(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111542553.6 (22)申请日 2021.12.14 (71)申请人 重庆邮电大 学 地址 400065 重庆市南岸区崇文路2号 (72)发明人 龙虹毓　赵胤豪　黄昭成　徐洋　 尹霄　詹小胜　刘上华　何宇强　 (74)专利代理 机构 广州市华学知识产权代理有 限公司 4 4245 代理人 黄宗波 (51)Int.Cl. G06V 40/20(2022.01) G06V 40/18(2022.01) G06V 40/16(2022.01) G06V 20/56(2022.01) G06T 17/00(2006.01)G06Q 50/06(2012.01) G06Q 10/04(2012.01) G06K 9/62(2022.01) G06V 10/764(2022.01) (54)发明名称 一种充电焦 虑行为预测系统及预测方法 (57)摘要 本发明涉及充电行为预测技术领域， 尤其涉 及一种充电焦虑行为预测系统及预测方法， 该预 测系统包括获取单元、 图像预处理单元、 车辆剩 余里程监控 单元和云存储计算平台， 在云存储计 算平台中， 将驾驶员表情特征和头部偏转动作输 入充电需求预测模型， 再输出是否有充电行为的 预测结果并进行记录存储， 通过预测结果与车内 上传的仪表盘剩余电量数据实时地进行比较， 评 估预测的准确性， 不断训练优化充电需求预测模 型， 再通过训练后的充电需求预测模 型预测驾驶 员的充电需求。 本发明解决了对电动汽车充电需 求进行预测的技 术问题。 权利要求书4页 说明书8页 附图2页 CN 114419728 A 2022.04.29 CN 114419728 A 1.一种充电焦 虑行为预测系统， 其特 征在于， 所述充电焦 虑行为预测系统包括： 获取单元， 通过部署在电动汽车内的车 载摄像头实时获取驾驶员面部图像； 图像预处 理单元， 与获取 单元通信连接， 用于对所述 面部图像进行图片预处 理； 车辆剩余里程监控单元， 与电动车仪表盘进行数据传输， 实时获取仪表盘剩余电量信 息； 云存储计算平台， 用于存储充电需求预测模型以及实时接收仪表盘剩余电量信息， 接 收经过预处理后的面部图像， 并进行表情特征和头部偏转动作的识别判断， 将所述表情特 征和头部偏转动作作为输入， 输入所述充电需求预测模型， 再输出是否有充电行为的预测 结果并进行记录存储， 通过预测结果与车内上传的仪表盘剩余电量数据实时地进行比较， 评估预测的准确性， 不断训练优化充电需求预测模型。 2.根据权利要求1所述的一种 充电焦虑行为预测系统， 其特征在于， 所述图像预处理单 元集成在车内处 理器中， 包括： 图像采集模块， 用于接收所述获取单元传输的所述面部 图像， 所述面部 图像为通过对 准驾驶员上半身或面部的车 载摄像头， 每隔Δt1时间段采集得到的驾驶员的面部图像； 图像预处理模块， 与所述图像采集模块通信连接， 用于对所述面部图像进行人脸识别、 数据增强、 归一 化、 灰度化处 理； 第一通信 模块， 采用CAN总线或者SerDes连接获取单元， 用于将获取单元采集的面部图 像传输给图像采集模块， 以及采用5G网络连接云存储计算平台， 将预处理后的面部图像上 传至云存 储计算平台。 3.根据权利要求2所述的一种 充电焦虑行为预测系统， 其特征在于， 所述云存储计算平 台中包括： 第二通信模块， 用于接收所述图像预处理单元发送的预处理后的面部 图像， 以及接收 所述车辆剩余里程 监控单元发送的仪表盘剩余电量信息； 人表情识别模块， 与图像预处理单元通信连接， 基于预处理后的面部图像提取特征后， 使用SVM分类 器识别出驾驶员的表情特 征， 判断驾驶员是否出现焦 虑表情特 征； 头部偏转识别模块， 与图像预处理单元通信连接， 基于预处理后的面部 图像进行头部 偏离检测和视线偏离检测， 用于识别驾驶员的头部偏转动作， 用于检测驾驶员是否有低头 看汽车仪表盘剩余里程表的行为； 充电需求预测模块， 用于将所述表情特征和所述头部偏转动作输入所述充电需求预测 模型， 再输出 是否有充电行为的预测结果并进行记录存 储； 比较模块， 用于将所述预测结果与仪表盘剩余电量数据实时地进行比较， 评估预测的 准确性。 