CN109344776B - 数据处理方法 - Google Patents
数据处理方法 Download PDFInfo
- Publication number
- CN109344776B CN109344776B CN201811172598.7A CN201811172598A CN109344776B CN 109344776 B CN109344776 B CN 109344776B CN 201811172598 A CN201811172598 A CN 201811172598A CN 109344776 B CN109344776 B CN 109344776B
- Authority
- CN
- China
- Prior art keywords
- face
- matching degree
- face picture
- data
- control unit
- 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
Links
Images
Classifications
-
- 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
- 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
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- 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
- G06V40/168—Feature extraction; Face representation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种数据处理方法,包括:控制单元获取采集装置采集的车辆周围的环境感知数据;环境感知数据包括车辆的位置信息;对环境感知数据进行处理,根据处理结果,获取人脸特征;计算人脸特征和第一数据库中的人脸图片集中每个人脸图片的第一匹配度;确定第一匹配度大于预设的第一匹配度阈值的人脸图片为第一人脸图片;将人脸特征、第一人脸图片和位置信息发送给服务器;服务器计算人脸特征和第二数据库中的人脸图片集中每个人脸图片的第二匹配度;确定第二匹配度大于预设的第二匹配度阈值的人脸图片为第二人脸图片;将人脸特征、第二人脸图片和位置信息发送给第三方服务器。由此,既能利用无人驾驶设备的数据,又能节省城市安防的耗资。
Description
技术领域
本发明涉及安防技术领域,尤其涉及一种无人驾驶设备在运行过程中的环境感知数据的数据处理方法。
背景技术
人脸识别,是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部的一系列相关技术,通常也叫做人像识别、面部识别。
现有技术中,为了进行安防,往往通过布置摄像头,通过摄像头采集的数据,进行人脸识别,从而识别出异常人员。但这种方式往往存在着耗资巨大、监控有死角等缺陷。
无人驾驶设备是通过车载传感***感知道路环境,自动规划行车路线并控制车辆到达预定目标的智能设备。
它是利用车载传感器来感知车辆周围环境,并根据感知所获得的道路、车辆位置和障碍物信息,控制车辆的转向和速度,从而使车辆能够安全、可靠地在道路上行驶。
现有的无人驾驶车辆在行走过程中,会产生大量的数据,这些数据仅仅用做无人驾驶车辆性能的评估,却没有其他的用途。
因此,如何开发出一种合理的模式,既能利用无人驾驶设备的数据,又能节省城市安防的耗资,是亟待解决的问题。
发明内容
本发明实施例的目的是提供一种数据处理方法,以解决现有技术中存在的问题。
为解决上述问题,本发明提供了一种数据处理方法,所述数据处理方法包括:
控制单元获取采集装置采集的车辆周围的环境感知数据;所述环境感知数据包括车辆的位置信息;
所述控制单元对所述环境感知数据进行处理,根据处理结果,获取人脸特征;
所述控制单元计算所述人脸特征和第一数据库中的人脸图片集中每个人脸图片的第一匹配度;
所述控制单元确定所述第一匹配度大于预设的第一匹配度阈值的人脸图片为第一人脸图片;
所述控制单元将所述人脸特征、所述第一人脸图片和所述位置信息发送给服务器;
服务器计算所述人脸特征和第二数据库中的人脸图片集中每个人脸图片的第二匹配度;
所述服务器确定所述第二匹配度大于预设的第二匹配度阈值的人脸图片为第二人脸图片;
所述服务器将所述人脸特征、所述第二人脸图片和所述位置信息发送给第三方服务器。
