[发明专利]一种用于网约车的安全监测方法及系统在审
申请号: | 202011289845.9 | 申请日: | 2020-11-18 |
公开(公告)号: | CN112367405A | 公开(公告)日: | 2021-02-12 |
发明(设计)人: | 李乐 | 申请(专利权)人: | 北京鼎翰科技有限公司 |
主分类号: | H04L29/08 | 分类号: | H04L29/08;G07C9/00;H04L9/32;G10L15/26;G10L25/51;G01S19/42;G01S19/39;G01S19/14;G01C21/26;G01C21/20 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 102488 北京*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 用于 网约车 安全 监测 方法 系统 | ||
1.一种用于网约车的安全监测方法,其特征在于,具体步骤包括:
步骤1、通过面部识别的方式核实司机信息;
步骤2、基于卫星定位和航迹推测的结果,实时获取载客车的精确位置;
步骤3、获取车内语言交流信息,对车内的交流进行对话实时分析;
步骤4、根据载客车位置,结合面部识别以及语音识别进行分析,实时估算载客过程中的危险系数;
步骤5、根据载客过程中的危险系数判断是否要远程报警或者远程锁车。
2.根据权利要求1所述的一种用于网约车的安全监测方法,其特征在于,所述步骤2的具体步骤包括:
步骤2.1、根据卫星定位信息,实时获取载客车的卫星定位坐标;
步骤2.2、根据卫星定位坐标和载客车的行驶状态信息,进行航迹推算得到精确定位信息;
步骤2.3、实时卫星定位坐标无法获取时,依据卫星定位信号消失前的定位信息,通过航迹推算方法获取精确定位信息。
3.根据权利要求2所述的一种用于网约车的安全监测方法,其特征在于,所述步骤2.3的具体步骤包括:
步骤2.3.1、以信号消失前的准确坐标为原点,以信号消失前载客车的行驶方向为y轴,以与y轴垂直的水平直线方向为x轴,建立参考坐标系;
步骤2.3.2、获取载客车路程、速度信息,并根据行驶路线推测得到载客车的实时位置坐标为,其中x(t)和y(t)是t时刻载客车在参考坐标系下的位置,x(t-1)和y(t-1)是t-1时刻载客车在参考坐标系下的位置;θ是测向速度与参考坐标系北向的夹角;
步骤2.3.3、根据信号消失前的经纬度坐标,定位得到载客车的实时经纬度坐标为,其中和分别为航迹推算过程中载客车车的实时经度和纬度;和分别为起点经纬度。
4.根据权利要求1所述的一种用于网约车的安全监测方法,其特征在于,所述步骤1的具体步骤包括:
步骤1.1、上传载客车司机本人的面部图片;
步骤1.2、根据上传的面部图片提取面部特征值,并将其对应的数据进行储存;
步骤1.3、开车前进行人脸识别,识别后上传识别信息;
步骤1.4、将上传的识别信息与存储的面部特征值进行匹配,得到匹配结果;
步骤1.5、将匹配结果反馈回载客车,并控制载客车的开关状态。
5.根据权利要求4所述的一种用于网约车的安全监测方法,其特征在于,所述步骤1.3的具体步骤包括:
步骤1.3.1、选取训练集下指定个数的图像,得到人脸样本矩阵,其中,N×M为图像的大小,S为训练样本的数量;
步骤1.3.2、求得指定图像上每行元素数据的均值,将每行元素的数据与均值相减,得到X的协方差矩阵C和C的特征向量,其中每行元素的数据代表一张人脸样本图像;
步骤1.3.3、将所述特征向量对应的特征值降序排列,对特征向量进行变换降低其维数,得到降维后的特征值和特征向量,再变换得到原训练样本的特征向量;
步骤1.3.4、根据原训练样本的特征向量构建人脸投影空间,从而得到投影特征空间,获得样本在特征空间上的投影特征,其中R为投影空间变换参数,P中每一行表示一个人脸样本的特征系数;
步骤1.3.5、将每一张识别图像投影到特征空间得到投影特征系数,采用欧氏距离法,将识别图像的投影特征系数与训练样本的投影特征系数比较,得到人脸识别概率。
6.根据权利要求1所述的一种用于网约车的安全监测方法,其特征在于,所述步骤4中危险系数的判断方法具体步骤包括:
步骤4.1、根据实时获取的司机的面部识别信息,判断司机是否出现中途换人的情况;
步骤4.2、根据精确位置信息,判断载客车是否按照行驶在正常轨迹上;
步骤4.3、根据获取的对话信息,语音识别判断司机与乘客的状态;
步骤4.4、根据面部识别信息,判断司机的面部表情及状态,从而判断司机是否处于危险环境。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京鼎翰科技有限公司,未经北京鼎翰科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011289845.9/1.html,转载请声明来源钻瓜专利网。