CN103544485B - 基于智能终端的司机识别方法和装置 - Google Patents
基于智能终端的司机识别方法和装置 Download PDFInfo
- Publication number
- CN103544485B CN103544485B CN201310530968.0A CN201310530968A CN103544485B CN 103544485 B CN103544485 B CN 103544485B CN 201310530968 A CN201310530968 A CN 201310530968A CN 103544485 B CN103544485 B CN 103544485B
- Authority
- CN
- China
- Prior art keywords
- intelligent terminal
- array
- acceleration
- driver
- gravity direction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000001133 acceleration Effects 0.000 claims abstract description 249
- 230000005484 gravity Effects 0.000 claims abstract description 107
- 238000012545 processing Methods 0.000 claims abstract description 39
- 238000005259 measurement Methods 0.000 claims description 53
- 238000012360 testing method Methods 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 238000003672 processing method Methods 0.000 claims description 5
- 230000004927 fusion Effects 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 230000006399 behavior Effects 0.000 description 56
- 230000000875 corresponding effect Effects 0.000 description 20
- 206010039203 Road traffic accident Diseases 0.000 description 6
- 230000009471 action Effects 0.000 description 6
- 230000011218 segmentation Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Navigation (AREA)
Abstract
本发明公开了一种基于智能终端的司机识别方法和装置。所述方法包括：刷新水平方向合加速度数组和重力方向加速度数组，对刷新后的水平方向合加速度数组和重力方向加速度数组进行数据处理，将处理结果与预存的上车特征图样组进行比对，判断智能终端携带者是否有上车的行为；刷新陀螺仪数组，根据刷新后的陀螺仪数组，确定智能终端携带者位于车内的左边或右边；刷新重力方向加速度数组，对刷新后的重力方向加速度数组进行数据处理，将处理结果与预存的前后座特征图样组进行比对，确定智能终端携带者位于车内的前座或后座；判断智能终端携带者是否为司机。本发明仅依靠智能终端即可识别智能终端使用者是否为司机，系统复杂度低，准确度高。
Description
技术领域
本发明涉及传感器技术和信息处理技术领域，尤其涉及一种基于智能终端的司机识别方法和装置。
背景技术
最近一项研究表明，在美国，边发信息边开车时的出车祸风险是正常开车时的23.2倍。因此，在美国已经有超过30个州明令禁止在开车时候使用手机，包括接听电话和收发短信。同样的，这种由使用手机造成的车祸风险在全世界都具有普遍性。因此，这种严重的安全问题已经引起了很多关于检测和防止在开车途中使用智能手机接听电话和收发短信的行为研究，并且已经提出了一些可行的方案。
(1)通过智能手机和可穿戴设备(例如，可穿戴头戴摄像头)相结合的方法实时监控司机的注意力。类似的技术还包括使用人机交互设备来融合声音信息和车道数据来检测司机的实时状态，或者在挡风玻璃上安装摄像头来监控司机的驾驶行为等方法。此类方法需要额外设备的辅助，并不仅仅依靠智能手机设备，大大限制了该类方法的实用性；
(2)通过特定的技巧计算出智能手机所在的位置，进而判断智能手机使用者的身份。例如，通过手机来控制车辆内置音箱发出声音，并且通过计算时间差来判断手机位置，该类方法不仅需要改造车辆，并且还需要车辆具备特定的蓝牙功能；
(3)通过手机的内置传感器来判断当前用户是否在行驶车辆内，该类方法需要云端服务器和周围手机传感器信息进行比较，区分前后座，大大增加了系统复杂度。
发明内容
有鉴于此，本发明提供一种基于智能终端的司机识别方法和装置，不需要任何额外的辅助设备，仅依靠智能终端即可识别智能终端使用者是否为司机，系统复杂度低，准确度高。
在第一方面，本发明实施例提供了一种基于智能终端的司机识别方法，包括：
步骤S1，刷新水平方向合加速度数组和重力方向加速度数组，对刷新后的水平方向合加速度数组和刷新后的重力方向加速度数组进行数据处理，将处理结果与预存的上车特征图样组进行比对，判断智能终端携带者是否有上车的行为；若是，执行步骤S2，若否，返回步骤S1；
步骤S2，刷新陀螺仪数组，根据刷新后的陀螺仪数组，确定智能终端携带者位于车内的左边或者右边；刷新重力方向加速度数组，对刷新后的重力方向加速度数组进行数据处理，将处理结果与预存的前后座特征图样组进行比对，确定智能终端携带者位于车内的前座或者后座；
步骤S3，根据步骤S2中的确定结果，判断智能终端携带者是否为司机；
其中，所述刷新水平方向合加速度数组包括：实时计算所述智能终端在当前时刻地球坐标系中水平方向的合加速度值；以当前时刻的水平方向的合加速度值和此前计算得到的M个水平方向的合加速度值按照时间前后顺序组成刷新后的水平方向合加速度数组，M为大于等于0的整数；
所述刷新重力方向加速度数组包括：实时计算所述智能终端在当前时刻地球坐标系中重力方向的加速度值；以当前时刻的重力方向的加速度值和此前计算得到的N个重力方向的加速度值按照时间前后顺序组成刷新后的重力方向加速度数组，N为大于等于0的整数。
所述刷新陀螺仪数组包括：实时采集智能终端陀螺仪的测量数据；以当前时刻的陀螺仪测量数据和此前采集得到的P个陀螺仪测量数据按照时间前后顺序组成刷新后的陀螺仪数组，P为大于等于0的整数。