在一种可能的实现方式中,所述环境感知数据包括激光点云数据和视频数据;
所述控制单元对所述环境感知数据进行处理,根据处理结果,获取人脸特征具体包括:
对所述激光点云数据进行分割与跟踪,得到点云分割结果;
对所述点云分割结果进行处理,得到第一人脸特征;
通过人脸检测算法,识别所述视频数据中的人脸区域;
通过人脸特征提取,从所述人脸区域中提取到第二人脸特征;
在时间轴上,通过所述第一人脸特征对所述第二人脸特征进行修正,得到人脸特征。
在一种可能的实现方式中,所述服务器将所述人脸特征、所述第二人脸图片和所述位置信息发送给第三方服务器之前还包括:
当所述第二匹配度大于预设的第二匹配度阈值时,生成告警信息;
将所述告警信息发送给第三方服务器。
在一种可能的实现方式中,所述方法之后还包括:
所述服务器将所述第二人脸图片发送给所述控制单元;
所述控制单元根据所述第二人脸图片,对所述第一数据库进行更新。
在一种可能的实现方式中,所述方法还包括:
当所述第二匹配度不大于预设的第二匹配度阈值时,生成记录信息;所述记录信息包括记录时间。
在一种可能的实现方式中,所述控制单元读取车辆上的全球定位***获得的位置信息。
通过应用本发明提供的数据处理方法,在无人驾驶设备中,利用其产生的环境感知数据,进行两次匹配,并在两次匹配都成功后,向第三方服务器进行报警,同时发送采集环境感知数据时的位置信息,以便于第三方服务器据此进行其工作。
附图说明
图1为本发明实施例提供的数据处理方法流程示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1为本发明实施例提供的数据处理方法流程示意图。该数据处理方法应用在无人驾驶领域,尤其是无人驾驶车辆中,尤其是城市(非闭环园区)的无人驾驶车辆。由此,既能利用无人驾驶设备的数据,又能节省城市安防的耗资。
如图1所示,该方法包括以下步骤:
步骤101,控制单元获取采集装置采集的车辆周围的环境感知数据;环境感知数据包括车辆的位置信息。
具体的,在一个例子中,无人驾驶车辆上具有采集装置和控制单元,控制单元是该无人驾驶车辆的数据处理中心,根据采集装置采集的环境感知数据,进行路径规划,从而进行自动驾驶。
采集装置一方面可以采集环境感知数据,另一方面,可以采集车辆的位置信息。采集环境感知数据时的采集装置包括但不限于激光雷达和摄像头,激光雷达为车载激光雷达,是利用激光的传播速度快,直线型好的特点将激光发射出去,并接收返回的信息来描述被测量物体的表面形态的。采集车辆的位置信息的采集装置包括但不限于全球定位***(Global Positioning System,GPS)。
示例而非限定,激光雷达的数量可以是两个,一个设置在车前,另一个设置在车尾。摄像头的数量可以是4个,分别设置在车辆的左前、右前、左后和右后。由此,提高车辆运行中的障碍物识别的精确度,同时,也确保了提取的人脸特征的精确度,比如,对于一个人的图像,在行驶的过程中,可能通过左前摄像头采集包含该人脸的第一视频数据,通过左后摄像头采集到包含该人脸的第二视频数据。
环境感知数据包括激光雷达采集的激光点云数据和摄像头采集的视频数据。在另一个例子中,控制单元可以在车辆的服务器中。此时,可以将环境感知数据发送给服务器,由服务器进行第一次匹配。此时,后续的服务器,可以看作云端服务器。
步骤102,控制单元对环境感知数据进行处理,根据处理结果,获取人脸特征。
具体的,环境感知数据包括激光点云数据和视频数据,步骤102包括以下步骤:
首先,对激光点云数据进行分割与跟踪,得到点云分割结果;
然后,对点云分割结果进行处理,得到第一人脸特征;
接着,通过人脸检测算法,识别视频数据中的人脸区域;
接着,通过人脸特征提取,从人脸区域中提取到第二人脸特征;
最后,在时间轴上,通过第一人脸特征对第二人脸特征进行修正,得到人脸特征。
修正过程,即为判断点云分割与跟踪物是否与特征识别物相吻合,例如,点云分割与跟踪结果中将物体标识为行人,人脸特征物识别也将其标识为行人,则两者对这一物体的识别结果吻合,当吻合时,利用第一人脸特征对第二人脸特征进行增强或补充。如果点云分割与跟踪结果中将物体标识为行人,人脸特征物识别与跟踪结果也将其标识为车辆,则两者识别结果不吻合。
当两者吻合时,利用细节增强等算法,对包含人脸特征的图像进行增强,从而提取到人脸特征。
当利用几个摄像头的视频数据时,可以利用人脸检测算法,检测出每个视频数据中的人脸区域。对于每个人脸区域,可以利用人脸检测算法,提取出其对应得第二人脸特征。对于多个第二人脸特征,可以利用现有的算法,进行剔除或者融合。
步骤103,控制单元计算人脸特征和第一数据库中的人脸图片集中每个人脸图片的第一匹配度。
