CN114360019A - 人车核验方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请提供一种人车核验方法、装置、电子设备及存储介质，该方法包括：获取驾驶员的人脸图像及驾驶员所驾驶车辆的车辆信息；基于所述人脸图像和预设的人脸特征库，确定驾驶员身份，所述预设的人脸特征库包括不同情形下的人脸图像与驾驶员身份的对应关系；依据所述驾驶员身份与预设的驾驶员身份与车辆的对应关系，确定与所述驾驶员身份对应的目标车辆信息；根据所述目标车辆信息与所述车辆信息，确定所述驾驶员与所驾驶车辆的匹配结果，用以提升货运公司对司机及货车的管理的有效性。

Description

人车核验方法、装置、电子设备及存储介质

技术领域

本申请涉及身份识别技术领域，具体而言，涉及一种人车核验方法、人车核验装置、电子设备及计算机可读存储介质。

背景技术

随着物流行业的快速发展，货运公司逐渐增加，货车数量也随着增多，随之而来，对于货车司机的管理变得愈发重要。

现有技术中，一般通过在货车上安装打卡设备，要求司机需要在开车前进行打卡，由此来实现对司机及货车的管理。然而，该方法存在司机将工卡交给他人，让他人代为驾驶货车的情况，不利于对司机及货车进行有效管理。

发明内容

有鉴于此，本申请实施例的目的在于提供一种人车核验方法，用以提升货运公司对司机及货车的管理的有效性。

第一方面，本申请提供一种人车核验方法，所述方法包括：获取驾驶员的人脸图像及驾驶员所驾驶车辆的车辆信息；基于所述人脸图像和预设的人脸特征库，确定驾驶员身份，所述预设的人脸特征库包括不同情形下的人脸图像与驾驶员身份的对应关系；依据所述驾驶员身份与预设的驾驶员身份与车辆的对应关系，确定与所述驾驶员身份对应的目标车辆信息；根据所述目标车辆信息与所述车辆信息，确定所述驾驶员与所驾驶车辆的匹配结果。

在本申请实施例中，通过获取驾驶员驾驶过程中的人脸图像及驾驶员所驾驶车辆的车辆信息，并将人脸图像与预设的人脸特征库进行对比，确定驾驶员的身份，然后依据驾驶员身份与预设的驾驶员身份与车辆的对应关系，确定与驾驶员身份对应的目标车辆信息，最后根据目标车辆信息与车辆信息，确定驾驶员与所驾驶车辆的匹配结果，相较于现有技术中通过打卡的方式来对司机及货车进行管理而言，由于是基于驾驶员驾驶过程中的人脸图像来进行人车核验，因此，可以有效规避他人代为打卡及代为驾驶的情况，从而提升货运公司对司机及货车的管理的有效性。并且，由于预设的人脸特征库包括不同情形下的人脸图像与驾驶员身份的对应关系，使得并非只有特定角度(例如，人脸正对摄像装置)的人脸图像才能够用于确定驾驶员身份，由此，在一定程度上提高通过人脸图像进行人车核验的适用性，以及避免由于驾驶员所处情形的不同导致核验失败的问题，也就是说，在一定程度上提升人车核验的准确性。

一实施例中，所述基于所述人脸图像和预设的人脸特征库，确定驾驶员身份，包括：基于所述人脸图像进行特征提取，获得人脸特征向量；将所述人脸特征向量与所述预设的人脸特征库对比，获得相似度结果；基于所述相似度结果，确定所述驾驶员身份。

在本申请实施例中，通过对人脸图像进行特征提取，获得人脸图像对应的人脸特征向量，再将人脸特征向量与预设的人脸特征库对比，获得人脸特征向量对应的相似度结果，最后通过相似度结果确定驾驶员的身份，可以在一定程度上提高确定驾驶员身份的准确性。

