CN110516631A - 一种基于图像识别的失驾人员查处办法 - Google Patents
一种基于图像识别的失驾人员查处办法 Download PDFInfo
- Publication number
- CN110516631A CN110516631A CN201910813238.9A CN201910813238A CN110516631A CN 110516631 A CN110516631 A CN 110516631A CN 201910813238 A CN201910813238 A CN 201910813238A CN 110516631 A CN110516631 A CN 110516631A
- Authority
- CN
- China
- Prior art keywords
- confirmed
- driver
- information
- vehicle
- card
- 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
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- 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
-
- 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
- G06V40/161—Detection; Localisation; Normalisation
-
- 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
- G06V40/168—Feature extraction; Face representation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种基于图像识别的失驾人员查处办法,其可以提高识别准确率,且全流程都是自动执行,极大的提升了失驾人员查处的执行效率。在本发明的技术方案中,基于图像识别方法,对道路监控图片进行不间断的自动识别,输出车辆监控图片、车辆的号牌号码信息、人脸区域图片、人像特征,通过对人像特征在人口特征库中自动比对,找到驾驶人身份,进而获得其驾驶证信息,确认其驾驶证是否处于失驾状态,把驾驶证处于失驾状态的驾驶人信息发送预警信息给警务人员进行实时拦截。
Description
技术领域
本发明涉及智能交通控制技术领域,具体为一种基于图像识别的失驾人员查处办法。
背景技术
本发明中的失驾行为是指机动车驾驶证被记满12分、暂扣、吊销或驾驶证过期仍驾驶机动车的交通违法行为。失驾行为在交通违法行为查处中,是比较常见的一种违法行为。但是,在现有技术中大多通过路面交警的执勤拦截,或者通过关联车主的方式进行查处。不管是路面拦截排查,还是通过关联车主的方式,从实际的应用效果来看,准确率并不高,且执行效率非常低。
发明内容
为了解决人工甄别失驾人员准确率不高、执行效率低的问题,本发明提供一种基于图像识别的失驾人员查处办法,其可以提高识别准确率,且全流程都是自动执行,极大的提升了失驾人员查处的执行效率。
本发明的技术方案是这样的:一种基于图像识别的失驾人员查处办法,其特征在于,其包括以下步骤:
S1:在集成指挥平台中构建失驾识别模块,失驾识别模块不间断的从交通监控设备中提取道路监控图片;
S2:基于图像识别方法,从所述道路监控图片找出车辆监控图片,且从所述车辆监控图片中找到车辆区域、车辆的号牌号码信息,同时输出车辆区域图片;
S3:从所述车辆区域图片中,基于图像识别方法,检测人脸区域;
如果所述车辆区域图片中不存在人脸,则结束本次分析;
否则,获取人脸区域图片、人像特征,并输出在所述车辆区域图片中的人脸区域坐标信息;
S4:基于所述车辆区域图片和所述人类区域坐标信息,通过支持向量机的方式,判断所述人脸区域坐标信息是否位于所述车辆区域图片中主驾驶的区域;
