[发明专利]一种用于网约车的违规载客的检测方法及系统

说明书

本发明涉及打车出行技术领域，具体涉及一种用于网约车的违规载客的检测方法及系统。包括：获取车内的录制信息，分别获得视频数据和音频数据；读取视频数据，提取出视频数据的多个视频特征；对多个视频特征进行合并处理，获得全局视频特征向量；读取音频数据，提取出音频数据的多个音频特征；对多个音频特征进行合并处理，获得全局音频特征向量；对全局视频特征向量和全局音频特征向量进行多模态融合，获得融合特征；对融合特征进行分类处理，获得检测模型；实时获取车内录制信息，利用检测模型进行违规识别。该检测方法及系统具有准确率高和抗干扰能力强的优点，解决了现有检测技术存有的准确率低和抗干扰能力差的问题，满足了网约车检测需要。

技术领域

本发明涉及打车出行技术领域，具体涉及一种用于网约车的违规载客的检测方法及系统。

背景技术

随着互联网的发展，打车出行的业务逐渐从线下转到线上，用户只需通过应用软件输入起点和终点，即可匹配到所需的网约车并下单。由于政策和平台规则的限制，近些年的网约车司机通常与平台具有雇佣关系，因此由平台方来对司机的订单进行协调分配，但部分司机会不经过平台方来私下载客，该违规行为不仅给平台造成损失，而且不易管控提高了行程风险，因此需要加强检测以防止网约车司机违规载客。

现有的违规载客的检测方法主要基于车联网数据，即收集车身的车辆胎压等传感器数据，然后通过历史记录来检测当前数据是否存有违规情况，该方法简单易行，但准确率较低，一方面是由于现有的车联网数据容易在上传过程中丢失，另一方便是由于气温等环境变化容易使车联网数据产生波动，导致此方法效果不佳，容易出现误报的情况；此外，目前还有利用车内摄像头来进行检测的技术，通过人脸识别来判断是否存有违规载客的情况，但人脸识别的精度容易受到多方面的影响，抗干扰能力较差，当车内环境复杂、摄像头分辨率低、存有遮挡以及丢失画面数据时，人脸识别的效果就难以满足要求，因此需要一种专用于网约车的检测方法及系统，来实现上述检测违规载客的需求。

发明内容

为了克服上述现有的检测技术存有的准确率低和抗干扰能力差的技术缺陷，本发明提供一种准确率高和抗干扰能力强的用于网约车的违规载客的检测方法及系统。

为了解决上述问题，本发明按以下技术方案予以实现的：

本发明所述的一种用于网约车的违规载客的检测方法，其特征在于，该方法包括：

获取车内的录制信息，分别获得视频数据和音频数据；

读取视频数据，提取出视频数据的多个视频特征；

对多个视频特征进行合并处理，获得全局视频特征向量；

读取音频数据，提取出音频数据的多个音频特征；

对多个音频特征进行合并处理，获得全局音频特征向量；

对全局视频特征向量和全局音频特征向量进行多模态融合，获得融合特征；

对融合特征进行分类处理，获得检测模型；

实时获取车内的录制信息，利用检测模型进行违规识别。

所述的获取车内的录制信息，分别获得视频数据和音频数据，具体为：获取车内摄像头的录制视频，读取保存的录制视频，对其进行预处理获得视频数据，获取车内麦克风的录制音频，读取保存的录制音频，对其进行预处理获得音频数据。

所述的预处理包括转码、裁剪和去噪。

所述的读取视频数据，提取出视频数据的多个视频特征，具体为：读取视频数据，利用视频提取算法对视频数据进行训练处理，对于视频数据的每一帧，均会生成对应的视频特征，多个视频特征形成连续排列的视频特征序列。

所述的视频提取算法包括残差神经网络算法。