CN115222571B - 一种基于人脸识别的源头治超数据分析方法 - Google Patents

一种基于人脸识别的源头治超数据分析方法 Download PDF

Info

Publication number
CN115222571B
CN115222571B CN202210843640.3A CN202210843640A CN115222571B CN 115222571 B CN115222571 B CN 115222571B CN 202210843640 A CN202210843640 A CN 202210843640A CN 115222571 B CN115222571 B CN 115222571B
Authority
CN
China
Prior art keywords
time
value
objects
overrun
core
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
CN202210843640.3A
Other languages
English (en)
Other versions
CN115222571A (zh
Inventor
冯兆武
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.)
Anhui Xinhuijie Construction Engineering Co ltd
Original Assignee
Anhui Xinhuijie Construction Engineering 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 Anhui Xinhuijie Construction Engineering Co ltd filed Critical Anhui Xinhuijie Construction Engineering Co ltd
Priority to CN202210843640.3A priority Critical patent/CN115222571B/zh
Publication of CN115222571A publication Critical patent/CN115222571A/zh
Application granted granted Critical
Publication of CN115222571B publication Critical patent/CN115222571B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Educational Administration (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于人脸识别的源头治超数据分析方法，通过获取到所有的超限对象和超限时间构成的超限信息，之后按照时间线删除部分之后，得到核内对象和核内时间构成的核内信息；之后根据核内对象的核内时间Hi确定n‑1个间隔差值Gi，根据间隔差值Gi的均值和Gi数值之间的关系，确定横差值W，根据W值来定义衡量倍，得到所有的核内对象的衡量倍，再根据核内对象的核内时间Hi来确定衡量次和衡量均时；从而根据这三个要素确定权选值Qj，根据权选值Qj的大小顺序来确定重点对象、中评对象和偶然对象，对不同对象进行不同方式的治超处理，考虑到用户的具体情况来进行监控。