如果所述人脸区域坐标信息不是位于主驾驶的区域中,则结束本次分析;
否则,则所述人脸区域坐标信息对应的人像特征设置为待确认人像特征;
S5:将所述待确认人像特征在人口特征库中,进行特征比对,输出所述待确认人像特征对应的身份证号码,记做:待确认身份证号码;
S6:在机动车驾驶人信息库中查询所述待确认身份证号码;
如果有查询结果,则输出对应的驾驶证信息,记为:待确认驾驶证信息;
否则,结束本次分析;
S7:在所述机动车驾驶人信息库中,确认所述待确认驾驶证信息的驾驶证状态;
如果所述待确认驾驶证信息中的状态为:失驾状态,则其对应的车辆被设置为嫌疑车辆;失驾识别模块发送所述嫌疑车辆相关的预警信息给路面警务人员进行实时路面拦截;
否则,如果所述待确认驾驶证信息中的状态为:失驾状态以外的状态,则结束本次分析;
S8:如果所述嫌疑车辆被拦截到,则结束本次分析;
否则,把所述嫌疑车辆的对应的所述号牌号码信息进行登记,以便警务人员进行后续布控,结束本次分析。
其进一步特征在于:
所述失驾状态包括:被扣满12分、暂扣、吊销、驾驶证超期;
步骤S4中,判断所述人脸区域坐标信息是否位于所述车辆区域图片中主驾驶的区域,包括如下步骤:
S4-1:建立基于支持向量机的位置分类模型;
S4-2:训练所述位置分类模型,以得到训练好的所述位置分类模型;
训练所述位置分类模型时,以车辆区域左下角作为坐标系原点,将主驾驶人脸中心点(Xz,Yz),副驾驶人脸中心点(Xf,Yf),这两类坐标作为输入,根据公式(1)构造2个超平面,通过输入多组(Xz,Yz)、(Xf,Yf)来找到合适的超平面法向量w和截距b,最终分类出主驾驶位置、副驾驶位置人脸;
S4-3:获取所述车辆区域图片中所有的所述人脸区域坐标信息的中心点P(x,y),输入到训练好的所述位置分类模型中进行分类;最后,输出所有的位于所述车辆区域图片中主驾驶区域的所述人脸区域坐标信息;
所述人口特征库包括本地人口特征库、其他地区人口特征库;
步骤S5中,将所述待确认人像特征在人口特征库中,进行特征比对,输出最高相似度的过程,包括如下具体步骤:
S5-1:获得所述待确认人像特征,在所述本地人口特征库中进行比对,获得所有的相似度的值,取值最高的相似度,记为本地库最高相似度;
如果在所述本地人口特征库中,所述本地库最高相似度对应的数据的个数大于1,则代表则此次查询结果无效,结束本次分析;
否则执行步骤S5-2;
S5-2:将所述本地库最高相似度与预设在失驾识别模块中的相似度阈值进行比较;
如果,所述本地库最高相似度的值高于所述相似度阈值,则认为找到待确认驾驶人,输出其对应的身份证号码;
否则,失驾识别模块将所述待确认人像特征作为查询请求的一部分,分发给所述其他地区人口特征库;
S5-3:接收所述其他地区人口特征库反馈的外部查询结果,所述外部查询结果包括:外部库最高相似度、与所述外部库最高相似度对应的身份证号码;
把接收到的所述外部查询结果的个数赋值给查询结果计数标记M;
如果M为0,则结束本次分析;
否则,执行步骤S5-4;
S5-4:设置数据有效标记N,初始化N的值为0;
S5-5:将每一个所述外部查询结果中的所述外部库最高相似度,依次与预设在失驾识别模块中的所述相似度阈值进行比较;
如果,所述外部库最高相似度高于所述相似度阈值,则N=N+1,且其对应的身份证号码设置为待输出身份证号码;
否则,丢弃此所述外部查询结果;
S5-6:循环步骤S5-5,直至M个所述外部查询结果都处理完毕;
S5-7:确认N的值;
如果N不等于1,则代表没有符合条件的查询结果,或者存在多个所述外部库最高相似度高于所述相似度阈值,即此次查询结果无效,结束本次分析;
否则,当N等于1时,认为找到待确认驾驶人,输出所述待输出身份证号码;
所述机动车驾驶人信息库包括本地驾驶人信息库、全国驾驶人信息库;
步骤S6中,根据所述待确认身份证号码来源不同,在不同的所述机动车驾驶人信息库中进行查询;
如果所述待确认身份证号码是通过所述本地人口特征库中查询到,则在所述本地驾驶人信息库中查询所述待确认身份证号码;