一实施例中，所述基于所述人脸图像进行特征提取，获得人脸特征向量，包括：基于预先训练好的模型，确定所述人脸图像的人脸位置；根据所述人脸位置，获得所述人脸特征向量。

一实施例中，所述车辆信息包括行驶速度，在基于所述人脸图像和预设的人脸特征库，确定驾驶员身份之前，所述方法还包括：确定所述行驶速度大于或等于所述预设速度阈值。

在本申请实施例中，车辆信息包括行驶速度，通过在基于人脸图像和预设的人脸特征库，确定驾驶员身份之前，确定行驶速度大于或等于预设速度阈值，确保驾驶员为同一人，提高确定驾驶员身份的准确性。

一实施例中，构建所述预设的人脸特征库，包括：获取不同驾驶员各自在不同情形下的人脸图像，所述不同驾驶员各自在不同情形下的人脸图像通过安装在不同车辆上的摄像装置采集；基于所述不同驾驶员各自在不同情形下的人脸图像，生成所述人脸特征库。

在本申请实施例中，通过安装在不同车辆上的摄像装置采集不同驾驶员各自在不同情形下的人脸图像，避免人工采集的繁琐，并且，基于不同驾驶员各自在不同情形下的人脸图像，生成人脸特征库，使得人脸特征库的丰富度增加，进而一定程度上提高基于人脸图像进行人车核验的适用性。

第二方面，本申请提供一种人车核验装置，所述装置包括：获取模块，用于获取驾驶员的人脸图像及驾驶员所驾驶车辆的车辆信息；确定模块，用于基于所述人脸图像和预设的人脸特征库，确定驾驶员身份，所述预设的人脸特征库包括不同情形下的人脸图像与驾驶员身份的对应关系；所述确定模块，还用于依据所述驾驶员身份与预设的驾驶员身份与车辆的对应关系，确定与所述驾驶员身份对应的目标车辆信息；所述确定模块，还用于根据所述目标车辆信息与所述车辆信息，确定所述驾驶员与所驾驶的车辆的匹配结果。

一实施例中，所述车辆信息包括行驶速度，所述确定模块还用于在基于所述人脸图像和预设的人脸特征库，确定驾驶员身份之前，确定所述行驶速度大于或等于预设速度阈值。

一实施例中，所述确定模块还用于获取不同驾驶员各自在不同情形下的人脸图像，所述不同驾驶员各自在不同情形下的人脸图像通过安装在不同车辆上的摄像装置采集；基于所述不同驾驶员各自在不同情形下的人脸图像，生成所述人脸特征库。

第三方面，本申请提供一种电子设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行上述人车核验方法或实现上述人车核验装置的功能。

第四方面，本申请提供一种存储有计算机可读指令的非易失性可读存储介质，所述计算机可读指令被处理器执行时，使得所述处理器执行上述人车核验方法或实现上述人车核验装置的功能。

本申请的一个或多个实施例的细节在下面的附图和描述中提出。本申请的其它特征、目的和优点将从说明书、附图以及权利要求书变得明显。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本申请一实施例提供的电子设备的结构框图；

图2为本申请一实施例提供的人车核验方法的流程图；

图3为本申请一实施例提供的人车核验装置的结构框图。

图标：电子设备100；处理器110；存储器120；人车核验装置200；获取模块210；确定模块220。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

在本申请的一些应用场景中，货运公司可以设置有进行人车核验的电子设备100，例如，服务器，监控终端等。货车车身上可以设置有车辆终端(例如，车辆主机，车辆中控等)以及摄像装置。车辆终端预置有自身所在车辆的车辆信息。摄像装置与车辆终端连接。摄像装置用于采集驾驶员的图像，并将所采集的图像发送至车辆终端。车辆终端与电子设备100通信连接，用于将自身所在车辆的车辆信息及摄像装置所采集的图像发送至该电子设备100。该电子设备100在接收到车辆终端所发送的车辆信息及驾驶员的图像后，可以对其进行存储，以及执行本申请所提供的人车核验方法，或实现本申请所提供的人车核验装置的功能。

在本申请的一些实施例中，电子设备100可以包括存储器120、处理器110及存储在存储器120上并可在处理器110上运行的计算机可读指令，该处理器110执行该程序时实现上述的人车核验方法。

请参阅图1，本申请一实施例提供的电子设备100的结构框图。在本申请的一些实施例中，电子设备100可以是终端或者服务器。终端可以是，但不限于个人计算机(PersonalComputer，PC)、笔记本电脑等。服务器可以是但不限于网络服务器、数据库服务器、云服务器或由多个子服务器构成的服务器集成等。当然，上述列举的设备仅用于便于理解本申请实施例，其不应作为对本实施例的限定。

在结构上，电子设备可以包括处理器110和存储器120。

处理器110与存储器120直接或间接地电性连接，以实现数据的传输或交互，例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。装置包括至少一个可以软件或固件(Firmware)的形式存储在存储器中或固化在电子设备的操作系统(Operating System，OS)中的软件模块。处理器110用于执行存储器120中存储的可执行模块，例如，人车核验装置所包括的软件功能模块及计算机程序等，以实现人车核验方法。处理器110可以在接收到执行指令后，执行计算机程序。

其中，处理器110可以是一种集成电路芯片，具有信号处理能力。处理器110也可以是通用处理器，例如，可以是中央处理器(Central Processing Unit，CPU)、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific IntegratedCircuit，ASIC)、分立门或晶体管逻辑器件、分立硬件组件，可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。此外，通用处理器可以是微处理器或者任何常规处理器等。

存储器120可以是，但不限于，随机存取存储器(Random Access Memory，RAM)、只读存储器(Read Only Memory，ROM)、可编程只读存储器(Programmable Read-OnlyMemory，PROM)、可擦可编程序只读存储器(Erasable Programmable Read-Only Memory，EPROM)，以及电可擦编程只读存储器(Electric Erasable Programmable Read-OnlyMemory，EEPROM)。存储器120用于存储程序，处理器110在接收到执行指令后，执行该程序。

需要说明的是，图1所示的结构仅为示意，本申请实施例提供的电子设备100还可以具有比图1更少或更多的组件，或是具有与图1所示不同的配置。此外，图1所示的各组件可以通过软件、硬件或其组合实现。

在本申请的一些实施例中，电子设备100还可以与货运公司内部分管司机及货车的负责人所对应的终端连接，用于将核验结果反馈至该负责人所对应的终端。

请参考图2，图2为本申请一实施例提供的人车核验方法的流程图。

该人车核验方法应用于前述电子设备100，且可以包括如下步骤。

步骤S11，获取驾驶员的人脸图像及驾驶员所驾驶车辆的车辆信息。

在本申请的一些实施例中，当货车在行驶过程中，该货车的车辆终端会主动将该货车的车辆信息及该货车上的摄像装置所采集的驾驶员的图像发送给电子设备，电子设备在接收到来自于同一车辆的车辆信息及驾驶员的图像时，会将其存储在存储器中。在需要执行本申请所提供的人车核验方法时，直接从存储器调取来自同一车辆的车辆信息及驾驶员的图像即可。因此，步骤S11包括从存储器调取来自同一车辆的车辆信息及驾驶员的图像。

在本申请的一些实施例中，当货车在行驶过程中，该货车上的摄像装置会主动采集驾驶员的图像，并将所采集的驾驶员的图像发送至该货车的车辆终端，该货车的车辆终端在接收到摄像装置所采集的驾驶员的图像之后，会将驾驶员的图像保存在本地。电子设备100在执行本申请所提供的人车核验方法时，可以向车辆终端发送第一请求，车辆终端在接收到第一请求后，会反馈自身所在车辆的车辆信息及本地所保存的驾驶员的图像。因此，步骤S11可以包括向车辆终端发送第一请求，以使车辆终端基于第一请求反馈车辆信息及驾驶员的图像。