Description

一种基于人脸识别的源头治超数据分析方法
技术领域
本发明属于源头治超数据分析技术领域，具体是一种基于人脸识别的源头治超数据分析方法。
背景技术
公开号为CN113507494A的专利公开了一种源头治超采集方法及系统，包括以下步骤：S1.接收车辆系统上传的胎压数据；S2.在胎压发生变化时，计算胎压变化是否满足预设规则，若是，则执行步骤S3；S3.发送过秤请求给车辆系统以通知用户及时为车辆过秤。将车辆本身具有的车辆系统接入源头治超系统，结合车辆系统的一些信息判断车辆是否有进行载货行为，若是则提示驾驶员过秤，能够督促驾驶员严格执行源头治超。
针对于该专利技术而言，缺乏一种合理的根据用户驾驶习惯来进行不同程度的治理超限问题，通常超限一般包括超载和超速，对于货车、汽车等其他驾驶数据会存在该类型问题；而针对驾驶员会存在不同情况进行综合考虑，需要一种解决方案。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了一种基于人脸识别的源头治超数据分析方法。
为实现上述目的，提出一种基于人脸识别的源头治超数据分析方法，该方法具体包括下述步骤：
步骤一：获取到所有的超限信息，超限信息包括超限对象和超限时间；
步骤二：对超限信息进行惯性分析，先按照时间，将半年前的超限时间对应的超限信息删除后，剩余的超限信息标记为核内信息，对应超限对象和超限时间分别标记为核内对象和核内时间；
之后根据核内对象的核内时间Hi确定n-1个间隔差值Gi，之后根据间隔差值Gi的均值和Gi数值之间的关系，确定横差值W，根据W值来定义衡量倍，得到所有的核内对象的衡量倍，再根据核内对象的核内时间Hi来确定衡量次和衡量均时；
步骤三：之后根据衡量倍、衡量次和衡量均时进行权选分析，确定权选值Qj，根据权选值Qj的大小顺序来确定重点对象、中评对象和偶然对象。
进一步地，超限对象即为对应超限行为的发生人，同步会获取其人脸信息，超限时间即为超限对象在超限行为发生的时间。
进一步地，步骤二中的惯性分析具体方式为：
S1：获取到超限信息内的超限时间，首先将半年前的超限时间对应的超限信息删除，将剩余的标记为核内信息，对应的超限对象和超限时间分别标记为核内对象和核内时间；
S2：首先任选一核内对象，获取到该核内对象所有的核内时间；
按照核内时间，依照时间线的顺序从早到晚依次对核内信息进行排序；将所有的核内时间标记为Hi，i＝1、...、n，表示为存在n个核内时间；
S3：之后利用公式计算间隔差值Gi，具体计算公式为：
Gi＝Hi+1-Hi，式中i的取值为1、...、n-1；得到n-1个间隔差值Gi；
S4：之后自动计算Gi的均值，将其标记为P，利用公式计算横差值W，具体计算方式为：
式中，|*|表示为对括号内数值取均值；
S5：之后根据W值定义衡量倍，具体定义方式为：
当W<X1时，此时将衡量倍标记为1；
若X1≤W≤X2时，此时将衡量倍标记为1.5；
若W>X2时，此时将衡量倍标记为1.85；X1和X2为管理员预设的数值；
S6：同时将此时的n的数值表示为衡量次，将对应的Gi的均值P标记为衡量均时；
S7：得到核内对象的衡量次、衡量均时和衡量倍；
S8：之后任选下一核内对象，重复步骤S2-S8，得到所有核内对象的衡量次、衡量均时和衡量倍，将核内对象标记为Dj，j＝1...m，表示为存在m个核内对象，同步将衡量次、衡量均时和衡量倍依次标记为Cj、Tj和Bj，j＝1...m，且Cj、Tj、Bj与Dj为一一对应的关系。
进一步地，步骤三中权选分析具体方式为：对核内对象Dj的衡量次Cj、衡量均时Tj和衡量倍Bj进行权选分析，权选分析具体方式为：
S01：首先进行权选值Qj计算，权选值Qj的具体计算公式为：
Qj＝0.61×Cj+0.39×Tj/Bj；
式中，0.61和0.39为预设的权值，用于突显不同因素的不同重要性；
S02：按照权选值Qj从大到小的顺序对核内对象Dj进行排序，将排序前百分之三十的标记为重点对象；将排序前百分之三十一到百分之七十的标记为中评对象，将剩余的标记为偶然对象；
S03：得到重点对象、中评对象和偶然对象。
进一步地，在进行完步骤三的处理后，还需进行对重点对象进行超前治理，具体方式为：
SS1：获取到所有的重点对象的人脸信息，自动获取到所有重点对象驾驶的目标设备，此处目标设备一般为货车，当然也可以针对小型汽车或者其他驾驶工具；
