CN114299574A - 一种非接触式饮酒驾驶检测方法及装置 - Google Patents

Abstract

本发明涉及交通安全检测的技术领域，更具体地，涉及一种非接触式饮酒驾驶检测方法及装置，通过采集驾驶员的人脸影像，计算脸红概率，并对采集的人脸温度数据进行归一化处理，再根据脸红概率和归一化处理后的人脸温度数据计算获得驾驶员的饮酒概率，本发明中，综合驾驶员的脸红概率和人脸温度对驾驶员是否饮酒驾驶进行判断，检测结果准确可靠，检测方式简单高效，避免了接触式检测效率低、漏检率大、需停车测量等缺点，可减少检测过程中人工参与的部分，减少对交通状况的影响，实现技术落地实施，易于推广应用，保障道路交通安全。

Description

一种非接触式饮酒驾驶检测方法及装置

技术领域

本发明涉及交通安全检测的技术领域，更具体地，涉及一种非接触式饮酒驾驶检测方法及装置。

背景技术

酒后驾驶是一种常见的交通违法现象，具有极大的安全隐患，严重影响着交通运输系统的稳定和发展。当前，绝大多数车辆并未安装酒驾检测装置，酒驾检测依赖于交警抽查，在检测技术上依赖于“接触式检测”，即需要驾驶员下车，主动对着酒精检测仪器吹气或提供血液、唾液等样本。这种检测方式通常不受被检测人员欢迎，并且检测效率较低、漏检概率较大，因此亟需探索非接触式的酒驾检测方式。

目前最普遍非接触式饮酒驾驶检测装置主要依靠气体传感器、激光酒精检测仪、红外线热成像扫描仪等昂贵的直接酒精传感器设备。虽然此类检测设备具有较高的检测准确率，但尚存在成本较高、普及较为困难等问题。其次，绝大多数酒驾传感器的应用场景为车载检测或停车测量。车载检测装置不易得到车辆厂商支持，停车测量则容易影响交通，步骤繁琐。

现有技术公开了一种非侵入性酒测监视系统及其方法，包括影像撷取装置、热感应单元以及微控制单元，影像撷取装置撷取人脸影像，热感应单元撷取体温影像，微控制单元耦接影像撷取装置以及热感应单元，并经配置以将人脸影像输入及其学习模型判断人脸影像是否符合酒后影像，之后，微控制单元判断体温影像的体温资料是否超过预设体温阈值，最后，在人脸影像符合酒后影像以及体温资料超过预设体温阈值时，微控制单元传送通知讯息。该方案中，先通过酒后发生眼神涣散或是行为异常的状况判断人脸影像是否符合酒后影像，若不符合酒后影像，则重新接收下一组待判断的人脸影像，但是，实际上，部分人酒驾后并不会发生眼神涣散或行为异常的状况，此时，对酒驾的人做出不符合酒后影像的判断导致判断结果不准确可靠。

发明内容

本发明的目的在于克服现有技术的不足，提供一种非接触式饮酒驾驶检测方法及装置，提高非接触式饮酒驾驶检测的准确性和可靠性。

为解决上述技术问题，本发明采用的技术方案是：

提供一种非接触式饮酒驾驶检测方法，包括以下步骤：

S1：采集人脸影像和人脸温度数据；

S2：对人脸温度数据进行归一化处理，并根据人脸影像，利用深度学习模型判断驾驶员的脸红概率；

S3：将脸红概率和归一化处理后的人脸温度数据输入逻辑回归模型，获得驾驶员的饮酒概率；

S4：将饮酒概率与预设值进行对比，若饮酒概率小于预设值，判断驾驶员未饮酒，反之，判断驾驶员饮酒驾驶；

本发明的非接触式饮酒驾驶检测方法，通过采集驾驶员的人脸影像，计算脸红概率，并对采集的人脸温度数据进行归一化处理，再根据脸红概率和归一化处理后的人脸温度数据计算获得驾驶员的饮酒概率，本发明中，综合驾驶员的脸红概率和人脸温度对驾驶员是否饮酒驾驶进行判断，检测结果准确可靠，检测方式简单高效，避免了接触式检测效率低、漏检率大、需停车测量等缺点，可减少检测过程中人工参与的部分，减少对交通状况的影响，实现技术落地实施，易于推广应用，保障道路交通安全。

优选地，步骤S2中，深度学习模型为卷积神经网络，包括卷积层、交互信息层、反卷积层和全连接层，所述卷积层快速降低人脸影像大小，提取各个尺度的特征，所述交互信息层对特征进行缩放与重组，所述反卷积层和全连接层对特征进行加权，输出一个二维向量的分类结果

其中

为未脸红结果，R为脸红结果。

优选地，步骤S2中，还需通过Softmax函数将分类结果

映射为范围在[0，1]的概率分布：

式中：

表示未脸红概率；P_R表示脸红概率。

优选地，步骤S2中，对人脸温度数据进行归一化处理的过程为：

式中：t表示归一化后的温度；t′为原始温度；t′_min和t′_max分别表示原始温度的最小值和最大值。

优选地，步骤S3中，饮酒概率的计算过程具体为：

将脸红概率与归一化处理后的人脸温度数据一同输入逻辑回归模型，为输入的各项指标赋予权重，输出饮酒概率：

x＝[P_R，t₁，t₂，t₃]^T

z＝w^Tx＝w₁P_R+w₂t₁+w₃t₂+w₄t₃

式中：x表示输入向量；t₁表示额头温度；t₂表示左脸颊温度；t₃表示右脸颊温度；w表示权重向量；w₁、w₂、w₃和w₄表示赋予脸红概率的权重、赋予额头温度的权重、赋予左脸颊温度的权重和赋予右脸颊温度的权重；z表示加权结果；P表示饮酒概率。

优选地，步骤S4中，当判断为饮酒驾驶时，可将饮酒概率发送至管理者，以通知管理者驾驶员有喝酒的嫌疑。

本发明还提供一种非接触式饮酒驾驶检测装置，应用于上述的非接触饮酒驾驶检测方法，包括杆体、中央处理器、显示屏、用于检测人脸温度数据的热成像模块和用于拍摄人脸影像的摄像模块，所述显示屏、摄像模块、热成像模块和中央处理器安装于所述杆体，所述显示屏、热成像模块和摄像模块分别与所述中央处理器连接。

本发明的非接触式饮酒驾驶检测装置，杆体可安装于路测，驾驶员在驶过检测装置前，先将车速降低至安全车速，摇下车窗，扭头朝向检测装置，通过摄像模块对驾驶员人脸进行拍摄，并将拍摄的人脸影像传输至中央处理器计算脸红概率，通过热成像模块检测驾驶员人脸温度数据，并将温度数据传输至中央处理器，计算驾驶员的饮酒概率并在显示屏显示判断结果，本发明综合驾驶员的脸红概率和人脸温度对驾驶员是否饮酒驾驶进行判断，检测结果准确可靠，检测方法简单高效，避免漏检率大、需停车测量的问题，减少了检测过程中人工参与的部分，减少对交通状况的影响，实现技术落地实施，易于推广应用，保障道路交通安全。

进一步地，还包括电源模块和连接于所述中央处理器与所述热成像模块之间的数据转换模块，所述电源模块、中央处理器和数据转换模块安装于所述杆体内部，所述摄像模块、热成像模块、中央处理器分别与所述电源模块连接。

进一步地，所述摄像模块为高帧率广角高清摄像头，所述中央处理器为树莓派开发板。

进一步地，所述热成像模块为远红外热传感器阵列。

本发明的非接触式饮酒驾驶检测方法及装置与背景技术相比，产生的有益效果为：

综合驾驶员的脸红概率和人脸温度对驾驶员是否饮酒驾驶进行判断，检测结果准确可靠；检测方法简单高效，避免漏检率大、需停车测量的问题，减少了检测过程中人工参与的部分，减少对交通状况的影响，实现技术落地实施，易于推广应用，保障道路交通安全。

附图说明

图1为本发明实施例中非接触式饮酒驾驶检测的流程图；

图2为本发明实施例中非接触式饮酒驾驶检测装置的原理框图；

图3为本发明实施例中非接触式饮酒驾驶检测装置的结构示意图；

附图中：1-杆体；2-摄像模块；3-热成像模块；4-显示屏。

具体实施方式

下面结合具体实施方式对本发明作进一步的说明。

实施例一

如图1所示，一种非接触式饮酒驾驶检测方法，包括以下步骤：

S1：采集人脸影像和人脸温度数据；

S2：对人脸温度数据进行归一化处理，并根据人脸影像，利用深度学习模型判断驾驶员的脸红概率；

S3：将脸红概率和归一化处理后的人脸温度数据输入逻辑回归模型，获得驾驶员的饮酒概率；

S4：将饮酒概率与预设值进行对比，若饮酒概率小于预设值，判断驾驶员未饮酒，反之，判断驾驶员饮酒驾驶。

上述的非接触式饮酒驾驶检测方法，通过采集驾驶员的人脸影像，计算脸红概率，并对采集的人脸温度数据进行归一化处理，再根据脸红概率和归一化处理后的人脸温度数据计算获得驾驶员的饮酒概率。本实施例中，综合驾驶员的脸红概率和人脸温度对驾驶员是否饮酒驾驶进行判断，检测结果准确可靠，检测方式简单高效，避免了接触式检测效率低、漏检率大、需停车测量等缺点，可减少检测过程中人工参与的部分，减少对交通状况的影响，实现技术落地实施，易于推广应用，保障道路交通安全。

步骤S2中，深度学习模型为卷积神经网络，包括卷积层、交互信息层、反卷积层和全连接层，卷积层快速降低人脸影像大小，提取各个尺度的特征；交互信息层由多个卷积核组成，对卷积层提取的特征进行缩放与重组，原始特征图的尺寸为32×32，通过变步长卷积，生成32×32、16×16、8×8三类不同尺度的特征图，将上述三类特征图分别再经过上采样、卷积和变步长卷积对特征进行第二次重组；反卷积层和全连接层对特征进行加权，输出一个二维向量的分类结果

其中

为未脸红结果，R为脸红结果。

为了使输出的结果具有更好的可解释性，还需通过Softmax函数将分类结果

映射为范围在[0，1]的概率分布：

式中：

表示未脸红概率；P_R表示脸红概率。

对人脸温度数据进行归一化处理的过程为：

式中：t表示归一化后的温度；t′为原始温度；t′_min和t′_max分别表示原始温度的最小值和最大值。

步骤S3中，饮酒概率的计算过程具体为：

将脸红概率与归一化处理后的人脸温度数据一同输入逻辑回归模型，为输入的各项指标赋予权重，输出饮酒概率：

x＝[P_R，t₁，t₂，t₃]^T

z＝w^Tx＝w₁P_R+w₂t₁+w₃t₂+w₄t₃

式中：x表示输入向量；t₁表示额头温度；t₂表示左脸颊温度；t₃表示右脸颊温度；w表示权重向量；w₁、w₂、w₃和w₄表示赋予脸红概率的权重、赋予额头温度的权重、赋予左脸颊温度的权重和赋予右脸颊温度的权重；z表示加权结果；P表示饮酒概率。

步骤S4中，预设值为50％，当饮酒概率小于50％时，判断为未饮酒驾驶，当饮酒概率不小于50％时，判断为饮酒驾驶。

当判断为饮酒驾驶时，可将饮酒概率发送至管理者，以通知管理者驾驶员有喝酒的嫌疑，同时指挥车辆进入交警二次识别区域停车、吹气，进一步确保检测结果的准确性。

经测试，脸红概率的处理速率可达到321fps，满足实时处理人脸影像的要求。

实施例二

一种非接触式饮酒驾驶检测装置，应用于实施例一的非接触饮酒驾驶检测方法，如图3所示，包括杆体1、中央处理器、显示屏4、用于检测人脸温度数据的热成像模块3和用于拍摄人脸影像的摄像模块2，摄像模块2、热成像模块3、显示屏4和中央处理器安装于杆体1，显示屏4、热成像模块3和摄像模块2分别与中央处理器连接。

上述的非接触式饮酒驾驶检测装置，杆体1可安装于路测，驾驶员在驶过检测装置前，先将车速降低至安全车速，摇下车窗，扭头朝向检测装置，通过摄像模块2对驾驶员人脸进行拍摄，并将拍摄的人脸影像传输至中央处理器计算脸红概率，通过热成像模块3检测驾驶员人脸温度数据，并将温度数据传输至中央处理器，计算驾驶员的饮酒概率并在显示屏4显示判断结果，本实施例综合驾驶员的脸红概率和人脸温度对驾驶员是否饮酒驾驶进行判断，检测结果准确可靠，检测方法简单高效，避免漏检率大、需停车测量的问题，减少了检测过程中人工参与的部分，减少对交通状况的影响，实现技术落地实施，易于推广应用，保障道路交通安全。

如图3所示，还包括电源模块和连接于中央处理器与热成像模块3之间的数据转换模块，电源模块、中央处理器和数据转换模块安装于杆体1内部，摄像模块2、热成像模块3、中央处理器分别与电源模块连接，电源模块为摄像模块2、热成像模块3和中央处理器供电。

具体地，利用本实施例的非接触式饮酒驾驶检测装置进行饮酒驾驶检测时，将检测装置安装于路测，使摄像模块2持续工作，驾驶员在驶过检测装置前，需先将车速降低至安全车速，摇下车窗，扭头朝向检测装置一侧，再平稳驶过检测装置，摄像装置采集驾驶员的人脸影像，热成像模块3采集驾驶员的人脸温度数据，包括额头、左脸颊和右脸颊的温度数据，并将采集的数据传递至中央处理器，其中，人脸温度数据和人脸影像会显示在显示屏4中指定位置；中央处理器读取所采集的数据，对图像中的人脸区域进行捕捉、裁剪、颜色变换后，利用深度学习模型判断脸红程度，并在显示屏4中显示人脸检测框；脸红程度判断结果将和面部温度数据一同进行逻辑回归，最终输出结果即为饮酒驾驶判断概率；若酒后驾驶概率小于50％，则判断该驾驶员饮酒概率低，显示屏4会在人脸检测框附近显示饮酒驾驶概率，人脸检测框和饮酒概率均为绿色，同时会在检测结果栏中显示文字“未饮酒”；若酒后驾驶概率不小于50％，则判断该驾驶员饮酒概率高，显示屏4会在人脸检测框附近显示饮酒驾驶概率，人脸检测框和饮酒概率均为红色，同时在检测结果栏中显示文字“饮酒驾驶”，检测结果栏背景也变为红色，此时，将饮酒概率发送至管理者，以通知管理者驾驶员有喝酒的嫌疑，同时指挥车辆进入交警二次识别区域停车、吹气，进一步确保检测结果的准确性。

实施例三

本实施例与实施例二类似，所不同之处在于，中央处理器为树莓派开发板，采用基于ARM的微型电脑主板，具有高性能的计算处理能力，且中央处理器安装在显示屏4背板之后，显示屏4面板朝向驾驶员；摄像模块2为高帧率广角高清摄像头，可实时拍摄高清图像，同时支持树莓派等嵌入式设备开发，摄像模块2安装在杆体1顶部且对准车内驾驶员头部方位；热成像模块3为远红外热传感器阵列，可精确检测特定区域内目标物体的温度信息，安装在杆体1顶部且对准车内驾驶员头部方位。

在上述具体实施方式的具体内容中，各技术特征可以进行任意不矛盾的组合，为使描述简洁，未对上述各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (10)

1.一种非接触式饮酒驾驶检测方法，其特征在于，包括以下步骤：

S1：采集人脸影像和人脸温度数据；

S2：对人脸温度数据进行归一化处理，并根据人脸影像，利用深度学习模型判断驾驶员的脸红概率；

S3：将脸红概率和归一化处理后的人脸温度数据输入逻辑回归模型，获得驾驶员的饮酒概率；

S4：将饮酒概率与预设值进行对比，若饮酒概率小于预设值，判断驾驶员未饮酒，反之，判断驾驶员饮酒驾驶。

2.根据权利要求1所述的非接触式饮酒驾驶检测方法，其特征在于，步骤S2中，深度学习模型为卷积神经网络，包括卷积层、交互信息层、反卷积层和全连接层，所述卷积层快速降低人脸影像大小，提取各个尺度的特征，所述交互信息层对特征进行缩放与重组，所述反卷积层和全连接层对特征进行加权，输出一个二维向量的分类结果

其中

为未脸红结果，R为脸红结果。

3.根据权利要求2所述的非接触式饮酒驾驶检测方法，其特征在于，步骤S2中，还需通过Softmax函数将分类结果

映射为范围在[0，1]的概率分布：

式中：

表示未脸红概率；P_R表示脸红概率。

4.根据权利要求3所述的非接触式饮酒驾驶检测方法，其特征在于，步骤S2中，对人脸温度数据进行归一化处理的过程为：

式中：t表示归一化后的温度；t′表示原始温度；t′_min和t′_max分别表示原始温度的最小值和最大值。

5.根据权利要求4所述的非接触式饮酒驾驶检测方法，其特征在于，步骤S3中，饮酒概率的计算过程具体为：

将脸红概率与归一化处理后的人脸温度数据一同输入逻辑回归模型，为输入的各项指标赋予权重，输出饮酒概率：

x＝[P_R，t₁，t₂，t₃]^T

z＝w^Tx＝w₁P_R+w₂t₁+w₃t₂+w₄t₃

式中：x表示输入向量；t₁表示额头温度；t₂表示左脸颊温度；t₃表示右脸颊温度；w表示权重向量；w₁、w₂、w₃和w₄表示赋予脸红概率的权重、赋予额头温度的权重、赋予左脸颊温度的权重和赋予右脸颊温度的权重；z表示加权结果；P表示饮酒概率。

6.根据权利要求1所述的非接触式饮酒驾驶检测方法，其特征在于，步骤S4中，当判断为饮酒驾驶时，可将饮酒概率发送至管理者，以通知管理者驾驶员有喝酒的嫌疑。

7.一种非接触式饮酒驾驶检测装置，应用于权利要求1至6任一项所述的非接触式饮酒驾驶检测方法，其特征在于，包括杆体(1)、中央处理器、显示屏(4)、用于检测人脸温度数据的热成像模块(3)和用于拍摄人脸影像的摄像模块(2)，所述摄像模块(2)、热成像模块(3)、显示屏(4)和中央处理器安装于所述杆体(1)，所述显示屏(4)、热成像模块(3)和摄像模块(2)分别与所述中央处理器连接。

8.根据权利要求7所述的非接触式饮酒驾驶检测方法，其特征在于，还包括电源模块和连接于所述中央处理器与所述热成像模块(3)之间的数据转换模块，所述电源模块、中央处理器和数据转换模块安装于所述杆体(1)内部，所述摄像模块(2)、热成像模块(3)、中央处理器分别与所述电源模块连接。

9.根据权利要求7所述的非接触式饮酒驾驶检测方法，其特征在于，所述摄像模块(2)为高帧率广角高清摄像头，所述中央处理器为树莓派开发板。

10.根据权利要求7所述的非接触式饮酒驾驶检测装置，其特征在于，所述热成像模块(3)为远红外热传感器阵列。

Images