在本申请的一些实施例中，电子设备100在执行本申请所提供的人车核验方法时，可以向车辆终端发送第二请求。车辆终端在接收到第二请求后，控制摄像装置采集驾驶员的图像。摄像装置将所采集的驾驶员的图像发送给该车辆终端。车辆终端将摄像装置所采集的驾驶员的图像及自身所在车辆的车辆信息反馈给电子设备100。因此，步骤S11可以包括向车辆终端发送第二请求，以使车辆终端基于第二请求控制自身所在车辆的摄像装置采集驾驶员的图像，以及在接收到摄像装置反馈的驾驶员的图像之后，将该驾驶员的图像及自身所在车辆的车辆信息一并反馈给电子设备100。

在本申请的一些实施例中，车中的摄像装置可以与车辆的电源连接，在车辆启动时，摄像装置也随之启动。

在本申请的一些实施例中，摄像装置也可以为一独立设备，不与汽车电源连接，通过电子设备100控制摄像装置开启，并采集驾驶员的图像。

进一步地，驾驶员的图像可以由摄像装置随机采集，例如，启动时采集一次，后续过程中不定时地进行采集；也可以由摄像装置按照预定的时间间隔周期性地进行采集。需要说明的是，具体的采集方式可以根据实际应用场景进行设置。

进一步地，车辆信息可以包括车牌号、车类型、车型号等等。可以理解，上文描述的车辆信息仅起到示意性说明的作用，对本申请并不构成限制。

步骤S12，基于所述人脸图像和预设的人脸特征库，确定驾驶员身份，所述预设的人脸特征库包括不同情形下的人脸图像与驾驶员身份的对应关系。

示例性地，预设的人脸特征库可以包括在光线较暗时的人脸图像，戴墨镜时的人脸图像，戴口罩时的人脸图像，不直接面对镜头时的人脸图像等等。

可以理解，现有技术中的人脸特征库往往只有正装照，然而在实际应用场景中，受拍摄的角度、驾驶员面部变化、光线等因素影响，驾驶员在驾驶车辆时所拍摄的人脸图像会有一定的变化，因此，容易错误识别驾驶员图像对应的身份关系。而本申请中预设的人脸特征库包括不同情形下的人脸图像与驾驶员身份的对应关系，可以在一定程度上提高识别驾驶员身份的识别准确率，进一步地，也不需要驾驶员时刻注意自己的拍摄姿势，方便驾驶员正常行驶。

一实施例中，步骤S12基于所述人脸图像和预设的人脸特征库，确定驾驶员身份，包括：基于所述人脸图像进行特征提取，获得人脸特征向量；将所述人脸特征向量与所述预设的人脸特征库对比，获得相似度结果；基于所述相似度结果，确定所述驾驶员身份。

进一步地，相似度结果可以为0到100的数值，数值越高表征相似程度越高。

一实施例中，可以确定人脸图像对应的驾驶员身份为相似度最高的结果。

可以理解，通过对人脸图像进行特征提取，获得各人脸图像对应的人脸特征向量，再将人脸特征向量与预设的人脸特征库对比，获得各人脸特征向量对应的相似度结果，最后通过相似度结果确定驾驶员的身份，可以在一定程度上提高确定驾驶员身份的准确性。

进一步地，所述基于所述人脸图像进行特征提取，获得人脸特征向量，包括：基于预先训练好的模型，确定所述人脸图像的人脸位置；根据所述人脸位置，获得所述人脸特征向量。

示例性地，模型训练的算法可以为retinaface，训练数据可以为格林深瞳开源的人脸数据集Glint360K。需要说明的是，模型训练的过程为本领域人员所熟知，在此不在过多说明。

一实施例中，训练好的模型为深度神经网络模型，可以通过GPU服务器运行模型。

步骤S13，依据所述驾驶员身份与预设的驾驶员身份与车辆的对应关系，确定与所述驾驶员身份对应的目标车辆信息。

具体地，可以在电子设备中存储预设的驾驶员身份与车辆的对应关系，驾驶员身份与车辆关系可以是一一对应的，例如，根据公司规定，驾驶员A只被允许驾驶车辆a，驾驶员B只被允许驾驶车辆b等等。

一实施例中，驾驶员身份与车辆关系可以是一对多或者多对一。

另一实施例中，可以根据工作时间的安排，设置预设的驾驶员身份与车辆的对应关系。

示例性地，在8:00-9:00时，驾驶员A与车辆a是对应关系，在9：00-10：00时，驾驶员B与车辆a是对应关系。

需要说明的是，预设的驾驶员身份与车辆的对应关系具体可以根据实际应用场景进行设置，本申请并不以此为限。

步骤S14，根据所述目标车辆信息与所述车辆信息，确定所述驾驶员与所驾驶车辆的匹配结果。

具体地，在目标车辆信息与车辆信息一致时，确定驾驶员与当前驾驶的车辆匹配。在目标车辆信息与车辆信息不一致时，确定驾驶员与当前驾驶的车辆不匹配。

进一步地，在确定驾驶员与当前驾驶的车辆不匹配时，电子设备可以将该核验结果反馈至该负责人所对应的终端，并发出提醒信号。

可以理解，通过获取驾驶员驾驶过程中的人脸图像及驾驶员所驾驶车辆的车辆信息，并将人脸图像与预设的人脸特征库进行对比，确定驾驶员的身份，然后依据驾驶员身份与预设的驾驶员身份与车辆的对应关系，确定与驾驶员身份对应的目标车辆信息，最后根据目标车辆信息与车辆信息，确定驾驶员与所驾驶车辆的匹配结果，相较于现有技术中通过打卡的方式来对司机及货车进行管理而言，由于是基于驾驶员驾驶过程中的人脸图像来进行人车核验，因此，可以有效规避他人代为打卡及代为驾驶的情况，从而提升货运公司对司机及货车的管理的有效性。并且而，由于预设的人脸特征库包括不同情形下的人脸图像与驾驶员身份的对应关系，使得并非只有特定角度(例如，人脸正对摄像装置)的人脸图像才能够用于确定驾驶员身份，进一步依据驾驶员身份与预设的驾驶员身份与车辆的对应关系，确定与驾驶员身份对应的目标车辆信息，最后根据目标车辆信息与车辆信息，确定驾驶员与所驾驶车辆的匹配结果，由此，在一定程度上提高通过人脸图像进行人车核验的适用性，以及避免由于驾驶员所处情形的不同导致核验失败的问题，也就是说，在一定程度上提升驾驶员与车辆匹配结果人车核验的准确性。

一实施例中，车辆信息还可以包括车辆当前的行驶速度，在步骤S12基于所述人脸图像和预设的人脸特征库，确定驾驶员身份之前，所述方法还包括：确定所述行驶速度大于或等于所述预设速度阈值。

可以理解，在车辆行驶的过程中，因为获得的人脸图像存在较大差异，可能会出现误将人脸图像识别成他人的情况，由此在基于人脸图像和预设的人脸特征库，确定驾驶员身份之前，可以通过设定当前车辆的行驶速度大于或等于预设速度阈值时，确定所采集的人脸图像都为同一人，提高确定驾驶员身份的准确性。

示例性地，预设速度阈值可以为0。在车辆的行驶速度大于0时，不大可能出现更换司机等操作。

需要说明的是，预设速度阈值可以根据实际场景进行设置，并不以此为限。

进一步地，还可以根据车辆当前的行驶速度对人脸图像与预设的人脸特征库的对比结果进行修正。

具体地，可以根据驾驶员所驾驶车辆上存储最新的人脸识别结果以及置信度，获取最近预设次数的对比结果，判断最后一次的对比结果与之前的对比结果是否相同，若相同，则不作处理。

若不同，则判断之前的对比结果是否相同，若相同，则可以在行驶速度大于或等于预设速度阈值时，对最后一次的对比结果进行修正，使得最后一次的对比结果与之前的对比结果都相同，进而提高确定驾驶员身份的准确度。

一实施例中，构建所述预设的人脸特征库，包括：获取不同驾驶员各自在不同情形下的人脸图像，所述不同驾驶员各自在不同情形下的人脸图像通过安装在不同车辆上的摄像装置采集；基于所述不同驾驶员各自在不同情形下的人脸图像，生成所述人脸特征库。

可以理解，一些驾驶员年龄较大，难以通过自拍上传人脸图像，并且一些驾驶员自主上传的人脸图像会带有美颜效果，容易导致后续识别驾驶员身份结果的准确性较低。由此，通过安装在不同车辆上的摄像装置采集不同驾驶员各自在不同情形下的人脸图像，避免人工采集驾驶员人脸图像的繁琐，进一步基于不同驾驶员各自在不同情形下的人脸图像，生成人脸特征库，使得人脸特征库的丰富度增加，进而一定程度上提高基于人脸图像进行人车核验的适用性。

一实施例中，还可以根据预设时长，通过安装在不同车辆上的摄像装置采集不同驾驶员各自在不同情形下的人脸图像，对人脸特征库中各驾驶员对应的人脸图像进行更新，以提高人脸特征库的完整性，一定程度上提高确定驾驶员身份的准确性。

一实施例中，人脸特征库还包括不同驾驶员对应的人脸图像的更新频率。

可以理解，通过获得更新频率，可以筛选出长时间未更新的驾驶员，而这些驾驶员可能表征正处于离职状态，方便流程人员进行统计。

请参阅图3，基于同一发明构思，本申请实施例中还提供一种人车核验装置200。该人车核验装置200包括：获取模块210和确定模块220。

获取模块210，用于获取驾驶员的人脸图像及驾驶员所驾驶车辆的车辆信息。

确定模块220，用于基于所述人脸图像和预设的人脸特征库，确定驾驶员身份，所述预设的人脸特征库包括不同情形下的人脸图像与驾驶员身份的对应关系。

所述确定模块220，还用于依据所述驾驶员身份与预设的驾驶员身份与车辆的对应关系，确定与所述驾驶员身份对应的目标车辆信息。

所述确定模块220，还用于根据所述目标车辆信息与所述车辆信息，确定所述驾驶员与所驾驶的车辆的匹配结果。

一实施例中，确定模块220还用于基于所述人脸图像进行特征提取，获得人脸特征向量；将所述人脸特征向量与所述预设的人脸特征库对比，获得相似度结果；基于所述相似度结果，确定所述驾驶员身份。

一实施例中，确定模块220还用于基于预先训练好的模型，确定所述人脸图像的人脸位置；根据所述人脸位置，获得所述人脸特征向量。

一实施例中，车辆信息包括行驶速度，确定模块220还用于在基于所述人脸图像和预设的人脸特征库，确定驾驶员身份之前，确定所述行驶速度大于或等于预设速度阈值。

一实施例中，确定模块220还用于获取不同驾驶员各自在不同情形下的人脸图像，所述不同驾驶员各自在不同情形下的人脸图像通过安装在不同车辆上的摄像装置采集；基于所述不同驾驶员各自在不同情形下的人脸图像，生成所述人脸特征库。

可以理解，本申请提供的人车核验装置200与本申请提供的人车核验方法对应，为使说明书简洁，相同或相似部分可以参照人车核验方法部分的内容，在此不再赘述。

上述人车核验装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于服务器中的处理器中，也可以以软件形式存储于服务器中的存储器中，以便于处理器调用执行以上各个模块对应的操作。该处理器可以为中央处理单元(CPU)、微处理器、单片机等。

上述人车核验方法和/或人车核验装置可以实现为一种计算机可读指令的形式，计算机可读指令可以在如图1所示的电子设备100上运行。

基于同一发明构思，本申请实施例提供的一种计算机可读存储介质，其上存储有计算机可读指令，该程序被处理器执行时实现上述的人车核验方法中的步骤。

如此处所使用的对存储器、存储、数据库或其它介质的任何引用可包括非易失性。合适的非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。

在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

另外，作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

再者，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。

以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种人车核验方法，其特征在于，包括：

获取驾驶员驾驶过程中的人脸图像及驾驶员所驾驶车辆的车辆信息；

基于所述人脸图像和预设的人脸特征库，确定驾驶员身份，所述预设的人脸特征库包括不同情形下的人脸图像与驾驶员身份的对应关系；

依据所述驾驶员身份与预设的驾驶员身份与车辆的对应关系，确定与所述驾驶员身份对应的目标车辆信息；

根据所述目标车辆信息与所述车辆信息，确定所述驾驶员与所驾驶车辆的匹配结果。

2.如权利要求1所述的人车核验方法，其特征在于，所述基于所述人脸图像和预设的人脸特征库，确定驾驶员身份，包括：

基于所述人脸图像进行特征提取，获得人脸特征向量；

将所述人脸特征向量与所述预设的人脸特征库对比，获得相似度结果；

基于所述相似度结果，确定所述驾驶员身份。

3.如权利要求2所述的人车核验方法，其特征在于，所述基于所述人脸图像进行特征提取，获得人脸特征向量，包括：

基于预先训练好的模型，确定所述人脸图像的人脸位置；

根据所述人脸位置，获得所述人脸特征向量。

4.如权利要求1所述的人车核验方法，其特征在于，所述车辆信息包括行驶速度，在基于所述人脸图像和预设的人脸特征库，确定驾驶员身份之前，所述方法还包括：

确定所述行驶速度大于或等于预设速度阈值。

5.如权利要求1所述的人车核验方法，其特征在于，构建所述预设的人脸特征库，包括：

获取不同驾驶员各自在不同情形下的人脸图像，所述不同驾驶员各自在不同情形下的人脸图像通过安装在不同车辆上的摄像装置采集；

基于所述不同驾驶员各自在不同情形下的人脸图像，构建所述人脸特征库。

6.一种人车核验装置，其特征在于，包括：

获取模块，用于获取驾驶员驾驶过程中的人脸图像及驾驶员所驾驶车辆的车辆信息；

确定模块，用于基于所述人脸图像和预设的人脸特征库，确定驾驶员身份，所述预设的人脸特征库包括不同情形下的人脸图像与驾驶员身份的对应关系；

所述确定模块，还用于依据所述驾驶员身份与预设的驾驶员身份与车辆的对应关系，确定与所述驾驶员身份对应的目标车辆信息；

所述确定模块，还用于根据所述目标车辆信息与所述车辆信息，确定所述驾驶员与所驾驶的车辆的匹配结果。

7.如权利要求6所述的人车核验装置，其特征在于，所述车辆信息包括行驶速度，所述确定模块还用于在基于所述人脸图像和预设的人脸特征库，确定驾驶员身份之前，确定所述行驶速度大于或等于预设速度阈值。

8.如权利要求6所述的人车核验装置，其特征在于，所述确定模块还用于获取不同驾驶员各自在不同情形下的人脸图像，所述不同驾驶员各自在不同情形下的人脸图像通过安装在不同车辆上的摄像装置采集；基于所述不同驾驶员各自在不同情形下的人脸图像，构建所述人脸特征库。

9.一种电子设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如权利要求1-5任一项所述的人车核验方法或实现如权利要求6-8任一项所述的人车核验装置的功能。

10.一种存储有计算机可读指令的非易失性可读存储介质，所述计算机可读指令被处理器执行时，使得所述处理器执行如权利要求1-5任一项所述的人车核验方法或实现如权利要求6-8任一项所述的人车核验装置的功能。

Images