一种识别驾驶状态、驾驶人的方法及装置制造方法及图纸

本发明专利技术实施例公开了一种识别驾驶状态、驾驶人的方法及装置，涉及驾驶技术领域，用于解决由于手机利用单一的速度阈值判断自身是否处于驾驶状态的方案的识别精确度不高，和，手机利用单一的速度阈值判断手机处于驾驶状态后，无法确定手机所属的用户是否为驾驶人的问题。该方法包括：待识别客户端设备获取自身的多组待识别运动数据；其中，多组待识别运动数据包括驾驶数据或非驾驶数据；利用多组待识别运动数据和驾驶状态检测模型参数确定自身所处的状态为驾驶状态或非驾驶状态；其中，驾驶状态检测模型参数为利用多组待训练运动数据和每组待训练运动数据对应的真实行为标识训练得到的模型参数，多组待训练运动数据包括驾驶数据和非驾驶数据。

【技术实现步骤摘要】
一种识别驾驶状态、驾驶人的方法及装置
本专利技术涉及驾驶
，尤其涉及一种识别驾驶状态、驾驶人的方法及装置。
技术介绍
安全驾驶是公共安全的重要组成部分，驾驶人处在驾驶状态时使用手机会对公共 安全造成严重威胁。目前，一般需要首先判断手机是否处于驾驶状态后，再采取进一步的措 施。 较常见的确定手机是否处于驾驶状态的方案为：手机利用内置的速度传感器实时 检测自身的运动速度，当自身的运动速度大于或等于一速度阈值时，确定自身处于驾驶状 态；当手机的运动速度小于该速度阈值时，确定自身处于非驾驶状态。 手机采用上述方案判断自身是否处于驾驶状态的过程中，至少在两种情况下，该 方案的判断结果是错误的。情况1、手机内部设置的速度阈值较大，当手机处于驾驶状态，而 车辆的行驶速度未达到速度阈值时，手机利用上述方法确定的自身的状态为非驾驶状态； 情况2、手机内部设置的速度阈值较小，当手机处于非驾驶状态（例如，跑步状态），而手机 的运动速度达到速度阈值时，手机利用上述方法确定的自身的状态为驾驶状态。可见，手机 利用单一的速度阈值判断自身是否处于驾驶状态的方案的识别精确度不高；并且，手机利 用单一的速度阈值判断手机处于驾驶状态后，无法确定手机所属的用户是否为驾驶人。
技术实现思路
本专利技术实施例提供一种识别驾驶状态、驾驶人的方法及装置，用于解决由于手机 利用单一的速度阈值判断自身是否处于驾驶状态的方案的识别精确度不高，和，手机利用 单一的速度阈值判断手机处于驾驶状态后，无法确定手机所属的用户是否为驾驶人的问 题。 为达到上述目的，本专利技术的实施例采用如下技术方案： 第一方面，提供一种识别驾驶状态的方法，包括： 待识别客户端设备获取自身的多组待识别运动数据；其中，所述多组待识别运动 数据包括驾驶数据或非驾驶数据； 利用所述多组待识别运动数据和驾驶状态检测模型参数确定自身所处的状态为 驾驶状态或非驾驶状态； 其中，所述驾驶状态检测模型参数为利用多组待训练运动数据和所述每组待训练 运动数据对应的真实行为标识训练得到的模型参数，所述多组待训练运动数据包括驾驶数 据和非驾驶数据。 结合第一方面，在第一种可能的实现方式中，所述利用所述多组待识别运动数据 和驾驶状态检测模型参数确定自身所处的状态为驾驶状态或非驾驶状态，包括： 从所述多组待识别运动数据提取多个目标特征向量序列；其中，每组待识别运动 数据对应一个目标特征向量序列；所述目标特征向量序列对应的特征与训练驾驶状态检测 模型过程中使用的目标特征向量序列对应的特征相同； 利用所述多个目标特征向量序列和驾驶状态检测模型参数确定自身所处的状态 为驾驶状态或非驾驶状态。 结合第一方面或第一方面的第一种可能的实现方式，在第二种可能的实现方式 中，所述多组待训练运动数据包括动态行为数据和静态行为数据，所述静态行为数据包括 驾驶数据；所述驾驶状态检测模型参数包括：分类器模型参数和矫正器模型参数；所述分 类器模型为利用所述动态行为数据和所述静态行为数据训练得到的参数模型，用于区分动 态行为和静态行为；所述矫正器模型为利用所述分类器模型识别出的多组待测试运动数据 对应的行为标识和所述多组待测试运动数据对应的真实行为标识训练得到的参数模型，用 于矫正所述分类器模型识别出的行为标识； 所述利用所述多组待识别运动数据和驾驶状态检测模型参数确定自身所处的状 态为驾驶状态或非驾驶状态，包括： 利用所述多组待识别运动数据对应的多个目标特征向量序列和所述分类器模型 参数对所述多组待识别运动数据进行识别，得到所述分类器模型识别出的行为标识； 利用所述分类器模型识别出的行为标识和所述矫正器模型参数，得到所述矫正器 模型矫正的行为标识； 当所述矫正器模型矫正的行为标识代表驾驶行为时，确定自身所处的状态为驾驶 状态；当所述矫正器模型矫正的行为标识代表非驾驶行为时，确定自身所处的状态为非驾 驶状态。 结合第一方面的第二种可能的实现方式，在第三种可能的实现方式中，所述分类 器模型参数包括二分类器模型参数、静态行为分类器模型参数和动态行为分类器模型参 数；其中，所述二分类器模型为利用所述动态行为数据和所述静态行为数据训练得到的参 数模型，用于区分动态行为和静态行为；所述动态分类器模型为利用所述动态行为数据训 练得到的参数模型，用于区分不同的动态行为；所述静态行为分类器模型为利用所述静态 行为数据训练得到的参数模型，用于区分不同的静态行为。 第二方面，提供一种识别驾驶人的方法，包括： 待识别客户端设备获取自身的多组待识别驾驶数据； 利用所述多组待识别驾驶数据和所述待识别客户端设备的驾驶人识别模型参数 确定自身所属的用户为驾驶人或乘客；其中，所述驾驶人识别模型参数为将所述待识别客 户端设备的预设驾驶数据作为正例、其他客户端设备的预设驾驶数据作为反例，训练得到 的模型参数。 结合第二方面，在第一种可能的实现方式中，所述利用所述多组待识别驾驶数据 和所述待识别客户端设备的驾驶人识别模型参数确定自身所属的用户为驾驶人或乘客，包 括： 从所述多组待识别驾驶数据提取多个第一目标特征向量序列；其中，每组待识别 驾驶数据对应一个第一目标特征向量序列；所述第一目标特征向量序列对应的特征与训练 驾驶人识别模型过程中使用的目标特征向量序列对应的特征相同； 利用所述多个第一目标特征向量序列和驾驶人识别模型参数确定自身所属的用 户为驾驶人或乘客。 结合第二方面的第一种可能的实现方式，在第二种可能的实现方式中，所述驾驶 人识别模型参数包括决策阈值模型参数；其中，所述决策阈值模型参数为利用多个第二目 标特征向量序列对应的正例标识在邻域中所占比例，和所述多个第二目标特征向量序列对 应的正/反例标识训练得到的模型参数；所述第二目标特征向量序列为所述预设驾驶数据 对应的目标特征向量序列； 所述利用所述多个第一目标特征向量序列和驾驶人识别模型参数确定自身所属 的用户为驾驶人或乘客，包括： 根据所述多个第一目标特征向量序列获取所述多个第一目标特征向量序列对应 的正例标识在邻域中所占比例； 当所述多个第一目标特征向量序列对应的正例标识在邻域中所占比例大于或等 于所述决策阈值模型参数时，确定自身所属的用户为驾驶人；当所述多个第一目标特征向 量序列对应的正例标识在邻域中所占比例小于所述决策阈值模型参数时，确定自身所属的 用户为乘客。 结合第二方面的第二种可能的实现方式，在第三种可能的实现方式中，所述驾驶 人识别模型参数还包括最邻近结点算法KNN模型参数；其中，所述KNN模型参数为利用所述 多个第二目标特征向量序列训练KNN得到的模型参数； 所述根据所述多个第一目标特征向量序列获取所述多个第一目标特征向量序列 对应的正例标识在邻域中所占比例，包括： 根据所述KNN模型参数对所述多个第一目标特征向量序列进行识别，得到所述多 个第一目标特征向量序列对应的正例标识在邻域中所占比例。 第三方面，提供一种待识别客户端设备，包括： 获取单元，用于获取自身的多组待识别运动数据；其中，所述多组待识别运动数据 包括驾驶数据或非本文档来自技高网...

【技术保护点】
一种识别驾驶状态的方法，其特征在于，包括：待识别客户端设备获取自身的多组待识别运动数据；其中，所述多组待识别运动数据包括驾驶数据或非驾驶数据；利用所述多组待识别运动数据和驾驶状态检测模型参数确定自身所处的状态为驾驶状态或非驾驶状态；其中，所述驾驶状态检测模型参数为利用多组待训练运动数据和所述每组待训练运动数据对应的真实行为标识训练得到的模型参数，所述多组待训练运动数据包括驾驶数据和非驾驶数据。

【技术特征摘要】
1. 一种识别驾驶状态的方法，其特征在于，包括： 待识别客户端设备获取自身的多组待识别运动数据；其中，所述多组待识别运动数据 包括驾驶数据或非驾驶数据； 利用所述多组待识别运动数据和驾驶状态检测模型参数确定自身所处的状态为驾驶 状态或非驾驶状态； 其中，所述驾驶状态检测模型参数为利用多组待训练运动数据和所述每组待训练运动 数据对应的真实行为标识训练得到的模型参数，所述多组待训练运动数据包括驾驶数据和 非驾驶数据。2. 根据权利要求1所述的方法，其特征在于，所述利用所述多组待识别运动数据和驾 驶状态检测模型参数确定自身所处的状态为驾驶状态或非驾驶状态，包括： 从所述多组待识别运动数据提取多个目标特征向量序列；其中，每组待识别运动数据 对应一个目标特征向量序列；所述目标特征向量序列对应的特征与训练驾驶状态检测模型 过程中使用的目标特征向量序列对应的特征相同； 利用所述多个目标特征向量序列和驾驶状态检测模型参数确定自身所处的状态为驾 驶状态或非驾驶状态。3. 根据权利要求1或2所述的方法，其特征在于，所述多组待训练运动数据包括动态行 为数据和静态行为数据，所述静态行为数据包括驾驶数据；所述驾驶状态检测模型参数包 括：分类器模型参数和矫正器模型参数；所述分类器模型为利用所述动态行为数据和所述 静态行为数据训练得到的参数模型，用于区分动态行为和静态行为；所述矫正器模型为利 用所述分类器模型识别出的多组待测试运动数据对应的行为标识和所述多组待测试运动 数据对应的真实行为标识训练得到的参数模型，用于矫正所述分类器模型识别出的行为标 识； 所述利用所述多组待识别运动数据和驾驶状态检测模型参数确定自身所处的状态为 驾驶状态或非驾驶状态，包括： 利用所述多组待识别运动数据对应的多个目标特征向量序列和所述分类器模型参数 对所述多组待识别运动数据进行识别，得到所述分类器模型识别出的行为标识； 利用所述分类器模型识别出的行为标识和所述矫正器模型参数，得到所述矫正器模型 矫正的行为标识； 当所述矫正器模型矫正的行为标识代表驾驶行为时，确定自身所处的状态为驾驶状 态；当所述矫正器模型矫正的行为标识代表非驾驶行为时，确定自身所处的状态为非驾驶 状态。4. 根据权利要求3所述的方法，其特征在于，所述分类器模型参数包括二分类器模型 参数、静态行为分类器模型参数和动态行为分类器模型参数；其中，所述二分类器模型为利 用所述动态行为数据和所述静态行为数据训练得到的参数模型，用于区分动态行为和静态 行为；所述动态分类器模型为利用所述动态行为数据训练得到的参数模型，用于区分不同 的动态行为；所述静态行为分类器模型为利用所述静态行为数据训练得到的参数模型，用 于区分不同的静态行为。5. -种识别驾驶人的方法，其特征在于，包括： 待识别客户端设备获取自身的多组待识别驾驶数据； 利用所述多组待识别驾驶数据和所述待识别客户端设备的驾驶人识别模型参数确定 自身所属的用户为驾驶人或乘客；其中，所述驾驶人识别模型参数为将所述待识别客户端 设备的预设驾驶数据作为正例、其他客户端设备的预设驾驶数据作为反例，训练得到的模 型参数。6. 根据权利要求5所述的方法，其特征在于，所述利用所述多组待识别驾驶数据和所 述待识别客户端设备的驾驶人识别模型参数确定自身所属的用户为驾驶人或乘客，包括： 从所述多组待识别驾驶数据提取多个第一目标特征向量序列；其中，每组待识别驾驶 数据对应一个第一目标特征向量序列；所述第一目标特征向量序列对应的特征与训练驾驶 人识别模型过程中使用的目标特征向量序列对应的特征相同； 利用所述多个第一目标特征向量序列和驾驶人识别模型参数确定自身所属的用户为 驾驶人或乘客。7. 根据权利要求6所述的方法，其特征在于，所述驾驶人识别模型参数包括决策阔值 模型参数；其中，所述决策阔值模型参数为利用多个第二目标特征向量序列对应的正例标 识在邻域中所占比例，和所述多个第二目标特征向量序列对应的正/反例标识训练得到的 模型参数；所述第二目标特征向量序列为所述预设驾驶数据对应的目标特征向量序列； 所述利用所述多个第一目标特征向量序列和驾驶人识别模型参数确定自身所属的用 户为驾驶人或乘客，包括： 根据所述多个第一目标特征向量序列获取所述多个第一目标特征向量序列对应的正 例标识在邻域中所占比例； 当所述多个第一目标特征向量序列对应的正例标识在邻域中所占比例大于或等于所 述决策阔值模型参数时，确定自身所属的用户为驾驶人；当所述多个第一目标特征向量序 列对应的正例标识在邻域中所占比例小于所述决策阔值模型参数时，确定自身所属的用户 为乘客。8. 根据权利要求7所述的方法，其特征在于，所述驾驶人识别模型参数还包括最邻近 结点算法脚W模型参数；其中，所述脚W模型参数为利用所述多个第二目标特征向量序列训 练脚W得到的模型参数； 所述根据所述多个第一目标特征向量序列获取所述多个第一目标特征向量序列对应 的正例标识在邻域中所占比例，包括： 根据所述KNN模型参数对所述多个第一目标特征向量序列...

【专利技术属性】
技术研发人员：耿卫东，
申请(专利权)人：杭州华为数字技术有限公司，
类型：发明
国别省市：浙江;33