CN115214492B - 基于视频辅助的车载酒驾检测方法、电子设备及存储介质 - Google Patents

基于视频辅助的车载酒驾检测方法、电子设备及存储介质 Download PDF

Info

Publication number
CN115214492B
CN115214492B CN202210813189.0A CN202210813189A CN115214492B CN 115214492 B CN115214492 B CN 115214492B CN 202210813189 A CN202210813189 A CN 202210813189A CN 115214492 B CN115214492 B CN 115214492B
Authority
CN
China
Prior art keywords
detection
alcohol
drunk driving
face
driver
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.)
Active
Application number
CN202210813189.0A
Other languages
English (en)
Other versions
CN115214492A (zh
Inventor
林涛
王贺
许华杰
支禹杰
刘星
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.)
Shenzhen Urban Transport Planning Center Co Ltd
Original Assignee
Shenzhen Urban Transport Planning Center 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 Shenzhen Urban Transport Planning Center Co Ltd filed Critical Shenzhen Urban Transport Planning Center Co Ltd
Priority to CN202210813189.0A priority Critical patent/CN115214492B/zh
Publication of CN115214492A publication Critical patent/CN115214492A/zh
Application granted granted Critical
Publication of CN115214492B publication Critical patent/CN115214492B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
    • B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
    • B60R16/023—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for transmission of signals between vehicle parts or subsystems
    • B60R16/0231—Circuits relating to the driving or the functioning of the vehicle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
    • B60Q9/00—Arrangement or adaptation of signal devices not provided for in one of main groups B60Q1/00 - B60Q7/00, e.g. haptic signalling
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R22/00—Safety belts or body harnesses in vehicles
    • B60R22/48—Control systems, alarms, or interlock systems, for the correct application of the belt or harness
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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
    • 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
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Chemical & Material Sciences (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Software Systems (AREA)
  • Food Science & Technology (AREA)
  • Urology & Nephrology (AREA)
  • Molecular Biology (AREA)
  • Hematology (AREA)
  • Medicinal Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Biomedical Technology (AREA)
  • Auxiliary Drives, Propulsion Controls, And Safety Devices (AREA)
  • Traffic Control Systems (AREA)

Abstract

基于视频辅助的车载酒驾检测方法、电子设备及存储介质，属于酒驾检测方法领域，是针对用气泵抽取车内气体道中检验结果可能不针对驾驶员的问题，使用吹气式酒精检测器无法确定检测者为驾驶员的问题，使用图像进行驾驶员醉酒状态分析难以确保准确性的问题所提出。包括以下步骤：提取检测图片信息进行安全带检测并记录人脸信息，提取检测图片信息进行酒精检测器使用行为合规判断，通过酒精检测结果进行酒驾检测判断。通过使用酒精检测器，解决了乘客饮酒对检测结果的影响。通过视频验证，解决了由他人代为测试的问题。直接检测酒精浓度而不是通过其他侧面的方式，提升了结果的准确性。

