[發明專利]基于用戶行為的駕駛員識別方法、裝置及系統

有效

• 申請號: 201810086755.6
• 申請日: 2018-01-30
• 公開（公告）號: CN108280482B
• 公開（公告）日: 2020-10-16
• 發明（設計）人: 鐘鴻飛
• 申請（專利權）人: 廣州小鵬汽車科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 深圳國新南方知識產權代理有限公司 44374
• 代理人: 周雷

本發明公開了基于用戶行為的駕駛員識別方法、裝置及系統，該方法包括以下步驟：采集車輛在預設時間段內的用戶數據；對用戶數據進行數據清洗；采用word2vec模型，將用戶數據封裝成一特征向量；將該特征向量輸入到該車輛對應的駕駛員識別模型，識別獲得對應的駕駛員識別結果。本發明通過車輛在預設時間段內的用戶數據后，采用word2vec模型，將用戶數據封裝成一特征向量，從而將獲得的特征向量輸入到預先訓練好的駕駛員識別模型，即可識別獲得駕駛員為車主或非車主，本方法無需增加額外的硬件設備，可以直接根據車輛的用戶數據進行駕駛員識別，應用成本低，方便、快捷，可廣泛應用于汽車智能化行業中。

技術領域

本發明涉及車輛智能化技術領域，特別是涉及基于用戶行為的駕駛員識別方法、裝置及系統。

背景技術

目前實行駕駛員識別的方法一般包括生物特征法和車輛行駛數據分析法等方法。其中，生物特征法是指通過攝像頭、指紋、聲紋，甚至虹膜等人的生物特征，對駕駛員進行識別，其優點是識別準確率高，但相應的實施成本高，而且需要用戶的額外參與，例如通過攝像頭的人臉識別法，需要預先錄制好駕駛員的人臉特征，訓練模型，此后，需要人臉對準攝像頭一段時間才能進行識別，這種方案受光線、方位、成本以及交互耗時等制約。車輛行駛數據分析法是在收集用戶數據后，進行邏輯回歸分析，進行駕駛員識別的方案，但這類型的方案，數據之間是離散的，每個數據之間的先后關系不能表示出來，最終不能很準確的根據用戶的操作序列特征來識別出駕駛員。

發明內容

為了解決上述的技術問題，本發明的目的是提供基于用戶行為的駕駛員識別方法、裝置及系統。

本發明解決其技術問題所采用的技術方案是：

基于用戶行為的駕駛員識別方法，包括以下步驟：

采集車輛在預設時間段內的用戶數據；

對用戶數據進行數據清洗；

采用word2vec模型，將用戶數據封裝成一特征向量；

將該特征向量輸入到該車輛對應的駕駛員識別模型，識別獲得對應的駕駛員識別結果。

進一步，針對每輛車輛，均通過以下步驟訓練獲得車輛對應的駕駛員識別模型：

獲取車輛在一段時間內的歷史用戶數據；

對歷史用戶數據進行分類以及數據清洗；

采用word2vec模型，將歷史用戶數據封裝成多維特征向量集；

將多維特征向量集作為輸入數據，輸入到深度神經網絡進行訓練后，將訓練好的深度神經網絡作為駕駛員識別模型；

所述深度神經網絡為多層全連接的神經網絡，具體包括輸入層、隱含層以及輸出層，且輸出層為二元分類器，用于標識駕駛員識別結果為車主或非車主。

進一步，所述采用word2vec模型，將歷史用戶數據封裝成多維特征向量集的步驟，具體包括：

將歷史用戶數據按照時間順序依序排列；

將每次駕駛時的用戶數據作為輸入數據，輸入到word2vec模型中，獲得模型輸出的特征向量；

根據時間順序，將word2vec模型輸出的多個特征向量生成一多維特征向量集。

進一步，所述用戶數據包括車輛設置數據、用戶駕駛行為數據、用戶出行偏好數據以及用戶與車輛之間的交互數據。

進一步，還包括以下步驟：

針對駕駛員識別結果為車主的情況，切換到車主個性化服務模型，為車主提供個性化服務；

針對駕駛員識別結果為非車主的情況，向車主發送相應的報警信息。