CN108074395A - 一种身份识别的方法及装置 - Google Patents
一种身份识别的方法及装置 Download PDFInfo
- Publication number
- CN108074395A CN108074395A CN201610991807.5A CN201610991807A CN108074395A CN 108074395 A CN108074395 A CN 108074395A CN 201610991807 A CN201610991807 A CN 201610991807A CN 108074395 A CN108074395 A CN 108074395A
- Authority
- CN
- China
- Prior art keywords
- terminal
- motion state
- vehicle
- data
- motion
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及智能交通领域,尤其涉及一种身份识别的方法及装置,该方法为,通过获取指定区域内移动终端的终端运动状态数据集合,以及获取该指定区域内待识别的目标车辆的车辆运动状态数据,筛选出符合预设条件的目标终端运动状态数据,并确定目标终端运动状态数据对应的移动终端的使用者为待识别的目标车辆的驾驶员身份,这样,服务器可以通过驾驶员携带的移动终端就可获知指定区域内目标车辆的驾驶员身份,而不再需要驾驶员通过操作复杂并且价格昂贵的输入设备,主动输入指纹等隐私信息,这保护了驾驶员的个人隐私,提高了信息的安全性,简化了操作步骤,提高了效率,节约了资金成本。
Description
技术领域
本发明涉及智能交通领域,尤其涉及一种身份识别的方法及装置。
背景技术
随着汽车行业智能化的发展,驾驶员身份识别作为智能驾驶的基础,得到越来越多的关注。
现有技术下,驾驶员身份识别大多是通过增加专用设备,对驾驶员的身份信息进行先录入后比对的方式,即,预先将驾驶员的身份信息(如,指纹、驾驶证号码、头像等)存储在本地存储区域(IC卡、U盘等)或网络云平台上,驾驶员在行驶前,会将当前自身的身份信息通过车载终端设备(指纹采集器、摄像头、行车记录仪等)输入车载系统,车载系统根据车载终端设备输入的当前驾驶员的身份信息,与预先在本地存储区域或网络云平台中的所有驾驶员的身份信息进行一一匹配,以确定当前驾驶员的身份信息。
然而,采用上述方式不仅需要增加专用设备,而且还需要预先登记驾驶员身份信息,一般来说,用于身份识别的指纹采集器、摄像头、行车记录仪等专用设备的成本较高,且操作较为繁琐。
有鉴于此,需要重新设计一种身份识别方法克服以上缺陷。
发明内容
本发明实施例提供一种身份识别的方法及装置,用于在驾驶员不必提供隐私信息的情况下,对车辆的驾驶员的身份进行识别。
本发明实施例提供的具体技术方案如下:
一种身份识别方法,包括:
获取指定区域内至少一台移动终端的第一终端运动状态数据集合,以及获取所述指定区域内目标车辆的车辆运动状态数据;
基于获得的第一终端运动状态数据集合,筛选出与所述车辆运动状态数据相匹配的第二终端运动状态数据集合;
基于所述第二终端运动状态数据集合,筛选出符合预设条件的目标终端运动状态数据;
确定所述目标终端运动状态数据对应的移动终端的使用者,为所述目标车辆的驾驶员。
可选的,所述车辆运行状态数据包括车辆在运行过程中的各类车辆状态参数,所述车辆状态参数至少包括车辆速度和车辆加速度;
所述第一终端运动状态数据集合中包含若干终端运动状态数据,其中,一条终端运动状态数据包括移动终端在运行过程中的各类终端状态参数,所述终端状态参数至少包括终端速度和终端加速度。
可选的,基于获得的第一终端运动状态数据集合,筛选出与所述车辆运动状态数据相匹配的第二终端运动状态数据集合,包括:
基于获得的第一终端运动状态数据集合,筛选出在第一预设时长内的终端速度达到预设速度,且在第二预设时长内的终端加速度低于预设加速度的终端运动状态数据,组成第一类第一终端运动状态数据集合;
在所述第一类第一终端运动状态数据集合中,筛选出与所述车辆运动状态数据相匹配的第二终端运动状态数据集合。
可选的,在所述第一类第一终端运动状态数据集合中,筛选出与所述车辆运动状态数据相匹配的第二终端运动状态数据集合,包括:
基于所述车辆运动状态数据,确定目标车辆在指定时间范围内的车辆速度变化状态信息和车辆加速度变化状态信息;
以所述目标车辆为中心点,基于预设距离,确定误差范围,在所述第一类第一终端运动状态数据集合中,筛选出产生位置处于所述误差范围内的终端运动状态数据,组成第二类第一终端运动状态数据集合;
分别确定所述第二类第一终端运动状态数据集合对应的每一个终端,在所述指定时间范围内的终端速度变化状态信息和终端加速度变化状态信息;
分别计算所述每一个终端的终端速度变化状态信息与所述车辆速度变化状态信息的速度平均差值,以及分别计算所述每一个终端的终端加速度变化状态信息与所述车辆加速度变化状态信息的加速度平均差值;
筛选出满足预设规则的终端运动状态数据,组成第二终端运动状态数据集合,其中,所述预设规则为:终端运动状态数据对应的速度平均差值低于预设第一阈值,且所述终端运动状态数据对应的加速度平均差值低于预设第二阈值。
可选的,基于所述第二终端运动状态数据集合,筛选出符合预设条件的目标终端运动状态数据,包括:
分别确定所述第二终端运动状态数据集合中包含的每一条终端运动状态数据对应的移动终端的使用者;
获取各个使用者各自对应的历史车辆运动状态数据,并采用主成分分析法分别计算获得每一个使用者基于对应的历史车辆运动状态数据的主特征向量;
分别采用获得的每一个主特征向量,对所述车辆运动状态数据进行迭代映射,获得映射后的车辆运动状态数据,并计算所述映射后的车辆运动状态数据对应的主特征向量,作为参考主特征向量;