Description

基于视频辅助的车载酒驾检测方法、电子设备及存储介质
技术领域
本发明涉及一种酒驾检测方法领域，特别是涉及一种基于视频辅助的车载酒驾检测方法、电子设备及存储介质。
背景技术
人在饮酒后会出现反应速度、操作速度、判断能力、识别能力和视觉等生理状态的明显下降，驾驶员在饮酒后驾驶车辆也极易引发其他交通违法行为。但很多驾驶员会抱着侥幸心理的认为少量饮酒不会有任何影响，自恃车技高超，对于酒驾内心松懈，丧失应有的警惕心，从而导致安全事故的发生。
通常情况下，公安机关交通管理部门在随机地点、时间设置酒驾检查点，并对确认的酒驾及醉驾司机进行严厉责罚。常见的酒精检测器虽然可以准确鉴别出司机是否饮酒，但需要交警现场监督查处，酒驾检查工作在消耗警力的同时也会影响道路通行能力，并且在酒驾司机被拦截之前的驾驶过程中，依然具备着较大的交通肇事风险。
车载酒驾检测技术在酒驾检测领域属于新兴热点问题，车载酒驾检测技术的目的是使用车载设备替代部分公安机关交通管理部门的酒驾检测工作，在减少警力消耗的同时可以有效缩短酒驾司机被交警拦截之前的驾驶过程，从而降低交通肇事风险。
现有车载酒驾检测技术主要分为四种，第一种是通过酒精传感器检测呼入气体浓度来判断驾驶员是否饮酒；第二种是通过摄像头来检测驾驶员是否存在饮酒、脸红、异常亢奋等状态；第三种是通过检测车辆行驶中是否会连续出现急转弯、急加速等异常驾驶操作进行判断；第四种是通过安装吹气式酒精检测器进行驾驶员自主酒驾检测。行之有效的车载酒驾检测技术是改善通行环境、提升交通安全性的有效手段。
现有技术中：
现有技术1：呼气式酒精检测器系统（专利申请号：202010347427.4）通过对安装在方向盘的气泵抽取的车内气体进行酒精浓度检测，根据气体中酒精浓度判断驾驶员是否饮酒。
其缺点在于：呼气式酒精检测器系统通过使用气泵抽取车内气体，因此乘客饮酒也会影响酒驾检测的结果，比如在雇佣代驾的情况下，过量饮酒的车主就可能会影响代驾的酒驾检测结果。
现有技术2：安装吹气式酒精检测器的酒驾检测方法（专利申请号：201821908858.8）通过驾驶员使用安装在卡盖内的吹气式酒精检测器主动进行酒精检测。
其缺点在于：使用吹气酒精检测器虽然可以保证酒驾检测精度，但是对于缺乏法律意识或心存侥幸的驾驶员可能会存在由他人代吹的行为。
现有技术3：使用摄像头进行酒驾检测的方法基于视频分析获得驾驶员状态，通过对驾驶员脸色、是否经常表现疲惫并打哈欠、驾驶操作是否流畅、反应是否迟滞等因素进行酒驾判断。
其缺点在于：使用摄像头基于视频分析驾驶员状态进行酒驾判断，除了光线、角度等环境因素对于视频分析的影响，大多数人在饮酒后都会有不同的状态变化，使用图像进行驾驶员状态分析时不利于视频分析算法的训练和判断。
发明内容
为了克服上述现有技术存在的缺陷，本发明提供了一种基于视频辅助的车载酒驾检测方法、电子设备及存储介质，可以解决用气泵抽取车内气体道中检验结果可能不针对驾驶员的问题，使用吹气式酒精检测器无法确定检测者为驾驶员的问题，使用图像进行驾驶员醉酒状态分析难以确保准确性的问题。
本发明采用的技术方案一在于：
一种基于视频辅助的车载酒驾检测方法，包括以下步骤：
步骤S1，提取图片信息进行安全带检测并记录人脸信息；
步骤S11，驾驶员系好安全带，打开监控摄像机，通过使用监控摄像机拍摄驾驶员获得图片信息，将图片发给控制主机；
步骤S12，使用基于CNN的检测算法进行人体区域检测，检测到人体区域后使用基于CNN的检测算法分别进行安全带检测和人脸区域检测，安全带检测结果输出给控制主机，如果未佩戴安全带，则由控制主机控制语音喇叭进行提醒，如果佩戴了安全带则储存人脸区域图像信息，用于检测流程中的人脸相似性比较环节；