SS2：在目标设备上设置超限检测仪器，获取到对应限制对象的限制线；
SS3：之后获取到限制对象的实时数值，每间隔指定时获取一次实时数值，将得到的实时数值标记为Zo，o＝1...l，l为正整数，且Zl表示为最新时刻获取到的实时数值；
SS4：利用公式计算增长值Go，具体为：
Go＝Zo-Zo-1，此处o取值为l、l-1、l-2、l-3；得到增长值组Go，o＝l-3、...、l；
SS5：若Zl≥0.85×限制线，且Go中任意两组数值的差距均小于X3时，产生超速提醒信号，X3为预设数值；
SS6：若产生超速提醒信号时，自动给驾驶用户播放语音“当前即将超过限制线，请及时控制”；若Zl≥限制线时，自动将此时的重点对象标记为超前对象，并将其传输到交警的用户端。
进一步地，在进行完步骤三之后还需要对中评对象进行超前治理，具体方式为：
其与对重点对象进行超前治理的步骤SS1-步骤SS3原理一致，区别之处在于之后，计算增长值Go时，具体为：
Go＝Zo-Zo-1，此处o取值为l、l-1、l-2、l-3到l-9，一共取十组数据；得到增长值组Go，o＝l-9、...、l；
之后若Zl≥0.85×限制线，且Go中任意两组数值的差距均小于X3时，产生超速提醒信号，X3为预设数值；
若产生超速提醒信号时，自动给驾驶用户播放语音“当前即将超过限制线，请及时控制”；若Zl≥限制线且持续U1时间以上时，自动将此时的重点对象标记为超前对象，并将其传输到交警的用户端；U1为预设时间。
进一步地，在进行完步骤三的处理后，还需要对偶然对象进行超前治理，具体方式为：
其与对重点对象进行超前治理的步骤SS1-步骤SS3原理一致，区别之处在于之后，计算增长值Go时，具体为：
Go＝Zo-Zo-1，此处o取值为l、l-1、l-2、l-3到l-14，一共取十五组数据；得到增长值组Go，o＝l-9、...、l；
之后若Zl≥0.85×限制线，且Go中任意两组数值的差距均小于X3时，产生超速提醒信号，X3为预设数值；
若产生超速提醒信号时，自动给驾驶用户播放语音“当前即将超过限制线，请及时控制”；若Zl≥限制线且持续一点五倍的U1时间以上时，自动将此时的重点对象标记为超前对象，并将其传输到交警的用户端，作为凭证；U1为预设时间。
与现有技术相比，本发明的有益效果是：
本发明通过获取到所有的超限对象和超限时间构成的超限信息，之后按照时间线删除部分之后，得到核内对象和核内时间构成的核内信息；之后根据核内对象的核内时间Hi确定n-1个间隔差值Gi，根据间隔差值Gi的均值和Gi数值之间的关系，确定横差值W，根据W值来定义衡量倍，得到所有的核内对象的衡量倍，再根据核内对象的核内时间Hi来确定衡量次和衡量均时；
从而根据这三个要素确定权选值Qj，根据权选值Qj的大小顺序来确定重点对象、中评对象和偶然对象，对不同对象进行不同方式的治超处理，考虑到用户的具体情况来进行监控。
具体实施方式
下面将结合实施例对本发明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做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
本申请提供了一种基于人脸识别的源头治超数据分析方法，作为本发明的实施例一，其具体包括下述步骤：
步骤一：获取到所有的超限信息，超限信息包括超限对象和超限时间；超限对象即为对应超限行为的发生人，同步会获取其人脸信息，超限时间即为超限对象在超限行为发生的时间；
步骤二：对超限信息进行惯性分析，惯性分析具体方式为：
S1：获取到超限信息内的超限时间，首先将半年前的超限时间对应的超限信息删除，将剩余的标记为核内信息，对应的超限对象和超限时间分别标记为核内对象和核内时间；
S2：首先任选一核内对象，获取到该核内对象所有的核内时间；
按照核内时间，依照时间线的顺序从早到晚依次对核内信息进行排序；将所有的核内时间标记为Hi，i＝1、...、n，表示为存在n个核内时间；
S3：之后利用公式计算间隔差值Gi，具体计算公式为：
Gi＝Hi+1-Hi，式中i的取值为1、...、n-1；得到n-1个间隔差值Gi；
S4：之后自动计算Gi的均值，将其标记为P，利用公式计算横差值W，具体计算方式为：
式中，|*|表示为对括号内数值取均值；
S5：之后根据W值定义衡量倍，具体定义方式为：
当W<X1时，此时将衡量倍标记为1；
若X1≤W≤X2时，此时将衡量倍标记为1.5；
