CN113619588A - 驾驶行为的提醒方法和装置、存储介质、电子设备 - Google Patents

Abstract

本公开实施例公开了一种驾驶行为的提醒方法和装置、计算机可读存储介质、电子设备，其中，方法包括：确定当前时间点驾驶车辆的驾驶员的身份信息以及车辆在当前时间地点所行使道路的路况类型；确定驾驶员在当前时间点的驾驶行为数据；确定与路况类型和身份信息对应的驾驶习惯数据；将驾驶行为数据与驾驶习惯数据进行比对，得到比对结果；基于比对结果，生成驾驶提示信息；根据不同驾驶员在不同路况类型对应的驾驶习惯数据对当前驾驶行为进行是否是异常驾驶的判断，根据判断结果进行提醒，实现了个性化的智能辅助驾驶，提高了车辆驾驶的安全性。

Description

驾驶行为的提醒方法和装置、存储介质、电子设备

技术领域

本公开涉及辅助驾驶技术领域，尤其是一种驾驶行为的提醒方法和装置、计算机可读存储介质、电子设备。

背景技术

智能驾驶与无人驾驶是不同概念，智能驾驶通过机器帮助人进行驾驶。

智能驾驶的时代已经来到。比如说，很多车有自动刹车装置，其技术原理非常简单，就是在汽车前部装上雷达和红外线探头，当探知前方有异物或者行人时，会自动帮助驾驶员刹车。另一种技术与此非常类似，即在路况稳定的高速公路上实现自适应性巡航，也就是与前车保持一定距离，前车加速时本车也加速，前车减速时本车也减速；智能驾驶技术可以在极大程度上减少交通事故。但现有技术中提出的辅助驾驶方法都是通用的，并不具有个性化，不能满足不同驾驶员的需求。

发明内容

为了解决上述技术问题，提出了本公开。本公开的实施例提供了一种驾驶行为的提醒方法和装置、存储介质、电子设备。

根据本公开实施例的一个方面，提供了一种驾驶行为的提醒方法，包括：

确定当前时间点驾驶车辆的驾驶员的身份信息以及所述车辆在所述当前时间地点所行使道路的路况类型；

确定所述驾驶员在所述当前时间点的驾驶行为数据；

确定与所述路况类型和所述身份信息对应的驾驶习惯数据；

将所述驾驶行为数据与所述驾驶习惯数据进行比对，得到比对结果；

基于所述比对结果，生成驾驶提示信息。

根据本公开实施例的另一方面，提供了一种驾驶行为的提醒装置，包括：

信息确定模块，用于确定当前时间点驾驶车辆的驾驶员的身份信息以及所述车辆在所述当前时间地点所行使道路的路况类型；

行驶数据确定模块，用于确定所述驾驶员在所述当前时间点的驾驶行为数据；

习惯数据确定模块，用于确定是否存储有与所述信息确定模块确定的所述路况类型和所述身份信息对应的驾驶习惯数据；

数据比对模块，用于响应于所述习惯数据确定模块确定存储有所述驾驶习惯数据，将所述行驶数据确定模块确定的驾驶行为数据与所述习惯数据确定模块确定的驾驶习惯数据进行比对，得到比对结果；

信息提示模块，用于基于所述数据比对模块确定的比对结果，生成驾驶提示信息。

根据本公开实施例的又一方面，提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述实施例所述的驾驶行为的提醒方法。

根据本公开实施例的还一方面，提供了一种电子设备，所述电子设备包括：

处理器；

用于存储所述处理器可执行指令的存储器；

所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述实施例所述的驾驶行为的提醒方法。

基于本公开上述实施例提供的一种驾驶行为的提醒方法和装置、计算机可读存储介质、电子设备，确定当前时间点驾驶车辆的驾驶员的身份信息以及车辆在当前时间地点所行使道路的路况类型；确定驾驶员在当前时间点的驾驶行为数据；确定与路况类型和身份信息对应的驾驶习惯数据；将驾驶行为数据与驾驶习惯数据进行比对，得到比对结果；基于比对结果，生成驾驶提示信息；根据不同驾驶员在不同路况类型对应的驾驶习惯数据对当前驾驶行为进行是否是异常驾驶的判断，根据判断结果进行提醒，实现了个性化的智能辅助驾驶，提高了车辆驾驶的安全性。