步骤S2，提取图片信息进行酒精检测器使用行为合规判断，通过酒精检测结果进行酒驾检测判断；
通过监控摄像机判断驾驶员使用酒精检测器的行为是否合规有效以及使用酒精检测器时的人脸与已系好安全带的人脸信息是否一致：
定位酒精检测时人脸区域，基于卷积神经网络CNN的检测算法比较酒精检测时的人脸信息和安全带检测时存储的人脸区域图像的相似性，如果相似性高于阈值，则检测酒精检测器的状态；
将人脸信息调整为127×127的尺寸后输入VGG16网络提取出1×1×1000维的特征，使用余弦相似性计算前后操作记录的人脸信息的相似性，对于相似性低于0.6认定不是同一人；
将记录的人脸信息调整为127×127的尺寸的具体流程如下：
对于一个输入的长为
Figure 536297DEST_PATH_IMAGE001
宽为
Figure 453437DEST_PATH_IMAGE002
的人脸区域，先在区域四周补充
Figure 233175DEST_PATH_IMAGE003
个像素的信息，
Figure 441433DEST_PATH_IMAGE004
的计算表达式为：
Figure 255805DEST_PATH_IMAGE005
（1）
在补充信息后边界的大小为
Figure 140585DEST_PATH_IMAGE006
，然后对当前区域进行缩放使其总的面积与最终面积相等，计算表达式为：
Figure 407618DEST_PATH_IMAGE007
（2）
式（2）中，
Figure 419568DEST_PATH_IMAGE008
为缩放系数；
缩放之后人脸区域面积为
Figure 88446DEST_PATH_IMAGE009
，变形为127×127的正方形，使用余弦相似性公式计算相似性；
计算余弦相似性的公式如下：
Figure 144127DEST_PATH_IMAGE010
（3）
式（3）中，
Figure 898456DEST_PATH_IMAGE011
、
Figure 635468DEST_PATH_IMAGE012
为两个人脸区域的127×127维的外观特征向量，
Figure 971903DEST_PATH_IMAGE013
为
Figure 401747DEST_PATH_IMAGE014
的第
Figure 705689DEST_PATH_IMAGE015
个值，
Figure 980813DEST_PATH_IMAGE016
为
Figure 434404DEST_PATH_IMAGE017
的第
Figure 769570DEST_PATH_IMAGE018
个值，
Figure 498492DEST_PATH_IMAGE019
为两个区域的特征相似度；
如果人脸信息一致且酒精检测器的使用行为合规有效，则酒驾检测合格。
进一步地，所述步骤S2，提取图片信息进行酒精检测器使用行为合规判断，通过酒精检测结果进行酒驾检测判断，如果相似性不高于阈值的实施方法为：
步骤S21，如果相似性不高于阈值，则播报提示语音，提示由驾驶员本人完成酒驾检测操作，并且重新记录酒精检测流程人脸信息，重新记录安全带检测流程的人脸信息；
步骤S22，使用基于CNN的检测算法进行酒精检测器定位，酒精检测器的定位与人脸重合则酒精检测器定位合格，控制主机提示使用酒精检测器进行测试，否则提示调整酒精检测器位置进行检测；
控制主机结合酒精检测器的检测结果和监控摄像机记录的图片信息判断检测是否合格，如果酒精检测器结果为未酒驾且酒精检测行为合规有效，则提示语音为“检测合格”，如果未检测到气体提示语音为“请吹气”，如果检测结果为酒驾提示语音为“检测到酒驾状态”。
本发明采用的技术方案二在于：一种电子设备，包括处理器和用于存储能够在处理器上运行的计算机程序的存储器，
