CN111626905A - 一种乘客安全监测方法、装置及计算机可读存储介质 - Google Patents
一种乘客安全监测方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111626905A CN111626905A CN202010453315.7A CN202010453315A CN111626905A CN 111626905 A CN111626905 A CN 111626905A CN 202010453315 A CN202010453315 A CN 202010453315A CN 111626905 A CN111626905 A CN 111626905A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- passenger
- safety monitoring
- safety
- environment
- 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.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 95
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000004927 fusion Effects 0.000 claims abstract description 49
- 238000012806 monitoring device Methods 0.000 claims abstract description 30
- 238000004891 communication Methods 0.000 claims description 36
- 238000011156 evaluation Methods 0.000 claims description 27
- 230000008447 perception Effects 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 21
- 230000007613 environmental effect Effects 0.000 claims description 18
- 238000010586 diagram Methods 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 19
- 230000000694 effects Effects 0.000 abstract description 10
- 230000000875 corresponding effect Effects 0.000 description 21
- 238000005516 engineering process Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 230000001276 controlling effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 206010003497 Asphyxia Diseases 0.000 description 1
- 206010019345 Heat stroke Diseases 0.000 description 1
- 206010021143 Hypoxia Diseases 0.000 description 1
- 208000007180 Sunstroke Diseases 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
Images
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
- G06Q50/265—Personal security, identity or safety
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Biology (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Alarm Systems (AREA)
Abstract
根据本申请公开的一种乘客安全监测方法、装置及计算机可读存储介质,通过车载监测设备获取分布式传感器采集的多物理域信息,然后基于多物理域信息生成安全检测融合数据上传至服务器;通过服务器将安全检测融合数据输入至专家***,输出对应的安全救援决策。通过本发明的实施,对多物理域信息进行检测与融合,所获取的监测数据更为全面与准确,提高了乘客安全检测效果,且通过专家***进行自主决策,可对被困乘客营救提供有效指示。
Description
技术领域
本发明涉及安全监测技术领域,尤其涉及一种乘客安全监测方法、装置及计算机可读存储介质。
背景技术
随着社会的不断进步,汽车在我国的保有量逐年升高,汽车可以给用户出行带来很大的便利,但是近些年关于儿童、老人、残障人士等弱势群体被车主遗忘在车内的案例频有发生,造成了不少中暑、窒息身亡的安全事故,从而汽车使用过程中的安全问题不容忽视。
目前,为了避免车内乘客被车主遗忘在车内的情况发生,现有技术提出在汽车上配备有安全监测***,也即通过简易传感器对被困乘客进行感知,然后向车主进行提醒,然而,由于通过简易传感器所检测的数据的数据准确性和数据全面性较为有限,从而导致乘客安全监测效果不佳。
发明内容
