CN114550147A - 一种基于物联网的汽车数据采集分析处理方法及系统 - Google Patents

Abstract

本发明提供了一种基于物联网的汽车数据采集分析处理方法及系统，其中，所述方法包括：进行驾驶数据采集，获得第一采集数据信息；通过对第一采集数据信息进行特征识别，获得驾驶特征信息，通过分布式模型训练，构建第一驾驶特征分布模型；获得第一驾驶车辆信息；基于物联网将第一驾驶车辆信息进行上传，获得第一识别要素模板信息；基于第一识别要素模板信息和第一驾驶特征分布模型，确定第一分析结果，对第一驾驶用户进行提醒。解决了现有技术存在由于汽车数据众多、数据规模庞大，导致采集到的汽车数据分析处理效率低，并且分析获得的数据在车辆发生紧急情况时利用率低，且对驾驶员行为干预的效率较低的技术问题。

Description

一种基于物联网的汽车数据采集分析处理方法及系统

技术领域

本发明涉及物联网领域，具体涉及一种基于物联网的汽车数据采集分析处理方法及系统。

背景技术

随着汽车的普及，道路上的车辆越来越多，随之而来的是更加复杂的路况和频发的交通事故，当车辆发生紧急情况时或遇到复杂的路况时，驾驶员往往较难沉着处理且不知正确应对方法，从而导致事故发生。物联网技术的核心和基础仍然是互联网，是在互联网基础上的延伸和扩展的网络。物联网在车辆行业中的应用能够减少交通堵塞、辅助交通管理并且能够一定程度保证行车安全。

但现有技术中存在由于汽车数据众多、数据规模庞大，导致采集到的汽车数据分析处理效率低，并且分析获得的数据在车辆发生紧急情况时利用率低，且对驾驶员行为干预的效率较低的技术问题。

发明内容

本申请通过提供了一种基于物联网的汽车数据采集分析处理方法及系统，解决了现有技术中存在由于汽车数据众多、数据规模庞大，导致采集到的汽车数据分析处理效率低，并且分析获得的数据在车辆发生紧急情况时利用率低，且对驾驶员行为干预的效率较低的技术问题。达到了通过智能数据采集以及物联网技术，对车辆数据进行深入分析，提高汽车数据分析处理效率和科学性，并且提高数据在紧急情况时的利用率，能够对驾驶员进行及时准确的行为干预，从而实现减少交通事故的发生的技术效果。

鉴于上述问题，本申请提供了一种基于物联网的汽车数据采集分析处理方法及系统。

第一方面，本申请提供了一种基于物联网的汽车数据采集分析处理方法，所述方法包括：根据所述智能摄像头对第一驾驶用户进行驾驶数据采集，获得第一采集数据信息；通过对所述第一采集数据信息进行特征识别，获得驾驶特征信息，其中，所述驾驶特征信息包括第一识别部位特征和第二识别部位特征，所述第一识别部位特征为手部特征，所述第二识别部位特征为面部特征；通过对所述驾驶特征信息进行分布式模型训练，构建第一驾驶特征分布模型；获得所述第一驾驶用户的第一驾驶车辆信息；基于物联网，将所述第一驾驶车辆信息进行上传，获得类比驾驶车辆类型的第一识别要素模板信息；基于所述第一识别要素模板信息和所述第一驾驶特征分布模型，确定第一分析结果，其中，所述第一分析结果为适配可调节信息；根据所述适配可调节信息对所述第一驾驶用户进行提醒。

另一方面，本申请提供了一种基于物联网的汽车数据采集分析处理系统，所述系统包括：第一获得单元，所述第一获得单元用于根据智能摄像头对第一驾驶用户进行驾驶数据采集，获得第一采集数据信息；第二获得单元，所述第二获得单元用于通过对所述第一采集数据信息进行特征识别，获得驾驶特征信息，其中，所述驾驶特征信息包括第一识别部位特征和第二识别部位特征，所述第一识别部位特征为手部特征，所述第二识别部位特征为面部特征；第一构建单元，所述第一构建单元用于通过对所述驾驶特征信息进行分布式模型训练，构建第一驾驶特征分布模型；第三获得单元，所述第三获得单元用于获得所述第一驾驶用户的第一驾驶车辆信息；第四获得单元，所述第四获得单元用于基于物联网，将所述第一驾驶车辆信息进行上传，获得类比驾驶车辆类型的第一识别要素模板信息；第一执行单元，所述第一执行单元用于基于所述第一识别要素模板信息和所述第一驾驶特征分布模型，确定第一分析结果，其中，所述第一分析结果为适配可调节信息；第二执行单元，所述第二执行单元用于根据所述适配可调节信息对所述第一驾驶用户进行提醒。

第三方面，本发明提供了一种基于物联网的汽车数据采集分析处理电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面所述方法的步骤。

