本发明实施例涉及智慧驾考技术领域，具体是一种智慧驾考的检测方法与装置。
背景技术：
随着我国经济的迅速发展，家庭的车辆拥有量越来越多，使得每年约新增三千万驾驶人员。面对日益严峻的道路交通安全形势，为了有效提升驾驶人员的驾驶技能，因而避免或减少驾驶技能交叉的驾驶人员在驾考中由于作弊而获取驾驶执照，对于驾驶人员的驾考进行有效监测显得尤为必要。
目前，在驾考监测中，通常采用人工监测方式，结合考场巡查方式，在确定驾驶人员存在作弊行为时，进行现场视频录像以存储证据，但该监测驾考的方法，需要投入大量的人力，且监考人员由于视线的盲角，对驾驶人员的监测存在遗漏，使得驾考的监测效率较低，监测的准确性不高。
技术实现要素：
本发明实施例的目的在于提供一种智慧驾考的检测方法与装置，以解决上述背景技术中提出的问题。
为实现上述目的，本发明实施例提供如下技术方案：
一种智慧驾考的检测方法，所述检测方法包括以下步骤：
获取车内驾驶位考生图像数据，所述图像数据包括监测部位对应的特征行为；
根据作弊识别策略并基于所述考生图像数据中监测部位对应的特征行为，对车内考生进行动作识别处理；
输出所述动作识别处理的识别结果，所述识别结果包括：考生是否为作弊用户，以及考生为作弊用户的证据数据。
作为本发明实施例技术方案进一步的限定，在获取车内考生图像数据的步骤之前，还包括对进入车内的考生进行身份识别的步骤，所述对进入车内的考生进行身份识别的步骤包括：
存储考生的原始指纹信息，建立考生指纹数据库；
接收考生的身份识别请求后，发送指纹验证指令；
获取考生根据所述指纹验证指令输入的指纹信息；
判断考生输入的所述指纹信息是否与所述指纹验证指令和所述原始指纹信息同时匹配，若匹配则身份识别成功，否则身份识别失败。
作为本发明实施例技术方案进一步的限定，所述身份识别成功的步骤还包括将所述考生信息进行显示并接收考生的考生信息确认指令，从而完成考生的身份识别。
作为本发明实施例技术方案进一步的限定，所述根据作弊识别策略并基于所述考生图像数据中监测部位对应的特征行为，对车内考生进行动作识别处理的步骤包括：
构建作弊动作映射关系数据库；
根据作弊动作映射关系数据库并基于所述考生图像数据确定的考生行为特征，判断考生落入黑名单和/或满足作弊模式，则确定所述考生为嫌疑考生，并在确定考生为嫌疑考生的情况下输出考生图像数作为所述证据数据；否则，确定考生为正常考生。
作为本发明实施例技术方案进一步的限定，所述构建作弊动作映射关系数据库的步骤包括：
获取被认定为作弊的驾考作弊视频数据；
提取所述考作弊视频数据中预设的监测部位对应的特征行为；
针对所述监测部位，对驾考作弊视频数据中所述监测部位对应的特征行为进行处理，得到所述监测部位对应的疑似作弊特征行为，构建监测部位与疑似作弊特征行为相对应的的作弊动作映射关系数据库。
一种智慧驾考的检测装置，所述的检测装置包括：
获取模块，用于获取车内驾驶位考生图像数据，所述图像数据包括监测部位对应的特征行为；
识别处理模块，用于根据作弊识别策略并基于所述考生图像数据中监测部位对应的特征行为，对车内考生进行动作识别处理；以及
输出模块，用于输出所述动作识别处理的识别结果，所述识别结果包括：考生是否为作弊用户，以及考生为作弊用户的证据数据。
作为本发明实施例技术方案进一步的限定，所述的检测装置还包括：
身份识别模块，用于对进入车内的考生进行身份识别；
其中，所述身份识别模块包括：
创建指纹数据库单元，用于存储考生的原始指纹信息，建立考生指纹数据库；
指令发送单元，用于接收考生的身份识别请求后，发送指纹验证指令；
指纹信息获取单元，用于获取考生根据所述指纹验证指令输入的指纹信息；以及
身份判断单元，用于判断考生输入的所述指纹信息是否与所述指纹验证指令和所述原始指纹信息同时匹配，若匹配则身份识别成功，否则身份识别失败。
作为本发明实施例技术方案进一步的限定，所述身份判断单元还包括：
展示单元，用于将所述考生信息进行显示；以及
确认单元，用于接收考生的考生信息确认指令。
作为本发明实施例技术方案进一步的限定，所述识别处理模块包括：
构建单元，用于构建作弊动作映射关系数据库；以及
