TWI715216B

TWI715216B - 非侵入性酒測監視系統及其方法

Info

Publication number: TWI715216B
Application number: TW108135000A
Authority: TW
Inventors: 蔡宗軒
Original assignee: 宏碁股份有限公司
Priority date: 2019-09-27
Filing date: 2019-09-27
Publication date: 2021-01-01
Also published as: TW202113316A

Abstract

一種非侵入性酒測監視系統及其方法。此系統包括影像擷取裝置、熱感應單元以及微控制單元。影像擷取裝置擷取人臉影像。熱感應單元擷取體溫影像。微控制單元耦接影像擷取裝置以及熱感應單元，並經配置以將人臉影像輸入機器學習模型判斷人臉影像是否符合酒後影像。之後，微控制單元判斷體溫影像的體溫資料是否超過預設體溫閾值。最後，在人臉影像符合酒後影像以及體溫資料超過預設體溫閾值時，微控制單元傳送通知訊息。

Description

非侵入性酒測監視系統及其方法

本發明是有關於一種酒測技術，且特別是有關於一種非侵入性酒測監視系統以及非侵入性酒測監視系統方法。

現今社會中，因為酒後駕駛所引發的事故層出不窮。即使提高了酒駕的罰金仍無法有效杜絕酒駕的發生。在執行酒測勤務方面，警察臨檢的密度和人力不足。再者，目前酒測的方式是以吹氣或是抽血的方式檢驗酒精濃度，不管是哪種檢驗方式都需要有專人執行，並且必須要採取侵入性的動作才能蒐集到酒精濃度值。上述問題造成在執行酒測勤務上無法全面性地對每一輛車的駕駛進行酒測來預防酒駕事故。

有鑑於此，本發明提出一種非侵入性酒測監視系統以及非侵入性酒測監視系統方法，其可利用擷取到的影像自動篩選可能有喝酒的人。

本發明提供一種非侵入性酒測監視系統，包括影像擷取裝置、熱感應單元以及微控制單元。影像擷取裝置擷取人臉影像。熱感應單元擷取體溫影像。微控制單元耦接影像擷取裝置以及熱感應單元，並經配置以執行下列步驟。將人臉影像輸入機器學習模型判斷人臉影像是否符合酒後影像。判斷體溫影像的體溫資料是否超過預設體溫閾值。以及在人臉影像符合酒後影像以及體溫資料超過預設體溫閾值時，傳送通知訊息。

本發明更提供一種非侵入性酒測監視方法，適用於微控制單元，所述方法包括下列步驟。接收影像擷取裝置擷取的人臉影像及熱感應單元擷取的體溫影像。將人臉影像輸入機器學習模型判斷人臉影像是否符合酒後影像。判斷體溫影像的體溫資料是否超過預設體溫閾值。在人臉影像符合酒後影像以及體溫資料超過預設體溫閾值時，傳送通知訊息。

為讓本發明的上述特徵和優點能更明顯易懂，下文特舉實施例，並配合所附圖式作詳細說明如下。

本發明將檢測對象的人臉影像輸入機器學習模型判斷所述人臉影像是否屬於酒後影像，並判斷檢測對象的體溫影像的體溫資料是否超過預設體溫閾值。在人臉影像判斷為酒後影像以及體溫資料超過預設體溫閾值時判斷被檢測的對象有可能喝酒，並傳送通知訊息給操作檢測的人員。藉此，可藉由檢測對象的影像及體溫資料判斷可能有喝酒的檢測對象。

本發明的部份實施例接下來將會配合附圖來詳細描述，以下的描述所引用的元件符號，當不同附圖出現相同的元件符號將視為相同或相似的元件。這些實施例只是本發明的一部份，並未揭示所有本發明的可實施方式。更確切的說，這些實施例只是本發明的專利申請範圍中的系統與方法的範例。

圖1繪示本發明一實施例的非侵入性酒測監視系統的方塊圖。請參照圖1，非侵入性酒測監視系統100包括感測模組110及控制模組120。感測模組110可以感測檢測對象的資料，其包括影像擷取裝置111及熱感應單元112。

影像擷取裝置111用以擷取檢測對象的人臉影像，其可以例如是任何有感光耦合元件（charge coupled device，CCD）鏡頭、互補性氧化金屬半導體（complementary metal oxide semiconductor transistors，CMOS）鏡頭的相機，但本發明不在此限制。

熱感應單元112用以獲得體溫影像（即，熱感應影像）。熱感應單元112可以例如是熱顯像儀，用來偵測檢測對象的溫度分布，但本發明不在此限制。詳細而言，熱感應單元112可以非侵入式的方式獲取人體表面的體溫影像，其將人眼無法看到的輻射能量轉換為電訊號，並以各種不同的顏色來顯示出不同溫度的分佈狀況，使整個溫度分佈狀態以可視的熱感應影像顯示出來。藉由熱感應影像，可辨識檢測對象的高低體溫點，以用於針對體溫的後續分析。

換句話說，感測模組110包括的影像擷取裝置111及熱感應單元112可分別擷取檢測對象的人臉影像與體溫影像。因此在將本發明提供的系統及方法應用在進行酒測時，不需要近距離的對檢測對象進行侵入式的酒測，即可監視檢測對象是否有喝酒的嫌疑。

在本實施例中，控制模組120包括儲存單元121、微控制單元（Microcontroller Unit，MCU）122以及連接單元123。儲存單元121用以儲存影像、數據、程式碼、軟體模組等資料，其可以例如是任意型式的固定式或可移動式隨機存取記憶體（random access memory，RAM）、唯讀記憶體（read-only memory，ROM）、快閃記憶體（flash memory）、硬碟或其他類似裝置、積體電路及其組合，本發明不在此限制。

微控制單元122耦接儲存單元121及連接單元123。連接單元123用以傳送通知訊息，其可以例如是通用序列匯流排（Universal Serial Bus，USB）、RS232、藍芽、無線相容認證（Wireless fidelity，Wi-Fi）、乙太網路（Ethernet）等有線或無線的傳輸介面，本發明不在此限制。

在本實施例中，微控制單元122連接影像擷取裝置111及熱感應單元112以接收影像擷取裝置111擷取的人臉影像及熱感應單元112擷取的體溫影像。需先說明的是，非侵入性酒測監視系統100中感測模組110包括的元件及控制模組120包括的元件可以是整合在同一個電子裝置中，也可以是分別獨立的元件，再透過有線或無線的傳輸介面互相傳輸資料。

圖2繪示本發明一實施例的非侵入性酒測監視方法的流程圖。請參照圖1及圖2，本實施例的方式適用於上述實施例中的非侵入性酒測監視系統100，以下即搭配非侵入性酒測監視系統100中的各項元件說明本實施例非侵入性酒測監視方法的詳細步驟。

首先，執行酒測的操作人員操作非侵入性酒測監視系統100，微控制單元122控制影像擷取裝置111擷取檢測對象的人臉影像，並且控制熱感應單元112擷取檢測對象的體溫影像。其中人臉影像與體溫影像對應至相同的檢測對象。本發明會根據所擷取到的人臉資料及體溫影像的體溫資料進行判斷，本發明不在此限制判斷的先後順序。在一實施例中，微控制單元122可以先判斷人臉資料，並在符合判斷條件時對體溫資料進行條件判斷。在另一實施例中微控制單元122可以先判斷體溫資料，並在符合判斷條件時對人臉資料進行條件判斷。在又一實施例中，微控制單元122也可以分別對人臉影像及體溫資料進行條件判斷，並比對兩者判斷結果是否皆符合判斷條件。以下以先判斷人臉影像再判斷體溫影像的判斷流程作為說明本發明的實施例。

在本實施例中，於步驟S202，微控制單元122接收影像擷取裝置111擷取的人臉影像。之後，於步驟S204，微控制單元122將人臉影像輸入機器學習模型判斷人臉影像是否符合酒後影像。並在人臉影像符合酒後影像（步驟S204判斷為是），於步驟S206，控制單元122接收熱感應單元112擷取的體溫影像。若控制單元122判斷人臉影像不符合酒後影像（步驟S204判斷為否），則回到步驟S202重新接收下一組待判斷的人臉影像。

用於判斷人臉影像是否符合酒後影像的機器學習模型可事先訓練而決定，並將訓練好的機器學習模型保存於儲存單元121之中。目前人類對於喝酒的反應存在許多的差異性，有多數人會在喝酒後發生眼神渙散或是行為異常的狀況。在本實施例中，透過機器學習可以用大量的資料學習出有喝酒和沒喝酒的人的臉部特徵和臉部影像的關聯性。具體而言，圖3繪示本發明一實施例的訓練資料的範例。請參照圖1及圖3，微控制單元122會基於酒後影像301與未喝酒影像302訓練機器學習模型。舉例而言，微控制單元122設置酒後影像301與未喝酒影像302為機器學習模型的輸入物件，以及設置酒後影像301對應的標籤與未喝酒影像302對應的標籤為機器學習模型的預期輸出。接著，微控制單元122透過輸入物件及預期輸出訓練機器學習模型以提取影像以及標籤之間的特徵值。

上述機器學習模型例如是利用監督式學習訓練的機器學習模型，將多張酒後影像301標記標籤為有喝酒的人，並將多張未喝酒影像302標記標籤為沒有喝酒的人來建立訓練的樣本。接著將訓練樣本中酒後影像301與未喝酒影像302作為機器學習模型的輸入物件，將酒後影像301對應的標籤與未喝酒影像302對應的標籤為機器學習模型的預期輸出，並獲取影像以及標籤之間的影像特徵值。上述監督式學習的演算法例如是支援向量機（Support Vector Machine，SVM）演算法、相關向量機（Relevance Vector Machine，RVM）等演算法，本發明不在此限制。

之後，於步驟S208，控制單元122判斷體溫影像的體溫資料是否超過預設體溫閾值。並在體溫資料超過預設體溫閾值（步驟S208判斷為是），於步驟210，控制單元122透過連接單元123傳送通知訊息（步驟S210）。若控制單元122判斷體溫資料未超過預設體溫閾值（步驟S208判斷為否），則回到步驟S202重新接收下一組待判斷的人臉影像。

一般而言，在喝酒後因為血液循環的關係，會讓人體表面的溫度較一般人高。因此藉由測量人體表面體溫來輔助人臉影像的判斷可有助於在篩選是否喝酒的人的過程中增加判定的準確度。預設體溫閾值可經由一連串的事先測試與分析而決定，並保存於儲存單元121之中。具體來說，可以先在測試環境中讓多個受試者喝酒，並利用熱感應單元測量受試者身體表面溫度的變化。再根據受試者體溫的變化決定體表溫度超過多少度為有喝酒嫌疑的人，並將決定的溫度設定為預設體溫閾值。或者，一般人體正常溫度不超過37.5°C，也可以直接將人體正常溫度的最高值設定為預設體溫閾值。

具體而言，控制單元122接收體溫影像後，會判定體溫影像的高體溫點，並將高體溫點與預設體溫閾值進行比對以判斷高體溫點是否超過預設體溫閾值。在另一實施例中，熱感應單元112可直接從體溫影像中判定體溫影像的高體溫點，並將高體溫點傳輸至控制單元122。接著控制單元122將高體溫點與預設體溫閾值進行比對以判斷高體溫點是否超過預設體溫閾值。據此，控制單元122在判斷體溫資料超過預設體溫閾值時產生通知訊息，並透過連接單元123傳送通知訊息給管理者，以通知管理者檢測對象有喝酒的嫌疑。其中，通知訊息例如包括警告文字或是影像擷取裝置及熱感應單元所擷取到的檢測對象的人臉影像與體溫影像，本發明不在此限制。

綜上所述，本發明提供的非侵入性酒測監視系統及非侵入性酒測監視方法可透過機器學習模型判斷人臉影像是否符合酒後影像，並同時判斷體溫影像的體溫資料是否超過預設體溫閾值，以篩選有喝酒嫌疑的檢測對象。基此，利用檢測對象的體溫輔助人臉影像的判斷結果，可以在篩選擇可能有喝酒的人的過程中，增加判斷的準確度。此外，根據本發明提供的通知訊息可供操作人員參考決定需要進一步進行侵入式酒測方法（例如，吹氣或是抽血）的檢測對象。據此，透過掃描駕駛的人臉影像及體溫影像，本發明可協助在執行酒測勤務上全面性地對每一輛車的駕駛進行酒測來預防酒駕事故。

另一方面，本發明提供的系統及方法還可用於停車場管理，其中非侵入性酒測監視系統例如可以設置在停車場出口。並且根據本發明可判定可能酒醉的目標駕駛，提供的通知訊息可供停車場管理人員參考決定需要進一步進行侵入式酒測方法（例如，吹氣或是抽血）的檢測對象。停車場管理人員可進一步請駕駛實行吹氣酒測，如果酒精濃度值超過標準即可要求該駕駛禁止駕駛。藉此，可廣泛的篩檢酒測，又不需要動用到太多警方人力進行臨檢。基此，可避免酒駕上路，降低酒駕事故發生的機率。

雖然本發明已以實施例揭露如上，然其並非用以限定本發明，任何所屬技術領域中具有通常知識者，在不脫離本發明的精神和範圍內，當可作些許的更動與潤飾，故本發明的保護範圍當視後附的申請專利範圍所界定者為準。

100:非侵入性酒測監視系統 110:感測模組 111:影像擷取裝置 112:熱感應單元 120:控制模組 121:儲存單元 122:微控制單元 123:連接單元 301:酒後影像 302:未喝酒影像 S202~S210:步驟

圖1繪示本發明一實施例的非侵入性酒測監視系統的方塊圖。圖2繪示本發明一實施例的非侵入性酒測監視方法的流程圖。圖3繪示本發明一實施例的訓練資料的範例。

100:非侵入性酒測監視系統

110:感測模組

111:影像擷取裝置

112:熱感應單元

120:控制模組

121:儲存單元

122:微控制單元

123:連接單元

Claims

一種非侵入性酒測監視系統，包括：影像擷取裝置，擷取人臉影像；熱感應單元，擷取體溫影像；以及微控制單元，耦接所述影像擷取裝置以及所述熱感應單元，並經配置以：將所述人臉影像輸入機器學習模型判斷所述人臉影像是否符合酒後影像；判斷所述體溫影像的體溫資料是否超過預設體溫閾值；以及在所述人臉影像符合所述酒後影像以及所述體溫資料超過所述預設體溫閾值時，傳送通知訊息，在所述人臉影像不符合所述酒後影像或所述體溫資料超過所述預設體溫閾值時，重新執行所述影像擷取裝置擷取所述人臉影像及所述熱感應單元擷取所述體溫影像。
如申請專利範圍第1項所述的非侵入性酒測監視系統，其中所述微控制單元基於所述酒後影像與未喝酒影像訓練所述機器學習模型。
如申請專利範圍第2項所述的非侵入性酒測監視系統，其中所述微控制單元設置所述酒後影像與所述未喝酒影像為所述機器學習模型的輸入物件，以及設置所述酒後影像對應的標籤與所述未喝酒影像對應的標籤為所述機器學習模型的預期輸出，並利用監督式學習訓練所述機器學習模型。
如申請專利範圍第1項所述的非侵入性酒測監視系統，其中所述熱感應單元為熱顯像儀。
如申請專利範圍第1項所述的非侵入性酒測監視系統，其中所述人臉影像與所述體溫影像對應至相同的檢測對象。
一種非侵入性酒測監視方法，適用於微控制單元，所述方法包括：接收影像擷取裝置擷取的人臉影像及熱感應單元擷取的體溫影像；將所述人臉影像輸入機器學習模型判斷所述人臉影像是否符合酒後影像；判斷所述體溫影像的體溫資料是否超過預設體溫閾值；以及在所述人臉影像符合所述酒後影像以及所述體溫資料超過所述預設體溫閾值時，傳送通知訊息，在所述人臉影像不符合所述酒後影像或所述體溫資料超過所述預設體溫閾值時，重新執行所述影像擷取裝置擷取所述人臉影像及所述熱感應單元擷取所述體溫影像。
如申請專利範圍第6項所述的非侵入性酒測監視方法，其中所述方法更包括：基於所述酒後影像與未喝酒影像訓練所述機器學習模型。
如申請專利範圍第7項所述的非侵入性酒測監視方法，其中基於所述酒後影像與所述未喝酒影像訓練所述機器學習模型的步驟包括：設置所述酒後影像與所述未喝酒影像為所述機器學習模型的輸入物件；設置所述酒後影像對應的標籤與所述未喝酒影像對應的標籤為所述機器學習模型的預期輸出；以及利用監督式學習訓練所述機器學習模型。
如申請專利範圍第6項所述的非侵入性酒測監視方法，其中所述熱感應單元為熱顯像儀。
如申請專利範圍第6項所述的非侵入性酒測監視方法，其中所述人臉影像與所述體溫影像對應至相同的檢測對象。