CN112801526B - 基于生物识别交叉认证的驾培作弊监管系统和方法 - Google Patents
基于生物识别交叉认证的驾培作弊监管系统和方法 Download PDFInfo
- Publication number
- CN112801526B CN112801526B CN202110159968.9A CN202110159968A CN112801526B CN 112801526 B CN112801526 B CN 112801526B CN 202110159968 A CN202110159968 A CN 202110159968A CN 112801526 B CN112801526 B CN 112801526B
- Authority
- CN
- China
- Prior art keywords
- driving
- training
- learning
- module
- driving training
- 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
- 238000012549 training Methods 0.000 title claims abstract description 318
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000012544 monitoring process Methods 0.000 claims abstract description 91
- 238000005516 engineering process Methods 0.000 claims abstract description 22
- 230000008859 change Effects 0.000 claims abstract description 14
- 238000012360 testing method Methods 0.000 claims description 80
- 238000004458 analytical method Methods 0.000 claims description 52
- 238000004891 communication Methods 0.000 claims description 17
- 230000006399 behavior Effects 0.000 claims description 10
- 230000009471 action Effects 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 5
- 238000013461 design Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004080 punching Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001502 supplementing effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005485 electric heating Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
- G06Q10/1093—Calendar-based scheduling for persons or groups
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
- G06Q50/2057—Career enhancement or continuing education service
-
- 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
- G06V40/70—Multimodal biometrics, e.g. combining information from different biometric modalities
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Educational Technology (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Computational Linguistics (AREA)
- Probability & Statistics with Applications (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明公开了基于生物识别交叉认证的驾培作弊监管系统和方法,包括驾培驾考监管平台(1)、至少一个驾校驾培监管平台(2)、至少一辆教练车(3)和驾培驾考信息存储云(4);其中,所述驾培驾考监管平台(1)设置于公安局交管驾培中心,所述驾校驾培监管平台(2)分设于各驾校,所述教练车(3)设于相应的驾校中;本发明的本发明的基于AI技术和生物识别交叉认证的驾培作弊监管系统和监管方法,只在检测到座椅压力变化时,才启动摄像头认证,这样可以防止摄像头未启动,导致学员学习记录未上传,从而增加驾培学员的学习负担,本发明自动记录学时使得驾培更加智能化。
Description
技术领域
本发明涉及机动车驾驶培训技术领域,具体为基于生物识别交叉认证的驾培作弊监管系统和方法。
背景技术
随着经济发展,人们的收入也得到了极大的提高,生活水平也日益提高,因此,很多人都买了车或计划买车,以便出行,而为了方便出行,汽车是一个重要的交通工具。而在我国,能够驾驶汽车之前必须取得相应的机动车驾驶证。驾驶证通常是通过在驾校进行系统而全面的培训,然后在进行一定的培训之后通过我国公安部交管部门组织的机动车驾驶员考试,并获得驾驶证后才能开车。而为了保证驾驶员和道路安全,需要驾驶员真实学习,并获得足够的驾驶能力才能驾驶,因此,也对驾驶员的培训进行强制要求。
如依据交通运输部关于发布《机动车驾驶培训网络远程理论教学技术规范》(交通运输部2017年第64号公告)和《机动车驾驶培训教学与测试大纲》(交运发[2016]128号)的要求,对教学知识体系完整性、知识内容准确性、教学设计合理性均做出了具体的要求,明确驾培行业线下培训集中授课的指导方针。
同时,为了保证驾驶员真实参加了驾驶员培训,并且有足够的培训时间,以前主要是采用IC卡的形式记录,即每次培训学习时,采用打卡的方式进行,但是,这种传统的认证方式也是显而易见的,容易出现代打卡的作弊现象出现,而为了进一步规范和约束这种行为,不少 城市,如广州、深圳等地都要求学驾人员在进行培训时,必须采用摄像头获取学驾人员的头像,从而进行人像识别认证的,或者进行指纹识别认证,如:
专利CN210244680U公开一种机动车驾驶线下集中培训系统。包括云服务器、人证对比终端、远程互动设备、远程视频调取设备;其特征在于:所述人证对比终端设置在培训教室内,所述远程互动设备包括视频播放设备、计算机,视频播放设备设置在培训教室内,计算机设置在监管端,所述远程视频调取设备包括摄像机、拾音器,摄像机、拾音器设置在培训教室内,人证对比终端、计算机、摄像机、拾音器分别通过有线/无线方式与云服务器通讯连接。该实用新型采用机动车驾驶线下集中培训系统,可以规范线下培训,培训过程结合教材、讲义,是真正意义上的有效培训方案,使学员的线下培训不再成为走过场的形式。
专利CN102800024A公开一种基于人脸识别的驾校考生全程身份验证方法及验证系统,解决驾校考生在考试或训练时的全程身份验证问题,采用的方法是,将考生的报名著录信息和人脸特征信息发送并储存到识别系统中,公安交管部门的驾驶员考生管理系统对核对通过的驾驶员考生的信息实施既时管理和全程身份监控,识别系统实时扑捉考生的人脸图像与储存的人脸特征信息进行比对验证,判断为生身份的合法性,验证系统包括:人脸图像采集部分、视频处理部分、识别运算的模块和CPU中央处理器。本发明的优点是,可对考生实时全程身份监控,减少或取消监考人员,该发明可对驾校训练车辆在公路上进行课时训练时参考人员身份认证和全程身份监控,也可对考试场地内考试车辆参考人员实际身份认证和全程身份监控。
如专利CN204759809U公开了一种教练车具有对教练员和学员进行双重监控的装置,包括控制模块、信号收发装置、扫描装置、发动机状态控制装置、语音提示装置、存储器、GPS通信装置、监控中心,所述信号收发装置、扫描装置、发动机状态控制装置、语音提示装置和存储器分别通过导体与控制模块连接,信号收发装置通过无线信号与GPS通信装置无线通讯,GPS通信装置与监控中心通过无线信号保持联系。采用本实用新型的装置,通过设置学员身份识别模块和教练员身份识别模块,对学员和教练员的身份都进行认证,从而确保学员能够按照交通部门制定的教学计划和教学大纲规定的学时要求,高质量完成驾驶培训。其结构简单、安装方便、实用性强等优点,具有极大的推广价值。
专利CN206178886U公开了一种基于虹膜识别的考场人员的识别装置,包括虹膜采集装置、学生端PC机、教师端服务器、交换机;虹膜采集装置包括虹膜CMOS摄像头、红外补光灯、微控制器;虹膜CMOS摄像头设置在采集装置的中部,虹膜CMOS摄像头的四周环绕设有红外补光灯,虹膜CMOS摄像头处还设有随动光学目标发生器,虹膜CMOS摄像头、红外补光灯、随动光学目标发生器分别与微控制器连接;虹膜采集装置分别与学生端PC机和交换机相连接,教师端服务器相连接;设计上结合PC平台和嵌入式平台的特点,将采集的虹膜图像以像素为单位直接进行传输,减少了数据处理和传输的过程,同时也减少了实时传输带宽,方便处理。
专利CN111192489A公开了一种机动车驾驶线下集中培训系统。包括云服务器、人证对比终端、远程互动设备、远程视频调取设备;其特征在于:所述人证对比终端设置在培训教室内,所述远程互动设备包括视频播放设备、计算机,视频播放设备设置在培训教室内,计算机设置在监管端,所述远程视频调取设备包括摄像机、拾音器,摄像机、拾音器设置在培训教室内,人证对比终端、计算机、摄像机、拾音器分别通过有线/无线方式与云服务器通讯连接。该发明采用机动车驾驶线下集中培训系统,可以规范线下培训,培训过程结合教材、讲义,是真正意义上的有效培训方案,使学员的线下培训不再成为走过场的形式。
可以看到的是,目前,市面上的机动车学驾人员培训的防作弊技术具备以下缺陷;
1.采用指纹识别虽然可以防止作弊,但是现阶段的指纹作弊方式太容易了,如指纹套可以轻而易举的实现仿冒,达不到约束机动车驾驶学习的作弊行为,这不利于进行有效认证和识别。
2.现今的驾培头像识别中,如果驾驶人员采用头像进行识别,容易由于驾驶培训人员未能及时面对摄像头摄像导致摄像丢失,而不能未被认定进行了驾培,导致需要重复学习,浪费人力和物力,如在2019年在深圳经常有学员反馈未能抓拍到头像导致学习失败不能考试。
3.当前的驾培系统还不够智能化,设置的驾培系统只是记录学习的时间,和身份认证,但是却不能提供真实的驾培记录,如学驾人员打卡和头像认证后却未进行学习,并且未提供驾校的学习进度调整和学习时间进行调整。
4.当前的驾培系统并未对学员平时的学习进行考核或记录,因此存在很多偶然通过考试,但是学习或驾驶能力不足的人通过,这些人拿证后对社会依然存在风险。
5.目前,考试根据规定只有5次考试机会,如果学员未能进行有效学习就去考试,必然会导致不合格,而多次考试,浪费考试资源,对大城市的学员多的情况尤为突出。
6,现有技术中,采用本地人脸识别,需要基础数据库,容易造成数据泄露,影响信息安全,本发明采用云储存技术,从而防止认证数据库的丢失。
面对上述技术问题,人们希望提供一种能够更加智能的驾培系统,其不再仅仅依靠学员的头像或者打卡方式去进行认证,保证认证的有效性,同时防止驾培中出现作弊的行为,并能提供多重而简单有效的认证的技术方案。但到目前为止,现有技术中并无有效办法解决上述技术难题。
发明内容
本发明的目的在于提供基于生物识别交叉认证的驾培作弊监管系统和方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种基于AI 技术和生物识别交叉认证的驾培作弊监管系统,包括驾培驾考监管平台、至少一个驾校驾培监管平台、至少一辆教练车平台和驾培驾考信息存储云;其中,所述驾培驾考监管平台设置于公安局交管驾培中心,所述驾校驾培监管平台分设于各驾校,所述教练车平台设于相应的驾校中;所述驾培驾考监管平台和至少一个所述驾校驾培监管平台都数据通信连接于所述驾培驾考信息存储云,所述教练车平台分别和各自对应的所述驾校驾培监管平台无线通信连接,从而实现将对教练车的认证数据进行获取或者学习进度的反馈;
其特征在于:
所述驾培驾考监管平台包括驾培驾考集中显示模块、驾培驾考监控分析模块和驾培驾考警示模块;其中:所述驾培驾考集中显示模块用于选择性地显示各驾校的学员学习情况、学员数量和学习进度的数据,所述驾培驾考监控分析模块采用人工智能AI技术,对获取的存储于所述驾培驾考信息存储云的驾培驾考数据进行分析,以判断是否存在作弊行为、是否符合考试条件和驾考考试成绩,所述驾培驾考警示模块在获取到作弊行为后进行报警;
所述驾校驾培监管平台包括本地驾培学习数据库、本地驾培规划模块 (9) 和驾培分析执行模块,所述本地驾培学习数据库存储有相应驾校的学员驾培学习数据和个人信息;所述驾培驾考信息存储云定期读取各所述所述驾校驾培监管平台的本地驾培学习数据库存储的学员培训时间和进度数据;所述本地驾培规划模块根据所述驾培驾考监管平台规定的驾培学习目标、学习要求和考试要求生成对应的驾培学习计划;
所述教练车平台包括教练车、车轮转动传感模块、视频获取模块、车载执行和监控模块、座椅压力传感模块和语音播报模块;所述教练车上安装有车轮转动传感模块、视频获取模块、车载执行和监控模块、座椅压力传感模块和语音播报模块;其中,所述车载执行和监控模块分别和车轮转动传感模块、视频获取模块、座椅压力传感模块和语音播报模块数据通信连接,从而实现获取相应的监控传感数据和进行播报控制;
在进行驾培和作弊监管时,当将所述车载执行和监控模块设置为学驾培训模式时,在所述座椅压力传感模块检测到主驾驶座椅上有人员坐在该主驾驶座椅上时,将该信息发送至所述车载执行和监控模块,所述车载执行和监控模块控制所述视频获取模块获取所述主驾驶座椅上有人员的头像,并将头像数据通过所述驾校驾培监管平台上传至本地驾培学习数据库进行存储,并且所述驾培分析执行模块基于所述头像采用AI识别技术自动识别出该学员的个人信息,并将该学员的驾培学习时间和学习进度计入所述本地驾培学习数据库存储的对应学员数据记录里;而在所述座椅压力传感模块检测到主驾驶座椅上学员离开主驾驶座椅时,则将该信息发送至所述车载执行和监控模块,从而所述车载执行和监控模块停止计学员的培训学时和学习进度,并将培训学时和学习进度发送所述本地驾培学习数据库;
所述驾培分析执行模块对存储于所述本地驾培学习数据库内的学员学习进度数据、练车的操纵熟悉程度进行分析,当学员的操纵熟悉程度且学时都符合要求后,则驾培分析执行模块生成下一个学习项目,否则继续执行该学习项目;在所述驾培分析执行模块经过分析后认定该学员的学时和学习项目的熟练程度都满足考试要求时,提醒学员进行考试报名;同时,所述驾培驾考监控分析模块在接受到学员的报名考试时,对存储于所述驾培驾考信息存储云内的相应学员的学习熟练程度和学习学时进行分析,当都满足要求后,且不存在作弊行为,则允许学员进行考试,否则不允许学员进行考试。
优选的,所述视频获取模块设置于云台上,从而实现所述视频获取模块的自动抓取主驾驶座位的学员头像信息,当未抓取到人员的头像时,所述云台自动调整位置以便抓取到学员的头像,当自动调整后依然未抓取到头像信息时,通过所述语音播报模块进行报警。
优选的,所述视频获取模块只有在所述座椅压力传感模块检测到主驾驶座椅上有人员坐在该主驾驶座椅上时才进行人员头像获取,以便用于学员识别;并且在学员识别完成后,关闭所述视频获取模块。
优选的,所述座椅压力传感模块在感测到所述教练车的主驾驶座位上的重量出现明显的重量变化时,将该异常信息发送所述车载执行和监控模块,所述车载执行和监控模块控制所述视频获取模块对主驾驶座椅上人员的头像进行获取,并对学员的头像进行识别;并且在学员识别完成后,关闭所述视频获取模块。
优选的,所述方向盘上设置掌纹识别模块,所述掌纹识别模块和所述车载执行和监控模块数据通信连接,当所述掌纹识别模块检测到掌纹且所述座椅压力传感模块检测到主驾驶座椅有人员在时,对所述掌纹进行识别,而在未识别到掌纹时,且间隔一定时间时,通过所述语音播报模块进行报警。
优选的,当学员在进行练车时,当所述驾培分析执行模块通过分析存储于所述本地驾培学习数据库内的学员学习进度速度和练车的操纵熟悉程度的变化,当该变化明显时,启动所述视频获取模块对主驾驶座椅上人员的头像进行获取,并对学员的头像进行识别,以确定学员未作弊。
优选的,所述驾培驾考监控分析模块通过分析存储于所述驾培驾考信息存储云内的学员学习进度和学习时长数据,采用AI分析,智能分析出学员的容易出错点,并在后续的考试中加强该出错点的监督和考核,为后续的行车提供安全环境。
优选的,所述驾培驾考监控分析模块通过读取存储于所述驾培驾考信息存储云内的学员学习进度和学习时长数据,分析各项目的学习进度和学习时长,通过统计学方法,生成合理驾培学习指导学时,和学时下限值,以便让学员选择合适的学习驾驶时间,节省学员时间成本。
另外一方面,本申请还提供一种基于AI 技术和生物识别交叉认证的驾培作弊监管方法,包括权利要求1-8中任意一项的基于AI 技术和生物识别交叉认证的驾培作弊监管系统,具体驾培作弊监管方法如下;
步骤S1,在进行驾培和作弊监管时,当将所述车载执行和监控模块设置为学驾培训模式时,在所述座椅压力传感模块检测到主驾驶座椅上有人员坐在该主驾驶座椅上时,将该信息发送至所述车载执行和监控模块;
步骤S2,所述车载执行和监控模块控制所述视频获取模块获取所述主驾驶座椅上有人员的头像,并将头像数据通过所述驾校驾培监管平台上传至本地驾培学习数据库进行存储,并且所述驾培分析执行模块基于所述头像采用AI识别技术自动识别出该学员的个人信息,并将该学员的驾培学习时间和学习进度计入所述本地驾培学习数据库存储的对应学员数据记录里;
步骤S3,而在所述座椅压力传感模块检测到主驾驶座椅上学员离开主驾驶座椅时,则将该信息发送至所述车载执行和监控模块,从而所述车载执行和监控模块停止计学员的培训学时和学习进度,并将培训学时和学习进度发送所述本地驾培学习数据库;
步骤S4,所述驾培分析执行模块对存储于所述本地驾培学习数据库内的学员学习进度数据、练车的操纵熟悉程度进行分析,当学员的操纵熟悉程度且学时都符合要求后,则驾培分析执行模块生成下一个学习项目,否则继续执行该学习项目;
步骤S5,在所述驾培分析执行模块经过分析后认定该学员的学时和学习项目的熟练程度都满足考试要求时,提醒学员进行考试报名;
步骤S6,所述驾培驾考监控分析模块在接受到学员的报名考试时,对存储于所述驾培驾考信息存储云内的相应学员的学习熟练程度和学习学时进行分析,当都满足要求后,且不存在作弊行为,则允许学员进行考试,否则不允许学员进行考试。
优选的,当学员在进行练车时,当所述驾培分析执行模块通过分析存储于所述本地驾培学习数据库内的学员学习进度速度和练车的操纵熟悉程度的变化,当该变化明显时,启动所述视频获取模块对主驾驶座椅上人员的头像进行获取,并对学员的头像进行识别,以确定学员未作弊。
与现有技术相比,本发明的有益效果是:
1、本发明的基于AI 技术和生物识别交叉认证的驾培作弊监管系统和监管方法,采用传统摄像头或其他生物识别技术,并结合AI分析学驾人员的学习习惯和学习进度,从而可以快速获取学员的学习特点,当出现异常时,及时进行认证并提供必要的报警。
2.本发明的基于AI 技术和生物识别交叉认证的驾培作弊监管系统和监管方法,只在检测到座椅压力变化时,才启动摄像头认证,这样可以防止摄像头未启动,导致学员学习记录未上传,从而增加驾培学员的学习负担,本发明自动记录学时使得驾培更加智能化。
3.本发明的基于AI 技术和生物识别交叉认证的驾培作弊监管系统和监管方法,提供一种更加智能化的驾培考试系统,可以根据学员的学习进度,动态调整学时和学习进度,为驾校和学员提供更加智能化的驾培管理,并且合理调整学习进度和许可考试目前以判断是否符合考试,减少考试资源的浪费。
附图说明
图1为本发明的整体结构示意图;
图2为本发明的详细设计结构示意图;
图3为本发明的驾校驾培监管平台的结构示意图;
图4为本发明的教练车平台的整体结构示意图。
图中:1、驾培驾考监管平台;2、驾校驾培监管平台;3、教练车平台;4、驾培驾考信息存储云;5、驾培驾考集中显示模块;6、驾培驾考监控分析模块;7、驾培驾考警示模块;8、本地驾培学习数据库;9、本地驾培规划模块;10、驾培分析执行模块;11、教练车;12、车轮转动传感模块;13、视频获取模块;14、车载执行和监控模块;15、座椅压力传感模块;16、语音播报模块;17、掌纹识别模块。
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。
具体实施例一:
请参阅图1,本发明提供一种技术方案:一种基于AI 技术和生物识别交叉认证的驾培作弊监管系统,包括驾培驾考监管平台1、至少一个驾校驾培监管平台2、至少一辆教练车平台3和驾培驾考信息存储云4;其中,所述驾培驾考监管平台1设置于公安局交管驾培中心,所述驾校驾培监管平台2分设于各驾校,所述教练车平台3设于相应的驾校中;所述驾培驾考监管平台1和至少一个所述驾校驾培监管平台2都数据通信连接于所述驾培驾考信息存储云4,所述教练车平台3分别和各自对应的所述驾校驾培监管平台2无线通信连接,从而实现将对教练车的认证数据进行获取或者学习进度的反馈;
所述驾培驾考监管平台1包括驾培驾考集中显示模块5、驾培驾考监控分析模块 6和驾培驾考警示模块7;其中:所述驾培驾考集中显示模块5用于选择性地显示各驾校的学员学习情况、学员数量和学习进度的数据,所述驾培驾考监控分析模块 6采用人工智能AI技术,对获取的存储于所述驾培驾考信息存储云4的驾培驾考数据进行分析,以判断是否存在作弊行为、是否符合考试条件和驾考考试成绩,所述驾培驾考警示模块7在获取到作弊行为后进行报警;
所述驾校驾培监管平台2包括本地驾培学习数据库8、本地驾培规划模块9和驾培分析执行模块10,所述本地驾培学习数据库8存储有相应驾校的学员驾培学习数据和个人信息;所述驾培驾考信息存储云4定期读取各所述所述驾校驾培监管平台2的本地驾培学习数据库8存储的学员培训时间和进度数据;所述本地驾培规划模块9根据所述驾培驾考监管平台1规定的驾培学习目标、学习要求和考试要求生成对应的驾培学习计划;
所述教练车平台3包括教练车11、车轮转动传感模块12、视频获取模块13、车载执行和监控模块14、座椅压力传感模块15和语音播报模块16;所述教练车11上安装有车轮转动传感模块12、视频获取模块13、车载执行和监控模块14、座椅压力传感模块15和语音播报模块16;其中,所述车载执行和监控模块14分别和车轮转动传感模块12、视频获取模块13、座椅压力传感模块15和语音播报模块16数据通信连接,从而实现获取相应的监控传感数据和进行播报控制;
在进行驾培和作弊监管时,当将所述车载执行和监控模块14设置为学驾培训模式时,在所述座椅压力传感模块15检测到主驾驶座椅上有人员坐在该主驾驶座椅上时,将该信息发送至所述车载执行和监控模块14,所述车载执行和监控模块14控制所述视频获取模块13获取所述主驾驶座椅上有人员的头像,并将头像数据通过所述驾校驾培监管平台2上传至本地驾培学习数据库8进行存储,并且所述驾培分析执行模块10基于所述头像采用AI识别技术自动识别出该学员的个人信息,并将该学员的驾培学习时间和学习进度计入所述本地驾培学习数据库8存储的对应学员数据记录里;而在所述座椅压力传感模块15检测到主驾驶座椅上学员离开主驾驶座椅时,则将该信息发送至所述车载执行和监控模块14,从而所述车载执行和监控模块14停止计学员的培训学时和学习进度,并将培训学时和学习进度发送所述本地驾培学习数据库8;
所述驾培分析执行模块10对存储于所述本地驾培学习数据库8内的学员学习进度数据、练车的操纵熟悉程度进行分析,当学员的操纵熟悉程度且学时都符合要求后,则驾培分析执行模块10生成下一个学习项目,否则继续执行该学习项目;在所述驾培分析执行模块10经过分析后认定该学员的学时和学习项目的熟练程度都满足考试要求时,提醒学员进行考试报名;同时,所述驾培驾考监控分析模块 6在接受到学员的报名考试时,对存储于所述驾培驾考信息存储云4内的相应学员的学习熟练程度和学习学时进行分析,当都满足要求后,且不存在作弊行为,则允许学员进行考试,否则不允许学员进行考试。
优选的,所述视频获取模块13设置于云台上,从而实现所述视频获取模块13的自动抓取主驾驶座位的学员头像信息,当未抓取到人员的头像时,所述云台自动调整位置以便抓取到学员的头像,当自动调整后依然未抓取到头像信息时,通过所述语音播报模块16进行报警。
优选的,所述视频获取模块13只有在所述座椅压力传感模块15检测到主驾驶座椅上有人员坐在该主驾驶座椅上时才进行人员头像获取,以便用于学员识别;并且在学员识别完成后,关闭所述视频获取模块13。
优选的,所述座椅压力传感模块15在感测到所述教练车的主驾驶座位上的重量出现明显的重量变化时,将该异常信息发送所述车载执行和监控模块14,所述车载执行和监控模块14控制所述视频获取模块13对主驾驶座椅上人员的头像进行获取,并对学员的头像进行识别;并且在学员识别完成后,关闭所述视频获取模块13。
优选的,所述方向盘上设置掌纹识别模块17,所述掌纹识别模块17和所述车载执行和监控模块14数据通信连接,当所述掌纹识别模块17检测到掌纹且所述座椅压力传感模块15检测到主驾驶座椅有人员在时,对所述掌纹进行识别,而在未识别到掌纹时,且间隔一定时间时,通过所述语音播报模块16进行报警。
优选的,当学员在进行练车时,当所述驾培分析执行模块10通过分析存储于所述本地驾培学习数据库8内的学员学习进度速度和练车的操纵熟悉程度的变化,当该变化明显时,启动所述视频获取模块13对主驾驶座椅上人员的头像进行获取,并对学员的头像进行识别,以确定学员未作弊。
优选的,所述驾培驾考监控分析模块6通过分析存储于所述驾培驾考信息存储云4内的学员学习进度和学习时长数据,采用AI分析,智能分析出学员的容易出错点,并在后续的考试中加强该出错点的监督和考核,为后续的行车提供安全环境。
优选的,所述驾培驾考监控分析模块6通过读取存储于所述驾培驾考信息存储云4内的学员学习进度和学习时长数据,分析各项目的学习进度和学习时长,通过统计学方法,生成合理驾培学习指导学时,和学时下限值,以便让学员选择合适的学习驾驶时间,节省学员时间成本。
具体实施例二:
另外一方面,本申请还提供一种基于AI 技术和生物识别交叉认证的驾培作弊监管方法,包括基于AI 技术和生物识别交叉认证的驾培作弊监管系统,具体驾培作弊监管方法如下;
步骤S1,在进行驾培和作弊监管时,当将所述车载执行和监控模块14设置为学驾培训模式时,在所述座椅压力传感模块15检测到主驾驶座椅上有人员坐在该主驾驶座椅上时,将该信息发送至所述车载执行和监控模块14;
步骤S2,所述车载执行和监控模块14控制所述视频获取模块13获取所述主驾驶座椅上有人员的头像,并将头像数据通过所述驾校驾培监管平台2上传至本地驾培学习数据库8进行存储,并且所述驾培分析执行模块10基于所述头像采用AI识别技术自动识别出该学员的个人信息,并将该学员的驾培学习时间和学习进度计入所述本地驾培学习数据库8存储的对应学员数据记录里;
步骤S3,而在所述座椅压力传感模块15检测到主驾驶座椅上学员离开主驾驶座椅时,则将该信息发送至所述车载执行和监控模块14,从而所述车载执行和监控模块14停止计学员的培训学时和学习进度,并将培训学时和学习进度发送所述本地驾培学习数据库8;
步骤S4,所述驾培分析执行模块10对存储于所述本地驾培学习数据库8内的学员学习进度数据、练车的操纵熟悉程度进行分析,当学员的操纵熟悉程度且学时都符合要求后,则驾培分析执行模块10生成下一个学习项目,否则继续执行该学习项目;
步骤S5,在所述驾培分析执行模块10经过分析后认定该学员的学时和学习项目的熟练程度都满足考试要求时,提醒学员进行考试报名;
步骤S6,所述驾培驾考监控分析模块 6在接受到学员的报名考试时,对存储于所述驾培驾考信息存储云4内的相应学员的学习熟练程度和学习学时进行分析,当都满足要求后,且不存在作弊行为,则允许学员进行考试,否则不允许学员进行考试。
优选的,当学员在进行练车时,当所述驾培分析执行模块10通过分析存储于所述本地驾培学习数据库8内的学员学习进度速度和练车的操纵熟悉程度的变化,当该变化明显时,启动所述视频获取模块13对主驾驶座椅上人员的头像进行获取,并对学员的头像进行识别,以确定学员未作弊。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (6)
1.基于生物识别交叉认证的驾培作弊监管系统,包括驾培驾考监管平台(1)、至少一个驾校驾培监管平台(2)、至少一辆教练车平台(3)和驾培驾考信息存储云(4);其中,所述驾培驾考监管平台(1)设置于公安局交管驾培中心,所述驾校驾培监管平台(2)分设于各驾校,所述教练车平台(3)设于相应的驾校中;所述驾培驾考监管平台(1)和至少一个所述驾校驾培监管平台(2)都数据通信连接于所述驾培驾考信息存储云(4),所述教练车平台(3)分别和各自对应的所述驾校驾培监管平台(2)无线通信连接,从而实现将对教练车的认证数据进行获取或者学习进度的反馈;
其特征在于:
所述驾培驾考监管平台(1)包括驾培驾考集中显示模块(5)、驾培驾考监控分析模块(6)和驾培驾考警示模块(7);其中:所述驾培驾考集中显示模块(5)用于选择性地显示各驾校的学员学习情况、学员数量和学习进度的数据,所述驾培驾考监控分析模块(6)采用人工智能AI技术,对获取的存储于所述驾培驾考信息存储云(4)的驾培驾考数据进行分析,以判断是否存在作弊行为、是否符合考试条件和驾考考试成绩,所述驾培驾考警示模块(7)在获取到作弊行为后进行报警;
所述驾校驾培监管平台(2)包括本地驾培学习数据库(8)、本地驾培规划模块(9)和驾培分析执行模块(10),所述本地驾培学习数据库(8)存储有相应驾校的学员驾培学习数据和个人信息;所述驾培驾考信息存储云(4)定期读取各所述驾校驾培监管平台(2)的本地驾培学习数据库(8)存储的学员培训时间和进度数据;所述本地驾培规划模块(9)根据所述驾培驾考 监管平台(1)规定的驾培学习目标、学习要求和考试要求生成对应的驾培学习计划;
所述教练车平台(3)包括教练车(11)、车轮转动传感模块(12)、视频获取模块(13)、车载执行和监控模块(14)、座椅压力传感模块(15)和语音播报模块(16);所述教练车(11)上安装有车轮转动传感模块(12)、视频获取模块(13)、车载执行和监控模块(14)、座椅压力传感模块(15)和语音播报模块(16);其中,所述车载执行和监控模块(14)分别和车轮转动传感模块(12)、视频获取模块(13)、座椅压力传感模块(15)和语音播报模块(16)数据通信连接,从而实现获取相应的监控传感数据和进行播报控制;
在进行驾培和作弊监管时,当将所述车载执行和监控模块(14)设置为学驾培训模式时,在所述座椅压力传感模块(15)检测到主驾驶座椅上有人员坐在该主驾驶座椅上时,将该信息发送至所述车载执行和监控模块(14),所述车载执行和监控模块(14)控制所述视频获取模块(13)获取所述主驾驶座椅上有人员的头像,并将头像数据通过所述驾校驾培监管平台(2)上传至本地驾培学习数据库(8)进行存储,并且所述驾培分析执行模块(10)基于所述头像采用AI识别技术自动识别出该学员的个人信息,并将该学员的驾培学习时间和学习进度计入所述本地驾培学习数据库(8)存储的对应学员数据记录里;而在所述座椅压力传感模块(15)检测到主驾驶座椅上学员离开主驾驶座椅时,则将该信息发送至所述车载执行和监控模块(14),从而所述车载执行和监控模块(14)停止计学员的培训学时和学习进度,并将培训学时和学习进度发送所述本地驾培学习数据库(8);
所述驾培分析执行模块(10)对存储于所述本地驾培学习数据库(8)内的学员学习进度数据、练车的操纵熟悉程度进行分析,当学员的操纵熟悉程度且学时都符合要求后,则驾培分析执行模块(10)生成下一个学习项目,否则继续执行该学习项目;在所述驾培分析执行模块(10)经过分析后认定该学员的学时和学习项目的熟练程度都满足考试要求时,提醒学员进行考试报名;同时,所述驾培驾考监控分析模块(6)在接受到学员的报名考试时,对存储于所述驾培驾考信息存储云(4)内的相应学员的学习熟练程度和学习学时进行分析,当都满足要求后,且不存在作弊行为,则允许学员进行考试,否则不允许学员进行考试;
所述视频获取模块(13)设置于云台上,从而实现所述视频获取模块(13)的自动抓取主驾驶座位的学员头像信息,当未抓取到人员的头像时,所述云台自动调整位置以便抓取到学员的头像,当自动调整后依然未抓取到头像信息时,通过所述语音播报模块(16)进行报警;
所述视频获取模块(13)只有在所述座椅压力传感模块(15)检测到主驾驶座椅上有人员坐在该主驾驶座椅上时才进行人员头像获取,以便用于学员识别;并且在学员识别完成后,关闭所述视频获取模块(13);
所述驾培驾考监控分析模块(6)通过分析存储于所述驾培驾考信息存储云(4)内的学员学习进度和学习时长数据,采用AI分析,智能分析出学员的容易出错点,并在后续的考试中加强该出错点的监督和考核,为后续的行车提供安全环境;
所述驾培驾考监控分析模块(6)通过读取存储 于所述驾培驾考信息存储云(4)内的学员学习进度和学习时长数据,分析各项目的学习进度和学习时长,通过统计学方法,生成合理驾培学习指导学时,和学时下限值,以便让学员选择合适的学习驾驶时间,节省学员时间成本。
2.根据权利要求1所述的基于生物识别交叉认证的驾培作弊监管系统,其特征在于:所述座椅压力传感模块(15)在感测到所述教练车的主驾驶座位上的重量出现明显的重量变化时,将异常信息发送所述车载执行和监控模块(14),所述车载执行和监控模块(14)控制所述视频获取模块(13)对主驾驶座椅上人员的头像进行获取,并对学员的头像进行识别;并且在学员识别完成后,关闭所述视频获取模块(13)。
3.根据权利要求1所述的基于生物识别交叉认证的驾培作弊监管系统,其特征在于:方向盘上设置掌纹识别模块(17),所述掌纹识别模块(17)和所述车载执行和监控模块(14)数据通信连接,当所述掌纹识别模块(17)检测到掌纹且所述座椅压力传感模块(15)检测到主驾驶座椅有人员在时,对所述掌纹进行识别,而在未识别到掌纹时,且间隔一定时间时,通过所述语音播报模块(16)进行报警。
4.根据权利要求1所述的基于生物识别交叉认证的驾培作弊监管系统,其特征在于:当学员在进行练车时,当所述驾培分析执行模块(10)通过分析存储于所述本地驾培学习数据库(8)内的学员学习进度速度和练车的操纵熟悉程度的变化,当该变化明显时,启动所述视频获取模块(13)对主驾驶座椅上人员的头像进行获取,并对学员的头像进行识别,以确定学员未作弊。
5.一种基于生物识别交叉认证的驾培作弊监管方法,包括权利要求1-4中任意一项的基于生物识别交叉认证的驾培作弊监管系统,具体驾培作弊监管方法如下;
步骤S1,在进行驾培和作弊监管时,当将所述车载执行和监控模块(14)设置为学驾培训模式时,在所述座椅压力传感模块(15)检测到主驾驶座椅上有人员坐在该主驾驶座椅上时,将该信息发送至所述车载执行和监控模块(14);
步骤S2,所述车载执行和监控模块(14)控制所述视频获取模块(13)获取所述主驾驶座椅上有人员的头像,并将头像数据通过所述驾校驾培监管平台(2)上传至本地驾培学习数据库(8)进行存储,并且所述驾培分析执行模块(10)基于所述头像采用AI识别技术自动识别出该学员的个人信息,并将该学员的驾培学习时间和学习进度计入所述本地驾培学习数据库(8)存储的对应学员数据记录里;
步骤S3,而在所述座椅压力传感模块(15)检测到主驾驶座椅上学员离开主驾驶座椅时,则将该信息发送至所述车载执行和监控模块(14),从而所述车载执行和监控模块(14)停止计学员的培训学时和学习进度,并将培训学时和学习进度发送所述本地驾培学习数据库(8);
步骤S4,所述驾培分析执行模块(10)对存储于所述本地驾培学习数据库(8)内的学员学习进度数据、练车的操纵熟悉程度进行分析,当学员的操 纵熟悉程度且学时都符合要求后,则驾培分析执行模块(10)生成下一个学习项目,否则继续执行该学习项目;
步骤S5,在所述驾培分析执行模块(10)经过分析后认定该学员的学时和学习项目的熟练程度都满足考试要求时,提醒学员进行考试报名;
步骤S6,所述驾培驾考监控分析模块(6)在接受到学员的报名考试时,对存储于所述驾培驾考信息存储云(4)内的相应学员的学习熟练程度和学习学时进行分析,当都满足要求后,且不存在作弊行为,则允许学员进行考试,否则不允许学员进行考试。
6.根据权利要求5所述的一种基于生物识别交叉认证的驾培作弊监管方法,其特征在于:当学员在进行练车时,当所述驾培分析执行模块(10)通过分析存储于所述本地驾培学习数据库(8)内的学员学习进度速度和练车的操纵熟悉程度的变化,当该变化明显时,启动所述视频获取模块(13)对主驾驶座椅上人员的头像进行获取,并对学员的头像进行识别,以确定学员未作弊。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110159968.9A CN112801526B (zh) | 2021-02-05 | 2021-02-05 | 基于生物识别交叉认证的驾培作弊监管系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110159968.9A CN112801526B (zh) | 2021-02-05 | 2021-02-05 | 基于生物识别交叉认证的驾培作弊监管系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112801526A CN112801526A (zh) | 2021-05-14 |
CN112801526B true CN112801526B (zh) | 2022-06-28 |
Family
ID=75814410
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110159968.9A Active CN112801526B (zh) | 2021-02-05 | 2021-02-05 | 基于生物识别交叉认证的驾培作弊监管系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112801526B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114120749A (zh) * | 2021-12-28 | 2022-03-01 | 江苏宙斯物联网科技集团股份有限公司 | 一种驾培学员人工智能防作弊方法、装置、设备及介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103442197B (zh) * | 2013-08-30 | 2017-08-01 | 深圳市华宝电子科技有限公司 | 一种教练车路考记录装置和记录方法 |
CN103971558B (zh) * | 2014-05-16 | 2016-04-06 | 无锡海鸿信息技术有限公司 | 一种机动车驾驶人培训智能机器人系统 |
CN107566327A (zh) * | 2016-09-30 | 2018-01-09 | 河南众联云科工程技术有限公司 | 一种智能车载驾培监控系统 |
JP6499682B2 (ja) * | 2017-01-31 | 2019-04-10 | 本田技研工業株式会社 | 情報提供システム |
CN107437120A (zh) * | 2017-09-22 | 2017-12-05 | 南京多伦科技股份有限公司 | 驾驶培训的管理系统及管理方法 |
CN109410466A (zh) * | 2018-12-25 | 2019-03-01 | 云车行网络科技(北京)有限公司 | 驾驶人员自助体检设备 |
CN112102680A (zh) * | 2020-08-27 | 2020-12-18 | 华东交通大学 | 一种基于vr的列车驾驶教学平台及方法 |
-
2021
- 2021-02-05 CN CN202110159968.9A patent/CN112801526B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112801526A (zh) | 2021-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9886851B2 (en) | Real time notification and confirmation system and method for vehicle traffic violation | |
CN111429321A (zh) | 一种基于物联网的智慧校园管理系统 | |
CN106934945A (zh) | 一种共享设备的分享方法 | |
CN106228629A (zh) | 一种基于人脸识别的课堂签到系统 | |
AU2020104282A4 (en) | Intelligent Training Aiding Method And System For Instructional Cars | |
CN110549982B (zh) | 一种学生校车安全监控方法及系统 | |
CN113781853B (zh) | 基于终端的师生远程互动教育平台 | |
CN112801526B (zh) | 基于生物识别交叉认证的驾培作弊监管系统和方法 | |
CN108805765A (zh) | 一种教学系统 | |
WO2014125467A1 (en) | Method for administering a driving test | |
CN107194315A (zh) | 一种基于人脸识别的智能实践教学过程监控方法及系统 | |
CN111260983B (zh) | 一种智能仿真室内滑雪教学系统及方法 | |
CN208622143U (zh) | 基于云平台以实现多方交互的自动考勤系统 | |
CN107454056A (zh) | 一种用于教练车的验证系统及其验证方法 | |
CN111882465A (zh) | 一种现代学徒制教学质量监控方法 | |
CN115689820A (zh) | 基于双向的学习质量评估方法及继续医学教育闭环管理系统 | |
CN111028583A (zh) | 一种远程网络教学系统和方法 | |
CN106408478A (zh) | 一种根据用户信息匹配的驾校平台 | |
CN109559266A (zh) | 一种基于大数据的智能教育设备 | |
CN112488888A (zh) | 一种基于物联网和大数据技术的智慧校园安全预警系统 | |
CN115619599A (zh) | 一种高效的区域巡课方法 | |
CN115273308A (zh) | 一种适用于教学的物联网管理装置 | |
CN113222794A (zh) | 一种教育培训人员管理系统及管理方法 | |
CN112990848A (zh) | 一种基于大数据的课堂教学分析评测系统以及方法 | |
CN110544187A (zh) | 一种基于大数据的教育平台 |
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 | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20210514 Assignee: Fujian Tantu Technology Co.,Ltd. Assignor: FUJIAN HUIZHOU INFORMATION TECHNOLOGY Co.,Ltd. Contract record no.: X2023350000304 Denomination of invention: A Supervision System and Method for Driving Training Cheating Based on Biometric Cross Certification Granted publication date: 20220628 License type: Common License Record date: 20230711 |
|
EE01 | Entry into force of recordation of patent licensing contract |