国产自产21区,亚洲97,免费毛片网,国产啪视频,青青青国产在线观看,国产毛片一区二区三区精品

基于智能終端的司機識別方法和裝置制造方法
【專利摘要】本發明公開了一種基于智能終端的司機識別方法和裝置。所述方法包括：刷新水平方向合加速度數組和重力方向加速度數組，對刷新后的水平方向合加速度數組和重力方向加速度數組進行數據處理，將處理結果與預存的上車特征圖樣組進行比對，判斷智能終端攜帶者是否有上車的行為；刷新陀螺儀數組，根據刷新后的陀螺儀數組，確定智能終端攜帶者位于車內的左邊或右邊；刷新重力方向加速度數組，對刷新后的重力方向加速度數組進行數據處理，將處理結果與預存的前后座特征圖樣組進行比對，確定智能終端攜帶者位于車內的前座或后座；判斷智能終端攜帶者是否為司機。本發明僅依靠智能終端即可識別智能終端使用者是否為司機，系統復雜度低，準確度高。
【專利說明】基于智能終端的司機識別方法和裝置
【技術領域】
[0001]本發明涉及傳感器技術和信息處理【技術領域】，尤其涉及一種基于智能終端的司機識別方法和裝置。
【背景技術】
[0002]最近一項研究表明，在美國，邊發信息邊開車時的出車禍風險是正常開車時的23.2倍。因此，在美國已經有超過30個州明令禁止在開車時候使用手機，包括接聽電話和收發短信。同樣的，這種由使用手機造成的車禍風險在全世界都具有普遍性。因此，這種嚴重的安全問題已經引起了很多關于檢測和防止在開車途中使用智能手機接聽電話和收發短信的行為研究，并且已經提出了一些可行的方案。
[0003](I)通過智能手機和可穿戴設備(例如，可穿戴頭戴攝像頭)相結合的方法實時監控司機的注意力。類似的技術還包括使用人機交互設備來融合聲音信息和車道數據來檢測司機的實時狀態，或者在擋風玻璃上安裝攝像頭來監控司機的駕駛行為等方法。此類方法需要額外設備的輔助，并不僅僅依靠智能手機設備，大大限制了該類方法的實用性；
[0004](2)通過特定的技巧計算出智能手機所在的位置，進而判斷智能手機使用者的身份。例如，通過手機來控制車輛內置音箱發出聲音，并且通過計算時間差來判斷手機位置，該類方法不僅需要改造車輛，并且還需要車輛具備特定的藍牙功能；
[0005](3)通過手機的內置傳感器來判斷當前用戶是否在行駛車輛內，該類方法需要云端服務器和周圍手機傳感器信息進行比較，區分前后座，大大增加了系統復雜度。

【發明內容】

[0006]有鑒于此，本發明提供一種基于智能終端的司機識別方法和裝置，不需要任何額外的輔助設備，僅依靠智能終端即可識別智能終端使用者是否為司機，系統復雜度低，準確度高。
[0007]在第一方面，本發明實施例提供了一種基于智能終端的司機識別方法，包括:
[0008]步驟SI，刷新水平方向合加速度數組和重力方向加速度數組，對刷新后的水平方向合加速度數組和刷新后的重力方向加速度數組進行數據處理，將處理結果與預存的上車特征圖樣組進行比對，判斷智能終端攜帶者是否有上車的行為；若是，執行步驟S2，若否，返回步驟SI ；
[0009]步驟S2，刷新陀螺儀數組，根據刷新后的陀螺儀數組，確定智能終端攜帶者位于車內的左邊或者右邊；刷新重力方向加速度數組，對刷新后的重力方向加速度數組進行數據處理，將處理結果與預存的前后座特征圖樣組進行比對，確定智能終端攜帶者位于車內的前座或者后座；
[0010]步驟S3，根據步驟S2中的確定結果，判斷智能終端攜帶者是否為司機；
[0011]其中，所述刷新水平方向合加速度數組包括:實時計算所述智能終端在當前時刻地球坐標系中水平方向的合加速度值；以當前時刻的水平方向的合加速度值和此前計算得到的M個水平方向的合加速度值按照時間前后順序組成刷新后的水平方向合加速度數組，M為大于等于O的整數；
[0012]所述刷新重力方向加速度數組包括:實時計算所述智能終端在當前時刻地球坐標系中重力方向的加速度值；以當前時刻的重力方向的加速度值和此前計算得到的N個重力方向的加速度值按照時間前后順序組成刷新后的重力方向加速度數組，N為大于等于O的整數。