分别计算所述第二终端运动状态数据集合中包含的每一条终端运动状态数据对应的主特征向量,并分别计算所述参考主特征向量与所述每一个主特征向量之间的夹角,确定最小夹角对应的终端运动状态数据为目标终端运动状态数据。
一种身份识别装置,包括:
获取单元,用于获取指定区域内至少一台移动终端的第一终端运动状态数据集合,以及获取所述指定区域内目标车辆的车辆运动状态数据;
第一筛选单元,用于基于获得的第一终端运动状态数据集合,筛选出与所述车辆运动状态数据相匹配的第二终端运动状态数据集合;
第二筛选单元,用于基于所述第二终端运动状态数据集合,筛选出符合预设条件的目标终端运动状态数据;
确定单元,用于确定所述目标终端运动状态数据对应的移动终端的使用者,为所述目标车辆的驾驶员。
可选的,所述车辆运行状态数据包括车辆在运行过程中的各类车辆状态参数,所述车辆状态参数至少包括车辆速度和车辆加速度;
所述第一终端运动状态数据集合中包含若干终端运动状态数据,其中,一条终端运动状态数据包括移动终端在运行过程中的各类终端状态参数,所述终端状态参数至少包括终端速度和终端加速度。
可选的,基于获得的第一终端运动状态数据集合,筛选出与所述车辆运动状态数据相匹配的第二终端运动状态数据集合时,所述第一筛选单元用于:
基于获得的第一终端运动状态数据集合,筛选出在第一预设时长内的终端速度达到预设速度,且在第二预设时长内的终端加速度低于预设加速度的终端运动状态数据,组成第一类第一终端运动状态数据集合;
在所述第一类第一终端运动状态数据集合中,筛选出与所述车辆运动状态数据相匹配的第二终端运动状态数据集合。
可选的,在所述第一类第一终端运动状态数据集合中,筛选出与所述车辆运动状态数据相匹配的第二终端运动状态数据集合时,所述第一筛选单元用于:
基于所述车辆运动状态数据,确定目标车辆在指定时间范围内的车辆速度变化状态信息和车辆加速度变化状态信息;
以所述目标车辆为中心点,基于预设距离,确定误差范围,在所述第一类第一终端运动状态数据集合中,筛选出产生位置处于所述误差范围内的终端运动状态数据,组成第二类第一终端运动状态数据集合;
分别确定所述第二类第一终端运动状态数据集合对应的每一个终端,在所述指定时间范围内的终端速度变化状态信息和终端加速度变化状态信息;
分别计算所述每一个终端的终端速度变化状态信息与所述车辆速度变化状态信息的速度平均差值,以及分别计算所述每一个终端的终端加速度变化状态信息与所述车辆加速度变化状态信息的加速度平均差值;
筛选出满足预设规则的终端运动状态数据,组成第二终端运动状态数据集合,其中,所述预设规则为:终端运动状态数据对应的速度平均差值低于预设第一阈值,且所述终端运动状态数据对应的加速度平均差值低于预设第二阈值。
可选的,基于所述第二终端运动状态数据集合,筛选出符合预设条件的目标终端运动状态数据时,所述第二筛选单元用于:
分别确定所述第二终端运动状态数据集合中包含的每一条终端运动状态数据对应的移动终端的使用者;
获取各个使用者各自对应的历史车辆运动状态数据,并采用主成分分析法分别计算获得每一个使用者基于对应的历史车辆运动状态数据的主特征向量;
分别采用获得的每一个主特征向量,对所述车辆运动状态数据进行迭代映射,获得映射后的车辆运动状态数据,并计算所述映射后的车辆运动状态数据对应的主特征向量,作为参考主特征向量;
分别计算所述第二终端运动状态数据集合中包含的每一条终端运动状态数据对应的主特征向量,并分别计算所述参考主特征向量与所述每一个主特征向量之间的夹角,确定最小夹角对应的终端运动状态数据为目标终端运动状态数据。
本发明有益效果如下:
本发明实施例中,通过获取指定区域内所有移动终端的第一终端运动状态数据集合,以及获取所述指定区域内目标车辆的车辆运动状态数据,筛选出与目标车辆的车辆运动状态数据相匹配的第二终端运动状态数据集合,预先分别为第二终端运动状态数据集合中对应的每一个驾驶员进行驾驶习惯建模,获得上述每一个驾驶员在驾驶状态下的主特征向量,并分别计算第二终端运动状态数据集合中每一条终端运动状态数据的主特征向量,通过主特征向量比较法,筛选出符合预设条件的目标终端运动状态数据,确定该目标终端运动状态数据对应的移动终端的使用者为目标车辆的驾驶员身份,这样,服务器可以通过驾驶员携带的移动终端就可获知指定区域内目标车辆的驾驶员身份,而不再需要驾驶员通过操作复杂且价格昂贵的输入设备,主动输入指纹等隐私信息,这保护了驾驶员的个人隐私,提高了信息的安全性,简化了操作步骤,提高了效率,节约了资金成本。
附图说明
图1为本发明实施例中身份识别的方法的流程图;
图2为本发明实施例中机动车和非机动车加速度模式对比图;
图3为本发明实施例中示例图一;
图4为本发明实施例中示例图二;
图5为本发明实施例中身份识别的装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,并不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为了使驾驶员在不必提供隐私信息的情况下,对车辆的驾驶员的身份进行识别,以保护驾驶员的隐私安全,简化操作步骤,提高处理效率,节约资金成本,本发明实施例中,设计了一种身份识别方法,该方法为,通过获取指定区域内移动终端的终端运动状态数据集合,以及获取该指定区域内待识别的目标车辆的车辆运动状态数据,筛选出符合预设条件的目标终端运动状态数据,确定目标终端运动状态数据对应的移动终端的使用者为待识别的目标车辆的驾驶员身份。
下面结合附图对本发明优选的实施方式进行详细说明。
本发明实施例中,在进行身份识别之前,预先对每一个已知的驾驶员在驾驶状态下的历史车辆运动状态数据进行处理,通过主成分分析法,对每一个驾驶员的驾驶习惯完成建模。
