CN110738079A - 机动车前排人员数量异常的检测方法、装置和计算机设备 - Google Patents
机动车前排人员数量异常的检测方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN110738079A CN110738079A CN201810798043.7A CN201810798043A CN110738079A CN 110738079 A CN110738079 A CN 110738079A CN 201810798043 A CN201810798043 A CN 201810798043A CN 110738079 A CN110738079 A CN 110738079A
- Authority
- CN
- China
- Prior art keywords
- motor vehicle
- front row
- target area
- neural network
- determining
- 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
Images
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
- 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
Abstract
本申请提供一种机动车前排人员数量异常的检测方法、装置和计算机设备。本申请提供的机动车前排人员数量异常的检测方法,包括:对包含机动车的待检测图像进行人脸检测,得到所述机动车的前排人员数量;判断所述前排人员数量是否大于指定值;若是,确定所述机动车前排人员数量异常。本申请提供的机动车前排人员数量异常的检测方法、装置和计算机设备,可对机动车前排人员数量异常进行检测,以协助相关部门对机动车驾驶行为进行有效管理,保障出行安全。
Description
技术领域
本申请涉及智能交通技术领域,尤其涉及一种机动车前排人员数量异常的检测方法、装置和计算机设备。
背景技术
随着我国经济的发展和人们生活水平的提高,机动车已经成为人们日常出行的代步工具,机动车的社会拥有量逐年增多。于此同时,机动车违规行为也越来越多。
为保障行车安全,需要对机动车驾驶行为进行监管。例如,对机动车前排人员数量进行限定等。其中,在我国,GB7258-1997中规定,驾驶室内部宽度不小于1200mm时,前排核定乘坐人数为2人,驾驶室内部宽度不小于1650mm时,前排核定乘坐人数为3人。但是,相关法规虽然已经对机动车前排人员数量作出规定,不遵守上述规定的违规行为时有发生,如何对不遵守上述规定的违规行为进行监管成为交通领域关注的热点。因此,亟需要提供一种机动车前排人数异常的检测方法,以协助相关部门对机动车驾驶行为进行有效管理,保障出行安全。
发明内容
有鉴于此,本申请提供一种机动车前排人员数量异常的检测方法、装置和计算机设备,以提供一种机动车前排人员数量异常的检测方法,协助相关部门对机动车驾驶行为进行有效管理,保障出行安全。
本申请第一方面提供一种机动车前排人员数量异常的检测方法,包括:
对包含机动车的待检测图像进行人脸检测,得到所述机动车的前排人员数量;
判断所述前排人员数量是否大于指定值;
若是,确定所述机动车前排人员数量异常。
本申请第二方面提供一种机动车前排人员数量异常的检测装置,所述装置包括:检测模块、判断模块和处理模块,其中,
所述检测模块,用于对包含机动车的待检测图像进行人脸检测,得到所述机动车的前排人员数量;
所述判断模块,用于判断所述前排人员数量是否大于指定值;
所述处理模块,用于在所述判断模块判断所述前排人员数量大于所述指定值时,确定所述机动车前排人员数量异常。
本申请第三方面提供一种计算机存储介质,其上存储有计算机程序,所述程序被处理器执行时实现本申请第一方面提供的任一项所述方法的步骤。
本申请第四方面提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现本申请第一方面提供的任一项所述方法的步骤。
本申请提供的机动车前排人员数量异常的检测方法、装置和计算机设备,通过对包含机动车的待检测图像进行人脸检测,得到机动车的前排人员数量,并判断上述前排人员数量是否大于指定值,进而在判断上述前排人员数量大于指定值时,确定机动车前排人员数量异常。这样,可对机动车前排人员数量异常进行检测,以协助相关部门对机动车驾驶行为进行有效管理,保障出行安全。