本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

由于采用了对第一驾驶用户进行驾驶数据采集，获得第一采集数据信息；通过特征识别技术获得驾驶特征信息，通过驾驶特征信息进行分布式模型训练，构建第一驾驶特征分布模型；采集第一驾驶用户的第一驾驶车辆信息；基于物联网，上传第一驾驶车辆信息，获得同类型车辆的第一识别要素模板信息；基于第一识别要素模板信息和第一驾驶特征分布模型，获得第一分析结果，从而对所述第一驾驶用户进行及时提醒的技术方案，本申请通过提供了一种基于物联网的汽车数据采集分析处理方法及系统，达到了通过智能数据采集以及物联网技术，对车辆数据进行深入分析，提高汽车数据分析处理效率和科学性，并且提高数据在紧急情况时的利用率，能够对驾驶员进行及时准确的行为干预，从而实现减少交通事故的发生的技术效果。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请实施例一种基于物联网的汽车数据采集分析处理方法的流程示意图；

图2为本申请实施例一种基于物联网的汽车数据采集分析处理方法的获得第一识别要素模板信息的流程示意图；

图3为本申请实施例一种基于物联网的汽车数据采集分析处理方法的进行偏离度检测的流程示意图；

图4为本申请实施例一种基于物联网的汽车数据采集分析处理方法的获得第二分析结果的流程示意图；

图5为本申请实施例一种基于物联网的汽车数据采集分析处理系统的结构示意图；

图6为本申请实施例示例性电子设备的结构示意图。

附图标记说明：第一获得单元11，第二获得单元12，第一构建单元13，第三获得单元14，第四获得单元15，第一执行单元16，第二执行单元17，电子设备300，存储器301，处理器302，通信接口303，总线架构304。

具体实施方式

本申请通过提供了一种基于物联网的汽车数据采集分析处理方法及系统，解决了现有技术中存在由于汽车数据众多、数据规模庞大，导致采集到的汽车数据分析处理效率低，并且分析获得的数据在车辆发生紧急情况时利用率低，且对驾驶员行为干预的效率较低的技术问题。达到了通过智能数据采集以及物联网技术，对车辆数据进行深入分析，提高汽车数据分析处理效率和科学性，并且提高数据在紧急情况时的利用率，能够对驾驶员进行及时准确的行为干预，从而实现减少交通事故的发生的技术效果。

在车辆发生紧急情况或遇到复杂的路况时，驾驶员往往较难沉着应对不知如何应对，从而导致事故发生。物联网技术的核心和基础仍然是互联网，是在互联网基础上的延伸和扩展的网络。物联网在车辆行业中的应用能够减少交通堵塞、辅助交通管理并且能够一定程度保证行车安全。现有技术中存在由于汽车数据众多、数据规模庞大，导致采集到的汽车数据分析处理效率低，并且分析获得的数据在车辆发生紧急情况时利用率低，且对驾驶员行为干预的效率较低的技术问题。

针对上述技术问题，本申请提供的技术方案总体思路如下：

本申请提供了一种基于物联网的汽车数据采集分析处理方法，所述方法包括：对第一驾驶用户进行驾驶数据采集，获得第一采集数据信息；通过特征识别技术获得驾驶特征信息，通过驾驶特征信息进行分布式模型训练，构建第一驾驶特征分布模型；采集第一驾驶用户的第一驾驶车辆信息；基于物联网，上传第一驾驶车辆信息，获得同类型车辆的第一识别要素模板信息；基于第一识别要素模板信息和第一驾驶特征分布模型，获得第一分析结果，从而对所述第一驾驶用户进行及时提醒。

在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。

实施例一

如图1所示，本申请实施例提供了一种基于物联网的汽车数据采集分析处理方法，其中，所述方法应用一种汽车驾驶数据采集系统，所述系统与一智能摄像头通信连接，所述方法包括：

S100：根据所述智能摄像头对第一驾驶用户进行驾驶数据采集，获得第一采集数据信息；

S200：通过对所述第一采集数据信息进行特征识别，获得驾驶特征信息，其中，所述驾驶特征信息包括第一识别部位特征和第二识别部位特征，所述第一识别部位特征为手部特征，所述第二识别部位特征为面部特征；

具体而言，所述第一驾驶用户为驾驶车辆的任一用户，所述智能摄像头为任一智能摄像头，能够智能识别人形轮廓。通过所述智能摄像头在所述第一驾驶用户驾驶车辆过程中，进行驾驶数据采集，获得所述第一采集数据信息。所述第一采集数据信息为智能摄像头拍摄的驾驶视频，能够凭借第一采集数据信息对第一驾驶用户的驾驶习惯进行分析。采用现有的特征提取技术对所述第一采集数据信息进行特征识别，其中在所述第一采集数据信息中设定识别部位进行识别，识别部位包括所述第一识别部位特征即驾驶用户的手部特征，和所述第二识别部位特征即驾驶用户的面部特征。其中手部特征包括转动方向盘、换档、系安全带等特征，面部特征包括五官特征、面部表情特征、是否存在面部遮挡（如带口罩、眼镜等）等特征。通过对第一驾驶用户进行驾驶数据采集，并对驾驶数据中驾驶用户的特征信息进行特征识别，能够有效识别出用户的驾驶特征，便于后续对用户数据进行深入分析。