4.一种充电焦 虑行为预测方法， 其特 征在于， 包括： 通过部署在电动汽车内部的车 载摄像头采集驾驶员面部图像； 将所述面部 图像传输至车内处理器， 通过方向梯度直方图定位驾驶员人脸位置， 并进 行数据增强、 归一 化、 灰度化数据预处 理， 将预处 理后的面部图像传输 至云存储计算平台； 在云存储计算平台中， 基于预处理后的面部 图像， 识别判断出驾驶员的表情特征和头 部偏转动作； 将驾驶员的表情特征和头部偏转动作作为输入， 输入充电需求预测模型中， 判断驾驶权　利　要　求　书 1/4 页 2 CN 114419728 A 2员当前是否有充电需求， 将判断结果与当前电动汽车剩余电量比较， 不断验证和改进预测 模型， 直到预测结果与剩余电量更匹配， 最后将训练好的预测模型和每次预测结果均存储 在云存储计算平台 中。 5.根据权利要求4所述的一种 充电焦虑行为预测方法， 其特征在于， 所述表情特征的识 别判断步骤如下： 基于预处理后的面部图像， 给定一幅含有m个像 素的图像d∈Rm×1， d(x)∈Rp×1,用来索引 图像的p个特征点， x代表p个特征点， h是每个特征点处非线性特征函数， h(d(x))∈R128p×1代 表从p个特征上提取的SIFT 特征向量， 假设人脸正常的准确的特征点为x*， Φ*代表在x*处取 特征值， 于是 人脸特征点的检测目标函数如下： (x+Δx)＝h(d(x+Δx) ‑Φ*)2 人脸特征点的计算 通过在Δx求 解最优问题来实现， 在训练阶段Φ*和Δx已知， 在测试阶段， Φ*未知， 关于 Δx求导， 令f'(x+Δx)＝0得到 其中 Φ0＝h(d(x0))， ΔΦ0＝Φ0‑Φ*， 通过训练， 得到一系列的下降方向{Rk}和{bk}从而对x进行更新， 即 xk＝xk‑1+Rk‑1Φk‑1+bk‑1 通过一系列的迭代， xk将最终收敛到特 征点x*； 在测试阶段， 每个特征点提取大小为32 ×32的SIFT特征的局部区域， 采用PCA进行降 维， 每张图像保存98 ％的能量， 在测试过程中， 把训练样本图像的平均形状作为初始形状， 通过学习得到一系列下降方向和偏移量， 完成对测试图像初始形状的更新， 多次迭代直到 收敛， 最终 实现人脸特 征点的准确定位； 将定位后的人脸表情特征分为眉毛、 额头、 眼睛、 嘴四个区域， 采用SVM分类法进行表情 分类， 判断出驾驶员是否出现焦 虑紧张的表情。 6.根据权利要求5所述的一种 充电焦虑行为的预测方法， 其特征在于， 所述头部偏转动 作的识别和判断包括头 部偏离检测 和视线偏离检测， 如下： 头部偏离检测， 通过脸部轮廓面积变化及人脸面部特征位置判断头部偏转角度， 设定 头部偏转角度超过3 5度时判定为头 部偏离； 视线偏离检测， 通过分析虹膜中心相对于 眼睛轮廓的位置关系判别视线， 当视线角度 属于人眼在汽车仪表盘区域角度范围时， 判定为看向里程表的行为。 7.根据权利要求6所述的一种 充电焦虑行为的预测方法， 其特征在于， 所述头部偏转检 测通过预先建立三维模型， 人工标定三维模型 的脸部特征点， 再随机旋转平移这些特征点 之后， 通过相机成像模型投影得到二 维点， 从而获得二 维脸部特征点到头部姿态的映射， 根 据SDM检测出来的人脸特 征点通过线性回归， 可 得到头部偏转角度。 8.根据权利要求7所述的一种 充电焦虑行为的预测方法， 其特征在于， 所述视线偏离检 测包括以下步骤： 眼睛轮廓检测， 通过S DM检测算法获得 人脸表情特 征中的眼睛特 征区域；权　利　要　求　书 2/4 页 3 CN 114419728 A 3