CN113079194A - 一种基于车辆状态分析的封样监控系统 - Google Patents
一种基于车辆状态分析的封样监控系统 Download PDFInfo
- Publication number
- CN113079194A CN113079194A CN202110195722.7A CN202110195722A CN113079194A CN 113079194 A CN113079194 A CN 113079194A CN 202110195722 A CN202110195722 A CN 202110195722A CN 113079194 A CN113079194 A CN 113079194A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- submodule
- information
- sample
- state
- 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
Links
- 238000012544 monitoring process Methods 0.000 claims abstract description 84
- 238000000034 method Methods 0.000 claims abstract description 53
- 230000008569 process Effects 0.000 claims abstract description 45
- 238000007789 sealing Methods 0.000 claims abstract description 45
- 238000004891 communication Methods 0.000 claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims description 42
- 230000008859 change Effects 0.000 claims description 26
- 239000000126 substance Substances 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 25
- 238000004806 packaging method and process Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 10
- 239000013598 vector Substances 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 9
- 238000013210 evaluation model Methods 0.000 claims description 7
- 230000010365 information processing Effects 0.000 claims description 7
- 230000009471 action Effects 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 6
- 239000006185 dispersion Substances 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 210000000697 sensory organ Anatomy 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000007689 inspection Methods 0.000 abstract description 8
- 238000012795 verification Methods 0.000 abstract description 4
- 238000001514 detection method Methods 0.000 description 8
- 238000006073 displacement reaction Methods 0.000 description 6
- 230000008054 signal transmission Effects 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
- G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
- G06K17/0029—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device the arrangement being specially adapted for wireless interrogation of grouped or bundled articles tagged with wireless record carriers
-
- 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
-
- 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
Abstract
本发明提供了一种基于车辆状态分析的封样监控系统,该基于车辆状态分析的封样监控系统通过视频监控、RFID射频监控和车辆定位监控这三种不同的监控方式同时对样品的封样车载运输过程进行全方位的监控,这样能够实现在样品送检运输构成的人、车、物三者合一的监控,从而有效地防止由于对人员和车辆的监控缺失而导致样品送检安全性降低的情况发生;此外,该基于车辆状态分析的封样监控系统还能够在样品车载送检的过程中同步地对采集得到的监控信息进行实时的分析处理,以此保证该封样监控的及时性和有效性,并且该封样监控系统还能够与移动终端进行数据通信,以便于用户在移动终端的应用程序上执行相应的运输调控和运输任务核实。
Description
技术领域
本发明涉及封样送检的技术领域,特别涉及一种基于车辆状态分析的封样监控系统。
背景技术
物资调配运输,特别是样品的调配运输都需要保证物品能够完整无缺地运输到目的地。但是,在实际操作过程中,样品在运输工序,比如异地长途运输中,样品长时间处于暴露状态中,这很难保证样品在此过程中都是保持独立的和未被触碰的状态,其极容易导致样品发生性状的改变,同时也不能在样品发生性状改变的情况下,对样品进行溯源追查,这都不利于提高封样运输的安全性和可控性。为了保证样品在封样运输过程中的安全性,现有技术通常会在运输车辆中设置视频监控设备来采集样品在封样运输过程的全过程视频信息,并根据该全过程视频信息来判断样品在封样运输过程中是否被开封或者接受过其他非授权的接触操作,并且上述方式只是在封样运输完毕后,对该全过程视频信息进行分析处理,以此实现相应的判断。但是,上述方式属于事后分析判断,其并不能在封样运输过程中同步地对样品进行监控,并且上述方式的监控手段单一,其只能针对样品本身进行监控,其并没有对运输车辆的行驶状态进行相应的监控,这不能对样品在车载运输过程中进行全方面的和高效的安全监控。
发明内容
针对现有技术存在的缺陷,本发明提供一种基于车辆状态分析的封样监控系统,该基于车辆状态分析的封样监控系统包括图像采集模块、RFID射频模块、车辆状态采集模块、车载服务端模块和云端控制模块;其中,该图像采集模块用于获取样品当前所处车辆内部环境的相关图像信息;该RFID射频模块用于获取该样品的实时封装状态信息;该车辆状态采集模块用于获取该车辆的实时运行状态信息;该车载服务端模块用于根据该相关图像信息、该实时封装状态信息和该实时运行状态信息中的至少一者,生成关于该样品在车载运输过程中对应的封样状态变化信息;该云端控制模块用于根据该封样状态变化信息,对该样品和/或该车辆进行适应的监控操作;可见,该基于车辆状态分析的封样监控系统通过视频监控、RFID射频监控和车辆定位监控这三种不同的监控方式同时对样品的封样车载运输过程进行全方位的监控,这样能够实现在样品送检运输构成的人、车、物三者合一的监控,从而有效地防止由于对人员和车辆的监控缺失而导致样品送检安全性降低的情况发生;此外,该基于车辆状态分析的封样监控系统还能够在样品车载送检的过程中同步地对采集得到的监控信息进行实时的分析处理,以此保证该封样监控的及时性和有效性,并且该封样监控系统还能够与移动终端进行数据通信,以便于用户在移动终端的应用程序上执行相应的运输调控和运输任务核实。
本发明提供一种基于车辆状态分析的封样监控系统,其特征在于:
所述基于车辆状态分析的封样监控系统包括图像采集模块、RFID射频模块、车辆状态采集模块、车载服务端模块和云端控制模块;其中,
所述图像采集模块用于获取样品当前所处车辆内部环境的相关图像信息;
所述RFID射频模块用于获取所述样品的实时封装状态信息;
所述车辆状态采集模块用于获取所述车辆的实时运行状态信息;
所述车载服务端模块用于根据所述相关图像信息、所述实时封装状态信息和所述实时运行状态信息中的至少一者,生成关于所述样品在车载运输过程中对应的封样状态变化信息;
所述云端控制模块用于根据所述封样状态变化信息,对所述样品和/或所述车辆进行适应的监控操作;
进一步,所述图像采集模块包括第一图像拍摄子模块、第二图像拍摄子模块和第三图像拍摄子模块;其中,
所述第一图像拍摄子模块用于采集在所述车辆内部环境中关于所述样品实时状态的第一视频;
所述第二图像拍摄子模块用于采集在所述车辆内部环境中关于车内人员实时状态的第二视频;
所述第三图像拍摄子模块用于采集关于所述车辆四周的周围环境实时状态的第三视频;
进一步,所述图像采集模块还包括拍摄调整子模块、视频流存储/传送子模块和拍摄安全监控子模块;其中,
所述拍摄调整子模块用于对所述第一图像拍摄子模块、所述第二图像拍摄子模块和所述第三图像拍摄子模块中的至少一者,进行关于拍摄动作参数和/或拍摄时间参数的调整;
所述视频流存储/传送子模块用于将所述第一视频、所述第二视频和所述第三视频中的至少一者对应的视频流进行定点更新云存储和/或定点上传至所述车载服务端模块;
所述拍摄安全监控子模块用于对所述第一图像拍摄子模块、所述第二图像拍摄子模块和所述第三图像拍摄子模块中的至少一者,进行拍摄过程安全性监控,以此获得相应的拍摄过程安全性信息;
或者,
所述图像采集模块包括人脸特征提取子模块,所述人脸特征提取子模块用于根据所述车内人员实时状态信息提取其对应的人脸特征和/或肢体特征,其过程具体包括,
步骤S1,构建训练样本集,将所述第二图像拍摄子模块拍摄的所述第二视频进行噪声消除和失真校正后,获取每一帧视频图像对应的人脸和/或肢体图像信息矩阵X,即
X=[x1,x2,…,xn]
在上述公式中,X为m×n阶人脸和/或肢体图像信息矩阵,xi为第i帧视频图像对应的人脸和/或肢体图像信息,i=1、2…n,所述人脸和/或肢体图像信息至少包括五官位置、五官大小、肢体大小、肢体动作和图像亮度;
步骤S2,根据下面公式确定总体散布矩阵G
在上述公式中,G为总体散布矩阵,xi为第i帧视频图像对应的人脸和/或肢体图像信息,m为每帧视频图像中包含的人脸和/或肢体信息数目;
步骤S3,根据下面公式计算所述总体散布矩阵G的特征向量
在上述公式中,εi为第i个特征向量,δi为构造矩阵U的特征值ai对应的特征向量,其中,所述构造矩阵U如下公式表示
对上述公式进行矩阵变换处理后得到
∧=diag[a1,a2,…,an]
在上述公式中,∧为构造矩阵U的对角型矩阵,为构造矩阵U的第i个特征值,并且a1>a2>…>an;
步骤S4,根据下面公式确定主要特征向量集w,以作为所述人脸特征和/或肢体特征
在上述公式中,W为主要特征向量集,R为总体散布矩阵的特征向量矩阵,并且R=[ε1,ε2,…,εn];
进一步,所述车载服务端模块包括视频可信度计算子模块、待处理视频确定子模块和视频处理子模块;其中,
所述视频可信度计算子模块用于根据预设拍摄过程评价模型,对所述拍摄过程安全性信息进行分析处理,以此计算得到所述第一视频、所述第二视频和所述第三视频各自对应的视频可信度值;
所述待处理视频确定子模块用于根据所述视频可信度值,从所述第一视频、所述第二视频和所述第三视频中分别摘选确定满足预设可信度条件的视频数据;
所述视频处理子模块用于根据预设视频深度学习神经网络模型,对所述视频数据进行分析处理,以此获得关于样品封装正常与否和/或是否受到接触的封样状态变化信息;
进一步,所述RFID射频模块包括射频标签物理状态检测子模块和射频标签信号状态检测子模块;其中,
所述射频标签物理状态检测子模块用于检测关于RFID射频标签的粘附状态和/或位移状态信息;
所述射频标签信号状态检测子模块用于检测关于RFID射频标签的射频信号传输状态信息;
进一步,所述车载服务端模块包括射频标签状态可信度计算子模块、待处理射频标签状态信息确定子模块和视频标签状态信息处理子模块;其中,
所述射频标签状态可信度计算子模块用于根据预设射频标签工作评价模型,分别计算得到关于所述粘附状态和/或位移状态信息和所述射频信号传输状态信息的射频标签状态可信度值;
所述待处理射频标签状态信息确定子模块用于根据所述射频标签状态可信度值,从所述粘附状态和/或位移状态信息和所述射频信号传输状态信息中分别摘选确定满足预设可信度条件的射频标签相关状态信息;
所述视频标签状态信息处理子模块用于根据预设射频标签深度学习神经网络模型,对所述射频标签相关状态信息进行分析处理,以此获得关于射频标签是否脱落和/或是否存在射频信号异常的封装状态变化信息;
进一步,所述车辆状态采集模块包括GPS定位子模块、行车参数采集子模块和行车环境采集子模块;其中,
所述GPS定位子模块用于获取所述车辆的实时位置信息;
所述行车参数采集子模块用于获取所述车辆的实时行驶运动参数信息;
所述行车环境采集子模块用于获取所述车辆的实时行驶外界环境信息;
进一步,所述车载服务端模块包括车辆状态可信度计算子模块、待处理车辆状态信息确定子模块和车辆状态信息处理子模块;其中,
所述车辆状态可信度计算子模块用于根据预设车辆状态评价模型,分别计算得到关于所述实时位置信息、所述实时行驶运动参数信息和所述实时行驶外界环境信息的车辆状态可信度值;
所述待处理车辆状态信息确定子模块用于根据所述车辆状态可信度值,对所述车辆状态可信度值进行分析处理,以此获得关于所述车辆行驶线路、行驶过程和行驶运动模式是否存在异常的封样状态变化信息;
进一步,所述车载服务端模块包括车载报警子模块、车辆调控子模块和车载通信模块;其中,
所述车载报警子模块用于根据所述封样状态变化信息,执行不同预定模式的报警操作;
所述车辆调控子模块用于根据所述封样状态变化信息,对所述车辆的行驶运动状态进行不同预定模式的调控操作;
或者,
所述车载通信模块用于与所述云端控制模块的数据交互通信;
所述云端控制模块包括云数据处理子模块、监控终端子模块和移动应用链接子模块;其中,
所述云数据处理子模块用于对来自所述车载服务端模块的封样状态变化信息、样品相关状态信息和车辆相关状态信息中的至少一者进行云存储处理和/或云计算处理;
所述监控终端子模块用于提供关于车载封样的实时监控界面;
所述移动应用链接子模块用于实现所述云端控制模块与移动应用之间的实时数据交互链路。
相比于现有技术,该基于车辆状态分析的封样监控系统包括图像采集模块、RFID射频模块、车辆状态采集模块、车载服务端模块和云端控制模块;其中,该图像采集模块用于获取样品当前所处车辆内部环境的相关图像信息;该RFID射频模块用于获取该样品的实时封装状态信息;该车辆状态采集模块用于获取该车辆的实时运行状态信息;该车载服务端模块用于根据该相关图像信息、该实时封装状态信息和该实时运行状态信息中的至少一者,生成关于该样品在车载运输过程中对应的封样状态变化信息;该云端控制模块用于根据该封样状态变化信息,对该样品和/或该车辆进行适应的监控操作;可见,该基于车辆状态分析的封样监控系统通过视频监控、RFID射频监控和车辆定位监控这三种不同的监控方式同时对样品的封样车载运输过程进行全方位的监控,这样能够实现在样品送检运输构成的人、车、物三者合一的监控,从而有效地防止由于对人员和车辆的监控缺失而导致样品送检安全性降低的情况发生;此外,该基于车辆状态分析的封样监控系统还能够在样品车载送检的过程中同步地对采集得到的监控信息进行实时的分析处理,以此保证该封样监控的及时性和有效性,并且该封样监控系统还能够与移动终端进行数据通信,以便于用户在移动终端的应用程序上执行相应的运输调控和运输任务核实。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
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为本发明提供的一种基于车辆状态分析的封样监控系统及装置的结构示意图。
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。
参阅图1,为本发明实施例提供的一种基于车辆状态分析的封样监控系统及装置的结构示意图。该基于车辆状态分析的封样监控系统包括图像采集模块、RFID射频模块、车辆状态采集模块、车载服务端模块和云端控制模块;其中,
该图像采集模块用于获取样品当前所处车辆内部环境的相关图像信息;
该RFID射频模块用于获取该样品的实时封装状态信息;
该车辆状态采集模块用于获取该车辆的实时运行状态信息;
该车载服务端模块用于根据该相关图像信息、该实时封装状态信息和该实时运行状态信息中的至少一者,生成关于该样品在车载运输过程中对应的封样状态变化信息;
该云端控制模块用于根据该封样状态变化信息,对该样品和/或该车辆进行适应的监控操作。
优选地,该图像采集模块包括第一图像拍摄子模块、第二图像拍摄子模块和第三图像拍摄子模块;其中,
该第一图像拍摄子模块用于采集在该车辆内部环境中关于该样品实时状态的第一视频;
该第二图像拍摄子模块用于采集在该车辆内部环境中关于车内人员实时状态的第二视频;
该第三图像拍摄子模块用于采集关于该车辆四周的周围环境实时状态的第三视频。
优选地,该图像采集模块还包括拍摄调整子模块、视频流存储/传送子模块和拍摄安全监控子模块;其中,
该拍摄调整子模块用于对该第一图像拍摄子模块、该第二图像拍摄子模块和该第三图像拍摄子模块中的至少一者,进行关于拍摄动作参数和/或拍摄时间参数的调整;
该视频流存储/传送子模块用于将该第一视频、该第二视频和该第三视频中的至少一者对应的视频流进行定点更新云存储和/或定点上传至该车载服务端模块;
该拍摄安全监控子模块用于对该第一图像拍摄子模块、该第二图像拍摄子模块和该第三图像拍摄子模块中的至少一者,进行拍摄过程安全性监控,以此获得相应的拍摄过程安全性信息。
优选地,该图像采集模块包括人脸特征提取子模块,该人脸特征提取子模块用于根据该车内人员实时状态信息提取其对应的人脸特征和/或肢体特征,其过程具体包括,
步骤S1,构建训练样本集,将该第二图像拍摄子模块拍摄的该第二视频进行噪声消除和失真校正后,获取每一帧视频图像对应的人脸和/或肢体图像信息矩阵X,即
X=[x1,x2,…,xn]
在上述公式中,X为m×n阶人脸和/或肢体图像信息矩阵,xi为第i帧视频图像对应的人脸和/或肢体图像信息,i=1、2…n,该人脸和/或肢体图像信息至少包括五官位置、五官大小、肢体大小、肢体动作和图像亮度;
步骤S2,根据下面公式确定总体散布矩阵G
在上述公式中,G为总体散布矩阵,xi为第i帧视频图像对应的人脸和/或肢体图像信息,m为每帧视频图像中包含的人脸和/或肢体信息数目;
步骤S3,根据下面公式计算该总体散布矩阵G的特征向量
在上述公式中,εi为第i个特征向量,δi为构造矩阵U的特征值ai对应的特征向量,其中,该构造矩阵U如下公式表示
对上述公式进行矩阵变换处理后得到
∧=diag[a1,a2,…,an]
在上述公式中,∧为构造矩阵U的对角型矩阵,为构造矩阵U的第i个特征值,并且a1>a2>…>an;
步骤S4,根据下面公式确定主要特征向量集w,以作为该人脸特征和/或肢体特征
在上述公式中,W为主要特征向量集,R为总体散布矩阵的特征向量矩阵,并且R=[ε1,ε2,…,εn];
通过上述步骤过程,不仅能够识别车内人员人脸特征,而且还能够去除原始图像中的冗余信息。
优选地,该车载服务端模块包括视频可信度计算子模块、待处理视频确定子模块和视频处理子模块;其中,
该视频可信度计算子模块用于根据预设拍摄过程评价模型,对该拍摄过程安全性信息进行分析处理,以此计算得到该第一视频、该第二视频和该第三视频各自对应的视频可信度值;
该待处理视频确定子模块用于根据该视频可信度值,从该第一视频、该第二视频和该第三视频中分别摘选确定满足预设可信度条件的视频数据;
该视频处理子模块用于根据预设视频深度学习神经网络模型,对该视频数据进行分析处理,以此获得关于样品封装正常与否和/或是否受到接触的封样状态变化信息。
优选地,该RFID射频模块包括射频标签物理状态检测子模块和射频标签信号状态检测子模块;其中,
该射频标签物理状态检测子模块用于检测关于RFID射频标签的粘附状态和/或位移状态信息;
该射频标签信号状态检测子模块用于检测关于RFID射频标签的射频信号传输状态信息。
优选地,该车载服务端模块包括射频标签状态可信度计算子模块、待处理射频标签状态信息确定子模块和视频标签状态信息处理子模块;其中,
该射频标签状态可信度计算子模块用于根据预设射频标签工作评价模型,分别计算得到关于该粘附状态和/或位移状态信息和该射频信号传输状态信息的射频标签状态可信度值;
该待处理射频标签状态信息确定子模块用于根据该射频标签状态可信度值,从该粘附状态和/或位移状态信息和该射频信号传输状态信息中分别摘选确定满足预设可信度条件的射频标签相关状态信息;
该视频标签状态信息处理子模块用于根据预设射频标签深度学习神经网络模型,对该射频标签相关状态信息进行分析处理,以此获得关于射频标签是否脱落和/或是否存在射频信号异常的封装状态变化信息。
优选地,该车辆状态采集模块包括GPS定位子模块、行车参数采集子模块和行车环境采集子模块;其中,
该GPS定位子模块用于获取该车辆的实时位置信息;
该行车参数采集子模块用于获取该车辆的实时行驶运动参数信息;
该行车环境采集子模块用于获取该车辆的实时行驶外界环境信息。
优选地,该车载服务端模块包括车辆状态可信度计算子模块、待处理车辆状态信息确定子模块和车辆状态信息处理子模块;其中,
该车辆状态可信度计算子模块用于根据预设车辆状态评价模型,分别计算得到关于该实时位置信息、该实时行驶运动参数信息和该实时行驶外界环境信息的车辆状态可信度值;
该待处理车辆状态信息确定子模块用于根据该车辆状态可信度值,对该车辆状态可信度值进行分析处理,以此获得关于该车辆行驶线路、行驶过程和行驶运动模式是否存在异常的封样状态变化信息。
优选地,该车载服务端模块包括车载报警子模块、车辆调控子模块和车载通信模块;其中,
该车载报警子模块用于根据该封样状态变化信息,执行不同预定模式的报警操作;
该车辆调控子模块用于根据该封样状态变化信息,对该车辆的行驶运动状态进行不同预定模式的调控操作。
优选地,该车载通信模块用于与该云端控制模块的数据交互通信;
该云端控制模块包括云数据处理子模块、监控终端子模块和移动应用链接子模块;其中,
该云数据处理子模块用于对来自该车载服务端模块的封样状态变化信息、样品相关状态信息和车辆相关状态信息中的至少一者进行云存储处理和/或云计算处理;
该监控终端子模块用于提供关于车载封样的实时监控界面;
该移动应用链接子模块用于实现该云端控制模块与移动应用之间的实时数据交互链路。
从上述实施例的内容可知,该基于车辆状态分析的封样监控系统通过视频监控、RFID射频监控和车辆定位监控这三种不同的监控方式同时对样品的封样车载运输过程进行全方位的监控,这样能够实现在样品送检运输构成的人、车、物三者合一的监控,从而有效地防止由于对人员和车辆的监控缺失而导致样品送检安全性降低的情况发生;此外,该基于车辆状态分析的封样监控系统还能够在样品车载送检的过程中同步地对采集得到的监控信息进行实时的分析处理,以此保证该封样监控的及时性和有效性,并且该封样监控系统还能够与移动终端进行数据通信,以便于用户在移动终端的应用程序上执行相应的运输调控和运输任务核实。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (3)
1.一种基于车辆状态分析的封样监控系统,其特征在于:
所述基于车辆状态分析的封样监控系统包括图像采集模块、RFID射频模块、车辆状态采集模块、车载服务端模块和云端控制模块;其中,
所述图像采集模块用于获取样品当前所处车辆内部环境的相关图像信息;
所述RFID射频模块用于获取所述样品的实时封装状态信息;所述车辆状态采集模块用于获取所述车辆的实时运行状态信息;
所述车载服务端模块用于根据所述相关图像信息、所述实时封装状态信息和所述实时运行状态信息中的至少一者,生成关于所述样品在车载运输过程中对应的封样状态变化信息;所述云端控制模块用于根据所述封样状态变化信息,对所述样品和/或所述车辆进行适应的监控操作;
所述车辆状态采集模块包括GPS定位子模块、行车参数采集子模块和行车环境采集子模块;其中,
所述GPS定位子模块用于获取所述车辆的实时位置信息;
所述行车参数采集子模块用于获取所述车辆的实时行驶运动参数信息;
所述行车环境采集子模块用于获取所述车辆的实时行驶外界环境信息;
所述车载服务端模块包括车辆状态可信度计算子模块、待处理车辆状态信息确定子模块和车辆状态信息处理子模块;其中,
所述车辆状态可信度计算子模块用于根据预设车辆状态评价模型,分别计算得到关于所述实时位置信息、所述实时行驶运动参数信息和所述实时行驶外界环境信息的车辆状态可信度值;
所述待处理车辆状态信息确定子模块用于根据所述车辆状态可信度值,对所述车辆状态可信度值进行分析处理,以此获得关于所述车辆行驶线路、行驶过程和行驶运动模式是否存在异常的封样状态变化信息。
2.如权利要求1所述的基于车辆状态分析的封样监控系统,其特征在于:
所述图像采集模块还包括拍摄调整子模块、视频流存储/传送子模块和拍摄安全监控子模块;其中,
所述拍摄调整子模块用于对所述第一图像拍摄子模块、所述第二图像拍摄子模块和所述第三图像拍摄子模块中的至少一者,进行关于拍摄动作参数和/或拍摄时间参数的调整;
所述视频流存储/传送子模块用于将所述第一视频、所述第二视频和所述第三视频中的至少一者对应的视频流进行定点更新云存储和/或定点上传至所述车载服务端模块;
所述拍摄安全监控子模块用于对所述第一图像拍摄子模块、所述第二图像拍摄子模块和所述第三图像拍摄子模块中的至少一者,进行拍摄过程安全性监控,以此获得相应的拍摄过程安全性信息;
或者,
所述图像采集模块包括人脸特征提取子模块,所述人脸特征提取子模块用于根据所述车内人员实时状态信息提取其对应的人脸特征和/或肢体特征,其过程具体包括,
步骤S1,构建训练样本集,将所述第二图像拍摄子模块拍摄的所述第二视频进行噪声消除和失真校正后,获取每一帧视频图像对应的人脸和/或肢体图像信息矩阵X,即
X=[x1,x2,…,xn]
在上述公式中,X为m×n阶人脸和/或肢体图像信息矩阵,xi为第i帧视频图像对应的人脸和/或肢体图像信息,i=1、2…n,所述人脸和/或肢体图像信息至少包括五官位置、五官大小、肢体大小、肢体动作和图像亮度;
步骤S2,根据下面公式确定总体散布矩阵G
在上述公式中,G为总体散布矩阵,xi为第i帧视频图像对应的人脸和/或肢体图像信息,m为每帧视频图像中包含的人脸和/或肢体信息数目;
步骤S3,根据下面公式计算所述总体散布矩阵G的特征向量
在上述公式中,εi为第i个特征向量,δi为构造矩阵U的特征值ai对应的特征向量,其中,所述构造矩阵U如下公式表示
对上述公式进行矩阵变换处理后得到
∧=diag[a1,a2,…,an]
在上述公式中,∧为构造矩阵U的对角型矩阵,为构造矩阵U的第i个特征值,并且a1>a2>…>an;
步骤S4,根据下面公式确定主要特征向量集w,以作为所述人脸特征和/或肢体特征
在上述公式中,W为主要特征向量集,R为总体散布矩阵的特征向量矩阵,并且R=[ε1,ε2,…,εn]。
3.如权利要求1所述的基于车辆状态分析的封样监控系统,其特征在于:
所述车载服务端模块包括车载报警子模块、车辆调控子模块和车载通信模块;其中,
所述车载报警子模块用于根据所述封样状态变化信息,执行不同预定模式的报警操作;
所述车辆调控子模块用于根据所述封样状态变化信息,对所述车辆的行驶运动状态进行不同预定模式的调控操作;
或者,
所述车载通信模块用于与所述云端控制模块的数据交互通信;
所述云端控制模块包括云数据处理子模块、监控终端子模块和移动应用链接子模块;其中,
所述云数据处理子模块用于对来自所述车载服务端模块的封样状态变化信息、样品相关状态信息和车辆相关状态信息中的至少一者进行云存储处理和/或云计算处理;
所述监控终端子模块用于提供关于车载封样的实时监控界面;
所述移动应用链接子模块用于实现所述云端控制模块与移动应用之间的实时数据交互链路。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110195722.7A CN113079194B (zh) | 2020-05-22 | 2020-05-22 | 一种基于车辆状态分析的封样监控系统 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010442539.8A CN111586190B (zh) | 2020-05-22 | 2020-05-22 | 一种用于车载的封样监控系统及装置 |
CN202110195722.7A CN113079194B (zh) | 2020-05-22 | 2020-05-22 | 一种基于车辆状态分析的封样监控系统 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010442539.8A Division CN111586190B (zh) | 2020-05-22 | 2020-05-22 | 一种用于车载的封样监控系统及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113079194A true CN113079194A (zh) | 2021-07-06 |
CN113079194B CN113079194B (zh) | 2022-08-05 |
Family
ID=72113961
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110191966.8A Active CN113079193B (zh) | 2020-05-22 | 2020-05-22 | 一种基于深度学习神经网络模型的封样监控系统 |
CN202010442539.8A Active CN111586190B (zh) | 2020-05-22 | 2020-05-22 | 一种用于车载的封样监控系统及装置 |
CN202110195722.7A Active CN113079194B (zh) | 2020-05-22 | 2020-05-22 | 一种基于车辆状态分析的封样监控系统 |
Family Applications Before (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110191966.8A Active CN113079193B (zh) | 2020-05-22 | 2020-05-22 | 一种基于深度学习神经网络模型的封样监控系统 |
CN202010442539.8A Active CN111586190B (zh) | 2020-05-22 | 2020-05-22 | 一种用于车载的封样监控系统及装置 |
Country Status (1)
Country | Link |
---|---|
CN (3) | CN113079193B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114333099A (zh) * | 2021-12-10 | 2022-04-12 | 华人运通(上海)云计算科技有限公司 | 一种车辆使用工况的监控方法、装置和车辆 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113591696A (zh) * | 2021-07-30 | 2021-11-02 | 国网江苏省电力有限公司物资分公司 | 一种基于智能图像识别及射频识别的封样送检系统 |
CN113553976A (zh) * | 2021-07-30 | 2021-10-26 | 国网江苏省电力有限公司物资分公司 | 一种基于智能图像识别及射频识别的封样送检方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103310322A (zh) * | 2013-06-03 | 2013-09-18 | 苏州阿斯贝尔信息科技有限公司 | 一种基于物联网的现代物流管理和监控平台 |
CN203561872U (zh) * | 2013-11-15 | 2014-04-23 | 北京富力通能源软件技术有限公司 | 一种煤炭运销监控系统 |
CN107808139A (zh) * | 2017-11-01 | 2018-03-16 | 电子科技大学 | 一种基于深度学习的实时监控威胁分析方法及系统 |
CN108427360A (zh) * | 2018-03-30 | 2018-08-21 | 中广核工程有限公司 | 一种安全运输管理方法、系统及存储介质 |
CN111126153A (zh) * | 2019-11-25 | 2020-05-08 | 北京锐安科技有限公司 | 基于深度学习的安全监测方法、系统、服务器及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5200338B2 (ja) * | 2006-06-15 | 2013-06-05 | ソニー株式会社 | Rfidタグおよび商品 |
CN108900803B (zh) * | 2018-07-06 | 2021-01-12 | 鉴甄检测技术(上海)有限公司 | 一种送检样品的监控方法及系统 |
-
2020
- 2020-05-22 CN CN202110191966.8A patent/CN113079193B/zh active Active
- 2020-05-22 CN CN202010442539.8A patent/CN111586190B/zh active Active
- 2020-05-22 CN CN202110195722.7A patent/CN113079194B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103310322A (zh) * | 2013-06-03 | 2013-09-18 | 苏州阿斯贝尔信息科技有限公司 | 一种基于物联网的现代物流管理和监控平台 |
CN203561872U (zh) * | 2013-11-15 | 2014-04-23 | 北京富力通能源软件技术有限公司 | 一种煤炭运销监控系统 |
CN107808139A (zh) * | 2017-11-01 | 2018-03-16 | 电子科技大学 | 一种基于深度学习的实时监控威胁分析方法及系统 |
CN108427360A (zh) * | 2018-03-30 | 2018-08-21 | 中广核工程有限公司 | 一种安全运输管理方法、系统及存储介质 |
CN111126153A (zh) * | 2019-11-25 | 2020-05-08 | 北京锐安科技有限公司 | 基于深度学习的安全监测方法、系统、服务器及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114333099A (zh) * | 2021-12-10 | 2022-04-12 | 华人运通(上海)云计算科技有限公司 | 一种车辆使用工况的监控方法、装置和车辆 |
CN114333099B (zh) * | 2021-12-10 | 2023-12-05 | 华人运通(上海)云计算科技有限公司 | 一种车辆使用工况的监控方法、装置和车辆 |
Also Published As
Publication number | Publication date |
---|---|
CN113079193A (zh) | 2021-07-06 |
CN113079194B (zh) | 2022-08-05 |
CN111586190A (zh) | 2020-08-25 |
CN113079193B (zh) | 2022-08-05 |
CN111586190B (zh) | 2021-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113079194B (zh) | 一种基于车辆状态分析的封样监控系统 | |
CN111882580A (zh) | 一种视频多目标跟踪方法及系统 | |
CN111126153B (zh) | 基于深度学习的安全监测方法、系统、服务器及存储介质 | |
CN114155601A (zh) | 一种基于视觉的作业人员危险行为检测方法及系统 | |
CN116359218B (zh) | 一种工业聚集区大气污染移动监测系统 | |
CN109145843A (zh) | 一种卡口高清相机全车信息识别系统及方法 | |
CN112597877A (zh) | 一种基于深度学习的厂区人员异常行为检测方法 | |
CN106973039A (zh) | 一种基于信息融合技术的网络安全态势感知模型训练方法和装置 | |
CN116148801B (zh) | 一种基于毫米波雷达的目标检测方法及系统 | |
CN115736902A (zh) | 一种基于智能穿戴设备的施工人员管理系统 | |
CN114419880A (zh) | 一种基于人车和环境的驾驶行为分析方法及系统 | |
CN116597350A (zh) | 基于BiLSTM预测偏离度的浮选过程故障早期预警方法 | |
CN116901975A (zh) | 一种车载ai安防监控系统及其方法 | |
CN116092199A (zh) | 一种员工工作状态识别方法及识别系统 | |
CN116958584A (zh) | 关键点检测方法、回归模型的训练方法、装置及电子设备 | |
CN111931573A (zh) | 基于yolo进化深度学习模型的安全帽检测与预警方法 | |
CN114679310A (zh) | 一种网络信息安全检测方法 | |
CN111784745A (zh) | 一种用于封样送检的样品追踪方法与系统 | |
CN117076928A (zh) | 一种桥梁健康状态监测方法、装置、系统及电子设备 | |
CN109213119B (zh) | 基于在线学习的复杂工业关键部件故障预测方法及系统 | |
CN115171082B (zh) | 驾驶行为的检测方法、装置、电子设备及可读存储介质 | |
CN114724036B (zh) | 一种基于多尺度学习的冰裂隙检测方法 | |
CN113989886A (zh) | 基于人脸识别的船员身份验证方法 | |
CN113792700A (zh) | 一种电瓶车入箱检测方法、装置、计算机设备及存储介质 | |
CN206807648U (zh) | 一种融合图像数据和传感器数据处理的入侵检测系统 |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A Sealing Sample Monitoring System Based on Vehicle State Analysis Effective date of registration: 20231017 Granted publication date: 20220805 Pledgee: Nantong Branch of Bank of Nanjing Co.,Ltd. Pledgor: JIANGSU HAOHAN INFORMATION TECHNOLOGY Co.,Ltd. Registration number: Y2023980061462 |
|
PE01 | Entry into force of the registration of the contract for pledge of patent right |