S300：通过对所述驾驶特征信息进行分布式模型训练，构建第一驾驶特征分布模型；

具体而言，由于所述驾驶特征信息包括第一识别部位特征和第二识别部位特征，因此分别使用第一识别部位特征和第二识别部位特征进行分布式模型训练。当驾驶时遇到各种突发情况时，驾驶员的面部特征和手部特征会发生变化，例如：当前车突然紧急停车，驾驶员需要立即进行反应，面部表情就会由平静转变为紧张，手也会立刻进行挡位变换的操作；当前方发生拥堵时，驾驶员面部表情会出现一些焦急的特征反应，手部也会进行按压喇叭的操作。将特征识别的获得的驾驶用户的面部特征，包括驾驶员的眼部变化、口部变化和整体表情变化等特征进行训练得到一个驾驶用户面部特征模型，将特征识别的获得的驾驶用户的手部特征，包括各种快速的手部变换操作例如换挡、转方向盘、按喇叭等特征进行训练得到一个驾驶用户手部特征模型。通过驾驶用户面部特征模型和驾驶用户手部特征模型进行参数提取，将提取得到的参数对原始模型进行更新，从而获得所述第一驾驶特征分布模型，所述第一驾驶特征分布模型是基于样本的分布式模型训练得到的，通过分布式建模能够提升模型的分析效果。

S400：获得所述第一驾驶用户的第一驾驶车辆信息；

S500：基于物联网，将所述第一驾驶车辆信息进行上传，获得类比驾驶车辆类型的第一识别要素模板信息；

具体而言，对第一驾驶用户的驾驶车辆信息进行采集，获得所述第一驾驶车辆信息，所述驾驶车辆信息包括驾驶车辆车型、驾驶车辆的故障数据，车辆车型按照不同的标准有多种车型分类方法，举例如：按照车辆类别分类分为：紧凑型、SUV、MPV、HATCHBACK、COUPE、ROADSTER等，按照车厢分类分为：单厢车，两厢车，两厢半车，三厢车。驾驶车辆的故障数据包括车辆自身故障信息和驾驶过程中出现的事故故障，例如制动故障、气囊故障、水温传感器故障、水循环冷却系统故障等。

物联网就是“物物相连的互联网”，有两层含义：第一，物联网的核心和基础仍然是互联网，是在互联网基础上的延伸和扩展的网络；第二，其用户端延伸和扩展到了任何物体与物体之间，进行信息交换和通信。车联网是物联网在车辆行业中的应用，基于物联网将采集到的所述第一驾驶车辆信息进行车辆数据压缩后进行上传。数据压缩能够保证上传数据的速度和效率，也可以节省空间。由于基于物联网技术，上传了大量的驾驶车辆信息，通过对车辆信息的整合，形成同类型车型的识别要素模板信息。任一车辆可以通过识别要素模板信息类比获得同类型车辆的识别要素，其中的识别要素为车辆易发生故障的车辆识别要素，从而获得类比驾驶车辆类型的第一识别要素模板信息。所述第一识别要素模板信息包括驾驶车辆易发生的故障信息集合。

S600：基于所述第一识别要素模板信息和所述第一驾驶特征分布模型，确定第一分析结果，其中，所述第一分析结果为适配可调节信息；

S700：根据所述适配可调节信息对所述第一驾驶用户进行提醒。

具体而言，在车况复杂的情况下，例如紧急制动，紧急转弯、爆胎等，根据所述第一识别要素模板信息获得驾驶车辆同类型车辆的识别要素信息。进一步，将第一驾驶用户的手部特征信息和面部特征信息输入所述第一驾驶特征分布模型获得输出结果为由于第一驾驶用户的驾驶习惯导致发生驾驶危险的分布概率。基于所述第一识别要素模板信息和所述第一驾驶特征分布模型，对当前驾驶的危险性进行分析，获得第一分析结果，第一分析结果为适配可调节信息，所述适配可调节信息可对第一驾驶用户不良的驾驶习惯和车辆易发生的故障进行提醒，实现了对汽车车辆数据和驾驶员数据进行有效采集、分析、处理，从而对驾驶故障进行有效规避，保护驾驶员及乘客的生命安全，减少由于操作不当导致的驾驶风险。

