CN114973727A - 一种基于乘客特征的智能驾驶方法 - Google Patents

一种基于乘客特征的智能驾驶方法 Download PDF

Info

Publication number
CN114973727A
CN114973727A CN202210922901.0A CN202210922901A CN114973727A CN 114973727 A CN114973727 A CN 114973727A CN 202210922901 A CN202210922901 A CN 202210922901A CN 114973727 A CN114973727 A CN 114973727A
Authority
CN
China
Prior art keywords
passenger
image
region
sample
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
CN202210922901.0A
Other languages
English (en)
Other versions
CN114973727B (zh
Inventor
汤富彬
毛以芳
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.)
Chengdu Vocational and Technical College of Industry
Original Assignee
Chengdu Vocational and Technical College of Industry
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 Chengdu Vocational and Technical College of Industry filed Critical Chengdu Vocational and Technical College of Industry
Priority to CN202210922901.0A priority Critical patent/CN114973727B/zh
Publication of CN114973727A publication Critical patent/CN114973727A/zh
Application granted granted Critical
Publication of CN114973727B publication Critical patent/CN114973727B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/09623—Systems involving the acquisition of information from passive traffic signs by means mounted on the vehicle
    • 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
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
    • 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
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/09626—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages where the origin of the information is within the own vehicle, e.g. a local storage device, digital map

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种基于乘客特征的智能驾驶方法，包括以下步骤：实时采集上车乘客的信息进行编码，删除下车乘客的信息及编码；对采集的乘客的信息进行特征识别，判断乘客的性别及年龄特征；根据乘客的性别及年龄特征进行安全重要性分析，并根据分析结果进行分类智能驾驶。本发明能够准确识别公交车载客信息，可以根据乘客的特征在不同情境下行驶路线，可以增加乘客乘坐公交车的舒适性及公交车行驶的安全性，避免乘客在乘车过程中出现跌倒等受伤情况。

