利用第五代移动通信技术的实时交通监控方法

摘要

本发明提供了利用第五代移动通信技术的实时交通监控方法，包括：获得第一高速摄像机采集的第一视频信息；根据第一高速视频信息对被检测人进行面部识别得到第一面部识别度；获得第二高速摄像机采集的第二视频信息；根据第二高速视频信息对被检测人进行面部识别得到第二面部识别度；根据第一面部识别度和第二面部识别度确定交通车辆的驾驶员是否处于异常状态。

权利要求

1.一种利用第五代移动通信技术的实时交通监控方法，其特征在于，包括：获得第一高速摄像机采集的第一视频信息；

根据第一高速视频信息对被检测人进行面部识别得到第一面部识别度；

获得第二高速摄像机采集的第二视频信息；

根据第二高速视频信息对被检测人进行面部识别得到第二面部识别度；

根据第一面部识别度和第二面部识别度确定交通车辆的驾驶员是否处于异常状态。

2.根据权利要求1所述的方法，其特征在于，所述对被检测人进行面部识别包括：根据高速视频信息进行图像帧采集，获得交通车辆的驾驶员的面部图像，作为待检测图像；

根据待检测图像生成待检测特征信息；

将所述待检测特征信息与参考信息进行匹配。

3.根据权利要求2所述的方法，其特征在于，所述将所述待检测特征信息与参考信息进行匹配包括：以待检测特征信息P中左眉特征点的位置为极点，以极点到右颧骨特征点的方向为极轴正方向建立第一极坐标系，在第一极坐标系下计算待检测特征信息P与参考信息Qg之间的卷积Conv1，其中g表示所述身份范围内的身份数量，g为自然数且g＝1，2，…,L1为所述右眉特征点的位置到第一极坐标系的极点之间的距离，θ1为右眉特征点所在的位置的极角，表示取上整数：以待检测特征信息P中右眉特征点的位置为极点，以极点到左颧骨特征点的方向为极轴正方向建立第二极坐标系，在第二极坐标系下计算待检测特征信息P与参考信息Qg之间的卷积Conv2，L2为所述左眉特征点的位置到第二极坐标系的极点之间的距离，θ2为左眉特征点所在的位置的极角：以待检测特征信息P中左鼻翼特征点的位置为极点，以极点到右颧骨特征点的方向为极轴正方向建立第三极坐标系，在第三极坐标系下计算待检测特征信息P与参考信息Qg之间的卷积Conv3，其中g表示所述身份范围内的身份数量，g为自然数且g＝1，2，…,L3为所述右鼻翼特征点的位置到第三极坐标系的极点之间的距离，θ3为右鼻翼特征点所在的位置的极角：计算三个卷积之间叉乘后的模值，作为面部识别度。

4.根据权利要求3所述的方法，其特征在于，根据第一面部识别度和第二面部识别度确定交通车辆的驾驶员是否安全包括：根据第一面部识别度与第二面部识别度之间的差值是否大于预设阈值，确定该车辆的驾驶员是否处于异常状态。

说明书

利用第五代移动通信技术的实时交通监控方法

技术领域

[0001] 本申请实施例涉及人脸识别技术领域，具体涉及一种利用第五代移动通信技术的实时交通监控方法。

背景技术

[0002] 目前公路交通上的疲劳检测系统已成为国内外研究热点，疲劳驾驶同样存在于长途列车驾驶员身上，但少有研究机构对列车上的疲劳检测技术进行研究。2008年4月28日凌晨发生了备受关注的胶济铁路火车相撞事故，事故死亡70人，416人受伤，其中重伤51人。据调查，胶济铁路重特大交通安全事故直接原因为列车超速，但相撞前，驾驶员处于疲劳状态未对前方瞭望清楚也失去避免事故发生的最后一个机会。在列车上安装驾驶员监控装置，对保障驾驶员规范驾驶和提高列车行驶安全具有重大意义。

[0003] 例如，申请号为CN200610090816.3的中国发明专利申请公开了一种用于实时评估车辆设备的驾驶员工作量的设备和方法。为了确定驾驶员工作量，该系统监控驾驶员与该车辆设备的交互。然后使用该驾驶员交互基于该驾驶员交互来确定估计的驾驶员工作量。在一个实施例中，该车辆设备具有配置成被驾驶员按压的一个或多个按钮，并且该一个或多个按钮的每个具有指定的驾驶员工作量值。该系统对在一个移动时间窗内被按压的一个或多个按钮的驾驶员工作量值求和以估计该车辆设备的驾驶员工作量。申请号为CN200910042302.4的中国发明专利申请公开了一种在线检测列车驾驶员行为和疲劳状态的方法及其检测系统。所述方法包括：采用摄像头对列车驾驶员进行拍摄；对摄像头采集到的图片进行人脸检测，并判别驾驶员是否脱岗和是否处于打盹状态；再使用AdaBoost算法训练出的睁眼图像检测器，从人脸图像中找睁眼图像，判断此时驾驶员是否处于睁眼状态；
实时计算闭眼时间占总测试时间的比例，该比例即是PERCLOS值，用来标示疲劳状态。所述系统包括摄像头、嵌入式主机、报警装置、用户按键和存储器，摄像头、报警装置、用户按键和存储器分别与嵌入式主机连接。然而，上述方案算法过于复杂，而且图片拍摄受限于网络往往清晰度等存在不符合要求的情况，因此实用性不强。

发明内容

[0004] 为了充分利用5G网络以及高速摄像机的优势，增强在高速运动的车辆上的驾驶员面部状态识别准确度，本发明提供了一种利用第五代移动通信技术的实时交通监控方法，包括：