下面通过附图和实施例，对本公开的技术方案做进一步的详细描述。

附图说明

通过结合附图对本公开实施例进行更详细的描述，本公开的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本公开实施例的进一步理解，并且构成说明书的一部分，与本公开实施例一起用于解释本公开，并不构成对本公开的限制。在附图中，相同的参考标号通常代表相同部件或步骤。

图1是本公开一示例性实施例提供的驾驶行为的提醒方法的一个流程示意图。

图2是本公开另一示例性实施例提供的驾驶行为的提醒方法的一个流程示意图。

图3是本公开图2所示的实施例中步骤204的一个流程示意图。

图4是本公开图2所示的实施例中步骤205的一个流程示意图。

图5是本公开图2所示的实施例中步骤201的一个流程示意图。

图6是本公开图2所示的实施例中步骤203的一个流程示意图。

图7是公开一示例性实施例提供的驾驶行为的提醒装置的结构示意图。

图8是公开另一示例性实施例提供的驾驶行为的提醒装置的结构示意图。

图9是本公开一示例性实施例提供的电子设备的结构图。

具体实施方式

下面，将参考附图详细地描述根据本公开的示例实施例。显然，所描述的实施例仅仅是本公开的一部分实施例，而不是本公开的全部实施例，应理解，本公开不受这里描述的示例实施例的限制。

应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。

本领域技术人员可以理解，本公开实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等，既不代表任何特定技术含义，也不表示它们之间的必然逻辑顺序。

还应理解，在本公开实施例中，“多个”可以指两个或两个以上，“至少一个”可以指一个、两个或两个以上。

还应理解，对于本公开实施例中提及的任一部件、数据或结构，在没有明确限定或者在前后文给出相反启示的情况下，一般可以理解为一个或多个。

另外，本公开中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本公开中字符“/”，一般表示前后关联对象是一种“或”的关系。

还应理解，本公开对各个实施例的描述着重强调各个实施例之间的不同之处，其相同或相似之处可以相互参考，为了简洁，不再一一赘述。

同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

本公开实施例可以应用于终端设备、计算机系统、服务器等电子设备，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统、大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。

终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。

申请概述

在实现本公开的过程中，发明人发现，现有辅助驾驶方法通过雷达和红外线探头实现，但该现有技术至少存在以下问题：现有辅助驾驶方法都是通用的，并不具有个性化，不能满足不同驾驶员的需求。

示例性系统

图1是本公开一示例性实施例提供的驾驶行为的提醒方法的一个流程示意图。如图1所示，该实施例方法包括：

步骤101，预先存储多个驾驶员中每个驾驶员在各种路况的驾驶行为信息，可选地，每个驾驶员具有标识的身份信息，可将每个驾驶员对应的所有驾驶行为信息(对应各种路况的驾驶行为信息)保存在对应身份信息的数据条目中；其中，路况可以包括但不限于：高速路、城市道路、夜间道路、山路等特殊路段等等。例如，每个驾驶员在各种路况的驾驶行为信息包括但不限于以下信息：

a、高速路：驾驶员正常行驶时的车速；一次开车的时间控制；以及在并线和超车(通过方向指示灯和驾驶员看后视镜的频率确定)时，打方向指示灯和看后视镜的频率等；

b、城市道路：驾驶员偏爱的路线(可以通过导航(GPS)历史行为轨迹获得)，行驶的车速，以及在拥堵路面上，习惯与前车和后车保持的安全距离，按压车喇叭的频率等；

c、山路等特殊路段：在特殊路段行驶，因路面崎岖、汽车行驶不平稳，驾驶员习惯控制的车速，选择的档位，使用灯光、制动和后视镜的频率等；

特殊地，还可以包括：d、夜间行驶：驾驶员控制远光灯和近光灯的场景及频率，行驶的车速，保持的车距，驾驶员生理上的表现(例如，疲劳值等)等，其中，疲劳值可以根据驾驶员的表情确定。

步骤102，基于每个驾驶员对应的驾驶行为信息生成个性化的驾驶习惯数据，每个驾驶员在每种路况下分别具有对应的驾驶习惯数据。确定一个驾驶员在一种路况的驾驶习惯数据的过程可包括：记录一个驾驶员在同种路况相似行为的次数大于等于设定次数(如，3次)以后，将这些相似行为作为该驾驶员在该路况的驾驶习惯数据，并保存，例如，保存在数据库或后台中。

步骤103，确定当前时间点驾驶车辆的驾驶员的身份信息，不同驾驶员对应不同的身份识别信息(如，身份ID表示)，并且，由于每个驾驶员在不同路况的驾驶行为也会存在不同，因此，在确定驾驶员的身份信息的同时，还需确定当前时间点车辆所在地点，驾驶员驾驶车辆所行使的道路的路况类型。

步骤104，获取驾驶员在当前路况下的驾驶行为数据(例如，情绪和肢体动作等)。

步骤105，驾驶员注意力是否集中的判定。具体判断可包括：断步骤102保存的驾驶习惯数据中是否存有该驾驶员此时行驶路况对应的驾驶习惯数据；如果有则执行步骤106，否则记录驾驶员在新路况的行为数据，并返回执行步骤103；

步骤106，将驾驶员在当前路况下的驾驶行为数据与在当前路况所存有的驾驶习惯数据(通常认为驾驶习惯数据较为安全)进行比对，若比对差异较大，执行步骤107，否则，记录该驾驶行为数据，作为对驾驶习惯数据更新的依据。该步骤中确定差异可以但不限于综合以下至少一项信息确定，可选地，对于多项信息的综合可对不同信息根据其重要性(重要性可根据大数据或预先设定确定)赋予不同权重，根据不同权重综合多项信息确定综合阈值。

a、情绪识别，判定驾驶员的情绪波动变化，情绪波动变化越大说明比对差异越大；情绪可包括但不限于高兴、生气、悲伤、惊讶、害怕等；

b、视线追踪，判定驾驶员转头看两边后视镜的频率，驾驶员看后视镜的频率相对于驾驶习惯数据中看后视镜的频率差距越大，说明比对差异越大；

c、通过摄像头监测到驾驶员等待红绿灯的反应时间，驾驶员的反应时间越长(相对于驾驶习惯数据)说明对比差异越大；

d、通过疲劳分级判定驾驶员在疲劳驾驶分级出现，驾驶员的疲劳程度与驾驶习惯数据中的疲劳程度差距越大，说明比对差异越大；

e、通过感知算法(手势和物体识别)，监测到驾驶员在行驶过程中使用手机次数，使用手机的次数越多说明对比差异越大。

步骤107，生成驾驶提示信息，提醒驾驶员集中注意力，例如，判定驾驶员行驶在此路况中时注意力不集中时，可进行语音和/或视觉(如，灯光等)等提醒，例如，还可以通过振动提醒。

本实施例通过生成针对每个驾驶员的个性化的驾驶习惯数据，能更快速直观地对驾驶员以后的驾驶行为进行比对，提高了异常驾驶状态的判断速度。

示例性方法

图2是本公开另一示例性实施例提供的驾驶行为的提醒方法的流程示意图。本实施例可应用在电子设备上，如图2所示，包括如下步骤：

步骤201，确定当前时间点驾驶车辆的驾驶员的身份信息以及车辆在当前时间地点所行使道路的路况类型。

其中，驾驶员的身份信息是用于唯一指代该驾驶员的信息，例如，可以包括身份ID，身份识别码等；路况类型包括但不限于：高速路、城市道路、夜间道路、山路、砂石路、草原等路况类型。

步骤202，确定驾驶员在当前时间点的驾驶行为数据。

在一实施例中，驾驶行为数据包括但不限于：驾驶员情绪、驾驶员视线、驾驶员反应时间、驾驶员使用手机的次数、驾驶员的疲劳程度等。

步骤203，确定与路况类型和身份信息对应的驾驶习惯数据。

可选地，可根据驾驶员的身份信息从预存的多个驾驶习惯数据中确定该驾驶员对应的多个驾驶习惯数据，再根据路况类型，可从多个驾驶习惯数据中筛选得到对应该路况类型的驾驶习惯数据。

步骤204，将驾驶行为数据与驾驶习惯数据进行比对，得到比对结果。

可选地，驾驶行为数据与驾驶习惯数据之间的比对可参照图1提供的实施例中的步骤106，通过将多项信息综合进行比对，确定比对结果。

步骤205，基于比对结果，生成驾驶提示信息。

本公开上述实施例提供的一种驾驶行为的提醒方法，由于比对结果综合了驾驶员在驾驶车辆过程中的注意力信息、情绪信息、视线信息、反应时间信息、疲劳分级信息和肢体动作变换的频率信息，因此通过比对接过生成的驾驶提醒信息能够针对驾驶员的个人特点进行提醒，实现了个性化的智能辅助驾驶，提高了车辆驾驶的安全性。