Description

一种基于乘客特征的智能驾驶方法
技术领域
本发明涉及技术领域，尤其涉及一种基于乘客特征的智能驾驶方法。
背景技术
公共汽车又叫公交车，是指在城市道路上循固定路线，有或者无固定班次时刻，承载人们出行的机动车辆。
近年来，随着国民经济的发展，交通需求增加，公交车的数量不断上升，随之带来是出行使用公交车的人员数量不断上升，因此，在公交车驾驶时乘客的安全性需格外注意。
在现有技术中，公交车司机往往无法准确判断车辆内乘车人员的特征，无法根据乘客的特征改变车辆行驶参数，大大降低了乘客乘坐公交车的舒适性和公交车行驶的安全性，可能导致乘客出现跌倒等受伤情况。
发明内容
为了现有技术存在的上述技术缺陷，本发明提供了一种基于乘客特征的智能驾驶方法，可以有效解决背景技术中的问题。
为了解决上述技术问题，本发明提供的技术方案具体如下：
本发明实施例公开了一种基于乘客特征的智能驾驶方法，包括以下步骤：实时采集上车乘客的信息进行编码，删除下车乘客的信息及编码；对采集的乘客的信息进行特征识别，判断乘客的性别及年龄特征；根据乘客的性别及年龄特征进行安全重要性分析，并根据分析结果进行分类智能驾驶。
在上述任一方案中优选的是，通过在公交车上车处和下车处设置两组图像采集装置，当公交车进入站点时，公交车司机发出打开公交车上车门和公交车下车门的指令，通过司机发出打开公交车上车门和公交车下车门的指令，控制两组图像采集装置开启，对上车处和下车处的乘客进行信息采集。
在上述任一方案中优选的是，图像采集装置内设置有图像处理模块，用于获取乘客的图像，并对乘客的图像进行处理，并将乘客的图像传输至中央处理模块；云储存模块，用于存储人脸图像样本集，并将采集的乘客图像上传至云端；人体感应模块，用于实时感应乘客与图像采集装置的距离，当乘客与图像采集装置的距离到达特定距离d时，发送信号至中央处理模块；语音播报模块，用于接收中央处理模块的信号，并发出语音提示；中央处理模块，用于对图像处理模块传输的乘客图像进行识别判断，并接收人体感应模块的信号。
在上述任一方案中优选的是，当乘客做上车或下车动作时，人体感应模块实时感应乘客与图像采集装置之间的距离，当乘客与图像采集装置的距离到达特定距离d时，人体感应模块发送信号至中央处理模块，中央处理模块发送控制指令至图像处理模块，使图像处理模块采集乘客图像，并对采集的乘客图像进行处理，图像处理模块将采集的乘客图像上传至云储存库内，中央处理模块根据上车时间对乘客进行排列并编号。
在上述任一方案中优选的是，图像处理模块将采集的乘客图像与云储存模块中储存的乘客图像进行相似度分析，找到其相似度最高的乘客图像，中央处理模块删除其相似度最高的乘客图像及编号，并对云储存模块中已储存的乘客图像进行重新编号。
在上述任一方案中优选的是，图像处理模块将云储存模块中的人脸图像样本集中的每幅人脸图像进行子区域分割，生成8个子区域样本集，包括左眼区域样本集、右眼区域样本集、鼻子区域样本集、嘴巴区域样本集、上脸区域样本集、下脸区域样本集、左脸区域样本集和右脸区域样本集；其中，人脸图像样本集中男性图像与女性图像的样本数量相等。
在上述任一方案中优选的是，中央处理模块通过以下方式判断采集的乘客图像的 性别：图像处理模块通过Adaboost人脸检测算法对采集的乘客图像检测人脸区域，并将人 脸区域从背景图像中分离出，再通过眼睛定位算法定位出人脸区域中双眼的位置，通过AAM 算法找到脸部主要特征点；根据脸部主要特征点，将乘客图像的人脸区域分离成与8个子区 域样本集所对应的8个区域i，将8个区域i依次与8个子区域样本集进行相似度计算，设置第 一相似度阈值D1，记录区域i相似度与子区域样本集中样本的相似度大于D1时，样本的性别 种类；通过
Figure 543221DEST_PATH_IMAGE001
，计算区域i每种性别的概率；
Figure 858796DEST_PATH_IMAGE002
为对区域i进行性别识 别得到区域i为女性的概率，
Figure 928383DEST_PATH_IMAGE003
为对区域i进行性别识别得到区域i为男性的概率，
Figure 454043DEST_PATH_IMAGE004
为 区域i在与对应子区域样本进行相似度判断，相似度大于D1时女性的个数，
Figure 267278DEST_PATH_IMAGE005
为区域i在 对应与子区域样本进行相似度判断，相似度大于D1时男性的个数，N为子区域样本集中的样 本总数；建立性别判断模型，令E(x)=1为男性，E(x)=-1为女性，则
Figure 935894DEST_PATH_IMAGE006
；其中，
Figure 441962DEST_PATH_IMAGE007
为乘客图像的8个区 域，
Figure 392601DEST_PATH_IMAGE002
为对区域i进行性别识别得到区域i为女性的概率，
Figure 71844DEST_PATH_IMAGE003
为对区域i进行性别识别得 到区域i为男性的概率，
Figure 158748DEST_PATH_IMAGE008
（
Figure 773400DEST_PATH_IMAGE007
）为乘客图像的8个区域的分类结果相加的加权值， 且
Figure 945756DEST_PATH_IMAGE009
；M+1为拒绝决策；设置8个区域的性别识别正确率Ri(i=1,2,…,8)，通过公式