具体的,服务器在对每一个已知的驾驶员的历史车辆运动状态数据进行处理之前,可以先通过车辆的车载终端,如,车机、车载设备(On-Board Device,OBD)智能后视镜等,或者驾驶员携带的移动终端获取车辆状态参数,其中,上述车辆状态参数至少包括车辆速度和车辆加速度,进一步地,还可以包括车辆位置、车辆朝向、车辆方向盘位置、车辆方向盘旋转率、车辆刹车踏板位置和车辆油门踏板位置等,即,每一条历史车辆运动状态数据为多维特征数据。
实际应用中,所谓主成分分析法即是指利用降维的思想,把多个变量转化为少数几个变量(即,主成分),其中每个主成分都能够反映原始多个变量的大部分信息,且所含的信息互不重复。
进一步地,服务器通过获取的每一个驾驶员的历史车辆运动状态数据,对每一个驾驶员进行驾驶习惯建模,本发明实施例中,优选的实施方式为采用主成分分析法,确定上述每一个驾驶员的主特征值和主特征向量,完成每一个驾驶员驾驶习惯的建模,具体实施过程如下:
假设某一个已知驾驶员的历史车辆运动状态数据中包含了n个车辆状态参数,每一个历史车辆运动状态数据采集了m组,将上述m×n维特征数据表示为矩阵A,并记作Amn,元数aij位于矩阵A的第i行第j列,首先分别求出矩阵A中每一列的m个数据的平均值,如,矩阵A中第i列的m个数据的平均值记作并用每一列的m个数据减去各自对应的平均值,得到矩阵B,记作Bmn,元数bij位于矩阵B的第i行第j列。
其次,求出上述矩阵B的特征协方差矩阵C,记作Cmn,元数cij位于矩阵C的第i行第j列其中,上述特征协方差矩阵C中各个元素的计算公式如下:
然后,计算协方差矩阵C的特征值和特征向量。
最后,将特征值由大到小进行排序,当前X个特征值之和超过了所有特征值之和的85%时,选取上述X个特征值,以及上述X个特征值对应的特征向量,其中,上述X个特征值和上述X个特征值对应的特征向量即为主特征值和主特征向量,确定每一个驾驶员的历史车辆运动状态数据对应的主特征值和主特征向量,即完成对每一个驾驶员的驾驶习惯建模。
完成对每一个驾驶员的驾驶习惯建模后,就可以在后续的流程中,对目标车辆的驾驶员进行身份识别,参阅图1所示,本发明实施例中,对身份识别的具体流程如下:
步骤100:服务器获取指定区域内至少一台移动终端的第一终端运动状态数据集合,以及获取该指定区域内目标车辆的车辆运动状态数据。
具体的,服务器获取指定区域内至少一台移动终端的第一终端运动状态数据集合,以及获取该指定区域内目标车辆的车辆运动状态数据,其中,第一终端运动状态数据集合中包含若干终端运动状态数据,一条终端运动状态数据包括移动终端在运行过程中的各类终端状态参数,车辆运动状态数据包括车辆在运行过程中的各类车辆状态参数。
进一步地,上述各类终端状态参数至少包括终端速度、和终端加速度等等,进一步地,还可以包括其他参数,如,终端位置,终端重心位置等,每一条第一终端运动状态数据对应的移动终端的使用者可以为行人、机动车的驾驶员或乘客、非机动车(如,摩托车和自行车)的驾驶员或乘客。上述车辆状态参数至少包括车辆速度和车辆加速度,进一步地,还可以包括车辆位置、车辆朝向、车辆方向盘位置、车辆方向盘旋转率、车辆刹车踏板位置和车辆油门踏板位置等。
例如,服务器可以通过移动通信网络获取指定区域内至少一台智能手机的终端运动状态数据,服务器可以通过目标车辆上车载终端的加速度传感器、陀螺仪、全球定位系统(Global Positioning System,GPS)、北斗导航系统、基站定位系统等,以及基于上述传感器的增强融合定位方法(如,相位差分实时定位技术),采集目标车辆的车辆运动状态数据。
步骤110:服务器基于获得的第一终端运动状态数据集合,筛选出与目标车辆的车辆运动状态数据相匹配的第二终端运动状态数据集合。
具体的,由于服务器获得第一终端运动状态数据集合中每一条终端运动状态数据对应的移动终端的使用者可能为行人,可能为机动车的驾驶员或乘客,也可能为非机动车(如,摩托车和自行车)的驾驶员或乘客,因此,需要对第一终端运动状态数据集合进行初步筛选,以便筛选出与目标车辆的车辆运动状态数据相匹配的第二终端运动状态数据集合。
进一步地,基于获得的第一终端运动状态数据集合,筛选出在第一预设时长内的终端速度达到预设速度,且在第二预设时长内的终端加速度低于预设加速度的终端运动状态数据,组成第一类第一终端运动状态数据集合。
在实际情况中,普通人和体质较弱的人正常行走速度分别为每小时5公里左右和每小时3公里左右,普通人和受过一般训练的人正常跑步速度分别为每小时10公里左右和每小时20公里至30公里左右,因此,本发明实施例中,优选的预设速度为每小时30公里,由于交通堵塞可能会导致车辆短时间内会慢速行驶,因此,设定一个时间段,即第一预设时长,剔除在第一预设时长内终端速度低于每小时30公里的终端运动状态数据,这样就能先剔除与行人相关的终端运动状态数据,再从剩余的终端运动状态数据进行进一步的筛选,以便筛选出与机动车相关的终端运动状态数据。
具体的,参阅图2所示,在运动过程中,质量大的物体相对来说惯性较大,因此,质量大的物体的速度随时间的抖动相对来说会小于质量小的物体的速度随时间的抖动,依据在一定时间段内速度改变量大的物体质量小,在第一时间段内速度改变量小的质量小,设定一个时间段,即,第二预设时长,判断在第二预设时长内上述剩余的终端运动状态数据中的终端加速度是否低于预设加速度,由于机动车的质量大于非机动车的质量,也大于非机动车的质量,因此,在第二预设时长内,终端加速度高于预设加速度的终端运动状态数据对应的移动终端的使用者为非机动车的驾驶员或乘客,剔除与非机动车相关的终端运动状态数据,这样,经过上述两个筛选步骤,只保留与机动车相关的终端运动状态数据,并将上述与机动车相关的终端运动状态数据作为第一类第一终端运动状态数据。