附图说明
图1为本申请提供的机动车前排人员数量异常的检测方法实施例一的流程图;
图2为本申请一示例性实施例示出的指定值的确定方法的流程图;
图3为本申请一示例性实施例示出的对待检测图像进行人脸检测的流程图;
图4为本申请另一示例性实施例示出的对待检测图像进行人脸检测的流程图;
图5为本申请提供的机动车前排人员数量异常的检测方法实施例五的流程图;
图6A和图6B分别为一示例性实施例示出的图5所示方法的实现原理图;
图7为本申请一示例性实施例示出的机动车前排人员数量异常的检测装置所在计算机设备的硬件结构图;
图8为本申请提供的机动车前排人员数量异常的检测装置实施例一的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本申请可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本申请范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
本申请提供一种机动车前排人员数量异常的检测方法、装置和计算机设备,以提供一种机动车前排人员数量异常的检测方法,协助相关部门对机动车驾驶行为进行有效管理,保障出行安全。
下面给出几个具体的实施例,用以对本申请的技术方案进行详细介绍,下面这几个具体的实施例可以相互结合,对于某些相同或相似的概念或过程可能在某些实施例中不再赘述。
图1为本申请提供的机动车前排人员数量异常的检测方法实施例一的流程图。请参照图1,本实施例提供的方法,可以包括:
S101、对包含机动车的待检测图像进行人脸检测,得到上述机动车的前排人员数量。
需要说明的是,待检测图像是通过设置在道路上的图像采集设备获取到的。此外,该待检测图像清晰可辨识,且该待检测图像中的机动车的驾驶室清晰可见。有关待检测图像的获取方法可以参见相关技术中的描述,此处不再赘述。
具体的,可通过用于进行人脸检测的神经网络对待识别图像进行人脸检测,得到机动车的前排人员数量。例如,一实施例中,该步骤的实现过程可以包括:将待检测图像输入到用于进行人脸检测的神经网络,由该神经网络对该待检测图像进行人脸检测,输出该待检测图像包含的人脸;将该神经网络输出的人脸的数目确定为机动车的前排人员数量。
需要说明的是,有关用于进行人脸检测的神经网络的具体结构和该神经网络进行人脸检测的具体实现原理可以参见相关技术中的描述,此处不再赘述。
S102、判断上述前排人员数量是否大于指定值。
S103、若是,确定上述机动车前排人员数量异常。
具体的,指定值可以是预先配置的,用户可根据实际需要配置该指定值。例如,在我国,机动车前排核定乘坐人数一般为2人,此时,可将该指定值设置为2。
例如,一实施例中,指定值为2,且步骤S101中,得到机动车的前排人员数量为3,此时,经判断,确定前排人员数量大于指定值,确定机动车前排人员数量异常。
需要说明的是,一实施例中,在判断上述前排人员数量不大于指定值时,可确定机动车的前排人员数量正常。
本实施例提供的方法,通过对包含机动车的待检测图像进行人脸检测,得到机动车的前排人员数量,并判断上述前排人员数量是否大于指定值,进而在判断上述前排人员数量大于指定值时,确定机动车前排人员数量正常。这样,可对机动车前排人员数量异常进行检测,以协助相关部门对机动车驾驶行为进行有效管理,保障出行安全。
图2为本申请一示例性实施例示出的指定值的确定方法的流程图。请参照图2,本实施例中,上述指定值是通过以下方法确定的:
S201、从上述待检测图像中识别出上述机动车的品牌信息。
具体的,可通过相关的机动车品牌识别方法从待检测图像中识别出上述机动车的品牌信息。例如,一实施例中,可通过如下方法从待检测图像中识别出上述机动车的品牌信息:
(1)从上述待检测图像中定位机动车所在的第一目标区域。
具体的,可通过传统的方法或基于深度学习的方法从待检测图像中定位机动车所在的第一目标区域(参见前面的描述,第一目标区域指待检测图像中机动车所在的区域,机动车所在的区域包括整个车身。)。有关各种方法的具体实现原理和实现过程可以参见相关技术中的描述,此处不再赘述。例如,一实施例中,可将待检测图像输入到用于定位的神经网络,由该神经网络输出机动车所在的第一目标区域。
需要说明的是,本实施例提供的方法,也可用通过车品牌标识所在的区域识别机动车的品牌信息。
(2)将上述第一目标区域输入到用于机动车品牌识别的神经网络,由该神经网络对上述第一目标区域进行机动车品牌识别,输出该第一目标区域包含的机动车的品牌信息。
具体的,有关用于机动车品牌识别的神经网络的具体结构以及该神经网络进行机动车品牌识别的具体实现原理可以参见相关技术中的描述,此处不再赘述。
需要说明的是,本申请中,识别出的品牌信息可以包括厂商名和系列名。
S202、从预存的品牌信息和前排核定乘坐人数的对应关系中,查找与上述品牌信息对应的前排核定乘坐人数,并将查找到的前排核定乘坐人数确定为上述指定值。
具体的,例如,一实施例中,从待检测图像中识别出上述机动车的品牌信息为大众-帕萨特。此外,表1为本申请一示例性实施例示出的预存的品牌信息和前排核定乘坐人数的对应关系。此时,本步骤中,查找到与上述品牌信息对应的前排核定乘坐人数为2,相应的,将上述指定值设定为2。这样,在机动车前排人员数量异常检测中,就判断机动车的前排人员数量是否大于2即可。
表1品牌信息和前排核定乘坐人数的对应关系
品牌信息 | 前排核定乘坐人数 |
大众-帕萨特 | 2 |
保时捷-菲亚特 | 3 |
…… | …… |
本实施例提供的方法,通过从待检测图像中识别机动车的品牌信息,进而从预存的品牌信息和前排核定乘坐人数的对应关系中,查找与上述品牌信息对应的前排核定乘坐人数,并将查找到的前排核定乘坐人数确定为用于判断前排人员数量是否异常时用到的指定值。这样,可提高机动车前排人员数量异常检测的准确性。
目前,为提高道路使用效率、缓解交通拥堵、促进交通节能减排等,共乘HOV(High-Occupancy Vehicle Lane)车道应运而生。其中,HOV车道是指交通管理中仅供乘坐至少某一规定乘客数的车辆通行的车道,并规定可以使用该车道的车辆包括公交车、2人以上的小轿车和货车。这样,如何对HOV车道的机动车乘坐的人数进行检测也成为目前亟待解决的问题。
本申请提供的方法,在上述实施例的基础上,若判断上述前排人员数量不大于上述指定值,还可以进一步判断上述前排人员数量是否小于预设值,进而在判断前排人员数量小于预设值时,确定上述机动车前排人员数量异常。
具体的,预设值是根据实际需要设定的。本实施例中,不对此进行限定,例如,针对前述场景,可将预设值设定为2。这样,在判断上述前排人员数量不大于上述指定值,进一步判断上述前排人员数量是否小于2,进而在判断前排人员数量小于2时,确定上述机动车前排人员数量异常。这样,针对HOV车道上的机动车,通过上述方法,可侦查出副驾驶空座的机动车。这样,相关人员只需要再对该部分机动车进行检查,以进一步判断该机动车乘坐的人数是否满足要求即可,极大地方便了用户。
需要说明的是,本实施例提供的方法,当判断上述前排人员数量不小于预设值时,确定机动车的前排人员数量正常。
本实施例提供的方法,在判断上述前排人员数量不大于上述指定值时,通过判断上述前排人员数量是否小于预设值,进而在判断前排人员数量小于预设值时,确定上述机动车前排人员数量异常。这样,可将该方法应用于HOV车道,以通过该方法侦查出副驾驶空座的机动车,协助相关人员判断HOV车道上的机动车乘坐的人数是否满足要求,极大地方便了用户。
下面给出两个具体的例子,用于详细说明对包含机动车的待检测图像进行人脸检测的具体实现过程。
图3为本申请一示例性实施例示出的对待检测图像进行人脸检测的流程图。请参照图3,本实施例提供的方法,步骤S101,可以包括:
S301、从上述待检测图像中定位机动车所在的第一目标区域。
具体的,该步骤的具体实现过程和实现原理可以参见前面实施例中的描述,此处不再赘述。
S302、将上述第一目标区域输入到用于进行人脸检测的神经网络,由上述神经网络对上述第一目标区域进行人脸检测,输出上述第一目标区域包含的人脸。
具体的,用于进行人脸检测的神经网络可对第一目标区域进行特征提取和分类后,输出第一目标区域包含的人脸。
S303、将上述第一神经网络输出的人脸的数量确定为上述机动车的前排人员数量。
本实施例提供的方法,提供了一种对待检测图像进行人脸检测的方法,通过该方法,可获取到待检测图像中的机动车的前排人员数目,进而基于该前排人员数目进行前排人员数目异常检测,以协助相关部门对机动车驾驶行为进行有效管理,保障出行安全。
图4为本申请另一示例性实施例示出的对待检测图像进行人脸检测的流程图。请参照图4,在上述实施例的基础上,本实施例提供的方法,步骤S101,可以包括:
S401、从上述待检测图像中定位机动车所在的第一目标区域。
S402、对上述第一目标区域进行关键点定位,得到上述第一目标区域包含的机动车的前风窗关键点。
具体的,本步骤中,可采用机动车关键点定位算法对第一目标区域进行关键点定位,得到前风窗关键点。其中,机动车关键点定位算法通过使用CNN算法做回归预设得到前风窗关键点。需要说明的是,前风窗关键点指前风窗的四个角点。
具体的,该步骤的具体实现过程,可以包括:将第一目标区域输入用于关键点定位的神经网络,由该神经网络对第一目标区域进行关键点定位后,输出第一目标区域包含的机动车的前风窗关键点。
S403、利用上述前风窗关键点对上述第一目标区域进行抠图处理,得到前风窗所在的第二目标区域。
具体的,通过前风窗关键点,可抠图得到前风窗所在的第二目标区域。参见前面的描述,第二目标区域指机动车中前风窗所在的区域,第二目标区域的范围包括前风窗所对应的前排车座,由于前排为离前风窗最近的一排,通过前风窗所在的区域,可较准确的识别出前排人员数量。
S404、将上述第二目标区域输入到用于进行人脸检测的神经网络,由上述神经网络对上述第二目标区域进行人脸检测,输出上述第二目标区域包含的人脸。
S405、将上述神经网络输出的人脸的数量确定为上述机动车的前排人员数量。
本实施例提供的方法,利用前风窗所在的第二目标区域进行人脸检测,可提高识别出的机动车前排人员数目的准确性。
下面给出一个更具体的例子,用以详细介绍本申请的技术方案。
图5为本申请提供的机动车前排人员数量异常的检测方法实施例五的流程图,图6A和图6B分别为一示例性实施例示出的图5所示方法的实现原理图。请参照图5、图6A和图6B,本实施例提供的激动车前排人员数量异常的检测方法,可以包括:
S501、从包含机动车的待检测图像中定位机动车所在的第一目标区域。
S502、将上述第一目标区域输入到用于机动车品牌识别的神经网络,由该神经网络对上述第一目标区域进行机动车品牌识别,输出上述第一目标区域包含的机动车的品牌信息。
S503、将上述第一目标区域输入到用于关键点定位的神经网络,由该神经网络对上述第一目标区域进行关键点定位后,输出上述第一目标区域包含的机动车的前风窗关键点。
S504、利用上述前风窗关键点对上述第一目标区域进行抠图处理,得到前风窗所在的第二目标区域。
S505、将上述第二目标区域输入到用于进行人脸检测的神经网络,由该神经网络对上述第二目标区域进行人脸检测,输出上述第二目标区域包含的人脸。
S506、将上述神经网络输出的人脸的数量确定为上述机动车的前排人员数量。
S507、从预存的品牌信息和前排核定乘坐人数的对应关系中,查找与上述品牌信息对应的前排核定乘坐人数。
S508、判断上述机动车的前排人员数量是否大于查找到的前排核定乘坐人数。
S509、若是,确定上述机动车前排人数异常。
具体的,有关该步骤的具体实现过程和实现原理可以参见前面实施例中的描述,此处不再赘述。
需要说明的是,当将本申请提供的方法应用于HOV车道时,在判断机动车的前排人数不大于查找到的前排核定乘坐人数时,还可以进一步判断机动车的前排人数是否小于2,进而在判断机动车的前排人数小于2时,确定机动车的前排人数异常,以帮助侦查出副驾驶空座的机动车(当机动车的前排人数大于2时,该机动车的乘坐人数已满足HOV车道规定的人数),以通过侦查出的副驾驶空座的机动车,协助相关人员排查乘坐人数不满足HOV车道规定的人数的机动车。
与前述机动车前排人员数量异常的检测方法的实施例相对应,本申请还提供了机动车前排人员数量异常的检测装置的实施例。
本申请机动车前排人员数量异常的检测装置的实施例可以应用在计算机设备上。装置实施例可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。以软件实现为例,作为一个逻辑意义上的装置,是通过其所在计算机设备的处理器将存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言,如图7所示,为本申请一示例性实施例示出的机动车前排人员数量异常的检测装置所在计算机设备的硬件结构图。除了图7所示的存储器710、处理器720、内存730和网络接口740之外,实施例中装置所在的计算机设备通常根据该机动车前排人员数量异常的检测装置的实际功能,还可以包括其他硬件,对此不再赘述。
图8为本申请提供的机动车前排人员数量异常的检测装置实施例一的结构示意图。请参照图8,本实施例提供的机动车前排人员数量异常的检测装置,可以包括检测模块810、判断模块820和处理模块830,其中,
所述检测模块810,用于对包含机动车的待检测图像进行人脸检测,得到所述机动车的前排人员数量;
所述判断模块820,用于判断所述前排人员数量是否大于指定值;
所述处理模块830,用于在所述判断模块判断所述前排人员数量大于所述指定值时,确定所述机动车前排人员数量异常。
本实施例的装置,可用于执行图1所示方法实施例的技术方案,具体实现原理和技术效果类似,此处不再赘述。
进一步地,所述指定值是预先配置的;或者,
所述指定值是通过以下方法确定的:
从所述待检测图像中识别出所述机动车的品牌信息;
从预存的品牌信息和前排核定乘坐人数的对应关系中,查找与所述品牌信息对应的前排核定乘坐人数,并将查找到的前排核定乘坐人数确定为所述指定值。
进一步地,所述判断模块820,在用于在判断所述前排人员数量不大于所述指定值时,判断所述前排人员数量是否小于预设值;
所述处理模块830,还用于在所述判断模块820判断所述前排人员数量小于预设值时,确定所述机动车前排人员数量异常。
进一步地,所述检测模块810,具体用于:
从所述待检测图像中定位机动车所在的第一目标区域;
将所述第一目标区域输入到用于进行人脸检测的神经网络,由所述神经网络对所述第一目标区域进行人脸检测,输出所述第一目标区域包含的人脸;
将所述第一神经网络输出的人脸的数量确定为所述机动车的前排人员数量。
进一步地,所述检测模块810,具体用于:
从所述待检测图像定位机动车所在的第一目标区域;
对所述第一目标区域进行关键点定位,得到所述第一目标区域包含的机动车的前风窗关键点;
利用所述前风窗关键点对所述第一目标区域进行抠图处理,得到前风窗所在的第二目标区域;
将所述第二目标区域输入到用于进行人脸检测的神经网络,由所述神经网络对所述第二目标区域进行人脸检测,输出所述第二目标区域包含的人脸;
将所述神经网络输出的人脸的数量确定为所述机动车的前排人员数量。
进一步地,所述预设值为2。
本申请还提供一种计算机存储介质,其上存储有计算机程序,所述程序被处理器执行时实现本申请第一方面提供的任一机动车前排人员数量异常的检测方法的步骤。
具体的,适合于存储计算机程序指令和数据的计算机可读介质包括所有形式的非易失性存储器、媒介和存储器设备,例如包括半导体存储器设备(例如EPROM、EEPROM和闪存设备)、磁盘(例如内部硬盘或可移动盘)、磁光盘以及CD ROM和DVD-ROM盘。
请参照图7,本申请还提供一种计算机设备,包括存储器710、处理器720及存储在存储器710上并可在处理器720上运行的计算机程序,所述处理器720执行所述程序时本申请提供的任一机动车前排人员数量异常的检测方法的步骤。
以上所述仅为本申请的较佳实施例而已,并不用以限制本申请,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请保护的范围之内。
Claims (14)
1.一种机动车前排人员数量异常的检测方法,其特征在于,所述方法包括:
对包含机动车的待检测图像进行人脸检测,得到所述机动车的前排人员数量;
判断所述前排人员数量是否大于指定值;
若是,确定所述机动车前排人员数量异常。
2.根据权利要求1所述的方法,其特征在于,所述指定值是预先配置的;或者,
所述指定值是通过以下方法确定的:
从所述待检测图像中识别出所述机动车的品牌信息;
从预存的品牌信息和前排核定乘坐人数的对应关系中,查找与所述品牌信息对应的前排核定乘坐人数,并将查找到的前排核定乘坐人数确定为所述指定值。
3.根据权利要求1所述的方法,其特征在于,若判断所述前排人员数量不大于所述指定值,所述方法还包括:
判断所述前排人员数量是否小于预设值;
若是,确定所述机动车前排人员数量异常。
4.根据权利要求1所述的方法,其特征在于,所述对包含机动车的待检测图像进行人脸检测,得到所述机动车的前排人员数量,包括:
从所述待检测图像中定位机动车所在的第一目标区域;
将所述第一目标区域输入到用于进行人脸检测的神经网络,由所述神经网络对所述第一目标区域进行人脸检测,输出所述第一目标区域包含的人脸;
将所述第一神经网络输出的人脸的数量确定为所述机动车的前排人员数量。
5.根据权利要求1所述的方法,其特征在于,所述对包含机动车的待检测图像进行人脸检测,得到所述机动车的前排人员数量,包括:
从所述待检测图像中定位机动车所在的第一目标区域;
对所述第一目标区域进行关键点定位,得到所述第一目标区域包含的机动车的前风窗关键点;
利用所述前风窗关键点对所述第一目标区域进行抠图处理,得到前风窗所在的第二目标区域;
将所述第二目标区域输入到用于进行人脸检测的神经网络,由所述神经网络对所述第二目标区域进行人脸检测,输出所述第二目标区域包含的人脸;
将所述神经网络输出的人脸的数量确定为所述机动车的前排人员数量。
6.根据权利要求3所述的方法,其特征在于,所述预设值为2。
7.一种机动车前排人员数量异常的检测装置,其特征在于,所述装置包括检测模块、判断模块和处理模块,其中,
所述检测模块,用于对包含机动车的待检测图像进行人脸检测,得到所述机动车的前排人员数量;
所述判断模块,用于判断所述前排人员数量是否大于指定值;
所述处理模块,用于在所述判断模块判断所述前排人员数量大于所述指定值时,确定所述机动车前排人员数量异常。
8.根据权利要求7所述的装置,其特征在于,所述指定值是预先配置的;或者,
所述指定值是通过以下方法确定的:
从所述待检测图像中识别出所述机动车的品牌信息;
从预存的品牌信息和前排核定乘坐人数的对应关系中,查找与所述品牌信息对应的前排核定乘坐人数,并将查找到的前排核定乘坐人数确定为所述指定值。
9.根据权利要求7所述的装置,其特征在于,所述判断模块,还用于在判断所述前排人员数量不大于所述指定值时,判断所述前排人员数量是否小于预设值;
所述处理模块,还用于在所述判断模块判断所述前排人员数量小于预设值时,确定所述机动车前排人员数量异常。
10.根据权利要求7所述的装置,其特征在于,所述检测模块,具体用于:
从所述待检测图像中定位机动车所在的第一目标区域;
将所述第一目标区域输入到用于进行人脸检测的神经网络,由所述神经网络对所述第一目标区域进行人脸检测,输出所述第一目标区域包含的人脸;
将所述第一神经网络输出的人脸的数量确定为所述机动车的前排人员数量。
11.根据权利要求7所述的装置,其特征在于,所述检测模块,具体用于:
从所述待检测图像中定位机动车所在的第一目标区域;
对所述第一目标区域进行关键点定位,得到所述第一目标区域包含的机动车的前风窗关键点;
利用所述前风窗关键点对所述第一目标区域进行抠图处理,得到前风窗所在的第二目标区域;
将所述第二目标区域输入到用于进行人脸检测的神经网络,由所述神经网络对所述第二目标区域进行人脸检测,输出所述第二目标区域包含的人脸;
将所述神经网络输出的人脸的数量确定为所述机动车的前排人员数量。
12.根据权利要求9所述的装置,其特征在于,所述预设值为2。
13.一种计算机存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现权利要求1-6任一项所述方法的步骤。
14.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1-6任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810798043.7A CN110738079A (zh) | 2018-07-19 | 2018-07-19 | 机动车前排人员数量异常的检测方法、装置和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810798043.7A CN110738079A (zh) | 2018-07-19 | 2018-07-19 | 机动车前排人员数量异常的检测方法、装置和计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110738079A true CN110738079A (zh) | 2020-01-31 |
Family
ID=69235294
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810798043.7A Pending CN110738079A (zh) | 2018-07-19 | 2018-07-19 | 机动车前排人员数量异常的检测方法、装置和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110738079A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111275008A (zh) * | 2020-02-24 | 2020-06-12 | 浙江大华技术股份有限公司 | 目标车辆异常的检测方法及装置、存储介质、电子装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106372576A (zh) * | 2016-08-23 | 2017-02-01 | 南京邮电大学 | 一种基于深度学习的智能室内入侵检测方法及系统 |
CN106845374A (zh) * | 2017-01-06 | 2017-06-13 | 清华大学 | 基于深度学习的行人检测方法及检测装置 |
CN107609597A (zh) * | 2017-09-26 | 2018-01-19 | 嘉世达电梯有限公司 | 一种电梯轿厢人数检测系统及其检测方法 |
CN107767325A (zh) * | 2017-09-12 | 2018-03-06 | 深圳市朗形网络科技有限公司 | 视频处理方法、及装置 |
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 |
CN108171196A (zh) * | 2018-01-09 | 2018-06-15 | 北京智芯原动科技有限公司 | 一种人脸检测方法及装置 |
CN108288381A (zh) * | 2017-12-29 | 2018-07-17 | 福建工程学院 | 一种识别超载客运车辆的方法及终端 |
-
2018
- 2018-07-19 CN CN201810798043.7A patent/CN110738079A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106372576A (zh) * | 2016-08-23 | 2017-02-01 | 南京邮电大学 | 一种基于深度学习的智能室内入侵检测方法及系统 |
CN106845374A (zh) * | 2017-01-06 | 2017-06-13 | 清华大学 | 基于深度学习的行人检测方法及检测装置 |
CN107767325A (zh) * | 2017-09-12 | 2018-03-06 | 深圳市朗形网络科技有限公司 | 视频处理方法、及装置 |
CN107609597A (zh) * | 2017-09-26 | 2018-01-19 | 嘉世达电梯有限公司 | 一种电梯轿厢人数检测系统及其检测方法 |
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 |
CN108288381A (zh) * | 2017-12-29 | 2018-07-17 | 福建工程学院 | 一种识别超载客运车辆的方法及终端 |
CN108171196A (zh) * | 2018-01-09 | 2018-06-15 | 北京智芯原动科技有限公司 | 一种人脸检测方法及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111275008A (zh) * | 2020-02-24 | 2020-06-12 | 浙江大华技术股份有限公司 | 目标车辆异常的检测方法及装置、存储介质、电子装置 |
CN111275008B (zh) * | 2020-02-24 | 2024-01-16 | 浙江大华技术股份有限公司 | 目标车辆异常的检测方法及装置、存储介质、电子装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101544684B1 (ko) | 차량의 주차 시스템을 위한 주차 시나리오의 판별 방법 | |
EP3014598B1 (de) | Verfahren zum verarbeiten von messdaten eines fahrzeugs zur bestimmung des beginns einer parkplatzsuche | |
US9561795B2 (en) | Vehicle collision avoidance apparatus and method | |
JP7188389B2 (ja) | 情報処理装置、情報処理システム、および情報処理方法、並びにプログラム | |
US11634119B2 (en) | Method of determining a parking position for a motor vehicle, driver assistance system for performing such method, and motor vehicle with a driver assistance system | |
CN110232310B (zh) | 一种基于神经网络的疲劳驾驶检测方法及相关设备 | |
DE112019001842T5 (de) | Fahrzeugklassifizierung basierend auf Telematikdaten | |
CN109839937B (zh) | 确定车辆自动驾驶规划策略的方法、装置、计算机设备 | |
US20230177954A1 (en) | Systems and methods for identifying vehicles using wireless device identifiers | |
CN110738079A (zh) | 机动车前排人员数量异常的检测方法、装置和计算机设备 | |
DE112017007248T5 (de) | Vorrichtung zur bestimmung des konzentrationsgrades, verfahren zur bestimmung des konzentrationsgrades und programm zur bestimmung des konzentrationsgrades | |
DE102019201734A1 (de) | Route-Führungs-Gerät und -Verfahren für ein elektrisches Fahrzeug | |
CN111800314A (zh) | 自动驾驶故障监测系统 | |
US20180229672A1 (en) | Method for Operating Driver Assistance Systems in a Motor Vehicle, and Motor Vehicle | |
DE102018219308A1 (de) | Verfahren zum Assistieren von Parkbucht-Einparkmanövern eines Fahrzeugs und Einparkassistent für ein Fahrzeug | |
JP5212004B2 (ja) | 車両追跡装置及び車両追跡方法 | |
US20220032919A1 (en) | Method and system for determining driver emotions in conjuction with driving environment | |
CN110322700B (zh) | 多乘员专用车道管控方法及相关产品 | |
CN110414756B (zh) | 交通工具驾驶系统评估方法、装置、计算机设备 | |
CN110728839A (zh) | 车辆及其违法处罚方法与装置 | |
CN110718066A (zh) | 车牌识别方法、介质、设备及系统 | |
US11270525B2 (en) | Automated vehicle occupancy detection | |
CN114495502B (zh) | 一种异常驾驶探查区域的确定方法及装置 | |
CN113313087B (zh) | 无人驾驶汽车的乘客行为监督方法与装置 | |
CN111341153B (zh) | 行程驾驶的预警方法、装置、服务器和介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200131 |
|
RJ01 | Rejection of invention patent application after publication |