[發(fā)明專利]駕駛員識(shí)別方法、駕駛員識(shí)別裝置、電子設(shè)備及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 201910702076.1
• 申請(qǐng)日: 2019-07-31
• 公開（公告）號(hào): CN110443185B
• 公開（公告）日: 2020-11-24
• 發(fā)明（設(shè)計(jì)）人: 阮思捷;鮑捷;鄭宇
• 申請(qǐng)（專利權(quán)）人: 北京京東智能城市大數(shù)據(jù)研究院
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62
• 代理公司: 北京律智知識(shí)產(chǎn)權(quán)代理有限公司 11438
• 代理人: 王輝;闞梓瑄

本公開提供了一種駕駛員識(shí)別方法、駕駛員識(shí)別裝置、電子設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，屬于人工智能技術(shù)領(lǐng)域。該方法包括：獲取目標(biāo)車輛的待識(shí)別駕駛事件的駕駛數(shù)據(jù)；根據(jù)所述駕駛數(shù)據(jù)的時(shí)序特征，得到所述待識(shí)別駕駛事件的序列特征數(shù)據(jù)；根據(jù)所述駕駛數(shù)據(jù)的全局特征，得到所述待識(shí)別駕駛事件的聚合特征數(shù)據(jù)；使用預(yù)先訓(xùn)練的識(shí)別模型對(duì)所述待識(shí)別駕駛事件的序列特征數(shù)據(jù)和聚合特征數(shù)據(jù)進(jìn)行處理，識(shí)別所述待識(shí)別駕駛事件的駕駛員是否為所述目標(biāo)車輛關(guān)聯(lián)的駕駛員。本公開可以有效識(shí)別駕駛員的身份，且識(shí)別準(zhǔn)確率較高，適用性較廣。

技術(shù)領(lǐng)域

本公開涉及人工智能技術(shù)領(lǐng)域，尤其涉及一種駕駛員識(shí)別方法、駕駛員識(shí)別裝置、電子設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著“互聯(lián)網(wǎng)+”時(shí)代的來臨，許多服務(wù)可以通過線上的方式提供，帶來便利的同時(shí)，也產(chǎn)生了監(jiān)管方面的諸多問題。其中，在交通出行方面，出現(xiàn)了網(wǎng)約車、代駕等基于互聯(lián)網(wǎng)的服務(wù)，平臺(tái)方需要對(duì)網(wǎng)約車駕駛員、代駕駕駛員進(jìn)行監(jiān)管，特別是在服務(wù)過程中，需要對(duì)駕駛員的真實(shí)身份進(jìn)行識(shí)別，以確定提供服務(wù)的駕駛員是經(jīng)過認(rèn)證的駕駛員。

現(xiàn)有的駕駛員識(shí)別方法通常是基于生物特征的方法，通過對(duì)待識(shí)別駕駛員的人臉、聲紋、指紋等信息的分析，確定待識(shí)別駕駛員的身份。但是，采用上述方法時(shí)，需要采集的數(shù)據(jù)大多依賴于待識(shí)別駕駛員本身的特征，且需要駕駛員主動(dòng)配合進(jìn)行識(shí)別過程，導(dǎo)致識(shí)別過程復(fù)雜；另外，上述方法也存在漏洞，如駕駛員通過識(shí)別驗(yàn)證后又更換為其他人進(jìn)行駕駛，則難以預(yù)防。因此，如何便捷有效的對(duì)駕駛員進(jìn)行識(shí)別，得到準(zhǔn)確有效的識(shí)別結(jié)果是現(xiàn)有技術(shù)亟待解決的問題。

需要說明的是，在上述背景技術(shù)部分公開的信息僅用于加強(qiáng)對(duì)本公開的背景的理解，因此可以包括不構(gòu)成對(duì)本領(lǐng)域普通技術(shù)人員已知的現(xiàn)有技術(shù)的信息。

發(fā)明內(nèi)容

本公開提供了一種駕駛員識(shí)別方法、駕駛員識(shí)別裝置、電子設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，進(jìn)而至少在一定程度上克服現(xiàn)有的駕駛員識(shí)別過程復(fù)雜、且識(shí)別結(jié)果不準(zhǔn)確的問題。

本公開的其他特性和優(yōu)點(diǎn)將通過下面的詳細(xì)描述變得顯然，或部分地通過本公開的實(shí)踐而習(xí)得。

根據(jù)本公開的一個(gè)方面，提供一種駕駛員識(shí)別方法，所述方法包括：獲取目標(biāo)車輛的待識(shí)別駕駛事件的駕駛數(shù)據(jù)；根據(jù)所述駕駛數(shù)據(jù)的時(shí)序特征，得到所述待識(shí)別駕駛事件的序列特征數(shù)據(jù)；根據(jù)所述駕駛數(shù)據(jù)的全局特征，得到所述待識(shí)別駕駛事件的聚合特征數(shù)據(jù)；使用預(yù)先訓(xùn)練的識(shí)別模型對(duì)所述待識(shí)別駕駛事件的序列特征數(shù)據(jù)和聚合特征數(shù)據(jù)進(jìn)行處理，識(shí)別所述待識(shí)別駕駛事件的駕駛員是否為所述目標(biāo)車輛關(guān)聯(lián)的駕駛員。

在本公開的一種示例性實(shí)施例中，所述方法還包括：獲取所述待識(shí)別駕駛事件的外部因素?cái)?shù)據(jù)；所述使用預(yù)先訓(xùn)練的識(shí)別模型對(duì)所述待識(shí)別駕駛事件的序列特征數(shù)據(jù)和聚合特征數(shù)據(jù)進(jìn)行處理，包括：使用預(yù)先訓(xùn)練的識(shí)別模型對(duì)所述待識(shí)別駕駛事件的序列特征數(shù)據(jù)、聚合特征數(shù)據(jù)以及所述外部因素?cái)?shù)據(jù)進(jìn)行處理；其中，所述外部因素?cái)?shù)據(jù)包括氣象數(shù)據(jù)、時(shí)間數(shù)據(jù)、特殊事件數(shù)據(jù)中的任意一種或多種的組合。

在本公開的一種示例性實(shí)施例中，所述獲取目標(biāo)車輛的待識(shí)別駕駛事件的駕駛數(shù)據(jù)，包括：獲取所述待識(shí)別駕駛事件的軌跡點(diǎn)數(shù)據(jù)，包括所述待識(shí)別駕駛事件中各軌跡點(diǎn)的時(shí)間和坐標(biāo)；將所述軌跡點(diǎn)數(shù)據(jù)與地圖數(shù)據(jù)進(jìn)行匹配，確定與所述軌跡點(diǎn)數(shù)據(jù)相關(guān)的道路數(shù)據(jù)；基于所述道路數(shù)據(jù)，將所述各軌跡點(diǎn)的坐標(biāo)映射為所述各軌跡點(diǎn)的道路定位數(shù)據(jù)，將所述軌跡點(diǎn)數(shù)據(jù)和所述道路定位數(shù)據(jù)確定為所述待識(shí)別駕駛事件的駕駛數(shù)據(jù)。

在本公開的一種示例性實(shí)施例中，所述根據(jù)所述駕駛數(shù)據(jù)的時(shí)序特征，得到所述待識(shí)別駕駛事件的序列特征數(shù)據(jù)，包括：將所述待識(shí)別駕駛事件的行駛路線拆分為多個(gè)路段；根據(jù)每個(gè)所述路段上所述駕駛數(shù)據(jù)的時(shí)序特征，得到每個(gè)所述路段的序列特征數(shù)據(jù)。