Figure 366373DEST_PATH_IMAGE010
计算
Figure 635680DEST_PATH_IMAGE008
；并输出
Figure 483550DEST_PATH_IMAGE011
，确定该乘客图像的性别。
在上述任一方案中优选的是，将乘客的年龄依次划分为1～9、10～19、20～39、40～59、60以上五组年龄段，将人脸图像样本集根据性别种类划分为男性样本子集、女性样本子集；并以五组年龄段将男性样本子集和女性样本子集分别划分为五组男性年龄样本子集和女性年龄样本子集，其中，五组年龄段所对应的样本子集中样本数量相等。
在上述任一方案中优选的是，中央处理模块根据性别判断结果通过以下方式判断乘客的年龄范围：将判断为男性的乘客图像分别与五组男性年龄样本子集中的样本进行相似度对比，设置第二相似度阈值D2，统计判断为男性的乘客图像与男性年龄样本子集中的样本相似度大于D2的数量，得到该乘客图像与五组男性年龄样本子集的相似度最大概率的年龄段；将判断为女性的乘客图像分别与五组女性年龄样本子集中的样本进行相似度对比，设置第二相似度阈值D2，统计判断为女性的乘客图像与女性年龄样本子集中的样本相似度大于D2的数量，得到该乘客图像与五组女性年龄样本子集的相似度最大概率的年龄段。
在上述任一方案中优选的是，中央处理模块根据乘车人员数量Q、女性个数m、年龄段为1～9和10～19的乘客个数n、年龄段为60以上的乘客个数d进行安全重要性S判断，通过公式
Figure 80885DEST_PATH_IMAGE013
计算安全重要性；并设置安全重要性系数S1和S2，若S＜S1，则在车辆行驶过程中，帮助司机进行辅助驾驶，以实现提高车辆驾驶的安全性；若S1＜S＜S2，则设置车速阈值V，在车辆行驶过程中，实时获取车辆行驶速度，当车辆行驶速度高于V时，中央控制模块发送指令至语音播报模块，使语音播报模块发出语音提醒。
与现有技术相比，本发明的有益效果：
本发明提供了一种基于乘客特征的智能驾驶方法，通过实时采集上车乘客的信息进行编码，并删除下车乘客的信息及编码；对采集乘客的信息进行特征识别，判断乘客的性别及年龄特征；根据乘客的性别及年龄特征进行安全重要性分析，并根据分析结果进行分类智能驾驶；能够准确识别公交车载客信息，可以根据乘客的特征在不同情境下行驶路线，可以增加乘客乘坐公交车的舒适性及公交车行驶的安全性，避免乘客在乘车过程中出现跌倒等受伤情况。
附图说明
附图用于对本发明的进一步理解，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。
图1是本发明基于乘客特征的智能驾驶方法的流程图；
图2是本发明基于乘客特征的智能驾驶方法的图像采集装置模块示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
需要说明的是，当元件被称为“固定于”或“设置于”另一个元件，它可以直接在另一个元件上或者间接在该另一个元件上。当一个元件被称为是“连接于”另一个元件，它可以是直接连接到另一个元件或间接连接至该另一个元件上。
在本发明的描述中，需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
为了更好地理解上述技术方案，下面将结合说明书附图及具体实施方式对本发明技术方案进行详细说明。
本发明提供了一种基于乘客特征的智能驾驶方法，如图1所示，所述方法包括：
步骤1，实时采集上车乘客的信息进行编码，删除下车乘客的信息及编码。
具体的，由于公交车的行驶路线往往是固定的，通过在公交车上车处和下车处设置两组图像采集装置，当公交车进入站点时，公交车司机发出打开公交车上车门和公交车下车门的指令，进而通过司机发出打开公交车上车门和公交车下车门的指令，控制两组图像采集装置同时开启，对上车处和下车处的乘客进行信息采集。
进一步的，如图2所示，图像采集装置内设置有图像处理模块、云储存模块、人体感应模块、语音播报模块，中央处理模块；
图像处理模块用于获取乘客的图像，并对乘客的图像进行处理，并将乘客的图像传输至中央处理模块；
云储存模块，用于存储人脸图像样本集，并将采集的乘客图像上传至云端；
人体感应模块，用于实时感应乘客与图像采集装置的距离，当乘客与图像采集装置的距离到达特定距离d时，发送信号至中央处理模块；
语音播报模块，用于接收中央处理模块的信号，并发出语音提示；
中央处理模块，用于对图像处理模块传输的乘客图像进行识别判断，并接收人体感应模块的信号。
进一步的，公交车进入站点时，公交车司机发出打开公交车上车门和公交车下车门的指令，当乘客做上车或下车动作时，人体感应模块实时感应乘客与图像采集装置之间的距离，当乘客与图像采集装置的距离到达特定距离d时，人体感应模块发送信号至中央处理模块，进而中央处理模块发送控制指令至图像处理模块，使图像处理模块采集乘客图像，并对采集的乘客图像进行处理。
进一步的，设置于上车处的图像采集装置中的图像处理模块将采集的全部乘客图像进行上传至云储存库内，进而中央处理模块根据上车时间对乘客进行排列并编号；
设置于下车处的图像采集装置中的图像处理模块将采集的乘客图像与云储存模块中储存的乘客图像进行相似度分析，找到其相似度最高的乘客图像，进而中央处理模块删除其相似度最高的乘客图像及编号，并对云储存模块中已储存的乘客图像进行重新编号。
步骤2，对采集的乘客的信息进行特征识别，判断乘客的性别及年龄特征。
具体的，在采集的乘客图像中，能够凸显乘客特征的图像主要集中在乘客的面部区域，而相较于识别整个面部区域进行性别判断，面部区域的各个子区域同样具有足够的与性别相关的信息，且各个子区域所包含的面部特征更加细致，通过对乘客面部区域内的各个子区域进行性别识别，可以提高性别识别的准确率，降低识别错误的概率。
其中，面部区域内的各个子区域包括左眼区域、右眼区域、鼻子区域、嘴巴区域、上脸区域、下脸区域、左脸区域和右脸区域。
进一步的，图像处理模块将云储存模块中的人脸图像样本集中的每幅人脸图像进行子区域分割，生成8个子区域样本集，依次为左眼区域样本集、右眼区域样本集、鼻子区域样本集、嘴巴区域样本集、上脸区域样本集、下脸区域样本集、左脸区域样本集和右脸区域样本集；其中，人脸图像样本集中男性图像与女性图像的样本数量相等。
进一步的，由于人脸图像样本集中每幅人脸图像的性别已知，所生成的8个子区域样本集中的每个样本其性别已知，进而，中央处理模块通过以下方式判断采集的乘客图像的性别：
（1）图像处理模块通过Adaboost人脸检测算法对采集的乘客图像检测人脸区域，并将人脸区域从背景图像中分离出，再通过眼睛定位算法定位出人脸区域中双眼的位置，通过AAM算法找到脸部主要特征点；其中，Adaboost是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器(弱分类器)，然后把这些弱分类器集合起来，构成一个更强的最终分类器(强分类器)，其算法本身是通过改变数据分布来实现的，它根据每次训练集之中每个样本的分类是否正确，以及上次的总体分类的准确率，来确定每个样本的权值，将修改过权值的新数据集送给下层分类器进行训练，最后将每次训练得到的分类器最后融合起来，作为最后的决策分类器；使用adaboost分类器可以排除一些不必要的训练数据特征，并放在关键的训练数据上面；眼睛定位算法为现有技术中对图像进行眼睛定位的算法，例如利用人眼的几何特征，灰度特征等通过算法来实现定位，或通过机器学习，进行定位；AAM算法是一种基于主动外观模型（Active Appearance Model）的算法，AAM是在ASM的基础上，进一步对纹理（将人脸图像变换到平均形状而得到的形状无关图像）进行统计建模，并将形状和纹理两个统计模型进一步融合为外观模型；ASM是一种基于点分布模型（PointDistribution Model,PDM）的算法；在PDM中，外形相似的物体，例如 人脸、人手、心脏等的几何形状可以通过若干关键特征点（landmarks）的坐标依次串联形成一个形状向量来表示。
（2）根据脸部主要特征点，将乘客图像的人脸区域分离成与8个子区域样本集所对应的8个区域i，将8个区域i依次与8个子区域样本集进行相似度计算，设置第一相似度阈值D1，记录区域i相似度与子区域样本集中样本的相似度大于D1时，样本的性别种类；
（3）通过
Figure 305193DEST_PATH_IMAGE001
，计算区域i每种性别的概率；
Figure 101111DEST_PATH_IMAGE002
为对区域i进行 性别识别得到区域i为女性的概率，
Figure 182199DEST_PATH_IMAGE003
为对区域i进行性别识别得到区域i为男性的概率，
Figure 329147DEST_PATH_IMAGE004
为区域i在与对应子区域样本进行相似度判断，相似度大于D1时女性的个数，
Figure 29249DEST_PATH_IMAGE005
为区 域i在对应与子区域样本进行相似度判断，相似度大于D1时男性的个数，N为子区域样本集 中的样本总数。
（4）建立性别判断模型，令E(x)=1为男性，E(x)=-1为女性，则
Figure 210832DEST_PATH_IMAGE006
；其中，
Figure 134926DEST_PATH_IMAGE007
为乘客图像的8个区 域，
Figure 831486DEST_PATH_IMAGE002
为对区域i进行性别识别得到区域i为女性的概率，
Figure 132018DEST_PATH_IMAGE003
为对区域i进行性别识别得 到区域i为男性的概率，
Figure 433686DEST_PATH_IMAGE008
（
Figure 964899DEST_PATH_IMAGE007
）为乘客图像的8个区域的分类结果相加的加权值， 且
Figure 86439DEST_PATH_IMAGE009
；M+1为拒绝决策；
（5）设置8个区域的性别识别正确率Ri(i=1,2,…,8)，通过公式
Figure 252978DEST_PATH_IMAGE010
计算
Figure 877994DEST_PATH_IMAGE008
；并输出
Figure 675049DEST_PATH_IMAGE011
，确定该乘客图像的性别。
进一步的，由于在同一年龄层中，男性和女性的年龄特征在面部的差异性较大，且乘客个体由于环境等因素影响，无法准确对乘客的年龄进行识别，为提高对乘客图像识别年龄的准确性，将乘客的年龄依次划分为1～9、10～19、20～39、40～59、60以上五组年龄段，进而，将人脸图像样本集根据性别种类划分为男性样本子集、女性样本子集。
进一步的，以五组年龄段将男性样本子集和女性样本子集分别划分为五组男性年龄样本子集和女性年龄样本子集，其中，五组年龄段所对应的样本子集中样本数量相等。
