基于人脸识别的公交车安全保障系统技术方案

本发明专利技术公开了基于人脸识别的公交车安全保障系统，通过采集驾驶室及驾驶室周围区域的生物图像信息，获取公交车驾驶员和进入该区域的乘客的人脸图像信息，通过人脸识别技术验证驾驶员本人身份，防止公交车驾驶权被非法抢占；通过人脸识别技术判断驾驶员是否处于危险驾驶状态，防止驾驶员因出现疲劳、愤怒等状况影响安全驾驶，当采集到非驾驶人员图像信息，则按照预设的意外事件识别机制判断是否发生意外事件，若判断发生意外事件，则进行声音报警，同时控制车辆切换至自动驾驶模式，当意外事件停止后再恢复正常运行，从而排除掉影响公交车安全驾驶的主要因素。

【技术实现步骤摘要】
基于人脸识别的公交车安全保障系统
本专利技术涉及智能公交安全保障
，尤其涉及一种基于人脸识别的公交车安全保障系统。
技术介绍
公交车驾驶员驾驶车辆需要注意力高度集中，每日连续驾驶时间长，易出现疲劳驾驶的状况，而公交车驾驶属于公共交通服务行业，有时会因为意外事件与乘客发生冲突争执的情况，导致公交车司机愤怒驾驶，公交车司机受情绪不稳定的状态影响，容易导致驾驶失误，从而发生交通事故。目前，通常采用在公交车上安装摄像头，将车上影像数据无线传输至公交公司管理中心进行监管，但公交公司管理中心不可能做到每时每刻监控多辆公交车的车内状况，而且在发现情况后再处理往往为时已晚。
技术实现思路
本专利技术提供基于人脸识别的公交车安全保障系统，以克服上述技术问题。本专利技术基于人脸识别的公交车安全保障系统，包括：通过图像信息采集设备采集车辆内驾驶监视区域的生物图像信息；所述驾驶监视区域，包括：驾驶室区域以及以所述驾驶室区域为中心，给定距离为半径的驾驶室周围区域；所述生物图像信息，包括：驾驶员人脸图像信息和非驾驶人员图像信息；根据采集到的所述驾驶员人脸图像信息对驾驶员进行人脸识别，以验证驾驶位上人员是否为驾驶员本人，并判断驾驶员是否处于危险驾驶状态；根据采集到的所述非驾驶人员图像信息，按照预设的意外事件识别机制判断所述驾驶监视区域内是否发生意外事件；若判断驾驶员处于所述危险驾驶状态，则对驾驶员进行驾驶行为报警提醒，并在超过所述报警提醒的限制后，控制车辆切换至第一自动驾驶模式；<br>若判断发生所述意外事件，则进行声音报警，同时控制车辆切换至第二自动驾驶模式。进一步地，所述根据采集到的所述驾驶员人脸图像信息对驾驶员进行人脸识别，以验证驾驶位上人员是否为驾驶员本人，包括：采用面纹模板法通过面像对比来验证驾驶位上人员是否为驾驶员本人；所述面纹模板法包括：S21、在数据库中存储全部公交车司机的面像和面像器官信息；S22、在数据库中查找与所述驾驶员人脸图像信息匹配度超过设定阈值的公交车司机的面像和面像器官信息；采用式(1)计算所述匹配度；式中，x为驾驶员人脸图像，y为数据库中存储的某一公交车司机的面像；dis为匹配度；Vx，Vy表示人脸图像信息匹配置信度，取值范围[0,1]，l(*)表示使用孪生网络抽取后的特征，f(*)表示从面像中提取器官信息；S23、若查找到符合的所述面像和面像器官信息，则与所述驾驶员人脸图像信息进行归一化相关量度量匹配处理，若匹配，则判定为是驾驶员本人；通过式(2)对所述驾驶员人脸图像信息进行归一化相关量度量匹配处理；po＝Vilm(x,y)+Vjlm(x′,y′)+ln(f(x),f(y),Vj)+ln(f(x′),f(x′,y′),Vi)(2)式中，Vi,Vj表示归一化相关量度量匹配置信度，取值范围[0,1]，ln(*)表示使用对比损失训练的孪生网络抽取后的特征，lm(*)表示使用二值化交叉熵损失训练的孪生网络抽取后的特征，f(*)表示从面像中提取器官信息，x′,y′表示归一化后的人脸图像；po表示是同一个人的可能性。