本发明实施例的主要目的在于提供一种乘客安全监测方法、装置及计算机可读存储介质,至少能够解决现有技术中针对汽车误锁所提出的乘客安全监测***的乘客安全监测效果不佳的问题。
为实现上述目的,本发明实施例第一方面提供了一种乘客安全监测方法,应用于车载监测设备,该方法包括:
获取分布式传感器所采集的包括车辆使用信息、车辆环境参数以及车内乘客感知数据的多物理域信息;
在基于所述车辆使用信息确定车辆处于锁车状态时,基于所述车内乘客感知数据确定被困乘客类型,以及基于所述车辆环境参数确定车内环境评估结果;
基于所述被困乘客类型以及所述车内环境评估结果生成安全监测融合数据;
基于与服务器的通信连接,将所述安全监测融合数据上传至所述服务器。
为实现上述目的,本发明实施例第二方面提供了一种乘客安全监测方法,应用于服务器,该方法包括:
接收车载监测设备上传的安全监测融合数据;其中,所述安全监测融合数据基于被困乘客类型以及车内环境评估结果生成;
将所述安全监测融合数据输入至预设的专家***;其中,所述专家***包括知识库和推理机;
控制所述推理机调用所述知识库,规划对应于所述安全监测融合数据的安全救援决策。
为实现上述目的,本发明实施例第三方面提供了一种乘客安全监测装置,应用于车载监测设备,该装置包括:
获取模块,用于获取分布式传感器所采集的包括车辆使用信息、车辆环境参数以及车内乘客感知数据的多物理域信息;
确定模块,用于在基于所述车辆使用信息确定车辆处于锁车状态时,基于所述车内乘客感知数据确定被困乘客类型,以及基于所述车辆环境参数确定车内环境评估结果;
生成模块,用于基于所述被困乘客类型以及所述车内环境评估结果生成安全监测融合数据;
上传模块,用于基于与服务器的通信连接,将所述安全监测融合数据上传至所述服务器。
为实现上述目的,本发明实施例第四方面提供了一种乘客安全监测装置,应用于服务器,应用于车载监测设备,该装置包括:
接收模块,用于接收车载监测设备上传的安全监测融合数据;其中,所述安全监测融合数据基于被困乘客类型以及车内环境评估结果生成;
输入模块,用于将所述安全监测融合数据输入至预设的专家***;其中,所述专家***包括知识库和推理机;
规划模块,用于控制所述推理机调用所述知识库,规划对应于所述安全监测融合数据的安全救援决策。
为实现上述目的,本发明实施例第五方面提供了一种电子装置,该电子装置包括:处理器、存储器和通信总线;
所述通信总线用于实现所述处理器和存储器之间的连接通信;
所述处理器用于执行所述存储器中存储的第一计算机程序和第二计算机程序,所述处理器执行所述第一计算机程序时,实现如前述第一方面所述方法的步骤,所述处理器执行所述第二计算机程序时,实现如前述第二方面所述方法的步骤。
为实现上述目的,本发明实施例第六方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有第一计算机程序和第二计算机程序,所述第一计算机程序被处理器执行时,实现如前述第一方面所述方法的步骤,所述第二计算机程序被处理器执行时,实现如前述第二方面所述方法的步骤。
根据本申请提供的乘客安全监测方法、装置及计算机可读存储介质,通过车载监测设备获取分布式传感器采集的多物理域信息,然后基于多物理域信息生成安全检测融合数据上传至服务器;通过服务器将安全检测融合数据输入至专家***,输出对应的安全救援决策。通过本发明的实施,对多物理域信息进行检测与融合,所获取的监测数据更为全面与准确,提高了乘客安全检测效果,且通过专家***进行自主决策,可对被困乘客营救提供有效指示。
本发明其他特征和相应的效果在说明书的后面部分进行阐述说明,且应当理解,至少部分效果从本发明说明书中的记载变的显而易见。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明第一实施例提供的应用于车载监测设备侧的乘客安全监测方法的流程示意图;
图2为本发明第一实施例提供的一种被困乘客类型确定方法的流程示意图;
图3为本发明第一实施例提供的应用于服务器侧的乘客安全监测方法的流程示意图;
图4为本发明第二实施例提供的应用于车载监测设备侧的乘客安全监测装置的程序模块示意图;
图5为本发明第二实施例提供的应用于服务器侧的乘客安全监测装置的程序模块示意图;
图6为本发明第三实施例提供的电子装置的结构示意图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施例中的附图,对本发明实施例中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,而非全部实施例。基于本发明中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
第一实施例:
为了解决现有技术中针对汽车误锁所提出的乘客安全监测***的乘客安全监测效果不佳的技术问题,本实施例提出了一种乘客安全监测方法,应用于车辆上所安装的车载监测设备,如图1所示为本实施例提供的应用于车载监测设备侧的乘客安全监测方法的流程示意图,本实施例提出的乘客安全监测方法包括以下的步骤:
步骤101、获取分布式传感器所采集的包括车辆使用信息、车辆环境参数以及车内乘客感知数据的多物理域信息。
具体的,在本实施例中,提出基于分布式多传感器的多物理域数据采集技术,构建相应的采集***,对车辆使用信息(是否为车辆停止使用且车门被锁的使用场景)、车辆环境参数(位置、车内温度、湿度、CO2浓度、CO浓度等参数)、车内乘客感知数据(视频数据、图像数据、红外检测数据等)等各方面信息进行采集。
应当说明的是,对于车辆使用信息的采集,可以是采用点火开关ACC档位检测模块、门开关状态检测模块、门锁状态检测模块,压力传感器模块,它们可以检测车是否处于熄火状态,门是否关上且锁闭,主驾驶位是否有人等;而对于车辆环境参数的采集,可以是采用北斗/GPS双定位模块、温度传感器及CO传感器模块,对车辆环境的检测,及时获取车辆定位信息及车内环境信息;对于车内乘客感知数据的采集,则可以采用摄像头、红外传感器等,可以实现对车内被困乘客的监测及身份识别。
步骤102、在基于车辆使用信息确定车辆处于锁车状态时,基于车内乘客感知数据确定被困乘客类型,以及基于车辆环境参数确定车内环境评估结果。
具体的,本实施例可以在检测到车辆处于熄火状态、车门处于关闭状态以及主驾驶位无人时,确定车门被锁且车主离开,车辆当前处于锁车状态;然后基于车内乘客感知数据确定车内副驾驶位或后排是否有乘客,若是,则对被困乘客类型(例如老人、儿童、残障人士等)进行识别;并且,本实施例根据车辆环境参数对被困乘客所处车内环境进行评估,环境评估结果用于指示环境危险等级,而不同环境危险等级对应不同的生命威胁程度。
步骤103、基于被困乘客类型以及车内环境评估结果生成安全监测融合数据。
具体的,本实施例对被困乘客类型及车内环境评估结果进行特征融合,利用来自不同传感器的信息进行互补,消除了单传感器的工作盲区,可以全方位、全维度地描述环境对象,克服了感知的片面性,提高了***认知的全面性和正确性。并且基于融合***的多源信息采集和并行处理机制,能显著提高信息的传输和处理速度,增加了***的实时性,有效解决了信息泛滥的问题。
应当说明的是,本实施例当个别传感器出现故障时,***仍能基于完善的拓扑结构和良好的自组织能力正常工作,多传感器对环境描述能力的互补、冗余和相关特性,能保证融合结果具有很好的容错性和可靠性,从而提高***的稳健性和鲁棒性。
步骤104、基于与服务器的通信连接,将安全监测融合数据上传至服务器。
具体的,本实施例在利用基于分布式多传感器的多物理域数据采集方法及技术实现对车辆使用信息、车辆环境参数、车内乘客感知数据等的监控后,提出了基于Wifi、3G/4G等多制式数字移动通信协议的车载监测设备,将融合数据实时远程无线传输至服务器,在后台对车内被困人员进行远程监控。
如图2所示为本实施例提供的一种被困乘客类型确定方法的流程示意图,在本实施例一种可选的实施方式中,在车内乘客感知数据为车内乘客图像时,基于车内乘客感知数据确定被困乘客类型具体包括以下步骤:
步骤201、对车内乘客图像进行感兴趣区域提取,得到感兴趣区域特征图;
步骤202、将感兴趣区域特征图输入至训练完成的人物识别模型;
步骤203、基于人物识别模型输出的分类标签确定被困乘客类型。
具体的,在本实施例中,可以基于深度卷积神经网络的分类识别技术,通过采集特定人员样本、训练ssd_mobilenet网络模型,以实现对车内被困人员(特别是针对老人、儿童、残障人士)的分类识别。本技术是以tensorflow通过训练ssd_mobilenet神经网络模型来进行老人、儿童、残障人士的分类识别。在本实施例中,首先进行开发环境的搭建,安装TensorFlow-GPU版本,下载Tensorflow object detection API,安装与配置Protobuf,环境变量设置等。然后创建数据集,并使用LabelImg软件对数据集进行图像标注,由于Tensorflow需要输入专门的TFRecords Format格式,先将数据集信息记录到.csv表格中,再从.csv表格中创建TFRecords格式。接下来设置配置文件ssd_mobilenet_v1_coco.config,创建一个标签集文本.pbtxt文件。最后就是模型训练,在loss接近于0.5后就有较好的识别效果,这时就生成训练完成的人物识别模型。本实施例通过人物识别,以对车内被困人员进行更细致了解,以便进一步对被困乘客施救提供指导。
应当说明的是,在本实施例中,可以通过多传感器来进行车内乘客感知,也即结合摄像头和红外传感器来进行车内乘客感知数据的采集,然后基于图像数据和红外检测数据分别进行被困乘客类型的识别,再联合两者的识别结果来输出最终的被困乘客识别结果,以避免单一检测方式所造成误判。
还应当说明的是,在另一些实施方式中,还可以考虑到不同类型传感器在不同使用场景下的使用性能优劣有所不同,例如在暗光环境下(例如夜晚、地库)摄像头成像水平较低,从而采用车内乘客图像进行被困乘客类型识别的准确性较差,从而本实施例则可以根据车辆环境参数来从多种车内乘客感知数据中获取有效的车内乘客感知数据,然后采用对应的识别技术来进行被困乘客类型识别。
在本实施例一种可选的实施方式中,基于车辆环境参数确定车内环境评估结果包括:基于车辆环境参数,以及预设的车辆环境参数与环境危险性指标的映射关系,确定对应的环境危险性指标;基于环境危险性指标生成车内环境评估结果。
具体的,本实施例针对不同的车辆环境参数对应配置环境危险性指标,其表现形式可以是评分值(例如评分区间为0-100,评分值越高危险性越高)。环境危险性指标与车内环境温度、二氧化碳浓度正相关,与车内氧气浓度则是负相关,在本实施例中,所采集的车辆环境参数有多个,而不同参数所考虑的生命威胁因素有所不同,从而则需要结合多个车辆环境参数对应的环境危险性指标来生成最终的车内环境评估结果,具体的可以采用加权平均的方式进行,也即根据不同车辆环境参数类型相应的生命威胁程度来确定对应的加权系数,在实际应用中,乘客缺氧比高温的致命可能性更高,则可以针对二氧化碳浓度对应的环境危险性指标设定相对较高的加权系数,而车内环境温度对应的环境危险性指标的加权系数则相对低一些,然后将不同类型车辆环境参数的环境危险性指标以对应的加权系数进行加权,再求取平均值,即可得到一综合评定的环境危险性指标,而作为最终的车内环境评估结果。
相对应的,本发明第一实施例还提供了另一种乘客安全监测方法,应用于服务器,如图3为本实施例提供的应用于服务器侧的乘客安全监测方法的基本流程图,该乘客安全监测方法包括以下的步骤:
步骤301、基于与车载监测设备的通信连接,接收车载监测设备上传的安全监测融合数据;
步骤302、将安全监测融合数据输入至包括知识库和推理机的专家***;
步骤303、控制推理机调用知识库,规划对应于安全监测融合数据的安全救援决策。
具体的,在本实施例中,安全监测融合数据基于被困乘客类型以及车内环境评估结果生成,通过专家***对安全监测融合数据进行对比分析,然后根据分析结果进行自主决策,及时进行对车内被困乘客报警处理并规划出最佳营救方案,克服传统监控***仅仅停留在对车内相关信息进行采集显示和远程控制的层面上而需要人工24小时值守和人工干预决策等问题。
应当说明的是,专家***(ES)定义为:使用人类专家推理的计算机模型来处理现实世界中需要专家作出解释的复杂问题,并得出与专家相同的结论。简言之,专家***可视作“知识库(knowledge base)”和“推理机(inference machine)”的结合。知识库***的主要工作是搜集人类的知识,将之有***地表达或模块化,使计算机可以进行推论、解决问题。推理机是由算法或控制策略来进行与知识库内各项专门知识的推论,依据使用者的问题来推得正确的答案。其中,知识库中存放着车内人员身份、状态、所处环境与安全最优解之间的关系,如何规划合适的营救方案等专家知识、经验、书本知识、以及车辆环境及人员状态的各种知识和常识的存储器。知识库的结构形式采用产生式规则表达知识方法,它不仅可以表达事实,而且可以附上置信度因子来表示对这种事实的可信程度,实现了专家***精确推理的能力。另外,本实施例可以采取不精确推理方法,在专家给出的规则强度和用户给出的原始证据不确定性的基础上,定义一组函数,求出结论的不确定性度量。给各处不确定的知识某种确定性因子,在推理过程中,依智能算法计算中间结果的确定性因子,并沿着推理传播这种不确定性,直到得出结论。还应当理解的是,控制策略主要是指推理方向的控制及推理规则的选择策略,本实施例可以采用优于正向推理和反向推理等单向推理方法的正反向混合推理方法,它能根据重要症状,通过正向推理得出假设,再以假设去反向推理,寻找必要条件如此反复,实现对车内人员的状况分析,并得到最优的规划营救及报警处理等自主决策支持。
在本实施例一种可选的实施方式中,在规划对应于安全监测融合数据的安全救援决策之后,还包括:基于与车主通信终端的通信连接,将安全救援决策发送至车主通信终端。
具体的,在本实施例中,安全救援决策中所包括的内容可以有:车内情况、人员状态、车辆定位、营救方案等,通过将安全救援决策发送至车主通信终端(如车主随身携带的手机),以向车主进行营救警示以及指示其营救方案,从而可以帮助车主及时、有效的实施营救。
进一步地,在本实施例一种可选的实施方式中,在将安全救援决策发送至车主通信终端之后,还包括:判断在预设时长内是否接收到车主通信终端发送的决策获知响应;在未接收到决策获知响应时,基于安全救援决策生成报警信息;将报警信息发送至报警平台。
具体的,在实际应用中,当服务器将安全救援决策送达至车主通信终端之后,受客观因素影响(例如车主在开会等),车主可能未能及时获知服务器所推送的安全救援决策,从而错失自主施救被困乘客的时机。本实施例为了切实保护车内被困乘客生命安全,在预设时段内未接收到车主通信终端反馈的决策获知响应时,会讲安全救援决策发送至报警平台,而通知和辅助警务人员及时、有效的对车内被困乘客进行施救。
此外,还应当说明的是,本实施例的服务器还可以向车载监测设备发送控制指令,控制车载监测设备进行鸣笛警报,或者通过车载监测设备的语音模块与车内被困乘客进行对话,以及时真切了解被困乘客状态及需求,以便进一步辅助被困乘客的施救。
根据本发明实施例提供的乘客安全监测方法,通过车载监测设备获取分布式传感器采集的多物理域信息,然后基于多物理域信息生成安全检测融合数据上传至服务器;通过服务器将安全检测融合数据输入至专家***,输出对应的安全救援决策。通过本发明的实施,对多物理域信息进行检测与融合,所获取的监测数据更为全面与准确,提高了乘客安全检测效果,且通过专家***进行自主决策,可对被困乘客营救提供有效指示。
第二实施例:
为了解决现有技术中针对汽车误锁所提出的乘客安全监测***的乘客安全监测效果不佳的技术问题,本实施例示出了一种乘客安全监测装置,应用于车载监测设备,具体请参见图4,本实施例的乘客安全监测装置包括:
获取模块401,用于获取分布式传感器所采集的包括车辆使用信息、车辆环境参数以及车内乘客感知数据的多物理域信息;
确定模块402,用于在基于车辆使用信息确定车辆处于锁车状态时,基于车内乘客感知数据确定被困乘客类型,以及基于车辆环境参数确定车内环境评估结果;
生成模块403,用于基于被困乘客类型以及车内环境评估结果生成安全监测融合数据;
上传模块404,用于基于与服务器的通信连接,将安全监测融合数据上传至服务器。
在本实施例的一些实施方式中,若车内乘客感知数据为车内乘客图像,则确定模块402在基于车内乘客感知数据确定被困乘客类型时,具体用于:对车内乘客图像进行感兴趣区域提取,得到感兴趣区域特征图;将感兴趣区域特征图输入至训练完成的人物识别模型;基于人物识别模型输出的分类标签确定被困乘客类型。
在本实施例的一些实施方式中,确定模块402在基于车辆环境参数确定车内环境评估结果时,具体用于:基于车辆环境参数,以及预设的车辆环境参数与环境危险性指标的映射关系,确定对应的环境危险性指标;基于环境危险性指标生成车内环境评估结果。
相对应的,本实施例中还提供了一种应用于服务器侧的乘客安全监测装置,如图5所示,该乘客安全监测装置主要包括:
接收模块501,用于基于与车载监测设备的通信连接,接收车载监测设备上传的安全监测融合数据;其中,安全监测融合数据基于被困乘客类型以及车内环境评估结果生成;
输入模块502,用于将安全监测融合数据输入至预设的专家***;其中,专家***包括知识库和推理机;
规划模块503,用于控制推理机调用知识库,规划对应于安全监测融合数据的安全救援决策。
在本实施例的一些实施方式中,该乘客安全监测装置还包括:发送模块,用于在规划对应于安全监测融合数据的安全救援决策之后,基于与车主通信终端的通信连接,将安全救援决策发送至车主通信终端。
进一步地,在本实施例的一些实施方式中,发送模块还用于:在将安全救援决策发送至车主通信终端之后,判断在预设时长内是否接收到车主通信终端发送的决策获知响应;在未接收到决策获知响应时,基于安全救援决策生成报警信息;将报警信息发送至报警平台。
应当说明的是,前述实施例中的乘客安全监测方法均可基于本实施例提供的乘客安全监测装置实现,所属领域的普通技术人员可以清楚的了解到,为描述的方便和简洁,本实施例中所描述的乘客安全监测装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
采用本实施例提供的乘客安全监测装置,通过车载监测设备获取分布式传感器采集的多物理域信息,然后基于多物理域信息生成安全检测融合数据上传至服务器;通过服务器将安全检测融合数据输入至专家***,输出对应的安全救援决策。通过本发明的实施,对多物理域信息进行检测与融合,所获取的监测数据更为全面与准确,提高了乘客安全检测效果,且通过专家***进行自主决策,可对被困乘客营救提供有效指示。
第三实施例:
本实施例提供了一种电子装置,参见图6所示,其包括处理器601、存储器602及通信总线603,其中:通信总线603用于实现处理器601和存储器602之间的连接通信;处理器601用于执行存储器602中存储的一个或者多个计算机程序,以实现上述实施例一中的乘客安全监测方法中的至少一个步骤。
本实施例还提供了一种计算机可读存储介质,该计算机可读存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、计算机程序模块或其他数据)的任何方法或技术中实施的易失性或非易失性、可移除或不可移除的介质。计算机可读存储介质包括但不限于RAM(Random Access Memory,随机存取存储器),ROM(Read-Only Memory,只读存储器),EEPROM(Electrically Erasable Programmable read only memory,带电可擦可编程只读存储器)、闪存或其他存储器技术、CD-ROM(Compact Disc Read-Only Memory,光盘只读存储器),数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。
本实施例中的计算机可读存储介质可用于存储一个或者多个计算机程序,其存储的一个或者多个计算机程序可被处理器执行,以实现上述实施例一中的方法的至少一个步骤。
本实施例还提供了一种计算机程序,该计算机程序可以分布在计算机可读介质上,由可计算装置来执行,以实现上述实施例一中的方法的至少一个步骤;并且在某些情况下,可以采用不同于上述实施例所描述的顺序执行所示出或描述的至少一个步骤。
本实施例还提供了一种计算机程序产品,包括计算机可读装置,该计算机可读装置上存储有如上所示的计算机程序。本实施例中该计算机可读装置可包括如上所示的计算机可读存储介质。
可见,本领域的技术人员应该明白,上文中所公开方法中的全部或某些步骤、***、装置中的功能模块/单元可以被实施为软件(可以用计算装置可执行的计算机程序代码来实现)、固件、硬件及其适当的组合。在硬件实施方式中,在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分;例如,一个物理组件可以具有多个功能,或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。
此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、计算机程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。所以,本发明不限制于任何特定的硬件和软件结合。
以上内容是结合具体的实施方式对本发明实施例所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (10)
1.一种乘客安全监测方法,应用于车载监测设备,其特征在于,包括:
获取分布式传感器所采集的包括车辆使用信息、车辆环境参数以及车内乘客感知数据的多物理域信息;
在基于所述车辆使用信息确定车辆处于锁车状态时,基于所述车内乘客感知数据确定被困乘客类型,以及基于所述车辆环境参数确定车内环境评估结果;
基于所述被困乘客类型以及所述车内环境评估结果生成安全监测融合数据;
基于与服务器的通信连接,将所述安全监测融合数据上传至所述服务器。
2.如权利要求1所述的乘客安全监测方法,其特征在于,所述车内乘客感知数据为车内乘客图像,所述基于所述车内乘客感知数据确定被困乘客类型包括:
对所述车内乘客图像进行感兴趣区域提取,得到感兴趣区域特征图;
将所述感兴趣区域特征图输入至训练完成的人物识别模型;
基于所述人物识别模型输出的分类标签确定被困乘客类型。
3.如权利要求1或2所述的乘客安全监测方法,其特征在于,所述基于所述车辆环境参数确定车内环境评估结果包括:
基于所述车辆环境参数,以及预设的车辆环境参数与环境危险性指标的映射关系,确定对应的环境危险性指标;
基于所述环境危险性指标生成车内环境评估结果。
4.一种乘客安全监测方法,应用于服务器,其特征在于,包括:
接收车载监测设备上传的安全监测融合数据;其中,所述安全监测融合数据基于被困乘客类型以及车内环境评估结果生成;
将所述安全监测融合数据输入至预设的专家***;其中,所述专家***包括知识库和推理机;
控制所述推理机调用所述知识库,规划对应于所述安全监测融合数据的安全救援决策。
5.如权利要求4所述的乘客安全监测方法,其特征在于,所述规划对应于所述安全监测融合数据的安全救援决策之后,还包括:
基于与车主通信终端的通信连接,将所述安全救援决策发送至所述车主通信终端。
6.如权利要求5所述的乘客安全监测方法,其特征在于,所述将所述安全救援决策发送至所述车主通信终端之后,还包括:
判断在预设时长内是否接收到所述车主通信终端发送的决策获知响应;
在未接收到所述决策获知响应时,基于所述安全救援决策生成报警信息;
将所述报警信息发送至报警平台。
7.一种乘客安全监测装置,应用于车载监测设备,其特征在于,包括:
获取模块,用于获取分布式传感器所采集的包括车辆使用信息、车辆环境参数以及车内乘客感知数据的多物理域信息;
确定模块,用于在基于所述车辆使用信息确定车辆处于锁车状态时,基于所述车内乘客感知数据确定被困乘客类型,以及基于所述车辆环境参数确定车内环境评估结果;
生成模块,用于基于所述被困乘客类型以及所述车内环境评估结果生成安全监测融合数据;
上传模块,用于基于与服务器的通信连接,将所述安全监测融合数据上传至所述服务器。
8.一种乘客安全监测装置,应用于服务器,其特征在于,包括:
接收模块,用于接收车载监测设备上传的安全监测融合数据;其中,所述安全监测融合数据基于被困乘客类型以及车内环境评估结果生成;
输入模块,用于将所述安全监测融合数据输入至预设的专家***;其中,所述专家***包括知识库和推理机;
规划模块,用于控制所述推理机调用所述知识库,规划对应于所述安全监测融合数据的安全救援决策。
9.一种电子装置,其特征在于,包括:处理器、存储器和通信总线;
所述通信总线用于实现所述处理器和存储器之间的连接通信;
所述处理器用于执行所述存储器中存储的第一计算机程序和第二计算机程序,所述处理器执行所述第一计算机程序时,实现如权利要求1至3中任意一项所述方法的步骤,所述处理器执行所述第二计算机程序时,实现如权利要求4至6中任意一项所述方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有第一计算机程序和第二计算机程序,所述第一计算机程序被处理器执行时,实现如权利要求1至3中任意一项所述方法的步骤,所述第二计算机程序被处理器执行时,实现如权利要求4至6中任意一项所述方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010453315.7A CN111626905A (zh) | 2020-05-26 | 2020-05-26 | 一种乘客安全监测方法、装置及计算机可读存储介质 |
PCT/CN2020/124375 WO2021238046A1 (zh) | 2020-05-26 | 2020-10-28 | 一种乘客安全监测方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010453315.7A CN111626905A (zh) | 2020-05-26 | 2020-05-26 | 一种乘客安全监测方法、装置及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111626905A true CN111626905A (zh) | 2020-09-04 |
Family
ID=72260710
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010453315.7A Pending CN111626905A (zh) | 2020-05-26 | 2020-05-26 | 一种乘客安全监测方法、装置及计算机可读存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111626905A (zh) |
WO (1) | WO2021238046A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021238046A1 (zh) * | 2020-05-26 | 2021-12-02 | 深圳技术大学 | 一种乘客安全监测方法、装置及计算机可读存储介质 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115996236B (zh) * | 2023-03-23 | 2023-09-01 | 广东海新智能厨房股份有限公司 | 用于燃气灶的安全监控方法、装置、设备及介质 |
CN116321524B (zh) * | 2023-04-11 | 2023-10-24 | 广州爱浦路网络技术有限公司 | 环境监测数据处理方法及装置 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101083019A (zh) * | 2006-12-31 | 2007-12-05 | 中国人民解放军63791部队 | 基于空间态势感知的快速评估*** |
US7667609B1 (en) * | 2005-06-02 | 2010-02-23 | Kevin Roe | Expert system rescue of impaired equipment operators |
CN201689455U (zh) * | 2009-12-01 | 2010-12-29 | 北京市市政工程研究院 | 基于网络平台的隧道施工灾害预案及防控响应*** |
US8044772B1 (en) * | 2005-06-10 | 2011-10-25 | Kevin Roe | Expert system assistance for persons in danger |
CN102572156A (zh) * | 2012-01-11 | 2012-07-11 | 南京航空航天大学 | 基于无线传感器网络的儿童警报车载***及方法 |
CN202472841U (zh) * | 2011-12-19 | 2012-10-03 | 南京农业大学 | 基于物联网的森林火灾监测预警*** |
CN103330554A (zh) * | 2013-07-18 | 2013-10-02 | 梁亚楠 | 可穿戴式的人工智能无线物联网安全*** |
CN105389944A (zh) * | 2015-12-03 | 2016-03-09 | 长春工业大学 | 车内滞留儿童预警及自动救助*** |
CN105550824A (zh) * | 2016-01-13 | 2016-05-04 | 天津中科智能识别产业技术研究院有限公司 | 一种智能灾情评估*** |
CN108257249A (zh) * | 2017-12-29 | 2018-07-06 | 广州视声光电有限公司 | 一种危险评估方法及行车记录仪 |
CN109292566A (zh) * | 2017-07-24 | 2019-02-01 | 上海峰景移动科技有限公司 | 一种电梯用轿厢困人的自动侦测***及逻辑 |
CN109345770A (zh) * | 2018-11-14 | 2019-02-15 | 深圳市尼欧科技有限公司 | 一种孩童遗留车内报警***及孩童遗留车内报警方法 |
CN109955818A (zh) * | 2017-12-22 | 2019-07-02 | 意法半导体股份有限公司 | 用于车辆内的存在检测的安全电子装置 |
CN110329869A (zh) * | 2019-08-08 | 2019-10-15 | 湖南高福星智能科技有限公司 | 一种基于人工智能的电梯安全监测*** |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104228768B (zh) * | 2014-07-24 | 2016-10-05 | 华南理工大学 | 多特征融合的车内防盗和防误锁报警***及其工作方法 |
US10077582B2 (en) * | 2016-06-22 | 2018-09-18 | Mark Ring | Automatic child safety lock release |
CN109017658B (zh) * | 2017-06-08 | 2021-09-03 | 浙江师范大学 | 一种预防儿童被锁车内的*** |
CN109300276A (zh) * | 2018-07-27 | 2019-02-01 | 昆明理工大学 | 一种基于多传感器数据融合的汽车车内异常预警方法 |
CN111626905A (zh) * | 2020-05-26 | 2020-09-04 | 深圳技术大学 | 一种乘客安全监测方法、装置及计算机可读存储介质 |
-
2020
- 2020-05-26 CN CN202010453315.7A patent/CN111626905A/zh active Pending
- 2020-10-28 WO PCT/CN2020/124375 patent/WO2021238046A1/zh active Application Filing
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7667609B1 (en) * | 2005-06-02 | 2010-02-23 | Kevin Roe | Expert system rescue of impaired equipment operators |
US8044772B1 (en) * | 2005-06-10 | 2011-10-25 | Kevin Roe | Expert system assistance for persons in danger |
CN101083019A (zh) * | 2006-12-31 | 2007-12-05 | 中国人民解放军63791部队 | 基于空间态势感知的快速评估*** |
CN201689455U (zh) * | 2009-12-01 | 2010-12-29 | 北京市市政工程研究院 | 基于网络平台的隧道施工灾害预案及防控响应*** |
CN202472841U (zh) * | 2011-12-19 | 2012-10-03 | 南京农业大学 | 基于物联网的森林火灾监测预警*** |
CN102572156A (zh) * | 2012-01-11 | 2012-07-11 | 南京航空航天大学 | 基于无线传感器网络的儿童警报车载***及方法 |
CN103330554A (zh) * | 2013-07-18 | 2013-10-02 | 梁亚楠 | 可穿戴式的人工智能无线物联网安全*** |
CN105389944A (zh) * | 2015-12-03 | 2016-03-09 | 长春工业大学 | 车内滞留儿童预警及自动救助*** |
CN105550824A (zh) * | 2016-01-13 | 2016-05-04 | 天津中科智能识别产业技术研究院有限公司 | 一种智能灾情评估*** |
CN109292566A (zh) * | 2017-07-24 | 2019-02-01 | 上海峰景移动科技有限公司 | 一种电梯用轿厢困人的自动侦测***及逻辑 |
CN109955818A (zh) * | 2017-12-22 | 2019-07-02 | 意法半导体股份有限公司 | 用于车辆内的存在检测的安全电子装置 |
CN108257249A (zh) * | 2017-12-29 | 2018-07-06 | 广州视声光电有限公司 | 一种危险评估方法及行车记录仪 |
CN109345770A (zh) * | 2018-11-14 | 2019-02-15 | 深圳市尼欧科技有限公司 | 一种孩童遗留车内报警***及孩童遗留车内报警方法 |
CN110329869A (zh) * | 2019-08-08 | 2019-10-15 | 湖南高福星智能科技有限公司 | 一种基于人工智能的电梯安全监测*** |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021238046A1 (zh) * | 2020-05-26 | 2021-12-02 | 深圳技术大学 | 一种乘客安全监测方法、装置及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2021238046A1 (zh) | 2021-12-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11375338B2 (en) | Method for smartphone-based accident detection | |
Chan et al. | A comprehensive review of driver behavior analysis utilizing smartphones | |
Aljaafreh et al. | Driving style recognition using fuzzy logic | |
CN104859662B (zh) | 自主车辆中的故障处理 | |
CN111626905A (zh) | 一种乘客安全监测方法、装置及计算机可读存储介质 | |
US9346400B2 (en) | Affective user interface in an autonomous vehicle | |
CN106114515B (zh) | 汽车驾驶行为提醒方法及*** | |
US10997430B1 (en) | Dangerous driver detection and response system | |
CN109272775B (zh) | 一种高速公路弯道安全监测预警方法、***及介质 | |
US20150066284A1 (en) | Autonomous vehicle control for impaired driver | |
US20150178998A1 (en) | Fault handling in an autonomous vehicle | |
US9944297B2 (en) | System and method for estimating the driving style of a vehicle | |
El Masri et al. | Toward self-policing: Detecting drunk driving behaviors through sampling CAN bus data | |
CN104637326A (zh) | 基于云端服务的车辆驾驶安全*** | |
CN115179960A (zh) | 一种多源数据采集人车状态综合监测***及方法 | |
US20180222494A1 (en) | Enhanced curve negotiation | |
WO2019177511A1 (en) | Method, control arrangement and machine learning based system for autonomous vehicles for proactively acting on situations involving an increased traffic accident risk | |
CN114103988B (zh) | 安全监控装置、包括其的车辆及相应的方法、设备和介质 | |
Aljaafreh | Web driving performance monitoring system | |
CN113415292A (zh) | 一种驾驶接管能力评估方法及电子装置 | |
CN113450567A (zh) | 一种人工智能预警*** | |
CN109102194B (zh) | 一种基于全球定位***与惯性传感器的驾驶行为评分方法 | |
CN115879230B (zh) | 基于深度学习的汽车载重分析模型构建和分析方法 | |
CN106909075A (zh) | 一种利用gps数据分析驾驶行为的方法 | |
CN118306426A (zh) | 监测信息的确定方法、装置、车辆及存储介质 |
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 | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Cheng Tao Inventor after: Cai Yongwei Inventor before: Cai Yongwei Inventor before: Cheng Tao |