其中，所述处理器用于运行所述计算机程序时，执行方案一所述基于视频辅助的车载酒驾检测方法的步骤。
本发明采用的技术方案三在于：一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现方案一所述基于视频辅助的车载酒驾检测方法的步骤。
本发明的有益效果是：
1.通过使用酒精检测器，解决了乘客饮酒对检测结果的影响。
2.通过视频验证，解决了由他人代为测试的问题。
3.直接检测酒精浓度而不是通过其他侧面的方式，提升了结果的准确性。
附图说明
图1是本申请基于视频辅助的车载酒驾检测方法的流程图；
图2是本申请方法的安全带检测流程图；
图3是本申请方法的酒精检测行为合规判断流程图；
图4是本申请方法的实施设备安装示意图。
图中：1-监控摄像机，2-酒精检测器，3-控制主机，4-语音喇叭。
具体实施方式
实施例1：
本申请实施例1提供了一种基于视频辅助的车载酒驾检测方法，如图4所示，本实施例使用的设备包括监控摄像机1、酒精检测器2、控制主机3和语音喇叭4。
所述的监控摄像机1，安装位置正对或侧对车辆驾驶席，用于进入驾驶席且系好安全带的驾驶员进行拍摄，拍摄后将图像传送给控制主机3进行视觉信息运算，所述的监控摄像机1还配有补光灯。
所述的酒精检测器2，通过具备松紧性的固定绳与控制主机3相连，可以进行近距离移动，所述的酒精检测器2可以有效检测出呼入气体的酒精含量，根据呼入气体的酒精浓度给出提示音，对结果超标或者合格进行通知，所述的酒精检测器2可以有效检测是否有气流进出，当进入使用状态超过30s且未检测到气体进入时，酒精检测器2会播报提示音，通知驾驶员吹气。
所述的语音喇叭4，安置在控制主机3上用于接收控制主机3传递出的信息，进行操作提醒或结果告知。
所述的控制主机3与酒精检测器2一体化配置，用于对监控摄像机1所拍图像中驾驶员信息进行识别保存；通过使用基于卷积神经网络CNN的检测算法检测驾驶员位置，并对驾驶员是否系好安全带进行判断，将结果信息通过语音喇叭4进行信息表达；进行酒驾检测行为判断时，对安全带检测时记录的驾驶员信息和使用酒精检测器2的人员信息进行相似性判断，将结果信息通过语音喇叭4进行信息表达；使用基于卷积神经网络CNN的检测算法判断操作酒精检测器2进行酒驾检验时酒精检测器2的位置是否正确，将结果信息通过语音喇叭4进行播报；对酒精检测器2结果和视频分析结果进行综合分析，确定酒驾检测结果，并将检验结果通过语音喇叭4进行信息表达，如果检测出酒驾，语音喇叭4还将播报酒驾危害。
所述的设备结构简单，设置在车内，监控摄像机用于检测驾驶员图像信息，酒精检测仪用于输出酒驾检测结果，控制主机用于判断酒驾流程是否合规以及酒驾检测是否合格，语音喇叭用于提示操作信息及酒驾检测结果。设备占据空间较小，不会影响驾驶员观感，同时可以有效降低警力成本，并且在发现潜在酒驾时可以对驾驶员进行劝解，从而降低酒驾事件的发生。
本实施例包括以下步骤：
如图1所示，酒驾检测方法的流程框架，监控摄像机1对驾驶人进行拍摄，并使用基于卷积神经网络CNN的检测算法检测人体区域，进行安全带检测和人脸区域检测，检测到安全带后进行酒精检测，如果没有检测到安全带则通过控制主机3进行语音提醒，比较酒精检测时的人脸信息和安全带检测时存储的人脸区域的相似性，如果相似性高于阈值，则检测酒精检测器2状态，如果酒精检测器2存在，控制主机3提示使用酒精检测器2进行测试，酒精检测器2的检测信息输入控制主机3，控制主机3做出判断并进行语音提醒。