[0013]所述刷新陀螺儀數組包括:實時采集智能終端陀螺儀的測量數據；以當前時刻的陀螺儀測量數據和此前采集得到的P個陀螺儀測量數據按照時間前后順序組成刷新后的陀螺儀數組，P為大于等于O的整數。
[0014]在第一種可能的實現方式中，所述方法還包括，當判斷智能終端攜帶者為司機時，禁用所述智能終端的軟鍵盤。
[0015]進一步地，在所述步驟SI之前，所述方法還包括步驟SO:刷新水平方向合加速度數組和重力方向加速度數組，對刷新后的水平方向合加速度數組和刷新后的重力方向加速度數據進行數據處理，將處理結果與預存的走路特征圖樣組進行比對，判斷智能終端攜帶者是否有走路的行為；若是，執行步驟Si，若否，間隔預定的時間，返回步驟so。
[0016]進一步地，所述實時計算所述智能終端在當前時刻地球坐標系中水平方向的合加速度值以及實時計算所述智能終端在當前時刻地球坐標系中重力方向的加速度值包括:
[0017]以預定的頻率實時采集智能終端加速度傳感器、陀螺儀和磁場傳感器的測量數據；
[0018]計算所述智能終端相對于地球的空間姿態角；
[0019]根據計算得到的所述空間姿態角，將加速度傳感器在X軸、Y軸的測量數據，過濾掉重力方向加速度分量，獲取在地球坐標系中兩個水平方向加速度值；
[0020]將過濾后的所述兩個水平方向加速度值進行加速度融合，轉化為地球坐標系中水平方向的合加速度值；
[0021]根據加速度傳感器在X軸、Y軸和Z軸的測量數據，以及獲取的所述地球坐標系中兩個水平方向加速度值，計算地球坐標系中重力方向的加速度值。
[0022]在第二種可能的實現方式中，所述上車特征圖樣組的生成方法包括:
[0023]在智能終端攜帶者完成典型上車打為的過程中，實時米集智能終端加速度傳感器、陀螺儀和磁場傳感器的多組測量數據；
[0024]根據采集到的所述多組測量數據，計算在智能終端攜帶者完成典型上車行為的過程中，智能終端在地球坐標系中水平方向合加速度數組和重力方向加速度數組；
[0025]對所述合加速度數組和所述重力方向加速度數組進行數據處理，得到至少一個典型特征值，作為與所述典型上車行為對應的上車特征圖樣；
[0026]將所有典型上車行為對應的上車特征圖樣的合集，作為所述的上車特征圖樣組。
[0027]進一步地，所述對刷新后的水平方向合加速度數組和刷新后的重力方向加速度數組進行數據處理，將處理結果與預存的上車特征圖樣組進行比對，判斷智能終端攜帶者是否有上車的行為包括:
[0028]按照與所述上車特征圖樣中得到典型特征值相同的數據處理方法，對所述水平方向合加速度數組和所述重力方向加速度數組進行數據處理，得到相應的測試特征值，作為測試圖樣；
[0029]按照預定的算法，將所述測試圖樣中的測試特征值與所述上車特征圖樣組中的所有上車特征圖樣的典型特征值進行分類處理，計算所述測試圖樣符合每種上車特征圖樣的概率值；
[0030]在計算得到的所述概率值超過預定的閾值時，確定所述測試圖樣符合相應的上車特征圖樣，判斷智能終端攜帶者有上車的行為。
[0031]在第三種可能的實現方式中，所述步驟S2中，在所述的確定智能終端攜帶者位于車內的左邊或者右邊之后，還包括:根據左右邊的確定結果，更新司機身份權值；在所述的確定智能終端攜帶者位于車內的前座或者后座之后，還包括，根據前后座的確定結果，更新司機身份權值，其中，所述司機身份權值具有預定的初始值；
[0032]所述步驟S3進一步包括:
[0033]判斷所述司機身份權值是否大于預定的閾值，若是，判斷所述智能終端攜帶者為司機。
[0034]進一步地,所述步驟S2還包括:
[0035]判斷所述智能終端是否存在用戶行為異常，若是，更新所述司機身份權值。
[0036]進一步地,所述步驟S2還包括:
[0037]刷新磁場傳感器測量數組，根據刷新后的磁場傳感器測量數組，判斷智能終端周圍環境是否存在磁場異常，若是，更新所述司機身份權值。
[0038]其中，所述刷新磁場傳感器測量數組包括:實時采集智能終端磁場傳感器測量數據；以當前時刻的磁場傳感器測量數據和此前采集得到的Q個磁場傳感器測量數據按照時間前后順序組成刷新后的磁場傳感器數組，Q為大于等于O的整數。
