CN112232233A - 一种防止驾驶培训计时作弊的方法 - Google Patents
一种防止驾驶培训计时作弊的方法 Download PDFInfo
- Publication number
- CN112232233A CN112232233A CN202011125735.9A CN202011125735A CN112232233A CN 112232233 A CN112232233 A CN 112232233A CN 202011125735 A CN202011125735 A CN 202011125735A CN 112232233 A CN112232233 A CN 112232233A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- cheating
- information
- time point
- timing
- 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.)
- Granted
Links
- 238000012549 training Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000002159 abnormal effect Effects 0.000 claims abstract description 30
- 238000001514 detection method Methods 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 description 5
- 238000004088 simulation Methods 0.000 description 4
- 230000010365 information processing Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001680 brushing effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/14—Receivers specially adapted for specific applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
-
- 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
-
- 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
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B19/00—Teaching not covered by other main groups of this subclass
- G09B19/16—Control of vehicles or other craft
- G09B19/167—Control of land vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Entrepreneurship & Innovation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种防止驾驶培训计时作弊的方法,包括以下步骤:按预设时间间隔实时获取信息;如当前车辆定位信息与上一车辆定位信息相同且当前车辆运行状态信息与上一车辆运行状态信息相同,则为第一异常状态,如连续则为计时作弊;如当前车辆定位信息与上一车辆定位信息不相同或者当前车辆运行状态信息与上一车辆运行状态信息不相同,则判断如当前车内人脸图像信息与之前a个车内人脸图像信息中的一个相似度大于第二阈值或者当前车外环境图像信息与之前b个车外环境图像信息中的一个的相似度大于第三阈值,则为第二异常状态;如连续则为计时作弊。本发明能够有效防止驾驶培训“跑马”作弊。
Description
技术领域
本发明涉及驾驶培训技术领域,具体涉及一种防止驾驶培训计时作弊的方法。
背景技术
随着选择汽车出行的人越来越多,学车的人也越来越多,车辆驾驶培训行业迅速发展。为提高学员学习质量、减少后续上路驾驶的安全隐患,相关法规对学员在各个科目上的学时进行了规定,特别是规定了实际操作的学时,足够的实际操作培训学时是保证驾驶安全的关键。现有的驾驶培训车辆大多安装有计时***,通过学员在练习驾驶时***学员卡等方式计算学时。
但是,现有的计时***容易“跑马”作弊。“跑马”通常是指在培训车辆内计时***终端加装设备,使得学员无需驾驶练习就可以将学员卡里的时间充满。驾驶培训机构利用“跑马”的方式压缩上车练习时间,减少实际培训量,节省油耗,在一定时期内培养更多的学员,但“跑马”减少了学员的实练学时,逃避了监管,影响培训质量,容易造成交通安全隐患。“跑马”作弊的现象通常包括在计算学时的时候利用身份验证漏洞代学、车辆在培训区域外驾驶、坐在车内刷耗时等。目前应对“跑马”作弊的方法主要有人脸识别、GPS定位、电子围栏等,但这些方法仍存在容易破解的问题,例如外接模拟信号造假等。如何有效地防止“跑马”作弊是目前驾驶培训计时所面临的重要问题。
发明内容
针对现有技术的不足,本发明的目的是提供一种驾驶培训计时作弊的方法,该方法能够有效防止“跑马”作弊。
为实现本发明的目的,本发明提供了一种防止驾驶培训计时作弊的方法,包括以下步骤:按预设时间间隔确定时间点,在每个时间点实时获取车内人脸图像信息、车外环境图像信息、车辆定位信息和车辆运行状态信息;如当前时间点的车内人脸图像信息和事先收集的预设人脸图像信息的匹配率大于第一阈值,则执行以下步骤:如当前时间点的车辆定位信息与上一时间点的车辆定位信息相同且当前时间点的车辆运行状态信息与上一时间点的车辆运行状态信息相同,则为第一异常状态;如连续的N个时间点均为第一异常状态,则为计时作弊;如当前时间点的车辆定位信息与上一时间点的车辆定位信息不相同或者当前时间点的车辆运行状态信息与上一时间点的车辆运行状态信息不相同,则判断如当前时间点的车内人脸图像信息与之前a个时间点的车内人脸图像信息中的一个相似度大于第二阈值或者当前时间点的车外环境图像信息与之前b个时间点的车外环境图像信息中的一个的相似度大于第三阈值,则为第二异常状态;如连续的M个时间点均为第二异常状态,则为计时作弊;第一阈值、第二阈值、第三阈值、N、M、a、b分别为预设的数值。
进一步的技术方案是,如当前时间点的车辆定位信息超出预设电子围栏,则为第三异常状态;如连续的P个时间点均为第三异常状态,则为计时作弊;P为预设的数值。
进一步的技术方案是,计时作弊的耗时不计入学时;在确定为计时作弊后,停止计算培训学时并发出警报。
进一步的技术方案是,在确定为计时作弊或在第一预设时间段内Q次确定为计时作弊后,将计时作弊信息发送到后台***;Q为预设的数值。
进一步的技术方案是,如连续的n个时间点均为第一异常状态时,发出第一提示音,n小于N;如连续的m个时间点均为第二异常状态时,发出第二提示音,m小于M;如连续的p个时间点均为第三异常状态时,发出第三提示音,p小于P;第一提示音、第二提示音和第三提示音相同或不相同。
进一步的技术方案是,以与预设时间间隔相同或不同的另设时间间隔,对车内人脸进行活体检测。
进一步的技术方案是,该方法在车载设备上执行;车内人脸图像信息由车载的车内摄像头获取;车外环境图像信息由车载的车外摄像头获取;车辆定位信息由车载的GPS模块获取;车辆运行状态信息由车载的传感器获取,包括车速。
进一步的技术方案是,在开始计时后的第二预设时间段内的随机时间点,开始获取车内人脸图像信息、车外环境图像信息、车辆定位信息和车辆运行状态信息。
与现有技术相比,本发明能够取得以下有益效果:
本发明的防止驾驶培训计时作弊的方法从人脸图像、车外环境图像、车辆定位信息、车辆运行状态信息等多个方面综合分析,有效防止“跑马”作弊。具体地,本发明每隔一段时间验证一次学员驾驶学习情况,先通过人脸图像判断是否为学员本人,防止换人代学等作弊情况;再通过车辆定位信息、车辆运行状态信息等确定车辆是否运行,防止坐车上不驾驶刷学时等作弊情况;当根据车辆定位信息、车辆运行状态信息等确定车辆在运行时,本发明进一步比较人脸图像和车外环境图像的变化情况,防止外接模拟信号进行人脸图像变化造假、车辆定位信息造假等作弊情况。为了避免在同一路段中反复进行驾驶训练时,不同时间点的定位信息相近、车辆运行状态信息相近、人脸图像相近、车外环境图像相近而导致误判为作弊,本发明在多个时间点连续异常时才确定为计时作弊,使得计时作弊判断更加准确。
附图说明
图1是本发明防止驾驶培训计时作弊的方法实施例的流程原理图。
以下结合附图以及具体实施方式对本发明作进一步详细的说明。
具体实施方式
如图1所示,本实施例提供了一种防止驾驶培训计时作弊的方法,该方法用于防止驾驶培训“跑马”作弊,该方法可以在车载设备上执行,不需要反复频繁地与后台通讯,避免通讯情况影响计时和防作弊的功能。该方法主要包括以下步骤:
步骤S1:按预设时间间隔确定时间点,在每个时间点实时获取车内人脸图像信息、车外环境图像信息、车辆定位信息和车辆运行状态信息。
具体地,在步骤S1中,预设时间间隔可以是1min至10min,优选1min至5min,预设时间过小信息处理压力大,预设时间过长则不能有效防止代学作弊。
具体地,车内人脸图像信息由车载的车内摄像头获取;车外环境图像信息由车载的车外摄像头获取;车辆定位信息由车载的GPS模块获取;车辆运行状态信息由车载的传感器获取,包括车速和/或加速度等,例如九轴传感器等,可以获取加速度,使得更难以模拟信号造假。车载设备可以包括处理器,接收相关的信息并进行后续处理。
步骤S2:判断当前时间点的车内人脸图像信息和事先收集的预设人脸图像信息的匹配率是否大于第一阈值。如否,则直接确定为计时作弊,如是再执行本实施例的中的其他步骤。
具体地,事先收集的预设人脸图像信息可以是学员提交的照片等图像信息,可以预先存储到车载处理器,或者处理器在计时开始前向后台***请求并接收预设人脸图像信息。
具体地,车内人脸图像信息和预设人脸图像信息的匹配率是否大于第一阈值可以采用现有的人脸识别方法进行计算得到,例如基于特征脸的人脸识别方法、神经网络的人脸识别方法等。
可见,本实施例先通过人脸识别判断是否为学员本人,如非学员本人,则无需进行后续步骤。
如通过人脸识别,则判断当前时间点的车辆定位信息与上一时间点的车辆定位信息、当前时间点的车辆运行状态信息与上一时间点的车辆运行状态信息是否相同,根据判断结构执行以下步骤S3或步骤S4。先对车辆定位信息、车辆运行状态信息进行判断,降低了信息处理量。
步骤S3:如当前时间点的车辆定位信息与上一时间点的车辆定位信息相同且当前时间点的车辆运行状态信息与上一时间点的车辆运行状态信息相同,则为第一异常状态;如连续的N个时间点均为第一异常状态,则为计时作弊。
具体地,N为预设的数值,例如3至50,可以根据预设时间间隔的长短进行设置。N数值过小则容易将驾驶培训过程中正常的停靠误认为是计时作弊,N数值过大则难以防止坐车上刷学时的作弊情况。
步骤S4:如当前时间点的车辆定位信息与上一时间点的车辆定位信息不相同或者当前时间点的车辆运行状态信息与上一时间点的车辆运行状态信息不相同,则判断如当前时间点的车内人脸图像信息与之前a个时间点的车内人脸图像信息中的一个相似度大于第二阈值、或者当前时间点的车外环境图像信息与之前b个时间点的车外环境图像信息中的一个的相似度大于第三阈值,则为第二异常状态;如连续的M个时间点均为第二异常状态,则为计时作弊。
具体地,M为预设的数值,例如3至10;a为预设的数值,例如10至50;b为预设数值,例如10至50。M,a,b可以根据预设之间间隔的长短进行设置。M数值过小则容易将人脸图像和环境图像在短时间内变化不明显误认为是计时作弊,例如在同一路段练习时,部分时间点的环境图像可能相同。M数值过大则难以防止通过模拟图像信号的方式作弊。数值a、b过小难以防止循环图像模拟信号作弊,之前a个或之前b个图片例如可以包括同一学员上一次驾驶培训的人脸图像和环境图像。
具体地,当前时间点的车辆定位信息与上一时间点的车辆定位信息不相同或者当前时间点的车辆运行状态信息与上一时间点的车辆运行状态信息不相同时,表明车辆很大可能有所移动,车内人脸图像信息和环境图像信息也很大可能会有所变化,如连续多个时间点图像变化不明显或与之前的图像重复,则很大可能时通过图像模拟信号作弊。本实施例从车内人脸图像信息和环境图像信息两个方面进行判断,提高了计时作弊认定的准确性。车内人脸图像信息的对比可以采用现有的人脸识别方法进行,环境图像信息的对比可以采用现有的图像比较方法进行。
优选地,在步骤S3之前或在步骤S2之前,可以先进行以下步骤:如当前时间点的车辆定位信息超出预设电子围栏,则为第三异常状态;如连续的P个时间点均为第三异常状态,则为计时作弊;P为预设的数值。可见,本实施例还可以先判断培训车辆是否在电子围栏内,如长时间不在电子围栏内则为计时作弊。
优选地,计时作弊的耗时不计入学时;在确定为计时作弊后,停止计算培训学时并发出警报。
优选地,在确定为计时作弊或在第一预设时间段内Q次确定为计时作弊后,将计时作弊信息发送到后台***;Q为预设的数值。第一预设时间段例如可以是数个小时至数十个小时,Q数值例如可以是2至5。设置Q值主要是考虑在计算学时的时候可能由于学员不熟悉培训规范误操作导致计时作弊。
优选地,如连续的n个时间点均为第一异常状态时,发出第一提示音,n小于N;如连续的m个时间点均为第二异常状态时,发出第二提示音,m小于M;如连续的p个时间点均为第三异常状态时,发出第三提示音,p小于P;第一提示音、第二提示音和第三提示音相同或不相同,例如可以提示正在进行的错误操作。
优选地,以与预设时间间隔相同或不同的另设时间间隔,对车内人脸进行活体检测。例如可以利用车内摄像头,采用现有的人脸活体检测技术,对车内人脸进行活体识别,进一步防止通过图像模拟信号进行作弊。
优选地,在开始计时后的第二预设时间段内的随机时间点,开始获取车内人脸图像信息、车外环境图像信息、车辆定位信息和车辆运行状态信息,进一步防止通过图像模拟信号进行作弊。
最后需要强调的是,以上所述仅为本发明的优选实施例,并不用于限制本发明。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 (8)
1.一种防止驾驶培训计时作弊的方法,其特征在于包括以下步骤:
按预设时间间隔确定时间点,在每个时间点实时获取车内人脸图像信息、车外环境图像信息、车辆定位信息和车辆运行状态信息;如当前时间点的车内人脸图像信息和事先收集的预设人脸图像信息的匹配率大于第一阈值,则执行以下步骤:
如当前时间点的车辆定位信息与上一时间点的车辆定位信息相同且当前时间点的车辆运行状态信息与上一时间点的车辆运行状态信息相同,则为第一异常状态;如连续的N个时间点均为第一异常状态,则为计时作弊;
如当前时间点的车辆定位信息与上一时间点的车辆定位信息不相同或者当前时间点的车辆运行状态信息与上一时间点的车辆运行状态信息不相同,则判断如当前时间点的车内人脸图像信息与之前a个时间点的车内人脸图像信息中的一个相似度大于第二阈值、或者当前时间点的车外环境图像信息与之前b个时间点的车外环境图像信息中的一个的相似度大于第三阈值,则为第二异常状态;如连续的M个时间点均为第二异常状态,则为计时作弊;
第一阈值、第二阈值、第三阈值、N、M、a、b分别为预设的数值。
2.根据权利要求1所述的一种防止驾驶培训计时作弊的方法,其特征在于包括以下步骤:
如当前时间点的车辆定位信息超出预设电子围栏,则为第三异常状态;如连续的P个时间点均为第三异常状态,则为计时作弊;P为预设的数值。
3.根据权利要求1或2所述的一种防止驾驶培训计时作弊的方法,其特征在于:
计时作弊的耗时不计入学时;在确定为计时作弊后,停止计算培训学时并发出警报。
4.根据权利要求3所述的一种防止驾驶培训计时作弊的方法,其特征在于:
在确定为计时作弊或在第一预设时间段内Q次确定为计时作弊后,将计时作弊信息发送到后台***;Q为预设的数值。
5.根据权利要求2所述的一种防止驾驶培训计时作弊的方法,其特征在于:
如连续的n个时间点均为第一异常状态时,发出第一提示音,n小于N;
如连续的m个时间点均为第二异常状态时,发出第二提示音,m小于M;
如连续的p个时间点均为第三异常状态时,发出第三提示音,p小于P;
第一提示音、第二提示音和第三提示音相同或不相同。
6.根据权利要求1或2所述的一种防止驾驶培训计时作弊的方法,其特征在于:
以与预设时间间隔相同或不同的另设时间间隔,对车内人脸进行活体检测。
7.根据权利要求1或2所述的一种防止驾驶培训计时作弊的方法,其特征在于:
所述方法在车载设备上执行;
所述车内人脸图像信息由车载的车内摄像头获取;所述车外环境图像信息由车载的车外摄像头获取;所述车辆定位信息由车载的GPS模块获取;所述车辆运行状态信息由车载的传感器获取,包括车速和/或加速度。
8.根据权利要求1或2所述的一种防止驾驶培训计时作弊的方法,其特征在于:
在开始计时后的第二预设时间段内的随机时间点,开始获取车内人脸图像信息、车外环境图像信息、车辆定位信息和车辆运行状态信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011125735.9A CN112232233B (zh) | 2020-10-20 | 2020-10-20 | 一种防止驾驶培训计时作弊的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011125735.9A CN112232233B (zh) | 2020-10-20 | 2020-10-20 | 一种防止驾驶培训计时作弊的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112232233A true CN112232233A (zh) | 2021-01-15 |
CN112232233B CN112232233B (zh) | 2024-02-09 |
Family
ID=74118923
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011125735.9A Active CN112232233B (zh) | 2020-10-20 | 2020-10-20 | 一种防止驾驶培训计时作弊的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112232233B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101425233A (zh) * | 2008-11-21 | 2009-05-06 | 重庆安运科技有限公司 | 一种驾驶员培训记录仪防作弊方法 |
CN103106703A (zh) * | 2013-01-14 | 2013-05-15 | 张平 | 防作弊驾驶员培训记录仪 |
CN103136589A (zh) * | 2011-12-02 | 2013-06-05 | 杭州中正生物认证技术有限公司 | 车载驾培终端及*** |
EP2818490A1 (en) * | 2013-06-28 | 2014-12-31 | 3M Innovative Properties Company | Use of an epoxy resin-based composition as a filler for honeycomb cells |
CN104282188A (zh) * | 2013-07-03 | 2015-01-14 | 浙江维尔科技股份有限公司 | 驾驶培训信息的记录方法、装置及驾驶培训信息记录仪 |
CN108256410A (zh) * | 2017-11-01 | 2018-07-06 | 山东万正网络科技有限公司 | 一种用于教练车的防作弊计时***和方法 |
CN108732604A (zh) * | 2018-04-09 | 2018-11-02 | 深圳市成为信息技术有限公司 | 一种防止驾驶培训中作弊的方法 |
CN108961452A (zh) * | 2018-06-01 | 2018-12-07 | 上海诚联交通智能科技有限公司 | 一种驾驶人员技能训练计时终端及计时方法 |
-
2020
- 2020-10-20 CN CN202011125735.9A patent/CN112232233B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101425233A (zh) * | 2008-11-21 | 2009-05-06 | 重庆安运科技有限公司 | 一种驾驶员培训记录仪防作弊方法 |
CN103136589A (zh) * | 2011-12-02 | 2013-06-05 | 杭州中正生物认证技术有限公司 | 车载驾培终端及*** |
CN103106703A (zh) * | 2013-01-14 | 2013-05-15 | 张平 | 防作弊驾驶员培训记录仪 |
EP2818490A1 (en) * | 2013-06-28 | 2014-12-31 | 3M Innovative Properties Company | Use of an epoxy resin-based composition as a filler for honeycomb cells |
CN104282188A (zh) * | 2013-07-03 | 2015-01-14 | 浙江维尔科技股份有限公司 | 驾驶培训信息的记录方法、装置及驾驶培训信息记录仪 |
CN108256410A (zh) * | 2017-11-01 | 2018-07-06 | 山东万正网络科技有限公司 | 一种用于教练车的防作弊计时***和方法 |
CN108732604A (zh) * | 2018-04-09 | 2018-11-02 | 深圳市成为信息技术有限公司 | 一种防止驾驶培训中作弊的方法 |
CN108961452A (zh) * | 2018-06-01 | 2018-12-07 | 上海诚联交通智能科技有限公司 | 一种驾驶人员技能训练计时终端及计时方法 |
Non-Patent Citations (2)
Title |
---|
MORITZ CONTAG等: "How They Did It: An Analysis of Emission Defeat Devices in Modern Automobiles", 《2017 IEEE SYMPOSIUM ON SECURITY AND PRIVACY (SP)》, pages 1 - 20 * |
程保森: "机动车驾驶人道路驾驶技能考试***的设计与实现", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》, pages 035 - 302 * |
Also Published As
Publication number | Publication date |
---|---|
CN112232233B (zh) | 2024-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9815478B2 (en) | Driving assistance system and driving assistance method | |
Gonzalez et al. | Modeling and detecting aggressiveness from driving signals | |
CN110533880B (zh) | 一种基于心电信号的异常驾驶状态检测及预警控制方法 | |
CN108454633B (zh) | 规范司机驾驶行为的方法和装置 | |
CN107640154A (zh) | 新手司机驾驶辅助*** | |
CN110808053B (zh) | 一种驾驶员身份验证方法、装置及电子设备 | |
CN109823347B (zh) | 智能网联车驾驶行为辅助安全***与方法 | |
CN107944425A (zh) | 道路标志的识别方法和装置 | |
CN112606842A (zh) | 一种安全驾驶辅助方法、装置及*** | |
CN116911610A (zh) | 运输车辆驾驶安全风险监控及评估预警的方法和*** | |
CN112232233A (zh) | 一种防止驾驶培训计时作弊的方法 | |
CN116844341B (zh) | 一种基于互联网的汽车出行监控*** | |
US20210086773A1 (en) | Driving behavior evaluation device, method, and computer-readable storage medium | |
CN110733462A (zh) | 一种监管车辆驾驶人的方法及装置 | |
CN113129475A (zh) | 一种监控方法、装置和车辆 | |
CN112298172A (zh) | 一种车载主动安全***、方法及存储介质 | |
CN116001800B (zh) | 车辆驾驶风险信息获取方法、装置、电子设备及介质 | |
CN115107786B (zh) | 一种用于智能汽车的驾驶行为纠正***及方法 | |
CN111341106B (zh) | 交通预警方法、装置和设备 | |
WO2018099720A1 (en) | A method of preventing a driver to drive a vehicle while intoxicated | |
CN109767627B (zh) | 一种交通违章智能语音抓拍方法和*** | |
CN109299729B (zh) | 车辆检测方法及装置 | |
CN112712010A (zh) | 共用车辆驾驶员安全驾驶评估方法、装置以及设备 | |
KR20210144076A (ko) | 차량 및 그의 안전 운전 지원 방법 | |
CN114274967B (zh) | 智能驾驶车辆的管理方法、装置、计算机设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |