CN113538843A - 车内人体检测报警服务器及其方法 - Google Patents

Abstract

本发明提供一种车内人体检测报警方法，包括以下步骤：接收采集的车内环境数据；所述环境数据包括传感器数据、视频及音频信号；将所述视频及音频信号导入预存的行为模型，判断是否有人，若有人则对所述传感器数据进行判断；将所述传感器数据与预设风险级别对应的条件进行比对，根据比对结果确定所述传感器数据对应的风险级别；根据风险级别对应的报警方式进行报警。本发明通过云端服务和大数据分析解决系统的自适应学习能力；对采集的视频及音频信号进行模式识别分析、对采集的传感器数据进行历史数据关联分析，实现对车内环境报警的准确性和及时性，降低了危险发生的几率。

Description

车内人体检测报警服务器及其方法

技术领域

本发明涉及一种汽车智能报警领域，特别是涉及一种车内人体检测报警领域。

背景技术

目前的车内人体检测报警方案大多依靠传感器进行车内环境检测，采集到的信号经过中控台判断车内是否有人存在；若达到报警条件，一方面，通过发短信等方式通知车主、或向路人发出求救信号。另一方面，少数方案还通过车载装置控制车内设备，如车门自动解锁、车窗开启、空调开启通风等，帮助车内人员脱困；

但是，以上方案中的中控台大多不联网，处于独立单机工作模式，存在以下问题：

1、由于传感器的灵敏度和外部环境的干扰，而单机工作模式下的中控台计算能力有限，导致影响报警触发条件的准确性，容易产生误报情况或者对意外情况反应不及时的情况；

2、单机工作模式下的中控台运算能力和交互方式受到了系统物理条件的约束，无法实现系统的智能化和自学习能力，系统功能无法自适应学习完善；

3、目前方案关注的重点为对车内环境进行检测、以及发生意外后的自动处置上，不能实时与车内进行交互，查看车内状况。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种车内人体检测报警服务器及其方法，用于解决现有技术中车辆的中控台不联网，计算能力有限，导致判断的准确度不高、且无法实现系统功能的自适应学习的问题。

本发明提供一种车内人体检测报警方法，所述方法包括以下步骤：

接收采集的车内环境数据；所述环境数据包括传感器数据、视频及音频信号；

将所述视频及音频信号导入预存的行为模型，判断是否有人，若有人则对所述传感器数据进行判断；

将所述传感器数据与预设风险级别对应的条件进行比对，根据比对结果确定所述传感器数据对应的风险级别；

根据风险级别对应的报警方式进行报警。

于本发明的一实施例中，所述预设风险级别对应的条件是基于历史数据分析获得的。

于本发明的一实施例中，所述车内环境数据由车辆的中控台采集得到。

于本发明的一实施例中，所述车内环境数据由所述车辆的中控台在确定车辆熄火，且震动幅度低于预设的震动阈值后，采集得到。

于本发明的一实施例中，所述行为模型是基于Tensorflow和OpenCV搭建的动态行为模型。

于本发明的一实施例中，所述风险级别至少包括：低级别和高级别；

所述根据风险级别对应的报警方式进行报警，具体包括：

若所述风险级别为低级别，发送警报消息至车主终端；

若所述风险级别为高级别，发送警报消息至车主终端，若在第一预设时间内未收到所述车主终端的响应，则电话所述车主终端；若在第一预设时间内未收到车主响应，则向派出所终端发送报警信息。

本发明还提供一种车内人体检测报警服务器，所述服务器包括：

数据接收模块，用于接收采集的车内环境数据；所述环境数据包括传感器数据、视频及音频信号；

视频及音频信号识别模块，用于将所述视频及音频信号导入预存的行为模型，进行模式识别，若判断为有人，则对所述传感器数据进行判断；

传感器数据识别模块，用于将所述传感器数据与预设风险级别对应的条件进行比对；

报警模块，用于根据比对结果确定所述传感器数据对应的风险级别；根据风险级别对应的报警方式进行报警。

本发明还提供一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明的车内人体检测报警方法中的方法步骤。

如上所述，本发明的车内人体检测报警服务器及其方法，通过云端服务和大数据分析解决系统的自适应学习能力；对采集的视频及音频信号进行模式识别分析、对采集的传感器数据进行历史数据关联分析，实现对车内环境报警的准确性和及时性，降低了危险发生的几率。

附图说明

图1显示为本发明第一实施方式中的车内人体检测报警方法流程图。

图2显示为本发明第一实施方式中的车内人体检测报警方法中的操作流程示意图。

图3显示为本发明第一实施方式中的车内人体检测报警方法中的报警流程示意图。

图4显示为本发明第二实施方式中的车内人体检测报警系统的连接示意图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

请参阅图1，本发明的第一实施方式涉及一种车内人体检测报警方法，包括以下步骤：

101、接收采集的车内环境数据；环境数据包括传感器数据、视频及音频信号；

具体的说，车内环境数据由车辆的中控台采集车内传感器数据得到，中控台采集环境数据前先持续检测车辆熄火后的震动幅度，若所述震动幅度始终低于预设的震动阈值，开始启动其他车载传感器开始工作，检测车内环境数据。其中，本实施例中的预设时间为5分钟。

需要说明的是，本实施例中接收的传感器数据包括车辆震动参数值、温湿度参数值、氧气浓度参数值及人体红外线参数值。具体应用中，可根据需要采集其它参数值，在此不再赘述。

此外，检测到的车内环境数据在车辆的中控台上经过了数据降噪，并根据预设的车内环境因素的阈值初步判定车内状况，再上报此次检测的环境数据到云平台。

进一步说明，车辆的中控台每间隔一段时间即上报一次环境数据至云平台，其中，本实施例中的中控台通过4G网络实现与云平台的通信连接；环境数据根据modbus标准协议封装数据进行传输；间隔时间为30秒。

此外，在出现断网情况下，中控台延时3分钟自动重连网络，直至与服务器建立连接。

102、将所述视频及音频信号导入预存的行为模型，判断是否有人，若有人则对所述传感器数据进行判断；

请参阅图2，具体的说，云平台接收到中控台上传的视频及音频信号后，通过Tensorflow和OpenCV搭建的动态行为模型，对该视频及音频信号进行模式识别，并判断是否有人存在；若判断为有人，再对传感器数据进行判断。

进一步说明，通过Tensorflow和OpenCV搭建动态行为模型包括，先分解视频及音频信号，生成图片帧文件，形成视频图片数据的顺序集合，开始图像预处理，即在图像中准确标定出人形的位置和大小，根据人体模式特征挑筛选出有用信息，并利用这些特征实现人体检测；通过对顺序集合的图片帧文件进行人体特征提取，将图片转换为一组特征向量，利用特征点间的欧氏距离、曲率和角度提取出特征分量，最终把相关的特征连接成一个长的特征向量；最后根据提取的长的特征向量与数据库中存储的人体特征模板进行搜索匹配，根据相似程度进行判断，设定一个阈值，当相似度超过这一阈值，判定图像中有人存在。

103、将传感器数据与预设风险级别对应的条件进行比对，根据比对结果确定传感器数据对应的风险级别；

具体的说，云平台接收到中控台上传的传感器数据后，通过数据解析，对车内温度变化、湿度变化、氧气浓度变化及人体红外检测数据进行转换，并与预存的相应阈值进行比较，若大于相应的阈值则确定上传的传感器数据对应的风险级别。本实施例中根据车内的环境状况、车内及周边是否有人活动，将风险级别分为高级别和低级别。具体应用中，可根据需要分为多种级别，在此不再赘述。

需要说明的是，阈值是基于历史数据逐步比较、分析得出的；具体的说，存储每次风险发生时的环境数据，逐步修正阈值，提高其精准度。

104、根据风险级别对应的报警方式进行报警；

请参阅图3，若为低级别，发送警报消息至车主；

若为高级别，发送警报消息至车主，若未收到车主响应，电话通知车主；若仍未收到车主响应，则通知派出所。其中，可通过车辆的GPS定位装置获取车辆的位置信息，并向附近派出所报警。

需要说明的是，接收到采集的车内环境数据后，允许车主随时查看车内状态、并与车内进行通话。

进一步说明，本实施例中，车主可通过手机APP接收云平台发送的警报消息，同时，也可通过手机APP实时查看车内视频和声音，了解车内状况。

本发明的第二实施方式涉及一种车内人体检测报警服务器，包括：

数据接收模块，用于接收采集的车内环境数据；所述环境数据包括传感器数据、视频及音频信号；

视频及音频信号识别模块，用于将所述视频及音频信号导入预存的行为模型，进行模式识别，若判断为有人，则对所述传感器数据进行判断；

传感器数据识别模块，用于将所述传感器数据与预设风险级别对应的条件进行比对；

报警模块，用于根据比对结果确定所述传感器数据对应的风险级别；根据风险级别对应的报警方式进行报警。

本发明的第三实施方式涉及一种车内人体检测报警系统，

请参阅图4，包括：中控台、通讯单元、摄像头、麦克风及多个传感器，用于采集车内环境数据，并上传至云平台；所述环境数据包括传感器数据、视频及音频信号。

其中，传感器包括震动传感器、温湿度传感器、氧气浓度传感器、人体红外传感器的一种或几种的组合。

震动传感器通过信号放大器和模数转换器将车辆震动信号传输到中控台，通过对振幅持续5分钟低于阈值的判断，确定车辆是否熄火静止。

当车辆判断为熄火静止状态时，中控台向温度传感器的控制模块发送指令，开始监测车内温度，经过放大器和模数转换器将温度数据传输到中控台进行判断。

氧气浓度传感器接到中控台的控制指令后，开始对车内氧气浓度进行检测，经过放大器和模数转换器后将氧气浓度数据传输到中控台进行判断。

人体红外传感器接到中控台的控制指令后，开始对车内红外感应，经过放大器和模数转换器后将人员活动数据传输到中控台进行判断。

摄像头和麦克风对车内进行监控，并将视频及音频信号转换后通过通讯单元上传至云平台。其中，通讯单元为4G通信模块。

中控台对温度、湿度、红外感应、氧气浓度的采集数据进行指令编码，通过4G通信模块上传至云平台。

需要说明的是，车载装置模块通过充电电池进行供电，充电电池从车辆保险盒取电。

本发明的第四实施方式涉及一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述第一实施方式所述方法的步骤。

综上所述，本发明旨在通过传感器技术、图像识别技术、移动计算技术、云计算、大数据技术以及4G网络来实现一套报警及时准确、智能易操作的车内人体检测报警系统；通过4G网络上传采集的车内环境参数、视频图像及声音到云平台，云平台根据判断结果进行相应处理；若情况紧急且在设定时间内未接收到车主相应，云平台根据车辆定位信息向附近派出所报警。本发明运用视频图像识别和传感数据解决报警准确性和及时性，车主APP解决系统与车主之间的互动问题，通过云端服务和大数据分析解决系统的智能和自适应学习能力。所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (8)

1.一种车内人体检测报警方法，其特征在于，所述方法包括以下步骤：

接收采集的车内环境数据；所述环境数据包括传感器数据、视频及音频信号；

将所述视频及音频信号导入预存的行为模型，判断是否有人，若有人则对所述传感器数据进行判断；

将所述传感器数据与预设风险级别对应的条件进行比对，根据比对结果确定所述传感器数据对应的风险级别；

根据风险级别对应的报警方式进行报警。

2.根据权利要求1所述的车内人体检测报警方法，其特征在于：所述预设风险级别对应的条件是基于历史数据分析获得的。

3.根据权利要求1所述的车内人体检测报警方法，其特征在于，所述车内环境数据由车辆的中控台采集得到。

4.根据权利要求3所述的车内人体检测报警方法，其特征在于，所述车内环境数据由所述车辆的中控台在确定车辆熄火，且震动幅度低于预设的震动阈值后，采集得到。

5.根据权利要求1所述的车内人体检测报警方法，其特征在于，所述行为模型是基于Tensorflow和OpenCV搭建的动态行为模型。

6.根据权利要求1所述的车内人体检测报警方法，其特征在于：所述风险级别至少包括：低级别和高级别；

所述根据风险级别对应的报警方式进行报警，具体包括：

若所述风险级别为低级别，发送警报消息至车主终端；

若所述风险级别为高级别，发送警报消息至车主终端，若在第一预设时间内未收到所述车主终端的响应，则电话所述车主终端；若在第一预设时间内未收到车主响应，则向派出所终端发送报警信息。

7.一种车内人体检测报警服务器，其特征在于，所述服务器包括：

数据接收模块，用于接收采集的车内环境数据；所述环境数据包括传感器数据、视频及音频信号；

视频及音频信号识别模块，用于将所述视频及音频信号导入预存的行为模型，进行模式识别，若判断为有人，则对所述传感器数据进行判断；

传感器数据识别模块，用于将所述传感器数据与预设风险级别对应的条件进行比对；

报警模块，用于根据比对结果确定所述传感器数据对应的风险级别；根据风险级别对应的报警方式进行报警。

8.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-6所述方法的步骤。

Images