进一步的，如图2所示，所述基于物联网，将所述第一驾驶车辆信息进行上传，获得类比驾驶车辆类型的第一识别要素模板信息，步骤S500包括：

S510：根据所述第一驾驶车辆信息，获得第一驾驶车型；

S520：根据所述第一驾驶车型，对物联网信息中相同类型的驾驶车辆信息进行数据采集，获得车况场景数据和驾驶控制数据；

S530：根据所述车况场景数据和所述驾驶控制数据，分别构建横向识别要素和纵向识别要素；

S540：根据所述横向识别要素和纵向识别要素，构建识别要素矩阵；

S550：根据所述识别要素矩阵，生成所述第一识别要素模板信息。

具体而言，所述第一驾驶车辆信息为第一驾驶用户驾驶的车辆对应的信息，包括第一驾驶车型，驾驶车辆的故障数据等。由于基于物联网将第一驾驶车辆信息上传，因此物联网中具有不同类型车辆的数据信息。在物联网信息中将与所述第一驾驶车型相同类型的驾驶车辆信息进行采集。获得同类型车辆的车况场景数据和驾驶控制数据。其中所述车况场景数据包括不同的车况数据，例如出现车辆爆胎、熄火、刹车失灵等车况数据。所述驾驶控制数据包括出现紧急情况时，驾驶员对车辆进行控制的操作数据例如挡位控制数据，控制车辆的时间数据等。

根据所述车况场景数据和所述驾驶控制数据，分别构建横向识别要素和纵向识别要素，所述横向识别要素为所述车况场景数据，所述纵向识别要素为所述驾驶控制数据。所述横向识别要素和所述纵向识别要素为横纵两个维度的识别要素，使用所述横向识别要素和纵向识别要素构建识别要素矩阵，识别要素矩阵中的任一识别要素是通过同一场景下的车况场景数据和驾驶控制数据共同限定的。根据所述识别要素矩阵，生成所述第一识别要素模板信息，所述第一识别要素模板信息用于当驾驶车辆出现紧急情况时，通过匹配同类型的车型的类似车况场景和驾驶信息，从而对当前遇到的情况进行分析。

进一步的，所述通过对所述第一采集数据信息进行特征识别，获得驾驶特征信息之后，步骤S200包括：

S210：通过对所述驾驶特征信息进行特征偏离度检测，获得偏离度数据集，其中，所述驾驶特征信息中的每一个特征数据与所述偏离度数据集一一对应；

S220：根据所述偏离度数据集中的数据大小，确定第一剔除特征信息，其中，所述第一剔除特征信息为偏离度大于预设偏离度的特征信息；

S230：将第一剔除特征信息从所述驾驶特征信息中进行剔除。

进一步的，如图3所示，本申请实施例还包括：

S211：根据所述驾驶特征信息，提取第一预设周期的第一驾驶特征信息；

S212：将所述第一驾驶特征信息作为偏离度检测的样本数据，将数据稳定系数作为偏离度检测的第一维度，将数据完整系数作为偏离度检测的第二维度；

S213：根据所述第一维度和所述第二维度，获得第一偏离检测结果；

S214：根据所述第一偏离检测结果，生成所述偏离度数据集。

具体而言，所述驾驶特征信息包括第一识别部位特征和第二识别部位特征，所述第一识别部位特征为手部特征，所述第二识别部位特征为面部特征，由于采集到的驾驶特征信息较为繁杂，有些特征数据的准确性不佳，需要将异常偏离的数据进行剔除。例如：用户绝大部分情况处于正常状态，但有时候疲累，或者感冒、发烧时状态不好，其数据就表示为异常偏离数据。因此需要进行特征偏离度检测，偏离度检测方法优选为：预设第一预设周期，提取第一预设周期内的第一驾驶特征信息，将所述第一驾驶特征信息作为偏离度检测的样本数据。将样本数据进行维度划分，第一维度设定为数据稳定系数，数据稳定系数用于衡量数据稳定性，举不受限制的一例：当有数据明显偏离数据中心时，该数据稳定性较差。第二维度设定为数据完整系数，数据完整系数用于衡量数据完整性，举不受限制的一例：若采集到的驾驶用户面部特征被遮挡，无法识别面部特征时，数据是不够完整的。根据所述第一维度和所述第二维度进行驾驶特征信息的特征偏离度检测，获得第一偏离检测结果，根据所述第一偏离检测结果生成所述偏离度数据集，所述驾驶特征信息中的每一个特征数据与所述偏离度数据集一一对应。所述偏离度数据集的数据进行偏离度排序，根据所述偏离度数据集中的数据大小，确定第一剔除特征信息，偏离度大于预设偏离度的特征信息的特征作为所述第一剔除特征信息，没有意义，予以剔除。预设偏离度为提前预设的用于限制偏离度的参数，大于预设偏离度则说明数据可使用性低。将所述第一剔除特征信息从所述驾驶特征信息中剔除，获得更具有价值的驾驶特征信息。