[0039]在第二方面，本發明實施例提供了一種基于智能終端的司機識別裝置，包括:
[0040]水平方向合加速度數組刷新單元，用于實時計算所述智能終端在當前時刻地球坐標系中水平方向的合加速度值；以當前時刻的水平方向的合加速度值和此前計算得到的M個水平方向的合加速度值按照時間前后順序組成刷新后的水平方向合加速度數組，M為大于等于O的整數；
[0041]重力方向加速度數組刷新單元，用于實時計算所述智能終端在當前時刻地球坐標系中重力方向的加速度值；以當前時刻的重力方向的加速度值和此前計算得到的N個重力方向的加速度值按照時間前后順序組成刷新后的重力方向加速度數組，N為大于等于O的整數；
[0042]陀螺儀數組刷新單元，用于實時采集智能終端陀螺儀的測量數據；以當前時刻的陀螺儀測量數據和此前采集得到的P個陀螺儀測量數據按照時間前后順序組成刷新后的陀螺儀數組，P為大于等于O的整數。
[0043]上車判斷單元，用于調用水平方向合加速度數組刷新單元和重力方向加速度數組刷新單元，對刷新后的水平方向合加速度數組和刷新后的重力方向加速度數組進行數據處理，將處理結果與預存的上車特征圖樣組進行比對，判斷智能終端攜帶者是否有上車的行為；若是，觸發具體位置判斷單元，若否，觸發上車判斷單元；
[0044]具體位置判斷單元，用于調用陀螺儀數組刷新單元，根據刷新后的陀螺儀數組，確定智能終端攜帶者位于車內的左邊或者右邊；調用重力方向加速度數組刷新單元，對刷新后的重力方向加速度數組進行數據處理，將處理結果與預存的前后座特征圖樣組進行比對，確定智能終端攜帶者位于車內的前座或者后座；
[0045]司機確定單元，用于根據具體位置判斷單元的確定結果，判斷智能終端攜帶者是否為司機。
[0046]本發明實施例通過綜合利用智能終端中的各種運動傳感器，包括，加速度傳感器、陀螺儀和磁場傳感器，進行用戶行為的建模，將模型特征值與各種傳感器的測量值進行比對，實現了用戶動作的實時判斷，根據判斷結果，確定智能終端的攜帶者是否為司機。本實施例的技術方案不需要增加額外的輔助設備，僅依靠智能終端即可判斷智能終端使用者的身份是否為司機，識別過程中不需要用戶的干預，在用戶使用智能終端或者做相應的動作時即可進行實時的身份識別，系統復雜度低，準確度高，應用范圍不受平臺限制。
【專利附圖】

【附圖說明】
[0047]圖1是本發明第一實施例的基于智能終端的司機識別方法的流程圖；
[0048]圖2是本發明第二實施例的一種基于智能終端的司機識別方法的流程圖；
[0049]圖3是本發明第三實施例的一種基于智能終端的司機識別方法的流程圖；
[0050]圖4是本發明第四實施例的基于智能終端的司機識別裝置的結構圖。
【具體實施方式】
[0051]為了使本發明的目的、技術方案和優點更加清楚，下面結合附圖對本發明具體實施例作進一步的詳細描述。可以理解的是，此處所描述的具體實施例僅僅用于解釋本發明，而非對本發明的限定。另外還需要說明的是，為了便于描述，附圖中僅示出了與本發明相關的部分而非全部內容。
[0052]第一實施例
[0053]圖1是本發明第一實施例的基于智能終端的司機識別方法的流程圖。本實施例的方法可以由實現基于智能終端的司機識別裝置來執行，該裝置可通過硬件和/或軟件的方式實現，并集成于智能終端中。本實施例所使用的智能終端中至少包括三維加速度傳感器、三維陀螺儀和三維磁場傳感器。如圖1所示，所述方法包括:
[0054]步驟110，刷新水平方向合加速度數組和重力方向加速度數組，對刷新后的水平方向合加速度數組和刷新后的重力方向加速度數組進行數據處理，將處理結果與預存的上車特征圖樣組進行比對，判斷智能終端攜帶者是否有上車的行為；若是，執行步驟120，若否，返回步驟110。
[0055]在本實施例中，所述刷新水平方向合加速度數組具體包括:
[0056](I)實時計算所述智能終端在當前時刻地球坐標系中水平方向的合加速度值。
[0057]在本實施例中，智能終端根據內部的加速度傳感器、陀螺儀和磁場傳感器的實時測量數據，計算智能終端在當前時刻地球坐標系中水平方向的合加速度值。
[0058]舉例而言，可以獲取加速度傳感器測量的X方向和Y方向的加速度，將X方向和Y方向的加速度矢量運算的結果，作為地球坐標系中水平方向的合加速度值；或者
[0059]通過綜合考慮磁場傳感器和陀螺儀在三個方向的測量值，確定智能終端的空間姿態角，根據該空間姿態角，將加速度傳感器測量的X方向和Y方向的加速度濾掉其中重力方向加速度分量，得到更為準確的地球坐標系中水平方向的兩個加速度分量后，計算地球坐標系中水平方向的合加速度值。
[0060](2)以當前時刻的水平方向的合加速度值和此前計算得到的M個水平方向的合加速度值按照時間前后順序組成刷新后的水平方向合加速度數組，其中，M為大于等于O的整數。
[0061]在本實施例中，智能終端按照預定的頻率，實時采集內部的加速度傳感器、陀螺儀和磁場傳感器的測量數據并實時存儲，例如:將預定頻率設為100Hz，也就是每秒采集100點的測量數據，用于在每個點獲得一個水平方向的合加速度值。其中，將預定時間段內的多個測量數據組成一組，計算相應的多個合加速度值，并將根據上述預定時間內的測量值計算得到的多個合加速度值，組成水平方向合加速度數組。
[0062]作為示例而非限定，將上述預定時間設為4.5s，假設當前時刻為Tl(單位為秒)，將T1-4.5?Tl時間段內的測量數據組成一組，例如，450個時間點測量數據，根據這450個時間點的測量數據計算相應的450個水平方向的合加速度值，并且按照時間順序(從前到后或者從后到前)，組成水平方向合加速度數組。
[0063]其中，上述合加速度值可以為標量或者矢量。
[0064]當然，本領域技術人員可以理解，對上述預定時間的取值可以根據實際情況進行預設，例如，綜合考慮采樣頻率和智能終端的處理速度后對預定時間進行設置，對此并不限定。
[0065]在本實施例中，所述刷新重力方向加速度數組具體包括:
[0066](I)實時計算所述智能終端在當前時刻地球坐標系中重力方向的加速度值。
[0067]在本實施例的一種優選的實施方式中，可以根據加速度傳感器在X軸、Y軸和Z軸的測量數據，以及獲取的所述地球坐標系中兩個水平方向加速度值，計算地球坐標系中重力方向的加速度值。
[0068](2)以當前時刻的重力方向的加速度值和此前計算得到的N個重力方向的加速度值按照時間前后順序組成刷新后的重力方向加速度數組，其中，N為大于等于O的整數。
[0069]在本實施例中，獲取重力方向加速度數組的方式與獲取水平方向合加速度數組的方式相同，這里不再贅述。
[0070]在本實施例中，智能終端對水平合加速度數組中的M+1個合加速度值和重力方向加速度數組中的N+1個重力方向加速度值進行數據處理，將數據處理得到的數值、數組或者矩陣，與智能終端自身預存的上車特征圖樣組進行比對，當滿足預定的閾值條件時，判斷智能終端攜帶者有上車的行為。
[0071]在本實施例中，上車特征圖樣組包括至少一個上車特征圖樣的合集，其中，上車特征圖樣為，對智能終端在一個典型上車行為過程中計算得到的多個水平方向的合加速度值和多個重力方向的加速度值進行數據處理后構成的一組典型值，其中，上述典型上車行為包括:
[0072]智能終端屏幕朝內置于左邊口袋(上邊或下邊)，智能終端攜帶者從左邊上車得到的一組典型值；
[0073]智能終端屏幕朝外置于左邊口袋(上邊或下邊)，智能終端攜帶者從左邊上車得到的一組典型值；[0074]智能終端屏幕朝內置于右邊口袋(上邊或下邊)，智能終端攜帶者從左邊上車得到的一組典型值；
[0075]智能終端屏幕朝外置于右邊口袋(上邊或下邊)，智能終端攜帶者從左邊上車得到的一組典型值；
[0076]智能終端屏幕朝內置于左邊口袋(上邊或下邊)，智能終端攜帶者從右邊上車得到的一組典型值；
[0077]智能終端屏幕朝外置于左邊口袋(上邊或下邊)，智能終端攜帶者從右邊上車得到的一組典型值；
[0078]智能終端屏幕朝內置于右邊口袋(上邊或下邊)，智能終端攜帶者從右邊上車得到的一組典型值；
[0079]智能終端屏幕朝外置于右邊口袋(上邊或下邊)，智能終端攜帶者從右邊上車得到的一組典型值等。
[0080]其中，可以通過分別將該M+1個水平方向的合加速度值和N+1個重力方向的加速度值進行噪聲過濾后，直接與一組預存的M+1個典型值和一組預存的N+1個典型值進行比對；或者
[0081]可以計算該M+1個水平方向的合加速度值的數字特征，例如，均值、標準差、分段均值或者分段標準差的等，將相應的計算結果與預存的對應的典型值進行比對；以及
[0082]計算該N+1個重力方向的加速度值的數字特征，例如，均值、標準差、分段均值或者分段標準差的等，將相應的計算結果與預存的對應的典型值進行比對等
[0083]其中，進行比對的方式可以為相關運算、求取均方差、計算概率等方式，對此并不限定。
[0084]在本實施例的一個優選的實施方式中，在執行步驟110之前，所述方法還包括，判斷智能終端攜帶者是否有走路行為的步驟(未示出)，所述步驟包括:
[0085]刷新水平方向合加速度數組和重力方向加速度數組，對刷新后的水平方向合加速度數組和刷新后的重力方向加速度數組進行數據處理，將處理結果與預存的走路特征圖樣組進行比對，判斷智能終端攜帶者是否有走路的行為；若是，執行步驟110，若否，間隔預定的時間，返回本步驟。
[0086]步驟120，刷新陀螺儀數組，根據刷新后的陀螺儀數組，確定智能終端攜帶者位于車內的左邊或者右邊；刷新重力方向加速度數組，對刷新后的重力方向加速度數組進行數據處理，將處理結果與預存的前后座特征圖樣組進行比對，確定智能終端攜帶者位于車內的前座或者后座。
[0087]在本實施例中，根據刷新后的陀螺儀數組，確定智能終端攜帶者位于車內的左邊或者右邊具體為:
[0088]根據智能終端陀螺儀在Pitch (前后傾斜)軸以及Roll (左右傾斜)軸上的測試數據的變換趨勢，確定智能終端攜帶者身體的轉動趨勢，進而確定智能終端攜帶者位于車內的左邊或者右邊。
[0089]具體的，當判斷智能終端攜帶者的身體向左轉動時，確定智能終端攜帶者位于車內的右側；當判斷智能終端攜帶者的身體向右轉動時，確定智能終端攜帶者位于車內的左側。[0090]在本實施例中，前后座特征圖樣為在典型前后座行為中，對計算得到的多個重力方向的加速度值進行數據處理后構成的一組的典型值，其中，典型前后座行為包括:
[0091]智能終端攜帶者位于車內前座時，汽車通過減速帶時獲取的典型值；
[0092]智能終端攜帶者位于車內后座時，汽車通過減速帶時獲取的典型值；
[0093]智能終端攜帶者位于車內前座時，汽車通過小坑時獲取的典型值；
[0094]智能終端攜帶者位于車內后座時，汽車通過小坑時獲取的典型值。
[0095]步驟130，根據步驟120中的確定結果，判斷智能終端攜帶者是否為司機。
[0096]在本實施例中，根據步驟120中的確定結果，判斷智能終端攜帶者是否為司機的方式可以為:
[0097](I)在司機位置位于前座左側時，當步驟120確定智能終端攜帶者位于車內左側，位于前座時，判斷智能終端攜帶者為司機；在司機位置位于前座右側時，當步驟120確定智能終端攜帶者位于車內右側、位于前座時，判斷智能終端攜帶者為司機。
[0098](2)在智能終端中預存有一個司機身份權值，司機身份識別開始時，該司機身份權值被初始化為一個預定值，例如，O。
[0099]在步驟120中根據司機位置的不同判斷結果，對所述司機身份權值進行不同的加權處理，當該司機身份權值大于預定的閾值時，判斷智能終端攜帶者為司機。
[0100]在本實施例的一個優選的實施方式中，當判斷智能終端攜帶者為司機時，禁用所述智能終端的軟鍵盤。
[0101]在本實施例的一個優選的實施方式中，實時計算智能終端在當前時刻地球坐標系中水平方向的合加速度值以及實時計算所述智能終端在當前時刻地球坐標系中重力方向的加速度值可以為:
[0102](I)以預定的頻率實時采集智能終端加速度傳感器、陀螺儀和磁場傳感器的測量數據。
[0103]舉例而言，智能終端實時采集的加速度傳感器的測量數據為三維加速度值[ax，ay，az]，陀螺儀的測量數據為三維角速度值[ωχ，coy，ω J，磁場傳感器的測量數據為三維磁場值[dx, dy, dj。
[0104](2)根據磁場傳感器和陀螺儀的測量數據，計算所述智能終端相對于地球的空間姿態角。
[0105]在本實施例的一種優選的實施方式中，可以通過獲取t時刻的陀螺儀值[ωχ，Qy,ωζ]。陀螺儀值ω即為手機繞空間坐標系三個坐標軸[X，y, ζ]的角速度值。根據四階龍格庫塔法對下一時間t+T的空間姿態進行解算，計算t+T時刻的四元數Q (t+T)。
[0106]根據磁場傳感器在t時刻測量數據為三維磁場值[dx，dy，dz]，對四元數Q (t+T)進行校準，計算得到更為準確的四元數Q’(t+T)，根據空間四元數可以算出手機任意時刻的空
間姿態角[P U F]，其中:P為航向角，θ為傾斜角，V為俯仰角。
[0107]當坐標系確定時，四元數與智能終端在三維空間的空間姿態是一一對應的，而空間指向也與空間姿態對應，至此，即可獲取智能終端的空間姿態。
[0108](3)根據計算得到的所述空間姿態角，將加速度傳感器在X軸、Y軸的測量數據，過濾掉重力方向加速度分量，獲取在地球坐標系中兩個水平方向加速度值。
[0109]在本實施例中，根據計算得到的智能終端的空間姿態角，可以將當前時刻加速度傳感器測量的三維加速度值[ax，ay，aj中的\和\ (智能終端在長邊方向和短邊方向的加速度)的值，通過坐標轉換，轉換成地球坐標系中正北方向的加速度a’，和正西方向的加
速度a’ yo
[0110](4)將過濾后的所述兩個水平方向加速度值進行加速度融合，轉化為地球坐標系中水平方向的合加速度值。
[0111]在本實施例中，根據計算得到的地球坐標系中正北方向的加速度a’ x和正西方向的加速度a’ y，計算地球坐標系中水平方向的合加速度值A，其中A =」(cT'f +(a，。:。
[0112](5)根據加速度傳感器在X軸、Y軸和Z軸的測量數據，以及獲取的所述地球坐標系中兩個水平方向加速度值，計算地球坐標系中重力方向的加速度值。
[0113]具體的，當加速度傳感器的三維加速度值[ax，ay，az]已知，地球坐標系中正北方向的加速度值a’ x和正西方向的加速度值a’ y已求，根據現有技術，很容易求解出地球坐標系中重力方向的加速度值a’ z。
[0114]本發明實施例通過綜合利用智能終端中的各種運動傳感器，包括，加速度傳感器、陀螺儀和磁場傳感器，進行用戶行為的建模，將模型特征值與各種傳感器的測量值進行比對，實現了用戶動作的實時判斷，根據判斷結果，確定智能終端的攜帶者是否為司機。本實施例的技術方案不需要增加額外的輔助設備，僅依靠智能終端即可判斷智能終端使用者的身份是否為司機，識別過程中不需要用戶的干預，在用戶使用智能終端或者做相應的動作時即可進行實時的身份識別，系統復雜度低，準確度高，應用范圍不受平臺限制。
[0115]第二實施例
[0116]本實施例以上述實施例為基礎進行優化，在第一實施例中，智能終端需要隨時計算地球坐標系中水平方向的合加速度值，對智能終端內存的消耗大、系統耗電快，在本實施例中，考慮到用戶需要走路到停放車子的位置，才會進行上車的行為，增加了檢測用戶走路行為的步驟，智能終端每隔一段時間判斷智能終端攜帶者是否有走路的行為:若是，繼續進行接下來的檢測和計算，否則，間隔一段時間重新進行走路行為的判斷。
[0117]圖2是本發明第二實施例的一種基于智能終端的司機識別方法的流程圖。如圖2所示，所述方法包括:
[0118]步驟210、間隔預定的一段時間。
[0119]在本實施例中，當判斷智能終端攜帶者沒有走路行為時，智能終端休眠一段預定的時間后，重新判斷智能終端攜帶者是否有走路的行為，作為示例而非限定，可以將上述預定的一段時間設置為5分鐘、10分鐘、15分鐘等，對此并不限定。
[0120]步驟220、刷新水平方向合加速度數組和重力方向加速度數組，對刷新后的合加速度數組和刷新后的重力方向加速度數組進行數據處理，將處理結果與預存的走路特征圖樣組進行比對，判斷智能終端攜帶者是否有走路的行為:若是，執行步驟230 ;否則，返回步驟210。