进一步的，中央处理模块根据性别判断结果通过以下方式判断乘客的年龄范围：
将判断为男性的乘客图像分别与五组男性年龄样本子集中的样本进行相似度对比，设置第二相似度阈值D2，统计判断为男性的乘客图像与男性年龄样本子集中的样本相似度大于D2的数量，得到该乘客图像与五组男性年龄样本子集的相似度最大概率的年龄段；
将判断为女性的乘客图像分别与五组女性年龄样本子集中的样本进行相似度对比，设置第二相似度阈值D2，统计判断为女性的乘客图像与女性年龄样本子集中的样本相似度大于D2的数量，得到该乘客图像与五组女性年龄样本子集的相似度最大概率的年龄段。
步骤3，根据乘客的性别及年龄特征进行安全重要性分析，并根据分析结果进行分类智能驾驶。
具体的，中央处理模块根据乘车人员数量Q、女性个数m、年龄段为1～9及10～19的乘客个数n、年龄段为60以上的乘客个数d进行安全重要性S判断，通过公式
Figure 955989DEST_PATH_IMAGE013
计算安全重要性。
进一步的，设置安全重要性系数S1和S2，若S＜S1，则在车辆行驶过程中，帮助司机进行辅助驾驶，以实现提高车辆驾驶的安全性；
若S1＜S＜S2，则设置车速阈值V，在车辆行驶过程中，实时获取车辆行驶速度，当车辆行驶速度高于V时，中央控制模块发送指令至语音播报模块，使语音播报模块发出语音提醒，以提醒司机进行减速行驶，避免车辆内乘客出现大幅度摇摆。
进一步的，可以在车上设置视频图像采集模块，实时采集公交车行驶路线和驾驶员虹膜状态特征，并将司机的虹膜状态特征发送至所述中央处理模块。
进一步的，通过以下方式帮助司机进行辅助驾驶：
在行驶过程中，利用Hough变换拟合计算得到左右两条车道标线，Hough变换的描述方程为：
Figure 863902DEST_PATH_IMAGE014
，其中，
Figure 671321DEST_PATH_IMAGE015
、
Figure 373698DEST_PATH_IMAGE016
分别为两条左右两条车道标线的像素位置；并根据 得到的左右两条车道标下内的方程计算两条车道所夹中线的直线方程，并与车辆行驶轨迹 进行对比，通过差值大小判断车道偏移情况，并根据不同的偏移状况，进行车道偏移预警。
在行驶过程中，收集驾驶员的虹膜数据，并与司机正常虹膜数据进行对比，判断驾驶员是否处于健康状态，并根据行驶时间判断驾驶员是否疲劳驾驶，并对驾驶员进行语音提醒。
在遇到非正常情况时，驾驶员驾驶车辆时容易产生慌张、不安等情绪，手脚操作不灵敏，易犯错，以至于无法准确快速获取外界的环境信息，从而无法做出相应的反应，导致事故发生。
与现有技术相比，本发明提供的有益效果是：
本发明提供了一种基于乘客特征的智能驾驶方法，通过实时采集上车乘客的信息进行编码，并删除下车乘客的信息及编码；对采集乘客的信息进行特征识别，判断乘客的性别及年龄特征；根据乘客的性别及年龄特征进行安全重要性分析，并根据分析结果进行分类智能驾驶；能够准确识别公交车载客信息，可以根据乘客的特征在不同情境下行驶路线，可以增加乘客乘坐公交车的舒适性及公交车行驶的安全性，避免乘客在乘车过程中出现跌倒等受伤情况。
以上仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于乘客特征的智能驾驶方法，其特征在于：包括以下步骤：
实时采集上车乘客的信息进行编码，删除下车乘客的信息及编码；
对采集的乘客的信息进行特征识别，判断乘客的性别及年龄特征；
根据乘客的性别及年龄特征进行安全重要性分析，并根据分析结果进行分类智能驾驶。
2.根据权利要求1所述的基于乘客特征的智能驾驶方法，其特征在于：通过在公交车上车处和下车处设置两组图像采集装置，当公交车进入站点时，公交车司机发出打开公交车上车门和公交车下车门的指令，通过司机发出打开公交车上车门和公交车下车门的指令，控制两组图像采集装置开启，对上车处和下车处的乘客进行信息采集。
3.根据权利要求2所述的基于乘客特征的智能驾驶方法，其特征在于：图像采集装置内设置有图像处理模块，用于获取乘客的图像，并对乘客的图像进行处理，并将乘客的图像传输至中央处理模块；
云储存模块，用于存储人脸图像样本集，并将采集的乘客图像上传至云端；
人体感应模块，用于实时感应乘客与图像采集装置的距离，当乘客与图像采集装置的距离到达特定距离d时，发送信号至中央处理模块；
语音播报模块，用于接收中央处理模块的信号，并发出语音提示；
中央处理模块，用于对图像处理模块传输的乘客图像进行识别判断，并接收人体感应模块的信号。
4.根据权利要求3所述的基于乘客特征的智能驾驶方法，其特征在于：当乘客做上车或下车动作时，人体感应模块实时感应乘客与图像采集装置之间的距离，当乘客与图像采集装置的距离到达特定距离d时，人体感应模块发送信号至中央处理模块，中央处理模块发送控制指令至图像处理模块，使图像处理模块采集乘客图像，并对采集的乘客图像进行处理，图像处理模块将采集的乘客图像上传至云储存库内，中央处理模块根据上车时间对乘客进行排列并编号。
5.根据权利要求4所述的基于乘客特征的智能驾驶方法，其特征在于：图像处理模块将采集的乘客图像与云储存模块中储存的乘客图像进行相似度分析，找到其相似度最高的乘客图像，中央处理模块删除其相似度最高的乘客图像及编号，并对云储存模块中已储存的乘客图像进行重新编号。
