[發明專利]駕駛員識別方法、駕駛員識別裝置、電子設備及存儲介質

有效

• 申請號: 201910702076.1
• 申請日: 2019-07-31
• 公開（公告）號: CN110443185B
• 公開（公告）日: 2020-11-24
• 發明（設計）人: 阮思捷;鮑捷;鄭宇
• 申請（專利權）人: 北京京東智能城市大數據研究院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京律智知識產權代理有限公司 11438
• 代理人: 王輝;闞梓瑄

1.一種駕駛員識別方法，其特征在于，所述方法包括：

獲取目標車輛的待識別駕駛事件的駕駛數據；

根據所述駕駛數據的時序特征，得到所述待識別駕駛事件的序列特征數據；

根據所述駕駛數據的全局特征，得到所述待識別駕駛事件的聚合特征數據；

使用預先訓練的識別模型對所述待識別駕駛事件的序列特征數據和聚合特征數據進行處理，識別所述待識別駕駛事件的駕駛員是否為所述目標車輛關聯的駕駛員；

所述根據所述駕駛數據的時序特征，得到所述待識別駕駛事件的序列特征數據，包括：

將所述待識別駕駛事件的行駛路線拆分為多個路段；

根據每個所述路段上所述駕駛數據的時序特征，得到每個所述路段的序列特征數據；

所述根據所述駕駛數據的全局特征，得到所述待識別駕駛事件的聚合特征數據，包括：

根據每個所述路段上所述駕駛數據的全局特征，得到每個所述路段的聚合特征數據；

根據所述行駛路線上所述駕駛數據的全局特征，得到所述行駛路線的聚合特征數據；

所述識別模型為神經網絡模型，包括：

第一輸入層，用于輸入每個所述路段的序列特征數據；

第一隱藏層，用于對每個所述路段的序列特征數據進行處理，得到每個所述路段的中間特征數據；

第二輸入層，用于輸入每個所述路段的聚合特征數據；

第一拼接層，用于分別將每個所述路段的中間特征數據和每個所述路段的聚合特征數據進行拼接，并按照各所述路段的順序排列拼接后的數據，得到所述行駛路線的序列特征數據；

第二隱藏層，用于對所述行駛路線的序列特征數據進行處理，得到所述行駛路線的中間特征數據；

第三輸入層，用于輸入所述行駛路線的聚合特征數據；

第二拼接層，用于將所述行駛路線的中間特征數據和所述行駛路線的聚合特征數據進行拼接；

全連接層，用于對所述第二拼接層拼接后的數據進行全連接處理；

輸出層，用于輸出識別結果，所述識別結果為所述待識別駕駛事件的駕駛員是否為所述目標車輛關聯的駕駛員。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括：

獲取所述待識別駕駛事件的外部因素數據；

所述使用預先訓練的識別模型對所述待識別駕駛事件的序列特征數據和聚合特征數據進行處理，包括：

使用預先訓練的識別模型對所述待識別駕駛事件的序列特征數據、聚合特征數據以及所述外部因素數據進行處理；

其中，所述外部因素數據包括氣象數據、時間數據、特殊事件數據中的任意一種或多種的組合。

3.根據權利要求1所述的方法，其特征在于，所述獲取目標車輛的待識別駕駛事件的駕駛數據，包括：

獲取所述待識別駕駛事件的軌跡點數據，包括所述待識別駕駛事件中各軌跡點的時間和坐標；

將所述軌跡點數據與地圖數據進行匹配，確定與所述軌跡點數據相關的道路數據；

基于所述道路數據，將所述各軌跡點的坐標映射為所述各軌跡點的道路定位數據，將所述軌跡點數據和所述道路定位數據確定為所述待識別駕駛事件的駕駛數據。

4.根據權利要求1所述的方法，其特征在于，所述識別模型還包括：

第一注意力層，位于所述第一隱藏層后，用于對所述第一隱藏層輸出的數據進行加權處理，得到每個所述路段的中間特征數據；

第二注意力層，位于所述第二隱藏層后，用于對所述第二隱藏層輸出的數據進行加權處理，得到所述行駛路線的中間特征數據。

5.根據權利要求1所述的方法，其特征在于，所述第一隱藏層和所述第二隱藏層均為門控循環單元。