行为判断单元，用于判断根据作弊动作映射关系数据库并基于所述考生图像数据确定的考生行为特征，判断考生落入黑名单和/或满足作弊模式，则确定所述考生为嫌疑考生，并在确定考生为嫌疑考生的情况下输出考生图像数作为所述证据数据；否则，确定考生为正常考生。
作为本发明实施例技术方案进一步的限定，所述构建单元具体包括：
获取单元，用于获取被认定为作弊的驾考作弊视频数据；
提取单元，用于提取所述考作弊视频数据中预设的监测部位对应的特征行为；以及构建处理单元，用于针对所述监测部位，对驾考作弊视频数据中所述监测部位对应的特征行为进行处理，得到所述监测部位对应的疑似作弊特征行为，构建监测部位与疑似作弊特征行为相对应的的作弊动作映射关系数据库。
与现有技术相比，本发明的有益效果是：
在本发明实施例提供的智慧驾考的检测方法中，通过获取车内驾驶位考生图像数据，所述图像数据包括监测部位对应的特征行为；然后根据作弊识别策略并基于所述考生图像数据中监测部位对应的特征行为，对车内考生进行动作识别处理；并输出所述动作识别处理的识别结果，所述识别结果包括：考生是否为作弊用户，以及考生为作弊用户的证据数据，提高了驾考监考过程中的智能化，避免投入大量的人力，且在确定驾驶人员存在作弊行为时，能够及时的存储证据，解决了人工监考由于视线的盲角，对驾驶人员的监测存在遗漏的问题，使得驾考的监测效率高以及监测的准确性高。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例。
图1示出了本发明实施例1提供的智慧驾考的检测方法的流程框图。
图2示出了本发明实施例2提供的智慧驾考的检测方法的流程框图。
图3示出了本发明实施例2提供的智慧驾考的检测方法的子流程框图。
图4示出了本发明实施例3提供的智慧驾考的检测方法的子流程框图。
图5示出了本发明实施例4提供的智慧驾考的检测方法的子流程框图。
图6示出了本发明实施例5提供的智慧驾考的检测装置的结构框图。
图7示出了本发明实施例6提供的智慧驾考的检测装置的结构框图。
图8示出了本发明实施例6智慧驾考的检测装置中身份识别模块的结构框图。
图9示出了本发明实施例7提供的身份判断单元的结构框图。
图10示出了本发明实施例8智慧驾考的检测装置中识别处理模块的结构框图。
图11示出了本发明实施例9提供的构建单元的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如101、102等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
可以理解的是，在目前的驾考监测中，通常采用人工监测方式，结合考场巡查方式，在确定驾驶人员存在作弊行为时，进行现场视频录像以存储证据，但该监测驾考的方法，需要投入大量的人力，且监考人员由于视线的盲角，对驾驶人员的监测存在遗漏，使得驾考的监测效率较低，监测的准确性不高。
在本发明实施例提供的智慧驾考的检测方法与装置中，通过获取车内驾驶位考生图像数据，所述图像数据包括监测部位对应的特征行为；然后根据作弊识别策略并基于所述考生图像数据中监测部位对应的特征行为，对车内考生进行动作识别处理；并输出所述动作识别处理的识别结果，所述识别结果包括：考生是否为作弊用户，以及考生为作弊用户的证据数据，提高了驾考监考过程中的智能化，避免投入大量的人力，且在确定驾驶人员存在作弊行为时，能够及时的存储证据，解决了人工监考由于视线的盲角，对驾驶人员的监测存在遗漏的问题，使得驾考的监测效率高以及监测的准确性高。
实施例1：图1示出了本发明实施例1提供的智慧驾考的检测方法的流程框图。
具体的，在本发明提供的优选实施方式中，一种智慧驾考的检测方法100，所述检测方法100包括以下步骤：
步骤101：获取车内驾驶位考生图像数据，所述图像数据包括监测部位对应的特征行为；
在本发明实施例提供的步骤101中，通过安装在考生车内的摄像头对驾驶位的考生进行拍摄，以获取到车内驾驶位考生的图像数据，其中，获取的所述图像数据包括监测部位对应的特征行为，通过对该特征行为进行识别，以判断考生是否作弊；
步骤102：根据作弊识别策略并基于所述考生图像数据中监测部位对应的特征行为，对车内考生进行动作识别处理；
在本发明实施例提供的步骤102中，所述作弊识别策略为二级作弊识别策略，例如，步骤102采用下文提及的图4所示实施例中的1021-1025实现。
步骤103：输出所述动作识别处理的识别结果，所述识别结果包括：考生是否为作弊用户，以及考生为作弊用户的证据数据。
采用本实施例提供的方法，不仅能够有效确定在驾考过程中的作弊考生，还能得到证明考生作弊的证据数据，并对证据数据进行存储以及上传。
实施例2：图2示出了本发明实施例2提供的智慧驾考的检测方法的流程框图。
具体的，在本发明提供的优选实施方式中，在获取车内考生图像数据的步骤之前，还包括对进入车内的考生进行身份识别的步骤104。
可以理解的是，在本发明实施例中，为避免替考情况的出现，在驾考正式开始之前，需要对考生的身份进行识别，因此，在在获取车内考生图像数据的步骤之前，还包括对进入车内的考生进行身份识别的步骤104，在步骤104中，结合人工对考生证件进行查验，以及利用指纹识别，对考生身份进行核实确认，以避免替考情况的发生。
进一步的，图3示出了本发明实施例2提供的智慧驾考的检测方法的子流程框图。
具体的，在本发明提供的优选实施方式中，所述对进入车内的考生进行身份识别的步骤104包括：
步骤1041：存储考生的原始指纹信息，建立考生指纹数据库；
在本发明实施例中，在考生进行报考时，及时的录入考生指纹，形成考生的指纹数据库。
步骤1042：接收考生的身份识别请求后，发送指纹验证指令；
可以理解的是，在本发明提供的优选实施方式中，在对考生进行身份识别时，通过接收考生的身份识别请求，触发指纹识别器启动，向考生发送指纹验证指令，例如，指纹验证指令可以是“将中指放到指纹识别器上”，也可以是“将拇指放到指纹识别器上”，因此，可根据指令的不同，考生根据指令作出相应的动作，以对相对应的手指指纹进行识别；
步骤1043：获取考生根据所述指纹验证指令输入的指纹信息；
在本发明实施例中，通过指纹识别器获取考生的指纹信息，从而方便进一步对考生指纹信息进行识别判断。
步骤1044：判断考生输入的所述指纹信息是否与所述指纹验证指令和所述原始指纹信息同时匹配，若匹配则身份识别成功，否则身份识别失败。
具体的，在本发明实施例提供的步骤1044中，通过指纹识别器获取到的考生指纹信息，与所述指纹数据库中对应考生的原始指纹信息进行比对，进而判断考生的身份，进而对考试进行身份识别，根据考试身份识别的成功与否，对考生是否能够进行下一步的考试作出决定。
进一步的，在本发明提供的优选实施方式中，所述身份识别成功的步骤还包括将所述考生信息进行显示并接收考生的考生信息确认指令，从而完成考生的身份识别。
在本发明实施例中，在完成对考生的身份识别后，将考生的信息在显示屏上进行展示，以方便考生对其个人信息进行确认；可以理解的是，考生的信息还可以通过语音播报的形式反馈给给考生，以供考生核对信息。
实施例3：图4示出了本发明实施例3提供的智慧驾考的检测方法的子流程框图。
具体的，在本发明提供的优选实施方式中，所述根据作弊识别策略并基于所述考生图像数据中监测部位对应的特征行为，对车内考生进行动作识别处理的步骤102包括：
步骤1021：构建作弊动作映射关系数据库；
步骤1022：根据作弊动作映射关系数据库并基于所述考生图像数据确定的考生行为特征，判断考生是否落入黑名单和/或满足作弊模式；
步骤1023：则确定所述考生为嫌疑考生；
步骤1024：在确定考生为嫌疑考生的情况下输出考生图像数作为所述证据数据；
步骤1025：否则，确定考生为正常考生。
实施例4：图5示出了本发明实施例4提供的智慧驾考的检测方法的子流程框图。
具体的，在本发明提供的优选实施方式中，所述构建作弊动作映射关系数据库的步骤1021包括：
步骤10211：获取被认定为作弊的驾考作弊视频数据；
步骤10212：提取所述考作弊视频数据中预设的监测部位对应的特征行为；
步骤10213：针对所述监测部位，对驾考作弊视频数据中所述监测部位对应的特征行为进行处理，得到所述监测部位对应的疑似作弊特征行为，构建监测部位与疑似作弊特征行为相对应的的作弊动作映射关系数据库。
在本发明实施例提供的智慧驾考的检测方法中，通过获取车内驾驶位考生图像数据，所述图像数据包括监测部位对应的特征行为；然后根据作弊识别策略并基于所述考生图像数据中监测部位对应的特征行为，对车内考生进行动作识别处理；并输出所述动作识别处理的识别结果，提高了驾考监考过程中的智能化，避免投入大量的人力，且在确定驾驶人员存在作弊行为时，能够及时的存储证据，解决了人工监考由于视线的盲角，对驾驶人员的监测存在遗漏的问题。
实施例5：图6示出了本发明实施例5提供的智慧驾考的检测装置200的结构框图。
具体的，在本发明提供的优选实施方式中，一种智慧驾考的检测装置200，所述的检测装置200包括：
获取模块201，用于获取车内驾驶位考生图像数据，所述图像数据包括监测部位对应的特征行为；
识别处理模块202，用于根据作弊识别策略并基于所述考生图像数据中监测部位对应的特征行为，对车内考生进行动作识别处理；以及
输出模块203，用于输出所述动作识别处理的识别结果，所述识别结果包括：考生是否为作弊用户，以及考生为作弊用户的证据数据。
实施例6：图7示出了本发明实施例6提供的智慧驾考的检测装置的结构框图。
具体的，在本发明提供的优选实施方式中，所述的检测装置200还包括：
身份识别模块204，用于对进入车内的考生进行身份识别。
另外，图8示出了本发明实施例6智慧驾考的检测装置中身份识别模块的结构框图，具体的，在本发明提供的优选实施方式中，所述身份识别模块204包括：
创建指纹数据库单元2041，用于存储考生的原始指纹信息，建立考生指纹数据库；
指令发送单元2042，用于接收考生的身份识别请求后，发送指纹验证指令；
指纹信息获取单元2043，用于获取考生根据所述指纹验证指令输入的指纹信息；以及
身份判断单元2044，用于判断考生输入的所述指纹信息是否与所述指纹验证指令和所述原始指纹信息同时匹配，若匹配则身份识别成功，否则身份识别失败。
实施例7：图9示出了本发明实施例7提供的身份判断单元2044的结构框图。
具体的，在本发明提供的优选实施方式中，所述身份判断单元2044还包括：
展示单元20441，用于将所述考生信息进行显示；以及
确认单元20442，用于接收考生的考生信息确认指令。
实施例8：图10示出了本发明实施例8智慧驾考的检测装置中识别处理模块的结构框图，具体的，在本发明提供的优选实施方式中，所述识别处理模块202包括：
构建单元2021，用于构建作弊动作映射关系数据库；以及
行为判断单元2022，用于判断根据作弊动作映射关系数据库并基于所述考生图像数据确定的考生行为特征，判断考生落入黑名单和/或满足作弊模式，则确定所述考生为嫌疑考生，并在确定考生为嫌疑考生的情况下输出考生图像数作为所述证据数据；否则，确定考生为正常考生。
实施例9：图11示出了本发明实施例9提供的构建单元的结构框图。
具体的，在本发明提供的优选实施方式中，所述构建单元2021具体包括：
获取单元20211，用于获取被认定为作弊的驾考作弊视频数据；
提取单元20212，用于提取所述考作弊视频数据中预设的监测部位对应的特征行为；以及
构建处理单元20213，用于针对所述监测部位，对驾考作弊视频数据中所述监测部位对应的特征行为进行处理，得到所述监测部位对应的疑似作弊特征行为，构建监测部位与疑似作弊特征行为相对应的的作弊动作映射关系数据库。
综上所述，在本发明实施例提供的智慧驾考的检测方法与装置中，通过获取车内驾驶位考生图像数据，所述图像数据包括监测部位对应的特征行为；然后根据作弊识别策略并基于所述考生图像数据中监测部位对应的特征行为，对车内考生进行动作识别处理；并输出所述动作识别处理的识别结果，所述识别结果包括：考生是否为作弊用户，以及考生为作弊用户的证据数据，提高了驾考监考过程中的智能化，避免投入大量的人力，且在确定驾驶人员存在作弊行为时，能够及时的存储证据，解决了人工监考由于视线的盲角，对驾驶人员的监测存在遗漏的问题，使得驾考的监测效率高以及监测的准确性高。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
1.一种智慧驾考的检测方法与装置，其特征在于，所述检测方法包括以下步骤：
获取车内驾驶位考生图像数据，所述图像数据包括监测部位对应的特征行为；
根据作弊识别策略并基于所述考生图像数据中监测部位对应的特征行为，对车内考生进行动作识别处理；
输出所述动作识别处理的识别结果，所述识别结果包括：考生是否为作弊用户，以及考生为作弊用户的证据数据。
2.根据权利要求1所述的智慧驾考的检测方法与装置，其特征在于，在获取车内考生图像数据的步骤之前，还包括对进入车内的考生进行身份识别的步骤，所述对进入车内的考生进行身份识别的步骤包括：
存储考生的原始指纹信息，建立考生指纹数据库；
接收考生的身份识别请求后，发送指纹验证指令；
获取考生根据所述指纹验证指令输入的指纹信息；
判断考生输入的所述指纹信息是否与所述指纹验证指令和所述原始指纹信息同时匹配，若匹配则身份识别成功，否则身份识别失败。
3.根据权利要求2所述的智慧驾考的检测方法与装置，其特征在于，所述身份识别成功的步骤还包括将所述考生信息进行显示并接收考生的考生信息确认指令。
4.根据权利要求1-3任一所述的智慧驾考的检测方法与装置，其特征在于，所述根据作弊识别策略并基于所述考生图像数据中监测部位对应的特征行为，对车内考生进行动作识别处理的步骤包括：
构建作弊动作映射关系数据库；
根据作弊动作映射关系数据库并基于所述考生图像数据确定的考生行为特征，判断考生落入黑名单和/或满足作弊模式，则确定所述考生为嫌疑考生，并在确定考生为嫌疑考生的情况下输出考生图像数作为所述证据数据；否则，确定考生为正常考生。
5.根据权利要求4所述的智慧驾考的检测方法与装置，其特征在于，所述构建作弊动作映射关系数据库的步骤包括：
获取被认定为作弊的驾考作弊视频数据；
提取所述考作弊视频数据中预设的监测部位对应的特征行为；
针对所述监测部位，对驾考作弊视频数据中所述监测部位对应的特征行为进行处理，得到所述监测部位对应的疑似作弊特征行为，构建监测部位与疑似作弊特征行为相对应的的作弊动作映射关系数据库。
6.一种智慧驾考的检测装置，其特征在于，所述的检测装置包括：
获取模块，用于获取车内驾驶位考生图像数据，所述图像数据包括监测部位对应的特征行为；
识别处理模块，用于根据作弊识别策略并基于所述考生图像数据中监测部位对应的特征行为，对车内考生进行动作识别处理；以及
输出模块，用于输出所述动作识别处理的识别结果，所述识别结果包括：考生是否为作弊用户，以及考生为作弊用户的证据数据。
7.根据权利要求6所述的智慧驾考的检测方法与装置，其特征在于，所述的检测装置还包括：
身份识别模块，用于对进入车内的考生进行身份识别；
其中，所述身份识别模块包括：
创建指纹数据库单元，用于存储考生的原始指纹信息，建立考生指纹数据库；
指令发送单元，用于接收考生的身份识别请求后，发送指纹验证指令；
指纹信息获取单元，用于获取考生根据所述指纹验证指令输入的指纹信息；以及
身份判断单元，用于判断考生输入的所述指纹信息是否与所述指纹验证指令和所述原始指纹信息同时匹配，若匹配则身份识别成功，否则身份识别失败。
8.根据权利要求7所述的智慧驾考的检测方法与装置，其特征在于，所述身份判断单元还包括：
展示单元，用于将所述考生信息进行显示；以及
确认单元，用于接收考生的考生信息确认指令。
9.根据权利要求8所述的智慧驾考的检测方法与装置，其特征在于，所述识别处理模块包括：
构建单元，用于构建作弊动作映射关系数据库；以及
行为判断单元，用于判断根据作弊动作映射关系数据库并基于所述考生图像数据确定的考生行为特征，判断考生落入黑名单和/或满足作弊模式，则确定所述考生为嫌疑考生，并在确定考生为嫌疑考生的情况下输出考生图像数作为所述证据数据；否则，确定考生为正常考生。
10.根据权利要求9所述的智慧驾考的检测方法与装置，其特征在于，所述构建单元具体包括：
获取单元，用于获取被认定为作弊的驾考作弊视频数据；
提取单元，用于提取所述考作弊视频数据中预设的监测部位对应的特征行为；以及
构建处理单元，用于针对所述监测部位，对驾考作弊视频数据中所述监测部位对应的特征行为进行处理，得到所述监测部位对应的疑似作弊特征行为，构建监测部位与疑似作弊特征行为相对应的的作弊动作映射关系数据库。
技术总结