[发明专利]一种用于智能驾考的超车判断方法

说明书

技术领域

本发明涉及驾照考试的人工智能判断技术领域，特别涉及一种用于智能驾考的超车判断方法。

背景技术

随着汽车的快速普及，每年学习和考取机动车驾驶证的人也越来越多，从而导致驾照考试的培训和考试任务变得非常繁重。为了适应新形式下的驾培、考试行业发展要求，公安部于2012年修改了《中华人民共和国公共安庆行业标准——机动车驾驶人考试场地、系统及考试内容与要求》，并于2013年1月1日按《公安部第123号令》新标准执行。

其中，超车考试项目，要求考生在收到超车指令后，1分钟内完成超车动作，且超车前保持与被超车辆的安全车距，观察左后视镜确认安全，同时打开左转向灯，继续观察左后视镜，时机允许时，向左变更车道，鸣喇叭，从被超车辆左侧超越。

针对超车这个考试项目，传统的评判系统只能依靠人工监考；由监考老师全程跟踪，并判断驾驶员的行车及停车规范，这种方式需要消耗大量的人力，且效率低；针对如今大规模考生，已经无法满足驾考的需求。

发明内容

本发明的目的是：提出一种智能驾考的超车判断方法，其能够采集人脸信息，结合转向灯传感器，从而综合判断考生的操作是否规范，以满足如今对智能驾考的需求。

本发明解决其技术问题所采用的技术方案是：

一种智能驾考的超车判断方法，包括如下步骤：

S1、记录驾驶员的人脸框坐标信息，生成人脸关键点特征向量，并保存至数据库中；

S2、收到超车指令，根据转向灯传感器，判断左转向灯是否开启，若否则结束考试，若是则执行下一步；

S3、从数据库中提取人脸关键点特征向量，并判断驾驶员是否有观察内后视镜的动作，若有则记录此条标志为0，若无则记录此条标志为1，并保存相关图片；

S4、根据提取的人脸关键点特征向量，判断驾驶员是否有观察左外视镜的动作，若有则记录此条标志为0，若无则记录此条标志为1，并保存相关图片；

S5、根据提取的人脸关键点特征向量，判断驾驶员是否有回头观测左B柱位置确认安全的动作，若有则记录此条标志为0，若无则记录此条标志为1，并保存相关图片；

S6、对整个过程的动作结果进行统计分析，记录标志全部为0，则考试结束并通过，若存在标志1，则考试结束并不通过。

进一步，所述人脸关键点特征向量的生成步骤如下：

S11、首先通过深度学习网络提取人脸关键特征点和人脸框坐标；

S12、由提取的人脸关键特征点和人脸框坐标计算出人脸关键点特征向量，由八组人脸姿态组成，包含：左大幅度转头、左小幅度转头、正视前方、低头、小幅度右转抬头、右下低头、右小幅度转头和右大幅度转头，分别对应驾驶员看左B柱、看左后视镜、看正前方、看仪表盘、看内后镜、看档位、看右后视镜和看右B柱八组动作；

S13、以一长度为8的数组，其包含元素分别对应驾驶员的八组脸部动作，当数组中某一元素为1时，表示当前驾驶员的脸部姿态检测为该元素对应的动作，如：数组当前取值为[1,0,0,0,0,0,0,0],对应驾驶员脸部姿态为“左大幅度转头”。

进一步，所述人脸关键特征点包括眼部、鼻尖和嘴角的特征点的坐标。

本发明的有益效果是：本发明主要应用于机动车驾驶人科目三道路考试现场停车项目的管理，其实现了对考试全程的智能判断，并适用于省、市及县一级驾考主管部门对所辖各分考场的集中管理和监控，考官在后台即可对考试道路停车环节进行监督，既节约了警力，又保证了考试工作的公平、公正和公开。

附图说明

图1是本发明的超车判断流程图。

图2是人脸关键点特征向量的生成流程图。

具体实施方式

以下结合附图。对本发明做进一步说明。

本发明的实施方式主要基于人脸关注点判断模块。

人脸关注点判断模块首先提取人脸框位置信息，然后再通过深度学习判断驾驶员观察的位置。

人脸关注点判断的具体方法包括：提取图片中人脸框的位置信息集合；利用人脸框的面积大小构建人脸的远近深度信息，以面积最大的人脸框作为驾驶员的人脸框；将驾驶员的人脸框图像通过深度学习网络，计算出驾驶员关注点的位置，并结合视频流判断驾驶员的低头、转头等动作信息。

本发明的超车判断标准如下：超车前，是否通过内、外后视镜观察后方和左侧交通情况并回头观察确认安全的。其中，“超车前”指的是跟随被超车辆时，打左转向灯。