[0027] 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,本领域普通技术人员在没有做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。
[0028] 请参阅图1‑2,本发明提供技术方案:一种基于区块链的预防酒驾的系统,该系统包括人脸确定模块、姿势预测模块和主控模块,所述人脸确定模块用于根据车辆在预设距离内对用户的脸部进行检测,判断此用户和车辆之前所开车主的脸部是否相似,从而能够判断出是否为用户使用车辆,所述姿势预测模块用于根据车主的行走姿势进行判断用户是否有喝醉迹象,并将结果发送给车辆本体,防止用户醉酒驾车,所述主控模块用于当检测到用户发生醉酒驾驶的现象时,将用户行为发送与紧急联系人,以防用户发生醉酒驾驶的行为,所述人脸确定模块与姿势预测模块和主控模块相连接。
[0029] 进一步的,所述人脸确定模块包括拍照验证单元和虚拟像提示单元,所述虚拟像提示单元用于利用全息显示装置在用户距离车辆预设范围根据所投射的像来指引用户行走的路线,以防用户走错车辆位置,所述拍照验证单元用于对用户的脸部位置进行拍照检测、核对并上传至终端,判断出用户是否为车辆之前所开用户,从而能够及时判断出用户是否发生醉酒行为,从而避免此行为发生,所述拍照验证单元的输出端与虚拟像提示单元的输入端相连接。
[0030] 进一步的,所述全息显示装置安装在车辆两侧的车把手上,利用全息显示装置对用户行走位置进行矩形框投射,并根据用户在矩形框内的行走路线判断用户所坐车座位置,用户在所投射矩形框位置开始的时间为ti,根据用户此时行走的速度v对用户所到达的车座位置进行判断,对车辆两侧所投射的矩形区域对用户行走的距离和角度进行判断,当有车主行至时,根据车辆两侧车把手所投射的矩形框的长度集合为W={w1,w2,w3...wm}和用户在此时的位置(x,y)与不同矩形框所形成的的角度集合为α={α1,α2,α3...αm},不同车把手位置的集合为Q={(a1,b1),(a2,b2)...(a4,b4)}, 其中,用户到达不同车座的时间为 当时间ti>时间预设值t时且
角度αk在用户与各车把手的预设角度αi范围内时,能够判断出用户是否醉酒驾驶车辆,其中αi、αk、ti是角度或者时间中的一种,Mi是指用户此时位置与不同车把手之间的距离。
[0031] 进一步的,所述姿势预测模块包括曲线角度拟合单元、重心倾斜单元、酒精含量确定单元和出行限制单元,所述曲线角度拟合单元用于根据用户的行走姿势所形成的曲线对用户身体其他位置是否倾斜进行判断,从而能够判断出用户是否喝酒,所述重心倾斜单元用于根据用户身体不同位置的重心判断出用户是否会跌倒,所述酒精含量确定单元用于在用户进入车辆后,根据所呼吸气体中的酒精浓度含量进行判断用户是否喝酒,从而防止用户进行酒后驾驶,所述出行限制单元用于当检测到用户的行走姿势与数据库中所保存的行走姿势不同时且当检测到有酒精浓度含量时,对所在主驾驶座的位置进行限制,防止用户酒后驾驶。
[0035] 在所述步骤S2中,根据人体头部下方位置P(x,y)和肩部位置J(a,b)进行曲线拟合,设定头部下方位置P与肩部位置J坐标参数的集合为L={(x1,y1),(x2,y2)},人体头部下方位置P与肩部位置J的夹角度数为β, 其中根据人体躯干位置N(a′1,b′1)和腰部位置D(a′2,b′2)所产生的
偏移角度θ判断与偏移角度β是否在预设角度内, 用户以此偏移姿势角度行走,用户行走速度为V1,用户在姿势角度变动之前所走路程为H,用户在 时间内变换姿势角度的次数,当变换角度的次数超过预设次数时,表示人体行走心不稳且发生醉酒行为。
[0036] 用户所述姿势角度发生偏移,在固定时间内用户姿势变换角度的次数为n,用户因姿势角度变换坐上主驾驶座的匹配度为Y1,根据Y=an+b,能够判断出用户发生醉酒行为,用户因醉酒并未坐上主驾驶座的匹配度为Y2,当Y1>Y2时,表示用户醉酒驾驶的次数较多,需要严格监测用户行为,当Y1
[0037] 进一步的,所述主控模块包括信息调取单元、紧急联系人单元和数据保存单元,所述信息调取单元用于可以在区块链的各个节点处提取用户是否醉酒驾驶的行为,并且将该行为结果与报警系统相连接,以防用户违法醉酒驾驶,所述紧急联系人单元用于根据用户醉酒但并未醉酒驾驶时,将信息发送与紧急联系人,以便于紧急联系人联系代驾,使得代驾能够将用户安全送回指定目的地,所述数据保存单元用于将不同用户姿势偏移角度所产生的行为进行保存,以便于系统能够直接认证,所述信息调取单元的输出端与紧急联系人单元和数据保存单元输入端相连接。
[0038] 该系统包括如下步骤:
[0039] D1:使用人脸确定模块,对用户的脸部位置进行实时检测,判断出此脸型是否为之前所开车辆的车主,当检测到用户的脸型与原脸型相一致时,对用户的行为进行监测,使用全息显示装置根据在车把手上所投射的不同角度判断用户最终所上的车辆位置,以防用户发生醉酒行为;
[0040] D2:使用姿势预测模块,根据用户不同部位所偏移的角度和在时间段内用户变换姿势角度的次数判断是否会产生醉酒行为,从而能够及时预防;
[0041] D3:使用主控模块,将用户的醉酒行为与正常行为进行比较并保存,同时根据用户的酒精含量进行检测,判断用户是否醉酒驾驶。
[0042] 在所述步骤D1中,所述脸部检测用于使用BP神经网络进行检测识别,通过全息投影装置在预设范围内对人的脸部进行远程检测,并将检测结果发送至主控模块中,从而判断该用户的脸部是否和之前驾驶用户的脸部相同;
[0043] 利用BP神经网络验证用户的人脸,将人脸以正确的光源进行处理,并将得到的图像设置处理为相同的灰度值,同时将照片分配成不同的小窗口,运用训练好的神经网络对每个小窗口内的人脸图像检测,根据原始图像分配好不同灰度值,在给与的图像中,需要去除灰度级的训练背景,同时需要将非人脸进行归一化处理,通过使用MATLAB的神经网络箱进行训练图像,从而得到人脸的清晰图像值,将原车主的人脸图像与图形进行对比,判断是否为同一人,并将结果反馈于主控模块。
[0044] 实施例1:在人脸确定模块和二维平面模型中,当有车主行至时,根据车辆两侧车把所投射的矩形框长度集合为W={w1,w2,w3...wm}和用户在此时的位置(x,y)=(50,100)与不同矩形框所形成的的角度集合为α={α1,α2,α3...αm},不同车把手位置的集合为Q={(a1,b1),(a2,b2),(a3,b3),(a4,b4)}={(60,80),(100,180),(130,180),(110,150),其中(a4,b4)是主驾驶位置;
[0045] 用户到达不同车座的时间为 根据时间ti和角度能够判断出用户是否自行驾驶车辆,其中αi、ti是角度或者时间中的一种了;
[0046]
[0047]
[0048] 用户以57.9°的方向走往第二个车把手位置,并不在主驾驶位置,表明用户不会醉酒驾驶。
[0049] 需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
[0050] 最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。