若W>X2时，此时将衡量倍标记为1.85；X1和X2为管理员预设的数值；
S6：同时将此时的n的数值表示为衡量次，将对应的G i的均值P标记为衡量均时；
S7：得到核内对象的衡量次、衡量均时和衡量倍；
S8：之后任选下一核内对象，重复步骤S2-S8，得到所有核内对象的衡量次、衡量均时和衡量倍，将核内对象标记为Dj，j＝1...m，表示为存在m个核内对象，同步将衡量次、衡量均时和衡量倍依次标记为Cj、Tj和Bj，j＝1...m，且Cj、Tj、Bj与Dj为一一对应的关系；
步骤三：对核内对象Dj的衡量次Cj、衡量均时Tj和衡量倍Bj进行权选分析，权选分析具体方式为：
S01：首先进行权选值Qj计算，权选值Qj的具体计算公式为：
Qj＝0.61×Cj+0.39×Tj/Bj；
式中，0.61和0.39为预设的权值，用于突显不同因素的不同重要性；
S02：按照权选值Qj从大到小的顺序对核内对象Dj进行排序，将排序前百分之三十的标记为重点对象；将排序前百分之三十一到百分之七十的标记为中评对象，将剩余的标记为偶然对象；
S03：得到重点对象、中评对象和偶然对象；
步骤一到步骤三的分析每间隔三个月进行依次，得到新的重点对象、中评对象和偶然对象；
步骤四：对重点对象进行超前治理，具体方式为：
SS1：获取到所有的重点对象的人脸信息，自动获取到所有重点对象驾驶的目标设备，此处目标设备一般为货车，当然也可以针对小型汽车或者其他驾驶工具；
SS2：在目标设备上设置超限检测仪器，获取到对应限制对象的限制线，限制对象一般为车速或者载重，限制线即为限制的车速或者限制的载重数值，该限制对象的限制线通过现有技术很容易获得，因此此处不做具体赘述；
此处如果是货车，针对超速和超重的时候，可以通过在货车的车厢下设置称重传感器，针对超速的话，汽车和货车都可以通过同步汽车的仪表盘速度来解决问题；
SS3：之后获取到限制对象的实时数值，每间隔指定时获取一次实时数值，将得到的实时数值标记为Zo，o＝1...l，l为正整数，且Zl表示为最新时刻获取到的实时数值；
SS4：利用公式计算增长值Go，具体为：
Go＝Zo-Zo-1，此处o取值为l、l-1、l-2、l-3；得到增长值组Go，o＝l-3、...、l；
SS5：若Zl≥0.85×限制线，且Go中任意两组数值的差距均小于X3时，产生超速提醒信号，X3为预设数值；
SS6：若产生超速提醒信号时，自动给驾驶用户播放语音“当前即将超过限制线，请及时控制”；若Zl≥限制线时，自动将此时的重点对象标记为超前对象，并将其传输到交警的用户端，作为凭证；
步骤五：对中评对象进行超前治理，具体方式为：
其与步骤四的SS1-SS3的步骤和原理都一致，区别之处在于，计算增长值Go时，具体为：
Go＝Zo-Zo-1，此处o取值为l、l-1、l-2、l-3到l-9，一共取十组数据；得到增长值组Go，o＝l-9、...、l；
之后若Zl≥0.85×限制线，且Go中任意两组数值的差距均小于X3时，产生超速提醒信号，X3为预设数值；
若产生超速提醒信号时，自动给驾驶用户播放语音“当前即将超过限制线，请及时控制”；若Zl≥限制线且持续U1时间以上时，自动将此时的重点对象标记为超前对象，并将其传输到交警的用户端，作为凭证；U1为预设时间；
步骤六：对偶然对象进行超前治理，具体方式为：
其与步骤四的SS1-SS3的步骤和原理都一致，区别之处在于，计算增长值Go时，具体为：
Go＝Zo-Zo-1，此处o取值为l、l-1、l-2、l-3到l-14，一共取十五组数据；得到增长值组Go，o＝l-9、...、l；
之后若Zl≥0.85×限制线，且Go中任意两组数值的差距均小于X3时，产生超速提醒信号，X3为预设数值；
若产生超速提醒信号时，自动给驾驶用户播放语音“当前即将超过限制线，请及时控制”；若Zl≥限制线且持续一点五倍的U1时间以上时，自动将此时的重点对象标记为超前对象，并将其传输到交警的用户端，作为凭证；U1为预设时间；
步骤七：完成源头治超；
上述公式中的部分数据均是去除量纲取其数值计算，公式是由采集的大量数据经过软件模拟得到最接近真实情况的一个公式；公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者通过大量数据模拟获得。
本发明的工作原理：。
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