进一步地，所述判断驾驶员是否处于危险驾驶状态，包括：所述危险驾驶状态，包括：疲劳驾驶状态和愤怒驾驶状态；S31、通过式(3)根据所述驾驶员人脸图像信息利用模板匹配算法进行人脸检测；式中，I为输入的人脸图像，n表示图片被切分成的块数，n＝15，为块t的特征匹配函数，W为通用人脸模板的线性回归矩阵，ω表示权重,f表示使用卷积抽取图像特征，c表示用户的人脸位置矩形框；S32、采用空间模式聚类方法分割出所述驾驶员人脸图像信息中眼睛和嘴巴的图像信息；S33、分别建立疲劳驾驶特征和愤怒驾驶特征样本库，并对所述疲劳驾驶特征和愤怒驾驶特征样本库进行SVM训练；S34、根据所述疲劳驾驶特征和愤怒驾驶特征样本库，通过SVM综合所述眼睛和嘴巴的图像信息判断驾驶员是否处于所述疲劳驾驶状态和/或愤怒驾驶状态。进一步地，所述根据采集到的所述非驾驶人员图像信息，按照预设的意外事件识别机制判断所述驾驶监视区域内是否发生意外事件，包括：当检测到所述非驾驶人员图像信息在所述驾驶室周围区域内超过预先设定的违规停留时间，启动意外事件识别机制。进一步地，所述根据采集到的所述非驾驶人员图像信息，按照预设的意外事件识别机制判断所述驾驶室周围区域内是否发生意外事件，还包括：当检测到所述非驾驶人员图像信息出现在所述驾驶室区域内，启动意外事件识别机制。进一步地，所述意外事件识别机制，包括：根据所述非驾驶人员图像信息利用模板匹配算法进行人脸检测；采用空间模式聚类方法分割出所述非驾驶人员图像信息中眼睛和嘴巴的图像信息；建立愤怒特征样本库，并对所述愤怒特征样本库进行SVM训练；根据所述愤怒特征样本库，通过SVM综合所述眼睛和嘴巴的图像信息判断非驾驶人员是否处于愤怒状态。进一步地，所述第一自动驾驶模式为车辆自动减速慢行驾驶模式；所述第二自动驾驶模式为车辆自动紧急靠边停车驾驶模式。本专利技术通过采集驾驶室及驾驶室周围区域的生物图像信息，获取公交车驾驶员和进入该区域的乘客的人脸图像信息，通过人脸识别技术验证驾驶员本人身份，防止公交车驾驶权被非法抢占；通过人脸识别技术判断驾驶员是否处于危险驾驶状态，若判断驾驶员处于危险驾驶状态，则对驾驶员进行驾驶行为报警提醒，并控制车辆切换至第一自动驾驶模式，防止驾驶员因出现疲劳、愤怒等状况影响安全驾驶；当采集到非驾驶人员图像信息，则按照预设的意外事件识别机制判断是否发生意外事件，若判断发生意外事件，则进行声音报警，同时控制车辆切换至第二自动驾驶模式，当意外事件停止后再恢复正常运行，从而排除掉影响公交车安全驾驶的主要因素。附图说明为了更清楚地说明本专利技术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以简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术的方法流程图；图2为本专利技术中通过人脸识别技术判断疲劳和愤怒状态的方法逻辑图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。如图1所示，本实施例提供了基于人脸识别的公交车安全保障系统，包括：101、通过图像信息采集设备采集车辆内驾驶监视区域的生物图像信息；驾驶监视区域包括：驾驶室区域以及以所述驾驶室区域为中心，给定距离为半径的驾驶室周围区域；生物图像信息包括：驾驶员人脸图像信息和非驾驶人员图像信息；具体而言，本文档来自技高网...

【技术保护点】
1.基于人脸识别的公交车安全保障系统，其特征在于，包括：/n通过图像信息采集设备采集车辆内驾驶监视区域的生物图像信息；所述驾驶监视区域，包括：驾驶室区域以及以所述驾驶室区域为中心，给定距离为半径的驾驶室周围区域；所述生物图像信息，包括：驾驶员人脸图像信息和非驾驶人员图像信息；/n根据采集到的所述驾驶员人脸图像信息对驾驶员进行人脸识别，以验证驾驶位上人员是否为驾驶员本人，并判断驾驶员是否处于危险驾驶状态；/n根据采集到的所述非驾驶人员图像信息，按照预设的意外事件识别机制判断所述驾驶监视区域内是否发生意外事件；/n若判断驾驶员处于所述危险驾驶状态，则对驾驶员进行驾驶行为报警提醒，并在超过所述报警提醒的限制后，控制车辆切换至第一自动驾驶模式；/n若判断发生所述意外事件，则进行声音报警，同时控制车辆切换至第二自动驾驶模式。/n

【技术特征摘要】
1.基于人脸识别的公交车安全保障系统，其特征在于，包括：
通过图像信息采集设备采集车辆内驾驶监视区域的生物图像信息；所述驾驶监视区域，包括：驾驶室区域以及以所述驾驶室区域为中心，给定距离为半径的驾驶室周围区域；所述生物图像信息，包括：驾驶员人脸图像信息和非驾驶人员图像信息；
根据采集到的所述驾驶员人脸图像信息对驾驶员进行人脸识别，以验证驾驶位上人员是否为驾驶员本人，并判断驾驶员是否处于危险驾驶状态；
根据采集到的所述非驾驶人员图像信息，按照预设的意外事件识别机制判断所述驾驶监视区域内是否发生意外事件；
若判断驾驶员处于所述危险驾驶状态，则对驾驶员进行驾驶行为报警提醒，并在超过所述报警提醒的限制后，控制车辆切换至第一自动驾驶模式；
若判断发生所述意外事件，则进行声音报警，同时控制车辆切换至第二自动驾驶模式。


2.根据权利要求1所述的基于人脸识别的公交车安全保障系统，其特征在于，所述根据采集到的所述驾驶员人脸图像信息对驾驶员进行人脸识别，以验证驾驶位上人员是否为驾驶员本人，包括：
采用面纹模板法通过面像对比来验证驾驶位上人员是否为驾驶员本人；所述面纹模板法包括：
S21、在数据库中存储全部公交车司机的面像和面像器官信息；
S22、在数据库中查找与所述驾驶员人脸图像信息匹配度超过设定阈值的公交车司机的面像和面像器官信息；
采用式(1)计算所述匹配度；



式中，x为驾驶员人脸图像，y为数据库中存储的某一公交车司机的面像；dis为匹配度；Vx，Vy表示人脸图像信息匹配置信度，取值范围[0，1]，l(*)表示使用孪生网络抽取后的特征，f(*)表示从面像中提取器官信息；
S23、若查找到符合的所述面像和面像器官信息，则与所述驾驶员人脸图像信息进行归一化相关量度量匹配处理，若匹配，则判定为是驾驶员本人；
通过式(2)对所述驾驶员人脸图像信息进行归一化相关量度量匹配处理；
po＝Vilm(x，y)+Vjlm(x′，y′)+ln(f(x)，f(y)，Vj)+ln(f(x′)，f(x′，y′)，Vi)(2)
式中，Vi，Vj表示归一化相关量度量匹配置信度，取值范围[0，1]，ln(*)表示使用对比损失训练的孪生网络抽取后的特征，lm(*)表示使用二值化交叉熵损失训练的孪生网络抽取后的特征，f(*)表示从面像中提取器官信息，x′，y′表示归一化后的人脸图像；po表示...

【专利技术属性】
技术研发人员：张世强，姜贵鹏，孙宏飞，赵岩，
申请(专利权)人：华录智达科技股份有限公司，
类型：发明
国别省市：辽宁;21