[發(fā)明專利]一種基于人臉檢測的出租車載客人數(shù)統(tǒng)計方法

在審

• 申請?zhí)枺?/td>: 202010750404.8
• 申請日: 2020-07-30
• 公開（公告）號: CN111881843A
• 公開（公告）日: 2020-11-03
• 發(fā)明（設(shè)計）人: 李燁星;渠華;邢立軍;孫浩;韓夢飛;李林忠
• 申請（專利權(quán)）人: 河南天邁科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46
• 代理公司: 鄭州德勤知識產(chǎn)權(quán)代理有限公司 41128
• 代理人: 蘇志洋

本發(fā)明提供了一種基于人臉檢測的出租車載客人數(shù)統(tǒng)計方法，通過設(shè)置在出租車內(nèi)的攝像頭獲取出租車內(nèi)的照片；通過訓(xùn)練好的低層特征金字塔網(wǎng)絡(luò)對人臉進(jìn)行判斷，然后對判斷得到的人臉進(jìn)行提取框標(biāo)記；根據(jù)一般出租車內(nèi)業(yè)務(wù)場景下的人臉分布范圍，過濾掉該范圍外的提取框，得到初步的乘客模型情況；通過HSV顏色模型處理照片，計算像素區(qū)域的大小，輔助判斷后座的乘客分布情況，最終得到一個先驗的乘客模型；將該先驗的乘客模型引入貝葉斯模型，根據(jù)對應(yīng)的實際乘客模型，最終得到車內(nèi)的具體乘客人數(shù)。該方法通過人臉檢測技術(shù)、HSV顏色模型和貝葉斯模型相結(jié)合，獲取更為準(zhǔn)確的出租車載客人數(shù)，彌補(bǔ)人臉檢測技術(shù)不夠準(zhǔn)確的缺陷。

技術(shù)領(lǐng)域

本發(fā)明涉及交通工具載客算法識別技術(shù)領(lǐng)域，具體的說，涉及了一種基于人臉檢測的出租車載客人數(shù)統(tǒng)計方法。

背景技術(shù)

目前，在出租車運(yùn)營過程中，存在司機(jī)私自拉客不打表不開攬客燈、出租車載客量無法或統(tǒng)計不準(zhǔn)確等問題。傳統(tǒng)解決方案主要是通過在座位上增加壓力傳感器來實現(xiàn)乘客上車后的檢測。但壓力傳感器存在人員統(tǒng)計準(zhǔn)確率低、安裝實施成本高等問題。

隨著信息技術(shù)的快速發(fā)展，車載視頻在出租車行業(yè)已得到普遍應(yīng)用，車輛在運(yùn)營過程中會根據(jù)空重車狀態(tài)變化、定時上報等策略將車內(nèi)照片抓拍，并上傳至平臺。

人臉識別的易用性和普適性，在身份核驗、刷臉支付等場景已得到成功應(yīng)用，自動在圖像中檢測和跟蹤人臉的技術(shù)近年來被廣泛用于交通、商業(yè)、公共安全等領(lǐng)域。

在交通領(lǐng)域，由于隱私原因，除支付需要人臉識別外，多數(shù)場景僅需要對交通工具封閉環(huán)境的視頻圖像中進(jìn)行人臉檢測，用于一般記數(shù)等功能，例如婁康等在2017《基于代價敏感深度決策樹的公交車環(huán)境人臉檢測》一文中提出光照變化、模糊、遮擋、低分辨率和姿勢變化等問題，馬登輝在2016年《出租車視頻監(jiān)控的異常圖像檢測與乘客識別研究》提出副駕駛位置乘客識別方法，朱萍等在2016年《移動視頻監(jiān)控系統(tǒng)在公安行業(yè)中的應(yīng)用》提出利用出租車移動視頻監(jiān)控采集的相關(guān)信息進(jìn)行挖掘分析等。

但是單純的人臉檢測算法仍然存在誤判的缺陷，缺乏有效的數(shù)據(jù)清洗和進(jìn)一步提高精度的能力，目前也有多種手段在研究開發(fā)階段，是公共交通領(lǐng)域的一項急需突破的技術(shù)難題。

發(fā)明內(nèi)容

本發(fā)明的目的是針對現(xiàn)有技術(shù)的不足，從而提供一種提高預(yù)測準(zhǔn)確率、彌補(bǔ)簡單人臉檢測缺陷、借助人臉檢測的現(xiàn)有技術(shù)優(yōu)化出租車運(yùn)營環(huán)境而不增加額外設(shè)備投入的一種基于人臉檢測的出租車載客人數(shù)統(tǒng)計方法。

為了實現(xiàn)上述目的，本發(fā)明所采用的技術(shù)方案是：一種基于人臉檢測的出租車載客人數(shù)統(tǒng)計方法，通過設(shè)置在出租車內(nèi)的攝像頭獲取出租車內(nèi)的照片；通過訓(xùn)練好的低層特征金字塔網(wǎng)絡(luò)對人臉進(jìn)行判斷，然后對判斷得到的人臉進(jìn)行提取框標(biāo)記；根據(jù)一般出租車內(nèi)業(yè)務(wù)場景下的人臉分布范圍，過濾掉該范圍外的提取框，得到初步的乘客模型情況；通過HSV顏色模型處理過濾提取框后的照片，計算照片上與后排座椅一致顏色的像素區(qū)域，得到照片中與后排座椅一致顏色的像素區(qū)域大小，輔助判斷后座的乘客分布情況，最終得到一個由提取框和顏色分布組合構(gòu)成的先驗的乘客模型；將該先驗的乘客模型引入貝葉斯模型，根據(jù)先驗的乘客模型得到與其對應(yīng)的實際乘客模型，最終得到車內(nèi)的具體乘客人數(shù)。

基上所述，所述的低層特征金字塔網(wǎng)絡(luò)采用PyramidBox人臉框檢測模型，利用大量的出租車內(nèi)場景照片進(jìn)行訓(xùn)練而得到。

基上所述，所述的人臉分布范圍為標(biāo)記在照片中的一個坐標(biāo)范圍，該坐標(biāo)范圍根據(jù)一般業(yè)務(wù)場景下的人臉分布范圍而定。

基上所述，HSV顏色模型處理照片時，出租車后排座椅的顏色像素值預(yù)存在系統(tǒng)中。

基上所述，出租車后排座椅的顏色像素值為純色且相同。

基上所述，在過濾掉一般出租車內(nèi)業(yè)務(wù)場景以外的提取框后，再檢查是否有重疊的提取框，將重疊的提取框中較小的刪除掉，標(biāo)記為一個提取框。