如图2所示，基于卷积神经网络CNN检测算法进行安全带检测和人脸信息记录，驾驶员系好安全带，打开监控摄像机1，通过使用监控摄像机1拍摄驾驶员获得图片信息，将图片发给控制主机3，然后使用基于卷积神经网络CNN的检测算法进行人体区域检测，检测到人体区域后使用基于卷积神经网络CNN的检测算法分别进行安全带检测和人脸区域检测，安全带检测结果输出给控制主机3，如果未佩戴安全带，则由控制主机3控制语音喇叭4进行提醒，如果佩戴了安全带则储存人脸区域图像信息，用于检测流程中的人脸相似性比较环节。
如图3所示，基于视频信息的酒精检测行为合规判断，定位酒精检测时人脸区域，基于卷积神经网络CNN的检测算法比较酒精检测时的人脸信息和安全带检测时存储的人脸区域的相似性，如果相似性高于阈值，则检测酒精检测器2的状态，要求需要与人脸部分重合，其位置符合检测状态的要求，如果相似性不高于阈值，则播报提示语音，提示由驾驶员本人完成酒驾检测操作，并且重新记录酒精检测流程人脸信息，重新记录安全带检测流程的人脸信息。其中，将人脸信息调整为127×127的尺寸后输入VGG16网络提取出1×1×1000维的特征，使用余弦相似性计算前后操作记录的人脸信息的相似性，对于相似性低于0.6认定不是同一人，可以选择调整角度重新识别面部或者从安全带检测开始重新记录信息。
将前后操作记录人脸信息调整为127×127的尺寸的流程及公式如下：
对于一个输入的长为
Figure 639623DEST_PATH_IMAGE020
宽为
Figure 137600DEST_PATH_IMAGE002
的人脸区域，需要先在区域四周补充
Figure 909247DEST_PATH_IMAGE021
个像素的信息，
Figure 672935DEST_PATH_IMAGE022
的计算表达式为：
Figure 555440DEST_PATH_IMAGE023
（1）
在补充信息后边界的大小为
Figure 970241DEST_PATH_IMAGE024
，之后需要对当前区域进行缩放使其总的面积与最终面积相等，计算表达式为：
Figure 912789DEST_PATH_IMAGE025
（2）
式（2）中，
Figure 163773DEST_PATH_IMAGE026
为缩放系数。
缩放之后人脸区域面积为
Figure 584390DEST_PATH_IMAGE027
，变形为127×127的正方形，使用余弦相似性公式计算相似性。
计算余弦相似性的公式如下：
Figure 119277DEST_PATH_IMAGE010
（3）
式（3）中，
Figure 232726DEST_PATH_IMAGE028
、
Figure 971006DEST_PATH_IMAGE029
为两个人脸区域的127×127维的外观特征向量，
Figure 195314DEST_PATH_IMAGE013
为
Figure 256811DEST_PATH_IMAGE014
的第
Figure 603479DEST_PATH_IMAGE030
个值，
Figure 16006DEST_PATH_IMAGE016
为
Figure 44005DEST_PATH_IMAGE017
的第
Figure 29848DEST_PATH_IMAGE018
个值，
Figure 219520DEST_PATH_IMAGE019
为两个区域的特征相似度。
使用基于卷积神经网络CNN的检测算法进行酒精检测器2定位，酒精检测器2的定位与人脸重合则酒精检测器2定位合格，控制主机3提示使用酒精检测器2进行测试，否则提示调整酒精检测器2位置进行检测。
控制主机3根据酒精检测器2的输出信息做出判断，控制主机3结合酒精检测器2的检测结果和监控摄像机1记录的图片信息判断检测是否合格，如果酒精检测器2结果为未酒驾且酒精检测行为合规有效则提示语音为“检测合格”，如果未检测到气体提示语音为“请吹气”，如果检测结果为酒驾提示语音为“检测到酒驾状态”。
