一种车辆数据监测方法及系统

1.本发明涉及车辆监测技术领域，具体涉及一种车辆数据监测方法及系统。


背景技术：

2.工程车是一个建筑工程的主干力量，由于它们的出现才使建筑工程的进度倍增，大大减少了人力。观工程车作业，不由得使人震撼机器与科技的威力。它们用于工程的运载，挖掘，抢修，甚至作战等。工程车辆主要包括吊车、铲车和挖掘机等。工程车的使用场合大多为工地，工地的监控环境先对较差，工程车的零部件或者工程车被盗事件常有发生，被盗后，会影响工程进度，因此，非常有必要对工程车辆提供监控。


技术实现要素：

3.为解决目前工程车辆监控技术不足，工程车或其部件易被盗的问题，本发明提供一种车辆数据监测方法，包括如下步骤，
4.获取人脸识别数据；
5.根据人脸识别的数据结果，选择监测阈值，监测阈值包括第一监测阈值和第二监测阈值；
6.若人脸识别的数据结果为正常或用户端关闭监测模式，获取从当前时刻开始后的k个时间单位内的采样数据值集{s
t
,s
t+1
,...,s
t+k
}，其中，s
t,i
为传感器数值，t为时间序列数，n为传感器数，τ为时刻，为光照数据；通过传感器数据值集{s
t
,s
t+1
,...,s
t+k
}与第一监测阈值对比模型得出结果；
7.若人脸识别数据异常或用户端开启监测模式，向服务器或用户端发送警报数据，并进行如下操作：获取从当前时刻开始后的k个时间单位内的采样数据值集{s
t
,s
t+1
,...,s
t+k
}，获取场地图像数据，所述场地图像数据包括至少两个角度的场地拍摄数据；更新所述采样数据值集，其中，st更新为所述传感器数据值集{s
t
,s
t+1
,...,s
t+k
}与第二监测阈值对比得出结果；
8.对图像数据进行处理，所述处理步骤包括：
9.对图像数据进行hsv颜色空间分割或rgb图像分割；根据分割结果对原始图像进行剪裁；
10.对剪裁后的图像进行人体目标检测；
11.获取检测到的人体与车辆的距离g；
12.判定所述距离g是否在安全距离内，若未在安全距离内，则将数据g与g采集时间τ2共同发送至服务器；
13.更新所述采样数据值集，其中，st更新为所述传感器数据值集{s
t
,s
t+1
,...,s
t+k
}与第二监测阈值对比得出结果。
14.进一步地，所述对图像进行hsv颜色空间分割包括如下步骤：
15.对目标图像进行色彩空间转换；
16.设定分割颜色上限和分割颜色下限；
17.依据设定的分割颜色上下限对图像进行二值化转换；
18.使用形态学操作对二值化转换后的图像进行处理；
19.将形态学操作后的图像与原图像进行“与”操作。
20.优选地，所述人脸识别数据异常包括连续三次人脸匹配信息错误。
21.具体地，所述通过传感器数据值集{s
t
,s
t+1
,...,s
t+k
}与第一监测阈值对比模型得出结果包括：
22.计算k-1个时间间隔内数据值集中n个传感器数值的差值平均值以及平均光照强度；
[0023][0024][0025]
将与第一监测阈值进行对比得出结果，具体为，
[0026]
当时，若e
δd
》β1δ
d1
则判定为异常，否则，则判定为正常，其中β为常数；当时，若δd》δ
d1
则判定为异常，否则，则判定为正常；
[0027]
所述通过传感器数据值集{s
t
,s
t+1
,...,s
t+k
}与第二监测阈值对比模型得出结果包括：
[0028]
计算k-1个时间间隔内数据值集中n个传感器数值的差值平均值以及光照数据的差值；
[0029][0030][0031][0032]
将与第一监测阈值进行对比得出结果，具体为：
[0033]
当当时，若e
δd
》β2δ
d2
且δg≤δg则判定为异常，若e
δd
》β2δ
d2
且δg》δg则判定为疑似异常，若e
δd
《β2δ
d2
判定为正常；当时，若δd》δ
d2
且δg≤δg则判定为异常，若δd》δ
d2
且δg》δg则判定为疑似异常，若δd《δ
d2
判定为正常。
[0034]
具体地，所述获取场地图像数据包括：开启视频存储功能，从视频数据中采集图像帧作为场地图像数据。
[0035]
具体地，所述从视频数据中采集图像帧作为场地图像数据包括如下步骤：
[0036]
从连续视频帧数据中固定时间间隔采集多张图像数据；
[0037]
使用颜色c的色调分数来计算给定帧是否包含给定颜色的目标对象，所述色调分数的计算公式为：
[0038][0039]
选择色调分数最大值为作为场地图像数据。
[0040]
具体地，所述形态学操作包括腐蚀操作、膨胀操作、开运算或闭运算等中的一种或几种。
[0041]
同时，为解决上述技术问题，本发明还提供一种车辆数据监测系统，包括：
[0042]
人脸数据识别模块，用于获取并识别人脸数据；
[0043]
传感数据获取模块，用于对车辆的各项传感数据进行获取；
[0044]
视频数据采集模块，用于对视频数据进行采集，并从中挑选出图像数据；
[0045]
存储模块，用于对视频数据进行存储；
[0046]
服务器，用于接收人脸数据识别模块的结果、接收视频数据采集模块的结果、以及传感数据获取模块的结果进行判断，得出监测结果；
[0047]
客户端，用于接收监测结果，还用于对监测模式进行控制，监测模式包括开启与关闭两种模式。
[0048]
同时，为解决上述技术问题，本发明还提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述所述的车辆数据监测方法。
[0049]
同时，为解决上述技术问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述所述的车辆数据监测方法。
[0050]
采用上述方案后，本发明的有益效果在于，能够对工程车辆进行有效的监控，不仅能够较好的防止工程车辆或者工程车辆的零部件被盗，而且方便对车辆的运行状态进行监测，也可以作为一种有效的异常监测方法；同时，本发明的方法能够减小计算开支。
附图说明
[0051]
图1为本发明的流程图。
具体实施方式
[0052]
下面结合附图，对本发明的具体实施方式进行详细描述，但应当理解本发明的保护范围并不受具体实施方式的限制。
[0053]
除非另有其它明确表示，否则在整个说明书和权利要求书中，术语“包括”或其变换如“包含”或“包括有”等等将被理解为包括所陈述的元件或组成部分，而并未排除其它元件或其它组成部分。
[0054]
在本发明的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
[0055]
实施例1
[0056]
如图1所示，一种车辆数据监测方法，包括如下步骤：
[0057]
s100.获取人脸识别数据；人脸识别数据可以在驾驶座位获取，也可以在车辆操作门上获取，也可以在客户端获取，客户端包括手机客户端、平板客户端、电脑客户端或者其他智能客户端。
[0058]
s200.根据人脸识别的数据结果或开启监测模式，所述监测模式由用户端开启，选择监测阈值，监测阈值包括第一监测阈值和第二监测阈值，所述第一监测阈值以及第二监测阈值并非为单一的值，而是包括了两个或两个以上的阈值子项；具体而言，若人脸识别的数据结果为正常或关闭监测模式，获取从当前时刻开始后的k个时间单位内的采样数据值集{s
t
,s
t+1
,...,s
t+k
}，其中，
[0059]
其中，s
t,i
为传感器数值，t为时间序列数，n为传感器数，τ为时刻，为光照数据；通过传感器数据值集{s
t
,s
t+1
,...,s
t+k
}与第一监测阈值对比模型得出结果；传感器数据包括油量下降数据、电池传感数据、主板安装传感数据等，实际操作中应当设置车辆容易被盗或者容易产生异常的位置的传感数据。人脸识别数据结果为正常，说明当前车辆在正常使用状态，使用状态中，车辆各类传感器的数值波动应当在正常范围内，或者用户选择为非监测模式，因为实际场合中可能车辆操控者并未录入人脸，但是车辆是处于正常使用状态。优选地，人脸识别数据异常包括连续三次人脸匹配信息错误。所述通过传感器数据值集{s
t
,s
t+1
,...,s
t+k
}与第一监测阈值对比模型得出结果包括：
[0060]
计算k-1个时间间隔内数据值集中n个传感器数值的差值平均值以及平均光照强度；
[0061][0062][0063]
将与第一监测阈值进行对比得出结果，其中，δ
d1
为传感器变化第一阈值，为光照平均值第一阈值，此过程具体为：
[0064]
当时，若e
δd
》β1δ
d1
则判定为异常，否则，则判定为正常，其中β为常数；当时，若δd》δ
d1
则判定为异常，否则，则判定为正常。在光线较强的白天或者客户选择了非监测模式，车辆为使用状态，车辆本身处于工作状态，传感器采集到的值与静止状态下采集到的值幅度要大，采用e
δd
