[發明專利]駕駛模型訓練方法、駕駛人識別方法、裝置、設備及介質

有效

• 申請號: 201710846204.0
• 申請日: 2017-09-19
• 公開（公告）號: CN107729986B
• 公開（公告）日: 2020-11-03
• 發明（設計）人: 吳壯偉;金鑫;張川
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G06K9/00
• 代理公司: 深圳眾鼎專利商標代理事務所(普通合伙) 44325
• 代理人: 譚果林

本發明公開一種駕駛模型訓練方法、駕駛人識別方法、裝置、設備及介質。該駕駛模型訓練方法包括：獲取同一駕駛場景的訓練圖像數據和訓練音頻數據,所述訓練圖像數據和所述訓練音頻數據與用戶標識相關聯；采用所述訓練圖像數據對卷積神經網絡模型進行訓練，獲取人臉識別模型；采用所述訓練音頻數據對所述卷積神經網絡模型進行訓練，獲取音頻識別模型；采用所述訓練圖像數據和所述音頻圖像數據對所述人臉識別模型和所述音頻識別模型進行一致性驗證，將所述人臉識別模型和所述音頻識別模型與所述用戶標識關聯存儲。該駕駛模型訓練方法利用圖像維度和聲音維度上的特征，解決當前駕駛模型識別效果差的問題，提高了識別駕駛人開車的精確度。

技術領域

本發明涉及身份識別領域，尤其涉及一種駕駛模型訓練方法、駕駛人識別方法、裝置、設備及介質。

背景技術

目前識別是否駕駛人本人開車一般使用手機獲取的的陀螺儀數據和手機軌跡數據來判斷是否本人開車，但是這種采用陀螺儀數據和手機軌跡數據進行駕駛人識別的結果精確度不高。采用陀螺儀數據和手機軌跡數據進行駕駛人識別獲得的數據往往不能反映駕駛人駕駛的真實狀態，采用的具體數據如汽車的速度、加速度或者在地圖上的軌跡數據這些數據難以實現對駕駛人的精準識別。采集并使用的數據多為汽車駕駛時的物理特性，沒有使用其他能夠有效反映駕駛人識別的特性，不能較好地反映駕駛人真實行駛過程的狀態，造成進行駕駛人識別的識別效果較差。

發明內容

本發明實施例提供一種駕駛模型訓練方法、駕駛人識別方法、裝置、設備及介質，以解決當前駕駛模型識別效果較差的問題。

第一方面，本發明實施例提供一種駕駛模型訓練方法，包括：

獲取同一駕駛場景的訓練圖像數據和訓練音頻數據,所述訓練圖像數據和所述訓練音頻數據與用戶標識相關聯；

采用所述訓練圖像數據對卷積神經網絡模型進行訓練，獲取人臉識別模型；

基于所述訓練音頻數據對所述卷積神經網絡模型進行訓練，獲取音頻識別模型；

采用所述訓練圖像數據和所述音頻圖像數據對所述人臉識別模型和所述音頻識別模型進行一致性驗證，將通過驗證的所述人臉識別模型和所述音頻識別模型與所述用戶標識關聯存儲。

第二方面，本發明實施例提供一種駕駛模型訓練裝置，包括：

訓練數據獲取模塊，用于獲取同一駕駛場景的訓練圖像數據和訓練音頻數據,所述訓練圖像數據和所述訓練音頻數據與用戶標識相關聯；

人臉識別模型獲取模塊，用于采用所述訓練圖像數據對卷積神經網絡模型進行訓練，獲取人臉識別模型；

音頻識別模型獲取模塊，用于基于所述訓練音頻數據對所述卷積神經網絡模型進行訓練，獲取音頻識別模型；

關聯存儲模塊，用于采用所述訓練圖像數據和所述音頻圖像數據對所述人臉識別模型和所述音頻識別模型進行一致性驗證，將通過驗證的所述人臉識別模型和所述音頻識別模型與所述用戶標識關聯存儲。

第三方面，本發明實施例提供一種駕駛人識別方法，包括：

獲取用戶同一駕駛場景的待識別圖像數據和待識別音頻數據，所述待識別圖像數據和所述待識別音頻數據與用戶標識相關聯；

基于所述用戶標識查詢數據庫，調用與所述用戶標識相對應的人臉識別模型和音頻識別模型，所述人臉識別模型和所述音頻識別模型是采用所述駕駛模型訓練方法獲取的模型；

基于所述待識別圖像數據和所述人臉識別模型獲取第一概率；

基于所述人臉識別模型調用與所述用戶標識關聯存儲的音頻識別模型，所述音頻識別模型是采用所述駕駛模型訓練方法獲取的模型；

基于所述待識別音頻數據和所述音頻識別模型獲取第二概率；