例如,假设第一终端运动状态数据集合中有3条终端运动状态数据,且第一预设时长为1个小时,第二预设时长为1分钟,其中,终端运动状态数据1在任意1个小时内终端速度都高于每小时30公里,且在任意1分钟内终端加速度都低于每二次方秒3米;终端运动状态数据2在任意1个小时内终端速度都高于每小时30公里,且存在某一个1分钟内终端加速度高于每二次方秒3米;终端运动状态数据3存在某一个1个小时内终端速度低于每小时30公里,且存在某一个1分钟内终端加速度高于每二次方秒3米,那么,会先初步筛选出终端运动状态数据1和终端运动状态数据2,剔除终端运动状态数据3,再从终端运动状态数据1和终端运动状态数据2中筛选出终端运动状态数据1,剔除终端运动状态数据2,且将终端运动状态数据1作为第一类第一终端运动状态数据。
更进一步地,服务器基于第一类第一终端运动状态数据集合,筛选出与所述目标车辆的车辆运动状态数据相匹配的第二终端运动状态数据集合。
在上述两次筛选中,服务器可以筛选出与机动车关联的终端运动状态数据,即,得到了第一类第一终端运动状态数据集合,而为了减少后续操作过程中的匹配量,可以结合GPS定位服务或融合定位服务的定位功能,进一步筛选出产生位置位于目标车辆误差范围内的终端运动状态数据。具体的,基于目标车辆的车辆运动状态数据,确定目标车辆在指定时间范围内的车辆速度变化状态信息和车辆加速度变化状态信息,并以目标车辆为中心点,基于预设距离确定误差范围,在第一类第一终端运动状态数据集合中,筛选出产生位置处于上述误差范围内的终端运动状态数据,组成第二类第一终端运动状态数据集合。
例如,假设GPS定位服务的定位误差为50米,那么,以50米作为预设距离,以目标车辆为中心,筛选出产生位置处于以目标车辆为中心的50米误差范围的终端运动状态数据,参阅图3所示,筛选出移动终端1、移动终端2和移动终端3各自对应的终端运动状态数据。
又进一步地,分别确定上述第二类第一终端运动状态数据集合对应的每一个终端,在上述指定时间范围内的终端速度变化状态信息和终端加速度变化状态信息,分别计算上述每一个终端的终端速度变化状态信息与所述车辆速度变化状态信息的速度平均差值,以及分别计算上述每一个终端的终端加速度变化状态信息与所述车辆加速度变化状态信息的加速度平均差值,筛选出满足预设规则的终端运动状态数据,组成第二终端运动状态数据集合,其中,上述预设规则为:终端运动状态数据对应的速度平均差值低于预设第一阈值,且该终端运动状态数据对应的加速度平均差值低于预设第二阈值。
本发明实施例中,优选的实施方式为:通过分别绘制指定时间范围内目标车辆的车辆运动状态数据中车辆速度和车辆加速度各自随时间变化的曲线,以及分别绘制指定时间范围内第二类第一终端运动状态数据中每一条终端运动状态数据中的终端速度和终端加速度各自随时间变化的曲线,并选取预设的采样点,分别计算车辆速度与上述每一条终端运动状态数据的终端速度的速度平均差值,以及分别计算车辆加速度与上述每一条终端运动状态数据的终端加速度的加速度平均差值,确定终端运动状态数据对应的速度平均差值低于预设第一阈值,且该终端运动状态数据对应的加速度平均差值低于预设第二阈值时,将该终端运动状态数据作为第二终端运动状态数据。
例如,以图3中位于目标车辆的3个移动终端的终端运动状态数据中的终端速度进行说明,具体参阅图4,通过选取5个采样点,分别计算车辆速度曲线基于上述5个采样点,与移动终端1、移动终端2和移动终端3各自终端速度曲线的速度平均值,若第一阈值为10,且经过计算移动终端1的终端速度曲线基于上述5个采样点与车辆速度曲线的速度平均值大于10,则剔除移动终端1对应的终端运动状态数据。
同样,对于加速度平均值的计算方法也可以与本发明实施例中优选的速度平均值计算方式类似,这里不再做赘述,需要说明的是,若第二类第一终端运动状态数据集合中的终端运动状态数据过少时,也可以直接进入步骤120,直接筛选出符合预设条件的目标终端运动状态数据。
步骤120:服务器基于上述第二终端运动状态数据集合,筛选出符合预设条件的目标终端运动状态数据。
具体的,服务器分别确定第二终端运动状态数据集合中包含的每一条终端运动状态数据对应的移动终端的使用者,并提取各个使用者各自对应的历史车辆运动状态数据的主特征向量,对目标车辆的车辆运动状态数据进行迭代映射,获得映射后的车辆运动状态数据,并计算上述映射后的车辆运动状态数据对应的主特征向量,作为参考主特征向量。
进一步地,分别计算上述第二终端运动状态数据集合中包含的每一条终端运动状态数据对应的主特征向量,并分别计算上述参考主特征向量与上述每一个主特征向量之间的夹角,确定最小夹角对应的终端运动状态数据为目标终端运动状态数据。
例如,假设目标车辆的经过映射后的车辆运动状态数据的主特征向量为且仍以步骤110中获得的第二终端运动状态数据集合为例,假设移动终端2的终端运动状态数据的主特征向量为移动终端3的终端运动状态数据的主特征向量为那么,利用函数f(x)=arg miniθi,分别计算与和之间的夹角,确定最小夹角对应的终端运动状态数据为目标终端运动状态数据。
例如,假设计算与之间的夹角θi,按照上述函数,可知:
与之间的夹角也可以采用上述公式进行求解,这里不再赘述。
更进一步地,若在步骤110中筛选的第二终端运动状态数据集合中只有一条终端运动状态数据,那么,则可以直接确定该终端运动状态数据为目标终端运动状态数据。
步骤130:服务器确定上述目标终端运动状态数据对应的移动终端的使用者为目标车辆的驾驶员,并基于所述驾驶员的驾驶习惯,提供相应的驾驶辅助类服务。
具体的,服务器确定上述目标终端运动状态数据对应的移动终端的使用者为目标车辆的驾驶员,并基于该驾驶员的驾驶习惯,提供相应的驾驶类辅助类服务。