第一数据库是控制单元中的数据库,在第一数据库中,存储有异常人员的人脸图片,异常人员,比如,失踪人员等。第一数据库可以是下载得到的,比如,从服务器中下载得到。更进一步的,服务器可以从第三方服务器获取到该第一数据库。
该过程是人脸比对的过程,通过计算人脸特征和若干图片的第一匹配。
步骤104,控制单元确定第一匹配度大于预设的第一匹配度阈值的人脸图片为第一人脸图片。
继续接上例,当和某张图片的匹配度大于第一匹配度阈值,比如85%时,确定该图片为第一人脸图片。
可以理解的是,此时的第一人脸图片,数量可以是多于1个。
步骤105,控制单元将人脸特征、第一人脸图片和位置信息发送给服务器。
其中,服务器可以是无人驾驶车辆的服务器,通过进行二次识别,提高识别的准确率。
服务器可以通过***通讯技术(the 4th Generation communication system,4G)、第五代通讯技术(the 5th Generation communication system,5G)或无线保真(Wireless Fidelity,WI-FI)或蓝牙等方式和控制单元进行通信,本申请对此并不限定。
步骤106,服务器计算人脸特征和第二数据库中的人脸图片集中每个人脸图片的第二匹配度。
第二数据库相比于第一数据库,存储的图片量更大。
步骤107,服务器确定第二匹配度大于预设的第二匹配度阈值的人脸图片为第二人脸图片。
步骤108,服务器将人脸特征、第二人脸图片和位置信息发送给第三方服务器。
第三方服务器,可以是某些机构的服务器,比如管理失踪人员的管理机构。由此,当无人驾驶车辆在行驶过程中,可以利用环境感知数据,在两次匹配成功时,可以向第三方服务器发送采集到异常数据时的位置信息、人脸特征,以及第二人脸图片,便于第三方服务器利用该些信息,进行安防工作。既节省了
进一步的,步骤108之前还包括:
当第二匹配度大于预设的第二匹配度阈值时,生成告警信息;
将告警信息发送给第三方服务器。
具体的,在发送人脸特征、第二人脸图片和位置信息时,还可以向第三方服务器发送告警信息,由此,进行告警提醒,以便于获知到上述信息时,快速定位。
进一步的,步骤108之后还包括:
服务器将第二人脸图片发送给控制单元;
控制单元根据第二人脸图片,对第一数据库进行更新。
由此,可以通过对第一数据库进行更新,以扩大第一数据库的范围。
进一步的,方法还包括:
当第二匹配度不大于预设的第二匹配度阈值时,生成记录信息;记录信息包括记录时间。
由此,当第一次匹配成功,第二次匹配不成功时,可以仅进行记录,而不向第三方服务器发送位置信息、人脸特征、第二人脸图片和告警信息,从而通过两次匹配,减少了误报的频率,提高了整个移动安防的准确度。
数据处理方法,在无人驾驶设备中,利用其产生的环境感知数据,进行两次匹配,并在两次匹配都成功后,向第三方服务器进行报警,同时发送采集环境感知数据时的位置信息,以便于第三方服务器据此进行其工作。既能利用无人驾驶设备的数据,提高了其环境感觉数据的利用率,又能节省城市安防的耗资。
专业人员应该还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种数据处理方法,其特征在于,所述数据处理方法包括:
控制单元获取采集装置采集的车辆周围的环境感知数据;所述环境感知数据包括车辆的位置信息;
所述控制单元对所述环境感知数据进行处理,根据处理结果,获取人脸特征;
所述控制单元计算所述人脸特征和第一数据库中的人脸图片集中每个人脸图片的第一匹配度;
所述控制单元确定所述第一匹配度大于预设的第一匹配度阈值的人脸图片为第一人脸图片;
所述控制单元将所述人脸特征、所述第一人脸图片和所述位置信息发送给服务器;
服务器计算所述人脸特征和第二数据库中的人脸图片集中每个人脸图片的第二匹配度;
所述服务器确定所述第二匹配度大于预设的第二匹配度阈值的人脸图片为第二人脸图片;
所述服务器将所述人脸特征、所述第二人脸图片和所述位置信息发送给第三方服务器;
其中,所述环境感知数据包括激光点云数据和视频数据;所述控制单元对所述环境感知数据进行处理,根据处理结果,获取人脸特征具体包括:
对所述激光点云数据进行分割与跟踪,得到点云分割结果;
对所述点云分割结果进行处理,得到第一人脸特征;
通过人脸检测算法,识别所述视频数据中的人脸区域;
通过人脸特征提取,从所述人脸区域中提取到第二人脸特征;
在时间轴上,通过所述第一人脸特征对所述第二人脸特征进行修正,得到人脸特征;
其中,所述修正为判断点云分割与跟踪物是否与特征识别物相吻合,当吻合时,利用第一人脸特征对第二人脸特征进行增强或补充。