[0121]在本實施例中，預存的走路特征圖樣的獲取方法包括:
[0122]( I)在智能終端攜帶者完成典型走路彳丁為的過程中，實時米集智能終端加速度傳感器、陀螺儀和磁場傳感器的多組測量數據。
[0123]其中，典型走路行為包括:[0124]將智能終端置于上邊口袋(左邊或者右邊)的走路行為；或者
[0125]將智能終端置于下邊口袋(左邊或者右邊)的走路行為；或者
[0126]手持智能終端的走路行為。
[0127](2)根據采集到的所述多組測量數據，計算在智能終端攜帶者完成典型走路行為的過程中，智能終端在地球坐標系中水平方向合加速度數組和重力方向的加速度數組。
[0128]在本實施例中，分別計算在不同典型走路行為時，智能終端在地球坐標系中水平方向合加速度數組和重力方向加速度數組，其中，可以通過多次計算取平均值的方式得到每一種典型走路行為的水平方向合加速度數組和重力方向加速度數組。
[0129](3)對所述水平方向合加速度數組和所述重力方向加速度數組進行數據處理，得到至少一個典型特征值，作為與所述典型走路行為對應的走路特征圖樣。
[0130]在本實施例中，對每一個典型走路行為的合加速度數組和重力方向加速度數組進行數據處理，舉例而言，根據智能終端置于右邊口袋的走路行為計算得到的水平方向合加速度數組和重力方向加速度數組，分別求取整體均值、整體標準差、分段均值(預定個數的加速度值為一段)和分段標準差，將上述八種處理結果構成的八個典型特征值，作為與將智能終端置于右邊口袋的走路行為對應的走路特征圖樣。
[0131](4)將所有典型走路行為對應的走路特征圖樣的合集，作為所述的走路特征圖樣組。
[0132]在本實施例中，對刷新后的水平方向合加速度數組和刷新后的重力方向加速度數組進行數據處理，將處理結果與預存的走路特征圖樣組進行比對，判斷智能終端攜帶者是否有走路的行為包括:
[0133](I)按照與所述走路特征圖樣中得到典型特征值相同的數據處理方法，對水平方向合加速度數組和重力方向加速度數組進行數據處理，得到相應的測試特征值，作為測試圖樣。
[0134]在本實施例的一種優選的實施方式中，為了降低噪聲對測量數據的影響，首先將計算得到的水平方向合加速度數組和重力方向加速度數組進行離散余弦變換，優選的，按照滑動窗口的方式，濾除噪聲后，對離散余弦變換后的水平方向合加速度數組和重力方向加速度數組進行處理。
[0135](2)按照預定的算法，將所述測試圖樣中的測試特征值與所述走路特征圖樣組中的所有走路特征圖樣的典型特征值進行分類處理，計算所述測試圖樣符合每個走路特征圖樣的概率值。
[0136]在本實施例中，可以通過數據挖掘算法，優選的，貝葉斯分類器算法，計算所述測試圖樣符合每個走路特征圖樣的概率值。
[0137](3)在計算得到的所述概率值超過預定的閾值時，確定所述測試圖樣符合相應的走路特征圖樣，判斷智能終端攜帶者有走路的行為。
[0138]步驟230、刷新水平方向合加速度數組和重力方向加速度數組，對刷新后的水平方向合加速度數組和刷新后的重力方向加速度數組進行數據處理，將處理結果與預存的上車特征圖樣組進行比對，判斷智能終端攜帶者是否有上車的行為:若是，執行步驟240 ;否則，返回步驟210。
[0139]在本實施例中，判斷智能終端攜帶者是否有上車的行為與步驟220中判斷智能終端攜帶者是否有走路的行為的處理方法相同，唯一的區別是將測試圖樣與預存的上車特征圖樣進行比對，這里不再贅述。
[0140]步驟240、刷新陀螺儀數組，根據刷新后的陀螺儀數組，確定終端攜帶者位于車內的左邊或右邊；刷新重力方向加速度數組，對刷新后的重力方向加速度數組進行數據處理，將處理結果與預存的前后座特征圖樣組進行比對，確定終端攜帶者位于車內的前座或后座。
[0141]在本實施例中，確定智能終端攜帶者位于車內的左邊或右邊的步驟與步驟120中確定智能終端攜帶者位于車內的左邊或右邊的步驟相同，這里不再贅述。
