[发明专利]无人驾驶出租车的乘客状况检测方法、控制方法及系统

说明书

本发明提供了无人驾驶出租车的乘客状况检测方法、控制方法及系统。乘客状况检测方法包括如下步骤：获取无人驾驶出租车的座位区域的第一图像数据、第二图像数据以及冗余检测数据；将第一图像数据和冗余校验数据进行数据融合，获得第一融合数据，将第二图像数据和冗余校验数据进行数据融合，获得第二融合数据；判断第一融合数据和第二融合数据是否一致，若一致，则将第一融合数据或第二融合数据作为第一结果数据，从而根据第一结果数据输出乘客数量以及乘客行为；若不一致，则将第一融合数据和第二融合数据进行数据融合，以获得第二结果数据，从而根据第二结果数据输出乘客数量以及乘客行为。该方法提高了无人驾驶出租车乘客数量和行为检测准确率。

技术领域

本发明涉及无人驾驶技术领域，尤其涉及一种无人驾驶出租车的乘客状况检测方法、无人驾驶出租车的乘客状况检测系统、无人驾驶出租车的控制方法及无人驾驶出租车的控制系统。

背景技术

随着无人驾驶技术的发展，为缓解城市交通压力、节能减排，百度、谷歌等无人驾驶行业巨头先后在各大城市上线无人驾驶出租车，无人驾驶出租车具有智能化管理、统一调度、更高效、更安全、低运营成本等优点，可提供更准确、更个性化的服务。

为充分高效的运行无人驾驶出租车，合理的路径规划和拼车服务是有效降低无人驾驶出租车成本的有效手段。相比与传统的出租车，无人驾驶出租车没有司机和相关的服务人员，结合运营成本和统一调度等问题，无人驾驶出租车不可能实现一对一的后台服务，因此运营过程中车内情况无法有效的获取，包括乘客数量和乘客的安全。拼车过程中存在预约人数和实际上车人数不符造成车辆的超载，以及车内乘客的不文明和危险行为，会严重影响乘客安全和车辆安全。

目前无人驾驶出租车的运营只是少量，可以通过后台连线车内监控设备，实时检测和确认车内情况，判断是否有乘客数量和预约不符以及乘客的危险行为，但无人驾驶出租车大量的商用时，考虑运营成本，不可能部署大量的后台员工实时监控车内状况，必须在车端部署乘客数量和行为的检测手段。检测手段通过是视觉相机人脸识别和行为检测等算法实现。

视觉相机人脸识别的实时图像的清晰度和乘客图像获取的完整度决定了匹配的准确度，夜间时段车内光线暗淡、乘客图像不完整(处于盲区或被遮挡)和数据库匹配错误等都会影响乘客数量的准确度。基于机械学习的行为检测算法也是基于图像的实时信息，根据乘客当前的行为预测和判断是否危险的行为，图像越清晰及乘客行为获取越完整，行为检测的准确性越高。同时由于传统的人脸识别和机械学习都存在误检，一般准确度可达99％，一旦无人驾驶出租车大量部署，系统的每一次的误检都会带来无人驾驶出租车运营成本的增加。

发明内容

本申请的发明人发现，可见光摄像头检测准确度和环境亮度有关，光线越好获取的面部和行为信息越清晰，算法效果越好，红外摄像头受环境温度影响较大，其在夜间、低照度环境下通过温度识别乘客面部和行为信息相比于白天和高照度环境更准确。因此，可见光和红外摄像头检测易受环境温度和光照强度的影响存在漏检。而毫米波雷达具有全天候检测能力，不受环境温度和光照强度影响，可以利用其高带宽和高分辨率的特性可采集乘客心跳变化带来的多普勒频率完成心跳检测，通过心跳变化规律完成乘客数量和危险行为的检测，但其通过检测心跳多普勒频率变化的方法易存在误检。

本申请的一个目的在于提高无人驾驶出租车全天候、全时段乘客数量和行为检测准确率。

本申请的一个进一步的目的在于进一步提高驾驶出租车全天候、全时段乘客数量和行为检测准确率，以实现驾驶出租车全天候、全时段乘客数量和行为检测无误的效果。

特别地，本发明提供了无人驾驶出租车的乘客状况检测方法，包括如下步骤：

获取无人驾驶出租车的座位区域的由不同的数据获取单元获取的第一图像数据、第二图像数据以及冗余检测数据，所述第一图像数据、所述第二图像数据以及所述冗余检测数据均至少包含用以反映乘客数量以及乘客行为的数据；