2.根据权利要求1所述的数据处理方法,其特征在于,所述服务器将所述人脸特征、所述第二人脸图片和所述位置信息发送给第三方服务器之前还包括:
当所述第二匹配度大于预设的第二匹配度阈值时,生成告警信息;
将所述告警信息发送给第三方服务器。
3.根据权利要求1所述的数据处理方法,其特征在于,所述方法之后还包括:
所述服务器将所述第二人脸图片发送给所述控制单元;
所述控制单元根据所述第二人脸图片,对所述第一数据库进行更新。
4.根据权利要求1所述的数据处理方法,其特征在于,所述方法还包括:
当所述第二匹配度不大于预设的第二匹配度阈值时,生成记录信息;所述记录信息包括记录时间。
5.根据权利要求1所述的数据处理方法,其特征在于,所述控制单元读取车辆上的全球定位***获得的位置信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811172598.7A CN109344776B (zh) | 2018-10-09 | 2018-10-09 | 数据处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811172598.7A CN109344776B (zh) | 2018-10-09 | 2018-10-09 | 数据处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109344776A CN109344776A (zh) | 2019-02-15 |
CN109344776B true CN109344776B (zh) | 2022-11-11 |
Family
ID=65308585
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811172598.7A Active CN109344776B (zh) | 2018-10-09 | 2018-10-09 | 数据处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109344776B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114140838A (zh) * | 2020-08-14 | 2022-03-04 | 华为技术有限公司 | 一种图像管理的方法、装置、终端设备和*** |
CN113591544A (zh) * | 2021-06-10 | 2021-11-02 | 东风汽车集团股份有限公司 | 通过车辆对用户进行追踪的方法、***、装置及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105354710A (zh) * | 2015-12-22 | 2016-02-24 | 重庆智韬信息技术中心 | 人脸识别支付的辅助身份认证方法 |
CN106056075A (zh) * | 2016-05-27 | 2016-10-26 | 广东亿迅科技有限公司 | 基于无人机的社区网格化中重点人员识别及跟踪*** |
CN107247916A (zh) * | 2017-04-19 | 2017-10-13 | 广东工业大学 | 一种基于Kinect的三维人脸识别方法 |
CN108345868A (zh) * | 2018-03-09 | 2018-07-31 | 广东万峯信息科技有限公司 | 基于人脸识别技术的公共交通工具追逃***及其控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9946734B2 (en) * | 2015-09-16 | 2018-04-17 | Ekin Teknoloji Sanayi Ve Ticaret Anonim Sirketi | Portable vehicle monitoring system |
-
2018
- 2018-10-09 CN CN201811172598.7A patent/CN109344776B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105354710A (zh) * | 2015-12-22 | 2016-02-24 | 重庆智韬信息技术中心 | 人脸识别支付的辅助身份认证方法 |
CN106056075A (zh) * | 2016-05-27 | 2016-10-26 | 广东亿迅科技有限公司 | 基于无人机的社区网格化中重点人员识别及跟踪*** |
