CN112622919B - 一种酒驾自动监测系统及检测方法 - Google Patents

Abstract

本发明涉及一种交通监控系统，它解决了现有监控系统无法准确判别驾驶员是否酒驾以及获取开窗时驾驶员呼出气体酒精含量值的问题，本发明利用TDLAS技术、LRPTS技术、激光光谱视觉成像的原理以及现有的图像检测技术对识别到的图像进行分割以及提取，通过对应的PPM值判断驾驶员是否酒驾，并将检测结果以及对应的图像实时传输给交警部门。

Description

一种酒驾自动监测系统及检测方法

技术领域

本发明属于气体检测技术领域，特别涉及一种激光光谱视觉成像的驾驶员酒驾自动监测系统及检测方法。

背景技术

在酒驾检测方面，传统上的方法是通过交警在路口使用手持酒精检测仪，要求驾驶员停车对着酒精检测仪呼气2.5秒以上，手持酒精检测仪装有酒精气体传感器，相当于一种气敏电阻，阻值会随着人呼出气体中的酒精浓度的变化而变化，从而引起电路中电流和电压的变化。呼出气体中的酒精含量与血液中的酒精含量有一定的比例关系，不同浓度的酒精含量会引起传感器产生不同强度的电压信号，最后信号通过电子放大器方法，得到酒精检测仪上的数据。但交警通过手持式酒精检测仪进行检测，不可避免的干扰了路段的交通，加大日益恶化的交通压力。另外，该检测方法属于近距离检测方法，使得酒驾检测更难实现。因此，需发明一种远距离的酒精检测方法和系统是非常必要的。

针对上述需求，目前，国内外也有很多相关的解决方案。

专利CN109552043A提出了采用近红外光酒精检测的汽车防酒驾装置以及防酒驾方法，通过激光发射器发出的光线被漫反射传感器接收，漫反射传感器通过光纤与光谱检测器连接，光谱检测器与干涉器控制器通过数据线连接，干涉器控制器与车载电脑数据线连接，车钥匙内置感应装置。驾驶者在用车钥匙对车解锁时，激光发射器会发射出一束激光，检测信号从漫反射传感器通过光纤传输到光谱检测器，光谱检测器分析之后，给干涉仪控制器发送指令微调动镜位置；动静微调之后，再进行一次光路传输，如此反复几次，测得多组数据，将数据通过数据线传输到车载电脑。该装置安装于汽车内部，起到检测驾驶者血液酒精含量的功能。但存在一些问题如，（1）可以在汽车解锁时让未饮酒的人接收检测来欺骗该装置从而开启汽车；（2）交警部门无法获取酒驾信息。

专利CN104742802A提出一种基于多传感器与视频识别技术的酒驾检测系统和方法，该发明通过安装在驾驶座前方摄像头，可以检测是否存在有人替代酒精检测启动汽车，当汽车启动后已经饮酒的驾驶员再去驾驶汽车的现象。同时，本发明通过在驾驶室内不同位置安装酒精传感器，融合多传感器与视频识别技术完成驾驶过程中的饮酒行为检测，实现在驾驶过程中对驾驶员饮酒行为的检测。当检测到驾驶员醉酒时，能够发出警告信号，同事向其亲友发送驾驶员的状态信息和汽车的地理位置信息，方便亲友联系驾驶员和实施现场救助。但存在一些问题如，（1）驾驶员未喝酒，但同车的人喝酒量大时，会造成车内传感器误认为驾驶员也存在喝酒行为，造成误判；（2）同上一个发明一样，交警部门无法获取酒驾信息。（3）驾驶员可以对车辆内部的传感器进行破坏，让整套仿酒驾设备失效。

专利CN105372199B提出了一种基于红外漫反射的酒驾遥测系统及遥测方法，该方法通过安装在道路上的红外漫反射传感器对路面通行车辆进行扫描，车室内部存在的酒精气体，会对入射的红外光线选择吸收，被吸收后的激光在发射面发生反射。接收并分析漫反射红外光线信号，判断汽车驾驶室内的酒精气体浓度，远程传输上报。但存在一些问题如，无法识别是驾驶员饮酒还是同车人饮酒，会出现误判。

专利CN111007030A提出了一种基于激光雷达的电子眼一体化酒驾检测装置，该方法属于半导体激光雷达领域，通过激光光路的设计，将偏振分光镜处发生偏折后的光路和入射光路相区分，通过读取经过偏振分光镜后的反射光线的强弱来判断待测车辆驾驶室中的空气是否存在酒精蒸汽，从而用于初步判断待测车辆的驾驶员是否酒驾。但专利CN105372199B一样，存在同样问题，无法识别是驾驶员饮酒还是同车人饮酒，会出现误判。

专利CN109937359A提出了场景上的气体的检测，该方法通过可控照明系统,利用包括红外波长范围内的辐射的光来对场景进行照明;利用控制单元来控制照明系统发射处于第一波长和第二波长的光，使得对于第一和第二波长中的每一个，在时间段内将相等量的辐射能量发射到场景上，第一波长对应于气体的第一吸收水平，第二波长对应于气体的第二吸收水平；通过红外检测器来采集有第一波长的光照明的场景的第二红外图像，并且比较所诉第一和第二红外图像以确定在所述第一和第二红外图像中是否表示出至少一种特定气体的特性。该专利通过热成像方式探测待测气体，但没有对气体浓度进行进一步分析。

专利CN108876763A提出了光学气体成像系统和方法，该方法通过热成像执行光学气体成像的系统、相机和软件。以用于检测气体的方法的指令对处理器进行编程,可产生经滤波背景图像、经滤波前景图像和光学气体图像数据，以及产生显示图像。可以通过比较所述经滤波背景图像和所述经滤波前景图像而产生所述光学气体图像数据但没有对所测气体浓度进行进一步分析。

发明内容

本发明设计了一种酒驾自动监测系统及检测方法，通过可见相机对车辆内的驾驶员嘴部/面部/上半身进行定位，然后将定位信息传输给两台近红外相机，从而确定被检测人员为驾驶员本人，再根据架第一红外相机监控车辆左侧窗户和车顶窗户、第二红外相机监控车辆右侧窗户和车顶窗户开窗情况。同时，通过近红外相机对驾驶员嘴部的酒精蒸汽进行浓度识别，当超过设定阈值，则认为驾驶员存在酒驾行为。此时，可见光相机、近红外相机和红外相机同时拍照并存储，然后将该信息发送至交警部门并保留图片式的证据。可以解决实际酒驾检测中无法对驾驶员实时在线的酒精浓度检测的问题，为实现上述目的，本发明采用以下具体技术方案：

本发明采用了TDLAS和LRPTS两种检测方法结合的方式工作对酒精浓度进行检测及含量测定：

可调谐半导体二极管激光吸收光谱技术(Tunable Diode LaserAbsorptionSpectrometry)简称TDLAS技术。该技术是利用激光能量被气体分子“选频”吸收形成吸收光谱的原理来测量气体浓度的一种技术。具体来说，半导体激光器发射出的特定波长的激光束穿过被测气体时，被测气体对激光束进行吸收导致激光强度产生衰减，激光强度的衰减与被测气体含量成正比。因此，通过测量激光强度衰弱信息可以分析获得被测气体的浓度。

激光诱导光热反射光谱检测技术(Laser Reflex Photo-Thermal Spectrometry)简称LRPTS技术。该方法是一种基于物质吸收特征波长激光后,通过无辐射弛豫所产生的热效应来进行检测的一类光谱分析方法，现已成为气体和凝聚态物质的高灵敏检测技术,多应用与材料、环境和生物等领域。光热反射光谱技术是一种探测“光激励热效应”的方法,可探测与温度有关的各种物理参数，如压力波、折射系数及吸收系数的变化等，还可检测同时发生的动态变化，是一种非接触性和非破坏性测量的检测方法。

激光光谱视觉成像的原理是利用气体不同物质分子能够吸收光谱中对应波长的光，并且在吸收峰外的波段吸收量非常小，通过近红外相机获取被激光照射的气体，根据生成的近红外图像的明暗程度和热成像情况获得待测气体浓度。

一种酒驾自动检测方法，包括：

S1：使用可见光相机，对车辆内的驾驶员位置进行定位；

S2：至少使用第一近红外相机、第二近红外相机、第一红外相机和第二红外相机；第一红外相机和第二红外相机判断车窗及天窗是否开启；第一近红外相机和第二近红外相机分别对驾驶员嘴部的酒精蒸汽进行浓度检测，若有任一个检测的酒精浓度值大于设定的酒精浓度阈值，则认为该驾驶员酒驾。

优选地，步骤S1之前还包括如下步骤：

S0：分别利用第一近红外相机和第二近红外相机对车辆进行拍摄，得到第一近红外图像和第二近红外图像；

根据第一红外相机和第二红外相机判断车窗及天窗是否开启；

若所有车窗及天窗均未开启，即车厢封闭，则通过此时图像的像素点信息和不同酒精气体浓度PPM信息的对应数据，完成第一近红外相机和第二近红外相机在车厢全封闭时的酒精含量系统的定标；

若所有车窗及天窗全部开启，则通过此时图像的像素点信息和不同酒精气体浓度PPM信息的对应数据，完成第一近红外相机和第二近红外相机在车厢未封闭时的酒精含量系统的定标；

对可见光相机与第一近红外相机和第二近红外相机标定，用标定的结果对相同场景下得到的图像进行配准和融合，使可见光相机拍摄到的图像和第一近红外图像与第二近红外图像相互对应匹配。

优选地，步骤S2中，对拍摄区域内的车辆按照场景对应进行拍照，识别场景拍摄到的第一近红外相机和第二近红外相机的图像的像素点信息，将识别到的像素点信息分别与定标结果中的像素点所对应的酒精气体浓度信息PPM进行比对，若得到比对后的PPM浓度大于设定的酒精浓度阈值，则认为该驾驶员酒驾；

若判断为酒驾，将步骤S2中所得到的相关信息发送至交警部门；若判断非酒驾，则重复检测下一辆汽车。

优选地，步骤S1中，定位驾驶员位置后，识别驾驶员处于如下哪种场景：嘴部无遮挡、嘴部遮挡但面部未遮挡、面部遮挡但上半身未遮挡。

优选地，步骤S2具体包括以下步骤：

S201：使用基于YoloV3的车辆检测方法，检测实时图像中是否有车辆，若检测到有车辆，可见光相机对该车辆进行拍照、同时触发第一近红外相机、第二近红外相机、第一红外相机和第二红外相机同时对同一场景进行拍照，五台相机对车辆均进行n次同步连续拍照获取像素点信息并存储，其中n≥2；

S202：使用基于OTSU的车窗分割方法，对可见光相机拍摄出来的车辆前挡风玻璃区域进行分割，并将驾驶位方向的玻璃区域切割出来存储该区域图像；

S203：使用基于YoloV3的人体检测方法，对步骤S202中存储的图像进行识别，检测出前排司乘人员所在区域，储存该区域图像；

S204：使用基于SSD的人脸检测方法，检测出步骤S203中存储的图像中的人脸区域，储存该区域图像；若人脸被遮阳板挡住，则存储驾驶员上半身区域的图像；

S205：使用基于Mask-RCNN的嘴部精确分割定位方法，定位出步骤S204中存储的人脸区域图像中的嘴部，以嘴部区域为基准向外扩展100像素作为呼出酒精浓度检测区域，储存该区域图像；若嘴部被遮挡，则使用步骤S204中存储的驾驶员上半身区域的图像进行酒精浓度检测；

S206：获取步骤S205中嘴部区域对应的第一近红外相机和第二近红外相机进行n次同步连续拍摄的图像，结合车辆是否封闭，利用n次拍摄得到的第一近红外图像像素点信息和第二近红外图像像素点信息，分别使用定标结果进行反演得到每幅图像对应的酒精气体浓度PPM后，分别对第一近红外相机和第二近红外相机得到的n个PPM取均值；若有任一个均值大于设定的酒精浓度阈值，则认为该驾驶员酒驾。

优选地，步骤S2中的相关信息包括：步骤S201中可见光相机拍摄的含有车牌号、驾驶员面部的图像、步骤S206中车厢封闭或未封闭条件下PPM均值超过阈值时所对应的存储在步骤S205中近两个近红外相机拍摄的图像和两台红外相机拍摄的图像。

优选地，基于TDLAS技术完成第一近红外相机对应车窗全部开启条件下的酒精含量系统的标定；第一近红外相机对应车厢封闭或未封闭条件下的酒精含量系统的检测；基于LRPTS技术完成第二近红外相机对应第二近红外相机对应车窗全部开启条件下的酒精含量系统的标定；第二近红外相机对应车厢封闭或未封闭条件下的酒精含量系统的检测。

一种酒驾自动监测系统，包括：第一近红外相机、第二近红外相机、可见光相机、激光器、第一红外相机、第二红外相机、第一滤光片、第二滤光片；

第一近红外相机上安装有第一滤光片用以探测波长范围在850 nm-950 nm内酒精的吸收峰；

第二近红外相机上安装有第二滤光片用以探测波长范围在1350 nm-1450 nm内酒精的吸收峰；

可见光相机用于采集车辆和车内司乘人员的图像信息，对驾驶员位置进行定位；

第一红外相机用于采集驾驶侧车窗图像和车顶窗图像信息，对驾驶侧车窗和车顶窗是否开启进行判断。

第二红外相机用于采集副驾驶侧车窗图像和车顶窗图像信息，对副驾侧车窗和车顶窗是否开启进行判断。

优选地，可见光相机还用于人脸识别及嘴部、上半身定位操作。

优选地，还包括：用于控制激光器工作以及第一近红外相机、第二近红外相机、第一红外相机、第二红外相机和可见光相机进行拍摄及对其采集到的图像数据进行判断、配准、融合处理的GPU嵌入式处理器Nvidia Jetson Xavier。

本发明能够取得以下技术效果：

1、能够准确测得驾驶员上半身位及以上位置处的酒精浓度值。

2、避免因同车人员饮酒导致车内酒精浓度过高对驾驶员是否酒驾造成误判。

3、避免同车人员顶替驾驶员进行酒驾测试。

4、非接触测量、检测速度快、证据留存完好。

5、在驾驶员饮酒且开启车窗,酒精气体被稀释或吹淡的情况下,提高了酒驾检测能力。

附图说明

图1是本发明一个实施例的一种酒驾自动监测系统的硬件连接示意图；

图2是本发明一个实施例的酒驾自动监测系统工作流程图；

图3是本发明一个实施例的安装方式示意图。

附图标记：

第一近红外相机1、第一滤光片11、第二近红外相机2、第二滤光片21、可见光相机3、激光器4、第一红外相机5、第二红外相机6、处理器7、云服务器8。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，而不构成对本发明的限制。

本发明的目的是提供一种酒驾自动监测系统及检测方法，通过可见光相机对车内驾驶员位置进行定位，使用至少两台近红外相机分别对驾驶员嘴部的酒精蒸汽浓度进行检测，使用至少两台红外相机检测车辆所有车窗是否封闭，与设定的车辆车窗全封闭情况下的酒精浓度阈值或车窗全部开启情况下的酒精浓度阈值进行比对，以确定是否酒驾；两个近红外相机都安装有用于检测位于特定波长范围酒精吸收峰的滤光片，相比现有的酒驾自动检测系统，可极大提高检测的效率与准确率。

下面将对本发明提供的一种酒驾自动监测系统及检测方法，通过具体实施例来进行详细说明。

如图3所示，本发明采用路口架设的方式安装，可以对区域内行驶车辆进行拍照，在本发明的一个优选实施例中，第一近红外相机1、第二近红外相机2以及可见光相机3用于拍摄整车，第一红外相5机监控车辆左侧窗户和车顶窗户开启情况，第二红外相机6监控车辆右侧窗户和车顶窗户的开窗情况。

其硬件连接方式如图1所示，处理器7分别通过网线与可见光相机3连接、RS232串口线与激光器4连接、USB接口与第一近红外相机1、第二近红外相机2、第一红外相机5和第二红外相机6分别连接，同时处理器7还通过网线与云服务器8连接将得到的数据上传至云端。

如图2的工作流程图所示，首先需要对两台近红外相机所对应的酒精含量系统进行定标以及可见光相机3与两台近红外相机的标定。

在本发明的一个优选实施例中，第一近红外相机1是基于TDLAS技术分六种场景对酒精含量系统进行定标，六种场景分别是车厢封闭时嘴部无遮挡、嘴部遮挡但面部未遮挡以及面部遮挡但上半身未遮挡以及任一车窗开启时嘴部无遮挡、嘴部遮挡但面部未遮挡、面部遮挡但上半身未遮挡，得到相应的近红外图像的像素点信息与酒精气体浓度PPM信息的数据，分别存储在Table-A1、Table-A2、Table-A3、Table-A4、Table-A5和Table-A6中；

第二近红外相机2是基于LRPTS技术按照同样的场景顺序对酒精含量系统进行标定，得到的对应数据存储在Table-B1、Table-B2、Table-B3、Table-B4、Table-B5以及Table-B6中；

第一红外相机5和第二红外相机6在基于深度学习的基础下对车辆车窗的开启情况进行判定；

通过现有技术结合车厢是否封闭的判断结果，将可见光相机3与第一近红外相机1和第二近红外相机2进行标定，用标定的结果对六种场景下得到的图像进行配准和融合，使可见光相机3拍摄到的图像和第一近红外图像与第二近红外图像相互对应匹配，此时完成系统的定标与标定等前期工作。

在对驾驶员进行酒驾检测时，利用可见光相机3采集监控区域的实时图像，使用基于YoloV3的车辆检测方法，检测实时图像中是否有车辆，若检测到有车辆，可见光相机3对该车辆进行拍照的同时触发第一近红外相机1、第二近红外相机2、第一红外相机5和第二红外相机6同时进行拍照，且五台相机对车辆均进行三次连续拍照：

第一次拍照得到的可见光相机3拍摄的图像、第一近红外相机1、第二近红外相机2、第一红外相机5和第二红外相机6分别存储为：Image_RGB_1、Image_IR_Align1_1、Image_IR_Align2_1、Image_IR_Window1_1和Image_IR_Window2_1；

第二次拍照得到的可见光相机3拍摄的图像、第一近红外相机1、第二近红外相机2、第一红外相机5和第二红外相机6分别存储为：Image_RGB_2、Image_IR_Align1_2、Image_IR_Align2_2、Image_IR_Window1_2和Image_IR_Window2_2；

第三次拍照得到的可见光相机3拍摄的图像、第一近红外相机1和第二近红外相机2、第一红外相机5和第二红外相机6分别存储为：Image_RGB_3、Image_IR_Align1_3、Image_IR_Align2_3、Image_IR_Window1_3和Image_IR_Window2_3。

Image_RGB图像含有驾驶员以及车辆等信息。

在得到的图像Image_RGB_1、Image_RGB_2和Image_RGB_3上均使用基于OTSU的车窗分割方法分割出车辆前挡风玻璃区域，并将驾驶位方向的玻璃区域切割出来，存储该区域图像为Image_V_ROI_1、Image_V_ROI_2、Image_V_ROI_3；同理，从得到的近红外相机的图像Image_IR上也能够分割出驾驶位方向的玻璃区域的图像，并储存，以下步骤中均同时提取近红外相机上的图像，不再赘述。

在得到的图像Image_V_ROI_1、Image_V_ROI_2、Image_V_ROI_3上均使用基于YoloV3的人体检测方法，检测出前排司乘人员所在区域，存储其图像为Image_P1、Image_P2、Image_P3。

在得到的图像Image_P1、Image_P2、Image_P3上使用基于SSD的人脸检测方法，检测出图像中的人脸区域，存储其图像为Image_P_F1、Image_P_F2和Image_P_F3；若人脸区域被遮挡，则存储驾驶员上半身区域的图像Image_B1、Image_B2、Image_B3。

使用基于Mask-RCNN的嘴部精确分割定位方法定位出Image_P_F1、Image_P_F2和Image_P_F3图像中的嘴部区域图像，存储为Image_P_F_M1、Image_P_F_M2和Image_P_F_M3，以嘴部区域为基准向外扩展100像素作为呼出酒精检测区域Image_P_F_M_E1、Image_P_F_M_E2和Image_P_F_M_E3，若嘴部被遮挡，则使用人脸区域存储的图像Image_P_F1、Image_P_F2和Image_P_F3；若人脸区域被遮挡，则使用驾驶员上半身区域储存的图像Image_B1、Image_B2、Image_B3作为检测区域。

提取图像Image_P_F_M_E1、Image_P_F_M_E2和Image_P_F_M_E3对应的第一近红外相机1中的图像ImageIR1_P_F_M_E1、ImageIR1_P_F_M_E2和ImageIR1_P_F_M_E3，和第二近红外相机2中的图像ImageIR2_P_F_M_E1、ImageIR2_P_F_M_E2和ImageIR2_P_F_M_E3；

分别与Table-A1、Table-A2、Table-A3、Table-A4、Table-A5、Table-A6和Table-B1、Table-B2、Table-B3、Table-B4、Table-B5以及Table-B6中标定的对应结果，获取对应像素点的酒精含量PPM值；

取ImageIR1_P_F_M_E1、ImageIR1_P_F_M_E2和ImageIR1_P_F_M_E3的PPM均值为PPM1;

取ImageIR2_P_F_M_E1、ImageIR2_P_F_M_E2和ImageIR2_P_F_M_E3的PPM均值为PPM2，若PPM1和PPM2中有一个大于设定的酒精浓度阈值，则认为该驾驶员酒驾，保存ImageIR1_P_F_M_E和对应的Image_RGB图像，通过网络发送至交警部门；

若判断非酒驾，不保存该驾驶员和车辆的图像信息，检测下一辆汽车。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

以上本发明的具体实施方式，并不构成对本发明保护范围的限定。任何根据本发明的技术构思所作出的各种其他相应的改变与变形，均应包含在本发明权利要求的保护范围内。

Claims (6)

1.一种酒驾自动检测方法，其特征在于，包括：

S1：使用可见光相机（3），对车辆内的驾驶员位置进行定位；

S2：至少使用第一近红外相机（1）、第二近红外相机（2）、第一红外相机（5）和第二红外相机（6）；所述第一红外相机（5）和所述第二红外相机（6）判断车窗及天窗是否开启；所述第一近红外相机（1）和所述第二近红外相机（2）分别对驾驶员嘴部的酒精蒸汽进行浓度检测，若有任一个检测的酒精浓度值大于设定的酒精浓度阈值，则认为该驾驶员酒驾；

所述步骤S1之前还包括如下步骤：

S0：分别利用所述第一近红外相机（1）和所述第二近红外相机（2）对车辆进行拍摄，得到第一近红外图像和第二近红外图像；

根据所述第一红外相机（5）和所述第二红外相机（6）判断车窗及天窗是否开启；

若所有车窗及天窗均未开启，即车厢封闭，则通过此时图像的像素点信息和不同酒精气体PPM浓度的对应数据，完成所述第一近红外相机（1）和所述第二近红外相机（2）在车厢全封闭时的酒精含量系统的定标；

若所有车窗及天窗全部开启，则通过此时图像的像素点信息和不同酒精气体PPM浓度的对应数据，完成所述第一近红外相机（1）和所述第二近红外相机（2）在车厢未封闭时的酒精含量系统的定标；

对所述可见光相机（3）与所述第一近红外相机（1）和所述第二近红外相机（2）标定，用所述标定的结果对相同场景下得到的图像进行配准和融合，使所述可见光相机（3）拍摄到的图像和所述第一近红外图像与所述第二近红外图像相互对应匹配。

2.根据权利要求1所述的酒驾自动检测方法，其特征在于，步骤S2中，对拍摄区域内的车辆按照所述场景对应进行拍照，识别所述场景拍摄到的所述第一近红外相机（1）和所述第二近红外相机（2）的图像的像素点信息，将识别到的所述像素点信息分别与定标结果中的像素点所对应的酒精气体PPM浓度进行比对，若得到比对后的酒精气体PPM浓度大于设定的酒精浓度阈值，则认为该驾驶员酒驾；

若判断为酒驾，将步骤S2中所得到的相关信息发送至交警部门；若判断非酒驾，则重复检测下一辆汽车。

3.根据权利要求1所述的酒驾自动检测方法，其特征在于，步骤S1中，定位驾驶员位置后，识别所述驾驶员处于如下哪种场景：嘴部无遮挡、嘴部遮挡但面部未遮挡、面部遮挡但上半身未遮挡。

4.根据权利要求3所述的酒驾自动检测方法，其特征在于，步骤S2具体包括以下步骤：

S201：使用基于YoloV3的车辆检测方法，检测实时图像中是否有车辆，若检测到有车辆，所述可见光相机（3）对该车辆进行拍照、同时触发所述第一近红外相机（1）、第二近红外相机（2）、第一红外相机（5）和第二红外相机（6）同时对同一场景进行拍照，五台相机对所述车辆均进行n次同步连续拍照获取像素点信息并存储，其中n≥2；

S202：使用基于OTSU的车窗分割方法，对所述可见光相机（3）拍摄出来的所述车辆前挡风玻璃区域进行分割，并将驾驶位方向的玻璃区域切割出来存储驾驶位方向的玻璃区域的图像；

S203：使用基于YoloV3的人体检测方法，对步骤S202中存储的图像进行识别，检测出前排司乘人员所在区域，储存前排司乘人员所在区域的图像；

S204：使用基于SSD的人脸检测方法，检测出步骤S203中存储的图像中的人脸区域，储存人脸区域的图像；若人脸被遮阳板挡住，则存储驾驶员上半身区域的图像；

S205：使用基于Mask-RCNN的嘴部精确分割定位方法，定位出步骤S204中存储的人脸区域图像中的嘴部，以嘴部区域为基准向外扩展100像素作为呼出酒精浓度检测区域，储存出酒精浓度检测区域的图像；若嘴部被遮挡，则使用步骤S204中存储的驾驶员上半身区域的图像进行酒精浓度检测；

S206：获取步骤S205中嘴部区域对应的所述第一近红外相机（1）和所述第二近红外相机（2）进行n次同步连续拍摄的图像，结合车辆是否封闭，利用n次拍摄得到的所述第一近红外图像的像素点信息和所述第二近红外图像的像素点信息，分别使用定标结果进行反演得到每幅图像对应的酒精气体PPM浓度后，分别对所述第一近红外相机（1）和所述第二近红外相机（2）得到的n个PPM浓度取均值；若有任一个均值大于设定的酒精浓度阈值，则认为该驾驶员酒驾。

5.根据权利要求2所述的酒驾自动检测方法，其特征在于，步骤S2中所述的相关信息包括：步骤S201中可见光相机（3）拍摄的含有车牌号、驾驶员面部的图像、步骤S206中车厢封闭或未封闭条件下PPM均值超过阈值时所对应的存储在步骤S205中近两个近红外相机拍摄的图像和两台红外相机拍摄的图像。

6.根据权利要求1所述的酒驾自动检测方法，其特征在于，基于TDLAS技术完成所述第一近红外相机（1）对应车窗全部开启条件下的酒精含量系统的标定；所述第一近红外相机（1）对应车厢封闭或未封闭条件下的酒精含量系统的检测；基于LRPTS技术完成所述第二近红外相机（2）对应所述第二近红外相机（2）对应车窗全部开启条件下的酒精含量系统的标定；所述第二近红外相机（2）对应车厢封闭或未封闭条件下的酒精含量系统的检测。

Images