[发明专利]一种身份识别的方法及装置

权利要求书

1.一种身份识别的方法，其特征在于，包括：

获取第一车辆运行状态数据，其中，所述第一车辆运行状态数据包含表征第一车辆的运行状态的各个参数；

对所述各个参数进行参数统计分析，筛选出至少一个特征参数，其中，所述特征参数用于在第一车辆当前的运行状态下描述驾驶员的驾驶行为特征；

基于所述至少一个特征参数，按照预设身份识别规则，确定第一车辆的驾驶员的身份；

在获取第一车辆运行状态数据之前，进一步包括：获取各个驾驶员的历史车辆运行状态数据；

对所述各个参数进行参数统计分析，筛选出至少一个特征参数，具体包括：

获取各个驾驶员的历史车辆运行状态数据包含的各个参数，以及所述第一车辆运行状态数据包含的各个参数；针对所述各个参数中的每一个参数，分别计算相应的特征比例，其中，一个参数的特征比例与各个驾驶员对应的所述一个参数的均值的方差正相关，与所述第一车辆的驾驶员对应的所述一个参数的方差的均值负相关；筛选出特征比例的取值最大的至少一个参数为特征参数。

2.如权利要求1所述的方法，其特征在于，在获取第一车辆运行状态数据之前，进一步包括：

采用高斯混合模型，分别对每一个驾驶员的历史车辆运行状态数据进行训练，建立并存储每一个驾驶员的驾驶行为模型；

根据各个驾驶行为模型，建立身份识别规则。

3.如权利要求2所述的方法，其特征在于，所述各个参数包括以下参数中的任意一种或组合：

车辆位置，车辆速度，车辆加速度，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。

4.如权利要求2或3所述的方法，其特征在于，基于所述至少一个特征参数，按照预设身份识别规则，确定第一车辆的驾驶员的身份，具体包括：

对所述至少一个特征参数进行频域特征提取，获得相应的特征向量；

获取存储的各个驾驶员的驾驶行为模型，并采用贝叶斯理论，基于每一个驾驶员的驾驶行为模型以及所述相应的特征向量，分别获得每一个驾驶员相应的驾驶行为分布概率；

确定所述驾驶行为分布概率的取值最大的驾驶员为所述第一车辆的驾驶员。

5.一种身份识别的装置，其特征在于，包括：

获取单元，用于获取第一车辆运行状态数据，其中，所述第一车辆运行状态数据包含表征第一车辆的运行状态的各个参数；

筛选单元，用于对所述各个参数进行参数统计分析，筛选出至少一个特征参数，其中，所述特征参数用于在第一车辆当前的运行状态下描述驾驶员的驾驶行为特征；

确定单元，用于基于所述至少一个特征参数，按照预设身份识别规则，确定第一车辆的驾驶员的身份；

所述获取单元还用于：获取各个驾驶员的历史车辆运行状态数据；

所述筛选单元具体用于：获取各个驾驶员的历史车辆运行状态数据包含的各个参数，以及所述第一车辆运行状态数据包含的各个参数；针对所述各个参数中的每一个参数，分别计算相应的特征比例，其中，一个参数的特征比例与各个驾驶员对应的所述一个参数的均值的方差正相关，与所述第一车辆的驾驶员对应的所述一个参数的方差的均值负相关；筛选出特征比例的取值最大的至少一个参数为特征参数。

6.如权利要求5所述的装置，其特征在于，在获取第一车辆运行状态数据之前，所述获取单元还用于：

采用高斯混合模型，分别对每一个驾驶员的历史车辆运行状态数据进行训练，建立并存储每一个驾驶员的驾驶行为模型；

根据各个驾驶行为模型，建立身份识别规则。

7.如权利要求6所述的装置，其特征在于，所述各个参数包括以下参数中的任意一种或组合：

车辆位置，车辆速度，车辆加速度，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。

8.如权利要求6或7所述的装置，其特征在于，基于所述至少一个特征参数，按照预设身份识别规则，确定第一车辆的驾驶员的身份时，所述确定单元具体用于：

对所述至少一个特征参数进行频域特征提取，获得相应的特征向量；

获取存储的各个驾驶员的驾驶行为模型，并采用贝叶斯理论，基于每一个驾驶员的驾驶行为模型以及所述相应的特征向量，分别获得每一个驾驶员相应的驾驶行为分布概率；

确定所述驾驶行为分布概率的取值最大的驾驶员为所述第一车辆的驾驶员。