[0005] 获得第一高速摄像机采集的第一视频信息；

[0006] 根据第一高速视频信息对被检测人进行面部识别得到第一面部识别度；

[0007] 获得第二高速摄像机采集的第二视频信息；

[0008] 根据第二高速视频信息对被检测人进行面部识别得到第二面部识别度；

[0009] 根据第一面部识别度和第二面部识别度确定交通车辆的驾驶员是否处于异常状态。

[0010] 进一步地，所述对被检测人进行面部识别包括：

[0011] 根据高速视频信息进行图像帧采集，获得交通车辆的驾驶员的面部图像，作为待检测图像；

[0012] 根据待检测图像生成待检测特征信息；

[0013] 将所述待检测特征信息与参考信息进行匹配。

[0014] 进一步地，所述将所述待检测特征信息与参考信息进行匹配包括：

[0015] 以待检测特征信息P中左眉特征点的位置为极点，以极点到右颧骨特征点的方向为极轴正方向建立第一极坐标系，在第一极坐标系下计算待检测特征信息P与参考信息Qg之间的卷积Conv1，其中g表示所述身份范围内的身份数量，g为自然数且g＝1，2，…,L1为所述右眉特征点的位置到第一极坐标系的极点之间的距离，θ1为右眉特征点所在的位置的极角， 表示取上整数：

[0016]

[0017] 以待检测特征信息P中右眉特征点的位置为极点，以极点到左颧骨特征点的方向为极轴正方向建立第二极坐标系，在第二极坐标系下计算待检测特征信息P与参考信息Qg之间的卷积Conv2，L2为所述左眉特征点的位置到第二极坐标系的极点之间的距离，θ2为左眉特征点所在的位置的极角：

[0018]

[0019] 以待检测特征信息P中左鼻翼特征点的位置为极点，以极点到右颧骨特征点的方向为极轴正方向建立第三极坐标系，在第三极坐标系下计算待检测特征信息P与参考信息Qg之间的卷积Conv3，其中g表示所述身份范围内的身份数量，g为自然数且g＝1，2，…,L3为所述右鼻翼特征点的位置到第三极坐标系的极点之间的距离，θ3为右鼻翼特征点所在的位置的极角：

[0020]

[0021]

[0022] 计算三个卷积之间叉乘后的模值，作为面部识别度。

[0023] 进一步地，根据第一面部识别度和第二面部识别度确定交通车辆的驾驶员是否安全包括：根据第一面部识别度与第二面部识别度之间的差值是否大于预设阈值，确定该车辆的驾驶员是否处于异常状态。

[0024] 本发明的有益效果是：能够充分利用第五代移动通信技术为数据传输高带宽优势获得尽可能多的图像，而不必考虑图像是否如静态拍摄条件下的清晰度，在此基础上利用三次极坐标系下卷积乘积的方式提高模糊图像条件下相应面部识别特征之间的关联度，进而通过作差的方式获得关联度之间的差异，极大地提高了驾驶员在高速移动过程中紧张程度变化差异性的判断准确度和可靠性。

附图说明

[0025] 图1是示出了本发明的方法流程图。

具体实施方式

[0026] 下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

[0027] 需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

[0028] 如图1所示，提供了一种利用第五代移动通信技术的实时交通监控方法，包括：

[0029] 获得第一高速摄像机采集的第一视频信息；

[0030] 根据第一高速视频信息对被检测人进行面部识别得到第一面部识别度；

[0031] 获得第二高速摄像机采集的第二视频信息；

[0032] 根据第二高速视频信息对被检测人进行面部识别得到第二面部识别度；

[0033] 根据第一面部识别度和第二面部识别度确定交通车辆的驾驶员是否处于异常状态。

[0034] 优选地，所述对被检测人进行面部识别包括：

[0035] 根据高速视频信息进行图像帧采集，获得交通车辆的驾驶员的面部图像，作为待检测图像；

[0036] 根据待检测图像生成待检测特征信息；

[0037] 将所述待检测特征信息与参考信息进行匹配。

[0038] 优选地，所述将所述待检测特征信息与参考信息进行匹配包括：

[0039] 以待检测特征信息P中左眉特征点的位置为极点，以极点到右颧骨特征点的方向为极轴正方向建立第一极坐标系，在第一极坐标系下计算待检测特征信息P与参考信息Qg之间的卷积Conv1，其中g表示所述身份范围内的身份数量，g为自然数且g＝1，2，…,L1为所述右眉特征点的位置到第一极坐标系的极点之间的距离，θ1为右眉特征点所在的位置的极角， 表示取上整数：

[0040]

[0041] 以待检测特征信息P中右眉特征点的位置为极点，以极点到左颧骨特征点的方向为极轴正方向建立第二极坐标系，在第二极坐标系下计算待检测特征信息P与参考信息Qg之间的卷积Conv2，L2为所述左眉特征点的位置到第二极坐标系的极点之间的距离，θ2为左眉特征点所在的位置的极角：

[0042]

[0043] 以待检测特征信息P中左鼻翼特征点的位置为极点，以极点到右颧骨特征点的方向为极轴正方向建立第三极坐标系，在第三极坐标系下计算待检测特征信息P与参考信息Qg之间的卷积Conv3，其中g表示所述身份范围内的身份数量，g为自然数且g＝1，2，…,L3为所述右鼻翼特征点的位置到第三极坐标系的极点之间的距离，θ3为右鼻翼特征点所在的位置的极角：

[0044]

[0045]

[0046] 计算三个卷积之间叉乘后的模值，作为面部识别度。

[0047] 优选地，根据第一面部识别度和第二面部识别度确定交通车辆的驾驶员是否安全包括：根据第一面部识别度与第二面部识别度之间的差值是否大于预设阈值，确定该车辆的驾驶员是否处于异常状态。

[0048] 以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。