6.根据权利要求5所述的基于乘客特征的智能驾驶方法，其特征在于：图像处理模块将云储存模块中的人脸图像样本集中的每幅人脸图像进行子区域分割，生成8个子区域样本集，包括左眼区域样本集、右眼区域样本集、鼻子区域样本集、嘴巴区域样本集、上脸区域样本集、下脸区域样本集、左脸区域样本集和右脸区域样本集；其中，人脸图像样本集中男性图像与女性图像的样本数量相等。
7.根据权利要求6所述的基于乘客特征的智能驾驶方法，其特征在于：中央处理模块通过以下方式判断采集的乘客图像的性别：
图像处理模块通过Adaboost人脸检测算法对采集的乘客图像检测人脸区域，并将人脸区域从背景图像中分离出，再通过眼睛定位算法定位出人脸区域中双眼的位置，通过AAM算法找到脸部主要特征点；
根据脸部主要特征点，将乘客图像的人脸区域分离成与8个子区域样本集所对应的8个区域i，将8个区域i依次与8个子区域样本集进行相似度计算，设置第一相似度阈值D1，记录区域i相似度与子区域样本集中样本的相似度大于D1时，样本的性别种类；
通过
Figure 710537DEST_PATH_IMAGE001
，计算区域i每种性别的概率；
Figure 362098DEST_PATH_IMAGE002
为对区域i进行性别识 别得到区域i为女性的概率，
Figure 141836DEST_PATH_IMAGE003
为对区域i进行性别识别得到区域i为男性的概率，
Figure 707684DEST_PATH_IMAGE004
为 区域i在与对应子区域样本进行相似度判断，相似度大于D1时女性的个数，
Figure 256477DEST_PATH_IMAGE005
为区域i在 对应与子区域样本进行相似度判断，相似度大于D1时男性的个数，N为子区域样本集中的样 本总数；
建立性别判断模型，令E(x)=1为男性，E(x)=-1为女性，则
Figure 875677DEST_PATH_IMAGE006
；其中，
Figure 877131DEST_PATH_IMAGE007
为乘客图像的8个区 域，
Figure 76031DEST_PATH_IMAGE002
为对区域i进行性别识别得到区域i为女性的概率，
Figure 417014DEST_PATH_IMAGE003
为对区域i进行性别识别得 到区域i为男性的概率，
Figure 144798DEST_PATH_IMAGE008
（
Figure 695865DEST_PATH_IMAGE007
）为乘客图像的8个区域的分类结果相加的加权值， 且
Figure 167298DEST_PATH_IMAGE009
；M+1为拒绝决策；
设置8个区域的性别识别正确率Ri(i=1,2,…,8)，通过公式
Figure 690683DEST_PATH_IMAGE010
计算
Figure 792632DEST_PATH_IMAGE008
；并输出
Figure 768678DEST_PATH_IMAGE011
，确定该乘客图像的性别。
8.根据权利要求7所述的基于乘客特征的智能驾驶方法，其特征在于：将乘客的年龄依次划分为1～9、10～19、20～39、40～59、60以上五组年龄段，将人脸图像样本集根据性别种类划分为男性样本子集、女性样本子集；并以五组年龄段将男性样本子集和女性样本子集分别划分为五组男性年龄样本子集和女性年龄样本子集，其中，五组年龄段所对应的样本子集中样本数量相等。
9.根据权利要求8所述的基于乘客特征的智能驾驶方法，其特征在于：中央处理模块根据性别判断结果通过以下方式判断乘客的年龄范围：
将判断为男性的乘客图像分别与五组男性年龄样本子集中的样本进行相似度对比，设置第二相似度阈值D2，统计判断为男性的乘客图像与男性年龄样本子集中的样本相似度大于D2的数量，得到该乘客图像与五组男性年龄样本子集的相似度最大概率的年龄段；
将判断为女性的乘客图像分别与五组女性年龄样本子集中的样本进行相似度对比，设置第二相似度阈值D2，统计判断为女性的乘客图像与女性年龄样本子集中的样本相似度大于D2的数量，得到该乘客图像与五组女性年龄样本子集的相似度最大概率的年龄段。
10.根据权利要求9所述的基于乘客特征的智能驾驶方法，其特征在于：中央处理模块根据乘车人员数量Q、女性个数m、年龄段为1～9和10～19的乘客个数n、年龄段为60以上的乘客个数d进行安全重要性S判断，通过公式
Figure DEST_PATH_IMAGE013
计算安全重要性；并设置安全重要性系数S1和S2，若S＜S1，则在车辆行驶过程中，帮助司机进行辅助驾驶，以实现提高车辆驾驶的安全性；若S1＜S＜S2，则设置车速阈值V，在车辆行驶过程中，实时获取车辆行驶速度，当车辆行驶速度高于V时，中央控制模块发送指令至语音播报模块，使语音播报模块发出语音提醒。
CN202210922901.0A 2022-08-02 2022-08-02 一种基于乘客特征的智能驾驶方法 Active CN114973727B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210922901.0A CN114973727B (zh) 2022-08-02 2022-08-02 一种基于乘客特征的智能驾驶方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210922901.0A CN114973727B (zh) 2022-08-02 2022-08-02 一种基于乘客特征的智能驾驶方法