Claims (5)

1.一种基于人脸识别的源头治超数据分析方法，其特征在于，该方法具体包括下述步骤：
步骤一：获取到所有的超限信息，超限信息包括超限对象和超限时间；
步骤二：对超限信息进行惯性分析，先按照时间，将半年前的超限时间对应的超限信息删除后，剩余的超限信息标记为核内信息，对应超限对象和超限时间分别标记为核内对象和核内时间；
之后根据核内对象的核内时间Hi确定n-1个间隔差值Gi，之后根据间隔差值Gi的均值和Gi数值之间的关系，确定横差值W，根据W值来定义衡量倍，得到所有的核内对象的衡量倍，再根据核内对象的核内时间Hi来确定衡量次和衡量均时；
步骤三：之后根据衡量倍、衡量次和衡量均时进行权选分析，确定权选值Qj，根据权选值Qj的大小顺序来确定重点对象、中评对象和偶然对象；
步骤二中的惯性分析具体方式为：
S1：获取到超限信息内的超限时间，首先将半年前的超限时间对应的超限信息删除，将剩余的标记为核内信息，对应的超限对象和超限时间分别标记为核内对象和核内时间；
S2：首先任选一核内对象，获取到该核内对象所有的核内时间；
按照核内时间，依照时间线的顺序从早到晚依次对核内信息进行排序；将所有的核内时间标记为Hi，i＝1、...、n，表示为存在n个核内时间；
S3：之后利用公式计算间隔差值Gi，具体计算公式为：
Gi＝Hi+1-Hi，式中i的取值为1、...、n-1；得到n-1个间隔差值Gi；
S4：之后自动计算Gi的均值，将其标记为P，利用公式计算横差值W，具体计算方式为：
式中，|*|表示为对括号内数值取均值；
S5：之后根据W值定义衡量倍，具体定义方式为：
当W<X1时，此时将衡量倍标记为1；
若X1≤W≤X2时，此时将衡量倍标记为1.5；
若W>X2时，此时将衡量倍标记为1.85；X1和X2为管理员预设的数值；
S6：同时将此时的n的数值表示为衡量次，将对应的Gi的均值P标记为衡量均时；
S7：得到核内对象的衡量次、衡量均时和衡量倍；
S8：之后任选下一核内对象，重复步骤S2-S8，得到所有核内对象的衡量次、衡量均时和衡量倍，将核内对象标记为Dj，j＝1...m，表示为存在m个核内对象，同步将衡量次、衡量均时和衡量倍依次标记为Cj、Tj和Bj，j＝1...m，且Cj、Tj、Bj与Dj为一一对应的关系；
步骤三中权选分析具体方式为：对核内对象Dj的衡量次Cj、衡量均时Tj和衡量倍Bj进行权选分析，权选分析具体方式为：
S01：首先进行权选值Qj计算，权选值Qj的具体计算公式为：
Qj＝0.61×Cj+0.39×Tj/Bj；
式中，0.61和0.39为预设的权值；
S02：按照权选值Qj从大到小的顺序对核内对象Dj进行排序，将排序前百分之三十的标记为重点对象；将排序前百分之三十一到百分之七十的标记为中评对象，将剩余的标记为偶然对象；
S03：得到重点对象、中评对象和偶然对象。
2.根据权利要求1所述的一种基于人脸识别的源头治超数据分析方法，其特征在于，超限对象即为对应超限行为的发生人，同步会获取其人脸信息，超限时间即为超限对象在超限行为发生的时间。
3.根据权利要求1所述的一种基于人脸识别的源头治超数据分析方法，其特征在于，
在进行完步骤三的处理后，还需进行对重点对象进行超前治理，具体方式为：
SS1：获取到所有的重点对象的人脸信息，自动获取到所有重点对象驾驶的目标设备，此处目标设备为货车或小型汽车；
SS2：在目标设备上设置超限检测仪器，获取到对应限制对象的限制线；
SS3：之后获取到限制对象的实时数值，每间隔指定时获取一次实时数值，将得到的实时数值标记为Zo，o＝1...l，l为正整数，且Zl表示为最新时刻获取到的实时数值；
SS4：利用公式计算增长值Go，具体为：
Go＝Zo-Zo-1，此处o取值为l、l-1、l-2、l-3；得到增长值组Go，o＝l-3、...、l；
SS5：若Zl≥0.85×限制线，且Go中任意两组数值的差距均小于X3时，产生超速提醒信号，X3为预设数值；
SS6：若产生超速提醒信号时，自动给驾驶用户播放语音“当前即将超过限制线，请及时控制”；若Zl≥限制线时，自动将此时的重点对象标记为超前对象，并将其传输到交警的用户端。
4.根据权利要求3所述的一种基于人脸识别的源头治超数据分析方法，其特征在于，
在进行完步骤三之后还需要对中评对象进行超前治理，具体方式为：
其与对重点对象进行超前治理的步骤SS1-步骤SS3原理一致，区别之处在于之后，计算增长值Go时，具体为：
Go＝Zo-Zo-1，此处o取值为l、l-1、l-2、l-3到l-9，一共取十组数据；得到增长值组Go，o＝l-9、...、l；
之后若Zl≥0.85×限制线，且Go中任意两组数值的差距均小于X3时，产生超速提醒信号，X3为预设数值；
若产生超速提醒信号时，自动给驾驶用户播放语音“当前即将超过限制线，请及时控制”；若Zl≥限制线且持续U1时间以上时，自动将此时的重点对象标记为超前对象，并将其传输到交警的用户端；U1为预设时间。
5.根据权利要求3所述的一种基于人脸识别的源头治超数据分析方法，其特征在于，在进行完步骤三的处理后，还需要对偶然对象进行超前治理，具体方式为：
其与对重点对象进行超前治理的步骤SS1-步骤SS3原理一致，区别之处在于之后，计算增长值Go时，具体为：
Go＝Zo-Zo- 1，此处o取值为l、l-1、l-2、l-3到l-14，一共取十五组数据；得到增长值组Go，o＝l-9、...、l；
之后若Zl≥0.85×限制线，且Go中任意两组数值的差距均小于X3时，产生超速提醒信号，X3为预设数值；
若产生超速提醒信号时，自动给驾驶用户播放语音“当前即将超过限制线，请及时控制”；若Zl≥限制线且持续一点五倍的U1时间以上时，自动将此时的重点对象标记为超前对象，并将其传输到交警的用户端，作为凭证；U1为预设时间。
CN202210843640.3A 2022-07-18 2022-07-18 一种基于人脸识别的源头治超数据分析方法 Active CN115222571B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210843640.3A CN115222571B (zh) 2022-07-18 2022-07-18 一种基于人脸识别的源头治超数据分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210843640.3A CN115222571B (zh) 2022-07-18 2022-07-18 一种基于人脸识别的源头治超数据分析方法