例如,利用驾驶员的驾驶习惯,对正在驾驶车辆的驾驶员进行实时监测,识别驾驶员是否遇到了紧急或者危险情况,以便及时调整驾驶状态和提供补救类措施;或者,可以将车主的移动终端与车辆进行关联,当车辆更换驾驶员时,向车主发出告警信息,若车主接收到告警信息判断车辆当前可能被盗,可以控制车辆自动停车;或者,可以将驾驶员的驾驶习惯融入车辆的控制系统中,以便为老人或残疾人等特殊驾驶员提供帮助;或者,可以根据驾驶员的驾驶习惯中的兴趣爱好,为驾驶员提供音乐播放等娱乐服务。
参阅图5所示,本发明实施例中,身份识别装置至少包括获取单元51、第一筛选单元52、第二筛选单元53和确定单元54,其中,
获取单元51,用于获取指定区域内至少一台移动终端的第一终端运动状态数据集合,以及获取所述指定区域内目标车辆的车辆运动状态数据;
第一筛选单元52,用于基于获得的第一终端运动状态数据集合,筛选出与所述车辆运动状态数据相匹配的第二终端运动状态数据集合;
第二筛选单元53,用于基于所述第二终端运动状态数据集合,筛选出符合预设条件的目标终端运动状态数据;
确定单元54,用于确定所述目标终端运动状态数据对应的移动终端的使用者,为所述目标车辆的驾驶员。
可选的,所述车辆运行状态数据包括车辆在运行过程中的各类车辆状态参数,所述车辆状态参数至少包括车辆速度和车辆加速度;
所述第一终端运动状态数据集合中包含若干终端运动状态数据,其中,一条终端运动状态数据包括移动终端在运行过程中的各类终端状态参数,所述终端状态参数至少包括终端速度和终端加速度。
可选的,基于获得的第一终端运动状态数据集合,筛选出与所述车辆运动状态数据相匹配的第二终端运动状态数据集合时,所述第一筛选单元52用于:
基于获得的第一终端运动状态数据集合,筛选出在第一预设时长内的终端速度达到预设速度,且在第二预设时长内的终端加速度低于预设加速度的终端运动状态数据,组成第一类第一终端运动状态数据集合;
在所述第一类第一终端运动状态数据集合中,筛选出与所述车辆运动状态数据相匹配的第二终端运动状态数据集合。
可选的,在所述第一类第一终端运动状态数据集合中,筛选出与所述车辆运动状态数据相匹配的第二终端运动状态数据集合时,所述第一筛选单元52用于:
基于所述车辆运动状态数据,确定目标车辆在指定时间范围内的车辆速度变化状态信息和车辆加速度变化状态信息;
以所述目标车辆为中心点,基于预设距离,确定误差范围,在所述第一类第一终端运动状态数据集合中,筛选出产生位置处于所述误差范围内的终端运动状态数据,组成第二类第一终端运动状态数据集合;
分别确定所述第二类第一终端运动状态数据集合对应的每一个终端,在所述指定时间范围内的终端速度变化状态信息和终端加速度变化状态信息;
分别计算所述每一个终端的终端速度变化状态信息与所述车辆速度变化状态信息的速度平均差值,以及分别计算所述每一个终端的终端加速度变化状态信息与所述车辆加速度变化状态信息的加速度平均差值;
筛选出满足预设规则的终端运动状态数据,组成第二终端运动状态数据集合,其中,所述预设规则为:终端运动状态数据对应的速度平均差值低于预设第一阈值,且所述终端运动状态数据对应的加速度平均差值低于预设第二阈值。
可选的,基于所述第二终端运动状态数据集合,筛选出符合预设条件的目标终端运动状态数据时,所述第二筛选单元53用于:
分别确定所述第二终端运动状态数据集合中包含的每一条终端运动状态数据对应的移动终端的使用者;
获取各个使用者各自对应的历史车辆运动状态数据,并采用主成分分析法分别计算获得每一个使用者基于对应的历史车辆运动状态数据的主特征向量;
分别采用获得的每一个主特征向量,对所述车辆运动状态数据进行迭代映射,获得映射后的车辆运动状态数据,并计算所述映射后的车辆运动状态数据对应的主特征向量,作为参考主特征向量;
分别计算所述第二终端运动状态数据集合中包含的每一条终端运动状态数据对应的主特征向量,并分别计算所述参考主特征向量与所述每一个主特征向量之间的夹角,确定最小夹角对应的终端运动状态数据为目标终端运动状态数据。
本发明实施例中,通过获取指定区域内所有移动终端的第一终端运动状态数据集合,以及获取所述指定区域内目标车辆的车辆运动状态数据,筛选出与目标车辆的车辆运动状态数据相匹配的第二终端运动状态数据集合,预先分别为第二终端运动状态数据集合中对应的每一个驾驶员进行驾驶习惯建模,获得上述每一个驾驶员在驾驶状态下的主特征向量,并分别计算第二终端运动状态数据集合中每一条终端运动状态数据的主特征向量,通过主特征向量比较法,筛选出符合预设条件的目标终端运动状态数据,确定该目标终端运动状态数据对应的移动终端的使用者为目标车辆的驾驶员身份,这样,服务器可以通过驾驶员携带的移动终端就可获知指定区域内目标车辆的驾驶员身份,而不再需要驾驶员通过操作复杂并且价格昂贵的输入设备,主动输入指纹等隐私信息,这保护了驾驶员的个人隐私,提高了信息的安全性,简化了操作步骤,提高了效率,节约了资金成本。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明实施例进行各种改动和变型而不脱离本发明实施例的精神和范围。这样,倘若本发明实施例的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种身份识别方法,其特征在于,包括:
获取指定区域内至少一台移动终端的第一终端运动状态数据集合,以及获取所述指定区域内目标车辆的车辆运动状态数据;
基于获得的第一终端运动状态数据集合,筛选出与所述车辆运动状态数据相匹配的第二终端运动状态数据集合;
基于所述第二终端运动状态数据集合,筛选出符合预设条件的目标终端运动状态数据;
确定所述目标终端运动状态数据对应的移动终端的使用者,为所述目标车辆的驾驶员。
2.如权利要求1所述的方法,其特征在于,所述车辆运行状态数据包括车辆在运行过程中的各类车辆状态参数,所述车辆状态参数至少包括车辆速度和车辆加速度;
所述第一终端运动状态数据集合中包含若干终端运动状态数据,其中,一条终端运动状态数据包括移动终端在运行过程中的各类终端状态参数,所述终端状态参数至少包括终端速度和终端加速度。
3.如权利要求1或2所述的方法,其特征在于,基于获得的第一终端运动状态数据集合,筛选出与所述车辆运动状态数据相匹配的第二终端运动状态数据集合,包括:
基于获得的第一终端运动状态数据集合,筛选出在第一预设时长内的终端速度达到预设速度,且在第二预设时长内的终端加速度低于预设加速度的终端运动状态数据,组成第一类第一终端运动状态数据集合;
在所述第一类第一终端运动状态数据集合中,筛选出与所述车辆运动状态数据相匹配的第二终端运动状态数据集合。
4.如权利要求3所述的方法,其特征在于,在所述第一类第一终端运动状态数据集合中,筛选出与所述车辆运动状态数据相匹配的第二终端运动状态数据集合,包括:
基于所述车辆运动状态数据,确定目标车辆在指定时间范围内的车辆速度变化状态信息和车辆加速度变化状态信息;
以所述目标车辆为中心点,基于预设距离,确定误差范围,在所述第一类第一终端运动状态数据集合中,筛选出产生位置处于所述误差范围内的终端运动状态数据,组成第二类第一终端运动状态数据集合;
分别确定所述第二类第一终端运动状态数据集合对应的每一个终端,在所述指定时间范围内的终端速度变化状态信息和终端加速度变化状态信息;
分别计算所述每一个终端的终端速度变化状态信息与所述车辆速度变化状态信息的速度平均差值,以及分别计算所述每一个终端的终端加速度变化状态信息与所述车辆加速度变化状态信息的加速度平均差值;
筛选出满足预设规则的终端运动状态数据,组成第二终端运动状态数据集合,其中,所述预设规则为:终端运动状态数据对应的速度平均差值低于预设第一阈值,且所述终端运动状态数据对应的加速度平均差值低于预设第二阈值。
5.如权利要求1或2所述的方法,其特征在于,基于所述第二终端运动状态数据集合,筛选出符合预设条件的目标终端运动状态数据,包括:
分别确定所述第二终端运动状态数据集合中包含的每一条终端运动状态数据对应的移动终端的使用者;
获取各个使用者各自对应的历史车辆运动状态数据,并采用主成分分析法分别计算获得每一个使用者基于对应的历史车辆运动状态数据的主特征向量;
分别采用获得的每一个主特征向量,对所述车辆运动状态数据进行迭代映射,获得映射后的车辆运动状态数据,并计算所述映射后的车辆运动状态数据对应的主特征向量,作为参考主特征向量;
分别计算所述第二终端运动状态数据集合中包含的每一条终端运动状态数据对应的主特征向量,并分别计算所述参考主特征向量与所述每一个主特征向量之间的夹角,确定最小夹角对应的终端运动状态数据为目标终端运动状态数据。
6.一种身份识别装置,其特征在于,包括:
获取单元,用于获取指定区域内至少一台移动终端的第一终端运动状态数据集合,以及获取所述指定区域内目标车辆的车辆运动状态数据;
第一筛选单元,用于基于获得的第一终端运动状态数据集合,筛选出与所述车辆运动状态数据相匹配的第二终端运动状态数据集合;
第二筛选单元,用于基于所述第二终端运动状态数据集合,筛选出符合预设条件的目标终端运动状态数据;
确定单元,用于确定所述目标终端运动状态数据对应的移动终端的使用者,为所述目标车辆的驾驶员。
7.如权利要求6所述的装置,其特征在于,所述车辆运行状态数据包括车辆在运行过程中的各类车辆状态参数,所述车辆状态参数至少包括车辆速度和车辆加速度;
所述第一终端运动状态数据集合中包含若干终端运动状态数据,其中,一条终端运动状态数据包括移动终端在运行过程中的各类终端状态参数,所述终端状态参数至少包括终端速度和终端加速度。
8.如权利要求6或7所述的装置,其特征在于,基于获得的第一终端运动状态数据集合,筛选出与所述车辆运动状态数据相匹配的第二终端运动状态数据集合时,所述第一筛选单元用于:
基于获得的第一终端运动状态数据集合,筛选出在第一预设时长内的终端速度达到预设速度,且在第二预设时长内的终端加速度低于预设加速度的终端运动状态数据,组成第一类第一终端运动状态数据集合;
在所述第一类第一终端运动状态数据集合中,筛选出与所述车辆运动状态数据相匹配的第二终端运动状态数据集合。
9.如权利要求8所述的装置,其特征在于,在所述第一类第一终端运动状态数据集合中,筛选出与所述车辆运动状态数据相匹配的第二终端运动状态数据集合时,所述第一筛选单元用于:
基于所述车辆运动状态数据,确定目标车辆在指定时间范围内的车辆速度变化状态信息和车辆加速度变化状态信息;
以所述目标车辆为中心点,基于预设距离,确定误差范围,在所述第一类第一终端运动状态数据集合中,筛选出产生位置处于所述误差范围内的终端运动状态数据,组成第二类第一终端运动状态数据集合;
分别确定所述第二类第一终端运动状态数据集合对应的每一个终端,在所述指定时间范围内的终端速度变化状态信息和终端加速度变化状态信息;
分别计算所述每一个终端的终端速度变化状态信息与所述车辆速度变化状态信息的速度平均差值,以及分别计算所述每一个终端的终端加速度变化状态信息与所述车辆加速度变化状态信息的加速度平均差值;
筛选出满足预设规则的终端运动状态数据,组成第二终端运动状态数据集合,其中,所述预设规则为:终端运动状态数据对应的速度平均差值低于预设第一阈值,且所述终端运动状态数据对应的加速度平均差值低于预设第二阈值。
10.如权利要求6或7所述的装置,其特征在于,基于所述第二终端运动状态数据集合,筛选出符合预设条件的目标终端运动状态数据时,所述第二筛选单元用于:
分别确定所述第二终端运动状态数据集合中包含的每一条终端运动状态数据对应的移动终端的使用者;
获取各个使用者各自对应的历史车辆运动状态数据,并采用主成分分析法分别计算获得每一个使用者基于对应的历史车辆运动状态数据的主特征向量;
分别采用获得的每一个主特征向量,对所述车辆运动状态数据进行迭代映射,获得映射后的车辆运动状态数据,并计算所述映射后的车辆运动状态数据对应的主特征向量,作为参考主特征向量;
分别计算所述第二终端运动状态数据集合中包含的每一条终端运动状态数据对应的主特征向量,并分别计算所述参考主特征向量与所述每一个主特征向量之间的夹角,确定最小夹角对应的终端运动状态数据为目标终端运动状态数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610991807.5A CN108074395B (zh) | 2016-11-10 | 2016-11-10 | 一种身份识别的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610991807.5A CN108074395B (zh) | 2016-11-10 | 2016-11-10 | 一种身份识别的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108074395A true CN108074395A (zh) | 2018-05-25 |
CN108074395B CN108074395B (zh) | 2020-11-06 |
Family
ID=62154710
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610991807.5A Active CN108074395B (zh) | 2016-11-10 | 2016-11-10 | 一种身份识别的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108074395B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109635645A (zh) * | 2018-11-01 | 2019-04-16 | 深圳云天励飞技术有限公司 | 非机动车交通违法监管方法、装置及电子设备 |
CN111050299A (zh) * | 2019-11-07 | 2020-04-21 | 腾讯科技(深圳)有限公司 | 智能车辆数据互检方法和装置 |
CN114043988A (zh) * | 2021-11-06 | 2022-02-15 | 安徽中科美络信息技术有限公司 | 一种驾驶员识别策略选择方法及装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1460451A1 (en) * | 2003-03-18 | 2004-09-22 | Alcatel | Determining a binary information related to the speed of a mobile terminal |
CN101136140A (zh) * | 2006-08-29 | 2008-03-05 | 亿阳信通股份有限公司 | 道路交通的通行速度计算和匹配的方法和系统 |
CN101620785A (zh) * | 2009-08-10 | 2010-01-06 | 上海美慧软件有限公司 | 一种基于手机信号数据识别机动车与非机动车的方法 |
CN103810851A (zh) * | 2014-01-23 | 2014-05-21 | 广州地理研究所 | 一种基于手机定位的交通出行模式识别方法 |
CN104064051A (zh) * | 2014-06-23 | 2014-09-24 | 银江股份有限公司 | 一种乘客便携移动终端与所乘公交车辆定位信息动态匹配方法 |
CN105074381A (zh) * | 2013-01-21 | 2015-11-18 | 可信定位股份有限公司 | 确定设备与行人之间的未对准的方法和装置 |
CN105282703A (zh) * | 2015-09-29 | 2016-01-27 | 北京万集科技股份有限公司 | 联系车辆和车内移动终端的方法和系统 |
CN105761329A (zh) * | 2016-03-16 | 2016-07-13 | 成都信息工程大学 | 基于驾驶习惯的驾驶员辨别方法 |
US20160311442A1 (en) * | 2015-04-24 | 2016-10-27 | The Regents Of The University Of Michigan | Detecting Vehicle Maneuvers With Mobile Phones |
-
2016
- 2016-11-10 CN CN201610991807.5A patent/CN108074395B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1460451A1 (en) * | 2003-03-18 | 2004-09-22 | Alcatel | Determining a binary information related to the speed of a mobile terminal |
CN101136140A (zh) * | 2006-08-29 | 2008-03-05 | 亿阳信通股份有限公司 | 道路交通的通行速度计算和匹配的方法和系统 |
CN101620785A (zh) * | 2009-08-10 | 2010-01-06 | 上海美慧软件有限公司 | 一种基于手机信号数据识别机动车与非机动车的方法 |
CN105074381A (zh) * | 2013-01-21 | 2015-11-18 | 可信定位股份有限公司 | 确定设备与行人之间的未对准的方法和装置 |
CN103810851A (zh) * | 2014-01-23 | 2014-05-21 | 广州地理研究所 | 一种基于手机定位的交通出行模式识别方法 |
CN104064051A (zh) * | 2014-06-23 | 2014-09-24 | 银江股份有限公司 | 一种乘客便携移动终端与所乘公交车辆定位信息动态匹配方法 |
US20160311442A1 (en) * | 2015-04-24 | 2016-10-27 | The Regents Of The University Of Michigan | Detecting Vehicle Maneuvers With Mobile Phones |
CN105282703A (zh) * | 2015-09-29 | 2016-01-27 | 北京万集科技股份有限公司 | 联系车辆和车内移动终端的方法和系统 |
CN105761329A (zh) * | 2016-03-16 | 2016-07-13 | 成都信息工程大学 | 基于驾驶习惯的驾驶员辨别方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109635645A (zh) * | 2018-11-01 | 2019-04-16 | 深圳云天励飞技术有限公司 | 非机动车交通违法监管方法、装置及电子设备 |
WO2020087743A1 (zh) * | 2018-11-01 | 2020-05-07 | 深圳云天励飞技术有限公司 | 非机动车交通违法监管方法、装置及电子设备 |
CN111050299A (zh) * | 2019-11-07 | 2020-04-21 | 腾讯科技(深圳)有限公司 | 智能车辆数据互检方法和装置 |
CN111050299B (zh) * | 2019-11-07 | 2023-04-18 | 腾讯科技(深圳)有限公司 | 智能车辆数据互检方法和装置 |
CN114043988A (zh) * | 2021-11-06 | 2022-02-15 | 安徽中科美络信息技术有限公司 | 一种驾驶员识别策略选择方法及装置 |
CN114043988B (zh) * | 2021-11-06 | 2023-10-10 | 中科美络科技股份有限公司 | 一种驾驶员识别策略选择方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108074395B (zh) | 2020-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Brombacher et al. | Driving event detection and driving style classification using artificial neural networks | |
CN105270263B (zh) | 车辆驾驶辅助装置及车辆 | |
CN109358614A (zh) | 自动驾驶方法、系统、装置及可读存储介质 | |
KR20190126416A (ko) | 차량의 항법을 위한 시스템 및 방법 | |
CN110447214A (zh) | 一种识别驾驶行为的系统、方法、装置和存储介质 | |
CN107944333A (zh) | 自动驾驶控制设备、具有该设备的车辆及其控制方法 | |
CN107767697A (zh) | 用于处理交通声音数据以提供驾驶员辅助的系统和方法 | |
CN109844793A (zh) | 基于智能、远程信息处理的oem线路装配系统及其对应方法,用于按比例缩放的实时风险测量/风险评分驱动信令 | |
CN109389766A (zh) | 用于自主车辆的用户识别系统和方法 | |
DE112017001479T5 (de) | System und Verfahren zum Planen einer Bewegungsbahn bei unerwarteten Passanten | |
CN107117165A (zh) | 自主概率控制 | |
CN107117166A (zh) | 自主危险控制 | |
CN107121979A (zh) | 自主置信控制 | |
CN107117179A (zh) | 基于乘员注意的自主控制 | |
CN107117162A (zh) | 自主车辆控制转换 | |
CN108263383A (zh) | 在协同自适应巡航控制系统中控制速度的装置和方法 | |
CN106920416A (zh) | 基于物联网大数据技术的车辆防止被淹的方法及系统 | |
DE102014223258A1 (de) | Tragbarer Computer in einem autonomen Fahrzeug | |
CN110234552A (zh) | 车辆控制系统、车辆控制方法及车辆控制程序 | |
CN107577231A (zh) | 车辆的控制决策的制定方法、装置和无人驾驶车辆 | |
CN108973991A (zh) | 车辆控制装置、车辆控制方法及存储介质 | |
CN109472986A (zh) | 用于确定交通控制人员和交通控制标志物的存在的系统和方法 | |
CN112884479B (zh) | 防盗刷自助停车缴费方法、系统、装置及存储介质 | |
CN109017746A (zh) | 车辆控制装置、车辆控制方法及存储介质 | |
CN108074395A (zh) | 一种身份识别的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |