CN111860105A - 代驾行为监管方法、装置及设备 - Google Patents
代驾行为监管方法、装置及设备 Download PDFInfo
- Publication number
- CN111860105A CN111860105A CN202010432025.4A CN202010432025A CN111860105A CN 111860105 A CN111860105 A CN 111860105A CN 202010432025 A CN202010432025 A CN 202010432025A CN 111860105 A CN111860105 A CN 111860105A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- scene
- actions
- designated driving
- designated
- 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 65
- 238000001514 detection method Methods 0.000 claims description 36
- 230000006399 behavior Effects 0.000 claims description 30
- 238000012545 processing Methods 0.000 claims description 21
- 230000001815 facial effect Effects 0.000 claims description 19
- 230000033001 locomotion Effects 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 10
- 230000001105 regulatory effect Effects 0.000 claims 1
- 230000000875 corresponding effect Effects 0.000 description 23
- 238000010586 diagram Methods 0.000 description 10
- 238000012544 monitoring process Methods 0.000 description 5
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G06Q50/40—
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
Abstract
本公开实施例提供了一种代驾行为监管方法、装置及设备，所述方法包括车载端接收到开始代驾提示后，根据开始代驾提示开启摄像头，获取摄像头拍摄的代驾场景图集，若车载端检测到代驾场景图集中图像内人员的肢体动作与预存的服务标准中的动作相符合，则发送服务规范提示至代驾客户端和/或乘客客户端。本实施例降低了监管成本，又避免了人工抽查时差抽不到位的情况，提高了乘客的乘车体验。
Description
技术领域
本公开实施例涉及行为监控技术领域，尤其涉及一种代驾行为监管方法、装置及设备。
背景技术
随着互联网技术的发展，人们的出行需求越来越多，由于一些特殊情况，乘客本人可能暂时无法开车，代驾需求变得越来越多。
随着代驾需求的增多，代驾平台应运而生。代驾平台是一种连接代驾司机和乘客的网络平台，当乘客向代驾平台发起代驾请求订单时，代驾平台会将订单分配给与乘客起始地距离较近的代驾司机，接收到订单并确认的代驾司机可为乘客提供代驾服务。
为了提高代驾的服务水平，以及避免不必要的纠纷，代驾司机在使用乘客的车辆时，一般需要按标准的服务规范为乘客提供服务，如要求代驾司机上车前绕车一周检查车辆的外观及路面情况，上车时需要使用座套，带白手套等，并通过神访人员抽查代驾司机服务的实际情况，然而，通过人工抽查的方式来确定服务情况成本较高，且存在抽查不到位的情况，影响了乘客的乘车体验。
发明内容
本公开实施例提供一种代驾行为监管方法、装置及设备，以提高代驾司机驾驶的规范性，进而提高乘客的乘车体验。
第一方面，本公开实施例提供一种代驾行为监管方法，包括：车载端接收到开始代驾提示后，根据所述开始代驾提示开启摄像头；获取所述摄像头拍摄的代驾场景图集；若所述车载端检测到所述代驾场景图集中图像内人员的肢体动作与预存的服务标准中的动作相符合，则发送服务规范提示至代驾客户端和/或乘客客户端。
可选的，所述车载端检测到所述代驾场景图集中图像内人员的肢体动作与预存的服务标准中的动作相符合，包括：所述车载端获取预设服务标准中的动作配置信息，其中所述动作配置信息包括多个服务动作；所述车载端将所述代驾场景图集中的各代驾场景图输入至目标动作检测模型进行动作识别，若识别到预设数量的服务动作，则确定所述代驾场景图集中图像内人员的肢体动作与预存的服务标准中的动作相符合。
可选的，所述代驾场景图集包括车外代驾场景图集，所述若所述车载端检测到所述代驾场景图集中图像内人员的肢体动作与预存的服务标准中的动作相符合，则发送服务规范提示至代驾客户端和/或乘客客户端，包括：若所述车载端检测到所述车外代驾场景图集中图像内人员的肢体动作与预存的服务标准中的车外场景动作相符合，则发送服务规范提示至代驾客户端和/或乘客客户端。
可选的，所述代驾场景图集包括车内代驾场景图集，所述若所述车载端检测到所述代驾场景图集中图像内人员的肢体动作与预存的服务标准中的动作相符合，则发送服务规范提示至代驾客户端和/或乘客客户端，包括：若所述车载端检测到所述车内代驾场景图集中图像内人员的肢体动作与预存的服务标准中的车内场景动作相符合，则发送服务规范提示至代驾客户端和/或乘客客户端。
可选的，所述代驾场景图集包括车外代驾场景图集和车内代驾场景图集，在所述发送服务规范提示至代驾客户端和/或乘客客户端之前，还包括：若所述车载端检测到所述车外代驾场景图集中图像内人员的肢体动作与预存的服务标准中的车外场景动作相符合，则发送打开车门提示至代驾客户端；所述车载端在接收到代驾已打开车门提示后，获取所述摄像头拍摄的车内代驾场景图集；若所述车载端检测到所述车内代驾场景图集中图像内人员的肢体动作与预存的服务标准中的车内场景动作相符合，则发送服务规范提示至代驾客户端和/或乘客客户端。
可选的，在所述发送服务规范提示至代驾客户端和/或乘客客户端之前，还包括：获取代驾司机的目标面部特征；检测所述目标面部特征与预存的所述代驾客户端对应的代驾司机的面部特征是否一致；若不一致，则发送安全提示至所述乘客客户端。
可选的，所述服务标准中的车外场景动作包括：拍照车头、拍照车牌、拍照车辆两边的车门，以及拍照车辆的反光镜中的至少一种。
可选的，所述服务标准中的车内场景动作包括：佩戴手套、系安全带以及套座椅套中的至少一种。
可选的，所述摄像头包括设置于所述车载端背面的第一摄像头和设置于所述车载端正面的第二摄像头，所述第一摄像头拍摄的图像为车外代驾场景图集，所述第二摄像头拍摄的图像为车内代驾场景图集。
可选的，在所述若所述车载端检测到所述车内代驾场景图集中图像内人员的肢体动作与预存的服务标准中的车内场景动作相符合，则发送服务规范提示至代驾客户端和/或乘客客户端之后，还包括：每隔预设时长重新获取车内代驾场景图，得到新的车内代驾场景图集；检测所述新的车内代驾场景图集中图像内人员的肢体动作与预存的服务标准中的车内场景动作相符合，若超过预设数量的图像中人员的肢体动作与预存的服务标准中的车内场景动作不相符合，则发送服务不规范提示至所述代驾客户端和/或所述乘客客户端。
可选的，所述车载端接收到开始代驾提示，包括：所述车载端接收服务端或乘客客户端发送的开始代驾提示。
可选的，还包括：所述车载端实时获取消耗的电流的平均电流；若所述消耗的电流的平均电流低于预设阈值，则通过脉冲宽度调制PWM技术降低所述车载端的红外灯电流，并同时判断画面亮度，直至达到不影响图像低照效果的最小红外灯电流。
可选的，还包括：若所述消耗的电流的平均电流低于预设阈值，则自适应降低帧率，并实时确定所述车载端消耗的电流的平均电流直至不低于预设阈值。
第二方面，本公开实施例提供一种代驾行为监管装置，包括：开启模块，用于车载端接收到开始代驾提示后，根据所述开始代驾提示开启摄像头；获取模块，用于获取所述摄像头拍摄的代驾场景图集；处理模块，用于若所述车载端检测到所述代驾场景图集中图像内人员的肢体动作与预存的服务标准中的动作相符合，则发送服务规范提示至代驾客户端和/或乘客客户端。
可选的，所述处理模块，还用于：所述车载端获取预设服务标准中的动作配置信息，其中所述动作配置信息包括多个服务动作；所述车载端将所述代驾场景图集中的各代驾场景图输入至目标动作检测模型进行动作识别，若识别到预设数量的服务动作，则确定所述代驾场景图集中图像内人员的肢体动作与预存的服务标准中的动作相符合。
可选的，所述代驾场景图集包括车外代驾场景图集，所述处理模块，还用于：若所述车载端检测到所述车外代驾场景图集中图像内人员的肢体动作与预存的服务标准中的车外场景动作相符合，则发送服务规范提示至代驾客户端和/或乘客客户端。
可选的，所述代驾场景图集包括车内代驾场景图集，所述处理模块，还用于：若所述车载端检测到所述车内代驾场景图集中图像内人员的肢体动作与预存的服务标准中的车内场景动作相符合，则发送服务规范提示至代驾客户端和/或乘客客户端。
可选的，所述代驾场景图集包括车外代驾场景图集和车内代驾场景图集，所述处理模块，还用于：若所述车载端检测到所述车外代驾场景图集中图像内人员的肢体动作与预存的服务标准中的车外场景动作相符合，则发送打开车门提示至代驾客户端；所述车载端在接收到代驾已打开车门提示后，获取所述摄像头拍摄的车内代驾场景图集；若所述车载端检测到所述车内代驾场景图集中图像内人员的肢体动作与预存的服务标准中的车内场景动作相符合，则发送服务规范提示至代驾客户端和/或乘客客户端。
第三方面，本公开实施例提供一种代驾行为监管设备，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如第一方面任一项所述的代驾行为监管方法。
第四方面，本公开实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如第一方面任一项所述的代驾行为监管方法。
本公开实施例提供了一种代驾行为监管方法、装置及设备，采用上述方案后，车载端能在接收到开始代驾的提示后，自动控制开启摄像头进行摄像，并将摄像后获取的代驾场景图集与预存的服务标准中的动作进行匹配，若相符合，则表明代驾司机服务规范，发送服务规范提示至代驾客户端和乘客客户端，实现了自动监管代驾司机的行为，无需人工抽查，即降低了监管成本，又避免了人工抽查时差抽不到位的情况，提高了乘客的乘车体验。
附图说明
为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本公开实施例提供的代驾行为监管方法的应用场景图；
图2为本公开实施例提供的代驾行为监管方法的流程示意图；
图3为本公开实施例提供的代驾客户端的应用示意图；
图4为本公开实施例提供的乘客客户端的应用示意图；
图5为本公开实施例提供的代驾行为监管装置的结构示意图；
图6为本公开实施例提供的代驾行为监管设备的硬件结构示意图。
具体实施方式
下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够包括除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
随着智能设备和移动互联网技术的发展，出行软件的普及给人们的出行带来了极大的便利，由于一些特殊情况，乘客本人可能暂时无法开车，代驾的需求越来越多。相应的，代驾平台应运而生。
为了提高代驾的服务水平，以及避免不必要的纠纷，代驾司机在使用乘客的车辆时，一般需要按标准的服务规范为乘客提供服务，如要求代驾司机上车前绕车一周检查车辆的外观及路面情况，上车时需要使用座套，带白手套等。然而，有些代驾司机为了省事，可能会不按照标准的服务规范来为乘客服务。现有技术中，为了避免上述情况的出现，通常会安排神访人员进行抽查，然而，通过人工抽查的方式来确定服务情况成本较高，且存在抽查不到位的情况，影响了乘客的乘车体验。
因此，基于上述问题，本申请提出了利用AI技术对标准的服务规范中涉及到的动作进行建模训练，得到检测模型，然后再通过该检测模型得到代驾服务结果。在应用时，通过将摄像头拍摄的代驾场景图集输入到检测模型中与预存的服务标准中的动作进行比对，进而得到代驾司机的服务是否规范的代驾服务结果，来达到自动监管代驾司机的效果，进而提高了乘客的乘车体验。
下面以具体地示例对本公开的技术方案以及本公开的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的示例可以相互结合，对于相同或相似的概念或过程可能在某些示例中不再赘述。下面将结合附图，对本公开的示例进行描述。
图1为本公开实施例提供的代驾行为监管方法的应用场景图，如图1所示，包括：车载摄像设备1、车载端2、乘客客户端3、代驾客户端4、车辆5和服务端6。当乘客想要代驾服务时，可以在乘客客户端3上的打车软件中输入出发点和目的地，生成该乘客对应的用车订单，并将该用车订单发送给该出行软件对应的服务端6。当代驾司机在代驾客户端4上承接该用车订单后，便前往该出发地去接用户，服务端6将预存的服务标准中的动作发送给车载端2，代驾司机在到达用车订单中的出发点时，可以在代驾客户端4上触发到达目的地，开始代驾提示至服务端6或车载端2。若到达目的地，开始代驾提示发生至了服务端6，则服务端6可以根据该提示发送开始代驾提示至车载端2。当车载端2接收到开始代驾提示后，开启车载摄像设备1开始摄像，车载端2再根据摄像设备1拍摄的图像集进行比对处理，最终得到服务规范结果，并将服务规范结果发送至代驾客户端4和乘客客户端3。
具体地，车载摄像设备1安装在车辆4内，用于采集车内图像和车外图像，可以为摄像头。为了更好的获取车内图像和车外图像，车载摄像设备1的数量可以为两个，一个用于获取车内图像，一个用户获取车外图像。其中，获取车内图像的可以为设置于车载端正面的第二摄像头，获取车外图像的可以为设置于车载端背面的第一摄像头。
其中，车载端2可以为安装在车辆上的车载设备，可以为行车记录仪。其可以控制车载摄像设备1进行车内状态监控，也可以与出行软件对应的服务端6进行交互以获取所需的信息。
可选的，服务端6也可以利用车载端2来控制车辆上的车载摄像设备进行车内状态监控，或者直接控制车辆上的车载摄像设备进行车内状态监控，从而根据车载摄像设备采集的图像判断代驾司机的服务是否符合标准的服务规范。
其中，当服务端6直接控制车辆上的车载摄像设备1进行状态监控时，需要预先向服务端6进行车载摄像管理设备的注册操作，从而可以使服务端可以直接控制车载摄像管理设备。
下面以具体地实施例对本公开的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
图2为本公开实施例提供的代驾行为监管方法的流程示意图，本实施例的方法可以由车载端执行。如图2所示，本实施例的方法可以包括：
S201：车载端接收到开始代驾提示后，根据所述开始代驾提示开启摄像头。
具体的，可以通过多种方式来让车载端接收到开始代驾提示，本实施例此处通过两种方式为例进行详细说明，对于其它的实现方式本实施例此处不做特别限制。
一种可选的方式中，如图3所示，为本公开实施例提供的代驾客户端的应用示意图，代驾司机在到达用车订单中的出发点时，可以在对应的代驾客户端上触控语义为“已到达，开始代驾服务”的按钮，生成开始代驾提示，然后可以将开始代驾提示发送至服务端，服务端再将该开始代驾提示转发至车载端，车载端即收到到开始代驾提示。此外，在代驾客户端生成开始代驾提示后，还可以不通过服务端，直接将开始代驾提示发送至车载端，车载端即收到开始代驾提示。
其中，触控可以为点击操作。
另一种可选的方式中，如图4所示，为本公开实施例提供的乘客客户端的应用示意图，代驾司机在到达用车订单中的出发点时，乘客可以在对应的乘客客户端上触控语义为“代驾司机已到达，开始代驾服务”的按钮，生成开始代驾提示，然后可以将开始代驾提示发送至服务端，服务端再将该开始代驾提示转发至车载端，车载端即收到到开始代驾提示。此外，在乘客客户端生成开始代驾提示后，还可以不通过服务端，直接将开始代驾提示发送至车载端，车载端即收到开始代驾提示。
车载端在接收到开始代驾提示后，可以根据开始代驾提示开启摄像头，用来拍摄车内场景和车外场景，实现自动监控代驾司机的行为。
其中，摄像头的数量和位置可以根据实际监控需求进行设置，到达既不会成本太高，又能实现更好的监控的效果。
S202：获取所述摄像头拍摄的代驾场景图集。
具体的，摄像头拍摄的代驾场景图会有多张，组成代驾场景图集。代驾场景图集中可以包括车外代驾场景图集和车内代驾场景图集。即在代驾司机未上车之前可以先获取一组图集，得到车外代驾场景图集，在代驾司机上车之后再获取一组图集，得到车内代驾场景图集。
代驾场景图集中包括代驾司机和车辆，主要包括代驾司机的行为动作。
S203：若所述车载端检测到所述代驾场景图集中图像内人员的肢体动作与预存的服务标准中的动作相符合，则发送服务规范提示至代驾客户端和/或乘客客户端。
具体的，在获取到代驾场景图集之后，可以根据预存的服务标准中的动作判断代驾场景图集中代驾司机的动作是否符合服务标准。其中，服务标准中的动作可能有多个，在进行判断时，可以设置一个标准阈值量，当代驾场景图集中的图像中包含的动作达到标准阈值量，则认为代驾司机的服务符合服务标准，否则，则认为代驾司机的服务不符合服务标准。
在一个具体实例中，服务标准中的动作有10个，标准阈值量为服务标准中动作的80％，即只要代驾场景图集中有8个图像符合服务标准中规定的动作，则认为代驾司机的服务符合服务标准。若代驾场景图集中有少于8个图像符合服务标准中规定的动作，则认为代驾司机的服务不符合服务标准。其中，默认每张图像对应一个动作。
此外，可以将服务规范结果提示发送至代驾客户端和乘客客户端，使得代驾司机和乘客都能获知代驾司机的服务情况，为后续继续服务做准备。也可以只将服务规范结果提示发送至乘客客户端或代驾客户端。当只将服务规范结果提示发送至乘客客户端，即只有乘客了解代驾司机的服务情况是否符合标准，为乘客后续是否还会选择该代驾司机提供一个参考因素。当只将服务规范结果提示发送至代驾客户端，即只有代驾司机知道本身的服务情况是否符合标准，让代驾司机能准确了解自身服务是否还存在问题。其中，关于各客户端是否接收服务规范结果提示可以自行在对应的客户端进行设置。
采用上述方案后，车载端能在接收到开始代驾的提示后，自动控制开启摄像头进行摄像，并将摄像后获取的代驾场景图集与预存的服务标准中的动作进行匹配，若相符合，则表明代驾司机服务规范，发送服务规范提示至代驾客户端和乘客客户端，实现了自动监管代驾司机的行为，无需人工抽查，即降低了监管成本，又避免了人工抽查时差抽不到位的情况，提高了乘客的乘车体验。
在获得代驾场景图集后，可以利用训练好的网络模型对代驾场景图集进行检测以确定代驾司机的服务是否符合服务标准，下面结合一个具体的实施例对利用训练好的网络模型对代驾场景图集中图像的动作是否符合服务标准中规定的动作进行检测的过程进行详细描述。
基于图2的方法，本说明书实施例还提供了该方法的一些具体实施方案，下面进行说明。
在一个具体实施方式中，所述车载端检测到所述代驾场景图集中图像内人员的肢体动作与预存的服务标准中的动作相符合，可以包括：
所述车载端获取预设服务标准中的动作配置信息，其中所述动作配置信息包括多个服务动作。
所述车载端将所述代驾场景图集中的各代驾场景图输入至目标动作检测模型进行动作识别，若识别到预设数量的服务动作，则确定所述代驾场景图集中图像内人员的肢体动作与预存的服务标准中的动作相符合。
具体的，在本实施例中，当车载端接收到开始代驾提示并获取到代驾场景图集后，获取预设服务标准中的动作配置信息。
具体地，在获取动作配置信息时，车载端可以从服务端获取的动作配置信息。服务标准中的动作配置信息可以包括多个标准的服务动作，为后台管理人员根据服务标准预先设置好的服务动作，并存储于服务端，供后续调用。
在本实施例中，车载端将代驾场景图集中的各代驾场景图输入至目标动作检测模型中，目标动作检测模型对代驾场景图集中的各代驾场景图进行肢体动作特征提取，对提取到的肢体动作特征进行检测，生成相应的动作检测结果，并进行输出，该动作检测结果为代驾司机有执行多个标准的服务动作中全部的服务动作、代驾司机有执行多个标准的服务动作中部分的服务动作，或代驾司机未执行多个标准的服务动作中任一服务动作。
服务符合服务标准或代驾司机的服务不符合服务标准。
车载端获取到目标动作检测模型输出的动作检测结果，当动作检测结果为代驾司机有执行多个标准的服务动作中全部的服务动作时，则确定代驾司机的服务符合服务标准。当动作检测结果为代驾司机未执行多个标准的服务动作中任一服务动作时，则确定代驾司机的服务不符合服务标准。当动作检测结果为代驾司机有执行多个标准的服务动作中部分的服务动作时，可以判断执行的标准服务动作是否达到预设数量，若达到，则确定代驾司机的服务符合服务标准。若没有达到，则确定代驾司机的服务不符合服务标准。
其中，目标动作检测模型为训练好的网络模型。目标动作检测模型可以对所有类型的肢体动作进行检测，即可以对代驾场景图集中的各代驾场景图进行各种类型的肢体动作提取，得到各种类型的肢体动作所对应的特征矢量，将各种类型的肢体动作所对应的特征矢量进行串联，并进行检测，实现对提取到的各种类型的肢体动作特征的检测，生成相应的动作检测结果。
为了保证动作识别的准确性，在利用目标动作检测模型来进行动作识别之前，需要先利用样本对基础网络模型进行训练，得到训练好的网络模型，即得到目标动作检测模型，其具体过程包括：获取正样本与负样本，利用正样本与负样本，对基础网络模型进行训练，得到训练好的网络模型，即得到目标动作检测模型，目标动作检测模型可以对代驾场景图集中的各代驾场景图准确进行动作识别，确定代驾司机的服务是否符合服务标准。
其中，正样本为包括符合服务标准的动作的图像，负样本为不符合服务标准的动作的图像。
另外，车载端在获取到预设服务标准中的动作配置信息后，将预设服务标准中的动作配置信息输入至目标动作检测模型以对该目标动作检测模型进行训练，从而可以使目标动作检测模型检测代驾司机的服务是否符合服务标准。
在一个具体实施方式中，所述代驾场景图集包括车外代驾场景图集，所述若所述车载端检测到所述代驾场景图集中图像内人员的肢体动作与预存的服务标准中的动作相符合，则发送服务规范提示至代驾客户端和/或乘客客户端，可以包括：
若所述车载端检测到所述车外代驾场景图集中图像内人员的肢体动作与预存的服务标准中的车外场景动作相符合，则发送服务规范提示至代驾客户端和/或乘客客户端。
在一个具体实施方式中，所述代驾场景图集为车内代驾场景图集，所述若所述车载端检测到所述代驾场景图集中图像内人员的肢体动作与预存的服务标准中的动作相符合，则发送服务规范提示至代驾客户端和/或乘客客户端，可以包括：
若所述车载端检测到所述车内代驾场景图集中图像内人员的肢体动作与预存的服务标准中的车内场景动作相符合，则发送服务规范提示至代驾客户端和/或乘客客户端。
在一个具体实施方式中，所述代驾场景图集包括车外代驾场景图集和车内代驾场景图集，在所述发送服务规范提示至代驾客户端和/或乘客客户端之前，还可以包括：
若所述车载端检测到所述车外代驾场景图集中图像内人员的肢体动作与预存的服务标准中的车外场景动作相符合，则发送打开车门提示至代驾客户端。
所述车载端在接收到代驾已打开车门提示后，获取所述摄像头拍摄的车内代驾场景图集。
若所述车载端检测到所述车内代驾场景图集中图像内人员的肢体动作与预存的服务标准中的车内场景动作相符合，则发送服务规范提示至代驾客户端和/或乘客客户端。
具体的，在确定代驾司机在代驾过程中的行为是否符合服务标准时，可以通过多种方式进行确定，本实施例此处通过三种方式为例进行详细说明，对于其它的实现方式本实施例此处不做特别限制。
一种可选的确定方式中，在车载端接收到开始代驾提示后，获取的图像为车外代驾场景图集，即获取的为代驾司机在未进入车辆之前，执行的服务动作形成的场景图。并检测车外代驾场景图集中图像内人员的肢体动作是否与预存的服务标准中的车外场景动作相符合，并生成检测结果。其中，为了提高拍摄的准确性，进一步提高检测精度，该检测方式对应的摄像头可以设置于车载端背面的第一摄像头。
另一种可选的确定方式中，在车载端接收到开始代驾提示后，获取的图像为车内代驾场景图集，即获取的为代驾司机在进入车辆之后，执行的服务动作形成的场景图。并检测车内代驾场景图集中图像内人员的肢体动作是否与预存的服务标准中的车内场景动作相符合，并生成检测结果。其中，为了提高拍摄的准确性，进一步提高检测精度，该检测方式对应的摄像头可以设置于车载端正面的第二摄像头。
再一种可选的确定方式中，在车载端接收到开始代驾提示后，获取的图像为车外代驾场景图集合车内代驾场景图集，即获取的图像既包括代驾司机在未进入车辆之前，执行的服务动作形成的场景图，又包括代驾司机在进入车辆之后，执行的服务动作形成的场景图。并分别检测车外代驾场景图集中图像内人员的肢体动作是否与预存的服务标准中的车外场景动作相符合，且车内代驾场景图集中图像内人员的肢体动作是否与预存的服务标准中的车内场景动作相符合，并生成检测结果。其中，为了提高拍摄的准确性，进一步提高检测精度，该检测方式可以设置两个摄像头，第一摄像头拍摄的图像为车外代驾场景图集，第二摄像头拍摄的图像为车内代驾场景图集。
其中，在一个具体实施方式中，所述服务标准中的车外场景动作可以包括：拍照车头、拍照车牌、拍照车辆两边的车门，以及拍照车辆的反光镜中的至少一种。所述服务标准中的车内场景动作包括：佩戴手套、系安全带以及套座椅套中的至少一种。
在一个具体实施方式中，在所述发送服务规范提示至代驾客户端和/或乘客客户端之前，还可以包括：
获取代驾司机的目标面部特征。检测所述目标面部特征与预存的所述代驾客户端对应的代驾司机的面部特征是否一致。若不一致，则发送安全提示至所述乘客客户端。
具体的，为了进一步提高乘客乘车的安全性，还可以在代驾司机开车前或开车过程中，获取代驾司机的目标面部特征，然后将获取的目标面部特征与预存的代驾客户端对应的代驾司机的面部特征进行比对，若一致，则可以发送服务规范提示至代驾客户端和/或乘客客户端。若不一致，则可以发送安全提示至乘客客户端，提醒乘客当前驾车的代驾司机非注册的代驾司机，存在安全风险。
此外，当在一次驾车过程中，检测出目标面部特征与预存的代驾客户端对应的代驾司机的面部特征不一致的次数超过预设次数，可能代表车上有人员遇到危险，车内可能会发生危险事件，因此需要进行报警求救，即生成相应的报警信息，并将该报警信息发送给预设报警系统，以使预设报警系统所对应的相关人员提前通过电话等方式对肇事者进行警示或者直接在车内显示相关警示信息，从而对肇事者产生威慑作用，阻止危险事件的发生，极大地降低危险事件的发生概率，保证车上人员的安全。
具体地，预设报警系统包括如下至少一种：车内报警系统、客服报警系统和警方报警系统。当将报警信息发送给车内报警系统后，车内报警系统可以在车内显示相关警示信息，例如，已检测到危险行为，停止继续进行危险行为，否则将进行报警。当将报警信息发送给客服报警系统时，客户报警系统对应的客服人员进行报警或通过电话等方式对肇事者进行警示。当将报警信息发送给警方报警系统时，警方报警系统对应的警员可以通过电话等方式对肇事者进行警示。在实际应用中，预设报警系统也可以包括其它系统，只要其可以利用其对肇事者进行警示或者进行报警即可。
此外，在一个具体实施例中，为了提高在整个行程中代驾司机服务的规范性，可以设置为每隔预设时长重新获取车内代驾场景图，得到新的车内代驾场景图集，并检测所述新的车内代驾场景图集中图像内人员的肢体动作与预存的服务标准中的车内场景动作相符合，若超过预设数量的图像中人员的肢体动作与预存的服务标准中的车内场景动作不相符合，则发送服务不规范提示至所述代驾客户端和/或所述乘客客户端。
在一个具体实施方式中，还可以包括：所述车载端实时获取消耗的电流的平均电流。若所述消耗的电流的平均电流低于预设阈值，则通过脉冲宽度调制PWM技术降低所述车载端的红外灯电流，并同时判断画面亮度，直至达到不影响图像低照效果的最小红外灯电流。
在一个具体实施方式中，还可以包括：若所述消耗的电流的平均电流低于预设阈值，则自适应降低帧率，并实时确定所述车载端消耗的电流的平均电流直至不低于预设阈值。
具体的，车载端是通过电池供电的方式来实时接单的，由于车载端的尺寸不能太大，因此，也限制了车载端电池的电量。通常车载端电池的电量只有4500mAH。但要求的车载端最短待机时间也要达到6个小时，因此，车载端的平均电流不能超过700mA。为了满足功耗需求，可以通过PWM(PulseWidth Modulation，脉冲宽度调制)技术或PWM控制器将红外灯电流降低至30mA，并动态调整帧率以保证平均电流在700mA以内。
具体的，可以先根据画面亮度调整初始状态红外灯电流，然后再实时读取平均电流，当平均电流超过700mA时，可以通过以下任一方式进行调整：
可以通过PWM控制器降低红外灯电流，同时判断画面亮度，确保不影响图像低照效果。
还可以自适应降低图像帧率，并不断读取电流直到满足电流要求。其中，可以将帧率从30帧逐步降到20帧。
此外，当检测到突发的安全事件时，可以将帧率调整回30FPS，并将电流调整到最佳亮度以满足录像需求。
其中，当车载端应用的为安卓系统时，可以通过在sys/class/power/current_now下的节点去实时读取平均电流，实现了能够最大限度的延长车载端的工作时长。
基于同样的思路，本说明书实施例还提供了上述方法对应的装置，如图5所示，为本公开实施例提供的代驾行为监管装置的结构示意图，可以包括：
开启模块501，用于车载端接收到开始代驾提示后，根据所述开始代驾提示开启摄像头。
获取模块502，用于获取所述摄像头拍摄的代驾场景图集。
处理模块503，用于若所述车载端检测到所述代驾场景图集中图像内人员的肢体动作与预存的服务标准中的动作相符合，则发送服务规范提示至代驾客户端和/或乘客客户端。
在一个具体实施方式中，所述处理模块，还用于：
所述车载端获取预设服务标准中的动作配置信息，其中所述动作配置信息包括多个服务动作。
所述车载端将所述代驾场景图集中的各代驾场景图输入至目标动作检测模型进行动作识别，若识别到预设数量的服务动作，则确定所述代驾场景图集中图像内人员的肢体动作与预存的服务标准中的动作相符合。
在一个具体实施方式中，所述代驾场景图集包括车外代驾场景图集，所述处理模块，还用于：
若所述车载端检测到所述车外代驾场景图集中图像内人员的肢体动作与预存的服务标准中的车外场景动作相符合，则发送服务规范提示至代驾客户端和/或乘客客户端。
在一个具体实施方式中，所述代驾场景图集包括车内代驾场景图集，所述处理模块，还用于：
若所述车载端检测到所述车内代驾场景图集中图像内人员的肢体动作与预存的服务标准中的车内场景动作相符合，则发送服务规范提示至代驾客户端和/或乘客客户端。
在一个具体实施方式中，所述代驾场景图集包括车外代驾场景图集和车内代驾场景图集，所述处理模块，还用于：
若所述车载端检测到所述车外代驾场景图集中图像内人员的肢体动作与预存的服务标准中的车外场景动作相符合，则发送打开车门提示至代驾客户端。
所述车载端在接收到代驾已打开车门提示后，获取所述摄像头拍摄的车内代驾场景图集。
若所述车载端检测到所述车内代驾场景图集中图像内人员的肢体动作与预存的服务标准中的车内场景动作相符合，则发送服务规范提示至代驾客户端和/或乘客客户端。
在一个具体实施方式中，所述处理模块，还用于：
获取代驾司机的目标面部特征。
检测所述目标面部特征与预存的所述代驾客户端对应的代驾司机的面部特征是否一致。
若不一致，则发送安全提示至所述乘客客户端。
在一个具体实施方式中，所述服务标准中的车外场景动作包括：拍照车头、拍照车牌、拍照车辆两边的车门，以及拍照车辆的反光镜中的至少一种。
在一个具体实施方式中，所述服务标准中的车内场景动作包括：佩戴手套、系安全带以及套座椅套中的至少一种。
在一个具体实施方式中，所述摄像头包括设置于所述车载端背面的第一摄像头和设置于所述车载端正面的第二摄像头，所述第一摄像头拍摄的图像为车外代驾场景图集，所述第二摄像头拍摄的图像为车内代驾场景图集。
在一个具体实施方式中，所述处理模块，还用于：
每隔预设时长重新获取车内代驾场景图，得到新的车内代驾场景图集。
检测所述新的车内代驾场景图集中图像内人员的肢体动作与预存的服务标准中的车内场景动作相符合，若超过预设数量的图像中人员的肢体动作与预存的服务标准中的车内场景动作不相符合，则发送服务不规范提示至所述代驾客户端和/或所述乘客客户端。
在一个具体实施方式中，所述开启模块，还用于：
所述车载端接收服务端或乘客客户端发送的开始代驾提示。
在一个具体实施方式中，所述处理模块，还用于：
所述车载端实时获取消耗的电流的平均电流。
若所述消耗的电流的平均电流低于预设阈值，则通过脉冲宽度调制PWM技术降低所述车载端的红外灯电流，并同时判断画面亮度，直至达到不影响图像低照效果的最小红外灯电流。
在一个具体实施方式中，所述处理模块，还用于：
若所述消耗的电流的平均电流低于预设阈值，则自适应降低帧率，并实时确定所述车载端消耗的电流的平均电流直至不低于预设阈值。
本公开实施例提供的装置，可以实现上述如图2所示的实施例的方法，其实现原理和技术效果类似，此处不再赘述。
图6为本公开实施例提供的代驾行为监管设备的硬件结构示意图。如图6所示，本实施例提供的设备600包括：至少一个处理器601和存储器602。其中，处理器601、存储器602通过总线603连接。
在具体实现过程中，至少一个处理器601执行所述存储器602存储的计算机执行指令，使得至少一个处理器601执行上述方法实施例中的方法。
处理器601的具体实现过程可参见上述方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。
在上述的图6所示的实施例中，应理解，处理器可以是中央处理单元(英文：Central Processing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：Digital Signal Processor，简称：DSP)、专用集成电路(英文：Application SpecificIntegrated Circuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合公开所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器。
总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral Component Interconnect，PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture，EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
本公开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中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现上述方法实施例的代驾行为监管方法。
上述的计算机可读存储介质，上述可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。可读存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(Application Specific IntegratedCircuits，简称：ASIC)中。当然，处理器和可读存储介质也可以作为分立组件存在于设备中。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述各实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本公开各实施例技术方案的范围。
Claims (20)
1.一种代驾行为监管方法，其特征在于，包括：
车载端接收到开始代驾提示后，根据所述开始代驾提示开启摄像头；
获取所述摄像头拍摄的代驾场景图集；
若所述车载端检测到所述代驾场景图集中图像内人员的肢体动作与预存的服务标准中的动作相符合，则发送服务规范提示至代驾客户端和/或乘客客户端。
2.根据权利要求1所述的方法，其特征在于，所述车载端检测到所述代驾场景图集中图像内人员的肢体动作与预存的服务标准中的动作相符合，包括：
所述车载端获取预设服务标准中的动作配置信息，其中所述动作配置信息包括多个服务动作；
所述车载端将所述代驾场景图集中的各代驾场景图输入至目标动作检测模型进行动作识别，若识别到预设数量的服务动作，则确定所述代驾场景图集中图像内人员的肢体动作与预存的服务标准中的动作相符合。
3.根据权利要求1所述的方法，其特征在于，所述代驾场景图集包括车外代驾场景图集，所述若所述车载端检测到所述代驾场景图集中图像内人员的肢体动作与预存的服务标准中的动作相符合，则发送服务规范提示至代驾客户端和/或乘客客户端，包括：
若所述车载端检测到所述车外代驾场景图集中图像内人员的肢体动作与预存的服务标准中的车外场景动作相符合，则发送服务规范提示至代驾客户端和/或乘客客户端。
4.根据权利要求1所述的方法，其特征在于，所述代驾场景图集包括车内代驾场景图集，所述若所述车载端检测到所述代驾场景图集中图像内人员的肢体动作与预存的服务标准中的动作相符合，则发送服务规范提示至代驾客户端和/或乘客客户端，包括：
若所述车载端检测到所述车内代驾场景图集中图像内人员的肢体动作与预存的服务标准中的车内场景动作相符合，则发送服务规范提示至代驾客户端和/或乘客客户端。
5.根据权利要求3所述的方法，其特征在于，所述代驾场景图集包括车外代驾场景图集和车内代驾场景图集，在所述发送服务规范提示至代驾客户端和/或乘客客户端之前，还包括：
若所述车载端检测到所述车外代驾场景图集中图像内人员的肢体动作与预存的服务标准中的车外场景动作相符合，则发送打开车门提示至代驾客户端；
所述车载端在接收到代驾已打开车门提示后，获取所述摄像头拍摄的车内代驾场景图集；
若所述车载端检测到所述车内代驾场景图集中图像内人员的肢体动作与预存的服务标准中的车内场景动作相符合，则发送服务规范提示至代驾客户端和/或乘客客户端。
6.根据权利要求1-5任一项所述的方法，其特征在于，在所述发送服务规范提示至代驾客户端和/或乘客客户端之前，还包括：
获取代驾司机的目标面部特征；
检测所述目标面部特征与预存的所述代驾客户端对应的代驾司机的面部特征是否一致；
若不一致，则发送安全提示至所述乘客客户端。
7.根据权利要求3或5所述的方法，其特征在于，所述服务标准中的车外场景动作包括：拍照车头、拍照车牌、拍照车辆两边的车门，以及拍照车辆的反光镜中的至少一种。
8.根据权利要求4或5所述的方法，其特征在于，所述服务标准中的车内场景动作包括：佩戴手套、系安全带以及套座椅套中的至少一种。
9.根据权利要求5所述的方法，其特征在于，所述摄像头包括设置于所述车载端背面的第一摄像头和设置于所述车载端正面的第二摄像头，所述第一摄像头拍摄的图像为车外代驾场景图集，所述第二摄像头拍摄的图像为车内代驾场景图集。
10.根据权利要求4或5所述的方法，其特征在于，在所述若所述车载端检测到所述车内代驾场景图集中图像内人员的肢体动作与预存的服务标准中的车内场景动作相符合，则发送服务规范提示至代驾客户端和/或乘客客户端之后，还包括：
每隔预设时长重新获取车内代驾场景图，得到新的车内代驾场景图集；
检测所述新的车内代驾场景图集中图像内人员的肢体动作与预存的服务标准中的车内场景动作相符合，若超过预设数量的图像中人员的肢体动作与预存的服务标准中的车内场景动作不相符合，则发送服务不规范提示至所述代驾客户端和/或所述乘客客户端。
11.根据权利要求1-5任一项所述的方法，其特征在于，所述车载端接收到开始代驾提示，包括：
所述车载端接收服务端或乘客客户端发送的开始代驾提示。
12.根据权利要求1-5任一项所述的方法，其特征在于，还包括：
所述车载端实时获取消耗的电流的平均电流；
若所述消耗的电流的平均电流低于预设阈值，则通过脉冲宽度调制PWM技术降低所述车载端的红外灯电流，并同时判断画面亮度，直至达到不影响图像低照效果的最小红外灯电流。
13.根据权利要求12所述的方法，其特征在于，还包括：
若所述消耗的电流的平均电流低于预设阈值，则自适应降低帧率，并实时确定所述车载端消耗的电流的平均电流直至不低于预设阈值。
14.一种代驾行为监管装置，其特征在于，包括：
开启模块，用于车载端接收到开始代驾提示后，根据所述开始代驾提示开启摄像头；
获取模块，用于获取所述摄像头拍摄的代驾场景图集；
处理模块，用于若所述车载端检测到所述代驾场景图集中图像内人员的肢体动作与预存的服务标准中的动作相符合，则发送服务规范提示至代驾客户端和/或乘客客户端。
15.根据权利要求14所述的装置，其特征在于，所述处理模块，还用于：
所述车载端获取预设服务标准中的动作配置信息，其中所述动作配置信息包括多个服务动作；
所述车载端将所述代驾场景图集中的各代驾场景图输入至目标动作检测模型进行动作识别，若识别到预设数量的服务动作，则确定所述代驾场景图集中图像内人员的肢体动作与预存的服务标准中的动作相符合。
16.根据权利要求14所述的装置，其特征在于，所述代驾场景图集包括车外代驾场景图集，所述处理模块，还用于：
若所述车载端检测到所述车外代驾场景图集中图像内人员的肢体动作与预存的服务标准中的车外场景动作相符合，则发送服务规范提示至代驾客户端和/或乘客客户端。
17.根据权利要求14所述的装置，其特征在于，所述代驾场景图集包括车内代驾场景图集，所述处理模块，还用于：
若所述车载端检测到所述车内代驾场景图集中图像内人员的肢体动作与预存的服务标准中的车内场景动作相符合，则发送服务规范提示至代驾客户端和/或乘客客户端。
18.根据权利要求17所述的装置，其特征在于，所述代驾场景图集包括车外代驾场景图集和车内代驾场景图集，所述处理模块，还用于：
若所述车载端检测到所述车外代驾场景图集中图像内人员的肢体动作与预存的服务标准中的车外场景动作相符合，则发送打开车门提示至代驾客户端；
所述车载端在接收到代驾已打开车门提示后，获取所述摄像头拍摄的车内代驾场景图集；
若所述车载端检测到所述车内代驾场景图集中图像内人员的肢体动作与预存的服务标准中的车内场景动作相符合，则发送服务规范提示至代驾客户端和/或乘客客户端。
19.一种代驾行为监管设备，其特征在于，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如权利要求1至13任一项所述的代驾行为监管方法。
20.一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中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1至13任一项所述的代驾行为监管方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010432025.4A CN111860105A (zh) | 2020-05-20 | 2020-05-20 | 代驾行为监管方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010432025.4A CN111860105A (zh) | 2020-05-20 | 2020-05-20 | 代驾行为监管方法、装置及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111860105A true CN111860105A (zh) | 2020-10-30 |
Family
ID=72985164
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010432025.4A Pending CN111860105A (zh) | 2020-05-20 | 2020-05-20 | 代驾行为监管方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111860105A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112528910A (zh) * | 2020-12-18 | 2021-03-19 | 上海高德威智能交通系统有限公司 | 手脱离方向盘检测方法、装置、电子设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102426776A (zh) * | 2011-09-15 | 2012-04-25 | 北京星河易达科技有限公司 | 机动车代驾网络监控系统及其方法 |
| KR20150071095A (ko) * | 2013-12-17 | 2015-06-26 | 현대자동차주식회사 | 텔레매틱스 기반 대리운전 서비스 시스템 및 그 방법 |
| WO2017080039A1 (zh) * | 2015-11-09 | 2017-05-18 | 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 |
| CN108764940A (zh) * | 2018-05-24 | 2018-11-06 | 北京嘀嘀无限科技发展有限公司 | 代驾行为监管方法、装置和服务器 |
| CN110276944A (zh) * | 2019-07-05 | 2019-09-24 | 中山安信通机器人制造有限公司 | 基于车载机器人的代驾呼叫方法、计算机装置及计算机可读存储介质 |
-
2020
- 2020-05-20 CN CN202010432025.4A patent/CN111860105A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102426776A (zh) * | 2011-09-15 | 2012-04-25 | 北京星河易达科技有限公司 | 机动车代驾网络监控系统及其方法 |
| KR20150071095A (ko) * | 2013-12-17 | 2015-06-26 | 현대자동차주식회사 | 텔레매틱스 기반 대리운전 서비스 시스템 및 그 방법 |
| WO2017080039A1 (zh) * | 2015-11-09 | 2017-05-18 | 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 |
| CN108764940A (zh) * | 2018-05-24 | 2018-11-06 | 北京嘀嘀无限科技发展有限公司 | 代驾行为监管方法、装置和服务器 |
| CN110276944A (zh) * | 2019-07-05 | 2019-09-24 | 中山安信通机器人制造有限公司 | 基于车载机器人的代驾呼叫方法、计算机装置及计算机可读存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 李光东;程进;周子肖;刘宝宇;王骏琦;史立根;姚宇军;常创创;李文月;邹小平;: "基于深度学习的不规范驾驶行为智能识别系统", 传感器世界, no. 02 * |
| 李艳华;肖文光;: "基于ARM的客车监控GPS终端设计", 宿州学院学报, no. 11 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112528910A (zh) * | 2020-12-18 | 2021-03-19 | 上海高德威智能交通系统有限公司 | 手脱离方向盘检测方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11403907B2 (en) | System for operating electric-vehicle charging station | |
| CN108986539A (zh) | 停车管理系统、方法、车辆信息采集装置及管理服务器 | |
| CN107878465B (zh) | 移动体控制装置和移动体 | |
| CN108537140A (zh) | 车内人员识别方法及系统 | |
| CN110001566A (zh) | 车内生命体保护方法、装置及计算机可读存储介质 | |
| CN105788127A (zh) | 一种汽车远程监控预警系统及其方法 | |
| CN115427268A (zh) | 用于检测被锁在车内的乘客的具有人工智能功能的警报 | |
| CN111860105A (zh) | 代驾行为监管方法、装置及设备 | |
| CN108305476A (zh) | 一种获取违法车辆信息的方法、系统及救护车 | |
| CN107933461B (zh) | 基于单摄像头的车内识别融合装置及方法 | |
| CN112937559B (zh) | 行车警示方法及车载装置 | |
| CN111862529A (zh) | 报警方法及设备 | |
| CN112149482A (zh) | 驾驶员在岗状态检测方法、装置、设备和计算机存储介质 | |
| CN212781222U (zh) | 车辆损伤监控系统 | |
| CN110417711A (zh) | 一种车辆远程监控及自我监测方法、监控系统 | |
| CN111086486B (zh) | 一种车辆安防方法、安防系统及车辆 | |
| KR20120004144A (ko) | 차량용 블랙박스 및 그의 사고 기록 방법 | |
| EP4190628A1 (en) | Thermal management system for a traction battery of an electric vehicle, electric vehicle, and method for operating a thermal management system | |
| CN114274967B (zh) | 智能驾驶车辆的管理方法、装置、计算机设备及存储介质 | |
| CN210027333U (zh) | 车载取证报警装置 | |
| CN215298247U (zh) | 一种对电动车进入楼宇进行监测预警的装置 | |
| CN114360267B (zh) | 基于云端检测系统的车况检测方法、装置及云端检测系统 | |
| CN116279454B (zh) | 车身装置控制方法、装置、电子设备和计算机可读介质 | |
| US20220363212A1 (en) | System and Method for Controlling a Driver Facing Camera | |
| CN115131933A (zh) | 一种安防方法及相关装置、车辆 |
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 |