进一步的，所述获得所述第一驾驶用户的第一驾驶车辆信息，步骤S400还包括：

S410：根据所述驾驶特征信息中的所述第二识别部位特征对所述第一驾驶用户进行身份识别，生成第一身份标识码，其中，所述第一身份标识码为用户身份识别唯一ID信息；

S420：根据所述第一身份标识码对所述第一驾驶特征分布模型进行标记转换，生成第一模型标识码，其中，所述第一身份标识码和所述第一模型标识码相对应；

S430：根据所述第一身份标识码和所述第一模型标识码进行权限管理。

具体而言，所述驾驶特征信息中包含所述第二识别部位特征，第二识别部位特征为面部特征，通过所述面部特征对所述第一驾驶用户进行身份识别，举例如通过对驾驶用户的虹膜识别，人脸识别等技术进行身份识别。识别结果生成唯一的身份标识ID信息，即所述第一身份标识码。将所述第一身份标识码按照所述第一驾驶特征分布模型的标记方式进行标记转换，生成所述第一模型标识码。所述第一模型标识码用于对所述第一驾驶特征分布模型进行唯一标记，从而根据所述第一身份标识码和所述第一模型标识码进行权限管理。即第一驾驶用户的身份标识码和对应的模型标识码只能调用对应的第一驾驶特征分布模型，并没有权限调用其他驾驶特征分布模型。

进一步的，本申请实施例还包括：

S431：基于所述智能摄像头对所述第一驾驶用户进行身份验证，若所述第一驾驶用户身份验证通过，获得所述第一驾驶用户的实时驾驶车辆信息；

S432：根据所述实时驾驶车辆信息，判断所述实时驾驶车辆信息的车型与所述第一驾驶车辆信息的车型是否一致；

S433：若所述实时驾驶车辆信息的车型与所述第一驾驶车辆信息的车型不一致，将所述实时驾驶车辆信息作为第二驾驶车辆的信息进行分析，获得第二分析结果。

具体而言，当驾驶用户开始驾驶车辆时，使用所述智能摄像头对所述第一驾驶用户进行身份验证，即可通过但不限于通过人脸识别等技术，进行身份验证。若所述第一驾驶用户身份验证通过，对其实时驾驶的车辆信息进行采集，获得所述实时驾驶车辆信息，判断实时驾驶的车辆信息的车型与所述第一驾驶车辆信息的车型是否一致。若第一用户购买新车或使用他人车辆，就有可能会导致实时驾驶车辆信息的车型与第一驾驶车辆信息不一致。将所述实时驾驶车辆信息作为所述第二驾驶车辆的信息重新进行分析，分析包括但不限于重新进行驾驶特征的采集、重新生成第二驾驶特征分布模型等，获得第二分析结果。能够及时对驾驶用户更换车型驾驶进行识别，考虑到用户更换车辆的可能性，提高灵活性的技术效果。

进一步的，如图4所示，本申请实施例还包括：

S4331：若所述第一驾驶用户身份验证通过，获得第一接入指令；

S4332：根据所述第一接入指令，在所述第二驾驶车辆中接入所述第一驾驶特征分布模型；

S4333：根据所述智能摄像头采集所述第一驾驶用户在所述第二驾驶车辆的驾驶数据，获得第二采集数据信息；

S4334：将所述第二采集数据信息作为新增数据对所述第一驾驶特征分布模型进行增量学习，生成第二驾驶特征分布模型；

S4335：根据所述第二驾驶车辆的车型，获得第二识别要素模板信息；

S4336：根据所述第二驾驶特征分布模型和所述第二识别要素模板信息，获得所述第二分析结果。

具体而言，当所述第一驾驶用户身份验证通过时，即正在进行驾驶的用户具有第一身份标识码和所述第一模型标识码。此时获得第一接入指令，在所述第二驾驶车辆中，通过所述第一模型标识码接入所述第一驾驶特征分布模型。通过智能摄像头采集所述第一驾驶用户在所述第二驾驶车辆上进行驾驶时的驾驶数据，包括第一驾驶用户的手部特征和面部特征，作为所述第二采集数据信息。使用在第二驾驶车辆上采集的所述第二采集数据信息对所述第一驾驶特征分布模型进行增量学习，能够对新数据引起的变化进行更新，保留所述第一驾驶特征分布模型的基础性能，并且完成对应的增量学习，进而获得所述第二驾驶特征分布模型。按照所述第一识别要素模板信息的生成方法，基于所述第二驾驶车辆的车型，上传至物联网匹配所述第二识别要素模板信息。从而基于所述第二驾驶特征分布模型和所述第二识别要素模板信息对当前驾驶的危险性进行分析，获得第二分析结果，第二分析结果用于对第一驾驶用户进行辅助与提醒，从而起到减少交通事故发生的技术效果。

综上所述，本申请实施例所提供的一种基于物联网的汽车数据采集分析处理方法及系统具有如下技术效果：

1.由于采用了对第一驾驶用户进行驾驶数据采集，获得第一采集数据信息；通过特征识别技术获得驾驶特征信息，通过驾驶特征信息进行分布式模型训练，构建第一驾驶特征分布模型；采集第一驾驶用户的第一驾驶车辆信息；基于物联网，上传第一驾驶车辆信息，获得同类型车辆的第一识别要素模板信息；基于第一识别要素模板信息和第一驾驶特征分布模型，获得第一分析结果，从而对所述第一驾驶用户进行及时提醒的技术方案，本申请通过提供了一种基于物联网的汽车数据采集分析处理方法及系统，达到了通过智能数据采集以及物联网技术，对车辆数据进行深入分析，提高汽车数据分析处理效率和科学性，并且提高数据在紧急情况时的利用率，能够对驾驶员进行及时准确的行为干预，从而实现减少交通事故的发生的技术效果。