在一些可选的实施例中，步骤202可包括：

通过信息采集设备获取驾驶员的驾驶行为数据。

其中，驾驶行为数据包括以下至少一种行为信息：注意力信息、情绪信息、视线信息、反应时间信息、疲劳分级信息、肢体动作变换的频率信息。

可选地，信息采集设备可以包括但不限于摄像装置、传感器装置等，例如，通过摄像装置获取驾驶员行为数据，其中，包括：基于摄像装置采集驾驶员的人脸图像，基于该人脸图像确定驾驶员的注意力信息、情绪信息、视线信息和疲劳分级信息，具体地，可利用一个深度神经网络对人脸图像进行处理，通过不同分支确定驾驶员的注意力信息、情绪信息、视线信息和疲劳分级信息，或通过一个深度神经网络基于人脸图像确定驾驶员的注意力信息，通过另一个深度神经网络基于人脸图像确定驾驶员的情绪信息(可通过表情识别结果确定)，通过又一个深度神经网络基于人脸图像确定驾驶员的视线信息(例如，通过对眼部关键点的识别确定)，通过还一个深度神经网络基于人脸图像确定驾驶员的疲劳分级信息(例如，识别驾驶员是否打哈欠或打哈欠的频率等确定疲劳分级)；基于摄像装置采集驾驶员的人体图像，基于人体图像确定肢体动作变换的频率信息，例如，通过对设定时间段内多帧人体图像中肢体位置的识别，确定肢体动作变换的频率；基于车辆内置的传感器装置获取驾驶员在应对事件(如，红绿灯等情况)时做出相应动作(例如，踩刹车等)的时间，确定反应时间信息。

本实施例通过获得驾驶员的多种行为信息，实现更加全面的了解到驾驶员在当前时间点的驾驶状态，提高了与驾驶习惯数据进行比对得到的比对结果的准确性，避免了由于驾驶行为信息不足而产生的比对结果的错误。

如图3所示，在上述图2所示实施例的基础上，步骤204可包括如下步骤：

步骤2011，分别确定驾驶行为数据中包括的多种行为信息中的每种行为信息与驾驶习惯数据中对应的信息之间的行为差异，得到多个行为差异。

可选地，行为信息包括但不限于：注意力信息、情绪信息、视线信息、反应时间信息、疲劳分级信息、肢体动作变换的频率信息等，每种行为信息分别对应驾驶习惯数据中对应的习惯行为信息，其确定差异的过程可参考图1提供的实施例中步骤106所示，分别对每种行为信息与习惯行为信息进行比对，得到多个行为差异。

本实施例中行为差异通过对比每个行为信息与对应的习惯行为数据之间的差异大小进行表示，可选地，可通过为不同大小的差异设置不同差异数值，差异数值越大表示行为信息与对应的习惯行为数据之间差异越大，例如，以数值0～1表示不同级别的差异，0表示无差异，1表示差异最大，比如，将疲劳分级分为4个等级：不疲劳、较为疲劳、疲劳和非常疲劳；当识别到当疲劳分级信息为非常疲劳，而对应的习惯行为信息为不疲劳，此时，差异最大，可以以数值1表示该差异；而当识别到疲劳分级信息为较为疲劳时，差异较小，可以以数值0.25表示该差异。

步骤2012，将多个行为差异加权求和，得到驾驶行为数据与驾驶习惯数据之间的差异，作为比对结果。

本实施例中，为了基于多种行为差异确定一个比对结果，可根据不同行为信息对应的不同权重将多种行为信息之间的差异加权求和确定整体差异，权重的确定是根据行为信息与驾驶安全之间的关联性确定其权重；关联越大，权重越大，例如，动作的权重高于情绪的权重。

本实施例中，将多种行为差异通过权重综合确定比对结果，克服了仅利用某一种行为差异而导致的不能体现驾驶员的真正状态的问题，并且，对不同行为差异设置不同权重，实现将重要的行为进行突出，提高了比对结果对安全驾驶的指导作用。

图4所示，在上述图2所示实施例的基础上，步骤205可包括如下步骤：

步骤2051，确定比对结果是否满足第一预设条件，如果是，执行步骤2052，否则，执行步骤2053。

可选地，第一预设条件可以是比对结果表示差异较大，或当以数值表示比对结果时，比对结果的数值大于设定数值等。

步骤2052，响应于比对结果满足第一预设条件，生成驾驶提示信息。

步骤2053，响应于比对结果不满足第一预设条件，记录驾驶行为数据。

本实施例，通过第一预设条件(例如，比对结果表示差异较大等)确定是否生成驾驶提示信息，可选地，驾驶提示信息可包括但不限于以下至少一种：语音、时间、震动，通过驾驶提示信息提示驾驶员安全驾驶，提高驾驶的安全性；而当比对结果不满足第一预设条件时，说明此时驾驶行为数据未超出安全范围，不需要进行提示，此时可将驾驶行为数据进行保存，以新保存的驾驶行为数据为后续对驾驶习惯数据进行更新，使驾驶习惯数据在安全范围内随时间更新，而不会因为时间过久而导致不适应当前状态的驾驶员(随时间推移驾驶员驾驶技术提升，驾驶习惯数据更新后更适应当前时间点的驾驶员)，实现个性化的智能辅助驾驶。

可选地，本公开实施例提供的方法还可以包括：

响应于当前时间点满足第二预设条件，更新驾驶习惯数据。

其中，第二预设条件包括以下至少一种：当前时间点距离上次驾驶习惯数据更新的时间点达到设定时间段(如，一个月或一年等)，当前时间点对应的驾驶行为数据与历史相关时间对应的驾驶习惯数据差异满足第一预设条件。

本实施例中，由于随着时间的变化，驾驶员的驾驶技术在不断变化，在短时间内无法区分(即，不满足第一预设条件)，但经过时间的累加，当时间达到设定期限(如一个月)，此时记录的驾驶行为数据与设定期限之前对应的驾驶习惯数据已经存在较大差异(但不满足第一预设条件)，但此时驾驶员以该驾驶行为数据驾驶车辆的次数也达到设定次数，说明驾驶习惯数据需要适应驾驶员的新状态而更新；因此，本实施例通过设置时间间隔或当前时间点对应的驾驶行为数据与历史相关时间对应的驾驶习惯数据差异来实现对驾驶习惯数据的更新，以保证驾驶习惯数据始终与当前时间点的驾驶员驾驶技术相匹配，提高了驾驶员的用户体验。

图5所示，在上述图2所示实施例的基础上，步骤201可包括如下步骤：

步骤2011，通过设置在车辆内的摄像设备采集驾驶员的人脸图像。

步骤2012，对人脸图像进行人脸识别得到驾驶员的人脸特征。

步骤2013，基于人脸特征与数据库中预存的多个身份信息对应的历史人脸特征进行匹配，根据与人脸特征匹配的历史人脸特征对应的身份信息确定驾驶员对应的身份信息。

其中，数据库中每个身份信息对应一个历史人脸特征。

本实施例中，为了减小人脸信息在数据库中占用的资源，在数据库中存储经过特征提取处理的历史人脸特征，人脸特征获取的过程可以是通过深度神经网络(如，人脸特征提取网络)对人脸图像进行特征提取，得到人脸特征，可选地，人脸特征之间的匹配可以通过计算人脸特征与历史人脸特征之间的距离(如，欧式距离、余弦距离等)确定，当两个人脸特征之间的距离小于一定值(可根据具体情况进行设定)时，说明两个人脸特征对应同一驾驶员，此时，即可获得该历史人脸特征对应的身份信息，本实施例通过特征提取和特征匹配提高了身份信息获取的效率。

图6所示，在上述图2所示实施例的基础上，步骤203可包括如下步骤：

步骤2031，基于身份信息确定数据库中是否存在与身份信息对应的驾驶习惯数据组。

步骤2032，响应于数据库中存在与身份信息对应的一个驾驶习惯数据组，基于路况类型确定驾驶习惯数据组中是否存在与路况类型对应的驾驶习惯数据。

步骤2033，响应于未存储与身份信息对应的驾驶习惯数据组，生成注册提示信息，和/或，建立与身份信息对应的驾驶习惯数据组。

其中，数据库中每个身份信息还对应一个驾驶习惯数据组；每个驾驶习惯数据组中包括至少一条驾驶习惯数据；每条驾驶习惯数据对应一种路况类型；本实施例中通过身份信息和路况类型相结合的方式获取驾驶员对应的驾驶习惯数据，而当数据库没有该驾驶员的驾驶习惯数据时，将提示该驾驶员进行注册，只有注册之后，该车辆才会存储该驾驶员的驾驶习惯数据，在注册之后为该驾驶员建立一个数据组保存驾驶行为数据，生成对应该驾驶员的驾驶习惯数据，本实施例通过预存驾驶习惯数据，为后续行为数据的比对提供了数据基础，提高了行为数据与驾驶习惯数据之间比对结果的可靠性。

