司机驾驶途中人脸识别方法、电子设备和计算机存储介质技术

本发明专利技术提供一种司机驾驶途中人脸识别方法、电子设备和计算机存储介质，该方法包括：实时采集并输入司机照片至人脸识别模型进行人脸模型计算；得到相似度最高的第一预设数量的相似司机标识；同一司机标识对应的照片样本包括多个角度拍摄的照片；将第一预设数量的相似司机标识对应的画像数据，输入至最优决策模型；以对每个相似司机标识的匹配度进行预设规则的增益计算；将取匹配度最高的司机标识作为司机照片所对应的真实司机标识；从而实现从多角度的人脸照来进行人脸识别，提高人脸识别的精度，同时，还将车辆标识及司机标识对应的业务数据作为确定真实司机标识的因素，也即结合司机业务数据进行辅助决策，进一步提高人脸识别准确度。别准确度。别准确度。

【技术实现步骤摘要】
司机驾驶途中人脸识别方法、电子设备和计算机存储介质


[0001]本专利技术属于人脸识别
，更具体的说，尤其涉及一种司机驾驶途中人脸识别方法、电子设备和计算机存储介质。

技术介绍

[0002]在物流运输场景中，针对同一货车可能被多个不同司机驾驶，而企业基于驾驶安全和司机绩效等方面考量，需要准确统计每个司机的驾驶时间段与里程，一般会采用给驾驶室安装智能摄像头，实时采集当前驾驶司机的人脸信息，并回传给云服务平台，之后对采集回来的照片进行人脸识别，以判定拍照时的驾驶司机是谁，但由于照片拍摄时司机的面部朝向具有随机性、采光具有不确定性，因此不能保证每张进行人脸识的照片质量可靠，从而导致仅基于传统的人脸识别模型，有部分照片的司机识别错误。