在第一种可能的实现方式中，所述方法还包括，当判断智能终端携带者为司机时，禁用所述智能终端的软键盘。
进一步地，在所述步骤S1之前，所述方法还包括步骤S0：刷新水平方向合加速度数组和重力方向加速度数组，对刷新后的水平方向合加速度数组和刷新后的重力方向加速度数据进行数据处理，将处理结果与预存的走路特征图样组进行比对，判断智能终端携带者是否有走路的行为；若是，执行步骤S1，若否，间隔预定的时间，返回步骤S0。
进一步地，所述实时计算所述智能终端在当前时刻地球坐标系中水平方向的合加速度值以及实时计算所述智能终端在当前时刻地球坐标系中重力方向的加速度值包括：
以预定的频率实时采集智能终端加速度传感器、陀螺仪和磁场传感器的测量数据；
计算所述智能终端相对于地球的空间姿态角；
根据计算得到的所述空间姿态角，将加速度传感器在X轴、Y轴的测量数据，过滤掉重力方向加速度分量，获取在地球坐标系中两个水平方向加速度值；
将过滤后的所述两个水平方向加速度值进行加速度融合，转化为地球坐标系中水平方向的合加速度值；
根据加速度传感器在X轴、Y轴和Z轴的测量数据，以及获取的所述地球坐标系中两个水平方向加速度值，计算地球坐标系中重力方向的加速度值。
在第二种可能的实现方式中，所述上车特征图样组的生成方法包括：
在智能终端携带者完成典型上车行为的过程中，实时采集智能终端加速度传感器、陀螺仪和磁场传感器的多组测量数据；
根据采集到的所述多组测量数据，计算在智能终端携带者完成典型上车行为的过程中，智能终端在地球坐标系中水平方向合加速度数组和重力方向加速度数组；
对所述合加速度数组和所述重力方向加速度数组进行数据处理，得到至少一个典型特征值，作为与所述典型上车行为对应的上车特征图样；
将所有典型上车行为对应的上车特征图样的合集，作为所述的上车特征图样组。
进一步地，所述对刷新后的水平方向合加速度数组和刷新后的重力方向加速度数组进行数据处理，将处理结果与预存的上车特征图样组进行比对，判断智能终端携带者是否有上车的行为包括：
按照与所述上车特征图样中得到典型特征值相同的数据处理方法，对所述水平方向合加速度数组和所述重力方向加速度数组进行数据处理，得到相应的测试特征值，作为测试图样；
按照预定的算法，将所述测试图样中的测试特征值与所述上车特征图样组中的所有上车特征图样的典型特征值进行分类处理，计算所述测试图样符合每种上车特征图样的概率值；
在计算得到的所述概率值超过预定的阈值时，确定所述测试图样符合相应的上车特征图样，判断智能终端携带者有上车的行为。
在第三种可能的实现方式中，所述步骤S2中，在所述的确定智能终端携带者位于车内的左边或者右边之后，还包括：根据左右边的确定结果，更新司机身份权值；在所述的确定智能终端携带者位于车内的前座或者后座之后，还包括，根据前后座的确定结果，更新司机身份权值，其中，所述司机身份权值具有预定的初始值；
所述步骤S3进一步包括：
判断所述司机身份权值是否大于预定的阈值，若是，判断所述智能终端携带者为司机。
进一步地，所述步骤S2还包括：
判断所述智能终端是否存在用户行为异常，若是，更新所述司机身份权值。
进一步地，所述步骤S2还包括：
刷新磁场传感器测量数组，根据刷新后的磁场传感器测量数组，判断智能终端周围环境是否存在磁场异常，若是，更新所述司机身份权值。
其中，所述刷新磁场传感器测量数组包括：实时采集智能终端磁场传感器测量数据；以当前时刻的磁场传感器测量数据和此前采集得到的Q个磁场传感器测量数据按照时间前后顺序组成刷新后的磁场传感器测量数组，Q为大于等于0的整数。
在第二方面，本发明实施例提供了一种基于智能终端的司机识别装置，包括：
水平方向合加速度数组刷新单元，用于实时计算所述智能终端在当前时刻地球坐标系中水平方向的合加速度值；以当前时刻的水平方向的合加速度值和此前计算得到的M个水平方向的合加速度值按照时间前后顺序组成刷新后的水平方向合加速度数组，M为大于等于0的整数；
重力方向加速度数组刷新单元，用于实时计算所述智能终端在当前时刻地球坐标系中重力方向的加速度值；以当前时刻的重力方向的加速度值和此前计算得到的N个重力方向的加速度值按照时间前后顺序组成刷新后的重力方向加速度数组，N为大于等于0的整数；
陀螺仪数组刷新单元，用于实时采集智能终端陀螺仪的测量数据；以当前时刻的陀螺仪测量数据和此前采集得到的P个陀螺仪测量数据按照时间前后顺序组成刷新后的陀螺仪数组，P为大于等于0的整数。
上车判断单元，用于调用水平方向合加速度数组刷新单元和重力方向加速度数组刷新单元，对刷新后的水平方向合加速度数组和刷新后的重力方向加速度数组进行数据处理，将处理结果与预存的上车特征图样组进行比对，判断智能终端携带者是否有上车的行为；若是，触发具体位置判断单元，若否，触发上车判断单元；
具体位置判断单元，用于调用陀螺仪数组刷新单元，根据刷新后的陀螺仪数组，确定智能终端携带者位于车内的左边或者右边；调用重力方向加速度数组刷新单元，对刷新后的重力方向加速度数组进行数据处理，将处理结果与预存的前后座特征图样组进行比对，确定智能终端携带者位于车内的前座或者后座；
司机确定单元，用于根据具体位置判断单元的确定结果，判断智能终端携带者是否为司机。
本发明实施例通过综合利用智能终端中的各种运动传感器，包括，加速度传感器、陀螺仪和磁场传感器，进行用户行为的建模，将模型特征值与各种传感器的测量值进行比对，实现了用户动作的实时判断，根据判断结果，确定智能终端的携带者是否为司机。本实施例的技术方案不需要增加额外的辅助设备，仅依靠智能终端即可判断智能终端使用者的身份是否为司机，识别过程中不需要用户的干预，在用户使用智能终端或者做相应的动作时即可进行实时的身份识别，系统复杂度低，准确度高，应用范围不受平台限制。
附图说明
图1是本发明第一实施例的基于智能终端的司机识别方法的流程图；
图2是本发明第二实施例的一种基于智能终端的司机识别方法的流程图；
图3是本发明第三实施例的一种基于智能终端的司机识别方法的流程图；
图4是本发明第四实施例的基于智能终端的司机识别装置的结构图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明具体实施例作进一步的详细描述。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。
第一实施例
图1是本发明第一实施例的基于智能终端的司机识别方法的流程图。本实施例的方法可以由实现基于智能终端的司机识别装置来执行，该装置可通过硬件和/或软件的方式实现，并集成于智能终端中。本实施例所使用的智能终端中至少包括三维加速度传感器、三维陀螺仪和三维磁场传感器。如图1所示，所述方法包括：
步骤110，刷新水平方向合加速度数组和重力方向加速度数组，对刷新后的水平方向合加速度数组和刷新后的重力方向加速度数组进行数据处理，将处理结果与预存的上车特征图样组进行比对，判断智能终端携带者是否有上车的行为；若是，执行步骤120，若否，返回步骤110。
在本实施例中，所述刷新水平方向合加速度数组具体包括：
(1)实时计算所述智能终端在当前时刻地球坐标系中水平方向的合加速度值。
在本实施例中，智能终端根据内部的加速度传感器、陀螺仪和磁场传感器的实时测量数据，计算智能终端在当前时刻地球坐标系中水平方向的合加速度值。
举例而言，可以获取加速度传感器测量的X方向和Y方向的加速度，将X方向和Y方向的加速度矢量运算的结果，作为地球坐标系中水平方向的合加速度值；或者
通过综合考虑磁场传感器和陀螺仪在三个方向的测量值，确定智能终端的空间姿态角，根据该空间姿态角，将加速度传感器测量的X方向和Y方向的加速度滤掉其中重力方向加速度分量，得到更为准确的地球坐标系中水平方向的两个加速度分量后，计算地球坐标系中水平方向的合加速度值。
(2)以当前时刻的水平方向的合加速度值和此前计算得到的M个水平方向的合加速度值按照时间前后顺序组成刷新后的水平方向合加速度数组，其中，M为大于等于0的整数。
在本实施例中，智能终端按照预定的频率，实时采集内部的加速度传感器、陀螺仪和磁场传感器的测量数据并实时存储，例如：将预定频率设为100Hz，也就是每秒采集100点的测量数据，用于在每个点获得一个水平方向的合加速度值。其中，将预定时间段内的多个测量数据组成一组，计算相应的多个合加速度值，并将根据上述预定时间内的测量值计算得到的多个合加速度值，组成水平方向合加速度数组。
作为示例而非限定，将上述预定时间设为4.5s，假设当前时刻为T1(单位为秒)，将T1-4.5～T1时间段内的测量数据组成一组，例如，450个时间点测量数据，根据这450个时间点的测量数据计算相应的450个水平方向的合加速度值，并且按照时间顺序(从前到后或者从后到前)，组成水平方向合加速度数组。
其中，上述合加速度值可以为标量或者矢量。
当然，本领域技术人员可以理解，对上述预定时间的取值可以根据实际情况进行预设，例如，综合考虑采样频率和智能终端的处理速度后对预定时间进行设置，对此并不限定。
在本实施例中，所述刷新重力方向加速度数组具体包括：
(1)实时计算所述智能终端在当前时刻地球坐标系中重力方向的加速度值。
在本实施例的一种优选的实施方式中，可以根据加速度传感器在X轴、Y轴和Z轴的测量数据，以及获取的所述地球坐标系中两个水平方向加速度值，计算地球坐标系中重力方向的加速度值。
(2)以当前时刻的重力方向的加速度值和此前计算得到的N个重力方向的加速度值按照时间前后顺序组成刷新后的重力方向加速度数组，其中，N为大于等于0的整数。
在本实施例中，获取重力方向加速度数组的方式与获取水平方向合加速度数组的方式相同，这里不再赘述。
在本实施例中，智能终端对水平合加速度数组中的M+1个合加速度值和重力方向加速度数组中的N+1个重力方向加速度值进行数据处理，将数据处理得到的数值、数组或者矩阵，与智能终端自身预存的上车特征图样组进行比对，当满足预定的阈值条件时，判断智能终端携带者有上车的行为。
在本实施例中，上车特征图样组包括至少一个上车特征图样的合集，其中，上车特征图样为，对智能终端在一个典型上车行为过程中计算得到的多个水平方向的合加速度值和多个重力方向的加速度值进行数据处理后构成的一组典型值，其中，上述典型上车行为包括：
智能终端屏幕朝内置于左边口袋(上边或下边)，智能终端携带者从左边上车得到的一组典型值；
智能终端屏幕朝外置于左边口袋(上边或下边)，智能终端携带者从左边上车得到的一组典型值；
智能终端屏幕朝内置于右边口袋(上边或下边)，智能终端携带者从左边上车得到的一组典型值；
智能终端屏幕朝外置于右边口袋(上边或下边)，智能终端携带者从左边上车得到的一组典型值；
智能终端屏幕朝内置于左边口袋(上边或下边)，智能终端携带者从右边上车得到的一组典型值；
智能终端屏幕朝外置于左边口袋(上边或下边)，智能终端携带者从右边上车得到的一组典型值；
智能终端屏幕朝内置于右边口袋(上边或下边)，智能终端携带者从右边上车得到的一组典型值；
智能终端屏幕朝外置于右边口袋(上边或下边)，智能终端携带者从右边上车得到的一组典型值等。
其中，可以通过分别将该M+1个水平方向的合加速度值和N+1个重力方向的加速度值进行噪声过滤后，直接与一组预存的M+1个典型值和一组预存的N+1个典型值进行比对；或者
可以计算该M+1个水平方向的合加速度值的数字特征，例如，均值、标准差、分段均值或者分段标准差的等，将相应的计算结果与预存的对应的典型值进行比对；以及
计算该N+1个重力方向的加速度值的数字特征，例如，均值、标准差、分段均值或者分段标准差的等，将相应的计算结果与预存的对应的典型值进行比对等
其中，进行比对的方式可以为相关运算、求取均方差、计算概率等方式，对此并不限定。
在本实施例的一个优选的实施方式中，在执行步骤110之前，所述方法还包括，判断智能终端携带者是否有走路行为的步骤(未示出)，所述步骤包括：
刷新水平方向合加速度数组和重力方向加速度数组，对刷新后的水平方向合加速度数组和刷新后的重力方向加速度数组进行数据处理，将处理结果与预存的走路特征图样组进行比对，判断智能终端携带者是否有走路的行为；若是，执行步骤110，若否，间隔预定的时间，返回本步骤。
步骤120，刷新陀螺仪数组，根据刷新后的陀螺仪数组，确定智能终端携带者位于车内的左边或者右边；刷新重力方向加速度数组，对刷新后的重力方向加速度数组进行数据处理，将处理结果与预存的前后座特征图样组进行比对，确定智能终端携带者位于车内的前座或者后座。
在本实施例中，根据刷新后的陀螺仪数组，确定智能终端携带者位于车内的左边或者右边具体为：
根据智能终端陀螺仪在Pitch(前后倾斜)轴以及Roll(左右倾斜)轴上的测试数据的变换趋势，确定智能终端携带者身体的转动趋势，进而确定智能终端携带者位于车内的左边或者右边。
具体的，当判断智能终端携带者的身体向左转动时，确定智能终端携带者位于车内的右侧；当判断智能终端携带者的身体向右转动时，确定智能终端携带者位于车内的左侧。
在本实施例中，前后座特征图样为在典型前后座行为中，对计算得到的多个重力方向的加速度值进行数据处理后构成的一组的典型值，其中，典型前后座行为包括：
智能终端携带者位于车内前座时，汽车通过减速带时获取的典型值；
智能终端携带者位于车内后座时，汽车通过减速带时获取的典型值；
智能终端携带者位于车内前座时，汽车通过小坑时获取的典型值；
智能终端携带者位于车内后座时，汽车通过小坑时获取的典型值。
步骤130，根据步骤120中的确定结果，判断智能终端携带者是否为司机。
在本实施例中，根据步骤120中的确定结果，判断智能终端携带者是否为司机的方式可以为：
(1)在司机位置位于前座左侧时，当步骤120确定智能终端携带者位于车内左侧，位于前座时，判断智能终端携带者为司机；在司机位置位于前座右侧时，当步骤120确定智能终端携带者位于车内右侧、位于前座时，判断智能终端携带者为司机。
(2)在智能终端中预存有一个司机身份权值，司机身份识别开始时，该司机身份权值被初始化为一个预定值，例如，0。
在步骤120中根据司机位置的不同判断结果，对所述司机身份权值进行不同的加权处理，当该司机身份权值大于预定的阈值时，判断智能终端携带者为司机。
在本实施例的一个优选的实施方式中，当判断智能终端携带者为司机时，禁用所述智能终端的软键盘。
在本实施例的一个优选的实施方式中，实时计算智能终端在当前时刻地球坐标系中水平方向的合加速度值以及实时计算所述智能终端在当前时刻地球坐标系中重力方向的加速度值可以为：
(1)以预定的频率实时采集智能终端加速度传感器、陀螺仪和磁场传感器的测量数据。
举例而言，智能终端实时采集的加速度传感器的测量数据为三维加速度值[ax，ay，az]，陀螺仪的测量数据为三维角速度值[ωx，ωy，ωz]，磁场传感器的测量数据为三维磁场值[dx，dy，dz]。
(2)根据磁场传感器和陀螺仪的测量数据，计算所述智能终端相对于地球的空间姿态角。
在本实施例的一种优选的实施方式中，可以通过获取t时刻的陀螺仪值[ωx，ωy，ωz]。陀螺仪值ω即为手机绕空间坐标系三个坐标轴[x，y，z]的角速度值。根据四阶龙格库塔法对下一时间t+T的空间姿态进行解算，计算t+T时刻的四元数Q(t+T)。
根据磁场传感器在t时刻测量数据为三维磁场值[dx，dy，dz]，对四元数Q(t+T)进行校准，计算得到更为准确的四元数Q’(t+T)，根据空间四元数可以算出手机任意时刻的空间姿态角其中：为航向角，θ为倾斜角，ψ为俯仰角。
当坐标系确定时，四元数与智能终端在三维空间的空间姿态是一一对应的，而空间指向也与空间姿态对应，至此，即可获取智能终端的空间姿态。
(3)根据计算得到的所述空间姿态角，将加速度传感器在X轴、Y轴的测量数据，过滤掉重力方向加速度分量，获取在地球坐标系中两个水平方向加速度值。
在本实施例中，根据计算得到的智能终端的空间姿态角，可以将当前时刻加速度传感器测量的三维加速度值[ax，ay，az]中的ax和ay(智能终端在长边方向和短边方向的加速度)的值，通过坐标转换，转换成地球坐标系中正北方向的加速度a’x和正西方向的加速度a’y。
(4)将过滤后的所述两个水平方向加速度值进行加速度融合，转化为地球坐标系中水平方向的合加速度值。
在本实施例中，根据计算得到的地球坐标系中正北方向的加速度a’x和正西方向的加速度a’y，计算地球坐标系中水平方向的合加速度值A，其中
(5)根据加速度传感器在X轴、Y轴和Z轴的测量数据，以及获取的所述地球坐标系中两个水平方向加速度值，计算地球坐标系中重力方向的加速度值。
具体的，当加速度传感器的三维加速度值[ax，ay，az]已知，地球坐标系中正北方向的加速度值a’x和正西方向的加速度值a’y已求，根据现有技术，很容易求解出地球坐标系中重力方向的加速度值a’z。
本发明实施例通过综合利用智能终端中的各种运动传感器，包括，加速度传感器、陀螺仪和磁场传感器，进行用户行为的建模，将模型特征值与各种传感器的测量值进行比对，实现了用户动作的实时判断，根据判断结果，确定智能终端的携带者是否为司机。本实施例的技术方案不需要增加额外的辅助设备，仅依靠智能终端即可判断智能终端使用者的身份是否为司机，识别过程中不需要用户的干预，在用户使用智能终端或者做相应的动作时即可进行实时的身份识别，系统复杂度低，准确度高，应用范围不受平台限制。
第二实施例
本实施例以上述实施例为基础进行优化，在第一实施例中，智能终端需要随时计算地球坐标系中水平方向的合加速度值，对智能终端内存的消耗大、系统耗电快，在本实施例中，考虑到用户需要走路到停放车子的位置，才会进行上车的行为，增加了检测用户走路行为的步骤，智能终端每隔一段时间判断智能终端携带者是否有走路的行为：若是，继续进行接下来的检测和计算，否则，间隔一段时间重新进行走路行为的判断。
图2是本发明第二实施例的一种基于智能终端的司机识别方法的流程图。如图2所示，所述方法包括：
步骤210、间隔预定的一段时间。
在本实施例中，当判断智能终端携带者没有走路行为时，智能终端休眠一段预定的时间后，重新判断智能终端携带者是否有走路的行为，作为示例而非限定，可以将上述预定的一段时间设置为5分钟、10分钟、15分钟等，对此并不限定。
步骤220、刷新水平方向合加速度数组和重力方向加速度数组，对刷新后的合加速度数组和刷新后的重力方向加速度数组进行数据处理，将处理结果与预存的走路特征图样组进行比对，判断智能终端携带者是否有走路的行为：若是，执行步骤230；否则，返回步骤210。
在本实施例中，预存的走路特征图样的获取方法包括：
(1)在智能终端携带者完成典型走路行为的过程中，实时采集智能终端加速度传感器、陀螺仪和磁场传感器的多组测量数据。
其中，典型走路行为包括：
将智能终端置于上边口袋(左边或者右边)的走路行为；或者
将智能终端置于下边口袋(左边或者右边)的走路行为；或者
手持智能终端的走路行为。
(2)根据采集到的所述多组测量数据，计算在智能终端携带者完成典型走路行为的过程中，智能终端在地球坐标系中水平方向合加速度数组和重力方向的加速度数组。
在本实施例中，分别计算在不同典型走路行为时，智能终端在地球坐标系中水平方向合加速度数组和重力方向加速度数组，其中，可以通过多次计算取平均值的方式得到每一种典型走路行为的水平方向合加速度数组和重力方向加速度数组。
(3)对所述水平方向合加速度数组和所述重力方向加速度数组进行数据处理，得到至少一个典型特征值，作为与所述典型走路行为对应的走路特征图样。
在本实施例中，对每一个典型走路行为的合加速度数组和重力方向加速度数组进行数据处理，举例而言，根据智能终端置于右边口袋的走路行为计算得到的水平方向合加速度数组和重力方向加速度数组，分别求取整体均值、整体标准差、分段均值(预定个数的加速度值为一段)和分段标准差，将上述八种处理结果构成的八个典型特征值，作为与将智能终端置于右边口袋的走路行为对应的走路特征图样。
(4)将所有典型走路行为对应的走路特征图样的合集，作为所述的走路特征图样组。
在本实施例中，对刷新后的水平方向合加速度数组和刷新后的重力方向加速度数组进行数据处理，将处理结果与预存的走路特征图样组进行比对，判断智能终端携带者是否有走路的行为包括：
(1)按照与所述走路特征图样中得到典型特征值相同的数据处理方法，对水平方向合加速度数组和重力方向加速度数组进行数据处理，得到相应的测试特征值，作为测试图样。
在本实施例的一种优选的实施方式中，为了降低噪声对测量数据的影响，首先将计算得到的水平方向合加速度数组和重力方向加速度数组进行离散余弦变换，优选的，按照滑动窗口的方式，滤除噪声后，对离散余弦变换后的水平方向合加速度数组和重力方向加速度数组进行处理。
(2)按照预定的算法，将所述测试图样中的测试特征值与所述走路特征图样组中的所有走路特征图样的典型特征值进行分类处理，计算所述测试图样符合每个走路特征图样的概率值。
在本实施例中，可以通过数据挖掘算法，优选的，贝叶斯分类器算法，计算所述测试图样符合每个走路特征图样的概率值。
(3)在计算得到的所述概率值超过预定的阈值时，确定所述测试图样符合相应的走路特征图样，判断智能终端携带者有走路的行为。
步骤230、刷新水平方向合加速度数组和重力方向加速度数组，对刷新后的水平方向合加速度数组和刷新后的重力方向加速度数组进行数据处理，将处理结果与预存的上车特征图样组进行比对，判断智能终端携带者是否有上车的行为：若是，执行步骤240；否则，返回步骤210。
在本实施例中，判断智能终端携带者是否有上车的行为与步骤220中判断智能终端携带者是否有走路的行为的处理方法相同，唯一的区别是将测试图样与预存的上车特征图样进行比对，这里不再赘述。
步骤240、刷新陀螺仪数组，根据刷新后的陀螺仪数组，确定终端携带者位于车内的左边或右边；刷新重力方向加速度数组，对刷新后的重力方向加速度数组进行数据处理，将处理结果与预存的前后座特征图样组进行比对，确定终端携带者位于车内的前座或后座。
在本实施例中，确定智能终端携带者位于车内的左边或右边的步骤与步骤120中确定智能终端携带者位于车内的左边或右边的步骤相同，这里不再赘述。
确定智能终端携带者位于车内的前座或后座的步骤与步骤220中判断智能终端携带者是否有走路的行为的处理方法相同，唯一的区别是将测试图样与预存的前后座特征图样进行比对，这里不再赘述。
步骤250、根据步骤240中的确定结果，判断智能终端携带者是否为司机：若是，执行步骤260，否则，返回步骤210。
在本实施例中，步骤250与第一实施例的步骤130相同，这里不再赘述。
步骤260、禁用该智能终端的软键盘。
通过研究表明，开车途中使用手机造成的车祸，很大程度上都是由于司机在行驶过程中进行键盘输入造成的，也就是说，键盘输入造成的车祸风险最大。
在本实施例中，当判断智能终端的携带者为司机后，通过禁用软键盘的方式，降低车祸危险。
当然，本领域技术人员可以理解，当确定智能终端的携带者为司机之后，还可以采用其他的处理方式，降低车祸风险，例如：输出报警信息、禁用手机部分功能等方式，对比并不限定。
本发明实施例通过综合利用智能终端中的各种运动传感器，包括，加速度传感器、陀螺仪和磁场传感器，进行用户行为的建模，将模型特征值与各种传感器的测量值进行比对，实现了用户动作的实时判断，根据判断结果，确定智能终端的携带者是否为司机。本实施例的技术方案不需要增加额外的辅助设备，仅依靠智能终端即可判断智能终端使用者的身份是否为司机，识别过程中不需要用户的干预，在用户使用智能终端或者做相应的动作时即可进行实时的身份识别，系统复杂度低，准确度高，应用范围不受平台限制。
第三实施例
本实施例以上述实施例为基础进行优化，在第二实施例中，智能终端仅通过确定智能终端携带者所在位置进而判断该智能终端携带者是否为司机，本实施例在此基础上，增加了一些辅助判断手段，进一步提高了司机身份准确识别的概率，提高了司机识别的可靠性。其中，所述的辅助判断手段包括：用户行为异常判断和磁场异常判断。
图3是本发明第三实施例的一种基于智能终端的司机识别方法的流程图。如图3所示，所述方法包括：
步骤310、间隔预定的一段时间。
步骤310与第二实施例的步骤210相同，这里不再赘述。
步骤320、判断智能终端携带者是否有走路的行为：若是，执行步骤330；否则，返回步骤310。
步骤320与第二实施例的步骤220相同，这里不再赘述。
步骤330、判断智能终端携带者是否有上车的行为：若是，执行步骤340，否则，返回步骤310。
步骤330与第二实施例的步骤230相同，这里不再赘述。
步骤340、确定智能终端携带者位于车内的左边或者右边。
步骤340与第二实施例的步骤240中确定智能终端携带者位于车内的左边或者右边的方式相同，这里不再赘述。
步骤350、更新司机身份权值。
在本实施例中，智能终端中预存有一个司机身份权值，其中，当每次进行司机身份识别时，该司机身份权值被初始化为一个预定值，优选的，将司机身份权值初始化为0。
在本实施例中，为了使得司机识别方法的识别结果更为准确，可以以更新司机身份权值的方式表达在司机身份识别过程中的各种确定结果。
在本实施例的一个优选的实施方式中，当步骤340中确定智能终端携带者位于车内的左边时，将该司机身份权值增加一个较大的预定值，例如，0.5；当步骤340中确定智能终端携带者位于车内的右边时，将该司机身份权值增加一个较小的预定值，例如，0.2。
在本实施例的另一个优选的实施方式中，在步骤340中确定智能终端携带者与预存的右边上车的典型特征图样的匹配概率最高时，例如：0.7，将该概率值与一个预定的权值的相乘结果，作为累加权值叠加于所述司机身份权值之上。
当然，本领域技术人员可以理解，对司机身份权值的更新方式还可以采用其他的形式，对此并不限定。
步骤360、确定智能终端携带者位于车内的前面或后面。
步骤360与第二实施例的步骤240中确定智能终端携带者位于车内的前面或后面的方式相同，这里不再赘述。
步骤370、更新司机身份权值。
步骤370与步骤350相同，这里不再赘述。
步骤380、判断是否存在输入异常：若是，执行步骤390；否则，返回步骤380。
通过大量实验表明，在开车途中想要保证一定的输入准确率，通常情况下司机必须会在输入一个单词或者词组后注意一下前方路面，所以当输入速率在一定的阈值以下时，在很大概率下，可以认为当前使用者可能在非专注情况下进行输入的行为。同样，如果输入频繁出错，那也可以认为使用者是在非专注的情况下使用的手机。
因此，在本实施例中，对用户存在输入行为异常的检测包括：
方式一
在预定的时间间隔内，统计所述智能终端退格键的使用次数；
判断退格键的使用次数是否超过正常退格次数：若是，判断用户存在输入行为异常。
方式二
获取智能终端连续按下的两个按键之间的按键时间差，统计所述按键时间差超过正常时间阈值的次数；
按键时间差超过正常时间阈值的次数是否超过合理阈值次数：若是，判断用户存在输入行为异常。
步骤390、更新司机身份权值
步骤390与步骤350相同，这里不再赘述。
步骤3A0、判断是否存在磁场异常：若是，执行步骤3B0；否则，返回步骤3A0。
实验表明，当汽车被发动后，当智能终端携带者位于车子的前排时，智能终端的磁场传感器会检测出一个很大的磁场变化。
在本实施例中，判断是否存在磁场异常的方式具体为：
刷新磁场传感器测量数组，根据刷新后的磁场传感器测量数组，判断智能终端周围环境是否存在磁场异常，若是，更新所述司机身份权值。
其中，所述刷新磁场传感器测量数组包括：实时采集智能终端磁场传感器测量数据；以当前时刻的磁场传感器测量数据和此前采集得到的Q个磁场传感器测量数据按照时间前后顺序组成刷新后的磁场传感器测量数组，Q为大于等于0的整数。
步骤3B0、更新司机身份权值
步骤3B0与步骤350相同，这里不再赘述。
步骤3C0、判断司机身份权值是否大于预定的阈值：若是，执行步骤3D0；否则，返回步骤310；
步骤3D0、确定智能终端携带者为司机
步骤3E0、禁用智能终端的软键盘。
本发明实施例通过综合利用智能终端中的各种运动传感器，包括，加速度传感器、陀螺仪和磁场传感器，进行用户行为的建模，将模型特征值与各种传感器的测量值进行比对，实现了用户动作的实时判断，根据判断结果，确定智能终端的携带者是否为司机。本实施例的技术方案不需要增加额外的辅助设备，仅依靠智能终端即可判断智能终端使用者的身份是否为司机，识别过程中不需要用户的干预，在用户使用智能终端或者做相应的动作时即可进行实时的身份识别，系统复杂度低，准确度高，应用范围不受平台限制。
第四实施例
在图4中示出了一种基于智能终端的司机识别装置的结构图。如图4所示，所述装置包括：
水平方向合加速度数组刷新单元410，用于实时计算所述智能终端在当前时刻地球坐标系中水平方向的合加速度值；以当前时刻的水平方向的合加速度值和此前计算得到的M个水平方向的合加速度值按照时间前后顺序组成刷新后的水平方向合加速度数组，M为大于等于0的整数；
重力方向加速度数组刷新单元420，用于实时计算所述智能终端在当前时刻地球坐标系中重力方向的加速度值；以当前时刻的重力方向的加速度值和此前计算得到的N个重力方向的加速度值按照时间前后顺序组成刷新后的重力方向加速度数组，N为大于等于0的整数；
陀螺仪数组刷新单元430，用于实时采集智能终端陀螺仪的测量数据；以当前时刻的陀螺仪测量数据和此前采集得到的P个陀螺仪测量数据按照时间前后顺序组成刷新后的陀螺仪数组，P为大于等于0的整数。
上车判断单元440，用于调用水平方向合加速度数组刷新单元410和重力方向加速度数组刷新单元420，对刷新后的水平方向合加速度数组和刷新后的重力方向加速度数组进行数据处理，将处理结果与预存的上车特征图样组进行比对，判断智能终端携带者是否有上车的行为；若是，触发具体位置判断单元450，若否，触发上车判断单元440；
具体位置判断单元450，用于调用陀螺仪数组刷新单元430，根据刷新后的陀螺仪数组，确定智能终端携带者位于车内的左边或者右边；调用重力方向加速度数组刷新单元420，对刷新后的重力方向加速度数组进行数据处理，将处理结果与预存的前后座特征图样组进行比对，确定智能终端携带者位于车内的前座或者后座；
司机确定单元460，用于根据具体位置判断单元450的确定结果，判断智能终端携带者是否为司机。
本发明实施例所提供的基于智能终端的司机识别装置可以用于执行本发明任意实施例提供的基于智能终端的司机识别方法，具备相应的功能模块，达到同样的技术效果。
本发明实施例通过综合利用智能终端中的各种运动传感器，包括，加速度传感器、陀螺仪和磁场传感器，进行用户行为的建模，将模型特征值与各种传感器的测量值进行比对，实现了用户动作的实时判断，根据判断结果，确定智能终端的携带者是否为司机。本实施例的技术方案不需要增加额外的辅助设备，仅依靠智能终端即可完成对智能终端使用者的身份识别，识别过程中不需要用户的干预，在用户使用智能终端或者做相应的动作时即可进行实时的身份识别，系统复杂度低，准确度高，应用范围不受平台限制。
显然，本领域技术人员应该明白，本发明实施例可以用计算机装置可执行的程序来实现，从而可以将它们存储在存储装置中由处理器来执行，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等；或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件的结合。
以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域技术人员而言，本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于智能终端的司机识别方法，其特征在于，包括：
步骤S1，刷新水平方向合加速度数组和重力方向加速度数组，对刷新后的水平方向合加速度数组和刷新后的重力方向加速度数组进行数据处理，将处理结果与预存的上车特征图样组进行比对，判断智能终端携带者是否有上车的行为；若是，执行步骤S2，若否，返回步骤S1；
步骤S2，刷新陀螺仪数组，根据刷新后的陀螺仪数组，确定智能终端携带者位于车内的左边或者右边；刷新重力方向加速度数组，对刷新后的重力方向加速度数组进行数据处理，将处理结果与预存的前后座特征图样组进行比对，确定智能终端携带者位于车内的前座或者后座；
步骤S3，根据步骤S2中的确定结果，判断智能终端携带者是否为司机；
其中，所述刷新水平方向合加速度数组包括：实时计算所述智能终端在当前时刻地球坐标系中水平方向的合加速度值；以当前时刻的水平方向的合加速度值和此前计算得到的M个水平方向的合加速度值按照时间前后顺序组成刷新后的水平方向合加速度数组，M为大于等于0的整数；
所述刷新重力方向加速度数组包括：实时计算所述智能终端在当前时刻地球坐标系中重力方向的加速度值；以当前时刻的重力方向的加速度值和此前计算得到的N个重力方向的加速度值按照时间前后顺序组成刷新后的重力方向加速度数组，N为大于等于0的整数；
所述刷新陀螺仪数组包括：实时采集智能终端陀螺仪的测量数据；以当前时刻的陀螺仪的测量数据和此前采集得到的P个陀螺仪的测量数据按照时间前后顺序组成刷新后的陀螺仪数组，P为大于等于0的整数；
其中，所述步骤S2中，在所述的确定智能终端携带者位于车内的左边或者右边之后，还包括：根据左右边的确定结果，更新司机身份权值；在所述的确定智能终端携带者位于车内的前座或者后座之后，还包括，根据前后座的确定结果，更新司机身份权值，其中，所述司机身份权值具有预定的初始值；
所述步骤S3进一步包括：
判断所述司机身份权值是否大于预定的阈值，若是，判断所述智能终端携带者为司机。
2.根据权利要求1所述的基于智能终端的司机识别方法，其特征在于，所述方法还包括，当判断智能终端携带者为司机时，禁用所述智能终端的软键盘。
3.根据权利要求1或2所述的基于智能终端的司机识别方法，其特征在于，在所述步骤S1之前，所述方法还包括步骤S0：刷新水平方向合加速度数组和重力方向加速度数组，对刷新后的水平方向合加速度数组和刷新后的重力方向加速度数据进行数据处理，将处理结果与预存的走路特征图样组进行比对，判断智能终端携带者是否有走路的行为；若是，执行步骤S1，若否，间隔预定的时间，返回步骤S0。
4.根据权利要求3所述的基于智能终端的司机识别方法，其特征在于，所述实时计算所述智能终端在当前时刻地球坐标系中水平方向的合加速度值以及实时计算所述智能终端在当前时刻地球坐标系中重力方向的加速度值包括：
以预定的频率实时采集智能终端加速度传感器、陀螺仪和磁场传感器的测量数据；
计算所述智能终端相对于地球的空间姿态角；
根据计算得到的所述空间姿态角，将加速度传感器在X轴、Y轴的测量数据，过滤掉重力方向加速度分量，获取在地球坐标系中两个水平方向加速度值；
将过滤后的所述两个水平方向加速度值进行加速度融合，转化为地球坐标系中水平方向的合加速度值；
根据加速度传感器在X轴、Y轴和Z轴的测量数据，以及获取的所述地球坐标系中两个水平方向加速度值，计算地球坐标系中重力方向的加速度值。
5.根据权利要求1所述的基于智能终端的司机识别方法，其特征在于，所述上车特征图样组的生成方法包括：
在智能终端携带者完成典型上车行为的过程中，实时采集智能终端加速度传感器、陀螺仪和磁场传感器的多组测量数据；
根据采集到的所述多组测量数据，计算在智能终端携带者完成典型上车行为的过程中，智能终端在地球坐标系中水平方向合加速度数组和重力方向加速度数组；
对所述水平方向合加速度数组和所述重力方向加速度数组进行数据处理，得到至少一个典型特征值，作为与所述典型上车行为对应的上车特征图样；
将所有典型上车行为对应的上车特征图样的合集，作为所述的上车特征图样组。
6.根据权利要求5所述的基于智能终端的司机识别方法，其特征在于，所述对刷新后的水平方向合加速度数组和刷新后的重力方向加速度数组进行数据处理，将处理结果与预存的上车特征图样组进行比对，判断智能终端携带者是否有上车的行为包括：
按照与所述上车特征图样中得到典型特征值相同的数据处理方法，对所述水平方向合加速度数组和所述重力方向加速度数组进行数据处理，得到相应的测试特征值，作为测试图样；
按照预定的算法，将所述测试图样中的测试特征值与所述上车特征图样组中的所有上车特征图样的典型特征值进行分类处理，计算所述测试图样符合每种上车特征图样的概率值；
在计算得到的所述概率值超过预定的阈值时，确定所述测试图样符合相应的上车特征图样，判断智能终端携带者有上车的行为。
7.根据权利要求1所述的基于智能终端的司机识别方法，其特征在于，所述步骤S2还包括：
判断所述智能终端是否存在用户行为异常，若是，更新所述司机身份权值。
8.根据权利要求1或7任一所述的基于智能终端的司机识别方法，其特征在于，所述步骤S2还包括：
刷新磁场传感器测量数组，根据刷新后的磁场传感器测量数组，判断智能终端周围环境是否存在磁场异常，若是，更新所述司机身份权值；
其中，所述刷新磁场传感器测量数组包括：实时采集智能终端磁场传感器测量数据；以当前时刻的磁场传感器测量数据和此前采集得到的Q个磁场传感器测量数据按照时间前后顺序组成刷新后的磁场传感器测量数组，Q为大于等于0的整数。
9.一种基于智能终端的司机识别装置，其特征在于，包括：
水平方向合加速度数组刷新单元，用于实时计算所述智能终端在当前时刻地球坐标系中水平方向的合加速度值；以当前时刻的水平方向的合加速度值和此前计算得到的M个水平方向的合加速度值按照时间前后顺序组成刷新后的水平方向合加速度数组，M为大于等于0的整数；
重力方向加速度数组刷新单元，用于实时计算所述智能终端在当前时刻地球坐标系中重力方向的加速度值；以当前时刻的重力方向的加速度值和此前计算得到的N个重力方向的加速度值按照时间前后顺序组成刷新后的重力方向加速度数组，N为大于等于0的整数；
陀螺仪数组刷新单元，用于实时采集智能终端陀螺仪的测量数据；以当前时刻的陀螺仪测量数据和此前采集得到的P个陀螺仪测量数据按照时间前后顺序组成刷新后的陀螺仪数组，P为大于等于0的整数；
上车判断单元，用于调用水平方向合加速度数组刷新单元和重力方向加速度数组刷新单元，对刷新后的水平方向合加速度数组和刷新后的重力方向加速度数组进行数据处理，将处理结果与预存的上车特征图样组进行比对，判断智能终端携带者是否有上车的行为；若是，触发具体位置判断单元，若否，触发上车判断单元；
具体位置判断单元，用于调用陀螺仪数组刷新单元，根据刷新后的陀螺仪数组，确定智能终端携带者位于车内的左边或者右边；调用重力方向加速度数组刷新单元，对刷新后的重力方向加速度数组进行数据处理，将处理结果与预存的前后座特征图样组进行比对，确定智能终端携带者位于车内的前座或者后座；
司机确定单元，用于根据具体位置判断单元的确定结果，判断智能终端携带者是否为司机；
所述具体位置判断单元还具体用于根据左右边的确定结果，更新司机身份权值；在所述的确定智能终端携带者位于车内的前座或者后座之后，还包括，根据前后座的确定结果，更新司机身份权值，其中，所述司机身份权值具有预定的初始值；
所述司机确定单元还具体用于判断所述司机身份权值是否大于预定的阈值，若是，判断所述智能终端携带者为司机。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310530968.0A CN103544485B (zh) | 2013-10-30 | 2013-10-30 | 基于智能终端的司机识别方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310530968.0A CN103544485B (zh) | 2013-10-30 | 2013-10-30 | 基于智能终端的司机识别方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103544485A CN103544485A (zh) | 2014-01-29 |
| CN103544485B true CN103544485B (zh) | 2018-07-06 |
Family
ID=49967920
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310530968.0A Expired - Fee Related CN103544485B (zh) | 2013-10-30 | 2013-10-30 | 基于智能终端的司机识别方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103544485B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106327608B (zh) * | 2015-07-01 | 2019-05-21 | 窦娟 | 一种通过无线信号判断车内驾驶人员状态的方法和系统 |
| CN106295680A (zh) * | 2016-07-29 | 2017-01-04 | 深圳云智优泊科技有限公司 | 低功耗驾车和步行状态识别系统 |
| CN108549900A (zh) * | 2018-03-07 | 2018-09-18 | 浙江大学 | 基于移动设备佩戴位置的人体跌倒检测方法 |
| CN110901655B (zh) * | 2018-09-14 | 2021-09-21 | 华为技术有限公司 | 一种汽车主驾驶位识别方法及终端设备 |
| CN109448313B (zh) * | 2018-09-26 | 2021-12-07 | 北京小米移动软件有限公司 | 车辆识别方法、装置、设备及存储介质 |
| CN109714480A (zh) * | 2018-12-28 | 2019-05-03 | 上海掌门科技有限公司 | 用于移动终端的工作模式切换方法和装置 |
| JP7026076B2 (ja) * | 2019-03-29 | 2022-02-25 | 日立建機株式会社 | 現場管理システム |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101860561A (zh) * | 2009-01-28 | 2010-10-13 | 索尼公司 | 信息处理装置、信息处理方法、程序 |
| CN201854328U (zh) * | 2010-09-29 | 2011-06-01 | 北京播思软件技术有限公司 | 一种具有自动驾驶模式的移动终端 |
| WO2012154230A1 (en) * | 2011-01-19 | 2012-11-15 | Qualcomm Incorporated | Learning situations via pattern matching |
-
2013
- 2013-10-30 CN CN201310530968.0A patent/CN103544485B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101860561A (zh) * | 2009-01-28 | 2010-10-13 | 索尼公司 | 信息处理装置、信息处理方法、程序 |
| CN201854328U (zh) * | 2010-09-29 | 2011-06-01 | 北京播思软件技术有限公司 | 一种具有自动驾驶模式的移动终端 |
| WO2012154230A1 (en) * | 2011-01-19 | 2012-11-15 | Qualcomm Incorporated | Learning situations via pattern matching |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103544485A (zh) | 2014-01-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103544485B (zh) | 基于智能终端的司机识别方法和装置 | |
| US11449727B2 (en) | Method, storage medium and electronic device for detecting vehicle crashes | |
| Engelbrecht et al. | Survey of smartphone‐based sensing in vehicles for intelligent transportation system applications | |
| US10659598B2 (en) | Detecting driving with a wearable computing device | |
| Kumar et al. | An IoT-based vehicle accident detection and classification system using sensor fusion | |
| CN105321375B (zh) | 驾驶辅助装置 | |
| CN110795523B (zh) | 车辆定位方法、装置以及智能车辆 | |
| EP2668553B1 (en) | Information processing device, alarm method, and program | |
| US20180372499A1 (en) | Method and apparatus for characterizing platform motion | |
| JP7208006B2 (ja) | 車両ベースのデータ及びモバイルデバイスベースのデータを用いた車両内のモバイルデバイス位置の検出 | |
| Kalra et al. | Analyzing driving and road events via smartphone | |
| Kalra et al. | Analyzing driver behavior using smartphone sensors: a survey | |
| CN109789777A (zh) | 非预期脉冲变化碰撞检测器 | |
| WO2022105395A1 (en) | Data processing method, apparatus, and system, computer device, and non-transitory storage medium | |
| JP2023074043A (ja) | 情報処理方法、情報処理装置及びプログラム | |
| Zhao et al. | Join driving: A smart phone-based driving behavior evaluation system | |
| CN112815907B (zh) | 车辆涉水监测方法、装置、系统、计算机设备和存储介质 | |
| CN107139918A (zh) | 一种车辆碰撞提示方法及车辆 | |
| CN110491167A (zh) | 一种路段警示方法及设备 | |
| JP5695000B2 (ja) | 車両周辺監視装置 | |
| CN107534706B (zh) | 移动终端防盗方法和移动终端 | |
| Saeed et al. | A novel extension for e-Safety initiative based on developed fusion of biometric traits | |
| CN114872718B (zh) | 车辆轨迹预测方法、装置、计算机设备和存储介质 | |
| US20200149907A1 (en) | Vehicular apparatus, systems, and methods for detecting, identifying, imaging, and mapping noise sources | |
| RU2681346C2 (ru) | Способ и система точной локализации слабовидящего или слепого человека |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180706 |