述执行单元604还用于：获取所述前置摄像头采集的车内图像；依据所述车内图像获取驾驶位置对应的驾驶员图像；启动所述人脸识别模组对所述驾驶员图像执行人脸识别算法，确定所述驾驶员图像对应的驾驶员，获取所述驾驶员的驾驶员信息，其中，所述驾驶员信息包括：所述驾驶员的驾驶证编号；获取当前位置信息，将所述当前位置信息、所述驾驶员信息上传至预设服务器。
在一个可能的示例中，所述执行单元604还用于：获取所述车辆的车辆型号，确定所述车辆型号对应的第二人数阈值；判断所述车内人数是否大于所述第二人数阈值，若所述车内人数大于所述第二人数阈值，确定所述车辆处于违规状态，将所述车辆信息上传至预设服务器。
本申请实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤，上述计算机包括车载设备。
本申请实施例还提供一种计算机程序产品，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包，上述计算机包括车载设备。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取器(英文：Random Access Memory，简称：RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种多乘员专用车道管控方法，其特征在于，应用于车载设备，所述方法包括：
获取车载车载摄像头采集的当前车道的车道图像；
对所述车道图像执行图像识别算法确定所述车道图像中包含的车道交通标识；
判断所述车道交通标识是否为预设的多乘员车道标识，若所述车道交通标识是所述多乘员车道标识，获取所述多乘员车道标识对应的车道第一人数阈值；
依据感知模组采集的感知数据确定车内人数，判断所述车内人数是否大于所述第一人数阈值，若所述车内人数小于所述第一人数阈值，确定车辆处于违规状态，提示所述车辆驶离所述当前车道。
2.根据权利要求1所述的方法，其特征在于，所述感知数据包括：压力数据和红外图像数据，所述依据所述感知模组采集的感知数据确定车内人数，包括：
获取所述感知模组中的压力传感器采集的M个压力数据，其中，所述M个压力信息包括：M个压力数值和M个压力位置数据，M大于0；
获取所述M个压力数值中大于预设压力阈值的N个压力数值，其中，N大于0且N小于M；
依据所述M个压力位置数据确定所述N个压力数值对应的N个压力位置数据；
控制所述感知模组中的红外摄像头采集所述N个压力位置数据对应的N个红外图像数据，依据所述N个红外图像确定所述车内人数。
3.根据权利要求2所述的方法，其特征在于，所述依据所述N个红外图像数据确定所述车内人数，包括：
获取所述N个红外图像数据对应的N个红外温度；
确定所述N个红外温度中属于预设温度范围的目标红外温度的数量，确定所述数量为所述车内人数。
4.根据权利要求2所述的方法，其特征在于，所述控制所述感知模组中的红外摄像头采集所述N个压力位置数据对应的N个红外图像数据包括：
依据预设的压力位置与旋转角度的映射关系确定所述N个压力位置数据对应的N个旋转角度；
启动所述红外摄像头，控制所述红外摄像头依次旋转所述N个旋转角度并执行图像采集功能，得到所述N个压力位置数据对应的N个红外图像数据。
5.根据权利要求1所述的方法，其特征在于，所述电子设备还包括：语音模组，所述提示所述车辆驶离所述当前车道，包括：
启动所述语音模组，控制所述语音模组播报预设语音提示，所述预设语音提示用于提示所述车辆驶离所述当前车道。
6.根据权利要求1所述的方法，其特征在于，所述车载设备还包括：人脸识别模组和前置摄像头，所述提示所述车辆驶离所述当前车道之后，还包括：
获取所述前置摄像头采集的车内图像；
依据所述车内图像获取驾驶位置对应的驾驶员图像；
启动所述人脸识别模组对所述驾驶员图像执行人脸识别算法，确定所述驾驶员图像对应的驾驶员，获取所述驾驶员的驾驶员信息，其中，所述驾驶员信息包括：所述驾驶员的驾驶证编号；
获取当前位置信息，将所述当前位置信息、所述驾驶员信息上传至预设服务器。
7.根据权利要求1-6任一项所述的方法，其特征在于，所述方法还包括：
获取所述车辆的车辆型号，确定所述车辆型号对应的第二人数阈值；
判断所述车内人数是否大于所述第二人数阈值，若所述车内人数大于所述第二人数阈值，确定所述车辆处于违规状态，将所述车辆信息上传至预设服务器。
8.一种多乘员专用车道管控装置，其特征在于，应用于车载设备，所述装置包括：
获取单元，用于获取车载车载摄像头采集的车道图像；
确定单元，用于对所述车道图像执行图像识别算法确定所述车道图像中包含的车道交通标识；
判断单元，用于判断所述车道交通标识是否为预设的多乘员车道标识，若所述车道交通标识是所述多乘员车道标识，获取所述多乘员车道标识对应的车道第一人数阈值；
执行单元，用于依据所述感知模组采集的感知数据确定车内人数，判断所述车内人数是否大于所述第一人数阈值，若所述车内人数小于所述第一人数阈值，确定车辆处于违规状态，将所述车辆对应的车辆信息并上传至预设服务器。
9.一种车载设备，其特征在于，包括处理器、存储器、通信接口，以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行如权利要求1-7任一项所述的方法中的步骤的指令。
10.一种计算机可读存储介质，其特征在于，存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1-7任一项所述的方法。
CN201910626769.7A 2019-07-11 2019-07-11 多乘员专用车道管控方法及相关产品 Active CN110322700B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910626769.7A CN110322700B (zh) 2019-07-11 2019-07-11 多乘员专用车道管控方法及相关产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910626769.7A CN110322700B (zh) 2019-07-11 2019-07-11 多乘员专用车道管控方法及相关产品

Publications (2)

Publication Number Publication Date
CN110322700A true CN110322700A (zh) 2019-10-11
CN110322700B CN110322700B (zh) 2022-01-11

Family

ID=68122009

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910626769.7A Active CN110322700B (zh) 2019-07-11 2019-07-11 多乘员专用车道管控方法及相关产品

Country Status (1)

Country Link
CN (1) CN110322700B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111862589A (zh) * 2020-01-13 2020-10-30 北京嘀嘀无限科技发展有限公司 一种高容量车道确定方法及装置

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102008063328A1 (de) * 2008-12-30 2010-07-01 Hella Kgaa Hueck & Co. Verfahren und Vorrichtung zum Ermitteln einer Änderung des Nickwinkels einer Kamera eines Fahrzeugs
JP2014189155A (ja) * 2013-03-27 2014-10-06 Mitsubishi Electric Corp 鉄道車両用換気制御システム
CN204667202U (zh) * 2015-05-29 2015-09-23 高启迪 一种可自动调整角度的智能电视
CN106210507A (zh) * 2016-06-27 2016-12-07 联想(北京)有限公司 图像调整方法及电子设备
CN106845476A (zh) * 2016-12-16 2017-06-13 中国航天系统工程有限公司 一种基于北斗和图像识别技术的hov车道管理系统及方法
CN106875725A (zh) * 2017-04-05 2017-06-20 合肥酷睿网络科技有限公司 一种公交车调度系统
CN107878361A (zh) * 2016-09-30 2018-04-06 法乐第(北京)网络科技有限公司 一种汽车超员的监测方法以及装置、汽车
CN107972610A (zh) * 2017-11-17 2018-05-01 重庆长安汽车股份有限公司 基于单摄像头的车内监测装置及方法
CN109902625A (zh) * 2019-02-27 2019-06-18 中山安信通机器人制造有限公司 车内智能补光人脸识别装置及其控制方法
CN109960407A (zh) * 2019-03-06 2019-07-02 中山安信通机器人制造有限公司 一种车载机器人主动交互的方法、计算机装置以及计算机可读存储介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102008063328A1 (de) * 2008-12-30 2010-07-01 Hella Kgaa Hueck & Co. Verfahren und Vorrichtung zum Ermitteln einer Änderung des Nickwinkels einer Kamera eines Fahrzeugs
JP2014189155A (ja) * 2013-03-27 2014-10-06 Mitsubishi Electric Corp 鉄道車両用換気制御システム
CN204667202U (zh) * 2015-05-29 2015-09-23 高启迪 一种可自动调整角度的智能电视
CN106210507A (zh) * 2016-06-27 2016-12-07 联想(北京)有限公司 图像调整方法及电子设备
CN107878361A (zh) * 2016-09-30 2018-04-06 法乐第(北京)网络科技有限公司 一种汽车超员的监测方法以及装置、汽车
CN106845476A (zh) * 2016-12-16 2017-06-13 中国航天系统工程有限公司 一种基于北斗和图像识别技术的hov车道管理系统及方法
CN106875725A (zh) * 2017-04-05 2017-06-20 合肥酷睿网络科技有限公司 一种公交车调度系统
CN107972610A (zh) * 2017-11-17 2018-05-01 重庆长安汽车股份有限公司 基于单摄像头的车内监测装置及方法
CN109902625A (zh) * 2019-02-27 2019-06-18 中山安信通机器人制造有限公司 车内智能补光人脸识别装置及其控制方法
CN109960407A (zh) * 2019-03-06 2019-07-02 中山安信通机器人制造有限公司 一种车载机器人主动交互的方法、计算机装置以及计算机可读存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘子源等: "基于OpenCV和Haar特征分类器的图像人数检测", 《辽宁科技大学学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111862589A (zh) * 2020-01-13 2020-10-30 北京嘀嘀无限科技发展有限公司 一种高容量车道确定方法及装置
CN111862589B (zh) * 2020-01-13 2022-05-27 北京嘀嘀无限科技发展有限公司 一种高容量车道确定方法及装置

Also Published As

Publication number Publication date
CN110322700B (zh) 2022-01-11

Similar Documents

Publication Publication Date Title
EP3533681B1 (en) Method for detecting safety of driving behavior, apparatus and storage medium
CN112026686B (zh) 一种自动调节车辆座椅位置的方法及装置
CN108388888A (zh) 一种车辆识别方法、装置和存储介质
CN101030316B (zh) 一种汽车安全驾驶监控系统和方法
CN108447303B (zh) 基于人眼视觉与机器视觉耦合的外周视野危险识别方法
CN103871200B (zh) 用于汽车驾驶的安全提醒系统及方法
DE112018001422T5 (de) Anzeigesteuersystem und verfahren zum erzeugen einer virtuellen umgebung in einem fahrzeug
CN105956548A (zh) 驾驶员疲劳状况检测方法和装置
CN106971624A (zh) 超车预警的方法和装置
WO2021016873A1 (zh) 基于级联神经网络的注意力检测方法、计算机装置及计算机可读存储介质
CN103714660A (zh) 基于图像处理融合心率特征与表情特征实现疲劳驾驶判别的系统
CN108389396A (zh) 一种基于视频的车型匹配方法、装置和计费系统
CN107521501A (zh) 基于博弈论的驾驶员辅助系统决策方法、系统及其他
CN107292663A (zh) 车险定价方法及装置
CN111931683B (zh) 图像识别方法、装置及计算机可读存储介质
CN109002797A (zh) 车辆变道检测方法、装置、存储介质和计算机设备
CN109910898A (zh) 一种车辆管理方法及系统
CN105522984B (zh) 一种行车时获取目标车辆驾驶员级别的方法
CN109204075A (zh) 基于人脸和体重模型算法的汽车驾驶座椅自动调整系统
CN116001795A (zh) 一种换道风险评估及个性化换道决策方法
CN112613434A (zh) 道路目标检测方法、装置及存储介质
CN116542397A (zh) 一种车辆能耗的管理方法和装置
CN110322700A (zh) 多乘员专用车道管控方法及相关产品
CN113537615B (zh) 一种充电车辆的预测方法、装置及电子设备
CN109300334A (zh) 车辆速度控制方法、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