技术实现思路

[0003]有鉴于此，本专利技术的目的在于提供一种司机驾驶途中人脸识别方法、电子设备和计算机存储介质，用于结合司机业务数据进行辅助决策，进一步提高人脸识别准确度。
[0004]本专利技术第一方面公开了一种司机驾驶途中人脸识别方法，包括：
[0005]实时采集司机照片；
[0006]将采集到的所述司机照片输入至人脸识别模型进行人脸模型计算；并得到相似度最高的第一预设数量的相似司机标识；其中，所述人脸识别模型为基于各个司机标识的照片样本，训练的模型；同一司机标识对应的照片样本包括多个角度拍摄的照片；
[0007]将所述第一预设数量的相似司机标识对应的画像数据，输入至最优决策模型；以对每个相似司机标识的匹配度进行预设规则的增益计算；将取匹配度最高的司机标识作为所述司机照片所对应的真实司机标识；所述最优决策模型为依据车辆标识及司机标识对应的业务数据，构建的规则权重模型。
[0008]可选的，基于各个司机标识的照片样本，训练得到所述人脸识别模型的具体过程，包括：
[0009]构建训练样本集；其中，所述训练样本集包括：第二预设数量张司机历史照片；
[0010]针对每一个所述训练样本集，将所述训练样本集的所述输入特征输入至训练模型，得到样本训练结果；
[0011]利用所述样本识别结果与实际结果的误差，对所述训练模型进行不断调整，直至调整后的所述训练模型的样本识别结果与所述实际结果之间的误差满足预设的收敛条件时，将所述调整后的训练模型确定为所述人脸识别模型。
[0012]可选的，针对每一个所述训练样本集，将所述训练样本集的所述输入特征输入至训练模型，得到样本训练结果，包括：
[0013]通过所述训练模型对所述训练样本集进行特征抽取，每张所述司机历史照片分别获取多维度的向量；
[0014]用多维度矩阵训练向量检索模型；
[0015]每个司机标识选取多张司机历史照片，生成检索向量作为对照数据，作为司机人脸向量匹配。
[0016]可选的，司机历史照片为实时拍摄的司机视频切割而成；并且，
[0017]所述司机历史照片为黑白色调、每个司机标识对应的司机历史照片至少包括：正面照、从人脸的左上角的角度拍摄的人脸照、从人脸的左下角的角度拍摄的人脸照、从人脸的右下角的角度拍摄的人脸照，以及从人脸的右上角的角度拍摄的人脸照。
[0018]可选的，所述最优决策模型的构建过程，包括：
[0019]建立车辆画像库；所述车辆画像库包括：历史驾驶过相应车辆的司机标识、近一个月驾驶过的相应车辆的司机标识、近三天驾驶过相应车辆的司机标识、相应车辆所属的部门、相应车辆常跑路线；
[0020]建立司机画像库；所述司机画像库包括：司机历史驾驶过的车辆、近一个月驾驶过的车辆、近三天驾驶过的车辆、司机所在的部门、司机常跑路线；
[0021]根据所述车辆画像库中车辆和所述司机画像库中的司机特征画像，构建规则权重模型；所述规则包括：司机是否和相应车辆属于同部门、相应司机最近三天是否驾驶过相应车辆、司机是否最近一个月驾驶过相应车辆、司机是否曾经驾驶过相应车辆、司机的常跑路线与相应车辆的行驶路线是否相同。
[0022]可选的，在得到取匹配度最高的司机标识作为所述司机照片所对应的真实司机标识之后，还包括：
[0023]若同一辆正在行驶的不同时间段，匹配不同的司机标识，则采取多模态校验司机标识。
[0024]可选的，所述采取多模态校验司机标识，包括：
[0025]对比司机画像与所述车辆画像的关联度，将关联度最高的司机标识作为相应车辆的真实驾驶的司机标识。
[0026]可选的，所述采取多模态校验司机标识，包括：
[0027]获取匹配到的当前多个司机的实时信息，所述实时信息包括：地理位置，是否工作；依据所述实时信息，确定相应车辆的真实驾驶的司机标识。
[0028]本专利技术第二方面公开了一种电子设备，包括：
[0029]一个或多个处理器；
[0030]存储装置，其上存储有一个或多个程序；
[0031]当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如本专利技术第一方面中任一所述的司机驾驶途中人脸识别方法。
[0032]本专利技术第三方面公开了一种计算机存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如本专利技术第一方面中任一项所述的司机驾驶途中人脸识别方法。
[0033]从上述技术方案可知，本专利技术提供的一种司机驾驶途中人脸识别方法，包括：实时采集司机照片；将采集到的司机照片输入至人脸识别模型进行人脸模型计算；并得到相似度最高的第一预设数量的相似司机标识；其中，人脸识别模型为基于各个司机标识的照片样本，训练的模型；同一司机标识对应的照片样本包括多个角度拍摄的照片；将第一预设数
量的相似司机标识对应的画像数据，输入至最优决策模型；以对每个相似司机标识的匹配度进行预设规则的增益计算；将取匹配度最高的司机标识作为司机照片所对应的真实司机标识；最优决策模型为依据车辆标识及司机标识对应的业务数据，构建的规则权重模型，从而实现从多角度的人脸照来进行人脸识别，提高人脸识别的精度，同时，还将车辆标识及司机标识对应的业务数据作为确定真实司机标识的因素，也即结合司机业务数据进行辅助决策，进一步提高人脸识别准确度。
附图说明
[0034]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的前提下，还可以根据这些附图获得其他的附图。
[0035]图1是本专利技术实施例提供的一种司机驾驶途中人脸识别方法的流程图；
[0036]图2是本专利技术实施例提供的一种司机驾驶途中人脸识别方法的框图；
[0037]图3是本专利技术实施例提供的一种电子设备的。
具体实施方式
[0038]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本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种司机驾驶途中人脸识别方法，其特征在于，包括：实时采集司机照片；将采集到的所述司机照片输入至人脸识别模型进行人脸模型计算；并得到相似度最高的第一预设数量的相似司机标识；其中，所述人脸识别模型为基于各个司机标识的照片样本，训练的模型；同一司机标识对应的照片样本包括多个角度拍摄的照片；将所述第一预设数量的相似司机标识对应的画像数据，输入至最优决策模型；以对每个相似司机标识的匹配度进行预设规则的增益计算；将取匹配度最高的司机标识作为所述司机照片所对应的真实司机标识；所述最优决策模型为依据车辆标识及司机标识对应的业务数据，构建的规则权重模型。2.根据权利要求1所述的司机驾驶途中人脸识别方法，其特征在于，基于各个司机标识的照片样本，训练得到所述人脸识别模型的具体过程，包括：构建训练样本集；其中，所述训练样本集包括：第二预设数量张司机历史照片；针对每一个所述训练样本集，将所述训练样本集的所述输入特征输入至训练模型，得到样本训练结果；利用所述样本识别结果与实际结果的误差，对所述训练模型进行不断调整，直至调整后的所述训练模型的样本识别结果与所述实际结果之间的误差满足预设的收敛条件时，将所述调整后的训练模型确定为所述人脸识别模型。3.根据权利要求2所述的司机驾驶途中人脸识别方法，其特征在于，针对每一个所述训练样本集，将所述训练样本集的所述输入特征输入至训练模型，得到样本训练结果，包括：通过所述训练模型对所述训练样本集进行特征抽取，每张所述司机历史照片分别获取多维度的向量；用多维度矩阵训练向量检索模型；每个司机标识选取多张司机历史照片，生成检索向量作为对照数据，作为司机人脸向量匹配。4.根据权利要求2所述的司机驾驶途中人脸识别方法，其特征在于，司机历史照片为实时拍摄的司机视频切割而成；并且，所述司机历史照片为黑白色调、每个司机标识对应的司机历史照片至少包括：正面照、从人脸的左上角的角度拍摄的人脸照、从人脸的左下角的角度拍摄的人脸照、从人脸的右下角的角度拍摄的人脸照，以及从人脸的右上角的角度拍摄的人脸照。5.根据权利要求1...

【专利技术属性】
技术研发人员：王超，张少帅，
申请(专利权)人：深圳市易流科技股份有限公司，
类型：发明
国别省市：