CN111382617B - 一种驾驶员识别方法及装置 - Google Patents
一种驾驶员识别方法及装置 Download PDFInfo
- Publication number
- CN111382617B CN111382617B CN201811627047.5A CN201811627047A CN111382617B CN 111382617 B CN111382617 B CN 111382617B CN 201811627047 A CN201811627047 A CN 201811627047A CN 111382617 B CN111382617 B CN 111382617B
- Authority
- CN
- China
- Prior art keywords
- driver
- vehicle
- image
- images
- inconsistent
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 131
- 230000008569 process Effects 0.000 claims abstract description 59
- 238000001514 detection method Methods 0.000 claims description 31
- 238000004891 communication Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 238000003709 image segmentation Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 claims 5
- 230000002596 correlated effect Effects 0.000 claims 4
- 238000010586 diagram Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 102000006822 Agouti Signaling Protein Human genes 0.000 description 1
- 108010072151 Agouti Signaling Protein Proteins 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- G06Q50/40—
-
- 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
Abstract
本申请实施例提供了一种驾驶员识别方法及装置,通过获取行车过程中的第一车内图像,以及参照驾驶员的图像;从所述第一车内图像中,检测第一车内驾驶员的图像;基于所述第一车内驾驶员的图像和所述参照驾驶员的图像,确定所述第一车内驾驶员与所述参照驾驶员是否一致。这样,获取行车过程中的车内图像和参照驾驶员的图像,并基于车内图像中车内驾驶员的图像和参照驾驶员的图像,来识别出车内驾驶员和参照驾驶员是否一致,从而可以及时对行车过程中车内驾驶员身份的真实性进行识别,以确保和提高乘客的乘车安全,识别方法便捷有效,可靠性较高。
Description
技术领域
本申请涉及安全驾驶技术领域,具体而言,涉及一种驾驶员识别方法及装置。
背景技术
随着科学技术的不断发展,汽车已经逐渐走入了人们的生活,成为大多数家庭不可缺少的出行工具,人们出行越来越多的会选择开车或者搭乘汽车,这也使得出租车服务和在线打车服务,也即网约车服务,得到了长足的需求和发展。但是随着出租车服务和网约车服务的快速发展,乘车安全,尤其是乘客人身安全问题已经成为用户关注的焦点。
目前,无论是出租车服务,还是网约车服务,都存在司机冒名的问题,如何识别驾驶员的合法性是解决出行服务安全的重要方面,通过技术手段检测监控驾驶员身份的真实性成为亟待解决的问题。
发明内容
有鉴于此,本申请实施例提供一种驾驶员识别方法及装置,能够在行车过程中对驾驶员进行监测,及时对驾驶员身份的真实性进行识别,识别方法便捷有效,可靠性高。
一方面,本申请实施例提供了一种驾驶员识别方法,所述方法包括:
获取行车过程中的第一车内图像,以及参照驾驶员的图像;
从所述第一车内图像中,检测第一车内驾驶员的图像;
基于所述第一车内驾驶员的图像和所述参照驾驶员的图像,确定所述第一车内驾驶员与所述参照驾驶员是否一致。
在一些实施例中,通过以下步骤获取参照驾驶员的图像:
获取存储的驾驶员注册信息中的驾驶员图像;或者
从获取的行车过程中的第二车内图像中,检测出第二车内驾驶员的图像,将所述第二车内驾驶员的图像作为参照驾驶员的图像,所述第一车内图像和第二车内图像为在行车过程中的不同时间获取的车内图像。
在一些实施例中,若确定所述第一车内驾驶员与所述参照驾驶员不一致,所述方法还包括:
通过车辆内乘客对应的用户端向所述乘客发出警示。
在上述实施例中,所述方法应用于服务器或车辆内乘客对应的用户端,该用户端为移动终端或车载终端。
在一些实施例中,若确定所述第一车内驾驶员与所述参照驾驶员不一致,所述方法还包括:
向所述第一车内驾驶员的用户端发送重新进行身份认证的指示信息;
若所述第一车内驾驶员的用户端在预设时长内没有进行身份认证,或者身份认证失败,则停止向所述第一车内驾驶员的用户端分配出行任务。
在一些实施例中,在所述获取行车过程中的第一车内图像,以及参照驾驶员的图像之前,所述方法包括:
基于行车过程的出发地和目的地,计算预算行车时间;
基于所述预算行车时间,确定车内图像的获取周期;
所述获取行车过程中的第一车内图像,包括:
按照所述获取周期,周期性的获取行车过程中的第一车内图像。
在一些实施例中,从所述第一车内图像中,检测第一车内驾驶员的图像,包括:
从所述第一车内图像中,确定预设参照物的位置信息;
基于所述预设参照物的位置信息,检测所述第一车内图像中与所述预设参照物之间满足预设位置关系的人物图像,并将该人物图像作为所述第一车内驾驶员的图像。
在一些实施例中,所述基于所述第一车内驾驶员的图像和所述参照驾驶员的图像,确定所述第一车内驾驶员与所述参照驾驶员是否一致,包括:
将所述第一车内驾驶员的图像与所述参照驾驶员的图像进行比对,得到所述第一车内驾驶员的图像与所述参照驾驶员的图像之间的相似度;
基于所述相似度,确定所述第一车内驾驶员与所述参照驾驶员是否一致。
在上述实施例中,基于所述相似度,确定所述第一车内驾驶员与所述参照驾驶员是否一致,包括:
若所述相似度大于第一预设阈值,确定所述第一车内驾驶员与所述参照驾驶员一致。
在上述实施例中,基于所述相似度,确定所述第一车内驾驶员与所述参照驾驶员是否一致,包括:
若所述相似度小于或者等于第一预设阈值,获取所述第一车内驾驶员的图像与所述参照驾驶员的图像进行比对的比对结果的准确度;
基于所述准确度,计算所述第一车内驾驶员与所述参照驾驶员不一致的置信度;
若所述置信度大于第二预设阈值,确定所述第一车内驾驶员与所述参照驾驶员不一致。
在上述实施例中,当获取到多个第一车内图像,并从每个第一车内图像中检测到一个第一车内驾驶员的图像时,所述基于所述准确度,计算所述第一车内驾驶员与所述参照驾驶员不一致的置信度,包括:
确定多个第一车内驾驶员的图像中与所述参照驾驶员的图像不一致的图像数量;
基于所述准确度和所述图像数量,计算所述第一车内驾驶员与所述参照驾驶员不一致的置信度。
在上述实施例中,当获取到多个第二车内图像中,并从每个第二车内图像中检测到一个第二车内驾驶员的图像时,将所述第一车内驾驶员的图像与所述参照驾驶员的图像进行比对,得到所述第一车内驾驶员的图像与所述参照驾驶员的图像之间的相似度,包括:
按照获取的先后顺序,将多个第一车内驾驶员的图像中的每个第一车内驾驶员的图像与多个第二车内驾驶员的图像中对应获取顺序的第二车内驾驶员的图像进行比对。
在上述实施例中,通过以下公式计算第一车内驾驶员与参照驾驶员不一致的置信度:
X=1-(1-Y)a;
其中,X为所述第一车内驾驶员与所述参照驾驶员不一致的置信度,Y为所述第一车内驾驶员的图像与所述参照驾驶员的图像进行比对的比对结果的准确度,a为所述多个第一车内驾驶员的图像与所述参照驾驶员的图像不一致的图像数量。
在一些实施例中,当所述参照驾驶员的图像包括存储的驾驶员注册信息中的驾驶员图像,以及从获取的行车过程中的第二车内图像中检测出的第二车内照驾驶员的图像时,基于所述第一车内驾驶员的图像和所述参照驾驶员的图像,确定所述第一车内驾驶员与所述参照驾驶员是否一致,包括:
基于所述第一车内驾驶员的图像和驾驶员注册信息中的驾驶员图像,确定所述第一车内驾驶员与驾驶员注册信息中的驾驶员是否一致;
若所述第一车内驾驶员与驾驶员注册信息中的驾驶员不一致,基于所述第一车内驾驶员的图像和从第二车内图像中检测出的第二车内驾驶员的图像,确定所述第一车内驾驶员与从第二车内图像中检测出的第二车内驾驶员是否一致。
另一方面,本申请实施例还提供一种驾驶员识别装置,所述驾驶员识别装置包括:
获取模块,用于获取行车过程中的第一车内图像,以及参照驾驶员的图像;
检测模块,用于从所述第一车内图像中,检测第一车内驾驶员的图像;
第一确定模块,用于基于所述第一车内驾驶员的图像和所述参照驾驶员的图像,确定所述第一车内驾驶员与所述参照驾驶员是否一致。
在一些实施例中,所述获取模块具体通过以下步骤获取参照驾驶员的图像:
获取存储的驾驶员注册信息中的驾驶员图像;或者
从获取的行车过程中的第二车内图像中,检测出第二车内驾驶员的图像,将所述第二车内驾驶员的图像作为参照驾驶员的图像,所述第一车内图像和第二车内图像为在行车过程中的不同时间获取的车内图像。
在一些实施例中,若所述第一确定模块确定所述第一车内驾驶员与所述参照驾驶员不一致,所述驾驶员识别装置还包括:
警示模块,用于通过车辆内乘客对应的用户端向所述乘客发出警示。
在上述实施例中,所述驾驶员识别装置应用于服务器或所述用户端,所述用户端为移动终端或车载终端。
在一些实施例中,若所述第一确定模块确定所述第一车内驾驶员与所述参照驾驶员不一致,所述驾驶员识别装置还包括:
认证模块,用于向所述第一车内驾驶员的用户端发送重新进行身份认证的指示信息;
停止模块,用于若所述第一车内驾驶员的用户端在预设时长内没有进行身份认证,或者身份认证失败,则停止向所述第一车内驾驶员的用户端分配出行任务。
在一些实施例中,所述驾驶员识别装置还包括:
预估模块,用于基于行车过程的出发地和目的地,计算预算行车时间;
第二确定模块,用于基于所述预算行车时间,确定车内图像的获取周期;
所述获取模块具体用于按照所述获取周期,周期性的获取行车过程中的第一车内图像。
在一些实施例中,所述检测模块具体用于:
从所述第一车内图像中,确定预设参照物的位置信息;
基于所述预设参照物的位置信息,检测所述第一车内图像中与所述预设参照物之间满足预设位置关系的人物图像,并将该人物图像作为所述第一车内驾驶员的图像。
在一些实施例中,所述第一确定模块具体用于:
将所述第一车内驾驶员的图像与所述参照驾驶员的图像进行比对,得到所述第一车内驾驶员的图像与所述参照驾驶员的图像之间的相似度;
基于所述相似度,确定所述第一车内驾驶员与所述参照驾驶员是否一致。
在上述实施例中,所述第一确定模块具体用于:
若所述相似度大于第一预设阈值,确定所述第一车内驾驶员与所述参照驾驶员一致。
在上述实施例中,所述第一确定模块具体用于:
若所述相似度小于或者等于第一预设阈值,获取所述第一车内驾驶员的图像与所述参照驾驶员的图像进行比对的比对结果的准确度;
基于所述准确度,计算所述第一车内驾驶员与所述参照驾驶员不一致的置信度;
若所述置信度大于第二预设阈值,确定所述第一车内驾驶员与所述参照驾驶员不一致。
在上述实施例中,当获取到多个第一车内图像,并从每个第一车内图像中检测到一个第一车内驾驶员的图像时,所述第一确定模块具体用于:
确定多个第一车内驾驶员的图像中与所述参照驾驶员的图像不一致的图像数量;
基于所述准确度和所述图像数量,计算所述第一车内驾驶员与所述参照驾驶员不一致的置信度。
在上述实施例中,当获取到多个第二车内图像中,并从每个第二车内图像中检测到一个第二车内驾驶员的图像时,所述第一确定模块具体用于:
按照获取的先后顺序,将多个第一车内驾驶员的图像中的每个第一车内驾驶员的图像与多个第二车内驾驶员的图像中对应获取顺序的第二车内驾驶员的图像进行比对。
在上述实施例中,所述第一确定模块具体用于通过以下公式计算第一车内驾驶员与参照驾驶员不一致的置信度:
X=1-(1-Y)a;
其中,X为所述第一车内驾驶员与所述参照驾驶员不一致的置信度,Y为所述第一车内驾驶员的图像与所述参照驾驶员的图像进行比对的比对结果的准确度,a为所述多个第一车内驾驶员的图像与所述参照驾驶员的图像不一致的图像数量。
在一些实施例中,当所述参照驾驶员的图像包括存储的驾驶员注册信息中的驾驶员图像,以及从获取的行车过程中的第二车内图像中检测出的第二车内照驾驶员的图像时,所述第一确定模块具体用于:
基于所述第一车内驾驶员的图像和驾驶员注册信息中的驾驶员图像,确定所述第一车内驾驶员与驾驶员注册信息中的驾驶员是否一致;
若所述第一车内驾驶员与驾驶员注册信息中的驾驶员不一致,基于所述第一车内驾驶员的图像和从第二车内图像中检测出的第二车内驾驶员的图像,确定所述第一车内驾驶员与从第二车内图像中检测出的第二车内驾驶员是否一致。
另一方面,本申请实施例还提供一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过所述总线通信,所述机器可读指令被所述处理器执行时执行如上述的驾驶员识别方法的步骤。
另一方面,本申请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上存储有计算机程序,所述计算机程序被处理器运行时执行如上述的驾驶员识别方法的步骤。
本申请实施例提供的驾驶员识别方法及装置,获取行车过程中的第一车内图像,以及参照驾驶员的图像;从所述第一车内图像中,检测第一车内驾驶员的图像;基于所述第一车内驾驶员的图像和所述参照驾驶员的图像,确定所述第一车内驾驶员与所述参照驾驶员是否一致。这样,通过获取行车过程中的车内图像和参照驾驶员的图像,并基于车内图像中车内驾驶员的图像和参照驾驶员的图像,来识别出车内驾驶员和参照驾驶员是否一致,从而可以及时对行车过程中车内驾驶员身份的真实性进行识别,以提高乘客的乘车安全以及乘车体验,识别方法便捷有效,可靠性高。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为根据本申请一些实施例的可以实现本申请思想的电子设备的示例性硬件和软件组件的示意图;
图2为本申请一实施例所提供的驾驶员识别方法的流程图;
图3为本申请另一实施例所提供的驾驶员识别方法的流程图;
图4为本申请实施例提供的驾驶员识别装置的结构图之一;
图5为本申请实施例提供的驾驶员识别装置的结构图之二;
图6为本申请实施例提供的驾驶员识别装置的结构图之三。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,应当理解,本申请中附图仅起到说明和描述的目的,并不用于限定本申请的保护范围。另外,应当理解,示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应该理解,流程图的操作可以不按顺序实现,没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外,本领域技术人员在本申请内容的指引下,可以向流程图添加一个或多个其他操作,也可以从流程图中移除一个或多个操作。
另外,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
为了使得本领域技术人员能够使用本申请内容,结合特定应用场景“行车过程中对车内驾驶员的身份进行识别”,给出以下实施方式。对于本领域技术人员来说,在不脱离本申请的精神和范围的情况下,可以将这里定义的一般原理应用于其他实施例和应用场景。虽然本申请主要围绕行车过程中对车内驾驶员的身份进行识别描述,但是应该理解,这仅是一个示例性实施例。本申请可以应用于任何不同类型出行工具中对车内驾驶员的身份进行识别,或者用于用户在进行一种活动或者接受一项服务时,活动提供方或者服务提供方的人员与预设的人员不一致导致存在风险的情况。本申请的系统或方法可以应用于服务器、客户端、定制系统、内部分析系统、或人工智能交互终端等,或其任意组合。
需要说明的是,本申请实施例中将会用到术语“包括”,用于指出其后所声明的特征的存在,但并不排除增加其它的特征。
值得注意的是,目前,无论是出租车服务和在线打车服务(网约车服务),在实际行车过程中,都存在实际驾驶车辆的司机与挂名司机不符,即实际驾驶车辆的司机与在出租车服务运行商或者在线打车服务运行商处注册的司机不一致的情况,这无疑会使乘客在乘车过程中存在风险,如乘坐体验不佳,更严重者甚至会存在影响乘客人身安全问题。
对于此,本申请的一个方面提出一种驾驶员识别方法,能够在行车过程中对驾驶员进行监测,及时对驾驶员身份的真实性进行识别,以此确保乘客乘车安全和乘车体验,识别方法便捷有效,具有较好的鲁棒性,可靠性高。
本申请实施例可以通过与用户端交互的云平台、服务器或者服务器组实施(以下统称为服务系统),也可以直接通过用户端实施,本申请实施例中的用户端可以理解为终端设备,也可以理解为用户在平台注册的客户端,其中,终端设备可以理解为移动终端、个人电脑(Personal Computer,PC)、车载终端、以及任何可以安装平台应用程序的设备。
在一些实施例中,服务系统可以是单个服务器,也可以是服务器组。服务器组可以是集中式的,也可以是分布式的(例如,服务系统可以是分布式系统)。在一些实施例中,服务系统相对于终端,可以是本地的、也可以是远程的。例如,服务系统可以经由网络访问存储在用户端或数据库、或其任意组合中的信息和/或数据。在一些实施例中,服务系统可以在云平台上实现;仅作为示例,云平台可以包括私有云、公有云、混合云、社区云(communitycloud)、分布式云、跨云(inter-cloud)、多云(multi-cloud)等,或者它们的任意组合。在一些实施例中,服务系统可以在具有本申请中图1所示的一个或多个组件的电子设备100上实现。
在一些实施例中,服务系统可以包括处理器。处理器可以处理与服务请求有关的信息和/或数据,以执行本申请中描述的一个或多个功能。在一些实施例中,处理器可以包括一个或多个处理核(例如,单核处理器(S)或多核处理器(S))。仅作为举例,处理器可以包括中央处理单元(Central Processing Unit,CPU)、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、专用指令集处理器(Application Specific Instruction-set Processor,ASIP)、图形处理单元(Graphics Processing Unit,GPU)、物理处理单元(Physics Processing Unit,PPU)、数字信号处理器(Digital Signal Processor,DSP)、现场可编程门阵列(Field Programmable Gate Array,FPGA)、可编程逻辑器件(Programmable Logic Device,PLD)、控制器、微控制器单元、简化指令集计算机(ReducedInstruction Set Computing,RISC)、或微处理器等,或其任意组合。
图1为根据本申请一些实施例的可以实现本申请思想的电子设备100的示例性硬件和软件组件的示意图。例如,处理器120可以用于电子设备100上,并且用于执行本申请中的功能。
电子设备100可以是通用计算机或特殊用途的计算机,两者都可以用于实现本申请的驾驶员识别方法。本申请尽管仅示出了一个计算机,但是为了方便起见,可以在多个类似平台上以分布式方式实现本申请描述的功能,以均衡处理负载。
例如,电子设备100可以包括连接到网络的网络端口110、用于执行程序指令的一个或多个处理器120、通信总线130、和不同形式的存储介质140,例如,磁盘、ROM、或RAM,或其任意组合。示例性地,计算机平台还可以包括存储在ROM、RAM、或其他类型的非暂时性存储介质、或其任意组合中的程序指令。根据这些程序指令可以实现本申请的方法。电子设备100还包括计算机与其他输入输出设备(例如键盘、显示屏)之间的输入/输出(Input/Output,I/O)接口150。
为了便于说明,在电子设备100中仅描述了一个处理器。然而,应当注意,本申请中的电子设备100还可以包括多个处理器,因此本申请中描述的一个处理器执行的步骤也可以由多个处理器联合执行或单独执行。例如,若电子设备100的处理器执行步骤A和步骤B,则应该理解,步骤A和步骤B也可以由两个不同的处理器共同执行或者在一个处理器中单独执行。例如,第一处理器执行步骤A,第二处理器执行步骤B,或者第一处理器和第二处理器共同执行步骤A和B。
下面从执行方法角度,对本申请实施例的思想做进一步描述。
请参阅图2,图2为本申请实施例提供的驾驶员识别方法的流程图。所述方法应用于服务器或者用户端,所述服务器可以是独立设置的后台服务器或者云端服务器等,也可以是与所述用户端连接的后台服务器或者云端服务器,还可以是嵌入到所述用户端内部的服务器,所述用户端可以是乘坐车辆的乘客的移动终端,也可以是车载终端。如图2中所示,所述方法包括:
S201:获取行车过程中的第一车内图像,以及参照驾驶员的图像。
在乘客乘坐车辆出行的过程中,存在实际驾驶车辆的驾驶员与参照驾驶员不一致的情况,如实际驾驶车辆的驾驶员和与该车辆绑定的注册的驾驶员不一致,或者在行驶过程中,中途出现驾驶员更换的情况出现,无疑会存在一些潜在的危险和风险,更有甚者甚至会威胁到乘客的人身安全,因此,为了可以在行车过程中及时对车内的驾驶员进行识别,在该步骤中,可以获取驾驶员驾驶车辆在行车过程中的第一车内图像,以及参照驾驶员的图像,以此来作为基础供后续识别。
其中,所述第一车内图像,可以是指车辆内部全部空间的图像,如包含驾驶室、副驾驶室和后排坐位空间的全部空间的图像,也可以是指根据识别需要,采集的车辆内部的部分空间区域内的图像,如驾驶室内图像,或者驾驶室内和副驾驶室内的图像。在本实施例中,所述第一车内图像,至少是需要采集到驾驶室内的图像。
其中,获取行车过程中的第一车内图像,可以是通过安装于车辆内部的任何形式的具有图像采集功能的拍摄装置,例如行车记录仪、车载摄像头等,对车辆内部进行图像采集,也可以是通过车内的用户端进行图像采集,如车载终端或者乘客的移动终端等。对车辆内部进行图像采集,可以是实时采集车辆内部的图像,或者是以一定时长的时间段的采集周期来采集车辆内部的图像,还可以是根据识别需要设定图像采集条件,在满足图像采集条件后,再采集车内图像,对此并不做任何限定。此外,所采集的第一车内图像可以保存在本地再上传到云端,或者采集后直接通过网络上传到云端,以便获取和进行识别。
其中,所述参照驾驶员的图像,可以是指预先存储的与此次行车的车辆相绑定的驾驶员的图像,即在运行商处进行注册时,存储的驾驶员注册信息中的驾驶员图像,相应的,获取参照驾驶员的图像,即可以是通过获取存在的驾驶员注册信息中的驾驶员图像的步骤来获取。
所述参照驾驶员的图像,还可以是指在此次行车过程中,在先驾驶车辆行车的驾驶员的图像,即在获取所述第一车内图像之前,获取的第二车内图像中的驾驶员的图像,相应的,获取参照驾驶员的图像,即可以获取行车过程中的第二车内图像,通过从获取的行车过程中的第二车内图像中,检测出第二车内驾驶员的图像,将所述第二车内驾驶员的图像作为参照驾驶员的图像的步骤来获取。
具体的,所述第一车内图像和所述第二车内图像为在行车过程中的不同时间获取的车内图像,而且,在本实施例中,所述第二车内图像可以是在所述第一车内图像之前获取到的,但并不局限于此,在其他实施例中,所述第二车内图像也可以是在所述第一车内图像之后获取到的,只要两者中的一者作为参照,另一者最为对比即可。
S202:从所述第一车内图像中,检测第一车内驾驶员的图像。
该步骤中,在获取到所述第一车内图像后,可以对所述第一车内图像的图像内容进行分析、检测和提取等图像处理,从所述第一车内图像中检测出第一车内驾驶员的图像。
这样,通过获取的第一车内图像来确定第一车内驾驶员的图像,检测结果具有较高的时效性,准确可靠,便捷有效。
S203:基于所述第一车内驾驶员的图像和所述参照驾驶员的图像,确定所述第一车内驾驶员与所述参照驾驶员是否一致。
该步骤中,在获取到所述参照驾驶员的图像,并且检测到所述第一车内驾驶员的图像之后,就可以根据所述参照驾驶员的图像和所述第一车内驾驶员的图像,来对所述第一车内驾驶员进行识别,从而根据识别结果可以确定出所述第一车内驾驶员与所述参照驾驶员是否一致。
其中,确定所述第一车内驾驶员与所述参照驾驶员是否一致,可以是指确定所述第一车内驾驶员和所述参照驾驶员是不是同一个人,例如,在行车过程中,如果识别出实际驾驶车辆的第一车内驾驶员与参照驾驶员不是一个人,即可以认为第一车内驾驶员与参照驾驶员不一致,而如果识别出实际驾驶车辆的第一车内驾驶员与参照驾驶员是一个人的话,即可以认为第一车内驾驶员与参照驾驶员一致。
本申请实施例提供的驾驶员识别方法,获取行车过程中的第一车内图像,以及参照驾驶员的图像;从所述第一车内图像中,检测第一车内驾驶员的图像;基于所述第一车内驾驶员的图像和所述参照驾驶员的图像,确定所述第一车内驾驶员与所述参照驾驶员是否一致。
这样,通过获取行车过程中的车内图像和参照驾驶员的图像,并基于车内图像中车内驾驶员的图像和参照驾驶员的图像,来识别出车内驾驶员和参照驾驶员是否一致,从而可以及时对行车过程中车内驾驶员身份的真实性进行识别,以提高乘客的乘车安全以及乘车体验,识别方法便捷有效,可靠性高。
请参阅图3,图3为本申请另一实施例提供的一种驾驶员识别方法的流程图。所述方法应用于服务器或者用户端,所述服务器可以是独立设置的后台服务器或者云端服务器等,也可以是与所述用户端连接的后台服务器或者云端服务器,还可以是嵌入到所述用户端内部的服务器,所述用户端可以是乘客的移动终端,也可以是车载终端。如图3中所示,所述方法包括:
S301:获取行车过程中的第一车内图像,以及参照驾驶员的图像。
在乘客乘坐车辆出行的过程中,存在实际驾驶车辆的驾驶员与参照驾驶员不一致的情况,如实际驾驶车辆的驾驶员和与该车辆绑定的注册的驾驶员不一致,或者在行驶过程中,中途出现驾驶员更换的情况出现,无疑会存在一些潜在的危险和风险,更有甚者甚至会威胁到乘客的人身安全,因此,为了可以在行车过程中及时对车内的驾驶员进行识别,在该步骤中,可以获取驾驶员驾驶车辆在行车过程中的第一车内图像,以及参照驾驶员的图像,以此来作为基础供后续识别。
其中,所述第一车内图像,可以是指车辆内部全部空间的图像,如包含驾驶室、副驾驶室和后排坐位空间的全部空间的图像,也可以是指根据识别需要,采集的车辆内部的部分空间区域内的图像,如驾驶室内图像,或者驾驶室内和副驾驶室内的图像。在本实施例中,所述第一车内图像,至少是需要采集到驾驶室内的图像。
其中,获取行车过程中的第一车内图像,可以是通过安装于车辆内部的任何形式的具有图像采集功能的拍摄装置,例如行车记录仪、车载摄像头等,对车辆内部进行图像采集,也可以是通过车内的用户端进行图像采集,如车载终端或者乘客的移动终端等。对车辆内部进行图像采集,可以是实时采集车辆内部的图像,或者是以一定时长的时间段的采集周期来采集车辆内部的图像,还可以是根据识别需要设定图像采集条件,在满足图像采集条件后,再采集车内图像,对此并不做任何限定。此外,所采集的第一车内图像可以保存在本地再上传到云端,或者采集后直接通过网络上传到云端,以便获取和进行识别。
其中,所述参照驾驶员的图像,可以是指预先存储的与此次行车的车辆相绑定的驾驶员的图像,即在运行商处进行注册时,存储的驾驶员注册信息中的驾驶员图像,相应的,获取参照驾驶员的图像,即可以是通过获取存在的驾驶员注册信息中的驾驶员图像的步骤来获取。
所述参照驾驶员的图像,还可以是指在此次行车过程中,在先驾驶车辆行车的驾驶员的图像,即在获取所述第一车内图像之前,获取的第二车内图像中的驾驶员的图像,相应的,获取参照驾驶员的图像,即可以获取行车过程中的第二车内图像,通过从获取的行车过程中的第二车内图像中,检测出第二车内驾驶员的图像,将所述第二车内驾驶员的图像作为参照驾驶员的图像的步骤来获取。
具体的,所述第一车内图像和所述第二车内图像为在行车过程中的不同时间获取的车内图像,而且,在本实施例中,所述第二车内图像可以是在所述第一车内图像之前获取到的,但并不局限于此,在其他实施例中,所述第二车内图像也可以是在所述第一车内图像之后获取到的,只要两者中的一者作为参照,另一者作为对比即可。
S302:从所述第一车内图像中,检测第一车内驾驶员的图像。
该步骤中,在获取到所述第一车内图像后,可以对所述第一车内图像的图像内容进行分析、检测和提取等图像处理,从所述第一车内图像中检测出第一车内驾驶员的图像。
具体的,从所述第一车内图像中,检测第一车内驾驶员的图像,可以是通过图像分割或者图像提取等技术,从所述第一车内图像中将第一车内驾驶员的图像单独提取出来使用,也可以是通过图像识别技术,识别出所述第一车内图像中关于驾驶员部分的第一车内驾驶员的图像。
这样,通过获取的第一车内图像来确定第一车内驾驶员的图像,检测结果具有较高的时效性,准确可靠,便捷有效。
S303:基于所述第一车内驾驶员的图像和所述参照驾驶员的图像,确定所述第一车内驾驶员与所述参照驾驶员是否一致。
该步骤中,在获取到所述参照驾驶员的图像,并且检测到所述第一车内驾驶员的图像之后,就可以根据所述参照驾驶员的图像和所述第一车内驾驶员的图像,来对所述第一车内驾驶员进行识别,从而根据识别结果可以确定出所述第一车内驾驶员与所述参照驾驶员是否一致。
其中,确定所述第一车内驾驶员与所述参照驾驶员是否一致,可以是指确定所述第一车内驾驶员和所述参照驾驶员是不是同一个人,例如,在行车过程中,如果识别出实际驾驶车辆的第一车内驾驶员与参照驾驶员不是一个人,即可以认为第一车内驾驶员与参照驾驶员不一致,而如果识别出实际驾驶车辆的第一车内驾驶员与参照驾驶员是一个人的话,即可以认为第一车内驾驶员与参照驾驶员一致。
步骤304、若确定所述第一车内驾驶员与所述参照驾驶员不一致,通过车辆内乘客对应的用户端向所述乘客发出警示。
该步骤中,如果通过所述第一车内驾驶员的图像和所述参照驾驶员图像,确定出所述第一车内驾驶员与所述参照驾驶员不一致的话,那么可以通过远程控制等方式,来通过车辆内乘客对应的用户端向乘客发出警示。
其中,车辆内乘客对应客户端,可以是车辆内乘客的移动终端,或者车辆内的车载终端等。
其中,向所述乘客发出警示,可以是通过用户端向乘客发出警示语音,或者警示文字等。
这样,可以在确定第一车内驾驶员与参照驾驶员不一致的时候,及时提醒乘客,从而帮助乘客意识到潜在的风险,从而提高警惕,及时采取防范措施。
在一些实施例中,若确定所述第一车内驾驶员与所述参照驾驶员不一致,所述方法还包括:
向所述第一车内驾驶员的用户端发送重新进行身份认证的指示信息;若所述第一车内驾驶员的用户端在预设时长内没有进行身份认证,或者身份认证失败,则停止向所述第一车内驾驶员的用户端分配出行任务。
该步骤中,如果通过所述第一车内驾驶员的图像和所述参照驾驶员图像,确定出所述第一车内驾驶员与所述参照驾驶员不一致的话,那么就可以通过远程控制等方式,来向所述第一车内驾驶员的用户端发送重新进行身份认证的指示信息,来告知所述第一车内驾驶员需要重新进行身份认证,并且可以对所述第一车内驾驶员的用户端进行实时检测,如果所述第一车内驾驶员的用户端在预设时长内没有进行身份认证,或者身份认证失败,即所述第一车内驾驶员没有通过该用户端重新进行身份认证,或者所述第一车内驾驶员虽然通过该用户端重新进行身份认证,但是身份认证失败,那么就可以停止向所述第一车内驾驶员的用户端分配出行任务,即停止向所述第一车内驾驶员分配出行任务,如停止向所述第一车内驾驶员分配出行订单等。
这样,可以在确定第一车内驾驶员与参照驾驶员不一致的时候,及时采取相应措施,避免潜在危险情况继续存在,及时遏制可能存在的风险。
在一些实施例中,在步骤S301之前,所述方法包括:
基于行车过程的出发地和目的地,计算预算行车时间;基于所述预算行车时间,确定车内图像的获取周期。
该步骤中,在确定了出行服务的任务后,可以对此次出行服务的行程时间进行估算,具体的,可以是根据此次出服务中行车过程的出发地和目的地,来计算出此次行程的预算行车时间,然后再根据所述预算行车时间,来确定车内图像的获取周期。
其中,基于所述预算行车时间,确定车内图像的获取周期,可以是在预算行车时间的起始时刻和终止时刻之间,以预设时长时间作为时间间隔,从而将所述预算行车时间划分成的多个获取周期。
进一步的,所述获取行车过程中的第一车内图像,包括:
按照所述获取周期,周期性的获取行车过程中的第一车内图像。
该步骤中,在确定了所述获取周期后,就可以按照所述获取周期,在所述获取周期对应的图像采集时间,周期性的来获取行车过程中的第一车内图像。
其中,所述获取周期对应的图像采集时间,可以是指一个图像获取时刻,可以在该时刻进行第一车内图像的获取,也可以是指一个图像获取时间段,可以在该时间段内进行第一车内图像的获取,而且可以在该获取时间段内获取到多个第一车内图像。
在一些实施例中,步骤302包括:
从所述第一车内图像中,确定预设参照物的位置信息;基于所述预设参照物的位置信息,检测所述第一车内图像中与所述预设参照物之间满足预设位置关系的人物图像,并将该人物图像作为所述第一车内驾驶员的图像。
在对车内图像进行驾驶员位置定位分析时,由于车内图像中可能会出现多个人的人体图像,而我们仅需对驾驶员的驾驶状态进行检测即可。因此,在该步骤中,可以在先确定所述第一车内图像中的参照物的位置信息,如车内的方向盘的位置信息、仪表盘的位置信息等,然后根据所述参照物的位置信息,对所述第一车内图像中进行检测,从而来检测出在所述第一车内图像中与所述参照物之间满足预设位置关系的人物图像,检测出的人物图像就可以作为所述第一车内驾驶员的图像。
其中,与所述参照物之间满足预设位置关系的人物图像,可以是指所述第一车内图像中,与所述参照物之间的距离小于一定阈值的人物图像,或者是在所述第一车内图像中,与所述参照物之间满足方位分布或者方向分布,如从驾驶员的正面采集到所述第一车内图像,人物是在方向盘正前方,或者人物在仪表盘正前方,与此同时,人物还在档位杆的右侧,此时,检测到所述第一车内图像中与参照物(方向盘或者仪表盘、档位杆)满足上述方位关系的人物图像,即可以认作是述第一车内驾驶员的图像。
这样,在对第一车内图像进行第一车内驾驶员位置进行分析时,可以借助方向盘等参照物识别第一车内驾驶员的图像,识别准确,可以有效避免或者排除其他人员的干扰。
在一些实施例中,步骤303包括:
将所述第一车内驾驶员的图像与所述参照驾驶员的图像进行比对,得到所述第一车内驾驶员的图像与所述参照驾驶员的图像之间的相似度;基于所述相似度,确定所述第一车内驾驶员与所述参照驾驶员是否一致。
在该步骤中,可以是将所述第一车内驾驶员的图像与所述参照驾驶员的图像进行比对,通过相似度检测等方式来得到所述第一车内驾驶员的图像与所述参照驾驶员的图像之间的相似度,然后根据检测出的所述相似度,进而确定出所述第一车内驾驶员与所述参照驾驶员是否一致。
其中,通过相似度检测方式来得到所述第一车内驾驶员的图像与所述参照驾驶员的图像之间的相似度,可以是使用相似度检测算法,来对所述第一车内驾驶员的图像与所述参照驾驶员的图像之间的相似度进行检测,也可以是使用相似度检测模型,将所述第一车内驾驶员的图像与所述参照驾驶员的图像作为模型输入因子,来得到二者的相似度。
其中,基于所述相似度,确定所述第一车内驾驶员与所述参照驾驶员是否一致,可以是将所述相似度与一第一预设阈值进行比较,如果所述相似度大于所述第一预设阈值,就可以确定所述第一车内驾驶员与所述参照驾驶员一致,相反的,如果所述相似度小于或者等于所述第一预设阈值,就可以初步认为所述第一车内驾驶员与所述参照驾驶员不一致。
进一步的,基于所述相似度,确定所述第一车内驾驶员与所述参照驾驶员是否一致,还包括:
若所述相似度小于或者等于第一预设阈值,获取所述第一车内驾驶员的图像与所述参照驾驶员的图像进行比对的比对结果的准确度;基于所述准确度,计算所述第一车内驾驶员与所述参照驾驶员不一致的置信度;若所述置信度大于第二预设阈值,确定所述第一车内驾驶员与所述参照驾驶员不一致。
该步骤中,如果对所述相似度进行检测,确定所述相似度小于或者等于所述第一预设阈值的话,即初步认为所述第一车内驾驶员与所述参照驾驶员不一致,此时,为了检测结果的准确性,可以对检测结果进行验证,具体的,可以先获取所述第一车内驾驶员的图像与所述参照驾驶员的图像进行比对的比对结果的准确度,然后使用所述准确度,来计算此次检测结果的置信度,即计算此次检测的所述第一车内驾驶员与所述参照驾驶员不一致的置信度,然后将所述置信度与一第二预设阈值进行比较,如果所述置信度大于所述第二预设阈值,就可以认为此次检测结果可信,就可以进一步确定所述第一车内驾驶员与所述参照驾驶员不一致。
其中,所述准确度,可以是指由于使用的不同的相似度检测方式,检测接到的结果的不同的准确率,举例来讲,如使用相似度检测算法进行直接检测得到的检测结果的准确率,可能只有70%,而使用相似度检测模型进行相似度检测得到的检测结果的准确率,可能会达到80%。
进一步的,为了提高图像检测的准确率,在图像相似度检测时,可以是使用多个图像进行检测,也就是可以获取多个第一车内图像,并且可以从每个第一车内图像中检测到一个第一车内驾驶员的图像,进而,可以在相似度检测时,就可以把每个第一车内驾驶员的图像与所述参照驾驶员的图像进行比对,从而可以得到多个相似结果。
相应的,所述基于所述准确度,计算所述第一车内驾驶员与所述参照驾驶员不一致的置信度,包括:
确定多个第一车内驾驶员的图像中与所述参照驾驶员的图像不一致的图像数量;基于所述准确度和所述图像数量,计算所述第一车内驾驶员与所述参照驾驶员不一致的置信度。
该步骤中,由于各个第一车内驾驶员的图像与所述参照驾驶员的图像的相似度检测结果均可能不同,在将每个第一车内驾驶员的图像与所述参照驾驶员的图像进行比对后,可以确定出多个第一车内驾驶员的图像中与所述参照驾驶员的图像不一致的第一车内驾驶员的图像的图像数量,然后根据所述图像数量和所述准确度,来计算计算所述第一车内驾驶员与所述参照驾驶员不一致的置信度。
进一步的,当所述参照驾驶员的图像为从获取的第二车内图像中检测得到的第二车内驾驶员的图像的时候,为了提高检测结果的准确率,也可以是获取到多个第二车内图像,并且可以从每个第二车内图像中检测出一个第二车内驾驶员的图像。
相应的,将所述第一车内驾驶员的图像与所述参照驾驶员的图像进行比对,得到所述第一车内驾驶员的图像与所述参照驾驶员的图像之间的相似度,可以是按照获取到每个第一车内图像和每个第二车内图像的先后顺序,将多个第一车内驾驶员的图像中的每个第一车内驾驶员的图像与多个第二车内驾驶员的图像中对应获取顺序的第二车内驾驶员的图像进行比对。
在上述实施例中,可以所述第一确定模块具体用于通过以下公式计算第一车内驾驶员与参照驾驶员不一致的置信度:
X=1-(1-Y)a。
其中,X为所述第一车内驾驶员与所述参照驾驶员不一致的置信度,Y为所述第一车内驾驶员的图像与所述参照驾驶员的图像进行比对的比对结果的准确度,a为所述多个第一车内驾驶员的图像与所述参照驾驶员的图像不一致的图像数量。
举例来讲,如在每个获取周期内可以获取十张第一车内图像,进而可以得到十张第一车内驾驶员的图像,将每个车内驾驶员的图像与参照驾驶员的图像进行相似度比较后,得出有4张图像与参照驾驶员的图像不一致,而且此次使用的相似度检测方式的准确度为80%,即Y为80%,a为4,那么就可以使用上述公式计算得到置信度为99.84%,即X为99.84%,而所述第二预设阈值可以是预设的95%,因此可以确定置信度大于第二预设阈值,从而可以进一步确定,第一车内驾驶员与参照驾驶员不一致,是两个人。
为了得到较高的检测结果,通常相似度检测的准确度可以是95%,即使用准确度为95%或以上的相似度检测方式对第一车内驾驶员的图像和参照驾驶员的图像进行检测,而第二预设阈值可以是99.9%。
在一些实施例中,为了进一步提高对驾驶员的识别准确率,以提高行车过程中风险排除的概率,可以是将所述第一车内驾驶员的图像与注册的驾驶员图像比对后,再与第二车内驾驶员的图像进行比对,从而确定第一车内驾驶员是否与注册的驾驶员一致,以及是否在中途更换了驾驶员。
相应的,所述参照驾驶员的图像包括存储的驾驶员注册信息中的驾驶员图像,以及从获取的行车过程中的第二车内图像中检测出的参照驾驶员的图像。
此时,基于所述第一车内驾驶员的图像和所述参照驾驶员的图像,确定所述第一车内驾驶员与所述参照驾驶员是否一致,可以是在获取到所述第一车内驾驶员的图像、从第二车内图像中检测出的第二车内驾驶员的图像和驾驶员注册信息中的驾驶员图像后,先将所述第一车内驾驶员的图像和驾驶员注册信息中的驾驶员图像进行比对,来确定所述第一车内驾驶员和驾驶员注册信息中的驾驶员是否一致,以此可以得知在行车过程中的第一车内驾驶员与驾驶员注册信息中的驾驶员是不是同一个人,然后可以将所述第一车内驾驶员的图像与从第二车内图像中检测出的第二车内驾驶员的图像进行比对,来确定确定所述第一车内驾驶员与从第二车内图像中检测出的第二车内驾驶员是否一致,以此可以得知在行车过程中是否有更换驾驶员。
本申请实施例提供的驾驶员识别方法,获取行车过程中的第一车内图像,以及参照驾驶员的图像;从所述第一车内图像中,检测第一车内驾驶员的图像;基于所述第一车内驾驶员的图像和所述参照驾驶员的图像,确定所述第一车内驾驶员与所述参照驾驶员是否一致;若确定所述第一车内驾驶员与所述参照驾驶员不一致,通过车辆内乘客对应的用户端向所述乘客发出警示。
这样,通过获取行车过程中的车内图像和参照驾驶员的图像,并基于车内图像中车内驾驶员的图像和参照驾驶员的图像,来识别出车内驾驶员和参照驾驶员是否一致,从而可以及时对行车过程中车内驾驶员身份的真实性进行识别,在车内驾驶员与参照驾驶员不一致时,对乘客进行警示,以提高乘客的乘车安全以及乘车体验,识别方法便捷有效,可靠性高。
请参阅图4至图6,图4为本申请实施例提供的驾驶员识别装置的结构图之一,图5为本申请实施例提供的驾驶员识别装置的结构图之二,图6为本申请实施例提供的驾驶员识别装置的结构图之三。所述驾驶员识别装置400可以实现上述驾驶员识别方法执行的步骤。该装置可以理解为上述服务器,或服务器的处理器,也可以理解为独立于上述服务器或处理器之外的在服务器控制下实现本申请功能的组件。如图4中所示,所述驾驶员识别装置400包括:
获取模块410,用于获取行车过程中的第一车内图像,以及参照驾驶员的图像。
检测模块420,用于从所述第一车内图像中,检测第一车内驾驶员的图像。
第一确定模块430,用于基于所述第一车内驾驶员的图像和所述参照驾驶员的图像,确定所述第一车内驾驶员与所述参照驾驶员是否一致。
在一些实施例中,所述获取模块410具体通过以下步骤获取参照驾驶员的图像:
获取存储的驾驶员注册信息中的驾驶员图像。
或者,从获取的行车过程中的第二车内图像中,检测出第二车内驾驶员的图像,将所述第二车内驾驶员的图像作为参照驾驶员的图像,所述第一车内图像和第二车内图像为在行车过程中的不同时间获取的车内图像。
在一些实施例中,如图5中所示,若所述第一确定模块430确定所述第一车内驾驶员与所述参照驾驶员不一致,所述驾驶员识别装置400还包括:
警示模块440,用于通过车辆内乘客对应的用户端向所述乘客发出警示。
在上述实施例中,所述驾驶员识别装置400应用于服务器或所述用户端,所述用户端为移动终端或车载终端。
在一些实施例中,如图6中所示,若所述第一确定模块430确定所述第一车内驾驶员与所述参照驾驶员不一致,所述驾驶员识别装置400还包括:
认证模块450,用于向所述第一车内驾驶员的用户端发送重新进行身份认证的指示信息。
停止模块460,用于若所述第一车内驾驶员的用户端在预设时长内没有进行身份认证,或者身份认证失败,则停止向所述第一车内驾驶员的用户端分配出行任务。
在一些实施例中,如图6中所示,所述驾驶员识别装置400还包括:
预估模块470,用于基于行车过程的出发地和目的地,计算预算行车时间。
第二确定模块480,用于基于所述预算行车时间,确定车内图像的获取周期。
所述获取模块410具体用于按照所述获取周期,周期性的获取行车过程中的第一车内图像。
在一些实施例中,所述检测模块420具体用于:
从所述第一车内图像中,确定预设参照物的位置信息。
基于所述预设参照物的位置信息,检测所述第一车内图像中与所述预设参照物之间满足预设位置关系的人物图像,并将该人物图像作为所述第一车内驾驶员的图像。
在一些实施例中,所述第一确定模块430具体用于:
将所述第一车内驾驶员的图像与所述参照驾驶员的图像进行比对,得到所述第一车内驾驶员的图像与所述参照驾驶员的图像之间的相似度。
基于所述相似度,确定所述第一车内驾驶员与所述参照驾驶员是否一致。
在上述实施例中,所述第一确定模块430具体用于:
若所述相似度大于第一预设阈值,确定所述第一车内驾驶员与所述参照驾驶员一致。
在上述实施例中,所述第一确定模块430具体用于:
若所述相似度小于或者等于第一预设阈值,获取所述第一车内驾驶员的图像与所述参照驾驶员的图像进行比对的比对结果的准确度。
基于所述准确度,计算所述第一车内驾驶员与所述参照驾驶员不一致的置信度。
若所述置信度大于第二预设阈值,确定所述第一车内驾驶员与所述参照驾驶员不一致。
在上述实施例中,当获取到多个第一车内图像,并从每个第一车内图像中检测到一个第一车内驾驶员的图像时,所述第一确定模块430具体用于:
确定多个第一车内驾驶员的图像中与所述参照驾驶员的图像不一致的图像数量。
基于所述准确度和所述图像数量,计算所述第一车内驾驶员与所述参照驾驶员不一致的置信度。
在上述实施例中,当获取到多个第二车内图像中,并从每个第二车内图像中检测到一个第二车内驾驶员的图像时,所述第一确定模块430具体用于:
按照获取的先后顺序,将多个第一车内驾驶员的图像中的每个第一车内驾驶员的图像与多个第二车内驾驶员的图像中对应获取顺序的第二车内驾驶员的图像进行比对。
在上述实施例中,所述第一确定模块430具体用于通过以下公式计算第一车内驾驶员与参照驾驶员不一致的置信度:
X=1-(1-Y)a。
其中,X为所述第一车内驾驶员与所述参照驾驶员不一致的置信度,Y为所述第一车内驾驶员的图像与所述参照驾驶员的图像进行比对的比对结果的准确度,a为所述多个第一车内驾驶员的图像与所述参照驾驶员的图像不一致的图像数量。
在一些实施例中,当所述参照驾驶员的图像包括存储的驾驶员注册信息中的驾驶员图像,以及从获取的行车过程中的第二车内图像中检测出的第二车内照驾驶员的图像时,所述第一确定模块430具体用于:
基于所述第一车内驾驶员的图像和驾驶员注册信息中的驾驶员图像,确定所述第一车内驾驶员与驾驶员注册信息中的驾驶员是否一致;
若所述第一车内驾驶员与驾驶员注册信息中的驾驶员不一致,基于所述第一车内驾驶员的图像和从第二车内图像中检测出的第二车内驾驶员的图像,确定所述第一车内驾驶员与从第二车内图像中检测出的第二车内驾驶员是否一致。
本申请实施例提供的驾驶员识别装置,通过获取行车过程中的第一车内图像,以及参照驾驶员的图像;从所述第一车内图像中,检测第一车内驾驶员的图像;基于所述第一车内驾驶员的图像和所述参照驾驶员的图像,确定所述第一车内驾驶员与所述参照驾驶员是否一致。
这样,通过获取行车过程中的车内图像和参照驾驶员的图像,并基于车内图像中车内驾驶员的图像和参照驾驶员的图像,来识别出车内驾驶员和参照驾驶员是否一致,从而可以及时对行车过程中车内驾驶员身份的真实性进行识别,以提高乘客的乘车安全以及乘车体验,识别方法便捷有效,可靠性高。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时可以执行如上述图2以及图3所示方法实施例中的驾驶员识别方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
上述模块可以经由有线连接或无线连接彼此连接或通信。有线连接可以包括金属线缆、光缆、混合线缆等,或其任意组合。无线连接可以包括通过LAN、WAN、蓝牙、ZigBee、或NFC等形式的连接,或其任意组合。两个或更多个模块可以组合为单个模块,并且任何一个模块可以分成两个或更多个单元。
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,上述描述的系统和装置的具体工作过程,可以参考方法实施例中的对应过程,本申请中不再赘述。在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,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,又例如,多个模块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通信接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块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。
所述功能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,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。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介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (28)
1.一种驾驶员识别方法,其特征在于,所述方法包括:
获取行车过程中的第一车内图像,以及参照驾驶员的图像;其中,所述第一车内图像包括多个人体图像;
通过图像分割、提取或识别技术中的一种或多种,从所述第一车内图像的多个人体图像中,检测第一车内驾驶员的图像;其中,所述第一车内驾驶员的图像是与所述第一车内图像中的预设参照物之间的距离小于阈值、或与所述预设参照物之间满足方位分布或方向分布的人物图像;
基于所述第一车内驾驶员的图像和所述参照驾驶员的图像,确定所述第一车内驾驶员与所述参照驾驶员是否一致,包括:
确定所述第一车内驾驶员的图像中与所述参照驾驶员的图像对比不一致的图像数量、以及对比结果的准确度;
基于所述准确度和所述图像数量,计算所述第一车内驾驶员与所述参照驾驶员不一致的置信度;其中,所述准确度与所述置信度正相关,所述图像数量与所述置信度正相关;
基于所述置信度确定所述第一车内驾驶员与所述参照驾驶员是否一致。
2.如权利要求1所述的方法,其特征在于,通过以下步骤获取参照驾驶员的图像:
获取存储的驾驶员注册信息中的驾驶员图像;或者
从获取的行车过程中的第二车内图像中,检测出第二车内驾驶员的图像,将所述第二车内驾驶员的图像作为参照驾驶员的图像,所述第一车内图像和第二车内图像为在行车过程中的不同时间获取的车内图像。
3.如权利要求1所述的方法,其特征在于,若确定所述第一车内驾驶员与所述参照驾驶员不一致,所述方法还包括:
通过车辆内乘客对应的用户端向所述乘客发出警示。
4.如权利要求3所述的方法,其特征在于,所述方法应用于服务器或车辆内乘客对应的用户端,该用户端为移动终端或车载终端。
5.如权利要求1所述的方法,其特征在于,若确定所述第一车内驾驶员与所述参照驾驶员不一致,所述方法还包括:
向所述第一车内驾驶员的用户端发送重新进行身份认证的指示信息;
若所述第一车内驾驶员的用户端在预设时长内没有进行身份认证,或者身份认证失败,则停止向所述第一车内驾驶员的用户端分配出行任务。
6.如权利要求1所述的方法,其特征在于,在所述获取行车过程中的第一车内图像,以及参照驾驶员的图像之前,所述方法包括:
基于行车过程的出发地和目的地,计算预算行车时间;
基于所述预算行车时间,确定车内图像的获取周期;
所述获取行车过程中的第一车内图像,包括:
按照所述获取周期,周期性的获取行车过程中的第一车内图像。
7.如权利要求1所述的方法,其特征在于,从所述第一车内图像中,检测第一车内驾驶员的图像,包括:
从所述第一车内图像中,确定预设参照物的位置信息;
基于所述预设参照物的位置信息,检测所述第一车内图像中与所述预设参照物之间满足预设位置关系的人物图像,并将该人物图像作为所述第一车内驾驶员的图像。
8.如权利要求1所述的方法,其特征在于,在确定所述图像数量与上述准确度之前,所述方法还包括:
将所述第一车内驾驶员的图像与所述参照驾驶员的图像进行比对,得到所述第一车内驾驶员的图像与所述参照驾驶员的图像之间的相似度;
基于所述相似度,确定所述第一车内驾驶员与所述参照驾驶员是否一致。
9.如权利要求8所述的方法,其特征在于,基于所述相似度,确定所述第一车内驾驶员与所述参照驾驶员是否一致,包括:
若所述相似度大于第一预设阈值,确定所述第一车内驾驶员与所述参照驾驶员一致。
10.如权利要求1所述的方法,其特征在于,基于所述置信度确定所述第一车内驾驶员与所述参照驾驶员是否一致,包括:
若所述置信度大于第二预设阈值,确定所述第一车内驾驶员与所述参照驾驶员不一致。
11.如权利要求10所述的方法,其特征在于,当获取到多个第二车内图像中,并从每个第二车内图像中检测到一个第二车内驾驶员的图像时,将所述第一车内驾驶员的图像与所述参照驾驶员的图像进行比对,得到所述第一车内驾驶员的图像与所述参照驾驶员的图像之间的相似度,包括:
按照获取的先后顺序,将多个第一车内驾驶员的图像中的每个第一车内驾驶员的图像与多个第二车内驾驶员的图像中对应获取顺序的第二车内驾驶员的图像进行比对。
12.如权利要求1所述的方法,其特征在于,通过以下公式计算第一车内驾驶员与参照驾驶员不一致的置信度:
X=1-(1-Y)a;
其中,X为所述第一车内驾驶员与所述参照驾驶员不一致的置信度,Y为所述第一车内驾驶员的图像与所述参照驾驶员的图像进行比对的比对结果的准确度,a为所述多个第一车内驾驶员的图像与所述参照驾驶员的图像不一致的图像数量。
13.如权利要求1所述的方法,其特征在于,当所述参照驾驶员的图像包括存储的驾驶员注册信息中的驾驶员图像,以及从获取的行车过程中的第二车内图像中检测出的第二车内照驾驶员的图像时,基于所述第一车内驾驶员的图像和所述参照驾驶员的图像,确定所述第一车内驾驶员与所述参照驾驶员是否一致,包括:
基于所述第一车内驾驶员的图像和驾驶员注册信息中的驾驶员图像,确定所述第一车内驾驶员与驾驶员注册信息中的驾驶员是否一致;
若所述第一车内驾驶员与驾驶员注册信息中的驾驶员不一致,基于所述第一车内驾驶员的图像和从第二车内图像中检测出的第二车内驾驶员的图像,确定所述第一车内驾驶员与从第二车内图像中检测出的第二车内驾驶员是否一致。
14.一种驾驶员识别装置,其特征在于,所述驾驶员识别装置包括:
获取模块,用于获取行车过程中的第一车内图像,以及参照驾驶员的图像;其中,所述第一车内图像包括多个人体图像;
检测模块,用于通过图像分割、提取或识别技术中的一种或多种,从所述第一车内图像的多个人体图像中,检测第一车内驾驶员的图像;其中,所述第一车内驾驶员的图像是与所述第一车内图像中的预设参照物之间的距离小于阈值、或与所述预设参照物之间满足方位分布或方向分布的人物图像;
第一确定模块,用于确定多个所述第一车内驾驶员的图像中与所述参照驾驶员的图像对比不一致的图像数量、以及对比结果的准确度;基于所述准确度和所述图像数量,计算所述第一车内驾驶员与所述参照驾驶员不一致的置信度;其中,所述准确度与所述置信度正相关,所述图像数量与所述置信度正相关;以及基于所述置信度确定所述第一车内驾驶员与所述参照驾驶员是否一致。
15.如权利要求14所述的驾驶员识别装置,其特征在于,所述获取模块具体通过以下步骤获取参照驾驶员的图像:
获取存储的驾驶员注册信息中的驾驶员图像;或者
从获取的行车过程中的第二车内图像中,检测出第二车内驾驶员的图像,将所述第二车内驾驶员的图像作为参照驾驶员的图像,所述第一车内图像和第二车内图像为在行车过程中的不同时间获取的车内图像。
16.如权利要求14所述的驾驶员识别装置,其特征在于,若所述第一确定模块确定所述第一车内驾驶员与所述参照驾驶员不一致,所述驾驶员识别装置还包括:
警示模块,用于通过车辆内乘客对应的用户端向所述乘客发出警示。
17.如权利要求16所述的驾驶员识别装置,其特征在于,所述驾驶员识别装置应用于服务器或所述用户端,所述用户端为移动终端或车载终端。
18.如权利要求14所述的驾驶员识别装置,其特征在于,若所述第一确定模块确定所述第一车内驾驶员与所述参照驾驶员不一致,所述驾驶员识别装置还包括:
认证模块,用于向所述第一车内驾驶员的用户端发送重新进行身份认证的指示信息;
停止模块,用于若所述第一车内驾驶员的用户端在预设时长内没有进行身份认证,或者身份认证失败,则停止向所述第一车内驾驶员的用户端分配出行任务。
19.如权利要求14所述的驾驶员识别装置,其特征在于,所述驾驶员识别装置还包括:
预估模块,用于基于行车过程的出发地和目的地,计算预算行车时间;
第二确定模块,用于基于所述预算行车时间,确定车内图像的获取周期;
所述获取模块具体用于按照所述获取周期,周期性的获取行车过程中的第一车内图像。
20.如权利要求14所述的驾驶员识别装置,其特征在于,所述检测模块具体用于:
从所述第一车内图像中,确定预设参照物的位置信息;
基于所述预设参照物的位置信息,检测所述第一车内图像中与所述预设参照物之间满足预设位置关系的人物图像,并将该人物图像作为所述第一车内驾驶员的图像。
21.如权利要求14所述的驾驶员识别装置,其特征在于,所述第一确定模块具体用于:
将所述第一车内驾驶员的图像与所述参照驾驶员的图像进行比对,得到所述第一车内驾驶员的图像与所述参照驾驶员的图像之间的相似度;
基于所述相似度,确定所述第一车内驾驶员与所述参照驾驶员是否一致。
22.如权利要求21所述的驾驶员识别装置,其特征在于,所述第一确定模块具体用于:
若所述相似度大于第一预设阈值,确定所述第一车内驾驶员与所述参照驾驶员一致。
23.如权利要求21所述的驾驶员识别装置,其特征在于,所述第一确定模块具体用于:
若所述置信度大于第二预设阈值,确定所述第一车内驾驶员与所述参照驾驶员不一致。
24.如权利要求23所述的驾驶员识别装置,其特征在于,当获取到多个第二车内图像中,并从每个第二车内图像中检测到一个第二车内驾驶员的图像时,所述第一确定模块具体用于:
按照获取的先后顺序,将多个第一车内驾驶员的图像中的每个第一车内驾驶员的图像与多个第二车内驾驶员的图像中对应获取顺序的第二车内驾驶员的图像进行比对。
25.如权利要求14所述的驾驶员识别装置,其特征在于,所述第一确定模块具体用于通过以下公式计算第一车内驾驶员与参照驾驶员不一致的置信度:
X=1-(1-Y)a;
其中,X为所述第一车内驾驶员与所述参照驾驶员不一致的置信度,Y为所述第一车内驾驶员的图像与所述参照驾驶员的图像进行比对的比对结果的准确度,a为所述多个第一车内驾驶员的图像与所述参照驾驶员的图像不一致的图像数量。
26.如权利要求14所述的驾驶员识别装置,其特征在于,当所述参照驾驶员的图像包括存储的驾驶员注册信息中的驾驶员图像,以及从获取的行车过程中的第二车内图像中检测出的第二车内照驾驶员的图像时,所述第一确定模块具体用于:
基于所述第一车内驾驶员的图像和驾驶员注册信息中的驾驶员图像,确定所述第一车内驾驶员与驾驶员注册信息中的驾驶员是否一致;
若所述第一车内驾驶员与驾驶员注册信息中的驾驶员不一致,基于所述第一车内驾驶员的图像和从第二车内图像中检测出的第二车内驾驶员的图像,确定所述第一车内驾驶员与从第二车内图像中检测出的第二车内驾驶员是否一致。
27.一种电子设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过所述总线通信,所述机器可读指令被所述处理器执行时执行如权利要求1至13中任一所述的驾驶员识别方法的步骤。
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上存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求1至13中任一所述的驾驶员识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811627047.5A CN111382617B (zh) | 2018-12-28 | 2018-12-28 | 一种驾驶员识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811627047.5A CN111382617B (zh) | 2018-12-28 | 2018-12-28 | 一种驾驶员识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111382617A CN111382617A (zh) | 2020-07-07 |
CN111382617B true CN111382617B (zh) | 2024-01-09 |
Family
ID=71217756
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811627047.5A Active CN111382617B (zh) | 2018-12-28 | 2018-12-28 | 一种驾驶员识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111382617B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106650567A (zh) * | 2016-08-31 | 2017-05-10 | 东软集团股份有限公司 | 一种安全带检测方法和装置 |
CN108423003A (zh) * | 2018-02-08 | 2018-08-21 | 深圳市芝麻开门电子科技有限公司 | 一种驾驶安全监控方法及系统 |
CN108898792A (zh) * | 2018-09-20 | 2018-11-27 | 深圳市特维视科技有限公司 | 驾驶员实时生物检测识别与安全预警系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9232178B2 (en) * | 2013-03-15 | 2016-01-05 | Intelmate Llc | Time-based multivariable secure facility alarm system |
CN105243838B (zh) * | 2015-11-09 | 2018-05-04 | 北京奇虎科技有限公司 | 车辆行驶安全监控方法和装置、系统 |
-
2018
- 2018-12-28 CN CN201811627047.5A patent/CN111382617B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106650567A (zh) * | 2016-08-31 | 2017-05-10 | 东软集团股份有限公司 | 一种安全带检测方法和装置 |
CN108423003A (zh) * | 2018-02-08 | 2018-08-21 | 深圳市芝麻开门电子科技有限公司 | 一种驾驶安全监控方法及系统 |
CN108898792A (zh) * | 2018-09-20 | 2018-11-27 | 深圳市特维视科技有限公司 | 驾驶员实时生物检测识别与安全预警系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111382617A (zh) | 2020-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6509361B2 (ja) | 駐車支援装置及び駐車支援方法 | |
CN111301280A (zh) | 一种危险状态识别方法及装置 | |
CN103727879A (zh) | 计算和显示在显示器图像中检测的物体高度的装置和方法 | |
DE102018113907A1 (de) | Fahrzeugzündsysteme und -verfahren | |
US20170132935A1 (en) | Vehicle managing method based on v2x and system thereof | |
CN111429329B (zh) | 一种网约车行为的监控方法及装置 | |
CN109278859B (zh) | 车辆安全控制方法、装置、设备及可读存储介质 | |
CN108230719A (zh) | 车辆故障处理方法和装置、系统 | |
CN112689587A (zh) | 考虑到在要求接管驾驶任务时驾驶员的非驾驶任务活动的可中断性而分类非驾驶任务活动的方法及因要求接管驾驶任务而中断非驾驶任务活动后重新释放非驾驶任务活动的方法 | |
CN111382617B (zh) | 一种驾驶员识别方法及装置 | |
CN109544935A (zh) | 智能车库停车控制方法、装置及存储介质 | |
CN112052780A (zh) | 人脸验证方法、装置、系统及存储介质 | |
CN109475306B (zh) | 生物信息储存系统以及车内生物信息储存装置 | |
CN110853184A (zh) | 车载计算信息的分析处理方法、装置、设备与存储介质 | |
CN107187420B (zh) | 无人驾驶汽车及其启动方法、计算机可读介质 | |
CN116633598A (zh) | 一种车辆的驾驶权限的移交方法及装置 | |
CN110053554A (zh) | 辅助驾驶方法、辅助驾驶装置及车载无人机 | |
CN109144070A (zh) | 移动设备辅助自动驾驶方法、汽车和存储介质 | |
CN114973450A (zh) | 驾驶评价装置以及驾驶评价方法 | |
US11508241B2 (en) | Parking area mapping using image-stream derived vehicle description and space information | |
JP6906574B2 (ja) | 車載装置及び車両管理システム | |
CN112839064A (zh) | 车辆的智能控制方法及装置 | |
CN109686101B (zh) | 停车控制方法及相关装置 | |
CN110758324A (zh) | 试驾控制方法及系统、车载智能设备、车辆、存储介质 | |
CN115520196B (zh) | 驾驶员的体重确定方法、装置、电子设备及存储介质 |
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 |