其中，如果未通过酒驾检测则播报警告语音，提醒操作误区并重复进行检测；检测人员累计三次检测行为失败或酒精检测器2报警，则酒驾检测结果为不合格。
该系统结构简单，设置在车内，监控摄像机用于检测驾驶员图像信息，酒精检测仪用于输出酒驾检测结果，控制主机用于判断酒驾流程是否合规以及酒驾检测是否合格，语音喇叭用于提示操作信息及酒驾检测结果。本发明可以在车辆内部进行安装，设备占据空间较小，不会影响驾驶员观感。与现行的交警检查酒驾的方法相比，可以有效降低应用于抓酒驾事件的警力成本，并且在发现潜在的酒驾事件时可以对驾驶员进行劝解从而降低酒驾事件的发生。
上述实施例通过视频检测器和酒精检测器对驾驶员进行信息采集，并发送给控制主机；控制主机通过视频信息进行驾驶员安全带检测；控制主机对安全检测时提取的人脸区域和酒精检测器使用时提取的人脸区域分别转换为127×127的尺寸后计算余弦相似性，根据余弦相似性判断是否始终由驾驶员进行操作；当驾驶员操作出错或已完成检测全部流程，由控制主机通过语音喇叭进行信息播报。实施例中驾驶员系好安全带后在视频检测下主动使用酒精检测器进行酒驾检测，并将检测结果及酒驾可能造成的危害告知驾驶员，实施例中还通过比较人脸相似性的方法，确保酒驾检测全程由驾驶员本人操作，有效避免他人代检情况的发生，从而最大限度上减少酒驾情况的发生，保证交通安全。
需要强调的是：
1、本申请提出使用视频检测和吹气式酒精检测器进行基于视频检测辅助的车载酒驾检测系统设计的思路。
2. 本申请中视频检测系统的主要功能是通过安全带检测和操作者判断，保证吹气式酒精检测器使用的流程准确以及操作合规。
实施例2：
本申请实施例2提供一种电子设备，电子设备以通用计算设备的形式表现。电子设备的组件可以包括但不限于：一个或者多个处理器或者处理单元，用于存储能够在处理器上运行的计算机程序的存储器，连接不同系统组件（包括存储器、一个或者多个处理器或者处理单元）的总线。
其中，所述一个或者多个处理器或者处理单元用于运行所述计算机程序时，执行实施例1所述方法的步骤。所述处理器所用类型包括中央处理器、通用处理器、数字信号处理器、专用集成电路、现场可编程门阵列或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。
其中，总线表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构（ISA）总线，微通道体系结构（MAC）总线，增强型ISA总线、视频电子标准协会（VESA）局域总线以及外围组件互连（PCI）总线。
实施例3：
本申请实施例3提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现实施例1所述方法的步骤。
需要说明的是，本申请所示的存储介质可以是计算机可读信号介质或者存储介质或者是上述两者的任意组合。存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑磁盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。存储介质还可以是存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
需要说明的是，在以上实施例中，只要不矛盾的技术方案都能够进行排列组合，本领域技术人员能够根据排列组合的数学知识穷尽所有可能，因此本发明不再对排列组合后的技术方案进行一一说明，但应该理解为排列组合后的技术方案已经被本发明所公开。
本实施方式只是对本专利的示例性说明，并不限定它的保护范围，本领域技术人员还可以对其局部进行改变，只要没有超出本专利的精神实质，都在本专利的保护范围内。

Claims (4)

1.基于视频辅助的车载酒驾检测方法，其特征在于，包括以下步骤：
步骤S1，提取图片信息进行安全带检测并记录人脸信息；
步骤S11，驾驶员系好安全带，打开监控摄像机（1），通过使用监控摄像机（1）拍摄驾驶员获得图片信息，将图片发给控制主机（3）；
步骤S12，使用基于CNN的检测算法进行人体区域检测，检测到人体区域后使用基于CNN的检测算法分别进行安全带检测和人脸区域检测，安全带检测结果输出给控制主机（3），如果未佩戴安全带，则由控制主机（3）控制语音喇叭（4）进行提醒，如果佩戴了安全带则储存人脸区域图像信息，用于检测流程中的人脸相似性比较环节；
步骤S2，提取图片信息进行酒精检测器（2）使用行为合规判断，通过酒精检测结果进行酒驾检测判断；
通过监控摄像机（1）判断驾驶员使用酒精检测器（2）的行为是否合规有效以及使用酒精检测器（2）时的人脸与已系好安全带的人脸信息是否一致：
定位酒精检测时人脸区域，基于卷积神经网络CNN的检测算法比较酒精检测时的人脸信息和安全带检测时存储的人脸区域图像的相似性，如果相似性高于阈值，则检测酒精检测器（2）的状态；
将人脸信息调整为127×127的尺寸后输入VGG16网络提取出1×1×1000维的特征，使用余弦相似性计算前后操作记录的人脸信息的相似性，对于相似性低于0.6认定不是同一人；
将记录的人脸信息调整为127×127的尺寸的具体流程如下：
对于一个输入的长为
Figure 863423DEST_PATH_IMAGE001
宽为
Figure 429533DEST_PATH_IMAGE002
的人脸区域，先在区域四周补充
Figure 541321DEST_PATH_IMAGE003
个像素的信息，
Figure 901896DEST_PATH_IMAGE004
的计算表达式为：
Figure 351332DEST_PATH_IMAGE005
（1）
在补充信息后边界的大小为
Figure 721133DEST_PATH_IMAGE006
，然后对当前区域进行缩放使其总的面积与最终面积相等，计算表达式为：
Figure 283832DEST_PATH_IMAGE007
（2）
式（2）中，
Figure 80887DEST_PATH_IMAGE008
为缩放系数；
缩放之后人脸区域面积为
Figure 892985DEST_PATH_IMAGE009
，变形为127×127的正方形，使用余弦相似性公式计算相似性；
计算余弦相似性的公式如下：
Figure 66478DEST_PATH_IMAGE010
（3）
式（3）中，
Figure 890208DEST_PATH_IMAGE011
、
Figure 858164DEST_PATH_IMAGE012
为两个人脸区域的127×127维的外观特征向量，
Figure 954296DEST_PATH_IMAGE013
为
Figure 728217DEST_PATH_IMAGE014
的第
Figure 593405DEST_PATH_IMAGE015
个值，
Figure 545312DEST_PATH_IMAGE016
为
Figure 128740DEST_PATH_IMAGE017
的第
Figure 440773DEST_PATH_IMAGE018
个值，
Figure 426046DEST_PATH_IMAGE019
为两个区域的特征相似度；
如果人脸信息一致且酒精检测器（2）的使用行为合规有效，则酒驾检测合格。
2.根据权利要求1所述的基于视频辅助的车载酒驾检测方法，其特征在于，所述步骤S2，提取图片信息进行酒精检测器（2）使用行为合规判断，通过酒精检测结果进行酒驾检测判断，如果相似性不高于阈值的实施方法为：
步骤S21，如果相似性不高于阈值，则播报提示语音，提示由驾驶员本人完成酒驾检测操作，并且重新记录酒精检测流程人脸信息，重新记录安全带检测流程的人脸信息；
步骤S22，使用基于CNN的检测算法进行酒精检测器（2）定位，酒精检测器（2）的定位与人脸重合则酒精检测器（2）定位合格，控制主机（3）提示使用酒精检测器（2）进行测试，否则提示调整酒精检测器（2）位置进行检测；
控制主机（3）结合酒精检测器（2）的检测结果和监控摄像机（1）记录的图片信息判断检测是否合格，如果酒精检测器（2）结果为未酒驾且酒精检测行为合规有效，则提示语音为“检测合格”，如果未检测到气体提示语音为“请吹气”，如果检测结果为酒驾提示语音为“检测到酒驾状态”。
3.一种电子设备，其特征在于，包括处理器和用于存储能够在处理器上运行的计算机程序的存储器，
其中，所述处理器用于运行所述计算机程序时，执行权利要求1至2任一项所述基于视频辅助的车载酒驾检测方法的步骤。
4.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至2任一项所述基于视频辅助的车载酒驾检测方法的步骤。
CN202210813189.0A 2022-07-12 2022-07-12 基于视频辅助的车载酒驾检测方法、电子设备及存储介质 Active CN115214492B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210813189.0A CN115214492B (zh) 2022-07-12 2022-07-12 基于视频辅助的车载酒驾检测方法、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210813189.0A CN115214492B (zh) 2022-07-12 2022-07-12 基于视频辅助的车载酒驾检测方法、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN115214492A CN115214492A (zh) 2022-10-21
CN115214492B true CN115214492B (zh) 2023-02-03

Family

ID=83612122

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210813189.0A Active CN115214492B (zh) 2022-07-12 2022-07-12 基于视频辅助的车载酒驾检测方法、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN115214492B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN207725221U (zh) * 2018-01-29 2018-08-14 石家庄铁路职业技术学院 酒驾检测系统
CN110879944A (zh) * 2018-09-05 2020-03-13 武汉斗鱼网络科技有限公司 基于人脸相似度的主播推荐方法、存储介质、设备及系统
CN114241589A (zh) * 2022-02-28 2022-03-25 深圳市城市交通规划设计研究中心股份有限公司 一种基于车载视频的公交司机违规行为判定方法及装置
CN114299586A (zh) * 2021-12-30 2022-04-08 南京英思特环保科技有限公司 一种基于卷积神经网络的智能化深度学习系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11340701B2 (en) * 2019-12-16 2022-05-24 Nvidia Corporation Gaze determination using glare as input

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN207725221U (zh) * 2018-01-29 2018-08-14 石家庄铁路职业技术学院 酒驾检测系统
CN110879944A (zh) * 2018-09-05 2020-03-13 武汉斗鱼网络科技有限公司 基于人脸相似度的主播推荐方法、存储介质、设备及系统
CN114299586A (zh) * 2021-12-30 2022-04-08 南京英思特环保科技有限公司 一种基于卷积神经网络的智能化深度学习系统
CN114241589A (zh) * 2022-02-28 2022-03-25 深圳市城市交通规划设计研究中心股份有限公司 一种基于车载视频的公交司机违规行为判定方法及装置

Also Published As

Publication number Publication date
CN115214492A (zh) 2022-10-21

Similar Documents

Publication Publication Date Title
US10762338B2 (en) Method and apparatus for detecting fake license plates of vehicles, readable storage medium, and electronic device
CN110889351B (zh) 视频检测方法、装置、终端设备及可读存储介质
CN103366506A (zh) 一种驾驶员行车途中接打手机行为的自动监控装置及方法
US9662977B2 (en) Driver state monitoring system
US10875503B2 (en) System and method for anti-theft control for autonomous vehicle
CN107545225B (zh) 一种检测车载驾驶员违规行为的方法、装置及电子设备
US6130617A (en) Driver's eye detection method of drowsy driving warning system
CN109584507A (zh) 驾驶行为监测方法、装置、系统、交通工具和存储介质
CN108372785A (zh) 一种基于图像识别的汽车非安全驾驶检测装置及检测方法
WO2021068595A1 (zh) 一种驾驶员身份验证方法、装置及电子设备
CN113076856B (zh) 基于人脸识别的公交车安全保障系统
US11482012B2 (en) Method for driving assistance and mobile device using the method
KR20210042860A (ko) 정보 출력 방법, 장치 및 시스템
CN106355916A (zh) 防范酒驾醉驾系统及其操作方法
CN115214492B (zh) 基于视频辅助的车载酒驾检测方法、电子设备及存储介质
CN113408364B (zh) 一种临时车牌识别方法、系统、装置及存储介质
CN114926824A (zh) 一种不良驾驶行为判别方法
CN117334047A (zh) 一种危险驾驶行为检测方法及装置
WO2023124385A1 (zh) 摄像装置遮挡检测方法、装置、电子设备、存储介质及计算机程序产品
CN112061065B (zh) 一种车内行为识别报警方法、设备、电子设备及存储介质
CN109410571B (zh) 一种车载警察跟踪系统
CN112307929A (zh) 一种下车提醒装置、方法及存储介质
Ferdian et al. Identification of Motorcycle Traffic Violations with Deep Learning Method
CN112839064A (zh) 车辆的智能控制方法及装置
CN118196763A (zh) 危险驾驶检测方法、装置和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