一种用于智能驾考的靠边停车判断方法技术

本发明专利技术公开了一种智能驾考的靠边停车判断方法，包括如下步骤：记录并生成人脸关键点特征向量，保存至数据库中；通常速度传感器判断车速是否大于0且小于20，判断右转向灯是否开启，从数据库中提取人脸关键点特征向量，并判断驾驶员是否有观察内后视镜的动作；判断是否有观察右外视镜的动作，判断是否有回头观察右B柱位置确认安全的动作；以上判断若有则记录此条标志为0，若无则记录此条标志为1，并保存相关图片；对整个过程进行统计分析，并输出考试结果。本发明专利技术实现了对考试全程智能评判，且考官可在后台对考试道路停车环节进行监督，既节约了警力，又保证了考试工作的公平、公正和公开。

【技术实现步骤摘要】
一种用于智能驾考的靠边停车判断方法
本专利技术涉及驾照考试的人工智能判断
，特别涉及一种用于智能驾考的靠边停车判断方法。
技术介绍
随着汽车的快速普及，每年学习和考取机动车驾驶证的人也越来越多，从而导致驾照考试的培训和考试任务变得非常繁重。为了适应新形式下的驾培、考试行业发展要求，公安部于2012年修改了《中华人民共和国公共安庆行业标准——机动车驾驶人考试场地、系统及考试内容与要求》，并于2013年1月1日按《公安部第123号令》新标准执行。其中，靠边停车考试项目，要求考生在车辆行驶过程中，根据靠边停车标志牌的位置及车速快慢观察右、后方交通情况，适时开启右转向灯，降低车速，使汽车靠道路右侧缓行，并适时踏下离合器踏板，使用制动踏板，使汽车平稳、正直地停在道路右侧边沿。针对靠边停车这个考试项目，传统的评判系统主要包括两种：1、人工监考；由监考老师全程跟踪，并判断驾驶员的行车及停车规范，这种方式需要消耗大量的人力，且效率低；针对如今大规模考生，已经无法满足驾考的需求。2、采用高精度GPS定位方式；在驾考车辆上安装GPS定位模块，精度可达到厘米级别，通过车辆在移动中的GPS定位来进行合格与否的判定。这种评判系统的缺点是：设备造价较为昂贵，且仅能判断考生的行车路线问题，定位模块无法识别判断驾驶员的行车操作是否规范，因此无法大规模普及。
技术实现思路
本专利技术的目的是：提出一种智能驾考的靠边停车判断方法，其能够采集人脸信息结合转向灯信息以及速度传感器信息，从而综合判断考生的操作是否规范，以满足如今对智能驾考的需求。本专利技术解决其技术问题所采用的技术方案是：一种智能驾考的靠边停车判断方法，包括如下步骤：S1、记录驾驶员的人脸框坐标信息，生成人脸关键点特征向量，并保存至数据库中；S2、通过速度传感器判断车速是否大于0且小于20，若否则直接结束考试，若是则执行下一步；S3、判断右转向灯是否开启，若否则直接结束考试，若是则执行下一步；S4、从数据库中提取人脸关键点特征向量，并判断驾驶员是否有观察内后视镜的动作，若有则记录此条标志为0，若无则记录此条标志为1，并保存相关图片；S5、根据提取的人脸关键点特征向量，判断驾驶员是否有观察右外视镜的动作，若有则记录此条标志为0，若无则记录此条标志为1，并保存相关图片；S6、根据提取的人脸关键点特征向量，判断驾驶员是否有回头观察右B柱位置确认安全的动作，若有则记录此条标志为0，若无则记录此条标志为1，并保存相关图片；S7、对整个过程的动作结果进行统计分析，记录标志全部为0，则考试结束并通过，若存在标志1，则考试结束并不通过。进一步，所述人脸关键点特征向量的生成步骤如下：S11、首先通过深度学习网络提取人脸关键特征点和人脸框坐标；S12、由提取的人脸关键特征点和人脸框坐标计算出人脸关键点特征向量，由八组人脸姿态组成，包含：左大幅度转头、左小幅度转头、正视前方、低头、小幅度右转抬头、右下低头、右小幅度转头和右大幅度转头，分别对应驾驶员看左B柱、看左后视镜、看正前方、看仪表盘、看内后镜、看档位、看右后视镜和看右B柱八组动作；S13、以一长度为8的数组，其包含元素分别对应驾驶员的八组脸部动作，当数组中某一元素为1时，表示当前驾驶员的脸部姿态检测为该元素对应的动作，如：数组当前取值为[1,0,0,0,0,0,0,0],对应驾驶员脸部姿态为“左大幅度转头”。进一步，所述人脸关键特征点包括眼部、鼻尖和嘴角的特征点的坐标。本专利技术的有益效果是：本专利技术主要应用于机动车驾驶人科目三道路考试现场停车项目的管理，其实现了对考试全程的智能判断，并适用于省、市及县一级驾考主管部门对所辖各分考场的集中管理和监控，考官在后台即可对考试道路停车环节进行监督，既节约了警力，又保证了考试工作的公平、公正和公开。附图说明图1是本专利技术的靠边停车判断流程图。图2是人脸关键点特征向量的提取流程图。具体实施方式以下结合附图，对本专利技术做进一步说明。本专利技术的实施方式主要基于人脸关注点判断模块。人脸关注点判断模块是通过提取图像中驾驶员的人脸框，通过深度学习网络判断驾驶员的面部转向，进而判断其观察的位置。人脸关注点判断的具体方法包括：通过深度学习网络可提取人脸的关键特征点和人脸框；通过关键特征点和人脸框计算出人脸关注点的特征向量；再以一长度为8的数组所包含元素以表示驾驶员脸部姿态动作。本专利技术的靠边停车判断标准如下：停车前，不通过内、外后视镜观察后方和右侧交通情况，并回头观察确认安全。其中，“停车前”具体指：车已在最右车道、打右转向灯进行右方停车、速度趋零时。“停车前”的状态认定，必须满足两个条件：1、判断速度传感器的速度是否大于0且小于20；2、检测右转向灯是否开启，若开启，则认定为停车前。涉及的违规点包括：是否有观察内后视镜动作，是否有观察右外后视镜动作，是否有观察右B柱的动作确认安全。本专利技术的实施具体流程如图1所示，一种智能驾考的靠边停车判断方法，包括如下步骤：S1、记录驾驶员的人脸特征点信息，生成人脸关键点特征向量，并保存至数据库中；S2、通过速度传感器判断车速是否大于0且小于20，若否则直接结束考试，若是则执行下一步；S3、判断右转向灯是否开启，若否则直接结束考试，若是则执行下一步；S4、从数据库中提取人脸关键点特征向量，并判断驾驶员是否有观察内后视镜的动作，若有则记录此条标志为0，若无则记录此条标志为1，并保存相关图片；S5、根据提取的人脸关键点特征向量，并判断驾驶员是否有观察右外视镜的动作，若有则记录此条标志为0，若无则记录此条标志为1，并保存相关图片；S6、根据提取的人脸关键点特征向量，并判断驾驶员是否有回头观察右B柱确认安全的动作，若有则记录此条标志为0，若无则记录此条标志为1，并保存相关图片；S7、对整个过程的动作结果进行统计分析，记录标志全部为0，则考试结束并通过，若存在标志1，则考试结束并不通过。如图2所示，其中，人脸关键点特征向量的生成步骤如下：S11、首先通过深度学习网络提取人脸关键特征点和人脸框坐标；S12、由提取的人脸关键特征点和人脸框坐标计算出人脸关键点特征向量，由八组人脸姿态组成，包含：左大幅度转头、左小幅度转头、正视前方、低头、小幅度右转抬头、右下低头、右小幅度转头和右大幅度转头，分别对应驾驶员看左B柱、看左后视镜、看正前方、看仪表盘、看内后镜、看档位、看右后视镜和看右B柱八组动作；S13、以一长度为8的数组，其包含元素分别对应驾驶员的八组脸部动作，当数组中某一元素为1时，表示当前驾驶员的脸部姿态检测为该元素对应的动作，如：数组当前取值为[1,0,0,0,0,0,0,0],对应驾驶员脸部姿态为“左大幅度转头”。其中，人脸关键特征点包括眼部、鼻尖和嘴角的特征点的坐标。以上显示和描述了本方案的基本原理和主要特征和本方案的优点。本行业的技术人员应该了解，本方案不受上述实施例的限制，上述实施例和说明书中描述的只是说明本方案的原理，在不脱离本方案精神和范围的前提下，本方案还会有各种变化和改进，这些变化和改进都落入要求保护的本方案范围内。本方案要求保护范围由所附的权利要求书及其等效物界定。本文档来自技高网...

【技术保护点】
一种智能驾考的靠边停车判断方法，其特征在于，包括如下步骤：S1、记录驾驶员的人脸框坐标信息，生成人脸关键点特征向量，并保存至数据库中；S2、通过速度传感器判断车速是否大于0且小于20，若否则直接结束考试，若是则执行下一步；S3、判断右转向灯是否开启，若否则直接结束考试，若是则执行下一步；S4、从数据库中提取人脸关键点特征向量，并判断驾驶员是否有观察内后视镜的动作，若有则记录此条标志为0，若无则记录此条标志为1，并保存相关图片；S5、根据提取的人脸关键点特征向量，判断驾驶员是否有观察右外视镜的动作，若有则记录此条标志为0，若无则记录此条标志为1，并保存相关图片；S6、根据提取的人脸关键点特征向量，判断驾驶员是否有回头观察右B柱位置确认安全的动作，若有则记录此条标志为0，若无则记录此条标志为1，并保存相关图片；S7、对整个过程的动作结果进行统计分析，记录标志全部为0，则考试结束并通过，若存在标志1，则考试结束并不通过。

【技术特征摘要】
1.一种智能驾考的靠边停车判断方法，其特征在于，包括如下步骤：S1、记录驾驶员的人脸框坐标信息，生成人脸关键点特征向量，并保存至数据库中；S2、通过速度传感器判断车速是否大于0且小于20，若否则直接结束考试，若是则执行下一步；S3、判断右转向灯是否开启，若否则直接结束考试，若是则执行下一步；S4、从数据库中提取人脸关键点特征向量，并判断驾驶员是否有观察内后视镜的动作，若有则记录此条标志为0，若无则记录此条标志为1，并保存相关图片；S5、根据提取的人脸关键点特征向量，判断驾驶员是否有观察右外视镜的动作，若有则记录此条标志为0，若无则记录此条标志为1，并保存相关图片；S6、根据提取的人脸关键点特征向量，判断驾驶员是否有回头观察右B柱位置确认安全的动作，若有则记录此条标志为0，若无则记录此条标志为1，并保存相关图片；S7、对整个过程的动作结果进行统计分析，记录标志全部为0，则考试结束并通过，若存在标志1，则考试结束...

【专利技术属性】
技术研发人员：周康明，
申请(专利权)人：上海眼控科技股份有限公司，
类型：发明
国别省市：上海,31