CN113158927A - 车辆行驶场景下的人车信息关联方法、***、设备及介质 - Google Patents
车辆行驶场景下的人车信息关联方法、***、设备及介质 Download PDFInfo
- Publication number
- CN113158927A CN113158927A CN202110459065.2A CN202110459065A CN113158927A CN 113158927 A CN113158927 A CN 113158927A CN 202110459065 A CN202110459065 A CN 202110459065A CN 113158927 A CN113158927 A CN 113158927A
- Authority
- CN
- China
- Prior art keywords
- target
- vehicle
- information
- target person
- mobile equipment
- 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
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
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/63—Scene text, e.g. street names
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种基于车辆行驶场景下的人车信息关联方法、***、设备及介质,其方法包括获取目标行驶场景中目标车辆的车牌信息和目标车辆上目标人员的人脸图像;获取目标人员的人脸特征信息;获取目标车辆的车速,同时获取在目标车辆的预设范围内存在的移动设备的移动速度;将目标车辆的车速和每个驾驶人员所携带移动设备的移动速度进行匹配,若匹配成功,则将匹配成功的驾驶人员所携带移动设备作为目标人员所携带移动设备,并将目标人员所携带移动设备的预设标识信息和目标车辆的车牌信息进行关联,得到目标人员的关联信息;基于目标人员的人脸特征信息和目标人员的关联信息,生成目标人员的人脸信息簇。本申请能够提高人脸识别信息的丰富度。
Description
技术领域
本申请涉及人脸信息提取领域,尤其是涉及一种车辆行驶场景下的人车信息关联方法、***、设备及介质。
背景技术
目前,在人脸信息提取领域,通常都是只提取人脸五官信息,但不同个人之间的区别不大,所有的人脸的结构都相似,甚至人脸器官的结构外形都很相似,这样的特点对于利用人脸区别人类个体是不利的。
一般在车辆行驶场景中,对行驶车辆的驾驶员进行抓拍识别,但由于现有人像存储数据库中都是仅仅存储驾驶人员的人脸五官信息,导致后续对抓拍的驾驶人员进行人脸识别时容易存在识别不准确的情况,因此,本发明人认为在车辆行驶场景中,存在人脸存储信息单一的缺陷。
发明内容
为了改善车辆行驶场景中人脸信息提取单一的问题,本申请提供一种车辆行驶场景下的人车信息关联方法、***、设备及介质。
第一方面,本申请提供的一种车辆行驶场景下的人车信息关联方法,采用如下的技术方案:
一种车辆行驶场景下的人车信息关联方法,所述方法包括:
获取目标行驶场景中目标车辆的车牌信息和所述目标车辆上目标人员的人脸图像;
对所述人脸图像进行特征提取,以获取所述目标人员的人脸特征信息;
获取目标车辆的车速,同时获取在所述目标车辆的预设范围内存在的移动设备的移动速度,所述移动设备的数量不少一个,每个移动设备设定均由目标行驶场景上每个行驶车辆上的驾驶人员所携带;
将目标车辆的车速和每个驾驶人员所携带移动设备的移动速度进行匹配,若匹配成功,则将匹配成功的驾驶人员所携带移动设备作为目标人员所携带移动设备,并将所述目标人员所携带移动设备的预设标识信息和目标车辆的车牌信息进行关联,得到目标人员的关联信息;
基于目标人员的人脸特征信息和目标人员的关联信息,生成目标人员的人脸信息簇。
通过采用上述技术方案,目标车辆在目标行驶场景中行驶时,获取目标车辆的车速,并获取目标车辆及其周围预设范围内所存在的移动设备的移动速度,为了分辨出目标车辆上移动设备,将目标车辆的车速和所有获取的移动设备的移动速度进行匹配,确定出目标车辆上目标人员所携带移动设备的预设标识信息,从而可以将目标车辆的车牌信息和目标人员所携带移动设备的预设标识信息进行对应关联,得到目标人员的关联信息;此外,将目标人员的人脸图像进行特征提取,获取目标人员的人脸特征信息;从而基于目标人员的人脸特征信息和目标人员的关联信息,生成目标人员的人脸信息簇,从而提高人脸识别信息的丰富度,存储的人脸信息簇可应用于行驶场景中多维度准确识别车内人脸信息。
可选的,对所述人脸图像进行特征提取,以获取所述目标人员的人脸特征信息,包括:
对所述人脸图像进行图像预处理,并将图像预处理后对应的人脸图像作为目标人脸图像;
利用预设的人脸识别模型对所述目标人脸图像进行识别,获取所述目标人员的人脸特征信息。
通过采用上述技术方案,对人脸图像进行图像预处理,便于后续人脸特征提取,将图像预处理后对应的人脸图像作为目标人脸图像,然后利用预设的人脸识别模型对目标人脸图像进行特征识别,从而获取目标人员的人脸特征信息,便于后续生成人脸信息簇。
可选的,获取在所述目标车辆的预设范围内存在的移动设备的移动速度,包括:
通过预设的基站获取在目标车辆的预设范围内存在的每个移动设备的信号衰减量情况,并基于预设的信号衰减算法,计算移动设备的移动速度。
通过采用上述技术方案,基于每个移动设备的信号衰减量情况,并利用信号衰减算法,即可计算移动设备的移动速度,有助于后续生成人脸信息簇。
可选的,将目标车辆的车速和每个驾驶人员所携带移动设备的移动速度进行匹配,包括:
将目标车辆的车速分别和每个驾驶人员所携带移动设备的移动速度进行比较;
若目标车辆的车速与其中一个驾驶人员所携带移动设备的移动速度之间的误差值小于或等于预设误差范围,则确定匹配成功;
若目标车辆的车速与其他驾驶人员所携带移动设备的移动速度之间的误差值大于预设误差范围,则确定匹配失败;
将匹配成功的驾驶人员所携带移动设备作为目标人员所携带移动设备,并将所述目标人员所携带移动设备的预设标识信息和目标车辆的车牌信息进行关联,得到目标人员的关联信息。
通过采用上述技术方案,将目标车辆的车速和每个驾驶人员所携带移动设备的移动速度进行比较,从而确定匹配是否成功,根据预设误差范围,只有一个驾驶人员所携带移动设备的移动速度与目标车辆的车速之间的误差值小于或等于预设误差范围,并将该驾驶人员作为目标人员,并将目标人员所携带移动设备和目标车辆进行信息关联,从而便于后续获取目标人员的人脸信息簇。
可选的,将所述目标人员所携带移动设备的预设标识信息和目标车辆的车牌信息进行关联,得到目标人员的关联信息之后,所述方法还包括:
获取所述目标车辆的实时车速,并将所述目标车辆的实时车速作为目标人员所携带移动设备的等效移动速度,根据目标人员所携带移动设备的等效移动速度优化信号衰减算法。
通过采用上述技术方案,可将目标车辆的实时移动速度看作是目标人员所携带移动设备的实时移动速度即等效移动速度,再结合获取目标人员所携带移动设备的信号衰减量,即可优化信号衰减算法中的系数k,从而使得信号衰减算法更加准确,并提高目标车辆和目标人员所携带移动设备关联的准确性。
第二方面,本申请提供一种车辆行驶场景下的人车信息关联***,采用如下的技术方案:
一种车辆行驶场景下的人车信息关联***,所述***包括:
信息获取模块,用于获取目标行驶场景中目标车辆的车牌信息和所述目标车辆上目标人员的人脸图像;
特征提取模块,用于对所述人脸图像进行特征提取,以获取所述目标人员的人脸特征信息;
速度获取模块,用于获取目标车辆的车速,同时获取在所述目标车辆的预设范围内存在的移动设备的移动速度,所述移动设备的数量不少一个,每个移动设备设定均由目标行驶场景上每个行驶车辆上的驾驶人员所携带;
匹配模块,用于将目标车辆的车速和每个驾驶人员所携带移动设备的移动速度进行匹配,若匹配成功,则将匹配成功的驾驶人员所携带移动设备作为目标人员所携带移动设备,并将所述目标人员所携带移动设备的预设标识信息和目标车辆的车牌信息进行关联,得到目标人员的关联信息;
生成模块,用于基于目标人员的人脸特征信息和目标人员的关联信息,生成目标人员的人脸信息簇。
通过采用上述技术方案,目标车辆在目标行驶场景中行驶时,获取目标车辆的车速,并获取目标车辆及其周围预设范围内所存在的移动设备的移动速度,为了分辨出目标车辆上移动设备,将目标车辆的车速和所有获取的移动设备的移动速度进行匹配,确定出目标车辆上目标人员所携带移动设备的预设标识信息,从而可以将目标车辆的车牌信息和目标人员所携带移动设备的预设标识信息进行对应关联,得到目标人员的关联信息;此外,将目标人员的人脸图像进行特征提取,获取目标人员的人脸特征信息;从而基于目标人员的人脸特征信息和目标人员的关联信息,生成目标人员的人脸信息簇,从而提高人脸识别信息的丰富度,存储的人脸信息簇可应用于行驶场景中多维度准确识别车内人脸信息。
可选的,所述匹配模块包括:
比较单元,用于将目标车辆的车速分别和每个驾驶人员所携带移动设备的移动速度进行比较;
匹配成功单元,用于若目标车辆的车速与其中一个驾驶人员所携带移动设备的移动速度之间的误差值小于或等于预设误差范围,则确定匹配成功;
匹配失败单元,用于若目标车辆的车速与其他驾驶人员所携带移动设备的移动速度之间的误差值大于预设误差范围,则确定匹配失败;
关联单元,用于将匹配成功的驾驶人员所携带移动设备作为目标人员所携带移动设备,并将所述目标人员所携带移动设备的预设标识信息和目标车辆的车牌信息进行关联,得到目标人员的关联信息。
通过采用上述技术方案,将目标车辆的车速和每个驾驶人员所携带移动设备的移动速度进行比较,从而确定匹配是否成功,根据预设误差范围,只有一个驾驶人员所携带移动设备的移动速度与目标车辆的车速之间的误差值小于或等于预设误差范围,并将该驾驶人员作为目标人员,并将目标人员所携带移动设备和目标车辆进行信息关联,从而便于后续获取目标人员的人脸信息簇。
可选的,所述***还包括:
算法优化模块,用于获取所述目标车辆的实时车速,并将所述目标车辆的实时车速作为目标人员所携带移动设备的等效移动速度,根据目标人员所携带移动设备的等效移动速度优化信号衰减算法。
通过采用上述技术方案,可将目标车辆的实时移动速度看作是目标人员所携带移动设备的实时移动速度即等效移动速度,再结合获取目标人员所携带移动设备的信号衰减量,即可优化信号衰减算法中的系数k,从而使得信号衰减算法更加准确,并提高目标车辆和目标人员所携带移动设备关联的准确性。
第三方面,本申请提供的一种计算机设备,采用如下的技术方案:
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述车辆行驶场景下的人车信息关联方法的步骤。
第四方面,本申请提供的一种计算机可读存储介质,采用如下的技术方案:
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计算机程序,所述计算机程序被处理器执行时实现所述车辆行驶场景下的人车信息关联方法的步骤。
附图说明
图1是本申请实施例车辆行驶场景下的人车信息关联方法的实现流程图;
图2是本申请实施例车辆行驶场景下的人车信息关联方法步骤S2的实现流程图;
图3是本申请实施例车辆行驶场景下的人车信息关联方法步骤S4的实现流程图;
图4是本申请实施例车辆行驶场景下的人车信息关联***的原理框图;
图5是本申请实施例一计算机设备的原理框图。
具体实施方式
以下结合附图1-5对本申请作进一步详细说明。
如图1所示,本申请实施例公开一种车辆行驶场景下的人车信息关联方法,该方法包括:
S1:获取目标行驶场景中目标车辆的车牌信息和目标车辆上目标人员的人脸图像。
在本实施例中,目标行驶场景是指应用本实施例方法的行驶场景,比如城市道路或国道上的行驶场景;目标车辆是指需要对驾驶人员进行人脸信息提取的行驶车辆;目标人员是指目标车辆中的驾驶人员,在本实施例中,设定目标车辆只有驾驶人员一人。
需要说明的是,在目标行驶场景的道路上安装高清测速仪,利用高清测速仪拍摄行驶的目标车辆图像和目标车辆上目标人员的人脸图像,本实施例中,可以采用现有的车牌识别算法对目标车辆图像进行识别,以获取目标车辆的车牌信息;然后高清测速仪将获取的车牌信息和人脸图像上传至服务器。
S2:对人脸图像进行特征提取,以获取目标人员的人脸特征信息。
在本实施例中,人脸特征信息是指反映目标人员五官特征的信息。
需要说明的是,对目标人员的人脸图像进行图像预处理,然后将图像预处理后的人脸图像进行特征提取,获取目标人员五官特征的信息,即人脸特征信息。
S3:获取目标车辆的车速,同时获取在目标车辆的预设范围内存在的移动设备的移动速度,移动设备的数量不少一个,每个移动设备设定均由目标行驶场景上每个行驶车辆上的驾驶人员所携带。
在本实施例中,预设范围是指针对目标车辆附近存在移动设备的辐射信号的获取范围;移动设备是指目标车辆的预设范围内行驶车辆上唯一驾驶人员所携带的通讯设备,在本实施例中,该移动设备可以为手机;移动速度是指移动设备相对附近预设基站的移动速率。
需要说明的是,通过雷达测速仪获取目标车辆的车速,同时根据移动设备的辐射信号强度变化,获取移动设备的移动速度,即获取在目标车辆的预设范围内存在的驾驶人员所携带移动设备的移动速度,在本实施例中,
目标行驶场景上每个行驶车辆上均设定只有驾驶人员一人,驾驶人员均携带有移动设备;预设范围可以设置为以目标车辆的驾驶人员为圆心的五米范围内。
S4:将目标车辆的车速和每个驾驶人员所携带移动设备的移动速度进行匹配,若匹配成功,则将匹配成功的驾驶人员所携带移动设备作为目标人员所携带移动设备,并将目标人员所携带移动设备的预设标识信息和目标车辆的车牌信息进行关联,得到目标人员的关联信息。
在本实施例中,预设标识信息是指移动设备辐射信号并进行通信的唯一标识码;关联信息可以是指目标人员所携带移动设备的预设标识信息和目标车辆的车牌信息进行绑定或具有映射关系的信息。
需要说明的是,为了分辨出目标车辆上的移动设备,将目标车辆的车速和每个驾驶人员所携带移动设备的移动速度进行匹配,若匹配成功,说明目标车辆和目标车辆上驾驶人员的移动设备对应匹配成功,则将匹配成功的驾驶人员所携带移动设备确定为目标人员所携带移动设备,然后将目标人员所携带移动设备的预设标识信息和目标车辆的车牌信息进行信息关联,即可生成目标人员特定的关联信息,该关联信息可以作为目标人员人脸信息提取的参考信息。
S5:基于目标人员的人脸特征信息和目标人员的关联信息,生成目标人员的人脸信息簇。
在本实施例中,人脸信息簇是指与目标人员人脸信息相关的特征信息集合。
需要说明的是,将目标人员的关联信息和目标人员的人脸特征信息进行关联,即将目标人员所携带移动设备即手机的预设标识信息、目标车辆的车牌信息以及目标人员的人脸特征信息关联存储,生成目标人员的人脸信息簇。
在本实施例中,如图2所示,步骤S2中,对人脸图像进行特征提取,以获取目标人员的人脸特征信息,包括:
S21:对人脸图像进行图像预处理,并将图像预处理后对应的人脸图像作为目标人脸图像。
S22:利用预设的人脸识别模型对目标人脸图像进行识别,获取目标人员的人脸特征信息。
在本实施例中,目标人脸图像是指用于进行人脸特征提取的图像。
需要说明的是,对目标人员的人脸图像进行图像预处理,包括图像灰度化、中值滤波以及图像增强,并将图像预处理后对应的人脸图像作为目标人脸图像;然后利于预设的人脸识别模型对目标人脸图像进行特征识别,获取目标人员的人脸特征信息,在本实施例中,人脸识别模型可以采用LBP算法进行人脸特征提取。
在本实施例中,步骤S3中,获取在目标车辆的预设范围内存在的移动设备的移动速度,包括:
通过预设的基站获取在目标车辆的预设范围内存在的每个移动设备的信号衰减量情况,并基于预设的信号衰减算法,计算移动设备的移动速度。
在本实施例中,信号衰减量是指移动设备辐射信号在预设时间段内相对于基站的信号强度变化量。
需要说明的是,目标行驶场景附近设有基站,比如5G基站,通过基站获取在目标车辆的预设范围内存在的每个移动设备的实时信号强度,从而计算每个移动设备在预设时间段内的信号衰减量,在本实施例中,可由现有技术中的信号衰减与距离的关系,并基于信号衰减量计算移动设备在预设时间段内的移动距离,从而计算出每个移动设备的移动速度,在本实施例中,移动设备的移动速度可以用信号衰减算法表示:移动设备的移动速度=信号衰减量*k/t,其中k表示信号衰减量与距离关系的系数,t表示预设时间段,信号衰减量/t可以表示信号衰减率。
在本实施例中,如图3所示,步骤S4中,将目标车辆的车速和每个驾驶人员所携带移动设备的移动速度进行匹配,包括:
S41:将目标车辆的车速分别和每个驾驶人员所携带移动设备的移动速度进行比较。
S42:若目标车辆的车速与其中一个驾驶人员所携带移动设备的移动速度之间的误差值小于或等于预设误差范围,则确定匹配成功。
S43:若目标车辆的车速与其他驾驶人员所携带移动设备的移动速度之间的误差值大于预设误差范围,则确定匹配失败。
S44:将匹配成功的驾驶人员所携带移动设备作为目标人员所携带移动设备,并将目标人员所携带移动设备的预设标识信息和目标车辆的车牌信息进行关联,得到目标人员的关联信息。
需要说明的是,将目标车辆的车速分别和获取到的每个驾驶人员所携带移动设备的移动速度进行比较,从而确定匹配是否成功,根据预设误差范围,只有一个驾驶人员所携带移动设备的移动速度与目标车辆的车速之间的误差值小于或等于预设误差范围。
在本实施例中,步骤S44之后,即将目标人员所携带移动设备的预设标识信息和目标车辆的车牌信息进行关联,得到目标人员的关联信息之后,本实施例的人脸信息提取方法还包括:
获取目标车辆的实时车速,并将目标车辆的实时车速作为目标人员所携带移动设备的等效移动速度,根据目标人员所携带移动设备的等效移动速度优化信号衰减算法。
在本实施例中,实时车速是指在目标车辆和目标人员的移动设备关联后获取的车速;等效移动速度是指可看作是由目标车辆的实时车速而获得的目标人员所携带移动设备的实时移动速度。
需要说明的是,将目标车辆和目标人员所携带移动设备关联后,在后续确定目标人员所携带移动设备的实时移动速度时,可将目标车辆的实时移动速度看作是目标人员所携带移动设备的实时移动速度即等效移动速度,再结合获取目标人员所携带移动设备的实时信号衰减率,即可优化信号衰减算法中的系数k,从而使得信号衰减算法更加准确,并提高目标车辆和目标人员所携带移动设备关联的准确性。
可选的,步骤S5之后,即生成目标人员的人脸信息簇之后,本实施例的人脸信息提取方法还包括:
S6:获取当前行驶场景中当前车辆的当前车牌信息和当前车辆上当前驾驶人员的当前人脸图像;
S7:对当前人脸图像进行特征提取,以获取当前驾驶人员的当前人脸特征信息;
S8:获取当前车辆的当前车速,同时获取在当前车辆的预设范围内存在的移动设备的当前移动速度,移动设备的数量不少一个,每个移动设备设定均由当前行驶场景上每个行驶车辆上的驾驶人员所携带;
S9:将当前车辆的当前车速和每个驾驶人员所携带移动设备的当前移动速度进行匹配,若匹配成功,则将匹配成功的驾驶人员所携带移动设备作为当前驾驶人员所携带移动设备,获取当前驾驶人员所携带移动设备的通信标识信息;
S10:将当前驾驶人员所携带移动设备的通信标识信息、当前车辆的当前车牌信息以及当前驾驶人员的当前人脸特征信息,与人脸信息簇数据库进行匹配,若匹配成功,则确定当前人脸特征信息识别正确;若匹配失败,则确定当前人脸特征信息识别错误。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
本实施例还提供一种车辆行驶场景下的人车信息关联***,该车辆行驶场景下的人车信息关联***与上述实施例中车辆行驶场景下的人车信息关联方法一一对应。如图4所示,该车辆行驶场景下的人车信息关联***包括信息获取模块、特征提取模块、速度获取模块、匹配模块和生成模块。各功能模块详细说明如下:
信息获取模块,用于获取目标行驶场景中目标车辆的车牌信息和目标车辆上目标人员的人脸图像;
特征提取模块,用于对人脸图像进行特征提取,以获取目标人员的人脸特征信息;
速度获取模块,用于获取目标车辆的车速,同时获取在目标车辆的预设范围内存在的移动设备的移动速度,移动设备的数量不少一个,每个移动设备设定均由目标行驶场景上每个行驶车辆上的驾驶人员所携带;
匹配模块,用于将目标车辆的车速和每个驾驶人员所携带移动设备的移动速度进行匹配,若匹配成功,则将匹配成功的驾驶人员所携带移动设备作为目标人员所携带移动设备,并将目标人员所携带移动设备的预设标识信息和目标车辆的车牌信息进行关联,得到目标人员的关联信息;
生成模块,用于基于目标人员的人脸特征信息和目标人员的关联信息,生成目标人员的人脸信息簇。
可选的,特征提取模块包括:
预处理单元,用于对人脸图像进行图像预处理,并将图像预处理后对应的人脸图像作为目标人脸图像;
特征提取单元,用于利用预设的人脸识别模型对目标人脸图像进行识别,获取目标人员的人脸特征信息。
可选的,速度获取模块包括:
移动速度获取单元,用于通过预设的基站获取在目标车辆的预设范围内存在的每个移动设备的信号衰减量情况,并基于预设的信号衰减算法,计算移动设备的移动速度。
可选的,匹配模块包括:
比较单元,用于将目标车辆的车速分别和每个驾驶人员所携带移动设备的移动速度进行比较;
匹配成功单元,用于若目标车辆的车速与其中一个驾驶人员所携带移动设备的移动速度之间的误差值小于或等于预设误差范围,则确定匹配成功;
匹配失败单元,用于若目标车辆的车速与其他驾驶人员所携带移动设备的移动速度之间的误差值大于预设误差范围,则确定匹配失败;
关联单元,用于将匹配成功的驾驶人员所携带移动设备作为目标人员所携带移动设备,并将目标人员所携带移动设备的预设标识信息和目标车辆的车牌信息进行关联,得到目标人员的关联信息。
可选的,本实施例的人脸信息提取***还包括:
算法优化模块,用于获取目标车辆的实时车速,并将目标车辆的实时车速作为目标人员所携带移动设备的等效移动速度,根据目标人员所携带移动设备的等效移动速度优化信号衰减算法。
可选的,生成模块包括:
生成单元,用于将目标人员的预设标识信息和目标车辆的车牌信息进行关联,生成人车特征信息,基于人车特征信息和目标人员的人脸特征信息,生成目标人员的人脸信息簇。
关于车辆行驶场景下的人车信息关联***的具体限定可以参见上文中对于车辆行驶场景下的人车信息关联方法的限定,在此不再赘述。上述车辆行驶场景下的人车信息关联***中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
本实施例还提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图5所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储车牌信息、人脸图像、车速以及移动设备的移动速度等信息。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种车辆行驶场景下的人车信息关联方法,处理器执行计算机程序时实现以下步骤:
S1:获取目标行驶场景中目标车辆的车牌信息和目标车辆上目标人员的人脸图像;
S2:对人脸图像进行特征提取,以获取目标人员的人脸特征信息;
S3:获取目标车辆的车速,同时获取在目标车辆的预设范围内存在的移动设备的移动速度,移动设备的数量不少一个,每个移动设备设定均由目标行驶场景上每个行驶车辆上的驾驶人员所携带;
S4:将目标车辆的车速和每个驾驶人员所携带移动设备的移动速度进行匹配,若匹配成功,则将匹配成功的驾驶人员所携带移动设备作为目标人员所携带移动设备,并将目标人员所携带移动设备的预设标识信息和目标车辆的车牌信息进行关联,得到目标人员的关联信息;
S5:基于目标人员的人脸特征信息和目标人员的关联信息,生成目标人员的人脸信息簇。
本实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
S1:获取目标行驶场景中目标车辆的车牌信息和目标车辆上目标人员的人脸图像;
S2:对人脸图像进行特征提取,以获取目标人员的人脸特征信息;
S3:获取目标车辆的车速,同时获取在目标车辆的预设范围内存在的移动设备的移动速度,移动设备的数量不少一个,每个移动设备设定均由目标行驶场景上每个行驶车辆上的驾驶人员所携带;
S4:将目标车辆的车速和每个驾驶人员所携带移动设备的移动速度进行匹配,若匹配成功,则将匹配成功的驾驶人员所携带移动设备作为目标人员所携带移动设备,并将目标人员所携带移动设备的预设标识信息和目标车辆的车牌信息进行关联,得到目标人员的关联信息;
S5:基于目标人员的人脸特征信息和目标人员的关联信息,生成目标人员的人脸信息簇。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上均为本申请的较佳实施例,并非依此限制本申请的保护范围,故:凡依本申请的结构、形状、原理所做的等效变化,均应涵盖于本申请的保护范围之内。
Claims (10)
1.一种车辆行驶场景下的人车信息关联方法,其特征在于:所述方法包括:
获取目标行驶场景中目标车辆的车牌信息和所述目标车辆上目标人员的人脸图像;
对所述人脸图像进行特征提取,以获取所述目标人员的人脸特征信息;
获取目标车辆的车速,同时获取在所述目标车辆的预设范围内存在的移动设备的移动速度,所述移动设备的数量不少一个,每个移动设备设定均由目标行驶场景上每个行驶车辆上的驾驶人员所携带;
将目标车辆的车速和每个驾驶人员所携带移动设备的移动速度进行匹配,若匹配成功,则将匹配成功的驾驶人员所携带移动设备作为目标人员所携带移动设备,并将所述目标人员所携带移动设备的预设标识信息和目标车辆的车牌信息进行关联,得到目标人员的关联信息;
基于目标人员的人脸特征信息和目标人员的关联信息,生成目标人员的人脸信息簇。
2.根据权利要求1所述的车辆行驶场景下的人车信息关联方法,其特征在于:对所述人脸图像进行特征提取,以获取所述目标人员的人脸特征信息,包括:
对所述人脸图像进行图像预处理,并将图像预处理后对应的人脸图像作为目标人脸图像;
利用预设的人脸识别模型对所述目标人脸图像进行识别,获取所述目标人员的人脸特征信息。
3.根据权利要求1所述的车辆行驶场景下的人车信息关联方法,其特征在于:获取在所述目标车辆的预设范围内存在的移动设备的移动速度,包括:
通过预设的基站获取在目标车辆的预设范围内存在的每个移动设备的信号衰减量情况,并基于预设的信号衰减算法,计算移动设备的移动速度。
4.根据权利要求3所述的车辆行驶场景下的人车信息关联方法,其特征在于:将目标车辆的车速和每个驾驶人员所携带移动设备的移动速度进行匹配,包括:
将目标车辆的车速分别和每个驾驶人员所携带移动设备的移动速度进行比较;
若目标车辆的车速与其中一个驾驶人员所携带移动设备的移动速度之间的误差值小于或等于预设误差范围,则确定匹配成功;
若目标车辆的车速与其他驾驶人员所携带移动设备的移动速度之间的误差值大于预设误差范围,则确定匹配失败;
将匹配成功的驾驶人员所携带移动设备作为目标人员所携带移动设备,并将所述目标人员所携带移动设备的预设标识信息和目标车辆的车牌信息进行关联,得到目标人员的关联信息。
5.根据权利要求4所述的车辆行驶场景下的人车信息关联方法,其特征在于:将所述目标人员所携带移动设备的预设标识信息和目标车辆的车牌信息进行关联,得到目标人员的关联信息之后,所述方法还包括:
获取所述目标车辆的实时车速,并将所述目标车辆的实时车速作为目标人员所携带移动设备的等效移动速度,根据目标人员所携带移动设备的等效移动速度优化信号衰减算法。
6.一种车辆行驶场景下的人车信息关联***,其特征在于:所述***包括:
信息获取模块,用于获取目标行驶场景中目标车辆的车牌信息和所述目标车辆上目标人员的人脸图像;
特征提取模块,用于对所述人脸图像进行特征提取,以获取所述目标人员的人脸特征信息;
速度获取模块,用于获取目标车辆的车速,同时获取在所述目标车辆的预设范围内存在的移动设备的移动速度,所述移动设备的数量不少一个,每个移动设备设定均由目标行驶场景上每个行驶车辆上的驾驶人员所携带;
匹配模块,用于将目标车辆的车速和每个驾驶人员所携带移动设备的移动速度进行匹配,若匹配成功,则将匹配成功的驾驶人员所携带移动设备作为目标人员所携带移动设备,并将所述目标人员所携带移动设备的预设标识信息和目标车辆的车牌信息进行关联,得到目标人员的关联信息;
生成模块,用于基于目标人员的人脸特征信息和目标人员的关联信息,生成目标人员的人脸信息簇。
7.根据权利要求6所述的车辆行驶场景下的人车信息关联***,其特征在于:所述匹配模块包括:
比较单元,用于将目标车辆的车速分别和每个驾驶人员所携带移动设备的移动速度进行比较;
匹配成功单元,用于若目标车辆的车速与其中一个驾驶人员所携带移动设备的移动速度之间的误差值小于或等于预设误差范围,则确定匹配成功;
匹配失败单元,用于若目标车辆的车速与其他驾驶人员所携带移动设备的移动速度之间的误差值大于预设误差范围,则确定匹配失败;
关联单元,用于将匹配成功的驾驶人员所携带移动设备作为目标人员所携带移动设备,并将所述目标人员所携带移动设备的预设标识信息和目标车辆的车牌信息进行关联,得到目标人员的关联信息。
8.根据权利要求6所述的车辆行驶场景下的人车信息关联***,其特征在于,所述***还包括:
算法优化模块,用于获取所述目标车辆的实时车速,并将所述目标车辆的实时车速作为目标人员所携带移动设备的等效移动速度,根据目标人员所携带移动设备的等效移动速度优化信号衰减算法。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述车辆行驶场景下的人车信息关联方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述车辆行驶场景下的人车信息关联方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110459065.2A CN113158927A (zh) | 2021-04-27 | 2021-04-27 | 车辆行驶场景下的人车信息关联方法、***、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110459065.2A CN113158927A (zh) | 2021-04-27 | 2021-04-27 | 车辆行驶场景下的人车信息关联方法、***、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113158927A true CN113158927A (zh) | 2021-07-23 |
Family
ID=76871357
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110459065.2A Pending CN113158927A (zh) | 2021-04-27 | 2021-04-27 | 车辆行驶场景下的人车信息关联方法、***、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113158927A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180012092A1 (en) * | 2016-07-05 | 2018-01-11 | Nauto, Inc. | System and method for automatic driver identification |
CN107888877A (zh) * | 2017-11-13 | 2018-04-06 | 毛国强 | 车辆追踪及道路交通信息采集的方法及其*** |
CN109033451A (zh) * | 2018-08-21 | 2018-12-18 | 北京深瞐科技有限公司 | 人车动态档案分析方法及装置 |
CN109214320A (zh) * | 2018-08-23 | 2019-01-15 | 中国电子科技集团公司电子科学研究院 | 基于视频分析的人车关联方法及装置 |
CN110837753A (zh) * | 2018-08-16 | 2020-02-25 | 成都华迈通信技术有限公司 | 一种人车物识别布控的集分模型及其使用方法 |
CN112364176A (zh) * | 2020-10-26 | 2021-02-12 | 青岛海信网络科技股份有限公司 | 一种人员行动轨迹的构建方法、设备及*** |
-
2021
- 2021-04-27 CN CN202110459065.2A patent/CN113158927A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180012092A1 (en) * | 2016-07-05 | 2018-01-11 | Nauto, Inc. | System and method for automatic driver identification |
CN107888877A (zh) * | 2017-11-13 | 2018-04-06 | 毛国强 | 车辆追踪及道路交通信息采集的方法及其*** |
CN110837753A (zh) * | 2018-08-16 | 2020-02-25 | 成都华迈通信技术有限公司 | 一种人车物识别布控的集分模型及其使用方法 |
CN109033451A (zh) * | 2018-08-21 | 2018-12-18 | 北京深瞐科技有限公司 | 人车动态档案分析方法及装置 |
CN109214320A (zh) * | 2018-08-23 | 2019-01-15 | 中国电子科技集团公司电子科学研究院 | 基于视频分析的人车关联方法及装置 |
CN112364176A (zh) * | 2020-10-26 | 2021-02-12 | 青岛海信网络科技股份有限公司 | 一种人员行动轨迹的构建方法、设备及*** |
Non-Patent Citations (1)
Title |
---|
张春炯,陈立万等: "基于RSSI测距信号衰减因子的WSN定位算法研究", 《电子产品世界》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111667011B (zh) | 损伤检测模型训练、车损检测方法、装置、设备及介质 | |
CN110533925B (zh) | 车辆违法视频的处理方法、装置、计算机设备及存储介质 | |
US11205276B2 (en) | Object tracking method, object tracking device, electronic device and storage medium | |
CN108268867B (zh) | 一种车牌定位方法及装置 | |
CN110807491A (zh) | 车牌图像清晰度模型训练方法、清晰度检测方法及装置 | |
CN110634153A (zh) | 目标跟踪模板更新方法、装置、计算机设备和存储介质 | |
CN111461170A (zh) | 车辆图像检测方法、装置、计算机设备及存储介质 | |
CN110059700B (zh) | 图像摩尔纹识别方法、装置、计算机设备及存储介质 | |
CN111860352B (zh) | 一种多镜头车辆轨迹全跟踪***及方法 | |
CN110826484A (zh) | 车辆重识别的方法、装置、计算机设备及模型训练方法 | |
CN111191532A (zh) | 基于施工区域的人脸识别方法、装置、计算机设备 | |
CN111553268A (zh) | 车辆部件识别方法、装置、计算机设备和存储介质 | |
CN111368639A (zh) | 车辆越线判定方法、装置、计算机设备和存储介质 | |
CN114758424B (zh) | 基于多重校验机制的智能支付设备及其支付方法 | |
CN110807123A (zh) | 车辆长度计算方法、装置、***、计算机设备及存储介质 | |
CN111582077A (zh) | 基于人工智能软件技术的安全带佩戴检测方法和装置 | |
CN112766273A (zh) | 一种车牌识别方法 | |
CN110765952A (zh) | 车辆违法视频的处理方法、装置及计算机设备 | |
CN110728680A (zh) | 行车记录仪检测方法、装置、计算机设备和存储介质 | |
CN114092515A (zh) | 用于障碍遮挡的目标跟踪检测方法、装置、设备及介质 | |
CN113158927A (zh) | 车辆行驶场景下的人车信息关联方法、***、设备及介质 | |
CN112241705A (zh) | 基于分类回归的目标检测模型训练方法和目标检测方法 | |
CN109543610B (zh) | 车辆检测跟踪方法、装置、设备及存储介质 | |
CN117115801A (zh) | 车牌真伪识别方法、装置、设备及存储介质 | |
CN112580457A (zh) | 车辆视频的处理方法、装置、计算机设备和存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210723 |
|
RJ01 | Rejection of invention patent application after publication |