Publications (2)

Publication Number Publication Date
CN114973727A true CN114973727A (zh) 2022-08-30
CN114973727B CN114973727B (zh) 2022-09-30

Family

ID=82969363

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210922901.0A Active CN114973727B (zh) 2022-08-02 2022-08-02 一种基于乘客特征的智能驾驶方法

Country Status (1)

Country Link
CN (1) CN114973727B (zh)

Citations (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070104362A1 (en) * 2005-11-08 2007-05-10 Samsung Electronics Co., Ltd. Face recognition method, and system using gender information
WO2010014067A1 (en) * 2008-07-31 2010-02-04 Hewlett-Packard Development Company, L.P. Perceptual segmentation of images
CN102266241A (zh) * 2011-08-05 2011-12-07 上海交通大学 融合人脸和指纹视觉信息的协同性别识别方法
CN104992300A (zh) * 2015-07-23 2015-10-21 南京轨道交通系统工程有限公司 轨道交通枢纽乘客特性分析方法
WO2017047913A1 (en) * 2015-09-17 2017-03-23 Samsung Electronics Co., Ltd. Display device, controlling method thereof and computer-readable recording medium
CN107223101A (zh) * 2016-06-23 2017-09-29 驭势科技（北京）有限公司 车辆自动驾驶方法和车辆自动驾驶系统
CN107330904A (zh) * 2017-06-30 2017-11-07 北京金山安全软件有限公司 图像处理方法、装置、电子设备及存储介质
CN107403168A (zh) * 2017-08-07 2017-11-28 青岛有锁智能科技有限公司 一种面部识别系统
WO2018071424A1 (en) * 2016-10-10 2018-04-19 University Of Maryland, College Park All-in-one convolutional neural network for face analysis
US20180107866A1 (en) * 2016-10-19 2018-04-19 Jia Li Neural networks for facial modeling
US20180150684A1 (en) * 2016-11-30 2018-05-31 Shenzhen AltumView Technology Co., Ltd. Age and gender estimation using small-scale convolutional neural network (cnn) modules for embedded systems
CN108806249A (zh) * 2018-06-07 2018-11-13 上海市城市建设设计研究总院（集团）有限公司 基于乘客出行体验的公交app软件
CN108898823A (zh) * 2018-07-18 2018-11-27 苏州创存数字科技有限公司 一种基于人工智能的公交车乘坐交互提示系统
CN109709964A (zh) * 2018-12-29 2019-05-03 联想(北京)有限公司 自动驾驶的方法、自动驾驶交通工具及自动驾驶管理系统
CN110472611A (zh) * 2019-08-21 2019-11-19 图谱未来(南京)人工智能研究院有限公司 人物属性识别的方法、装置、电子设备及可读存储介质
CN110998687A (zh) * 2017-08-08 2020-04-10 索尼公司 控制系统以及控制方法
CN111161131A (zh) * 2019-12-16 2020-05-15 上海传英信息技术有限公司 一种图像处理方法、终端及计算机存储介质
CN111204348A (zh) * 2020-01-21 2020-05-29 腾讯云计算（北京）有限责任公司 调节车辆行驶参数方法、装置、车辆及存储介质
CN112601187A (zh) * 2020-12-10 2021-04-02 江苏欣网视讯软件技术有限公司 基于手机信令的公交常乘客预测方法与系统
CN113208281A (zh) * 2021-05-21 2021-08-06 重庆大学 基于感应式加热的智能保温餐桌系统
CN114078269A (zh) * 2020-08-19 2022-02-22 浙江宇视科技有限公司 一种人脸图像聚类方法、装置、服务器和存储介质
CN114224049A (zh) * 2022-01-28 2022-03-25 嘉兴汗血宝马能源科技有限公司 一种具有人脸识别和语音提醒功能的防盗智能行李箱

Patent Citations (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070104362A1 (en) * 2005-11-08 2007-05-10 Samsung Electronics Co., Ltd. Face recognition method, and system using gender information
WO2010014067A1 (en) * 2008-07-31 2010-02-04 Hewlett-Packard Development Company, L.P. Perceptual segmentation of images
CN102266241A (zh) * 2011-08-05 2011-12-07 上海交通大学 融合人脸和指纹视觉信息的协同性别识别方法
CN104992300A (zh) * 2015-07-23 2015-10-21 南京轨道交通系统工程有限公司 轨道交通枢纽乘客特性分析方法
WO2017047913A1 (en) * 2015-09-17 2017-03-23 Samsung Electronics Co., Ltd. Display device, controlling method thereof and computer-readable recording medium
CN107223101A (zh) * 2016-06-23 2017-09-29 驭势科技（北京）有限公司 车辆自动驾驶方法和车辆自动驾驶系统
WO2018071424A1 (en) * 2016-10-10 2018-04-19 University Of Maryland, College Park All-in-one convolutional neural network for face analysis
US20180107866A1 (en) * 2016-10-19 2018-04-19 Jia Li Neural networks for facial modeling
US20180150684A1 (en) * 2016-11-30 2018-05-31 Shenzhen AltumView Technology Co., Ltd. Age and gender estimation using small-scale convolutional neural network (cnn) modules for embedded systems
CN107330904A (zh) * 2017-06-30 2017-11-07 北京金山安全软件有限公司 图像处理方法、装置、电子设备及存储介质
CN107403168A (zh) * 2017-08-07 2017-11-28 青岛有锁智能科技有限公司 一种面部识别系统
CN110998687A (zh) * 2017-08-08 2020-04-10 索尼公司 控制系统以及控制方法
CN108806249A (zh) * 2018-06-07 2018-11-13 上海市城市建设设计研究总院（集团）有限公司 基于乘客出行体验的公交app软件
CN108898823A (zh) * 2018-07-18 2018-11-27 苏州创存数字科技有限公司 一种基于人工智能的公交车乘坐交互提示系统
CN109709964A (zh) * 2018-12-29 2019-05-03 联想(北京)有限公司 自动驾驶的方法、自动驾驶交通工具及自动驾驶管理系统
CN110472611A (zh) * 2019-08-21 2019-11-19 图谱未来(南京)人工智能研究院有限公司 人物属性识别的方法、装置、电子设备及可读存储介质
CN111161131A (zh) * 2019-12-16 2020-05-15 上海传英信息技术有限公司 一种图像处理方法、终端及计算机存储介质
CN111204348A (zh) * 2020-01-21 2020-05-29 腾讯云计算（北京）有限责任公司 调节车辆行驶参数方法、装置、车辆及存储介质
CN114078269A (zh) * 2020-08-19 2022-02-22 浙江宇视科技有限公司 一种人脸图像聚类方法、装置、服务器和存储介质
CN112601187A (zh) * 2020-12-10 2021-04-02 江苏欣网视讯软件技术有限公司 基于手机信令的公交常乘客预测方法与系统
CN113208281A (zh) * 2021-05-21 2021-08-06 重庆大学 基于感应式加热的智能保温餐桌系统
CN114224049A (zh) * 2022-01-28 2022-03-25 嘉兴汗血宝马能源科技有限公司 一种具有人脸识别和语音提醒功能的防盗智能行李箱

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
KHAN, KHALIL: "Automatic Gender Classification through Face Segmentation", 《SYMMETRY-BASEL》 *
刘玉妹: "基于人脸图像的性别分类", 《中国优秀硕士学位论文全文数据库信息科技辑》 *
王宏阳: "人脸性别识别与年龄估计算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 *
陆丽: "基于人脸图像的性别识别与年龄估计研究", 《中国博士学位论文全文数据库信息科技辑》 *

Also Published As

Publication number Publication date
CN114973727B (zh) 2022-09-30

Similar Documents

Publication Publication Date Title
CN109460699B (zh) 一种基于深度学习的驾驶员安全带佩戴识别方法
JP6570731B2 (ja) 乗客の混雑度の算出方法及びそのシステム
CN110077414A (zh) 一种基于驾驶员状态监测的车辆行驶安全保障方法及系统
JP6200421B2 (ja) 運転支援システム及び運転支援方法
CN104573646B (zh) 基于激光雷达和双目相机的车前行人检测方法及系统
CN103310202B (zh) 一种保障驾驶安全的系统及其方法
CN109635645A (zh) 非机动车交通违法监管方法、装置及电子设备
CN106541968B (zh) 基于视觉分析的地铁车厢实时提示系统的识别方法
CN112793576B (zh) 一种基于规则与机器学习融合的换道决策方法及系统
CN112116100B (zh) 一种考虑驾驶员类型的博弈论决策方法
CN114735010B (zh) 基于情绪识别的智能车辆行驶控制方法、系统及存储介质
CN114092922A (zh) 一种基于特异性的驾驶员情绪识别及行为干预方法
WO2021028533A1 (en) Method, device, medium, and vehicle for providing individual driving experience
CN111526311B (zh) 驾驶用户行为的判断方法、系统、计算机设备及存储介质
Zhang et al. An ensemble learning–online semi-supervised approach for vehicle behavior recognition
CN112686161A (zh) 基于神经网络的疲劳驾驶检测方法
CN112698660B (zh) 基于9轴传感器的驾驶行为视觉感知装置及方法
KR101050687B1 (ko) 사후확률을 이용한 보행자 인식 장치 및 방법과 그를이용한 보행자 보호 장치
CN114973727B (zh) 一种基于乘客特征的智能驾驶方法
CN108459520B (zh) 用于车辆的自动显示方法及其系统
CN116279572B (zh) 一种车辆安全态势评估与稳态驾驶模式切换方法及系统
CN109770922A (zh) 嵌入式疲劳检测系统及方法
CN114429621A (zh) 一种基于ufsa算法改进的车道线智能检测方法
CN207579730U (zh) 一种交通工具转向灯的智能控制系统
CN112348718A (zh) 智能辅助驾驶指导方法、装置和计算机存储介质

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