CN107247916A (zh) * | 2017-04-19 | 2017-10-13 | 广东工业大学 | 一种基于Kinect的三维人脸识别方法 |
CN108345868A (zh) * | 2018-03-09 | 2018-07-31 | 广东万峯信息科技有限公司 | 基于人脸识别技术的公共交通工具追逃***及其控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109344776A (zh) | 2019-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112417967B (zh) | 障碍物检测方法、装置、计算机设备和存储介质 | |
CN108571974B (zh) | 使用摄像机的车辆定位 | |
CN108345822B (zh) | 一种点云数据处理方法及装置 | |
CN110045729B (zh) | 一种车辆自动驾驶方法及装置 | |
CN107563419B (zh) | 图像匹配和二维码相结合的列车定位方法 | |
CN109686031B (zh) | 基于安防的识别跟随方法 | |
CN111695546B (zh) | 用于无人车的交通信号灯识别方法和装置 | |
CN110046640B (zh) | 用于关联来自多个车辆的观察的分布式表示学习 | |
US10480949B2 (en) | Apparatus for identifying position of own vehicle and method for identifying position of own vehicle | |
WO2018153211A1 (zh) | 获取交通路况信息的方法及装置、计算机存储介质 | |
CN110753953A (zh) | 用于自动驾驶车辆中经由交叉模态验证的以物体为中心的立体视觉的方法和*** | |
CN109682388B (zh) | 跟随路径的确定方法 | |
CN109740461B (zh) | 目标跟随后的处理方法 | |
CN108491782A (zh) | 一种基于行车图像采集的车辆识别方法 | |
KR101326943B1 (ko) | 추월차량 경고 시스템 및 추월차량 경고 방법 | |
CN110942038A (zh) | 基于视觉的交通场景识别方法、装置、介质及电子设备 | |
CN111213153A (zh) | 目标物体运动状态检测方法、设备及存储介质 | |
CN111881322B (zh) | 一种目标搜索方法、装置、电子设备及存储介质 | |
US11508118B2 (en) | Provisioning real-time three-dimensional maps for autonomous vehicles | |
CN112541416A (zh) | 跨雷达障碍物跟踪方法、装置、电子设备和存储介质 | |
CN109344776B (zh) | 数据处理方法 | |
CN112434566A (zh) | 客流统计方法、装置、电子设备及存储介质 | |
CN114333339B (zh) | 深度神经网络功能模块去重复的方法 | |
WO2024098992A1 (zh) | 倒车检测方法及装置 | |
CN110781730B (zh) | 智能驾驶感知方法及感知装置 |
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 | ||
CB02 | Change of applicant information |
Address after: B4-006, maker Plaza, 338 East Street, Huilongguan town, Changping District, Beijing 100096 Applicant after: Beijing Idriverplus Technology Co.,Ltd. Address before: B4-006, maker Plaza, 338 East Street, Huilongguan town, Changping District, Beijing 100096 Applicant before: Beijing Idriverplus Technology Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |