本发明属于酒精检测管理技术领域,尤其涉及一种基于云计算酒精检测管理系统及方法。
背景技术:
喝酒时酒精的刺激使人兴奋,在不知不觉中就会喝多,当酒精在人体血液内达到一定浓度时,人对外界的反应能力及控制能力就会下降,处理紧急情况的能力也随之下降。对于酒后驾车者而言,其血液中酒精含量越高,发生撞车的几率越大。当驾驶者血液中酒精含量达80mg/100ml时,发生交通事故的几率是血液中不含酒精时的2.5倍;达到100mg/100ml时,发生交通事故的几率是血液中不含酒精时的4.7倍。即使在少量饮酒的状态下,交通事故的危险度也可达到未饮酒状态的2倍左右。
现有酒精检测仪主要是基于酒精气体传感器进行酒精浓度的检测,外加一个定值电阻及一个电压表或电流表组成;其不会对其他会对检测结果产生影响的数据进行采集并处理,这就导致现有的酒精检测仪采集的酒精数据非常不准确,同时仅仅基于酒精气体传感器进行酒精浓度的检测还会导致一个问题,喝酒一定时间内可以检测到,但是10小时后,进行检测就检测不到了,但此时人体实际还是含有酒精;即检测时效性短。
综上所述,现有技术存在的问题是:现有的酒精检测仪功能单一,通常只能检测酒精数据,无法记录测试现场的具体情况;现有酒精检测管理系统检测酒精浓度不准确;检测的时效性短;采集的视频不清晰影像酒精检测视频管理;同时现有酒精检测器需通过产品服务商进行校正,校正成本高且不方便。
技术实现要素:
针对现有技术存在的问题,本发明提供了一种基于云计算酒精检测管理系统及方法。
本发明是这样实现的,一种基于云计算酒精检测管理系统,所述基于云计算酒精检测管理系统包括:
采集人员身份录入模块,与中央控制模块连接,用于通过指纹识别、人脸识别、ic卡识别或其他识别技术识别录入采集人员身份信息;
定位模块,与中央控制模块连接,用于利用gps进行当前位置的实时定位;
视频录像模块,与中央控制模块连接,用于通过摄像设备采集酒精检测过程视频;
酒精浓度采集模块,与中央控制模块连接,用于通过酒精检测器检测驾驶员呼气酒精浓度数据;
驾驶员信息采集模块,与中央控制模块连接,用于采集驾驶员车牌号、驾驶证号、记录号、酒精值范围、测试时间及其他相关信息;
中央控制模块,与采集人员身份录入模块、定位模块、视频录像模块、酒精浓度采集模块、驾驶员信息采集模块、数据校正模块、视频增强模块、数据统计模块、数据查询模块、编辑模块、日志模块、云处理模块、显示模块连接,用于通过主机控制各个模块正常工作;
数据校正模块,与中央控制模块连接,用于对采集到的相关酒精浓度数据进行校正;
视频增强模块,与中央控制模块连接,用于通过视频增强算法对采集的酒精检测视频进行增强处理;
数据统计模块,与中央控制模块连接,用于通过统计程序对采集的酒精数据进行统计;
数据查询模块,与中央控制模块连接,用于通过查询程序对酒精检测结果进行查询;
编辑模块,与中央控制模块连接,用于通过编辑程序对酒精检测数据进行编辑;
日志模块,与中央控制模块连接,用于通过日志程序对酒精检测时间进行记录;
云处理模块,与中央控制模块连接,用于通过云计算程序集中大量服务器计算资源对酒精检测数据进行处理;
显示模块,与中央控制模块连接,用于通过显示器显示采集的采集人员身份信息、定位信息、酒精检测视频、原始酒精浓度、矫正后的酒精浓度以及驾驶员信息。
本发明的另一目的在于提供一种应用于所述基于云计算酒精检测管理系统的基于云计算酒精检测管理方法,所述基于云计算酒精检测管理方法包括以下步骤:
步骤一,通过指纹识别、人脸识别、ic卡识别或其他识别技术识别录入采集人员身份信息;利用gps进行当前位置的实时定位;利用摄像设备采集酒精检测过程视频;利用酒精检测器检测驾驶员呼气酒精浓度数据;采集驾驶员车牌号、驾驶证号、记录号、酒精值范围、测试时间及其他相关信息;
步骤二,对采集到的相关酒精浓度数据进行校正;利用视频增强算法对采集的酒精检测视频进行增强处理;利用统计程序对采集的酒精数据进行统计;利用查询程序对酒精检测结果进行查询;
步骤三,利用编辑程序对酒精检测数据进行编辑;利用日志程序对酒精检测时间进行记录;
步骤四,利用云计算程序集中大量服务器计算资源对酒精检测数据进行处理;
步骤五,利用显示器显示采集的酒精检测视频、酒精浓度、驾驶员信息。
进一步,步骤一中,所述利用酒精检测器检测驾驶员呼气酒精浓度数据包括:
(1)通过酒精检测器将人体呼出气体采集通道开启;
(2)检测人体呼出气体的指标值,包括但不限于呼气流量值、单次呼气持续时间、实时气压值、气体的气压变化率、气体温度变化率、实时温度值和酒精传感器的实时输出值;
(3)判断所述呼气流量值和单次呼气持续时间值是否均达到预设值,是,则执行步骤(4);否,则停止气体采集,间隔时间t后,再执行步骤(1);
(4)判断所述气体的实时气压值是否达到预设值,是,则执行步骤(5),否,则执行步骤(2);
(5)根据所述实时气压值、实时温度值和酒精传感器的实时输出值,计算呼出气体的酒精浓度值;
(6)根据所述呼出气体的酒精浓度值,计算人体血液中的酒精浓度值。
进一步,步骤(5)中,所述的呼出气体的酒精浓度值的求解公式如下:
其中,ch为呼出气体中的酒精浓度,os为酒精传感器的实时输出值,k1为系数,p为呼出气体的实时气压值,pmax为酒精传感器正常工作的最大气压值,pmin为酒精的传感器正常工作的最小气压值,t为呼出气体的实时温度值,tmax为酒精传感器正常工作的最大温度值,tmin为酒精传感器正常工作的最小温度值,r为通用气体常数。
进一步,步骤二中,所述对采集到的相关酒精浓度数据进行校正包括:
首先,预先建立酒精检测仪器输入信号与酒精浓度检测结果的对应信号-浓度值曲线以及多个第一时间段、特定量、特定浓度、第二时间段分别与若干个特定标准酒精浓度值映射关系表;
其次,通过在固定时间内引用固定浓度的酒精饮料并间隔一段时间后进行酒精浓度的检测,获取多组检测数据;
再者,基于获取的多组检测数据以及标准浓度的差值对信号-浓度值曲线进行校正;
最后,利用信号---浓度值曲线对采集到的数据进行校正。
进一步,步骤二中,所述利用统计程序对采集的酒精数据进行统计包括:
所述数据统计可根据检测人员、驾驶员、检测位置进行分类统计,并输出相应的分类统计报表。
进一步,所述通过在固定时间内引用固定浓度的酒精饮料并间隔一段时间后进行酒精浓度的检测,获取多组检测数据包括:获取第一时间段t1、特定量v、特定浓度p、第二时间段t2和标准酒精浓度值c0,在第一时间段t1内饮下特定量v的特定浓度p的酒精饮料后开始等待,并同时开始计时,计时至经过第二时间段t2时,向酒精检测仪器吹气,获得检测数据。
进一步,步骤二中,所述利用视频增强算法对采集的酒精检测视频进行增强处理如下:
1)识别所述目标视频中的关键帧,并将相邻的两个关键帧之间的视频片段作为一个场景片段,并确定所述场景片段的候选损失类型;
2)针对任一所述候选损失类型,选用与所述候选损失类型相匹配的损失估计模型,并利用所述损失估计模型,预测所述场景片段针对所述候选损失类型的实际损失参数;
3)分别选用与各个所述候选损失类型相匹配的画质增强模型,并利用各个所述画质增强模型,对所述场景片段中的视频帧依次进行画质增强;其中,所述画质增强模型使用的增强参数由相匹配的候选损失类型对应的实际损失参数确定。
进一步,步骤1)中,所述识别所述目标视频中的关键帧包括:
在所述目标视频中确定基准帧,并依次计算所述基准帧之后的视频帧与所述基准帧之间的相似度;
若当前视频帧与所述基准帧之间的相似度小于或者等于指定阈值,将所述当前视频帧确定为一个关键帧;
将所述当前视频帧作为新的基准帧,并依次计算所述新的基准帧之后的视频帧与所述新的基准帧之间的相似度,并根据计算的所述相似度确定下一个关键帧。
进一步,步骤1)中,所述确定所述场景片段的候选损失类型包括:
1.1)选取所述场景片段中的一个或者多个视频帧,并从所述视频帧中提取出区域图像;
1.2)预测各个所述区域图像的损失类型序列,并根据各个所述区域图像的损失类型序列,确定所述视频帧的损失类型序列;
1.3)基于所述场景片段中各个所述视频帧的损失类型序列,确定所述场景片段的损失类型序列,并将所述场景片段的损失类型序列中的概率值进行排序,以根据排序结果确定所述场景片段的候选损失类型。
本发明另一目的在于提供一种接收用户输入程序存储介质,所存储的计算机程序使电子设备执行所述基于云计算酒精检测管理方法。
本发明另一目的在于提供一种存储在计算机可读介质上的计算机程序产品,包括计算机可读程序,供于电子装置上执行时,提供用户输入接口以实施所述基于云计算酒精检测管理方法。
本发明的优点及积极效果为:本发明不仅能够进行酒精检测,同时还能记录驾驶员、采集员以及采集现场的相关图像、影像信息数据,同时本申请不仅采集酒精的浓度数据,还对对其他会产生影响的参数进行采集,能够全面实时的控制酒精检测,还可以提高检测的时效性,同时本发明还能够对酒精检测结果进行校正,提高了检测的准确性。
本发明通过酒精浓度采集模块在酒精分析算法执行前,添加对被测气体的双重预处理及判断,首先对呼气流量值、单次呼气持续时间进行判断,对不符合标准的呼气进行暂停处理,有效规避被测人员企图通过浅度呼气逃避惩罚的操作;对符合呼气标准的气体,再进一步监测实时气压值;在气体量达到预设标准后,进入酒精浓度测试环节,求解气体酒精浓度时,因考虑到不同酒精传感器受环境和人体影响导致漂移,本发明加入气体的气压和温度作为检测结果的补偿,有效降低干扰;增加了酒精检测的精度;同时,通过视频增强模块在进行画质强增时,首先可以将目标视频划分为多个场景片段,并针对各个场景片段依次进行画质增强处理;在对场景片段进行画质增强时,也可以针对不同的候选损失类型,选用不同的画质增强模型,从而能够精准地对候选损失类型进行画质增强。
附图说明
图1是本发明实施例提供的基于云计算酒精检测管理系统结构框图。
图1中:1、采集人员身份录入模块;2、定位模块;3、视频录像模块;4、酒精浓度采集模块;5、驾驶员信息采集模块;6、中央控制模块;7、数据校正模块;8、视频增强模块;9、数据统计模块;10、数据查询模块;11、编辑模块;12、日志模块;13、云处理模块;14、显示模块连接。
图2是本发明实施例提供的基于云计算酒精检测管理方法流程图。
图3是本发明实施例提供的酒精浓度采集模块采集方法流程图。
图4是本发明实施例提供的视频增强模块增强方法流程图。
图5是本发明实施例提供的确定所述场景片段的候选损失类型方法流程图。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示,本发明实施例提供的基于云计算酒精检测管理系统包括:
采集人员身份录入模块1,与中央控制模块6连接,用于通过指纹识别、人脸识别、ic卡识别或其他识别技术识别录入采集人员身份信息。
定位模块2,与中央控制模块6连接,用于利用gps进行当前位置的实时定位。
视频录像模块3,与中央控制模块6连接,用于通过摄像设备采集酒精检测过程视频。
酒精浓度采集模块4,与中央控制模块6连接,用于通过酒精检测器检测驾驶员呼气酒精浓度数据。
驾驶员信息采集模块5,与中央控制模块6连接,用于采集驾驶员车牌号、驾驶证号、记录号、酒精值范围、测试时间及其他相关信息。
中央控制模块6,与采集人员身份录入模块1、定位模块2、视频录像模块3、酒精浓度采集模块4、驾驶员信息采集模块5、数据校正模块7、视频增强模块8、数据统计模块9、数据查询模块10、编辑模块11、日志模块12、云处理模块13、显示模块连接14,用于通过主机控制各个模块正常工作。
数据校正模块7,与中央控制模块6连接,用于对采集到的相关酒精浓度数据进行校正。
视频增强模块8,与中央控制模块6连接,用于通过视频增强算法对采集的酒精检测视频进行增强处理。
数据统计模块9,与中央控制模块6连接,用于通过统计程序对采集的酒精数据进行统计。
数据查询模块10,与中央控制模块6连接,用于通过查询程序对酒精检测结果进行查询。
编辑模块11,与中央控制模块6连接,用于通过编辑程序对酒精检测数据进行编辑。
日志模块12,与中央控制模块6连接,用于通过日志程序对酒精检测时间进行记录。
云处理模块13,与中央控制模块6连接,用于通过云计算程序集中大量服务器计算资源对酒精检测数据进行处理。
显示模块14,与中央控制模块6连接,用于通过显示器显示采集的采集人员身份信息、定位信息、酒精检测视频、原始酒精浓度、矫正后的酒精浓度以及驾驶员信息。
如图2所示,本发明实施例提供的基于云计算酒精检测管理方法包括以下步骤:
s101,通过指纹识别、人脸识别、ic卡识别或其他识别技术识别录入采集人员身份信息;利用gps进行当前位置的实时定位;利用摄像设备采集酒精检测过程视频;利用酒精检测器检测驾驶员呼气酒精浓度数据;采集驾驶员车牌号、驾驶证号、记录号、酒精值范围、测试时间及其他相关信息。
s102,对采集到的相关酒精浓度数据进行校正;利用视频增强算法对采集的酒精检测视频进行增强处理;利用统计程序对采集的酒精数据进行统计;利用查询程序对酒精检测结果进行查询。
s103,利用编辑程序对酒精检测数据进行编辑;利用日志程序对酒精检测时间进行记录。
s104,利用云计算程序集中大量服务器计算资源对酒精检测数据进行处理.
s105,利用显示器显示采集的酒精检测视频、酒精浓度、驾驶员信息。
下面结合具体实施例对本发明的技术方案作进一步说明。
实施例1:
如图3所示,本发明实施例提供的基于云计算酒精检测管理方法如图2所示,作为优选实施例,本发明实施例提供的驾驶员呼气酒精浓度数据检测方法包括:
s201,通过酒精检测器将人体呼出气体采集通道开启。
s202,检测人体呼出气体的指标值,包括但不限于呼气流量值、单次呼气持续时间、实时气压值、气体的气压变化率、气体温度变化率、实时温度值和酒精传感器的实时输出值。
s203,判断所述呼气流量值和单次呼气持续时间值是否均达到预设值,是,则执行步骤s204;否,则停止气体采集,间隔时间t后,再执行步骤s201。
s204,判断所述气体的实时气压值是否达到预设值,是,则执行步骤s205,否,则执行步骤s202。
s205,根据所述实时气压值、实时温度值和酒精传感器的实时输出值,计算呼出气体的酒精浓度值。
s206,根据所述呼出气体的酒精浓度值,计算人体血液中的酒精浓度值。
步骤(5)中,本发明实施例提供的呼出气体的酒精浓度值的求解公式如下:
其中,ch为呼出气体中的酒精浓度,os为酒精传感器的实时输出值,k1为系数,p为呼出气体的实时气压值,pmax为酒精传感器正常工作的最大气压值,pmin为酒精的传感器正常工作的最小气压值,t为呼出气体的实时温度值,tmax为酒精传感器正常工作的最大温度值,tmin为酒精传感器正常工作的最小温度值,r为通用气体常数。
实施例2:
本发明实施例提供的基于云计算酒精检测管理方法如图2所示,作为优选实施例,本发明实施例提供的数据校正方法包括:
首先,预先建立酒精检测仪器输入信号与酒精浓度检测结果的对应信号-浓度值曲线以及多个第一时间段、特定量、特定浓度、第二时间段分别与若干个特定标准酒精浓度值映射关系表.
其次,通过在固定时间内引用固定浓度的酒精饮料并间隔一段时间后进行酒精浓度的检测,获取多组检测数据。
再者,基于获取的多组检测数据以及标准浓度的差值对信号-浓度值曲线进行校正。
最后,利用信号---浓度值曲线对采集到的数据进行校正。
本发明实施例提供的通过在固定时间内引用固定浓度的酒精饮料并间隔一段时间后进行酒精浓度的检测,获取多组检测数据包括:获取第一时间段t1、特定量v、特定浓度p、第二时间段t2和标准酒精浓度值c0,在第一时间段t1内饮下特定量v的特定浓度p的酒精饮料后开始等待,并同时开始计时,计时至经过第二时间段t2时,向酒精检测仪器吹气,获得检测数据。
实施例3:
如图4所示,本发明实施例提供的基于云计算酒精检测管理方法如图2所示,作为优选实施例,本发明实施例提供的利用视频增强算法对采集的酒精检测视频进行增强处理如下:
s301,识别所述目标视频中的关键帧,并将相邻的两个关键帧之间的视频片段作为一个场景片段,并确定所述场景片段的候选损失类型.
s302,针对任一所述候选损失类型,选用与所述候选损失类型相匹配的损失估计模型,并利用所述损失估计模型,预测所述场景片段针对所述候选损失类型的实际损失参数。
s303,分别选用与各个所述候选损失类型相匹配的画质增强模型,并利用各个所述画质增强模型,对所述场景片段中的视频帧依次进行画质增强;其中,所述画质增强模型使用的增强参数由相匹配的候选损失类型对应的实际损失参数确定。
步骤1)中,本发明实施例提供的识别所述目标视频中的关键帧包括:
在所述目标视频中确定基准帧,并依次计算所述基准帧之后的视频帧与所述基准帧之间的相似度;
若当前视频帧与所述基准帧之间的相似度小于或者等于指定阈值,将所述当前视频帧确定为一个关键帧;
将所述当前视频帧作为新的基准帧,并依次计算所述新的基准帧之后的视频帧与所述新的基准帧之间的相似度,并根据计算的所述相似度确定下一个关键帧。
如图5所示,步骤1)中,本发明实施例提供的确定所述场景片段的候选损失类型包括:
s401,选取所述场景片段中的一个或者多个视频帧,并从所述视频帧中提取出区域图像;
s402,预测各个所述区域图像的损失类型序列,并根据各个所述区域图像的损失类型序列,确定所述视频帧的损失类型序列;
s403,基于所述场景片段中各个所述视频帧的损失类型序列,确定所述场景片段的损失类型序列,并将所述场景片段的损失类型序列中的概率值进行排序,以根据排序结果确定所述场景片段的候选损失类型。
以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。