2.由于采用了生成第一身份标识码和所述第一模型标识码的方法，能够对用户身份进行验证，对驾驶车辆进行车型采集后，能够及时对驾驶用户更换车型驾驶进行识别，兼顾了用户更换车辆的可能性，提高对用户进行辅助和提醒的灵活性和准确性的技术效果。

实施例二

基于与前述实施例中一种基于物联网的汽车数据采集分析处理方法相同的发明构思，如图5所示，本申请实施例提供了一种基于物联网的汽车数据采集分析处理系统，其中，所述系统包括：

第一获得单元11，所述第一获得单元11用于根据智能摄像头对第一驾驶用户进行驾驶数据采集，获得第一采集数据信息；

第二获得单元12，所述第二获得单元12用于通过对所述第一采集数据信息进行特征识别，获得驾驶特征信息，其中，所述驾驶特征信息包括第一识别部位特征和第二识别部位特征，所述第一识别部位特征为手部特征，所述第二识别部位特征为面部特征；

第一构建单元13，所述第一构建单元13用于通过对所述驾驶特征信息进行分布式模型训练，构建第一驾驶特征分布模型；

第三获得单元14，所述第三获得单元14用于获得所述第一驾驶用户的第一驾驶车辆信息；

第四获得单元15，所述第四获得单元15用于基于物联网，将所述第一驾驶车辆信息进行上传，获得类比驾驶车辆类型的第一识别要素模板信息；

第一执行单元16，所述第一执行单元16用于基于所述第一识别要素模板信息和所述第一驾驶特征分布模型，确定第一分析结果，其中，所述第一分析结果为适配可调节信息；

第二执行单元17，所述第二执行单元17用于根据所述适配可调节信息对所述第一驾驶用户进行提醒。

进一步的，所述系统包括：

第五获得单元，所述第五获得单元用于根据所述第一驾驶车辆信息，获得第一驾驶车型；

第六获得单元，所述第六获得单元用于根据所述第一驾驶车型，对物联网信息中相同类型的驾驶车辆信息进行数据采集，获得车况场景数据和驾驶控制数据；

第二构建单元，所述第二构建单元用于根据所述车况场景数据和所述驾驶控制数据，分别构建横向识别要素和纵向识别要素；

第三构建单元，所述第三构建单元用于根据所述横向识别要素和纵向识别要素，构建识别要素矩阵；

第一生成单元，所述第一生成单元用于根据所述识别要素矩阵，生成所述第一识别要素模板信息。

进一步的，所述系统包括：

第七获得单元，所述第七获得单元用于通过对所述驾驶特征信息进行特征偏离度检测，获得偏离度数据集，其中，所述驾驶特征信息中的每一个特征数据与所述偏离度数据集一一对应；

第三执行单元，所述第三执行单元用于根据所述偏离度数据集中的数据大小，确定第一剔除特征信息，其中，所述第一剔除特征信息为偏离度大于预设偏离度的特征信息；

第四执行单元，所述第四执行单元用于将第一剔除特征信息从所述驾驶特征信息中进行剔除。

进一步的，所述系统包括：

第五执行单元，所述第五执行单元用于根据所述驾驶特征信息，提取第一预设周期的第一驾驶特征信息；

第六执行单元，所述第六执行单元用于将所述第一驾驶特征信息作为偏离度检测的样本数据，将数据稳定系数作为偏离度检测的第一维度，将数据完整系数作为偏离度检测的第二维度；

第八获得单元，所述第八获得单元用于根据所述第一维度和所述第二维度，获得第一偏离检测结果；

第二生成单元，所述第二生成单元用于根据所述第一偏离检测结果，生成所述偏离度数据集。

进一步的，所述系统包括：

第三生成单元，所述第三生成单元用于根据所述驾驶特征信息中的所述第二识别部位特征对所述第一驾驶用户进行身份识别，生成第一身份标识码，其中，所述第一身份标识码为用户身份识别唯一ID信息；

第四生成单元，所述第四生成单元用于根据所述第一身份标识码对所述第一驾驶特征分布模型进行标记转换，生成第一模型标识码，其中，所述第一身份标识码和所述第一模型标识码相对应；

第七执行单元，所述第七执行单元用于根据所述第一身份标识码和所述第一模型标识码进行权限管理。

进一步的，所述系统包括：

第九获得单元，所述第九获得单元用于基于所述智能摄像头对所述第一驾驶用户进行身份验证，若所述第一驾驶用户身份验证通过，获得所述第一驾驶用户的实时驾驶车辆信息；

第一判断单元，所述第一判断单元用于根据所述实时驾驶车辆信息，判断所述实时驾驶车辆信息的车型与所述第一驾驶车辆信息的车型是否一致；

第十获得单元，所述第十获得单元用于若所述实时驾驶车辆信息的车型与所述第一驾驶车辆信息的车型不一致，将所述实时驾驶车辆信息作为第二驾驶车辆的信息进行分析，获得第二分析结果。