可选地，本公开实施例提供的方法还可以包括：

响应于未存储驾驶习惯数据，获取驾驶员在当前时间点的驾驶行为数据；

判断路况类型对应的驾驶行驶数据数量是否达到预设数量；

响应于驾驶行驶数据数量达到预设数量，基于预设数量的驾驶行为数据确定驾驶习惯数据，并存储驾驶习惯数据；

响应于驾驶行驶数据数量未达到预设数量，继续获取驾驶员对应路况类型的驾驶行为数据。

本实施例中，当已注册的驾驶员不存在驾驶习惯数据时，需要获取该驾驶员的驾驶行为数据，并且，为了保证驾驶行为数据是该驾驶员的习惯，在相同路况下相同或相似的驾驶行为数据只有在达到预设数量时，才基于这些驾驶行为数据确定驾驶习惯数据，保证确实是该驾驶员的驾驶习惯，而不是偶然行为；当多次获得的驾驶行为数据存在较小差异时，可基于多次驾驶行为数据的均值作为驾驶习惯数据；本实施例以预设数量确定是否存储驾驶习惯数据，保证了存储的驾驶习惯数据是驾驶员真实的习惯，而不是偶然行为，提高了驾驶习惯数据的准确性。

本公开实施例提供的任一种驾驶行为的提醒方法可以由任意适当的具有数据处理能力的设备执行，包括但不限于：终端设备和服务器等。或者，本公开实施例提供的任一种驾驶行为的提醒方法可以由处理器执行，如处理器通过调用存储器存储的相应指令来执行本公开实施例提及的任一种驾驶行为的提醒方法。下文不再赘述。

示例性装置

图7是公开一示例性实施例提供的驾驶行为的提醒装置的结构示意图。如图7所示，该实施例装置包括：

信息确定模块71，用于确定当前时间点驾驶车辆的驾驶员的身份信息以及车辆在当前时间地点所行使道路的路况类型。

行驶数据确定模块72，用于确定驾驶员在当前时间点的驾驶行为数据。

习惯数据确定模块73，用于确定是否存储有与信息确定模块71确定的路况类型和身份信息对应的驾驶习惯数据。

数据比对模块74，用于响应于习惯数据确定模块73确定存储有驾驶习惯数据，将行驶数据确定模块72确定的驾驶行为数据与习惯数据确定模块73确定的驾驶习惯数据进行比对，得到比对结果。

信息提示模块75，用于基于数据比对模块74得到的比对结果，生成驾驶提示信息。

本公开上述实施例提供的一种驾驶行为的提醒装置，确定当前时间点驾驶车辆的驾驶员的身份信息以及车辆在当前时间地点所行使道路的路况类型；确定驾驶员在当前时间点的驾驶行为数据；确定与路况类型和身份信息对应的驾驶习惯数据；将驾驶行为数据与驾驶习惯数据进行比对，得到比对结果；基于比对结果，生成驾驶提示信息；根据不同驾驶员在不同路况类型对应的驾驶习惯数据对当前驾驶行为进行是否是异常驾驶的判断，根据判断结果进行提醒，实现了个性化的智能辅助驾驶，提高了车辆驾驶的安全性。

图8是公开另一示例性实施例提供的驾驶行为的提醒装置的结构示意图。如图8所示，该实施例装置包括：

信息确定模块71包括：

图像采集单元711，用于通过设置在车辆内的摄像设备采集驾驶员的人脸图像；

人脸识别单元712，用于对人脸图像进行人脸识别得到驾驶员的人脸特征；

特征匹配单元713，基于人脸特征与数据库中预存的多个身份信息对应的历史人脸特征进行匹配，根据与人脸特征匹配的历史人脸特征对应的身份信息确定驾驶员对应的身份信息。

其中，数据库中每个身份信息对应一个历史人脸特征。

行驶数据确定模块72，具体用于通过信息采集设备获取驾驶员的驾驶行为数据。

其中，驾驶行为数据包括以下至少一种行为信息：注意力信息、情绪信息、视线信息、反应时间信息、疲劳分级信息、肢体动作变换的频率信息。

数据比对模块74，包括：

行为差异确定单元741，用于分别确定驾驶行为数据中包括的多种行为信息中的每种行为信息驾驶习惯数据中对应的信息之间的行为差异，得到多个行为差异；

比对结果确定单元742，用于将多个行为差异加权求和，得到驾驶行为数据与驾驶习惯数据之间的差异，作为比对结果。

信息提示模块75，具体用于响应于比对结果满足第一预设条件，生成驾驶提示信息；响应于比对结果不满足第一预设条件，记录驾驶行为数据。

本实施例装置，还包括：

数据更新模块81，用于响应于当前时间点满足第二预设条件，更新驾驶习惯数据。

其中，第二预设条件包括以下至少一种：当前时间距离上次驾驶习惯数据更新达到设定时间，当前时间点对应的驾驶行为数据与历史相关时间对应的驾驶习惯数据差异满足第一预设条件。

其中，数据库中每个身份信息还对应一个驾驶习惯数据组；每个驾驶习惯数据组中包括至少一条驾驶习惯数据；每条驾驶习惯数据对应一种路况类型；

习惯数据确定模块73，具体用于基于身份信息确定数据库中是否存在与身份信息对应的驾驶习惯数据组；响应于数据库中存在与身份信息对应的一个驾驶习惯数据组，基于路况类型确定驾驶习惯数据组中是否存在与路况类型对应的驾驶习惯数据；响应于未存储与身份信息对应的驾驶习惯数据组，生成注册提示信息，和/或，建立与身份信息对应的驾驶习惯数据组。

本实施例装置，在数据比对模块74之前还包括：

习惯数据获取模块82，用于响应于未存储驾驶习惯数据，获取驾驶员在当前时间点的驾驶行为数据；判断路况类型对应的驾驶行驶数据数量是否达到预设数量；响应于驾驶行驶数据数量达到预设数量，基于预设数量的驾驶行为数据确定驾驶习惯数据，并存储驾驶习惯数据；响应于驾驶行驶数据数量未达到预设数量，继续获取驾驶员对应路况类型的驾驶行为数据。

示例性电子设备

下面，参考图9来描述根据本公开实施例的电子设备。该电子设备可以是第一设备100和第二设备200中的任一个或两者、或与它们独立的单机设备，该单机设备可以与第一设备和第二设备进行通信，以从它们接收所采集到的输入信号。

图9图示了根据本公开实施例的电子设备的框图。

如图9所示，电子设备90包括一个或多个处理器91和存储器92。

处理器91可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备90中的其他组件以执行期望的功能。

存储器92可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器91可以运行所述程序指令，以实现上文所述的本公开的各个实施例的驾驶行为的提醒方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。

在一个示例中，电子设备90还可以包括：输入装置93和输出装置94，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。

例如，在该电子设备是第一设备100或第二设备200时，该输入装置93可以是上述的麦克风或麦克风阵列，用于捕捉声源的输入信号。在该电子设备是单机设备时，该输入装置93可以是通信网络连接器，用于从第一设备100和第二设备200接收所采集的输入信号。

此外，该输入设备93还可以包括例如键盘、鼠标等等。

该输出装置94可以向外部输出各种信息，包括确定出的距离信息、方向信息等。该输出设备94可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。

当然，为了简化，图9中仅示出了该电子设备90中与本公开有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备90还可以包括任何其他适当的组件。

示例性计算机程序产品和计算机可读存储介质

除了上述方法和设备以外，本公开的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的驾驶行为的提醒方法中的步骤。

所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。

此外，本公开的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的驾驶行为的提醒方法中的步骤。

所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

以上结合具体实施例描述了本公开的基本原理，但是，需要指出的是，在本公开中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本公开的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本公开为必须采用上述具体的细节来实现。

本说明书中各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本公开中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。

可能以许多方式来实现本公开的方法和装置。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明，本公开的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本公开实施为记录在记录介质中的程序，这些程序包括用于实现根据本公开的方法的机器可读指令。因而，本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。

还需要指出的是，在本公开的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。

提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本公开。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本公开的范围。因此，本公开不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。

为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本公开的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。

Claims (10)

1.一种驾驶行为的提醒方法，包括：

确定当前时间点驾驶车辆的驾驶员的身份信息以及所述车辆在所述当前时间地点所行使道路的路况类型；

确定所述驾驶员在所述当前时间点的驾驶行为数据；

确定与所述路况类型和所述身份信息对应的驾驶习惯数据；

将所述驾驶行为数据与所述驾驶习惯数据进行比对，得到比对结果；

基于所述比对结果，生成驾驶提示信息。

2.根据权利要求1所述的方法，其中，所述确定所述驾驶员在所述当前时间点的驾驶行为数据，包括：

通过信息采集设备获取所述驾驶员的驾驶行为数据；其中，所述驾驶行为数据包括以下至少一种行为信息：注意力信息、情绪信息、视线信息、反应时间信息、疲劳分级信息、肢体动作变换的频率信息。

3.根据权利要求2所述的方法，其中，所述将所述驾驶行为数据与所述驾驶习惯数据进行比对，得到比对结果，包括：

分别确定所述驾驶行为数据中包括的多种行为信息中的每种行为信息与所述驾驶习惯数据中对应的信息之间的行为差异，得到多个行为差异；

将所述多个行为差异加权求和，得到所述驾驶行为数据与所述驾驶习惯数据之间的差异，作为所述比对结果。

4.根据权利要求3所述的方法，其中，所述基于所述比对结果，生成驾驶提示信息，包括：

响应于所述比对结果满足第一预设条件，生成所述驾驶提示信息；

响应于所述比对结果不满足所述第一预设条件，记录所述驾驶行为数据。

5.根据权利要求4所述的方法，还包括：

响应于所述当前时间点满足第二预设条件，更新所述驾驶习惯数据；其中，所述第二预设条件包括以下至少一种：当前时间距离上次驾驶习惯数据更新达到设定时间，所述当前时间点对应的驾驶行为数据与历史相关时间对应的驾驶习惯数据差异满足第一预设条件。

6.根据权利要求1-5任一所述的方法，其中，所述确定当前时间点驾驶车辆的驾驶员的身份信息，包括：

通过设置在所述车辆内的摄像设备采集所述驾驶员的人脸图像；

对所述人脸图像进行人脸识别得到所述驾驶员的人脸特征；

基于所述人脸特征与所述数据库中预存的多个身份信息对应的历史人脸特征进行匹配，根据与所述人脸特征匹配的历史人脸特征对应的身份信息确定所述驾驶员对应的身份信息；其中，所述数据库中每个所述身份信息对应一个历史人脸特征。

7.根据权利要求6所述的方法，其中，所述数据库中每个所述身份信息还对应一个驾驶习惯数据组；每个所述驾驶习惯数据组中包括至少一条驾驶习惯数据；每条所述驾驶习惯数据对应一种所述路况类型；

所述确定与所述路况类型和所述身份信息对应的驾驶习惯数据，包括：

基于所述身份信息确定所述数据库中是否存在与所述身份信息对应的所述驾驶习惯数据组；

响应于所述数据库中存在与所述身份信息对应的一个所述驾驶习惯数据组，基于所述路况类型确定所述驾驶习惯数据组中是否存在与所述路况类型对应的所述驾驶习惯数据。

8.一种驾驶行为的提醒装置，包括：

信息确定模块，用于确定当前时间点驾驶车辆的驾驶员的身份信息以及所述车辆在所述当前时间地点所行使道路的路况类型；

行驶数据确定模块，用于确定所述驾驶员在所述当前时间点的驾驶行为数据；

习惯数据确定模块，用于确定是否存储有与所述信息确定模块确定的所述路况类型和所述身份信息对应的驾驶习惯数据；

数据比对模块，用于响应于所述习惯数据确定模块确定存储有所述驾驶习惯数据，将所述行驶数据确定模块确定的驾驶行为数据与所述习惯数据确定模块确定的驾驶习惯数据进行比对，得到比对结果；

信息提示模块，用于基于所述数据比对模块确定的比对结果，生成驾驶提示信息。

9.一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-7任一所述的驾驶行为的提醒方法。

10.一种电子设备，所述电子设备包括：

处理器；

用于存储所述处理器可执行指令的存储器；

所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述权利要求1-7任一所述的驾驶行为的提醒方法。

Images