CN113076856A - 基于人脸识别的公交车安全保障系统 - Google Patents

基于人脸识别的公交车安全保障系统 Download PDF

Info

Publication number
CN113076856A
CN113076856A CN202110342445.8A CN202110342445A CN113076856A CN 113076856 A CN113076856 A CN 113076856A CN 202110342445 A CN202110342445 A CN 202110342445A CN 113076856 A CN113076856 A CN 113076856A
Authority
CN
China
Prior art keywords
driver
face
image information
driving
bus
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.)
Granted
Application number
CN202110342445.8A
Other languages
English (en)
Other versions
CN113076856B (zh
Inventor
张世强
姜贵鹏
孙宏飞
赵岩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hualu Zhida Technology Co Ltd
Original Assignee
Hualu Zhida Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hualu Zhida Technology Co Ltd filed Critical Hualu Zhida Technology Co Ltd
Priority to CN202110342445.8A priority Critical patent/CN113076856B/zh
Publication of CN113076856A publication Critical patent/CN113076856A/zh
Application granted granted Critical
Publication of CN113076856B publication Critical patent/CN113076856B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Biomedical Technology (AREA)
  • Traffic Control Systems (AREA)
  • Auxiliary Drives, Propulsion Controls, And Safety Devices (AREA)

Abstract

本发明公开了基于人脸识别的公交车安全保障系统，通过采集驾驶室及驾驶室周围区域的生物图像信息，获取公交车驾驶员和进入该区域的乘客的人脸图像信息，通过人脸识别技术验证驾驶员本人身份，防止公交车驾驶权被非法抢占；通过人脸识别技术判断驾驶员是否处于危险驾驶状态，防止驾驶员因出现疲劳、愤怒等状况影响安全驾驶，当采集到非驾驶人员图像信息，则按照预设的意外事件识别机制判断是否发生意外事件，若判断发生意外事件，则进行声音报警，同时控制车辆切换至自动驾驶模式，当意外事件停止后再恢复正常运行，从而排除掉影响公交车安全驾驶的主要因素。

Description

基于人脸识别的公交车安全保障系统
技术领域
本发明涉及智能公交安全保障技术领域，尤其涉及一种基于人脸识别的公交车安全保障系统。
背景技术
公交车驾驶员驾驶车辆需要注意力高度集中，每日连续驾驶时间长，易出现疲劳驾驶的状况，而公交车驾驶属于公共交通服务行业，有时会因为意外事件与乘客发生冲突争执的情况，导致公交车司机愤怒驾驶，公交车司机受情绪不稳定的状态影响，容易导致驾驶失误，从而发生交通事故。目前，通常采用在公交车上安装摄像头，将车上影像数据无线传输至公交公司管理中心进行监管，但公交公司管理中心不可能做到每时每刻监控多辆公交车的车内状况，而且在发现情况后再处理往往为时已晚。
发明内容
本发明提供基于人脸识别的公交车安全保障系统，以克服上述技术问题。
本发明基于人脸识别的公交车安全保障系统，包括：
通过图像信息采集设备采集车辆内驾驶监视区域的生物图像信息；所述驾驶监视区域，包括：驾驶室区域以及以所述驾驶室区域为中心，给定距离为半径的驾驶室周围区域；所述生物图像信息，包括：驾驶员人脸图像信息和非驾驶人员图像信息；
根据采集到的所述驾驶员人脸图像信息对驾驶员进行人脸识别，以验证驾驶位上人员是否为驾驶员本人，并判断驾驶员是否处于危险驾驶状态；
根据采集到的所述非驾驶人员图像信息，按照预设的意外事件识别机制判断所述驾驶监视区域内是否发生意外事件；
若判断驾驶员处于所述危险驾驶状态，则对驾驶员进行驾驶行为报警提醒，并在超过所述报警提醒的限制后，控制车辆切换至第一自动驾驶模式；
若判断发生所述意外事件，则进行声音报警，同时控制车辆切换至第二自动驾驶模式。
进一步地，所述根据采集到的所述驾驶员人脸图像信息对驾驶员进行人脸识别，以验证驾驶位上人员是否为驾驶员本人，包括：
采用面纹模板法通过面像对比来验证驾驶位上人员是否为驾驶员本人；所述面纹模板法包括：
S21、在数据库中存储全部公交车司机的面像和面像器官信息；
S22、在数据库中查找与所述驾驶员人脸图像信息匹配度超过设定阈值的公交车司机的面像和面像器官信息；
采用式(1)计算所述匹配度；
Figure BDA0002999608240000021
式中，x为驾驶员人脸图像，y为数据库中存储的某一公交车司机的面像；dis为匹配度；Vx，Vy表示人脸图像信息匹配置信度，取值范围[0,1]，l(*)表示使用孪生网络抽取后的特征，f(*)表示从面像中提取器官信息；
S23、若查找到符合的所述面像和面像器官信息，则与所述驾驶员人脸图像信息进行归一化相关量度量匹配处理，若匹配，则判定为是驾驶员本人；
通过式(2)对所述驾驶员人脸图像信息进行归一化相关量度量匹配处理；
po＝Vilm(x,y)+Vjlm(x′,y′)+ln(f(x),f(y),Vj)+ln(f(x′),f(x′,y′),Vi) (2)
式中，Vi,Vj表示归一化相关量度量匹配置信度，取值范围[0,1]，ln(*)表示使用对比损失训练的孪生网络抽取后的特征，lm(*)表示使用二值化交叉熵损失训练的孪生网络抽取后的特征，f(*)表示从面像中提取器官信息，x′,y′表示归一化后的人脸图像；po表示是同一个人的可能性。
进一步地，所述判断驾驶员是否处于危险驾驶状态，包括：所述危险驾驶状态，包括：疲劳驾驶状态和愤怒驾驶状态；
S31、通过式(3)根据所述驾驶员人脸图像信息利用模板匹配算法进行人脸检测；
Figure BDA0002999608240000022
式中，I为输入的人脸图像，n表示图片被切分成的块数，n＝15，
Figure BDA0002999608240000023
为块t的特征匹配函数，W为通用人脸模板的线性回归矩阵，ω表示权重,f表示使用卷积抽取图像特征，c表示用户的人脸位置矩形框；
S32、采用空间模式聚类方法分割出所述驾驶员人脸图像信息中眼睛和嘴巴的图像信息；
S33、分别建立疲劳驾驶特征和愤怒驾驶特征样本库，并对所述疲劳驾驶特征和愤怒驾驶特征样本库进行SVM训练；
S34、根据所述疲劳驾驶特征和愤怒驾驶特征样本库，通过SVM综合所述眼睛和嘴巴的图像信息判断驾驶员是否处于所述疲劳驾驶状态和/或愤怒驾驶状态。
进一步地，所述根据采集到的所述非驾驶人员图像信息，按照预设的意外事件识别机制判断所述驾驶监视区域内是否发生意外事件，包括：当检测到所述非驾驶人员图像信息在所述驾驶室周围区域内超过预先设定的违规停留时间，启动意外事件识别机制。
进一步地，所述根据采集到的所述非驾驶人员图像信息，按照预设的意外事件识别机制判断所述驾驶室周围区域内是否发生意外事件，还包括：当检测到所述非驾驶人员图像信息出现在所述驾驶室区域内，启动意外事件识别机制。
进一步地，所述意外事件识别机制，包括：根据所述非驾驶人员图像信息利用模板匹配算法进行人脸检测；采用空间模式聚类方法分割出所述非驾驶人员图像信息中眼睛和嘴巴的图像信息；建立愤怒特征样本库，并对所述愤怒特征样本库进行SVM训练；根据所述愤怒特征样本库，通过SVM综合所述眼睛和嘴巴的图像信息判断非驾驶人员是否处于愤怒状态。
进一步地，所述第一自动驾驶模式为车辆自动减速慢行驾驶模式；所述第二自动驾驶模式为车辆自动紧急靠边停车驾驶模式。
本发明通过采集驾驶室及驾驶室周围区域的生物图像信息，获取公交车驾驶员和进入该区域的乘客的人脸图像信息，通过人脸识别技术验证驾驶员本人身份，防止公交车驾驶权被非法抢占；通过人脸识别技术判断驾驶员是否处于危险驾驶状态，若判断驾驶员处于危险驾驶状态，则对驾驶员进行驾驶行为报警提醒，并控制车辆切换至第一自动驾驶模式，防止驾驶员因出现疲劳、愤怒等状况影响安全驾驶；当采集到非驾驶人员图像信息，则按照预设的意外事件识别机制判断是否发生意外事件，若判断发生意外事件，则进行声音报警，同时控制车辆切换至第二自动驾驶模式，当意外事件停止后再恢复正常运行，从而排除掉影响公交车安全驾驶的主要因素。
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以简单地介绍，显而易见地，下面描述中的附图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为本发明的方法流程图；
图2为本发明中通过人脸识别技术判断疲劳和愤怒状态的方法逻辑图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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作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。
如图1所示，本实施例提供了基于人脸识别的公交车安全保障系统，包括：
101、通过图像信息采集设备采集车辆内驾驶监视区域的生物图像信息；驾驶监视区域包括：驾驶室区域以及以所述驾驶室区域为中心，给定距离为半径的驾驶室周围区域；生物图像信息包括：驾驶员人脸图像信息和非驾驶人员图像信息；
具体而言，图像信息采集设备是公交车载视频、图像采集系统，系统中包含至少2部高清摄像头和1部高清相机，从不同角度拍摄人脸图像，包括：静态图像、动态图像、不同位置、不同表情等，当采集对象在驾驶监视区域内，图像信息采集设备便会自动搜索并拍摄人脸图像。在高清摄像头抓取动态人脸图像像素较低的情况下，利用高清相机连续抓取高像素的人脸图像。
驾驶室区域可以是以驾驶位为中心，以驾驶室的隔离处为半径的范围区域；驾驶室周围区域可以是在此基础上，将半径扩展至收票箱附近，具体根据不同公交车的车内空间设置，只要保证驾驶监视区域是乘客一般不会进入或不会逗留的区域即可。
102、根据采集到的驾驶员人脸图像信息对驾驶员进行人脸识别，以验证驾驶位上人员是否为驾驶员本人，并判断驾驶员是否处于危险驾驶状态；
具体而言，采用面纹模板法通过面像对比来验证驾驶位上人员是否为驾驶员本人；所述面纹模板法包括：
S21、在数据库中存储全部公交车司机的面像和面像器官信息；
S22、在数据库中查找与驾驶员人脸图像信息匹配度超过设定阈值的公交车司机的面像和面像器官信息；
采用式(1)计算所述匹配度；
Figure BDA0002999608240000051
式中，x为驾驶员人脸图像，y为数据库中存储的某一公交车司机的面像；dis为匹配度；Vx，Vy表示人脸图像信息匹配置信度，取值范围[0,1]，l(*)表示使用孪生网络抽取后的特征，f(*)表示从面像中提取器官信息；
S23、若查找到符合的所述面像和面像器官信息，则与驾驶员人脸图像信息进行归一化相关量度量匹配处理，若匹配，则判定为是驾驶员本人；
通过式(2)对驾驶员人脸图像信息进行归一化相关量度量匹配处理；
po＝Vilm(x,y)+Vjlm(x′,y′)+ln(f(x),f(y),Vj)+ln(f(x′),f(x′,y′),Vi) (2)
式中，Vi,Vj表示归一化相关量度量匹配置信度，取值范围[0,1]，ln(*)表示使用对比损失训练的孪生网络抽取后的特征，lm(*)表示使用二值化交叉熵损失训练的孪生网络抽取后的特征，f(*)表示从面像中提取器官信息，x′,y′表示归一化后的人脸图像；po表示是同一个人的可能性。
危险驾驶状态，包括：疲劳驾驶状态和愤怒驾驶状态；
如图2所示，S31、通过式(3)根据驾驶员人脸图像信息利用模板匹配算法进行人脸检测；
Figure BDA0002999608240000052
式中，I为输入的人脸图像，n表示图片被切分成的块数，n＝15，
Figure BDA0002999608240000053
为块t的特征匹配函数，W为通用人脸模板的线性回归矩阵，ω表示权重,f表示使用卷积抽取图像特征，c表示用户的人脸位置矩形框；
S32、采用空间模式聚类方法分割出驾驶员人脸图像信息中眼睛和嘴巴的图像信息；
S33、分别建立疲劳驾驶特征和愤怒驾驶特征样本库，并对疲劳驾驶特征和愤怒驾驶特征样本库进行SVM训练；
S34、根据疲劳驾驶特征和愤怒驾驶特征样本库，通过SVM综合眼睛和嘴巴的图像信息判断驾驶员是否处于疲劳驾驶状态和/或愤怒驾驶状态。
SVM(Support Vector Machine)指的是支持向量机，是常见的一种判别方法。在机器学习领域，是一个有监督的学习模型，通常用来进行模式识别、分类以及回归分析。
103、根据采集到的非驾驶人员图像信息，按照预设的意外事件识别机制判断驾驶监视区域内是否发生意外事件；
具体而言，第一种实施例：当检测到非驾驶人员图像信息在驾驶室周围区域内超过预先设定的违规停留时间，启动意外事件识别机制。因为乘客等非驾驶人员有时因为需要跟驾驶员正常沟通，或者是在车内非常拥挤的情况下也会进入驾驶室周围区域，但基本上不会逗留过长时间，设定违规停留时间可以防止误警情况发生，违规停留时间的长短因不同的公交车情况而定。考虑到上下班时间乘客过多的公交线路，易发生车内拥挤的情况，驾驶员可以人工手动暂停意外事件报警，同时，暂停意外时间报警信息上报至公交公司监控管理中心。
在第一种实施例的基础上增加的一种实施例：当检测到非驾驶人员图像信息出现在驾驶室区域内，启动意外事件识别机制。驾驶室区域是绝对不允许非该公交车驾驶员进入的领域，大多数公交车都设置了隔断以防止非驾驶人员进入。当检测到非驾驶人员图像信息出现在驾驶室区域内，说明一定是发生了意外事件，应在第一时间内启动意外事件识别机制，同时采取向公交公司监控管理中心上报或拨打110报警中心等紧急处置措施。
意外事件识别机制，包括：根据非驾驶人员图像信息利用模板匹配算法进行人脸检测；采用空间模式聚类方法分割出非驾驶人员图像信息中眼睛和嘴巴的图像信息；建立愤怒特征样本库，并对愤怒特征样本库进行SVM训练；根据愤怒特征样本库，通过SVM综合眼睛和嘴巴的图像信息判断非驾驶人员是否处于愤怒状态。
104、若判断驾驶员处于危险驾驶状态，则对驾驶员进行驾驶行为报警提醒，并在超过报警提醒的限制后，控制车辆切换至第一自动驾驶模式；
具体而言，基于上述实施例中的驾驶员处于危险驾驶状态进行判断后，若判断驾驶员处于危险驾驶状态，则对驾驶员进行驾驶行为报警提醒，这里的报警提醒可以是灯光闪烁提示，同时，系统控制公交车自动切换至减速慢行驾驶模式，提醒公交驾驶员要立即调整状态，防止因疲劳、愤怒等不良状态影响驾驶安全。
105、若判断发生意外事件，则进行声音报警，同时控制车辆切换至第二自动驾驶模式。
具体而言，基于上述实施例中对意外事件进行判断后，若判断公交车内已发生意外事件，车内报警系统进行声音报警，以警示车内导致意外事件的相关人停止过激行为，同时，系统控制公交车自动切换至自动紧急靠边停车驾驶模式，该种情况公交车驾驶员亦不能人工终止自动驾驶模式停止，必须由公交公司监控管理中心解除限制后方可恢复车辆正常驾驶模式。
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 (7)

1.基于人脸识别的公交车安全保障系统，其特征在于，包括：
通过图像信息采集设备采集车辆内驾驶监视区域的生物图像信息；所述驾驶监视区域，包括：驾驶室区域以及以所述驾驶室区域为中心，给定距离为半径的驾驶室周围区域；所述生物图像信息，包括：驾驶员人脸图像信息和非驾驶人员图像信息；
根据采集到的所述驾驶员人脸图像信息对驾驶员进行人脸识别，以验证驾驶位上人员是否为驾驶员本人，并判断驾驶员是否处于危险驾驶状态；
根据采集到的所述非驾驶人员图像信息，按照预设的意外事件识别机制判断所述驾驶监视区域内是否发生意外事件；
若判断驾驶员处于所述危险驾驶状态，则对驾驶员进行驾驶行为报警提醒，并在超过所述报警提醒的限制后，控制车辆切换至第一自动驾驶模式；
若判断发生所述意外事件，则进行声音报警，同时控制车辆切换至第二自动驾驶模式。
2.根据权利要求1所述的基于人脸识别的公交车安全保障系统，其特征在于，所述根据采集到的所述驾驶员人脸图像信息对驾驶员进行人脸识别，以验证驾驶位上人员是否为驾驶员本人，包括：
采用面纹模板法通过面像对比来验证驾驶位上人员是否为驾驶员本人；所述面纹模板法包括：
S21、在数据库中存储全部公交车司机的面像和面像器官信息；
S22、在数据库中查找与所述驾驶员人脸图像信息匹配度超过设定阈值的公交车司机的面像和面像器官信息；
采用式(1)计算所述匹配度；
Figure FDA0002999608230000011
式中，x为驾驶员人脸图像，y为数据库中存储的某一公交车司机的面像；dis为匹配度；Vx，Vy表示人脸图像信息匹配置信度，取值范围[0，1]，l(*)表示使用孪生网络抽取后的特征，f(*)表示从面像中提取器官信息；
S23、若查找到符合的所述面像和面像器官信息，则与所述驾驶员人脸图像信息进行归一化相关量度量匹配处理，若匹配，则判定为是驾驶员本人；
通过式(2)对所述驾驶员人脸图像信息进行归一化相关量度量匹配处理；
po＝Vilm(x，y)+Vjlm(x′，y′)+ln(f(x)，f(y)，Vj)+ln(f(x′)，f(x′，y′)，Vi) (2)
式中，Vi，Vj表示归一化相关量度量匹配置信度，取值范围[0，1]，ln(*)表示使用对比损失训练的孪生网络抽取后的特征，lm(*)表示使用二值化交叉熵损失训练的孪生网络抽取后的特征，f(*)表示从面像中提取器官信息，x′，y′表示归一化后的人脸图像；po表示是同一个人的可能性。
3.根据权利要求2所述的基于人脸识别的公交车安全保障系统，其特征在于，所述判断驾驶员是否处于危险驾驶状态，包括：
所述危险驾驶状态，包括：疲劳驾驶状态和愤怒驾驶状态；
S31、通过式(3)根据所述驾驶员人脸图像信息利用模板匹配算法进行人脸检测；
Figure FDA0002999608230000021
式中，I为输入的人脸图像，n表示图片被切分成的块数，n＝15，
Figure FDA0002999608230000022
为块t的特征匹配函数，W为通用人脸模板的线性回归矩阵，ω表示权重，f表示使用卷积抽取图像特征，c表示用户的人脸位置矩形框；
S32、采用空间模式聚类方法分割出所述驾驶员人脸图像信息中眼睛和嘴巴的图像信息；
S33、分别建立疲劳驾驶特征和愤怒驾驶特征样本库，并对所述疲劳驾驶特征和愤怒驾驶特征样本库进行SVM训练；
S34、根据所述疲劳驾驶特征和愤怒驾驶特征样本库，通过SVM综合所述眼睛和嘴巴的图像信息判断驾驶员是否处于所述疲劳驾驶状态和/或愤怒驾驶状态。
4.根据权利要求1所述的基于人脸识别的公交车安全保障系统，其特征在于，所述根据采集到的所述非驾驶人员图像信息，按照预设的意外事件识别机制判断所述驾驶监视区域内是否发生意外事件，包括：
当检测到所述非驾驶人员图像信息在所述驾驶室周围区域内超过预先设定的违规停留时间，启动意外事件识别机制。
5.根据权利要求4所述的基于人脸识别的公交车安全保障系统，其特征在于，所述根据采集到的所述非驾驶人员图像信息，按照预设的意外事件识别机制判断所述驾驶室周围区域内是否发生意外事件，还包括：
当检测到所述非驾驶人员图像信息出现在所述驾驶室区域内，启动意外事件识别机制。
6.根据权利要求5所述的基于人脸识别的公交车安全保障系统，其特征在于，所述意外事件识别机制，包括：
根据所述非驾驶人员图像信息利用模板匹配算法进行人脸检测；
采用空间模式聚类方法分割出所述非驾驶人员图像信息中眼睛和嘴巴的图像信息；
建立愤怒特征样本库，并对所述愤怒特征样本库进行SVM训练；
根据所述愤怒特征样本库，通过SVM综合所述眼睛和嘴巴的图像信息判断非驾驶人员是否处于愤怒状态。
7.根据权利要求6所述的基于人脸识别的公交车安全保障系统，其特征在于，所述第一自动驾驶模式为车辆自动减速慢行驾驶模式；所述第二自动驾驶模式为车辆自动紧急靠边停车驾驶模式。
CN202110342445.8A 2021-03-30 2021-03-30 基于人脸识别的公交车安全保障系统 Active CN113076856B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110342445.8A CN113076856B (zh) 2021-03-30 2021-03-30 基于人脸识别的公交车安全保障系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110342445.8A CN113076856B (zh) 2021-03-30 2021-03-30 基于人脸识别的公交车安全保障系统

Publications (2)

Publication Number Publication Date
CN113076856A true CN113076856A (zh) 2021-07-06
CN113076856B CN113076856B (zh) 2022-09-06

Family

ID=76611871

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110342445.8A Active CN113076856B (zh) 2021-03-30 2021-03-30 基于人脸识别的公交车安全保障系统

Country Status (1)

Country Link
CN (1) CN113076856B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113602287A (zh) * 2021-08-13 2021-11-05 吉林大学 一种面向低驾龄女性驾驶员的人机共驾系统
CN114368395A (zh) * 2022-01-21 2022-04-19 华录智达科技股份有限公司 一种基于公交数字化转型的人工智能公交驾驶安全管理系统
CN115100892A (zh) * 2022-05-17 2022-09-23 中国第一汽车股份有限公司 一种防止公交司机或乘客异常造成车辆失控的自动驾驶方法及系统
CN115256059A (zh) * 2022-08-01 2022-11-01 长鑫存储技术有限公司 一种磨片装置控制方法、系统及研磨抛光机
CN116729254A (zh) * 2023-08-10 2023-09-12 山东恒宇电子有限公司 基于俯瞰图像的公交驾驶舱安全驾驶行为监测系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103412877A (zh) * 2013-07-15 2013-11-27 珠海市魅族科技有限公司 图片传递方法及装置
CN105035025A (zh) * 2015-07-03 2015-11-11 郑州宇通客车股份有限公司 一种驾驶员识别管理方法及系统
CN107734416A (zh) * 2017-10-11 2018-02-23 深圳市三诺数字科技有限公司 一种激光面纹识别降噪装置、耳机及方法
CN110288796A (zh) * 2019-06-21 2019-09-27 浙江大华技术股份有限公司 车辆监控方法及装置、存储介质、电子装置
CN110363063A (zh) * 2019-05-17 2019-10-22 深圳市趣创科技有限公司 基于Fisherface和近邻分类器的人脸识别方法与系统及其存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103412877A (zh) * 2013-07-15 2013-11-27 珠海市魅族科技有限公司 图片传递方法及装置
CN105035025A (zh) * 2015-07-03 2015-11-11 郑州宇通客车股份有限公司 一种驾驶员识别管理方法及系统
CN107734416A (zh) * 2017-10-11 2018-02-23 深圳市三诺数字科技有限公司 一种激光面纹识别降噪装置、耳机及方法
CN110363063A (zh) * 2019-05-17 2019-10-22 深圳市趣创科技有限公司 基于Fisherface和近邻分类器的人脸识别方法与系统及其存储介质
CN110288796A (zh) * 2019-06-21 2019-09-27 浙江大华技术股份有限公司 车辆监控方法及装置、存储介质、电子装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘 珂等: "基于人脸识别的驾驶员疲劳检测系统", 《科学与财富》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113602287A (zh) * 2021-08-13 2021-11-05 吉林大学 一种面向低驾龄女性驾驶员的人机共驾系统
CN113602287B (zh) * 2021-08-13 2024-01-26 吉林大学 一种面向低驾龄驾驶员的人机共驾系统
CN114368395A (zh) * 2022-01-21 2022-04-19 华录智达科技股份有限公司 一种基于公交数字化转型的人工智能公交驾驶安全管理系统
CN115100892A (zh) * 2022-05-17 2022-09-23 中国第一汽车股份有限公司 一种防止公交司机或乘客异常造成车辆失控的自动驾驶方法及系统
CN115100892B (zh) * 2022-05-17 2024-03-19 中国第一汽车股份有限公司 一种防止公交司机或乘客异常造成车辆失控的自动驾驶方法及系统
CN115256059A (zh) * 2022-08-01 2022-11-01 长鑫存储技术有限公司 一种磨片装置控制方法、系统及研磨抛光机
CN115256059B (zh) * 2022-08-01 2024-01-23 长鑫存储技术有限公司 一种磨片装置控制方法、系统及研磨抛光机
CN116729254A (zh) * 2023-08-10 2023-09-12 山东恒宇电子有限公司 基于俯瞰图像的公交驾驶舱安全驾驶行为监测系统

Also Published As

Publication number Publication date
CN113076856B (zh) 2022-09-06

Similar Documents

Publication Publication Date Title
CN113076856B (zh) 基于人脸识别的公交车安全保障系统
US10115029B1 (en) Automobile video camera for the detection of children, people or pets left in a vehicle
US9679210B2 (en) Using passive driver identification and other input for providing real-time alerts or actions
WO2019153193A1 (zh) 一种出租车运营监测方法、设备、存储介质和系统
US20200001892A1 (en) Passenger assisting apparatus, method, and program
US20140375808A1 (en) Apparatus, method, and computer readable medium for monitoring a number of passengers in an automobile
US20220358769A1 (en) Vehicle monitoring system and vehicle monitoring method
US9662977B2 (en) Driver state monitoring system
WO2019109412A1 (zh) 事故主动呼叫救援的方法及车载自动求救系统
CN107554483A (zh) 一种基于人脸表情动作识别的车辆防盗系统
CN110895662A (zh) 车辆超载报警方法、装置、电子设备及存储介质
CN107016852B (zh) 具有防胁迫的智能停车出入控制系统及方法
CN111783530A (zh) 一种在限制区域内监控及鉴别行为的安全系统及方法
CN109919066B (zh) 一种检测轨道交通车厢内乘客密度异常的方法和装置
CN103700220A (zh) 一种疲劳驾驶监控装置
CN106448063A (zh) 交通安全监管方法、装置以及系统
US11482012B2 (en) Method for driving assistance and mobile device using the method
CN112699802A (zh) 一种驾驶员微表情检测装置及方法
CN114694197A (zh) 行车预警方法、电子设备和计算机可读存储介质
CN114170585A (zh) 危险驾驶行为的识别方法、装置、电子设备及存储介质
CN111540208A (zh) 一种基于区块链技术的防无证驾驶及疲劳驾驶的方法
KR101407952B1 (ko) 엘리베이터 방범시스템 및 방법
KR20160028542A (ko) 차량의 응급구조 및 범죄예방 시스템 및 그 방법
KR101437406B1 (ko) 차량의 응급구조 및 범죄예방 시스템 및 그 방법
CN112686076A (zh) 一种图像处理方法、系统及计算机可读存储介质

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
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: 14 / F, Hualu building, 717 Huangpu Road, Dalian hi tech Industrial Park, Liaoning 116000

Patentee after: Hualu Zhida Technology Co.,Ltd.

Address before: No. 717, Huangpu Road, high tech park, Dalian, Liaoning 116000

Patentee before: Hualu Zhida Technology Co.,Ltd.