进一步的，所述系统包括：

第十一获得单元，所述第十一获得单元用于若所述第一驾驶用户身份验证通过，获得第一接入指令；

第八执行单元，所述第八执行单元用于根据所述第一接入指令，在所述第二驾驶车辆中接入所述第一驾驶特征分布模型；

第十二获得单元，所述第十二获得单元用于根据所述智能摄像头采集所述第一驾驶用户在所述第二驾驶车辆的驾驶数据，获得第二采集数据信息；

第五生成单元，所述第五生成单元用于将所述第二采集数据信息作为新增数据对所述第一驾驶特征分布模型进行增量学习，生成第二驾驶特征分布模型；

第十三获得单元，所述第十三获得单元用于根据所述第二驾驶车辆的车型，获得第二识别要素模板信息；

第十四获得单元，所述第十四获得单元用于根据所述第二驾驶特征分布模型和所述第二识别要素模板信息，获得所述第二分析结果。

示例性电子设备

下面参考图6来描述本申请实施例的电子设备。

基于与前述实施例中一种基于物联网的汽车数据采集分析处理方法相同的发明构思，本申请实施例还提供了一种基于物联网的汽车数据采集分析处理系统，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使得系统以执行第一方面任一项所述的方法。

该电子设备300包括：处理器302、通信接口303、存储器301。可选的，电子设备300还可以包括总线架构304。其中，通信接口303、处理器302以及存储器301可以通过总线架构304相互连接；总线架构304可以是外设部件互连标(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry Standardarchitecture，简称EISA)总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

处理器302可以是一个CPU，微处理器，ASIC，或一个或多个用于控制本申请方案程序执行的集成电路。

通信接口303，使用任何收发器一类的装置，用于与其他设备或通信网络通信，如以太网，无线接入网(radio access network，RAN),无线局域网(wireless local areanetworks，WLAN)，有线接入网等。

存储器301可以是ROM或可存储静态信息和指令的其他类型的静态存储设备，RAM或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable Programmable read-only memory，EEPROM)、只读光盘(compactdisc read-only memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。

其中，存储器301用于存储执行本申请方案的计算机执行指令，并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令，从而实现本申请上述实施例提供的一种基于物联网的汽车数据采集分析处理方法。

可选的，本申请实施例中的计算机执行指令也可以称之为应用程序代码，本申请实施例对此不作具体限定。

本申请实施例提供了一种基于物联网的汽车数据采集分析处理方法，其中，所述方法包括：对第一驾驶用户进行驾驶数据采集，获得第一采集数据信息；通过特征识别技术获得驾驶特征信息，通过驾驶特征信息进行分布式模型训练，构建第一驾驶特征分布模型；采集第一驾驶用户的第一驾驶车辆信息；基于物联网，上传第一驾驶车辆信息，获得同类型车辆的第一识别要素模板信息；基于第一识别要素模板信息和第一驾驶特征分布模型，获得第一分析结果，从而对所述第一驾驶用户进行及时提醒。

本领域普通技术人员可以理解：本申请中涉及的第一、第二等各种数字编号仅为描述方便进行的区分，并不用来限制本申请实施例的范围，也不表示先后顺序。“和/或”，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。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a ,b,或c中的至少一项(个、种)，可以表示：a,b,c,a-b,a-c,b-c,或a-b-c，其中a,b,c可以是单个，也可以是多个。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(Solid State Disk，SSD))等。

本申请实施例中所描述的各种说明性的逻辑单元和电路可以通过通用处理器，数字信号处理器，专用集成电路(ASIC)，现场可编程门阵列(FPGA)或其它可编程逻辑装置，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。

本申请实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中，ASIC可以设置于终端中。可选地，处理器和存储媒介也可以设置于终端中的不同的部件中。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。

尽管结合具体特征及其实施例对本申请进行了描述，显而易见的，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。

Claims (9)

1.一种基于物联网的汽车数据采集分析处理方法，其特征在于，所述方法应用一种汽车驾驶数据采集系统，所述系统与一智能摄像头通信连接，所述方法包括：

根据所述智能摄像头对第一驾驶用户进行驾驶数据采集，获得第一采集数据信息；

通过对所述第一采集数据信息进行特征识别，获得驾驶特征信息，其中，所述驾驶特征信息包括第一识别部位特征和第二识别部位特征，所述第一识别部位特征为手部特征，所述第二识别部位特征为面部特征；

通过对所述驾驶特征信息进行分布式模型训练，构建第一驾驶特征分布模型；

获得所述第一驾驶用户的第一驾驶车辆信息；

基于物联网，将所述第一驾驶车辆信息进行上传，获得类比驾驶车辆类型的第一识别要素模板信息；

基于所述第一识别要素模板信息和所述第一驾驶特征分布模型，确定第一分析结果，其中，所述第一分析结果为适配可调节信息；

根据所述适配可调节信息对所述第一驾驶用户进行提醒。

2.如权利要求1所述的方法，其特征在于，所述基于物联网，将所述第一驾驶车辆信息进行上传，获得类比驾驶车辆类型的第一识别要素模板信息，所述方法还包括：

根据所述第一驾驶车辆信息，获得第一驾驶车型；

根据所述第一驾驶车型，对物联网信息中相同类型的驾驶车辆信息进行数据采集，获得车况场景数据和驾驶控制数据；

根据所述车况场景数据和所述驾驶控制数据，分别构建横向识别要素和纵向识别要素；

根据所述横向识别要素和纵向识别要素，构建识别要素矩阵；

根据所述识别要素矩阵，生成所述第一识别要素模板信息。

3.如权利要求1所述的方法，其特征在于，所述通过对所述第一采集数据信息进行特征识别，获得驾驶特征信息之后，所述方法还包括：

通过对所述驾驶特征信息进行特征偏离度检测，获得偏离度数据集，其中，所述驾驶特征信息中的每一个特征数据与所述偏离度数据集一一对应；

根据所述偏离度数据集中的数据大小，确定第一剔除特征信息，其中，所述第一剔除特征信息为偏离度大于预设偏离度的特征信息；

将第一剔除特征信息从所述驾驶特征信息中进行剔除。

4.如权利要求3所述的方法，其特征在于，所述方法还包括：

根据所述驾驶特征信息，提取第一预设周期的第一驾驶特征信息；

将所述第一驾驶特征信息作为偏离度检测的样本数据，将数据稳定系数作为偏离度检测的第一维度，将数据完整系数作为偏离度检测的第二维度；

根据所述第一维度和所述第二维度，获得第一偏离检测结果；

根据所述第一偏离检测结果，生成所述偏离度数据集。

5.如权利要求1所述的方法，其特征在于，所述获得所述第一驾驶用户的第一驾驶车辆信息，所述方法还包括：

根据所述驾驶特征信息中的所述第二识别部位特征对所述第一驾驶用户进行身份识别，生成第一身份标识码，其中，所述第一身份标识码为用户身份识别唯一ID信息；

根据所述第一身份标识码对所述第一驾驶特征分布模型进行标记转换，生成第一模型标识码，其中，所述第一身份标识码和所述第一模型标识码相对应；

根据所述第一身份标识码和所述第一模型标识码进行权限管理。

6.如权利要求5所述的方法，其特征在于，所述方法还包括：

基于所述智能摄像头对所述第一驾驶用户进行身份验证，若所述第一驾驶用户身份验证通过，获得所述第一驾驶用户的实时驾驶车辆信息；

根据所述实时驾驶车辆信息，判断所述实时驾驶车辆信息的车型与所述第一驾驶车辆信息的车型是否一致；

若所述实时驾驶车辆信息的车型与所述第一驾驶车辆信息的车型不一致，将所述实时驾驶车辆信息作为第二驾驶车辆的信息进行分析，获得第二分析结果。

7.如权利要求6所述的方法，其特征在于，所述方法还包括：

若所述第一驾驶用户身份验证通过，获得第一接入指令；

根据所述第一接入指令，在所述第二驾驶车辆中接入所述第一驾驶特征分布模型；

根据所述智能摄像头采集所述第一驾驶用户在所述第二驾驶车辆的驾驶数据，获得第二采集数据信息；

将所述第二采集数据信息作为新增数据对所述第一驾驶特征分布模型进行增量学习，生成第二驾驶特征分布模型；

根据所述第二驾驶车辆的车型，获得第二识别要素模板信息；

根据所述第二驾驶特征分布模型和所述第二识别要素模板信息，获得所述第二分析结果。

8.一种基于物联网的汽车数据采集分析处理系统，其特征在于，所述系统包括：

第一获得单元，所述第一获得单元用于根据智能摄像头对第一驾驶用户进行驾驶数据采集，获得第一采集数据信息；

第二获得单元，所述第二获得单元用于通过对所述第一采集数据信息进行特征识别，获得驾驶特征信息，其中，所述驾驶特征信息包括第一识别部位特征和第二识别部位特征，所述第一识别部位特征为手部特征，所述第二识别部位特征为面部特征；

第一构建单元，所述第一构建单元用于通过对所述驾驶特征信息进行分布式模型训练，构建第一驾驶特征分布模型；

第三获得单元，所述第三获得单元用于获得所述第一驾驶用户的第一驾驶车辆信息；

第四获得单元，所述第四获得单元用于基于物联网，将所述第一驾驶车辆信息进行上传，获得类比驾驶车辆类型的第一识别要素模板信息；

第一执行单元，所述第一执行单元用于基于所述第一识别要素模板信息和所述第一驾驶特征分布模型，确定第一分析结果，其中，所述第一分析结果为适配可调节信息；

第二执行单元，所述第二执行单元用于根据所述适配可调节信息对所述第一驾驶用户进行提醒。

9.一种基于物联网的汽车数据采集分析处理电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。

Images