Publications (2)

Publication Number Publication Date
CN115222571A CN115222571A (zh) 2022-10-21
CN115222571B true CN115222571B (zh) 2023-11-03

Family

ID=83611196

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210843640.3A Active CN115222571B (zh) 2022-07-18 2022-07-18 一种基于人脸识别的源头治超数据分析方法

Country Status (1)

Country Link
CN (1) CN115222571B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105575121A (zh) * 2016-02-02 2016-05-11 陕西安裕智能科技有限公司 一种基于智能交通的源头科技治超数据采集系统及方法
CN111767851A (zh) * 2020-06-29 2020-10-13 北京百度网讯科技有限公司 突发事件的监控方法、装置、电子设备和介质
CN112270460A (zh) * 2020-09-30 2021-01-26 交通运输部规划研究院 一种基于多源数据的超重货车货源站点识别方法
CN114266260A (zh) * 2021-12-24 2022-04-01 金锐软件技术(杭州)有限公司 一种应用于软件研发的内嵌式及时翻译系统
CN114548167A (zh) * 2022-02-19 2022-05-27 江阴旺达商务贴有限公司 运载对象信息识别系统
CN114655227A (zh) * 2020-12-24 2022-06-24 华为技术有限公司 驾驶风格识别方法、辅助驾驶方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102301404A (zh) * 2009-01-28 2011-12-28 业纳遥控设备有限公司 证明性地获取超过在行车路面路段上允许的最高速度的方法和布置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105575121A (zh) * 2016-02-02 2016-05-11 陕西安裕智能科技有限公司 一种基于智能交通的源头科技治超数据采集系统及方法
CN111767851A (zh) * 2020-06-29 2020-10-13 北京百度网讯科技有限公司 突发事件的监控方法、装置、电子设备和介质
CN112270460A (zh) * 2020-09-30 2021-01-26 交通运输部规划研究院 一种基于多源数据的超重货车货源站点识别方法
CN114655227A (zh) * 2020-12-24 2022-06-24 华为技术有限公司 驾驶风格识别方法、辅助驾驶方法及装置
CN114266260A (zh) * 2021-12-24 2022-04-01 金锐软件技术(杭州)有限公司 一种应用于软件研发的内嵌式及时翻译系统
CN114548167A (zh) * 2022-02-19 2022-05-27 江阴旺达商务贴有限公司 运载对象信息识别系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
超限装备铁路运输装载加固方案比选研究;徐开启;吴东广;杨永伟;彭洪波;;军事交通学院学报(01);全文 *

Also Published As

Publication number Publication date
CN115222571A (zh) 2022-10-21

Similar Documents

Publication Publication Date Title
Fotheringham et al. Diffusion‐limited aggregation and the fractal nature of urban growth
CN110588658B (zh) 一种基于综合模型检测驾驶员风险等级的方法
CN110232445B (zh) 一种基于知识蒸馏的文物真伪鉴定方法
CN115127856B (zh) 一种混凝土试块抗压试验机器人取样识别的方法及装置
CN116384837B (zh) 用于工程质量检测的信息处理方法、系统和检测员终端
CN110562261A (zh) 一种基于马尔可夫模型检测驾驶员风险等级的方法
CN115222571B (zh) 一种基于人脸识别的源头治超数据分析方法
CN114329921A (zh) 一种整车可靠性性能的评估方法、装置、设备和介质
CN116029682A (zh) 一种基于bim技术的施工进度管理方法及系统
CN114022035A (zh) 一种城市热岛效应内建筑物碳排放评估方法
CN109960889B (zh) 轨道交通工具线路典型速度-时间行驶工况构建方法
CN112948965A (zh) 一种基于机器学习和统计验证的汽车行驶工况的构建方法
CN106327802A (zh) 一种疲劳驾驶辨识装置、系统及方法
CN113887380B (zh) 煤炭样品的智能制样系统
CN114860700A (zh) 缺失轨迹填补方法及系统
CN110986815A (zh) 一种基于三维激光点云的隧道施工监控量测方法
CN116843163A (zh) 一种用于建筑施工进度的管理系统
CN104615008B (zh) 一种自动紧急刹车aeb系统的测试结果分析方法和系统
CN108268678A (zh) 驾驶行为分析方法、装置及系统
CN116148431A (zh) 带钢质量判断方法及装置
JPH02130678A (ja) 製造計画作成装置
CN101710394A (zh) 一种生产订单工序状态的记录方法及系统
CN113807703A (zh) 驾驶行为评分方法、装置、电子设备及介质
CN113505188A (zh) 一种基于大数据的城市地图测绘更新系统及方法
CN117314928B (zh) 基于图像分割和虚拟现实的自然景观模拟系统

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20231008

Address after: No. 73, Wenming Street, Leiguan Town, Lai'an County, Chuzhou City, Anhui Province, 239200

Applicant after: Anhui Xinhuijie Construction Engineering Co.,Ltd.

Address before: 239000 Jianyang South Road, Xin'an Town, Lai'an County, Chuzhou City, Anhui Province

Applicant before: Lai'an County Transportation Comprehensive Administrative Law Enforcement Brigade

GR01 Patent grant
GR01 Patent grant