来进行比较，能够排除由于车辆处于工作状态的较小的数据扰动或者噪声数据的影响。此方法也可以作为一种车辆数据正常运行状态的评判方法。
[0065]
若人脸识别数据异常或开启监测模式，向服务器或用户端发送警报数据，并进行如下操作：获取从当前时刻开始后的k个时间单位内的采样数据值集{s
t
,s
t+1
,...,s
t+k
}，获取场地图像数据，所述场地图像数据包括至少两个角度的场地拍摄数据；人脸识别异常包括未识别出人脸的情况，更新所述采样数据值集，其中，st更新为其中，g
t
为t时刻车辆与人的距离，s
t+1
,...,s
t+k
的更新类似，所述传感器数据值集{s
t
,s
t+1
,...,s
t+k
}与第二监测阈值对比得出结果。人脸识别数据异常说明可能当前车辆处于非正常状态，同样的，人脸识别模块可以设置在驾驶位，也可以设置在车门、车身等其他位置，若未检测到人脸，则说明车辆需要被监测，或者操控者
选择监测模式，此时车辆也应当被监控。所述通过传感器数据值集{s
t
,s
t+1
,...,s
t+k
}与第二监测阈值对比模型得出结果包括：
[0066]
计算k-1个时间间隔内数据值集中n个传感器数值的差值平均值以及光照数据的差值；
[0067][0068][0069][0070]
将与第一监测阈值其中，δ
d2
为传感器变化第二阈值，为光照平均值第二阈值，δg为车辆与人的距离第二阈值，进行对比得出结果，实际操作中，选取与车辆最近的人的作为目标；此过程具体为：
[0071]
当时，若e
δd
》β2δ
d2
且δg≤δg则判定为异常，若e
δd
》β2δ
d2
且δg》δg则判定为疑似异常，若e
δd
《β2δ
d2
判定为正常；当时，若δd》δ
d2
且δg≤δg则判定为异常，若δd》δ
d2
且δg》δg则判定为疑似异常，若δd《δ
d2
判定为正常。应当注意，本发明的方法是基于现实情况中工程车辆或者其部件被盗大多是发生在晚上的情况。
[0072]
所述获取场地图像数据包括：
[0073]
服务器或用户端开启视频存储功能，从视频数据中采集图像帧作为场地图像数据。在人脸识别正确或者监测模式关闭的时候，视频存储功能优选为不开启，这样可以减少存储量，减少计算资源的耗费。所述从视频数据中采集图像帧作为场地图像数据包括如下步骤：
[0074]
1)从连续视频帧数据中固定时间间隔采集多张图像数据；
[0075]
2)使用颜色c的色调分数来计算给定帧是否包含给定颜色的目标对象，所述色调分数的计算公式为：
[0076][0077]
3)选择色调分数最大值为作为场地图像数据。
[0078]
上述情况为光照强度足够的情况下，有益效果是能够获取车辆拍摄条件较好的图像数据，若光照强度不够，直接从连续视频帧数据中固定时间间隔采集多张图像数据，再选择中间时刻的图像作为场地图像数据。
[0079]
所述视频数据存储于存储模块，也可以上传至云端，通常，视频数据的保留期限是7天或者14天，具体的保存时间由技术人员根据存储模块的存储能力而设定。
[0080]
s210.对图像数据进行处理，所述处理步骤包括：
[0081]
对图像数据进行hsv颜色空间分割或rgb图像分割；对于工程车辆而言，大多数工程车辆的颜色较为鲜明，比如未黄色和红色，在施工场地中可以通过颜色对车辆进行快速分割。
[0082]
s220.根据分割结果对原始图像进行剪裁。
[0083]
s230.对剪裁后的图像进行人体目标检测，剪裁的图片应当根据分割的结果进行剪裁，以分割出的车辆为中心向上下左右四个方向扩展一定范围。
[0084]
s240.获取检测到的人体与车辆的距离g；可以通过从图像中获取距离g，也可以通过安装在车身或者车辆周围的红外探测器获取。
[0085]
s250.将数据g与g采集时间τ2共同发送至服务器。
[0086]
在上述过程中，先对图像进行分割，再对图像进行剪裁，可以减小目标检测的计算量和准确性，同时，在光线足够的情况下使用hsv颜色空间分割，相较于rgb图像的神经网络分割，能够减小计算开销，但同时考虑到了可能光线不足的情况下，比如夜晚，使用hsv颜色空间分割效果差，因此本发明也可以用rgb分割，具体采用哪种分割应当根据光线条件动态地选择。进一步地，如果在场景中有多于一辆监测车辆需要进行监控，也需要对图像进行切割，在此种情况下，本发明采集的数据应当为矩阵形式。
[0087]
上述过程中，所述对图像进行hsv颜色空间分割包括如下步骤：
[0088]
s211.对目标图像进行色彩空间转换；
[0089]
s212.设定分割颜色上限和分割颜色下限；
[0090]
s213.依据设定的分割颜色上下限对图像进行二值化转换；
[0091]
s214.使用形态学操作对二值化转换后的图像进行处理；所述形态学操作包括腐蚀操作、膨胀操作、开运算或闭运算等中的一种或几种；
[0092]
s215.将形态学操作后的图像与原图像进行“与”操作。
[0093]
实施例2
[0094]
本实施例提供一种车辆数据监测系统，包括：
[0095]
人脸数据识别模块，用于获取并识别人脸数据，人脸数据识别模块与服务器相连；
[0096]
传感数据获取模块，用于对车辆的各项传感数据进行获取，传感数据获取模块与服务器相连；
[0097]
视频数据采集模块，用于对视频数据进行采集，并从中挑选出图像数据；视频采集模块与服务器相连；
[0098]
存储模块，用于对视频数据进行存储，存储模块分别与视频采集模块和服务器相连；
[0099]
服务器，用于接收人脸数据识别模块的结果、接收视频数据采集模块的结果、以及传感数据获取模块的结果进行判断，得出监测结果；服务器还能够对视频采集模块进行控制；具体地，若人脸识别的数据结果为正常或用户端关闭监测模式，获取从当前时刻开始后的k个时间单位内的采样数据值集{s
t
,s
t+1
,...,s
t+k
}，其中，其中，s
t,i
为传感器数值，t为时间序列数，n为传感器数，τ为时刻，为光照数据；通过传感器数据值集{s
t
,s
t+1
,...,s
t+k
}与第一监测阈值对比模型得出结果。若人脸识别数据异常或用户端开启监测模式，获取从当前时刻开始后的k个时间单位内的采样数据值集{s
t
,s
t+1
,...,s
t+k
}，获取场地图像数据，所述场地图像数据包括至少两个角度的场地拍摄数据；更新所述采样数据值集，其中，st更新为所述传感器数据值集{s
t
,s
t+1
,...,s
t+k
}与第二监测阈值对比得出结果。
[0100]
客户端，用于接收监测结果，还用于对监测模式进行控制，监测模式包括开启与关
闭两种模式；客户端能够通过服务器，对人脸识别模块进行设置、对传感器模块进行管理、对阈值进行管理、对视频数据采集模块进行管理；
[0101]
上述模块之间采用无限网络通信。
[0102]
实施例3
[0103]
本实施例提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如实施例1所述的车辆数据监测方法。
[0104]
实施例4
[0105]
本实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如实施例1所述的车辆数据监测方法。
[0106]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0107]
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

技术特征：
1.一种车辆数据监测方法，其特征在于，包括如下步骤：获取人脸识别数据；根据人脸识别的数据结果，选择监测阈值，监测阈值包括第一监测阈值和第二监测阈值；若人脸识别的数据结果为正常或关闭监测模式，获取从当前时刻开始后的k个时间单位内的采样数据值集{s
t
,s
t+1
,...,s
t+k
}，其中，s
t,i
为传感器数值，t为时间序列数，n为传感器数，τ为时刻，为光照数据；通过传感器数据值集{s
t
,s
t+1
,...,s
t+k
}与第一监测阈值对比模型得出结果；若人脸识别数据异常或开启监测模式，向服务器或用户端发送警报数据，并进行如下操作：获取从当前时刻开始后的k个时间单位内的采样数据值集{s
t
,s
t+1
,...,s
t+k
}，并获取场地图像数据，所述场地图像数据包括至少两个角度的场地拍摄数据；更新所述采样数据值集，其中，st更新为所述传感器数据值集{s
t
,s
t+1
,...,s
t+k
}与第二监测阈值对比得出结果；对图像数据进行处理，所述处理步骤包括：对图像数据进行hsv颜色空间分割或rgb图像分割；根据分割结果对原始图像进行剪裁；对剪裁后的图像进行人体目标检测；获取检测到的人体与车辆的距离g；判定所述距离g是否在安全距离内，若未在安全距离内，则将数据g与g采集时间τ2共同发送至服务器；更新所述采样数据值集，其中，st更新为所述传感器数据值集{s
t
,s
t+1
,...,s
t+k
}与第二监测阈值对比得出结果。2.根据权利要求1所述的一种车辆数据监测方法，其特征在于，所述对图像进行hsv颜色空间分割包括如下步骤：对目标图像进行色彩空间转换；设定分割颜色上限和分割颜色下限；依据设定的分割颜色上下限对图像进行二值化转换；使用形态学操作对二值化转换后的图像进行处理；将形态学操作后的图像与原图像进行“与”操作。3.根据权利要求1所述的一种车辆数据监测方法，其特征在于，所述人脸识别数据异常包括连续三次人脸匹配信息错误。4.根据权利要求1所述的一种车辆数据监测方法，其特征在于，所述通过传感器数据值集{s
t
,s
t+1
,...,s
t+k
}与第一监测阈值对比模型得出结果包括：计算k-1个时间间隔内数据值集中n个传感器数值的差值平均值以及平均光照强度；1个时间间隔内数据值集中n个传感器数值的差值平均值以及平均光照强度；
将与第一监测阈值进行对比得出结果，具体为，当时，若e
δd
>β1δ
d1
则判定为异常，否则，则判定为正常，其中β为常数；当时，若δd>δ
d1
则判定为异常，否则，则判定为正常；所述通过传感器数据值集st,st+1,...,st+k与第二监测阈值对比模型得出结果包括：计算k-1个时间间隔内数据值集中n个传感器数值的差值平均值以及光照数据的差值；1个时间间隔内数据值集中n个传感器数值的差值平均值以及光照数据的差值；1个时间间隔内数据值集中n个传感器数值的差值平均值以及光照数据的差值；将与第一监测阈值进行对比得出结果，具体为：当时，若e
δd
>β2δ
d2
且δg≤δ
g
则判定为异常，若e
δd
>β2δ
d2
且δg>δ
g
则判定为疑似异常，若e
δd
<β2δ
d2
判定为正常；当时，若δd>δ
d2
且δg≤δ
g
则判定为异常，若δd>δ
d2
且δg>δ
g
则判定为疑似异常，若δd<δ
d2
判定为正常。5.根据权利要求1所述的一种车辆数据监测方法，其特征在于，所述获取场地图像数据包括：开启视频存储功能，从视频数据中采集图像帧作为场地图像数据。6.根据权利要求1所述的一种车辆数据监测方法，其特征在于，所述从视频数据中采集图像帧作为场地图像数据包括如下步骤：从连续视频帧数据中固定时间间隔采集多张图像数据；使用颜色c的色调分数来计算给定帧是否包含给定颜色的目标对象，所述色调分数的计算公式为：选择色调分数最大值为作为场地图像数据。7.根据权利要求2所述的一种车辆数据监测方法，其特征在于，所述形态学操作包括腐蚀操作、膨胀操作、开运算或闭运算等中的一种或几种。8.一种车辆数据监测系统，其特征在于，包括：人脸数据识别模块，用于获取并识别人脸数据；传感数据获取模块，用于对车辆的各项传感数据进行获取；视频数据采集模块，用于对视频数据进行采集，并从中挑选出图像数据；存储模块，用于对视频数据进行存储；服务器，用于接收人脸数据识别模块的结果、接收视频数据采集模块的结果、以及传感数据获取模块的结果进行判断，得出监测结果；客户端，用于接收监测结果，还用于对监测模式进行控制，监测模式包括开启与关闭两种模式。
9.一种电子设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的车辆数据监测方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的车辆数据监测方法。

技术总结
一种车辆数据监测方法，涉及车辆监测技术领域，包括如下步骤，获取人脸识别数据；根据人脸识别的数据结果，选择监测阈值，监测阈值包括第一监测阈值和第二监测阈值；若人脸识别的数据结果为正常或用户端关闭监测模式，获取从当前时刻开始后的k个时间单位内的采样数据值集，通过传感器数据值集与第一监测阈值对比模型得出结果；若人脸识别数据异常或用户端开启监测模式，获取从当前时刻开始后的k个时间单位内的采样数据值集、获取场地图像数据，所述场地图像数据包括至少两个角度的场地拍摄数据；更新所述采样数据值集，所述传感器数据值集与第二监测阈值对比得出结果；本发明的方法能够对工程车辆进行有效的监控。能够对工程车辆进行有效的监控。能够对工程车辆进行有效的监控。


技术研发人员：丁又 何予霄 向太阳
受保护的技术使用者：电子科技大学成都学院
技术研发日：2023.07.12
技术公布日：2023/9/20