如果所述待确认身份证号码是通过所述其他地区人口特征库中查询到,则在所述全国驾驶人信息库中查询所述待确认身份证号码;
步骤S7中,根据所述待确认身份证号码来源不同,在不同的所述机动车驾驶人信息库中确认所述待确认驾驶证信息的驾驶证状态;
如果所述待确认身份证号码是通过所述本地人口特征库中查询到,则在所述本地驾驶人信息库中查询所述待确认驾驶证信息的驾驶证状态;
如果所述待确认身份证号码是通过所述其他地区人口特征库中查询到,则在所述全国驾驶人信息库中查询所述待确认驾驶证信息的驾驶证状态;
步骤S5-2中,失驾识别模块将所述待确认人像特征作为查询请求的一部分,分发给所述其他地区人口特征库时,所述查询请求还包括请求方代码,用来标记提出请求的请求方;
所述请求方代码的格式为:人口特征库ID+当地平台安装代码;
其中所述人口库ID为一串字符,所述当地平台安装代码为全国唯一的数字。
本发明提供的一种基于图像识别的失驾人员查处办法,基于图像识别方法,对道路监控图片进行不间断的自动识别,输出车辆监控图片、车辆的号牌号码信息、人脸区域图片、人像特征,通过对人像特征在人口特征库中自动比对,找到驾驶人身份,进而获得其驾驶证信息,确认其驾驶证是否处于失驾状态,把驾驶证处于失驾状态的驾驶人信息发送预警信息给警务人员进行实时拦截;本发明的技术方案中,自动分析路面上失驾人员驾驶机动车的行为,通过自动确认驾驶人身份的方式,具有极高的准确率;且可以不间断的自动执行,执行效率非常高。通过在本地常驻人口的人口特征库、外地区人口特征库中查询方式,无需将失驾人员单独建立特征库,保证了进行查询的特征库的稳定性,无需频繁的同步和更新,进一步提高了失驾人员查处的准确性和执行效率。因为大部分车辆和驾驶人活动在其常驻地区,所以通过先查本地常驻人口的人口特征库,再查其他地区的常驻人口的特征库的方式,提高了数据检索的效率,进而提高了查处效率。
附图说明
图1为本发明的系统组成示意图;
图2为本发明的失驾人员查处办法流程示意图;
图3为待确认人像特征在人口特征库中进行特征比较的流程示意图;
图4为道路监控图片、车辆区域图片、人类区域图片的关系示意图;
图5为基于支持向量机的位置分类模型的分类示意图。
具体实施方式
如图1所示,本发明中实现失驾人员查处的失驾识别模块2构建在集成指挥平台中,失驾识别模块2通过集成指挥平台分别与交通监控设备1、本地人口特征库3、其他地区人口特征库4、本地驾驶人信息库5、全国驾驶人信息库6通信连接。
如图2所示,本发明一种基于图像识别的失驾人员查处办法,其包括以下步骤:
S1:不间断的从交通监控设备1中提取道路监控图片;
S2:基于图像识别方法,从大量的道路监控图片中找出包含车辆信息的车辆监控图片F1后,继续通过图像识别技术从车辆监控图片F1中找到车辆区域、车辆的号牌号码信息,同时输出车辆区域图片F2;
S3:从车辆区域图片F2中,基于图像识别方法,检测人脸区域;
如果车辆区域图片中不存在人脸,则结束本次分析;
否则,获取人脸区域图片F3、人像特征,并输出在车辆区域图片F2中的人脸区域坐标信息;
参照说明书附图的图4,可以知道车辆监控图片F1、车辆区域图片F2、人脸区域图片F3三者的关系;
S4:基于车辆区域图片F2和人类区域坐标信息,通过支持向量机的方式,判断人脸区域坐标信息是否位于车辆区域图片中主驾驶的区域;
如果人脸区域坐标信息不是位于主驾驶的区域中,则结束本次分析;
否则,则人脸区域坐标信息对应的人像特征设置为待确认人像特征;
S5:将待确认人像特征在人口特征库中,进行特征比对,输出待确认人像特征对应的身份证号码,记做:待确认身份证号码;
人口特征库包括存储了本地常驻人口信息的本地人口特征库3、以及同样存储其常驻人口信息的其他地区人口特征库4;
S6:在机动车驾驶人信息库中查询待确认身份证号码;
机动车驾驶人信息库包括本地驾驶人信息库5、全国驾驶人信息库6;
根据待确认身份证号码来源不同,在不同的机动车驾驶人信息库中进行查询;
如果待确认身份证号码是通过本地人口特征库3中查询到,则在本地区的机动车驾驶人信息库5中查询待确认身份证号码;
如果待确认身份证号码是通过其他地区人口特征库4中查询到,则在全国驾驶人信息库6中查询待确认身份证号码;
如果有查询结果,则输出对应的驾驶证信息,记为:待确认驾驶证信息;
否则,结束本次分析;
S7:在机动车驾驶人信息库中,确认待确认驾驶证信息的驾驶证状态;
根据待确认身份证号码来源不同,在不同的机动车驾驶人信息库中确认待确认驾驶证信息的驾驶证状态;
如果待确认身份证号码是通过本地人口特征库3中查询到,则在本地驾驶人信息库5中查询待确认驾驶证信息的驾驶证状态;
如果待确认身份证号码是通过其他地区人口特征库4中查询到,则在全国驾驶人信息库6中查询待确认驾驶证信息的驾驶证状态;
如果待确认驾驶证信息中的状态为:失驾状态,则其对应的车辆被设置为嫌疑车辆;失驾识别模块发送嫌疑车辆相关的预警信息给路面警务人员进行实时路面拦截;
否则,如果待确认驾驶证信息中的状态为:失驾状态以外的状态,则结束本次分析;
失驾状态包括:被扣满12分、暂扣、吊销、驾驶证超期;
S8:如果嫌疑车辆被拦截到,则结束本次分析;
否则,把嫌疑车辆的对应的号牌号码信息进行登记,以便警务人员进行后续布控,结束本次分析;
在一些具体实现的过程中,也有通过调用集成指挥平台的接口,查询机动车登记时预留的电话号码,或通过电信运营商获得该身份证明号码绑定的手机号码,进行电话短信通知到失驾行为嫌疑人本人,来确保所有的预警信息能够被处理完毕。
在本发明的技术方案中,通过先比对常驻人口特征库找到具体的驾驶人信息,然后查询驾驶人信息库的方式查询对应的驾驶执照状态,确保驾驶人身份确认和失驾确认是实时且最新的,保证了最终获得的检索结果的准确性。在实际工作中,因为车辆和驾驶人大多是在其常驻地区活动,所以本发明的技术方案中,在进行人像特征识别的时候,先在本地的本地人口特征库3中,进行检索,本地人口特征库中没有检索结果的时候,再去其他地区人口特征库中请求检索,这样的安排顺序与最开始就实时全国人口特征库的大范围检索方式相比,有利于提高检索的效率,确保了失驾人员查处的执行效率的提升。
如图5所示,步骤S4中,判断人脸区域坐标信息是否位于车辆区域图片中主驾驶的区域,包括如下步骤:
S4-1:建立基于支持向量机的位置分类模型;
S4-2:训练位置分类模型,以得到训练好的位置分类模型;
训练位置分类模型时,以车辆区域左下角作为坐标系原点,将主驾驶人脸中心点(Xz,Yz),副驾驶人脸中心点(Xf,Yf),这两类坐标作为输入,根据公式(1)构造2个超平面,通过输入多组(Xz,Yz)、(Xf,Yf)来找到合适的超平面法向量w和截距b,最终分类出主驾驶位置、副驾驶位置人脸;
S4-3:获取车辆区域图片中所有的人脸区域坐标信息的中心点P(x,y),输入到训练好的位置分类模型中进行分类;最后,输出所有的位于车辆区域图片中主驾驶区域的人脸区域坐标信息。
本发明技术方案中,是用基于支持向量机的位置分类模型来对主驾驶区域的图片进行分类,分类结果为两种,一种是所有的位于主驾驶区域的人脸区域坐信息,另外一种是所有非主驾区域(副驾驶位置)的人脸区域坐标信息。本发明技术方案中,因为图片识别是实时不间断进行的,所以每次投入分类的数据为小样本数据,且分类结果只有两种;通过支持向量机模型来实现这种分类需求,可以实现非常快速准确的数据分类,且因为支持向量机模型具有很好的鲁棒性,是本发明的技术方案更具实用性。
如图3所示,步骤S5中,将待确认人像特征在人口特征库中,进行特征比对,输出最高相似度的过程,包括如下具体步骤:
S5-1:获得待确认人像特征,在本地人口特征库3中进行比对,获得所有的相似度的值,取值最高的相似度,记为本地库最高相似度;
如果在本地人口特征库3中,本地库最高相似度对应的数据的个数大于1,则代表则此次查询结果无效,结束本次分析;
否则执行步骤S5-2;
S5-2:将本地库最高相似度与预设在失驾识别模块中的相似度阈值进行比较;
如果,本地库最高相似度的值高于相似度阈值,则认为找到待确认驾驶人,输出其对应的身份证号码;
否则,失驾识别模块将待确认人像特征作为查询请求的一部分,分发给其他地区人口特征库4;
S5-3:接收其他地区人口特征库4反馈的外部查询结果,外部查询结果包括:外部库最高相似度、与外部库最高相似度对应的身份证号码;
把接收到的外部查询结果的个数赋值给查询结果计数标记M;
如果M为0,则结束本次分析;
否则,执行步骤S5-4;
S5-4:设置数据有效标记N,初始化N的值为0;
S5-5:将每一个外部查询结果中的外部库最高相似度,依次与预设在失驾识别模块中的相似度阈值进行比较;
如果,外部库最高相似度高于相似度阈值,则N=N+1,且其对应的身份证号码设置为待输出身份证号码;
否则,丢弃此外部查询结果;
S5-6:循环步骤S5-5,直至M个外部查询结果都处理完毕;
S5-7:确认N的值;
如果N不等于1,则代表没有符合条件的查询结果,或者存在多个外部库最高相似度高于相似度阈值,即此次查询结果无效,结束本次分析;
否则,当N等于1时,认为找到待确认驾驶人,输出待输出身份证号码。
通过比对本地常住人口的特征库、以及其他地区的常驻人口特征库的进行人员信息检索的方式,无需将失驾人员单独建立特征库,保证了作为基础数据库的特征库是稳定的,无需频繁的同步和更新。进一步确保了检索结果的准确性。
在步骤S5-1和步骤S5-7中,无论是在本地人口特征库的检索、还是在其他地区人口特征库的检索后,一旦检索结果中出现多个相似的数据,代表本次检索过程中的人性特征数据不具备代表性,所以会反馈多个相似极高的结果,本次检索无效,本次检索的人像特征数据也是无效数据,做丢弃处理。避免了,因为不良人性特征数据导致检索结果出错,进一步保证了检索结果的准确性。
步骤S5-2中,失驾识别模块2将待确认人像特征作为查询请求的一部分,分发给其他地区人口特征库4时,查询请求还包括请求方代码,用来标记提出请求的请求方;
请求方代码的格式为:人口特征库ID+当地平台安装代码;
其中人口库ID为一串字符,当地平台安装代码为在全国具有唯一性的数字;当地平台安装代码在国内是具有通用性的,用以该地区唯一的人口特征库,以供其他平台进行通信使用,比如:以江苏苏州和无锡为例,苏州常口库为changkouku@320018,无锡常口库为changkouku@320007。
将本地已提取的人像特征,联通“人口特征库ID”和“安装代码”,以http协议的方式进行请求,其他地市平台收到请求后,将和该地市常口库特征比对结果返回给请求发起平台,发起平台可根据返回的身份证明号码查询全国驾驶人信息库。
请求格式为Http格式,具体如下:
http://ip:port/face?method=searchface&kid=changzhouku@azdm&tz=
aaaaaa
其中,ip为平台IP地址,port为端口号,通过searchface调用和常口库的比对算法,kid指进行比对的库ID,格式为“常口库ID@安装代码”,如无锡为changkouku@320007。
使用通用的http协议与searchface接口进行请求,是本方案更具通用性,方便以后工作中的扩展和维护。
Claims (9)
1.一种基于图像识别的失驾人员查处办法,其特征在于,其包括以下步骤:
S1:在集成指挥平台中构建失驾识别模块,失驾识别模块不间断的从交通监控设备中提取道路监控图片;
S2:基于图像识别方法,从所述道路监控图片找出车辆监控图片,且从所述车辆监控图片中找到车辆区域、车辆的号牌号码信息,同时输出车辆区域图片;
S3:从所述车辆区域图片中,基于图像识别方法,检测人脸区域;
如果所述车辆区域图片中不存在人脸,则结束本次分析;
否则,获取人脸区域图片、人像特征,并输出在所述车辆区域图片中的人脸区域坐标信息;
S4:基于所述车辆区域图片和所述人类区域坐标信息,通过支持向量机的方式,判断所述人脸区域坐标信息是否位于所述车辆区域图片中主驾驶的区域;
如果所述人脸区域坐标信息不是位于主驾驶的区域中,则结束本次分析;
否则,则所述人脸区域坐标信息对应的人像特征设置为待确认人像特征;
S5:将所述待确认人像特征在人口特征库中,进行特征比对,输出所述待确认人像特征对应的身份证号码,记做:待确认身份证号码;
S6:在机动车驾驶人信息库中查询所述待确认身份证号码;
如果有查询结果,则输出对应的驾驶证信息,记为:待确认驾驶证信息;
否则,结束本次分析;
S7:在所述机动车驾驶人信息库中,确认所述待确认驾驶证信息的驾驶证状态;
如果所述待确认驾驶证信息中的状态为:失驾状态,则其对应的车辆被设置为嫌疑车辆;失驾识别模块发送所述嫌疑车辆相关的预警信息给路面警务人员进行实时路面拦截;
否则,如果所述待确认驾驶证信息中的状态为:失驾状态以外的状态,则结束本次分析;
S8:如果所述嫌疑车辆被拦截到,则结束本次分析;
否则,把所述嫌疑车辆的对应的所述号牌号码信息进行登记,以便警务人员进行后续布控,结束本次分析。
2.根据权利要求1所述一种基于图像识别的失驾人员查处办法,其特征在于:所述失驾状态包括:被扣满12分、暂扣、吊销、驾驶证超期。
3.根据权利要求1所述一种基于图像识别的失驾人员查处办法,其特征在于:步骤S4中,判断所述人脸区域坐标信息是否位于所述车辆区域图片中主驾驶的区域,包括如下步骤:
S4-1:建立基于支持向量机的位置分类模型;
S4-2:训练所述位置分类模型,以得到训练好的所述位置分类模型;
训练所述位置分类模型时,以车辆区域左下角作为坐标系原点,将主驾驶人脸中心点(Xz,Yz),副驾驶人脸中心点(Xf,Yf),这两类坐标作为输入,根据公式(1)构造2个超平面,通过输入多组(Xz,Yz)、(Xf,Yf)来找到合适的超平面法向量w和截距b,最终分类出主驾驶位置、副驾驶位置人脸;
S4-3:获取所述车辆区域图片中所有的所述人脸区域坐标信息的中心点P(x,y),输入到训练好的所述位置分类模型中进行分类;最后,输出所有的位于所述车辆区域图片中主驾驶区域的所述人脸区域坐标信息。
4.根据权利要求1所述一种基于图像识别的失驾人员查处办法,其特征在于:所述人口特征库包括本地人口特征库、其他地区人口特征库。
5.根据权利要求4所述一种基于图像识别的失驾人员查处办法,其特征在于:步骤S5中,将所述待确认人像特征在人口特征库中,进行特征比对,输出最高相似度的过程,包括如下具体步骤:
S5-1:获得所述待确认人像特征,在所述本地人口特征库中进行比对,获得所有的相似度的值,取值最高的相似度,记为本地库最高相似度;
如果在所述本地人口特征库中,所述本地库最高相似度对应的数据的个数大于1,则代表则此次查询结果无效,结束本次分析;
否则执行步骤S5-2;
S5-2:将所述本地库最高相似度与预设在失驾识别模块中的相似度阈值进行比较;
如果,所述本地库最高相似度的值高于所述相似度阈值,则认为找到待确认驾驶人,输出其对应的身份证号码;
否则,失驾识别模块将所述待确认人像特征作为查询请求的一部分,分发给所述其他地区人口特征库;
S5-3:接收所述其他地区人口特征库反馈的外部查询结果,所述外部查询结果包括:外部库最高相似度、与所述外部库最高相似度对应的身份证号码;
把接收到的所述外部查询结果的个数赋值给查询结果计数标记M;
如果M为0,则结束本次分析;
否则,执行步骤S5-4;
S5-4:设置数据有效标记N,初始化N的值为0;
S5-5:将每一个所述外部查询结果中的所述外部库最高相似度,依次与预设在失驾识别模块中的所述相似度阈值进行比较;
如果,所述外部库最高相似度高于所述相似度阈值,则N=N+1,且其对应的身份证号码设置为待输出身份证号码;
否则,丢弃此所述外部查询结果;
S5-6:循环步骤S5-5,直至M个所述外部查询结果都处理完毕;
S5-7:确认N的值;
如果N不等于1,则代表没有符合条件的查询结果,或者存在多个所述外部库最高相似度高于所述相似度阈值,即此次查询结果无效,结束本次分析;
否则,当N等于1时,认为找到待确认驾驶人,输出所述待输出身份证号码。
6.根据权利要求4所述一种基于图像识别的失驾人员查处办法,其特征在于:所述机动车驾驶人信息库包括本地驾驶人信息库、全国驾驶人信息库。
7.根据权利要求6所述一种基于图像识别的失驾人员查处办法,其特征在于:步骤S6中,根据所述待确认身份证号码来源不同,在不同的所述机动车驾驶人信息库中进行查询;
如果所述待确认身份证号码是通过所述本地人口特征库中查询到,则在所述本地驾驶人信息库中查询所述待确认身份证号码;
如果所述待确认身份证号码是通过所述其他地区人口特征库中查询到,则在所述全国驾驶人信息库中查询所述待确认身份证号码。
8.根据权利要求6所述一种基于图像识别的失驾人员查处办法,其特征在于:步骤S7中,根据所述待确认身份证号码来源不同,在不同的所述机动车驾驶人信息库中确认所述待确认驾驶证信息的驾驶证状态;
如果所述待确认身份证号码是通过所述本地人口特征库中查询到,则在所述本地驾驶人信息库中查询所述待确认驾驶证信息的驾驶证状态;
如果所述待确认身份证号码是通过所述其他地区人口特征库中查询到,则在所述全国驾驶人信息库中查询所述待确认驾驶证信息的驾驶证状态。
9.根据权利要求5所述一种基于图像识别的失驾人员查处办法,其特征在于:步骤S5-2中,失驾识别模块将所述待确认人像特征作为查询请求的一部分,分发给所述其他地区人口特征库时,所述查询请求还包括请求方代码,用来标记提出请求的请求方;
所述请求方代码的格式为:人口特征库ID+当地平台安装代码;
其中所述人口库ID为一串字符,所述当地平台安装代码为全国唯一的数字。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910813238.9A CN110516631B (zh) | 2019-08-30 | 2019-08-30 | 一种基于图像识别的失驾人员查处办法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910813238.9A CN110516631B (zh) | 2019-08-30 | 2019-08-30 | 一种基于图像识别的失驾人员查处办法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110516631A true CN110516631A (zh) | 2019-11-29 |
CN110516631B CN110516631B (zh) | 2022-06-17 |
Family
ID=68629338
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910813238.9A Active CN110516631B (zh) | 2019-08-30 | 2019-08-30 | 一种基于图像识别的失驾人员查处办法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110516631B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113269967A (zh) * | 2020-02-17 | 2021-08-17 | 杭州海康威视系统技术有限公司 | 无证驾驶检测方法、装置及设备、存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106022242A (zh) * | 2016-05-13 | 2016-10-12 | 哈尔滨工业大学(威海) | 智能交通系统中的驾驶员接打电话识别方法 |
CN109147336A (zh) * | 2018-08-01 | 2019-01-04 | 武汉云易虹科技有限公司 | 一种交通失驾人员预警方法及系统 |
CN109214258A (zh) * | 2017-07-05 | 2019-01-15 | 杭州海康威视系统技术有限公司 | 失驾人员违规驾驶的检测方法及装置 |
-
2019
- 2019-08-30 CN CN201910813238.9A patent/CN110516631B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106022242A (zh) * | 2016-05-13 | 2016-10-12 | 哈尔滨工业大学(威海) | 智能交通系统中的驾驶员接打电话识别方法 |
CN109214258A (zh) * | 2017-07-05 | 2019-01-15 | 杭州海康威视系统技术有限公司 | 失驾人员违规驾驶的检测方法及装置 |
CN109147336A (zh) * | 2018-08-01 | 2019-01-04 | 武汉云易虹科技有限公司 | 一种交通失驾人员预警方法及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113269967A (zh) * | 2020-02-17 | 2021-08-17 | 杭州海康威视系统技术有限公司 | 无证驾驶检测方法、装置及设备、存储介质 |
CN113269967B (zh) * | 2020-02-17 | 2023-03-14 | 杭州海康威视系统技术有限公司 | 无证驾驶检测方法、装置及设备、存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110516631B (zh) | 2022-06-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111159254B (zh) | 一种基于大数据处理的车辆与人员的关联方法 | |
CN108388888A (zh) | 一种车辆识别方法、装置和存储介质 | |
CN106067259A (zh) | 一种停车场定位寻车系统及方法 | |
CN103188312B (zh) | 数据处理系统及数据处理方法 | |
CN102902957A (zh) | 一种基于视频流的自动车牌识别方法 | |
CN102855251B (zh) | 一种需求识别的方法及装置 | |
CN110516631A (zh) | 一种基于图像识别的失驾人员查处办法 | |
CN107240285A (zh) | 一种通过行车记录仪进行红绿灯识别的方法和系统 | |
WO2018176191A1 (zh) | 套牌车识别方法及装置 | |
CN106131785A (zh) | 一种实现定位的方法、装置及位置服务系统 | |
CN106899948A (zh) | 伪基站发现方法、系统、终端及服务器 | |
CN107622423A (zh) | 基于扫描用户身份信息获取电子停车票的方法及装置 | |
WO2001073603A1 (fr) | Procede de recherche d'informations, serveur de recherche d'informations et assistant numerique personnel | |
CN109993049A (zh) | 一种面向智能安防领域的视频图像结构化分析系统 | |
CN2896373Y (zh) | 一种指纹识别无线射频卡的身份认证装置 | |
CN111340045A (zh) | 车牌号码的识别方法、装置及存储介质 | |
CN110400469A (zh) | 基于人车关联分析的准驾不符违法行为预警方法 | |
CN107945323A (zh) | 一种基于智慧校园的安防方法 | |
CN103188313B (zh) | 数据处理系统及数据处理方法 | |
CN109815848A (zh) | 停车场安全预警系统及方法 | |
CN108346298A (zh) | 逆行交通违法行为取证系统及方法 | |
CN115033565A (zh) | 一种用户画像方法及终端 | |
CN112766822A (zh) | 一种企业决策管理信息服务系统 | |
CN112668411B (zh) | 基于sgan的视频流标记方法、装置、系统及存储介质 | |
CN113158852A (zh) | 一种基于人脸与非机动车协同识别的交通卡口监控系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |