CN111862529A - 报警方法及设备 - Google Patents

Abstract

本发明实施例提供一种报警方法及设备，该方法包括：车载端检测到乘客上车后，获取车内图像，其中所述车内图像中包括车内人员，所述车内人员包括司机和所述乘客；若所述车载端检测到所述车内图像中的车内人员的肢体动作中存在指定求救动作，则发送报警信息至预设报警系统，无需用户打开指定的报警界面以及点击该报警界面上的报警快捷键才能生成报警信息，只需用户做出求救动作后便可以生成报警信息，提高报警信息的生成效率，可以及时地将报警信息发送给相关人员以进行报警求救，从而可以有效避免车内危险事件的发生。

Description

报警方法及设备

技术领域

本发明实施例涉及人工智能技术领域，尤其涉及一种报警方法及设备。

背景技术

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，乘坐网约车出行的人越来越多。相应的，网约车内出现打架等危险事件的概率也越来越高。

现有技术中，为了减少网约车内发生危险事件的概率，一般是在出行软件上设置一键报警功能，当司机或乘客发现危险的时候，司机或乘客可以快速打开报警界面，然后点击报警界面上的报警快捷键，生成相应的报警信息发送给通知相关人员，相关人员提前通过电话等方式对肇事者进行警示，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，保证车上受害人的安全。

然而，发明人发现现有技术中至少存在如下问题：由于受害人在进行一键报警时，需要先操作出行软件以打开指定的报警界面，然后还要点击该报警界面上的报警快捷键来进行报警，需要用户进行的操作较多，导致报警信息生成的速度较慢，可能无法及时地发送报警信息，从而仍会导致车内危险事件的发生。

发明内容

本发明实施例提供一种报警方法及设备，以提供报警信息的生成效率。

第一方面，本发明实施例提供一种报警方法，包括：

车载端检测到乘客上车后，获取车内图像，其中所述车内图像中包括车内人员，所述车内人员包括司机和所述乘客；

若所述车载端检测到所述车内图像中的车内人员的肢体动作中存在指定求救动作，则发送报警信息至预设报警系统。

在一种可能的设计中，所述车载端检测到所述车内图像中的车内人员的肢体动作存在指定求救动作，包括：

所述车载端获取所述车内人员的求救配置信息，其中所述求救配置信息包括求救动作；

所述车载端将所述车内图像输入目标动作检测模型进行动作识别，若识别到所述求救动作，则确定所述车内图像中的车内人员的肢体动作存在所述指定求救动作。

在一种可能的设计中，所述车载端获取所述车内人员的求救配置信息，包括：

所述车载端接收服务端发送的所述车内人员的求救配置信息，其中所述求救配置信息是服务端根据订单信息获取的。

在一种可能的设计中，所述车载端获取所述车内人员的求救配置信息，包括：

所述车载端接收车内人员的用户端发送的所述车内人员的求救配置信息。

在一种可能的设计中，所述求救动作包括如下至少一种类型的动作：面部动作、头部动作和身体动作。

在一种可能的设计中，所述车载端检测到乘客上车，包括：

若所述车载端接收到服务端发送的行程开始信息，则确定检测到乘客上车.。

在一种可能的设计中，所述车载端检测到乘客上车，包括：

若车载端检测到所述车内图像的非司机区域存在人员，则确定检测到乘客上车。

在一种可能的设计中，所述动作检测模型包括单一类型动作检测模型或多类型动作检测模型。

第二方面，本发明实施例提供一种报警设备，包括：

图像获取模块，用于车载端检测到乘客上车后，获取车内图像，其中所述车内图像中包括车内人员，所述车内人员包括司机和所述乘客；

报警处理模块，用于若所述车载端检测到所述车内图像中的车内人员的肢体动作中存在指定求救动作，则发送报警信息至预设报警系统。

在一种可能的设计中，所述报警处理模块具体用于：

所述车载端获取所述车内人员的求救配置信息，其中所述求救配置信息包括求救动作；

所述车载端将所述车内图像输入目标动作检测模型进行动作识别，若识别到所述求救动作，则确定所述车内图像中的车内人员的肢体动作存在所述指定求救动作。

在一种可能的设计中，所述报警处理模块还具体用于：所述车载端接收服务端发送的所述车内人员的求救配置信息，其中所述求救配置信息是服务端根据订单信息获取的。

在一种可能的设计中，所述报警处理模块还具体用于：所述车载端接收车内人员的用户端发送的所述车内人员的求救配置信息。

在一种可能的设计中，所述求救动作包括如下至少一种类型的动作：面部动作、头部动作和身体动作。

在一种可能的设计中，所述图像获取模块具体用于：

若所述车载端接收到服务端发送的行程开始信息，则确定检测到乘客上车.。

在一种可能的设计中，所述图像获取模块具体用于：

若车载端检测到所述车内图像的非司机区域存在人员，则确定检测到乘客上车。

在一种可能的设计中，所述动作检测模型包括单一类型动作检测模型或多类型动作检测模型。

第三方面，本发明实施例提供一种报警设备，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报警方法。

第四方面，本发明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报警方法。

本发明实施例提供的报警方法及设备，该方法通过在确定乘客上车后，获取包括车上的人员的车内图像，判断该车内图像中的人员的肢体动作中是否包括指定求救动作，即车内图像是否存在求救动作，当确定该车内图像存在求救动作后，表示车上的人员可能遇到危险，便生成报警信息，并发送给预设系统以实现报警求救，无需用户打开指定的报警界面以及点击该报警界面上的报警快捷键才能生成报警信息，只需用户做出求救动作后便可以生成报警信息，提高报警信息的生成效率，可以及时地将报警信息发送给相关人员以进行报警求救，从而可以有效避免车内危险事件的发生。

附图说明

为了更清楚地说明本发明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发明的一些实施例，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为本发明实施例提供的报警系统的示意图；

图2为本发明实施例提供的报警方法的流程图一；

图3为本发明实施例提供的第二车载图像的示意图；

图4为本发明实施例提供的报警方法的流程图二；

图5为本发明实施例提供的求救动作设置的示意图一；

图6为本发明实施例提供的求救动作设置的示意图二；

图7为本发明实施例提供的叫车页面的示意图；

图8为本发明实施例提供的报警设备的结构示意图；

图9为本发明实施例提供的电子设备的硬件结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

本发明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，以便这里描述的本发明的实施例例如能够以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，乘坐网约车出行的人越来越多。相应的，网约车内出现打架等危险事件的概率也越来越高。

现有技术中，为了减少网约车内发生危险事件的概率，一般是在出行软件上设置一键报警功能，当司机或乘客发现危险的时候，司机或乘客可以快速打开报警界面，然后点击报警界面上的报警快捷键，生成相应的报警信息发送给通知相关人员，相关人员提前通过电话对肇事者进行警示，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，保证车上受害人的安全。

因此，针对上述问题，本发明的技术构思是利用AI技术对可能的求救动作进行建模训练，得到检测模型，通过该检测模型可以准确获得求救判断结果。在应用时，将包括车内人员的车内图像输入到该检测模型中，利用该检测模型获得求救判断结果，即确定车内图像中的车内人员的肢体动作中是否存在求救动作，以确定是否有车内人员在进行报警求救，只需用户做出求救动作即可，当检测到用户做出指定求救动作后，便生成报警信息，从而提高报警信息的生成效率。

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为本发明实施例提供的报警系统的示意图，如图1所示，该系统包括车载摄像设备1、车载端2、移动终端3、车辆4和服务端5。当用户想要打车时，可以在移动终端3上的出行软件上输入出发地和目的地，生成该用户对应的用车订单，并将该用车订单发送给该出行软件对应的服务端5。当司机承接该用车订单后，便前往该出发地去接用户，服务端5将与该用车订单相关的信息，例如，乘客设定的求救动作，发送给车载端2，当用户上车后，车载摄像设备1采集车内图像，并将采集的车内图像传输给车载端2，车载端2判断车内图像中的人员的肢体动作中是否包括该人员所设定的求救动作，即指定求救动作，即判断车内图像是否存在求救动作，当确定该车内图像存在求救动作后，表示车上的人员可能遇到危险，便生成报警信息，并发送给预设系统以实现报警求救，无需用户打开指定的报警界面以及点击该报警界面上的报警快捷键才能生成报警信息，只需用户做出求救动作后便可以生成报警信息，提高报警信息的生成效率，可以及时地将报警信息发送给相关人员以进行报警求救，从而可以有效避免车内危险事件的发生。

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。其可以为行车记录仪，行车记录仪除了记录行驶过程中车外路况信息外，还记录了车内乘车信息，其一般安装在车内的后视镜处，或者也可以根据实际需求安装在车辆4上的其它位置，只要保证其可以拍摄到车辆4的前座和后座区域即可。

其中，车载端2可以为安装在车辆上的车载设备，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5进行交互以获取所需的信息。

可选的，服务端5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车内图像识别是否存在指定求救动作。

其中，当服务端直接控制车辆上的车载摄像设备进行车内状态监控时，需要预先向服务端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。

图2为本发明实施例提供的报警方法的流程图一，本实施例的方法可以由图1中的车载端执行，如图2所示，本实施例的方法，可以包括：

S201：车载端检测到乘客上车后，获取车内图像，其中车内图像中包括车内人员，车内人员包括司机和乘客。

在本实施例中，当车上仅有司机，即乘客未上车时，不会发生车内危险事件，无需进行车内危险事件的检测，因此，为了减少资源的占用和浪费，可以在车载端检测到乘客上车后，才开始进行车内危险事件的检测，即开始通过安装在车内的车载摄像设备对车内进行拍摄，得到相应的车内图像。

其中，车内图像包括车内人员，该车内人员一般包括乘客和司机，当仅限制乘客可以进行肢体动作报警时，车内人员可以仅包括乘客，相应地，当仅限制司机可以进行肢体动作报警时，车内人员可以仅包括司机。

具体地，可以通过多种方式来检测乘客是否上车，本实施例此处通过两种检测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。

一种可选的检测方式中，若车载端检测到车内图像的非司机区域存在人员，则确定检测到乘客上车。

具体实现时，在乘客未上车之前，车载摄像设备仍可以拍摄车内环境，得到相应的车内图像，利用该车内图像可以确定车上是否存在除司机之外的人员，当确定车上存在除司机之外的人员时，表示乘客已经上车，即确定检测到乘客上车。当确定车上不存在除司机之外的人员时，表示还未接到乘客，乘客还未上车，即确定未检测到乘客上车。

在利用车内图像确定车上是否存在除司机之外的人员时，可以先利用图像识别技术确定车内图像中的司机区域和非司机区域，然后判断非司机区域中是否存在人员，当确定非司机区域中存在人员时，表示车上存在除司机之外的人员，当确定非司机区域中不存在人员时，表示车上仅存在司机，即不存在除司机之外的人员。

其中，司机区域为车内图像中的包括司机的区域，非司机区域为车内图像中的除司机区域之外的区域，例如，图3所示的司机区域和非司机区域。

具体地，在判断非司机区域是否存在人员时，可以通过检测非司机区域是否存在人脸、头部、身体等人体特征来确定是否存在人员，例如，当检测非司机区域存在人脸时，便可以确定非司机区域存在人员。

其中，在检测非司机区域是否存在人脸、头部、身体等人体特征时，可以利用人脸检测技术、人头检测技术等技术来进行检测。

其中，人脸检测指对于任意一幅给定的图像，采用一定的策略对其进行搜索以确定其中是否含有人脸，如果是则返回一脸的位置、大小和姿态。人头检测指对于视频图像中的人头或头肩检测。

在实际应用中，也可以采用其它方式来检测非司机区域是否存在人员，例如，将图像输入到相关训练好的人员检测模型中，由该人员检测模型检测非司机区域是否存在人员，在此不对检测非司机区域是否存在人员的方式进行限制。

另一种可选的检测方式中，若车载端接收到服务端发送的行程开始信息，则确定检测到乘客上车.。

具体实现时，当司机到达用车订单的出发地，乘客上车后，司机会在打车软件上触控行程开始按键，表示乘客已经上车，开始行程，打车软件生成相应的行程开始信息，并将其发送至打车软件对应的服务端，服务端将形成开始信息发送给相应的车载端。当车载端接收到服务端发送的形成开始信息时，就可以确定乘客已经上车。

可选的，触控可以为点击操作。

在本实施例中，由于乘客上车之前，车辆上仅存在司机，不会发生打架等危险事件，无需进行求救动作的检测，因此在检测到乘客上车后，才开始利用车内图像进行车内危险事件的检测，从而可以有效减少资源的浪费。

S202：若车载端检测到车内图像中的车内人员的肢体动作中存在指定求救动作，则发送报警信息至预设报警系统。

在本实施例中，在确定乘客已经上车并获得车内图像后，检测车内图像中的车内人员的肢体动作中是否包括指定求救动作，即判断车内图像是否存在求救动作，当判定车内图像中的车内人员的肢体动作中包括指定求救动作时，表示车内图像存在求救动作，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。

其中，求救动作包括如下至少一种类型的动作：面部动作、头部动作和身体动作。面部动作包括眼部动作(例如，眨眼动作)、唇部动作(例如，口型、唇语等)等动作，头部动作包括点头、摇头等动作，身体动作包括手势动作、手臂动作、腿部动作等。

另外，在生成报警信息后，还可以将报警信息发送给受害人所设定的求救联系人，以向该求救联系人进行求助。

具体地，指定求救动作可以为预设求救库中的求救动作，只要车内人员做出的动作为预设求救库中的求救动作，便表明车内图像中的车内人员的肢体动作中存在指定求救动作，即车载端将车内图像输入目标动作检测模型进行动作识别，若识别到预设求救库中的求救动作，则确定车内图像中的车内人员的肢体动作存在指定求救动作。此时，用户只需记住求救动作即可，无需用户提前设置自身所对应的指定求救动作。

另外，指定求救动作还可以为用户设置的求救动作，即当司机做出的动作为其所设置的求救动作时或当乘客做出的动作为其所设置的求救动作时，表明司机或乘客在进行报警求救，则确定车内图像中的车内人员的肢体动作中存在指定求救动作。

为了减少资源的浪费以及避免错误报警，仅在乘客乘车的过程进行肢体动作检测报警，即从确定乘客上车之后开始进行肢体动作检测报警，在到达该乘客对应的用车订单中的目的地时停止肢体动作检测报警。

在本实施例中，本发明将利用视觉AI技术，对在行驶过程中的车内状态进行监控，当司机或者乘客意识到危险事情发生，可以及时地对车载摄像设备发出报警求救信号。终端可以检测出该报警求救信号，及时进行报警求救，从而遏制恶性事件的发生，且这种报警求救方式是主动方式，是无感的操作模式，犯罪分子是觉察不到的，因此比用语音直接报警求救方式更好，更容易运用到车内冲突监控中。语音直接报警求救方式在求救过程中，很容易被犯罪分子提前察觉，反而导致危险事故提前发生。

从上述描述可知，通过在确定乘客上车后，获取包括车上的人员的车内图像，判断该车内图像中的人员的肢体动作中是否包括指定求救动作，即车内图像是否存在求救动作，当确定该车内图像存在求救动作后，表示车上的人员可能遇到危险，便生成报警信息，并进行发送，无需用户打开指定的报警界面以及点击该报警界面上的报警快捷键才能生成报警信息，只需用户做出求救动作后便可以生成报警信息，提高报警信息的生成效率，可以及时地将报警信息发送给相关人员以进行报警求救，从而可以有效避免车内危险事件的发生。

当指定求救动作还可以为用户设置的求救动作时，在获得车内图像后，可以利用训练好的网络模型对车内图像进行检测以确定车内图像中是否存在求救动作，下面结合一个具体的实施例对利用训练好的网络模型对车内图像进行指定求救动作检测的过程进行详细描述。

图4为本发明实施例提供的报警方法的流程图二，本实施例在图2实施例的基础上，对利用训练好的网络模型对车内图像进行指定求救动作检测的具体实现过程进行了详细说明。如图4所示，该方法包括：

S401：车载端检测到乘客上车后，获取车内图像，其中车内图像中包括车内人员，车内人员包括司机和乘客。

本实施例的S401的具体实施方式，与上述实施例中的S201类似，此处不再赘述。

S402：车载端获取车内人员的求救配置信息，其中求救配置信息包括求救动作。

在本实施例中，当车载端检测到乘客上车并获取到车内图像后，获取该车内图像中的各个车内人员的求救配置信息，即当该车内人员包括司机和乘客时，获取司机的求救配置信息和乘客的求救配置信息。

具体地，求救配置信息包括求救动作，该求救动作为车内人员预先设置的求救动作，当车内人员做出该求救动作后，便认为其在进行求救，例如，司机设置的求救动作为比出“OK”的手势。在获取求救配置信息时，可以通过多种方式进行获取，本实施例此处通过两种获取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。

一种可选的获取方式中，车载端接收服务端发送的车内人员的求救配置信息，其中求救配置信息是服务端根据订单信息获取的。

具体地，订单信息是指用车订单，当用户端生成乘客的用车订单后，将该用车订单发送给服务端，服务端对该用车订单进行发布，在司机接受用车订单，服务端便将车内人员的求救配置信息发送给车载端，以使车载端上的求救软件在需要时，直接获取车内人员的求救配置信息。例如，当司机接受用车订单后，服务段便将该用车订单对应的司机的求救配置信息以及乘客的求救配置信息发送给车载端。

另一种可选的获取方式中，车载端接收车内人员的用户端发送的车内人员的求救配置信息。

具体地，当检测到乘客上车后，车载端便向车内人员的用户端发送相应的请求以使车内人员的用户端在接收到该请求后，将求救配置信息返回给车载端。

无论是用户端还是服务端发送求救配置信息，都需要用户在用户端上预先设置一下，用户通过操作移动终端上安装的软件，例如打车软件，以打开求救模式设置界面，在该求救模式设置界面可以按照提示进行设置求救动作，并生成该用户对应的求救设置信息。

在设置求救动作时，可以直接利用预先提供的求救动作，即直接从提供的求救动作中选择求救动作，并将选择的求救动作作为自己的求救动作。例如，如图5所示，用户先在求救动作类型设置页面(如图5中a所示)中选择自己要设置的求救动作类型，然后进入选择的求救动作类型对应的动作选择页面(如图5中b所示)中选择求救动作，从而得到该用户指定的求救动作。

在设置求救动作时，还可以利用用户自己录制的求救动作，如图6所示，用户先在求救动作类型设置页面(如图6中c所示)中选择自己要设置的求救动作类型，然后进入选择的求救动作类型对应的动作录制页面(如图6中d所示)中录制求救动作，从而得到该用户指定的求救动作。

S403：车载端将车内图像输入目标动作检测模型进行动作识别，若识别到求救动作，则确定车内图像中的车内人员的肢体动作存在指定求救动作。

在本实施例中，车载端将车内图像输入到目标动作检测模型中，目标动作检测模型对车内图像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，该动作检测结果为图像存在求救动作或图像不存在求救动作，具体地，该动作检测结果还可以为司机动作存在求救动作或乘客动作存在求救动作。

具体地，目标动作检测模型检测车内图像中的司机的肢体动作中是否存在其设定的求救动作以及检测车内图像中的乘客的肢体动作中是否存在其设定的求救动作，当确定车内图像中的司机的肢体动作中存在其设定的求救动作，即确定司机的肢体动作存在指定求救动作，或确定车内图像中的乘客的肢体动作中存在其设定的求救动作，即确定乘客的肢体动作存在指定求救动作，则确定车内图像中的车内人员的肢体动作存在指定求救动作。

车载端获取到目标动作检测模型输出的动作检测结果，当动作检测结果为图像存在求救动作时，表示识别到求救动作，则确定车内图像中的车内人员的肢体动作存在指定求救动作。当动作检测结果为图像不存在求救动作时，表示未识别到求救动作，则确定车内图像中的车内人员的肢体动作不存在指定求救动作，实现利用目标动作检测模型进行动作识别，从而确定车内图像中的车内人员的肢体动作是否存在指定求救动作。

其中，目标动作检测模型为训练好的网络模型，其包括包括单一类型动作检测模型或多类型动作检测模型。单一类型动作检测模型只能用来检测一种类型的肢体动作，例如，仅可以对面部动作进行检测，多类型动作检测模型可以用来检测各种类型的肢体动作。

当利用单一类型动作检测模型来检测车内图像是否存在求救动作时，将车内图像输入单一类型动作检测模型进行动作识别，即单一类型动作检测模型只对车内图像进行单一指定类型的肢体动作提取，对提取到的指定类型的肢体动作特征进行检测，并生成相应的动作检测结果，该动作检测结果为图像存在求救动作或图像不存在求救动作。

其中，由于求救动作包括如下至少一种类型的动作：面部动作、头部动作和身体动作，相应地，单一类型动作检测模型可以包括面部动作模型、头部动作模型和身体动作模型等。由于单模网络模型只能对一种类型的肢体动作进行检测，因此，指定类型实际是指单一类型动作检测模型所能检测的类型，例如，单一类型动作检测模型为头部动作模型，相应地，指定类型是指头部动作类型。

当利用多类型动作检测模型来检测车内图像是否存在求救动作时，将车内图像输入至多类型动作检测模型，以使多类型动作检测模型对车内图像进行各种类型的肢体动作特征提取，并对提取到的各种类型的肢体动作特征进行检测，生成相应的动作检测结果，该动作检测结果为图像存在求救动作或图像不存在求救动作。

其中，多类型动作检测模型包括整体多类型动作检测模型和综合多类型动作检测模型，其中，综合多类型动作检测模型是由多个单一类型动作检测模型组成，根据各个单一类型动作检测模型输出的分数来确定总分数，当总分数大于或等于预设阈值时，生成的动作检测结果为图像存在求救动作，当总分数小于预设阈值时，生成的动作检测结果为图像不存在求救动作。

具体地，在根据各个单一类型动作检测模型输出的分数来确定总分数时，可以将各单一类型动作检测模型输出的分数中的最大值确定作为总分数，也可以将各单一类型动作检测模型输出的分数的平均值确定为总分数，或者采用其它方式来根据各单一类型动作检测模型输出的分数确定总分数，在此不对确定总分数的方式进行显示。

其中，整体多模网络模型可以对所有类型的肢体动作进行检测，即可以对对车载图像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，该动作检测结果为图像存在求救动作或图像不存在求救动作。

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车内图像准确进行动作识别，确定车内图像中的车内人员的肢体动作是否存在指定求救动作。

其中，正样本为包括求救动作的图像，负样本为仅包括垃圾动作的图像，垃圾动作为与求救动作不相关的动作，即除求救动作之外的其它动作。

另外，车载端在获取到车内人员的求救配置信息后，将求救配置信息中的求救动作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车内人员的肢体动作中是否存在其设定的求救动作。

S404：若车载端检测到车内图像中的车内人员的肢体动作中存在指定求救动作，则发送报警信息至预设报警系统。

在本实施例中，在确定车内图像中的人员的肢体动作中包括指定求救动作时，即在确定车内图像中存在求救动作时，生成包括特定信息的报警信息发送给相关系统。在生成报警信息时，可以按照相关预设报警格式来生成。

其中，报警信息包括车辆位置信息、电话号码和车牌号中的至少一种，也可以根据实际需求设定报警格式，以使生成的报警信息还包括其它内容。

可选的，电话号码可以为肇事者的电话号码，例如，在识别到乘客的肢体动作中存在指定求救动作，表明司机为肇事者，则预设报警系统对应的相关人员可以利用肇事者的电话号码，给肇事者打电话以对肇事者进行警示。

下面通过一个具体的应用实例，对图4的所描述的车内人员报警过程进行详细的描述，描述如下：

乘客1在移动终端1上的打车软件A打车时，需要在指定的叫车页面上输入出发地和目的地，例如，在图7所示的叫车页面上进行输入出发地和目的地，然后生成乘客1所对应的用车订单，打车软件A通过移动终端1将该用车订单发送给服务端，服务端对该用车订单进行发布。当司机1接受该用车订单后，便开车前往该用车订单中的出发地去接乘客1，同时服务端获取与该用车订单关联的车内人员对应的求救配置信息，即该乘客的个人并将获取的信息发送给车载端。车载端所在的车辆到达出发地后，当确定乘客上车后，便开始通过车载端所在车辆上的行车记录仪拍摄车内图像以实现对车辆的监控，行车记录仪将车内图像发送给车载端，车载端对车内图像进行识别，当识别到车内图像中的乘客的肢体动作中存在其设定的求救动作或识别到车内图像中的司机的肢体动作中存在其设定的求救动作后，表明车内人员的肢体动作中存在指定求救动作，则确定有车内人员正在进行报警求救，则发送报警信息至预设报警系统以进行报警求救。

在本实施例中，利用目标检测模型对车内图像进行动作识别，以确定车内人员的肢体动作中是否存在求救动作，当确定车内人员的肢体动作中存在求救动作后，表明存在车内人员正在进行报警求救，则自动生成相应的报警信息，并发送给至预设报警系统，实现快速报警。

图8为本发明实施例提供的报警设备的结构示意图，如图8所示，本实施例提供的报警设备80，可以包括：图像获取模块810和报警处理模块820。

其中，图像获取模块，用于车载端检测到乘客上车后，获取车内图像，其中车内图像中包括车内人员，车内人员包括司机和乘客。

报警处理模块，用于若车载端检测到车内图像中的车内人员的肢体动作中存在指定求救动作，则发送报警信息至预设报警系统。

在一种可能的设计中，报警处理模块具体用于：

车载端获取车内人员的求救配置信息，其中求救配置信息包括求救动作。

车载端将车内图像输入目标动作检测模型进行动作识别，若识别到求救动作，则确定车内图像中的车内人员的肢体动作存在指定求救动作。

在一种可能的设计中，报警处理模块还具体用于：车载端接收服务端发送的车内人员的求救配置信息，其中求救配置信息是服务端根据订单信息获取的。

在一种可能的设计中，报警处理模块还具体用于：车载端接收车内人员的用户端发送的车内人员的求救配置信息。

在一种可能的设计中，求救动作包括如下至少一种类型的动作：面部动作、头部动作和身体动作。

在一种可能的设计中，图像获取模块具体用于：

若车载端接收到服务端发送的行程开始信息，则确定检测到乘客上车.。

在一种可能的设计中，图像获取模块具体用于：

若车载端检测到车内图像的非司机区域存在人员，则确定检测到乘客上车。

在一种可能的设计中，动作检测模型包括单一类型动作检测模型或多类型动作检测模型。

从上述描述可知，通过在确定乘客上车后，获取包括车上的人员的车内图像，判断该车内图像中的人员的肢体动作中是否包括指定求救动作，即车内图像是否存在求救动作，当确定该车内图像存在求救动作后，表示车上的人员可能遇到危险，便生成报警信息，并进行发送，无需用户打开指定的报警界面以及点击该报警界面上的报警快捷键才能生成报警信息，只需用户做出求救动作后便可以生成报警信息，提高报警信息的生成效率，可以及时地将报警信息发送给相关人员以进行报警求救，从而可以有效避免车内危险事件的发生。

图9为本发明实施例提供的电子设备的硬件结构示意图。如图9所示，本实施例提供的电子设备900包括：至少一个处理器901和存储器902。其中，处理器901、存储器902通过总线903连接。

在具体实现过程中，至少一个处理器901执行存储器902存储的计算机执行指令，使得至少一个处理器901执行上述方法实施例中的报警方法。

处理器901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9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。结合发明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，PCI)总线或扩展工业标准体系结构(ExtendedIndustry 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。

本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，当处理器执行计算机执行指令时，实现上述方法实施例的报警方法。

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发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，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发明各实施例技术方案的范围。

Claims (18)

1.一种报警方法，其特征在于，包括：

车载端检测到乘客上车后，获取车内图像，其中所述车内图像中包括车内人员，所述车内人员包括司机和所述乘客；

若所述车载端检测到所述车内图像中的车内人员的肢体动作中存在指定求救动作，则发送报警信息至预设报警系统。

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车内图像中的车内人员的肢体动作存在指定求救动作，包括：

所述车载端获取所述车内人员的求救配置信息，其中所述求救配置信息包括求救动作；

所述车载端将所述车内图像输入目标动作检测模型进行动作识别，若识别到所述求救动作，则确定所述车内图像中的车内人员的肢体动作存在所述指定求救动作。

3.根据权利要求2所述的方法，其特征在于，所述车载端获取所述车内人员的求救配置信息，包括：

所述车载端接收服务端发送的所述车内人员的求救配置信息，其中所述求救配置信息是服务端根据订单信息获取的。

4.根据权利要求2所述的方法，其特征在于，所述车载端获取所述车内人员的求救配置信息，包括：

所述车载端接收车内人员的用户端发送的所述车内人员的求救配置信息。

5.根据权利要求2所述的方法，其特征在于，所述求救动作包括如下至少一种类型的动作：面部动作、头部动作和身体动作。

6.根据权利要求1至5任一项所述的方法，其特征在于，所述车载端检测到乘客上车，包括：

若所述车载端接收到服务端发送的行程开始信息，则确定检测到乘客上车。

7.根据权利要求1至5任一项所述的方法，其特征在于，所述车载端检测到乘客上车，包括：

若车载端检测到所述车内图像的非司机区域存在人员，则确定检测到乘客上车。

8.根据权利要求2至5任一项所述的方法，其特征在于，所述动作检测模型包括单一类型动作检测模型或多类型动作检测模型。

9.一种报警设备，其特征在于，包括：

图像获取模块，用于车载端检测到乘客上车后，获取车内图像，其中所述车内图像中包括车内人员，所述车内人员包括司机和所述乘客；

报警处理模块，用于若所述车载端检测到所述车内图像中的车内人员的肢体动作中存在指定求救动作，则发送报警信息至预设报警系统。

10.根据权利要求9所述的设备，其特征在于，所述报警处理模块具体用于：

所述车载端获取所述车内人员的求救配置信息，其中所述求救配置信息包括求救动作；

所述车载端将所述车内图像输入目标动作检测模型进行动作识别，若识别到所述求救动作，则确定所述车内图像中的车内人员的肢体动作存在所述指定求救动作。

11.根据权利要求9所述的设备，其特征在于，所述报警处理模块还具体用于：所述车载端接收服务端发送的所述车内人员的求救配置信息，其中所述求救配置信息是服务端根据订单信息获取的。

12.根据权利要求9所述的设备，其特征在于，所述报警处理模块还具体用于：所述车载端接收车内人员的用户端发送的所述车内人员的求救配置信息。

13.根据权利要求9所述的设备，其特征在于，所述求救动作包括如下至少一种类型的动作：面部动作、头部动作和身体动作。

14.根据权利要求9至13任一项所述的设备，其特征在于，所述图像获取模块具体用于：

若所述车载端接收到服务端发送的行程开始信息，则确定检测到乘客上车.。

15.根据权利要求9至13任一项所述的设备，其特征在于，所述图像获取模块具体用于：

若车载端检测到所述车内图像的非司机区域存在人员，则确定检测到乘客上车。

16.根据权利要求10所述的设备，其特征在于，所述动作检测模型包括单一类型动作检测模型或多类型动作检测模型。

17.一种电子设备，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8任一项所述的报警方法。

18.一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8任一项所述的报警方法。

Images