本发明专利技术提出了一种出租车载客人数检测方法，该方法包括：根据出租车内计价器的状态获取出租车的运营状态，其中，营运状态包括空载状态和载客状态；在获取到的运营状态由空载状态切换为载客状态时，获取出租车内的目标图像；对目标图像进行人体区域标记，以生成训练数据集；构建目标识别模型，并将训练数据集输入到目标识别模型进行训练，以生成人数识别模型；获取待检测目标图像，并将待检测目标图像输入到训练好的人数识别模型，以便通过人数识别模型进行人数识别，以得到车载人数；无需改造出租车车内硬件条件，且通过检测整个人体区域，从而降低了乘客人脸被遮挡导致漏识别的可能性，大大提高了检测准确性。大大提高了检测准确性。大大提高了检测准确性。
【技术实现步骤摘要】
出租车载客人数检测方法及系统
[0001]本专利技术涉及人数检测
，特别涉及一种出租车载客人数检测方法、一种出租车载客人数检测系统、以及一种计算机可读存储介质和计算机设备。
技术介绍
[0002]相关技术中，现有的出租车载客人数检测通过人脸检测方式检测车内人数，但是人脸检测算法难以解决由于图片过曝、模糊看不清人脸以及后排乘客不露出人脸的情况，导致识别效果差；并且在现有车载硬件设备条件下，出租车业务数据无法反映每个订单的乘客数量，无法准确、有效反映客流情况。
技术实现思路
[0003]本专利技术旨在至少在一定程度上解决上述技术中的技术问题之一。为此，本专利技术的一个目的在于提出一种出租车载客人数检测方法，无需改造出租车车内硬件条件，且通过检测整个人体区域，从而降低了后排乘客人脸被遮挡导致漏识别的可能性，大大提高了检测准确性。
[0004]本专利技术的第二个目的在于提出一种计算机可读存储介质。
[0005]本专利技术的第三个目的在于提出一种计算机设备。
[0006]本专利技术的第四个目的在于提出一种出租车载客人数检测系统。
[0007]为达到上述目的，本专利技术第一方面实施例提出了一种出租车载客人数检测方法，该方法包括以下步骤：根据所述出租车内计价器的状态获取所述出租车的运营状态，其中，所述营运状态包括空载状态和载客状态；在获取到的所述运营状态由空载状态切换为载客状态时，获取所述出租车内的目标图像；对所述目标图像进行人体区域标记，以生成训练数据集；构建目标识别模型，并将所述训练数据集输入到所述目标识别模型进行训练，以生成人数识别模型；获取待检测目标图像，并将所述待检测目标图像输入到所述训练好的人数识别模型，以便通过所述人数识别模型进行人数识别，以得到车载人数。
[0008]根据本专利技术实施例的出租车载客人数检测方法，首先根据出租车内计价器的状态获取出租车的运营状态，其中，营运状态包括空载状态和载客状态，然后在获取到的运营状态由空载状态切换为载客状态时，获取出租车内的目标图像，接着对目标图像进行人体区域标记，以生成训练数据集，再接着构建目标识别模型，并将训练数据集输入到所述目标识别模型进行训练，以生成人数识别模型，最后获取待检测目标图像，并将待检测目标图像输入到训练好的人数识别模型，以便通过人数识别模型进行人数识别，以得到车载人数。由此，本专利技术无需改造出租车车内硬件条件，且通过检测整个人体区域，从而降低了乘客人脸被遮挡导致漏识别的可能性，大大提高了检测准确性。
[0009]另外，根据本专利技术上述实施例提出的出租车载客人数检测方法还可以具有如下附加的技术特征：
[0010]可选地，所述目标图像还包括从网络公开资源获取的VOC数据集，并从中筛选出包
含人且识别困难的图片。
[0011]可选地，基于YoloV3算法构建目标识别模型，采用CIoU
‑
loss作为目标识别模型的损失函数，使用DIoU
‑
NMS代替原生NMS。
[0012]可选地，所述人数识别模型通过返回目标框的数量，以便将目标框数量作为车载人数。
[0013]为达到上述目的，本专利技术第二方面实施例提出了一种计算机可读存储介质，其上存储有出租车载客人数检测程序，该出租车载客人数检测程序被处理器执行时实现如上述的出租车载客人数检测方法。
[0014]根据本专利技术实施例的计算机可读存储介质，通过存储出租车载客人数检测程序，这样出租车载客人数检测程序被处理器执行时实现如上述的出租车载客人数检测方法，无需改造出租车车内硬件条件，且通过检测整个人体区域，从而降低了乘客人脸被遮挡导致漏识别的可能性，大大提高了检测准确性。
[0015]为达到上述目的，本专利技术第三方面实施例提出了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如上述的出租车载客人数检测方法。
[0016]根据本专利技术实施例的计算机设备，通过存储器存储出租车载客人数检测程序，这样出租车载客人数检测程序被处理器执行时实现如上述的出租车载客人数检测方法，无需改造出租车车内硬件条件，且通过检测整个人体区域，从而降低了乘客人脸被遮挡导致漏识别的可能性，大大提高了检测准确性。
[0017]为达到上述目的，本专利技术第四方面实施例提出了一种出租车载客人数检测系统，包括：获取模块，所述获取模块用于根据所述出租车内计价器的状态获取所述出租车的运营状态，其中，所述营运状态包括空载状态和载客状态；以及在获取到的所述运营状态由空载状态切换为载客状态时，获取所述出租车内的目标图像；训练数据集生成模块，所述训练数据集生成模块用于对所述目标图像进行人体区域标记，以生成训练数据集；训练模块，所述训练模块用于构建目标识别模型，并将所述训练数据集输入到所述目标识别模型进行训练，以生成人数识别模型；检测识别模块，所述检测识别模块用于获取待检测目标图像，并将所述待检测目标图像输入到所述训练好的人数识别模型，以便通过所述人数识别模型进行人数识别，以得到车载人数。
[0018]根据本专利技术实施例提供的出租车载客人数检测系统，通过获取模块根据出租车内计价器的状态获取出租车的运营状态，其中，营运状态包括空载状态和载客状态；以及在获取到的运营状态由空载状态切换为载客状态时，获取出租车内的目标图像；在通过训练数据集生成模块对目标图像进行人体区域标记，以生成训练数据集；接着通过训练模块构建目标识别模型，并将训练数据集输入到目标识别模型进行训练，以生成人数识别模型；最后通过检测识别模块获取待检测目标图像，并将待检测目标图像输入到训练好的人数识别模型，以便通过人数识别模型进行人数识别，以得到车载人数。由此，无需改造出租车车内硬件条件，且通过检测整个人体区域，从而降低了乘客人脸被遮挡导致漏识别的可能性，大大提高了检测准确性。
[0019]另外，根据本专利技术上述实施例提出的出租车载客人数检测系统还可以具有如下附加的技术特征：
[0020]可选地，所述目标图像还包括从网络公开资源获取的VOC数据集，并从中筛选出包含人且识别困难的图片。
[0021]可选地，基于YoloV3算法构建目标识别模型，采用CIoU
‑
loss作为目标识别模型的损失函数，使用DIoU
‑
NMS代替原生NMS。
[0022]可选地，所述人数识别模型通过返回目标框的数量，以便将目标框数量作为车载人数。
附图说明
[0023]图1为根据本专利技术实施例的出租车载客人数检测方法的流程图；
[0024]图2为根据本专利技术一个实施例的标记效果图；
[0025]图3为根据本专利技术一个实施例的出租车载客人数检测系统的方框示意图。
具体实施方式
[0026]下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本专利技术，而本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种出租车载客人数检测方法，其特征在于，包括以下步骤：根据所述出租车内计价器的状态获取所述出租车的运营状态，其中，所述营运状态包括空载状态和载客状态；在获取到的所述运营状态由空载状态切换为载客状态时，获取所述出租车内的目标图像；对所述目标图像进行人体区域标记，以生成训练数据集；构建目标识别模型，并将所述训练数据集输入到所述目标识别模型进行训练，以生成人数识别模型；获取待检测目标图像，并将所述待检测目标图像输入到所述训练好的人数识别模型，以便通过所述人数识别模型进行人数识别，以得到车载人数。2.如权利要求1所述的出租车载客人数检测方法，其特征在于，所述目标图像还包括从网络公开资源获取的VOC数据集，并从中筛选出包含人且识别困难的图片。3.如权利要求1所述的出租车载客人数检测方法，其特征在于，基于YoloV3算法构建目标识别模型，采用CIoU
‑
loss作为目标识别模型的损失函数，使用DIoU
‑
NMS代替原生NMS。4.如权利要求1所述的出租车载客人数检测方法，其特征在于，所述人数识别模型通过返回目标框的数量，以便将目标框数量作为车载人数。5.一种计算机可读存储介质，其特征在于，其上存储有出租车载客人数检测程序，该出租车载客人数检测程序被处理器执行时实现如权利要求1
‑
4中任一项所述的出租车载客人数检测方法。6.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算...
【专利技术属性】
技术研发人员：吴丁泓，苏敏咸，王松辉，高天，
申请(专利权)人：厦门卫星定位应用股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。