CN111489522A - 用于输出信息的方法、装置和系统 - Google Patents
用于输出信息的方法、装置和系统 Download PDFInfo
- Publication number
- CN111489522A CN111489522A CN202010471698.0A CN202010471698A CN111489522A CN 111489522 A CN111489522 A CN 111489522A CN 202010471698 A CN202010471698 A CN 202010471698A CN 111489522 A CN111489522 A CN 111489522A
- Authority
- CN
- China
- Prior art keywords
- information
- users
- vehicle
- alarm
- text information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000013136 deep learning model Methods 0.000 claims abstract description 34
- 230000002159 abnormal effect Effects 0.000 claims abstract description 14
- 230000008451 emotion Effects 0.000 claims description 35
- 238000004458 analytical method Methods 0.000 claims description 23
- 230000008909 emotion recognition Effects 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 230000002996 emotional effect Effects 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 6
- 230000005856 abnormality Effects 0.000 claims description 2
- 239000000758 substrate Substances 0.000 claims 1
- 230000001960 triggered effect Effects 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 206010044565 Tremor Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
- 230000002618 waking effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
- G08B25/016—Personal emergency signalling and security systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Emergency Management (AREA)
- Business, Economics & Management (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Traffic Control Systems (AREA)
- Emergency Alarm Devices (AREA)
- Alarm Systems (AREA)
- Telephonic Communication Services (AREA)
Abstract
本公开的实施例公开了用于输出信息的方法、装置和系统。该系统包括：车辆，被配置成通过车内位于不同位置的至少2个音频采集设备，分别采集音频数据并进行回声消除；将回声消除后的数据分别输入至少2个语音识别引擎，进行语音识别，得到至少2个用户的文本信息；将至少2个音频采集设备的位置和对应的至少2个用户的文本信息上传至服务端；服务端，被配置成接收车辆上传的至少2个音频采集设备的位置和对应的至少2个用户的文本信息；根据至少2个音频采集设备的位置将2个用户的文本信息组成对话流；将对话流输入预先训练的深度学习模型，得到对话异常的概率；若概率高于预定第一阈值，则触发报警。该实施方式实现了车载智能报警。
Description
技术领域
本公开的实施例涉及车联网技术领域，具体涉及用于输出信息的方法、装置和系统。
背景技术
当前网约车安全事故频发，网约车基数大，违法事故发生无预兆，网约车平台安全技术手段有限，且存在严重的滞后性，导致事故发生即使受害人有警惕并报警，也存在接警滞后，处理难的问题。
目前网约车平台的事故异常处理机制为在受害人提前感受到威胁时通过手机APP端的紧急联系人或求救电话，接通通话或发短信到联系人平台；基于此机制，一方面在违法犯罪活动发生时，受害人受限于当时的环境，无法正常用手机进行求助或报警，另一方面紧急联系人接收到求救电话或信息后报警并联系网约平台获取出事车辆的位置信息，需平台提供涉事车辆的位置及车辆特征便于公安出警处置。
现有的车载智能报警方案通过开启车载系统的摄像头，捕捉前排人物图像信息，通过图像分析来检测安全隐患场景，从而达到智能报警的措施。
但现有的智能报警系统依赖于车机摄像头，必须先开启车机摄像头，才能够捕捉到人物图像信息，而危险场景下是不可能及时开启摄像头的。开启摄像头后，整个车机界面都是摄像画面，易被察觉，易被关闭，关闭摄像头后，报警系统会立即失效。
发明内容
本公开的实施例提出了用于输出信息的方法、装置和系统。
第一方面，本公开的实施例提供了一种用于输出信息的方法，包括：通过车内位于不同位置的至少2个音频采集设备，分别采集音频数据；对所采集的至少2路音频数据进行回声消除；将回声消除后的数据分别输入至少2个语音识别引擎，进行语音识别，得到至少2个用户的文本信息；将至少2个音频采集设备的位置和对应的至少2个用户的文本信息上传至服务端，以供服务端通过预先训练的深度学习模型，进行文本信息分析，若分析结果满足报警条件，则输出报警信息。
在一些实施例中，该方法还包括：将回声消除后的数据分别输入至少2个情绪识别引擎，进行情绪识别，得到至少2个用户的情绪信息；将至少2个音频采集设备的位置、对应的至少2个用户的文本信息、至少2个用户的情绪信息上传至服务端，以供服务端通过预先训练的深度学习模型，进行文本信息和情绪分析，若分析结果满足报警条件，则输出报警信息。
第二方面，本公开的实施例提供了一种用于输出信息的方法，包括：接收车辆上传的至少2个音频采集设备的位置和对应的至少2个用户的文本信息；根据至少2个音频采集设备的位置将2个用户的文本信息组成对话流；将对话流输入预先训练的深度学习模型，得到对话异常的概率；若概率高于预定第一阈值，则触发报警。
在一些实施例中，该方法还包括：获取车辆的属性信息和位置信息；根据位置信息查找距离车辆最近的交警；将车辆的属性信息和位置信息发送给交警。
在一些实施例中，该方法还包括：接收至少2个用户的情绪信息；若对话异常的概率小于预定第二阈值且乘客的情绪信息中包括恐惧情绪，则触发报警。
在一些实施例中，该方法还包括：响应于检测到车辆的音频采集设备的电路连接断开，触发报警。
在一些实施例中，该方法还包括：定时向车辆发送测试问题供乘客回答；若在预定的时间内未收到经深度学习模型判定正常的答复信息，则触发报警。
第三方面，本公开的实施例提供了一种用于输出信息的装置，包括：音频采集单元，被配置成通过车内位于不同位置的至少2个音频采集设备，分别采集音频数据；回声消除单元，被配置成对所采集的至少2路音频数据进行回声消除；语音识别单元，被配置成将回声消除后的数据分别输入至少2个语音识别引擎，进行语音识别，得到至少2个用户的文本信息；信息上传单元，被配置成将至少2个音频采集设备的位置和对应的至少2个用户的文本信息上传至服务端，以供服务端通过预先训练的深度学习模型，进行文本信息分析，若分析结果满足报警条件，则输出报警信息。
在一些实施例中，该装置还包括情绪识别单元，被配置成：将回声消除后的数据分别输入至少2个情绪识别引擎，进行情绪识别，得到至少2个用户的情绪信息；信息上传单元进一步被配置成将至少2个音频采集设备的位置、对应的至少2个用户的文本信息、至少2个用户的情绪信息上传至服务端，以供服务端通过预先训练的深度学习模型，进行文本信息和情绪分析，若分析结果满足报警条件，则输出报警信息。
第四方面，本公开的实施例提供了一种用于输出信息的装置，包括：接收单元，被配置成接收车辆上传的至少2个音频采集设备的位置和对应的至少2个用户的文本信息；文本拼接单元，被配置成根据至少2个音频采集设备的位置将2个用户的文本信息组成对话流；对话识别单元，被配置成将对话流输入预先训练的深度学习模型，得到对话异常的概率；报警单元，被配置成若概率高于预定第一阈值，则触发报警。
在一些实施例中，报警单元进一步被配置成：获取车辆的属性信息和位置信息；根据位置信息查找距离车辆最近的交警；将车辆的属性信息和位置信息发送给交警。
在一些实施例中，接收单元进一步被配置成接收至少2个用户的情绪信息；报警单元进一步被配置成若对话异常的概率小于预定第二阈值且乘客的情绪信息中包括恐惧情绪，则触发报警。
在一些实施例中，报警单元进一步被配置成：响应于检测到车辆的音频采集设备的电路连接断开，触发报警。
在一些实施例中，报警单元进一步被配置成：定时向车辆发送测试问题供乘客回答；若在预定的时间内未收到经深度学习模型判定正常的答复信息，则触发报警。
第五方面，本公开的实施例提供了一种用于输出信息的系统，包括：车辆，被配置成通过车内位于不同位置的至少2个音频采集设备，分别采集音频数据；对所采集的至少2路音频数据进行回声消除；将回声消除后的数据分别输入至少2个语音识别引擎，进行语音识别，得到至少2个用户的文本信息；将至少2个音频采集设备的位置和对应的至少2个用户的文本信息上传至服务端；服务端，被配置成接收车辆上传的至少2个音频采集设备的位置和对应的至少2个用户的文本信息；根据至少2个音频采集设备的位置将2个用户的文本信息组成对话流；将对话流输入预先训练的深度学习模型，得到对话异常的概率；若概率高于预定第一阈值，则触发报警。
第六方面，本公开的实施例提供了一种用于输出信息的电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面和第二方面中任一的方法。
第七方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面和第二方面中任一的方法。
本发明主要对于车载场景中人身安全问题，做有效实时语音监控，通过监控车载场景下用户语音对话，获取用户对话内容，提前预测危险，并及时做预防措施，解决车载出行场景下的诸多安全隐患问题。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：
图1是本公开的一个实施例可以应用于其中的示例性系统架构图；
图2是根据本公开的用于输出信息的方法的一个实施例的流程图；
图3是根据本公开的用于输出信息的方法的又一个实施例的流程图；
图4是根据本公开的用于输出信息的方法的一个应用场景的示意图；
图5是根据本公开的用于输出信息的装置的一个实施例的结构示意图；
图6是根据本公开的用于输出信息的装置的又一个实施例的结构示意图；
图7是适于用来实现本公开的实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的用于输出信息的方法或用于输出信息的装置的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括车辆101、网络102、服务器103，其中车辆101上安装有音频采集设备1011、1012、1013、1014，还安装有控制器1015。该控制器1015可执行步骤201-205。网络102用以在车辆101和服务器103之间提供通信链路的介质。网络102可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
乘客可以使用车辆101通过网络102与服务器103交互，以接收或发送消息等。车辆101上可安装有多个音频采集设备。车辆101可以在检测到语音后本地进行语音识别。每个音频采集设备可接收一路音频数据，每路音频数据由一个语音识别引擎进行语音识别，这样每个音频采集设备对应一个用户的文本信息。可根据音频采集设备的位置确定该路音频数据对应用户的身份，例如，驾驶位置附近采集的语音进行语音识别后得到的文本信息属于司机。
车辆101上安装的音频采集设备的数量不限于2个。也可以是3个或更多。安装多个音频采集设备的目的主要是为了识别出说话者的位置，从而判断司机是否对乘客构成威胁。音频采集设备的数量可与车量最大载客数一致。
服务器103可以是提供各种服务的服务器，例如对车辆101上传的语音识别结果提供文本分析的报警服务器。报警服务器上可安装神经网络模型，用于将接收到的文本信息根据用户身份拼接成对话流，然后通过神经网络模型判断对话是否满足报警条件。如果满足报警条件，则触发报警，通知车辆附近的交警该车辆的位置信息和属性信息(车牌、车型、车主身份信息、电话等)。
需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是，本公开的实施例所提供的用于输出信息的方法一般由车辆101和服务器103执行，相应地，用于输出信息的装置一般设置于车辆101和服务器103中。一台服务器可服务于多辆车，它们组成报警系统。
应该理解，图1中的车辆、网络、服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的车辆、网络、服务器。
继续参考图2，示出了根据本公开的用于输出信息的方法的一个实施例的流程200。该用于输出信息的方法，应用于车辆，包括以下步骤：
步骤201，通过车内位于不同位置的至少2个音频采集设备，分别采集音频数据。
在本实施例中，用于输出信息的方法的执行主体(例如图1所示的车辆)通过车内位于不同位置的至少2个音频采集设备，分别采集音频数据。音频采集设备可以包括麦克风、拾音器、录音机等用于采集音频的设备。每个音频采集设备采集一路数据。音频采集设备安装在座椅旁边，可采集坐在该座椅上的用户的语音。通过音频采集设备的位置即可判断所采集的音频数据属于哪个用户。2个音频采集设备之一是司机使用的音频采集设备。其它音频采集设备给乘客使用。一般可设置4个音频采集设备，如图1所示。
步骤202，对所采集的至少2路音频数据进行回声消除。
在本实施例中，针对回声消除(Acoustic Echo Cancellation，AEC)问题，现如今最流行的算法就是基于自适应滤波的回声消除算法。使用不同的自适应滤波算法调整滤波器的权值向量，估计一个近似的回声路径来逼近真实回声路径，从而得到估计的回声信号，并在纯净语音和回声的混合信号中除去此信号来实现回声的消除。
步骤203，将回声消除后的数据分别输入至少2个语音识别引擎，进行语音识别，得到至少2个用户的文本信息。
在本实施例中，每个音频采集设备对应一个语音识别引擎。语音识别引擎采用语音识别技术，也被称为自动语音识别Automatic Speech Recognition，(ASR)，其目标是将人类的语音中的词汇内容转换为计算机可读的输入，例如按键、二进制编码或者字符序列。在本公开的方案中，不需要进行唤醒就开始进行语音识别。
步骤204，将至少2个音频采集设备的位置和对应的至少2个用户的文本信息上传至服务端，以供服务端通过预先训练的深度学习模型，进行文本信息分析，若分析结果满足报警条件，则输出报警信息。
在本实施例中，可在检测到语音尾点后开始识别文本信息，然后上传到服务端，也可实时进行语音识别并将识别结果实时上传。每个用户的音频数据的语音识别结果可分别通过不同的发射装置上传，也可共用一个发射装置，将多个用户的文本信息打成一包上传。为了节省资源，还可分时上报不同用户的文本信息。上报的文本信息携带了音频采集设备位置标识，服务端可用它来判断接收到的文本信息是谁说的话。如果分时上报文本信息时资源冲突，则可优先上报乘客的文本信息，再上报司机的文本信息。如果分时上报，则需要打上时间标签，以区分对话的时间顺序。
文本信息上报到服务端之后，由服务端通过预先训练的深度学习模型，进行文本信息分析，若分析结果满足报警条件，则输出报警信息。
在本实施例的一些可选的实现方式中，该方法还包括：将回声消除后的数据分别输入至少2个情绪识别引擎，进行情绪识别，得到至少2个用户的情绪信息；将至少2个音频采集设备的位置、对应的至少2个用户的文本信息、至少2个用户的情绪信息上传至服务端，以供服务端通过预先训练的深度学习模型，进行文本信息和情绪分析，若分析结果满足报警条件，则输出报警信息。情绪识别引擎可以是神经网络的分类器，通过提取声音特征，判断用户的情绪，例如，紧张、恐惧、高兴、悲伤等，通常感受到恐惧的用户的声音会发抖。为了简化训练过程，可使用二分类器，识别出用户的情绪为恐惧的概率即可。训练时将感受到恐惧的用户的声音作为正样本进行训练。
如果乘客受胁迫按司机要求进行正常对话，靠语音识别出的文本信息根本没法判断是否异常。识别出情绪信息是为了弥补语音识别出的文本信息无法表达用户的精神状态。如果文本信息正常，而乘客的情绪异常，则司机很可能是胁迫乘客进行正常对话，以骗过语音监控。
进一步参考图3，其示出了用于输出信息的方法的又一个实施例的流程300。该用于输出信息的方法的流程300，应用于服务端，包括以下步骤：
步骤301，接收车辆上传的至少2个音频采集设备的位置和对应的至少2个用户的文本信息。
在本实施例中，用于输出信息的方法的执行主体(例如图1所示的服务端)通过无线连接接收车辆上传的至少2个音频采集设备的位置和对应的至少2个用户的文本信息。
步骤302，根据至少2个音频采集设备的位置将2个用户的文本信息组成对话流。
在本实施例中，可根据接收到文本信息对应的位置区分出文本信息所属的用户。再根据接收到文本信息的时间将不同用户所说的话拼接成完整的对话。如果车辆是分时上报文本信息，则会打上时间戳，服务端根据时间戳来拼接对话流。
步骤303，将对话流输入预先训练的深度学习模型，得到对话异常的概率。
在本实施例中，可采用历史案件的对话信息作为训练样本来训练该深度学习模型。历史案件中记录了司机和受害者的对话记录(抓获司机后的问讯记录)，将其作为正样本进行有监督的训练。训练得到的深度学习模型可根据输入的对话流得到对话异常的概率。
步骤304，若概率高于预定第一阈值，则触发报警。
在本实施例中，如果对话异常的概率高于预定第一阈值，则触发报警。触发报警的过程包括拨打110电话，告知可疑车辆的位置和属性信息(车型、颜色、车主信息等)。还可根据位置信息查找距离车辆最近的交警；将车辆的属性信息和位置信息发送给交警。
在本实施例的一些可选的实现方式中，该方法还包括：接收至少2个用户的情绪信息；若对话异常的概率小于预定第二阈值且乘客的情绪信息中包括恐惧情绪，则触发报警。通过音频采集设备的位置可确定出接收到的语音是司机的还是乘客的，从而识别出至少2个用户的情绪信息中哪个情绪信息是乘客的。情绪信息可包括恐惧情绪、紧张情绪、激动情绪等。还可通过情绪信息对收到的文本信息进一步校验。虽然文本信息看不出问题，但不能排除乘客被司机胁迫，因此需要通过声音特征判断乘客的情绪是否正常，如果在恐惧的情况下还能完整对话，就非常可疑，需要报警。第二阈值可小于等于第一阈值。
在本实施例的一些可选的实现方式中，该方法还包括：响应于检测到车辆的音频采集设备的电路连接断开，触发报警。音频采集设备的电路断开说明音频采集设备被拆除。本公开能够正常运行的前提条件是音频采集设备都正常使用。因此需要对音频采集设备进行一些检测，防止被司机拆掉。如果在没得到运营商授权的情况下拆除音频采集设备则报警。
在本实施例的一些可选的实现方式中，该方法还包括：定时向车辆发送测试问题供乘客回答；若在预定的时间内未收到经深度学习模型判定正常的答复信息，则触发报警。如果一直监听不到车内的对话就无法判断是乘客不想说话还是司机让乘客无法说话，因此需要定时发一些测试问题，让乘客回答，以确定乘客是否安全。如果一段时间乘客没有回答，或者回答后通过语音识别解析的结果经深度学习模型判定为异常，则触发报警。
继续参见图4，图4是根据本实施例的用于输出信息的方法的应用场景的一个示意图。在图4的应用场景中，乘客上车后坐在司机的后方，离他最近的音频采集设备会采集乘客的语音。司机旁边的音频采集设备采集司机的语音。然后两个人的语音分别被语音识别引擎识别，得到2段文本信息。车辆将这2段文本信息发到服务端。服务端根据音频采集设备的位置确定出哪段文本信息是司机说的，哪段文本信息是乘客说的。然后根据接收到的时间，将两段文本信息拼成对话。最后将对话输入预先训练好的深度学习模型，判断对话异常的概率。如果高于预定第一阈值，则触发报警。
本公开的上述实施例提供的方法具备以下优点：
1增加车辆安全属性，丰富车企安全技术解决方案。
2在汽车衍生运输服务行业中，如出租车、网约车等行业，搭载该解决方案的车辆，能够提高乘客的安全保障。
3通过检测用户的对话内容，可以优化车机的相关推荐服务，为用户推荐更为感兴趣新闻消息，为用户推荐内容更优质的文章或产品。
进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种用于输出信息的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的用于输出信息的装置500包括：音频采集单元501、回声消除单元502、语音识别单元503和信息上传单元504。其中，音频采集单元501，被配置成通过车内位于不同位置的至少2个音频采集设备，分别采集音频数据；回声消除单元502，被配置成对所采集的至少2路音频数据进行回声消除；语音识别单元503，被配置成将回声消除后的数据分别输入至少2个语音识别引擎，进行语音识别，得到至少2个用户的文本信息；信息上传单元504，被配置成将至少2个音频采集设备的位置和对应的至少2个用户的文本信息上传至服务端，以供服务端通过预先训练的深度学习模型，进行文本信息分析，若分析结果满足报警条件，则输出报警信息。
在本实施例中，用于输出信息的装置500的音频采集单元501、回声消除单元502、语音识别单元503和信息上传单元504的具体处理可以参考图2对应实施例中的步骤201、步骤202、步骤203、步骤204。
在本实施例的一些可选的实现方式中，装置500还包括情绪识别单元，被配置成：将回声消除后的数据分别输入至少2个情绪识别引擎，进行情绪识别，得到至少2个用户的情绪信息；信息上传单元进一步被配置成将至少2个音频采集设备的位置、对应的至少2个用户的文本信息、至少2个用户的情绪信息上传至服务端，以供服务端通过预先训练的深度学习模型，进行文本信息和情绪分析，若分析结果满足报警条件，则输出报警信息。
进一步参考图6，作为对上述各图所示方法的实现，本公开提供了一种用于输出信息的装置的一个实施例，该装置实施例与图3所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图6所示，本实施例的用于输出信息的装置600包括：接收单元601、文本拼接单元602、对话识别单元603、报警单元604。其中，接收单元601，被配置成接收车辆上传的至少2个音频采集设备的位置和对应的至少2个用户的文本信息；文本拼接单元602，被配置成根据至少2个音频采集设备的位置将2个用户的文本信息组成对话流；对话识别单元603，被配置成将对话流输入预先训练的深度学习模型，得到对话异常的概率；报警单元604，被配置成若概率高于预定第一阈值，则触发报警。
在本实施例中，用于输出信息的装置600的接收单元601、文本拼接单元602、对话识别单元603、报警单元604的具体处理可以参考图2对应实施例中的步骤201、步骤202、步骤203、步骤204。
在本实施例的一些可选的实现方式中，报警单元604进一步被配置成：获取车辆的属性信息和位置信息；根据位置信息查找距离车辆最近的交警；将车辆的属性信息和位置信息发送给交警。
在本实施例的一些可选的实现方式中，接收单元601进一步被配置成接收至少2个用户的情绪信息；报警单元604进一步被配置成若对话异常的概率小于预定第二阈值且乘客的情绪信息中包括恐惧情绪，则触发报警。
在本实施例的一些可选的实现方式中，报警单元604进一步被配置成：响应于检测到车辆的音频采集设备的电路连接断开，触发报警。
在本实施例的一些可选的实现方式中，报警单元604进一步被配置成：定时向车辆发送测试问题供乘客回答；若在预定的时间内未收到经深度学习模型判定正常的答复信息，则触发报警。
下面参考图7，其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器或车辆控制器)700的结构示意图。图7示出的车辆控制器/服务器仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图7所示，电子设备700可以包括处理装置(例如中央处理器、图形处理器等)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储装置708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有电子设备700操作所需的各种程序和数据。处理装置701、ROM 702以及RAM703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
通常，以下装置可以连接至I/O接口705：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、音频采集设备、加速度计、陀螺仪等的输入装置706；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置707；包括例如磁带、硬盘等的存储装置708；以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备700，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图7中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置709从网络上被下载和安装，或者从存储装置708被安装，或者从ROM 702被安装。在该计算机程序被处理装置701执行时，执行本公开的实施例的方法中限定的上述功能。需要说明的是，本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：通过车内位于不同位置的至少2个音频采集设备，分别采集音频数据；对所采集的至少2路音频数据进行回声消除；将回声消除后的数据分别输入至少2个语音识别引擎，进行语音识别，得到至少2个用户的文本信息；将至少2个音频采集设备的位置和对应的至少2个用户的文本信息上传至服务端，以供服务端通过预先训练的深度学习模型，进行文本信息分析，若分析结果满足报警条件，则输出报警信息。或者使得该电子设备：接收车辆上传的至少2个音频采集设备的位置和对应的至少2个用户的文本信息；根据至少2个音频采集设备的位置将2个用户的文本信息组成对话流；将对话流输入预先训练的深度学习模型，得到对话异常的概率；若概率高于预定第一阈值，则触发报警。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括音频采集单元、回声消除单元、语音识别单元和信息上传单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，音频采集单元还可以被描述为“通过车内位于不同位置的至少2个音频采集设备，分别采集音频数据的单元”。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (17)
1.一种用于输出信息的方法，包括：
通过车内位于不同位置的至少2个音频采集设备，分别采集音频数据；
对所采集的至少2路音频数据进行回声消除；
将回声消除后的数据分别输入至少2个语音识别引擎，进行语音识别，得到至少2个用户的文本信息；
将所述至少2个音频采集设备的位置和对应的至少2个用户的文本信息上传至服务端，以供服务端通过预先训练的深度学习模型，进行文本信息分析，若分析结果满足报警条件，则输出报警信息。
2.根据权利要求1所述的方法，其中，所述方法还包括：
将回声消除后的数据分别输入至少2个情绪识别引擎，进行情绪识别，得到至少2个用户的情绪信息；
将所述至少2个音频采集设备的位置、对应的至少2个用户的文本信息、至少2个用户的情绪信息上传至服务端，以供服务端通过预先训练的深度学习模型，进行文本信息和情绪分析，若分析结果满足报警条件，则输出报警信息。
3.一种用于输出信息的方法，包括：
接收车辆上传的至少2个音频采集设备的位置和对应的至少2个用户的文本信息；
根据所述至少2个音频采集设备的位置将2个用户的文本信息组成对话流；
将所述对话流输入预先训练的深度学习模型，得到对话异常的概率；
若所述概率高于预定第一阈值，则触发报警。
4.根据权利要求3所述的方法，所述方法还包括：
获取所述车辆的属性信息和位置信息；
根据所述位置信息查找距离所述车辆最近的交警；
将所述车辆的属性信息和位置信息发送给所述交警。
5.根据权利要求3所述的方法，所述方法还包括：
接收至少2个用户的情绪信息；
若对话异常的概率小于预定第二阈值且乘客的情绪信息中包括恐惧情绪，则触发报警。
6.根据权利要求3所述的方法，所述方法还包括：
响应于检测到所述车辆的音频采集设备的电路连接断开，触发报警。
7.根据权利要求3所述的方法，所述方法还包括：
定时向所述车辆发送测试问题供乘客回答；
若在预定的时间内未收到经所述深度学习模型判定正常的答复信息，则触发报警。
8.一种用于输出信息的装置，包括：
音频采集单元，被配置成通过车内位于不同位置的至少2个音频采集设备，分别采集音频数据；
回声消除单元，被配置成对所采集的至少2路音频数据进行回声消除；
语音识别单元，被配置成将回声消除后的数据分别输入至少2个语音识别引擎，进行语音识别，得到至少2个用户的文本信息；
信息上传单元，被配置成将所述至少2个音频采集设备的位置和对应的至少2个用户的文本信息上传至服务端，以供服务端通过预先训练的深度学习模型，进行文本信息分析，若分析结果满足报警条件，则输出报警信息。
9.根据权利要求8所述的装置，其中，所述装置还包括情绪识别单元，被配置成：
将回声消除后的数据分别输入至少2个情绪识别引擎，进行情绪识别，得到至少2个用户的情绪信息；
所述信息上传单元进一步被配置成将所述至少2个音频采集设备的位置、对应的至少2个用户的文本信息、至少2个用户的情绪信息上传至服务端，以供服务端通过预先训练的深度学习模型，进行文本信息和情绪分析，若分析结果满足报警条件，则输出报警信息。
10.一种用于输出信息的装置，包括：
接收单元，被配置成接收车辆上传的至少2个音频采集设备的位置和对应的至少2个用户的文本信息；
文本拼接单元，被配置成根据所述至少2个音频采集设备的位置将2个用户的文本信息组成对话流；
对话识别单元，被配置成将所述对话流输入预先训练的深度学习模型，得到对话异常的概率；
报警单元，被配置成若所述概率高于预定第一阈值，则触发报警。
11.根据权利要求10所述的装置，所述报警单元进一步被配置成：
获取所述车辆的属性信息和位置信息；
根据所述位置信息查找距离所述车辆最近的交警；
将所述车辆的属性信息和位置信息发送给所述交警。
12.根据权利要求10所述的装置，
所述接收单元进一步被配置成接收至少2个用户的情绪信息；
所述报警单元进一步被配置成若对话异常的概率小于预定第二阈值且乘客的情绪信息中包括恐惧情绪，则触发报警。
13.根据权利要求10所述的装置，所述报警单元进一步被配置成：
响应于检测到所述车辆的音频采集设备的电路连接断开，触发报警。
14.根据权利要求10所述的装置，所述报警单元进一步被配置成：
定时向所述车辆发送测试问题供乘客回答；
若在预定的时间内未收到经所述深度学习模型判定正常的答复信息，则触发报警。
15.一种用于输出信息的系统，包括：
车辆，被配置成通过车内位于不同位置的至少2个音频采集设备，分别采集音频数据；对所采集的至少2路音频数据进行回声消除；将回声消除后的数据分别输入至少2个语音识别引擎，进行语音识别，得到至少2个用户的文本信息；将所述至少2个音频采集设备的位置和对应的至少2个用户的文本信息上传至服务端；
服务端，被配置成接收车辆上传的至少2个音频采集设备的位置和对应的至少2个用户的文本信息；根据所述至少2个音频采集设备的位置将2个用户的文本信息组成对话流；将所述对话流输入预先训练的深度学习模型，得到对话异常的概率；若所述概率高于预定第一阈值，则触发报警。
16.一种用于输出信息的电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
17.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010471698.0A CN111489522A (zh) | 2020-05-29 | 2020-05-29 | 用于输出信息的方法、装置和系统 |
| JP2021053715A JP7160454B2 (ja) | 2020-05-29 | 2021-03-26 | 情報を出力するための方法、装置及びシステム、電子デバイス、コンピュータ可読記憶媒体及びコンピュータプログラム |
| KR1020210041794A KR20210042860A (ko) | 2020-05-29 | 2021-03-31 | 정보 출력 방법, 장치 및 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010471698.0A CN111489522A (zh) | 2020-05-29 | 2020-05-29 | 用于输出信息的方法、装置和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111489522A true CN111489522A (zh) | 2020-08-04 |
Family
ID=71792443
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010471698.0A Pending CN111489522A (zh) | 2020-05-29 | 2020-05-29 | 用于输出信息的方法、装置和系统 |
Country Status (3)
| Country | Link |
|---|---|
| JP (1) | JP7160454B2 (zh) |
| KR (1) | KR20210042860A (zh) |
| CN (1) | CN111489522A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022082453A1 (en) * | 2020-10-20 | 2022-04-28 | Beijing Didi Infinity Technology And Development Co., Ltd. | Artificial intelligence system for transportation service related safety issues detection based on machine learning |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113470696A (zh) * | 2021-07-01 | 2021-10-01 | 首约科技(北京)有限公司 | 通过实时音频流分析解决司乘安全及提升服务质量的方法 |
| CN114582105B (zh) * | 2022-03-01 | 2024-09-13 | 福建环宇通信息科技股份公司 | 一种窗口监测方法 |
| CN116721678B (zh) * | 2022-09-29 | 2024-07-05 | 荣耀终端有限公司 | 音频数据的监测方法、电子设备以及介质 |
| CN115762020A (zh) * | 2022-11-07 | 2023-03-07 | 方安(浙江)应急管理技术有限公司 | 一种高速智能消防报警救援系统 |
| CN117966313B (zh) * | 2024-03-28 | 2024-06-07 | 四川中兴纺织有限责任公司 | 一种纺织设备监控系统及方法 |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102881063A (zh) * | 2012-09-28 | 2013-01-16 | 北京经纬恒润科技有限公司 | 一种高频接收分时处理的方法及装置 |
| CN106603367A (zh) * | 2017-02-28 | 2017-04-26 | 北京艾利特科技有限公司 | 一种用于时间同步的can总线通信方法 |
| EP3200187A1 (en) * | 2016-01-28 | 2017-08-02 | Flex Ltd. | Human voice feedback system |
| CN107240405A (zh) * | 2017-06-14 | 2017-10-10 | 深圳市冠旭电子股份有限公司 | 一种音箱及告警方法 |
| CN108053625A (zh) * | 2017-12-06 | 2018-05-18 | 新华三技术有限公司 | 一种报警方法和装置 |
| CN108630193A (zh) * | 2017-03-21 | 2018-10-09 | 北京嘀嘀无限科技发展有限公司 | 语音识别方法及装置 |
| CN108922564A (zh) * | 2018-06-29 | 2018-11-30 | 北京百度网讯科技有限公司 | 情绪识别方法、装置、计算机设备及存储介质 |
| CN108986430A (zh) * | 2018-09-13 | 2018-12-11 | 苏州工业职业技术学院 | 基于语音识别的网约车安全预警方法和系统 |
| CN109167615A (zh) * | 2018-08-16 | 2019-01-08 | 江苏林洋能源股份有限公司 | 一种基于g3-plc通信网络的上下行分时通信的方法 |
| CN109448317A (zh) * | 2018-12-26 | 2019-03-08 | 上海理工大学 | 出租车自动报警系统 |
| CN109920405A (zh) * | 2019-03-05 | 2019-06-21 | 百度在线网络技术（北京）有限公司 | 多路语音识别方法、装置、设备及可读存储介质 |
| CN110083643A (zh) * | 2019-05-20 | 2019-08-02 | 广州国联智慧信息技术有限公司 | 一种基于身份识别和安全监管的行车记录分析系统及方法 |
| CN110580799A (zh) * | 2019-06-19 | 2019-12-17 | 四川鼎鸿物联网科技有限公司 | 一种出租车网约车驾乘人员言行自动预判报警系统 |
| CN209928582U (zh) * | 2019-05-20 | 2020-01-10 | 宁波纷享安行智能科技有限公司 | 一种汽车报警装置以及汽车 |
| CN110718040A (zh) * | 2019-09-04 | 2020-01-21 | 上海博泰悦臻电子设备制造有限公司 | 车内环境监控方法、系统、服务器、终端及存储介质 |
| CN111145759A (zh) * | 2019-12-27 | 2020-05-12 | 周洋 | 一种出行业用基于声纹特征识别的语音报警系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4609527B2 (ja) * | 2008-06-03 | 2011-01-12 | 株式会社デンソー | 自動車用情報提供システム |
| JP2014170154A (ja) * | 2013-03-05 | 2014-09-18 | Panasonic Corp | 車内会話支援装置 |
| CN109285548A (zh) * | 2017-07-19 | 2019-01-29 | 阿里巴巴集团控股有限公司 | 信息处理方法、系统、电子设备、和计算机存储介质 |
-
2020
- 2020-05-29 CN CN202010471698.0A patent/CN111489522A/zh active Pending
-
2021
- 2021-03-26 JP JP2021053715A patent/JP7160454B2/ja active Active
- 2021-03-31 KR KR1020210041794A patent/KR20210042860A/ko not_active Application Discontinuation
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102881063A (zh) * | 2012-09-28 | 2013-01-16 | 北京经纬恒润科技有限公司 | 一种高频接收分时处理的方法及装置 |
| EP3200187A1 (en) * | 2016-01-28 | 2017-08-02 | Flex Ltd. | Human voice feedback system |
| CN106603367A (zh) * | 2017-02-28 | 2017-04-26 | 北京艾利特科技有限公司 | 一种用于时间同步的can总线通信方法 |
| CN108630193A (zh) * | 2017-03-21 | 2018-10-09 | 北京嘀嘀无限科技发展有限公司 | 语音识别方法及装置 |
| CN107240405A (zh) * | 2017-06-14 | 2017-10-10 | 深圳市冠旭电子股份有限公司 | 一种音箱及告警方法 |
| CN108053625A (zh) * | 2017-12-06 | 2018-05-18 | 新华三技术有限公司 | 一种报警方法和装置 |
| CN108922564A (zh) * | 2018-06-29 | 2018-11-30 | 北京百度网讯科技有限公司 | 情绪识别方法、装置、计算机设备及存储介质 |
| CN109167615A (zh) * | 2018-08-16 | 2019-01-08 | 江苏林洋能源股份有限公司 | 一种基于g3-plc通信网络的上下行分时通信的方法 |
| CN108986430A (zh) * | 2018-09-13 | 2018-12-11 | 苏州工业职业技术学院 | 基于语音识别的网约车安全预警方法和系统 |
| CN109448317A (zh) * | 2018-12-26 | 2019-03-08 | 上海理工大学 | 出租车自动报警系统 |
| CN109920405A (zh) * | 2019-03-05 | 2019-06-21 | 百度在线网络技术（北京）有限公司 | 多路语音识别方法、装置、设备及可读存储介质 |
| CN110083643A (zh) * | 2019-05-20 | 2019-08-02 | 广州国联智慧信息技术有限公司 | 一种基于身份识别和安全监管的行车记录分析系统及方法 |
| CN209928582U (zh) * | 2019-05-20 | 2020-01-10 | 宁波纷享安行智能科技有限公司 | 一种汽车报警装置以及汽车 |
| CN110580799A (zh) * | 2019-06-19 | 2019-12-17 | 四川鼎鸿物联网科技有限公司 | 一种出租车网约车驾乘人员言行自动预判报警系统 |
| CN110718040A (zh) * | 2019-09-04 | 2020-01-21 | 上海博泰悦臻电子设备制造有限公司 | 车内环境监控方法、系统、服务器、终端及存储介质 |
| CN111145759A (zh) * | 2019-12-27 | 2020-05-12 | 周洋 | 一种出行业用基于声纹特征识别的语音报警系统 |
Non-Patent Citations (1)
| Title |
|---|
| 季昱: "《DSP嵌入式应用系统开发典型实例》", 30 November 2005 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022082453A1 (en) * | 2020-10-20 | 2022-04-28 | Beijing Didi Infinity Technology And Development Co., Ltd. | Artificial intelligence system for transportation service related safety issues detection based on machine learning |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2021182131A (ja) | 2021-11-25 |
| JP7160454B2 (ja) | 2022-10-25 |
| KR20210042860A (ko) | 2021-04-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111489522A (zh) | 用于输出信息的方法、装置和系统 | |
| CN109902575B (zh) | 基于无人驾驶车辆的防拐卖方法、装置及相关设备 | |
| CN109584008B (zh) | 基于语音识别的网约车异常驾驶环境监督系统及方法 | |
| US9392431B2 (en) | Automatic vehicle crash detection using onboard devices | |
| US9290145B2 (en) | Detecting a transport emergency event and directly enabling emergency services | |
| CN111063162A (zh) | 静默报警方法、装置、计算机设备和存储介质 | |
| WO2020197945A1 (en) | Safety for vehicle users | |
| US8368754B2 (en) | Video pattern recognition for automating emergency service incident awareness and response | |
| CN110706700B (zh) | 一种车内骚扰预防报警方法及装置、服务器、存储介质 | |
| EP3675121A2 (en) | Two-way in-vehicle virtual personal assistant | |
| CN110379126B (zh) | 载客运营车辆监管系统及设备、介质 | |
| CN110544360B (zh) | 一种列车安全驾驶监测系统及方法 | |
| CN110213516A (zh) | 车载视频录制处理方法、装置、存储介质及电子装置 | |
| CN111598368B (zh) | 基于行程结束后停留异常的风险识别方法、系统及装置 | |
| CN110525456B (zh) | 一种列车安全驾驶监测系统及方法 | |
| CN107871297A (zh) | 行程中的安全监测方法及装置 | |
| CN112071309B (zh) | 网约车安全监测装置及系统 | |
| CN109192215A (zh) | 一种基于语音的网约车监管方法及系统 | |
| EP4141813A1 (en) | Detection and mitigation of inappropriate behaviors of autonomous vehicle passengers | |
| CN110580799A (zh) | 一种出租车网约车驾乘人员言行自动预判报警系统 | |
| JP2020003935A (ja) | 客室監視方法、及び客室監視装置 | |
| CN112086098B (zh) | 一种驾乘人员分析方法、装置及计算机可读存储介质 | |
| CN113096370A (zh) | 一种车辆紧急救援的触发方法及装置 | |
| CN113592262B (zh) | 一种用于网约车的安全监控方法及系统 | |
| CN110059619B (zh) | 基于图像识别自动报警的方法和装置 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20211019 Address after: 100176 Room 101, 1st floor, building 1, yard 7, Ruihe West 2nd Road, economic and Technological Development Zone, Daxing District, Beijing Applicant after: Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd. Address before: 2 / F, baidu building, 10 Shangdi 10th Street, Haidian District, Beijing 100085 Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd. |
|
| TA01 | Transfer of patent application right |