[0142]確定智能終端攜帶者位于車內的前座或后座的步驟與步驟220中判斷智能終端攜帶者是否有走路的行為的處理方法相同，唯一的區別是將測試圖樣與預存的前后座特征圖樣進行比對，這里不再贅述。
[0143]步驟250、根據步驟240中的確定結果，判斷智能終端攜帶者是否為司機:若是，執行步驟260，否則，返回步驟210。
[0144]在本實施例中，步驟250與第一實施例的步驟130相同，這里不再贅述。
[0145]步驟260、禁用該智能終端的軟鍵盤。
[0146]通過研究表明，開車途中使用手機造成的車禍，很大程度上都是由于司機在行駛過程中進行鍵盤輸入造成的，也就是說，鍵盤輸入造成的車禍風險最大。
[0147]在本實施例中，當判斷智能終端的攜帶者為司機后，通過禁用軟鍵盤的方式，降低車禍危險。
[0148]當然，本領域技術人員可以理解，當確定智能終端的攜帶者為司機之后，還可以采用其他的處理方式，降低車禍風險，例如:輸出報警信息、禁用手機部分功能等方式，對比并不限定。
[0149]本發明實施例通過綜合利用智能終端中的各種運動傳感器，包括，加速度傳感器、陀螺儀和磁場傳感器，進行用戶行為的建模，將模型特征值與各種傳感器的測量值進行比對，實現了用戶動作的實時判斷，根據判斷結果，確定智能終端的攜帶者是否為司機。本實施例的技術方案不需要增加額外的輔助設備，僅依靠智能終端即可判斷智能終端使用者的身份是否為司機，識別過程中不需要用戶的干預，在用戶使用智能終端或者做相應的動作時即可進行實時的身份識別，系統復雜度低，準確度高，應用范圍不受平臺限制。
[0150]第三實施例
[0151]本實施例以上述實施例為基礎進行優化，在第二實施例中，智能終端僅通過確定智能終端攜帶者所在位置進而判斷該智能終端攜帶者是否為司機，本實施例在此基礎上，增加了一些輔助判斷手段，進一步提高了司機身份準確識別的概率，提高了司機識別的可靠性。其中，所述的輔助判斷手段包括:用戶行為異常判斷和磁場異常判斷。
[0152]圖3是本發明第三實施例的一種基于智能終端的司機識別方法的流程圖。如圖3所示，所述方法包括:
[0153]步驟310、間隔預定的一段時間。
[0154]步驟310與第二實施例的步驟210相同，這里不再贅述。
[0155]步驟320、判斷智能終端攜帶者是否有走路的行為:若是，執行步驟330 ;否則，返回步驟310。[0156]步驟320與第二實施例的步驟220相同，這里不再贅述。
[0157]步驟330、判斷智能終端攜帶者是否有上車的行為:若是，執行步驟340，否則，返回步驟310。
[0158]步驟330與第二實施例的步驟230相同，這里不再贅述。
[0159]步驟340、確定智能終端攜帶者位于車內的左邊或者右邊。
[0160]步驟340與第二實施例的步驟240中確定智能終端攜帶者位于車內的左邊或者右邊的方式相同，這里不再贅述。
[0161]步驟350、更新司機身份權值。
[0162]在本實施例中，智能終端中預存有一個司機身份權值，其中，當每次進行司機身份識別時，該司機身份權值被初始化為一個預定值，優選的，將司機身份權值初始化為O。
[0163]在本實施例中，為了使得司機識別方法的識別結果更為準確，可以以更新司機身份權值的方式表達在司機身份識別過程中的各種確定結果。
[0164]在本實施例的一個優選的實施方式中，當步驟340中確定智能終端攜帶者位于車內的左邊時，將該司機身份權值增加一個較大的預定值，例如，0.5 ;當步驟340中確定智能終端攜帶者位于車內的右邊時，將該司機身份權值增加一個較小的預定值，例如，0.2。
[0165]在本實施例的另一個優選的實施方式中，在步驟340中確定智能終端攜帶者與預存的右邊上車的典型特征圖樣的匹配概率最高時，例如:0.7，將該概率值與一個預定的權值的相乘結果，作為累加權值疊加于所述司機身份權值之上。
[0166]當然，本領域技術人員可以理解，對司機身份權值的更新方式還可以采用其他的形式,對此并不限定。
[0167]步驟360、確定智能終端攜帶者位于車內的前面或后面。
[0168]步驟360與第二實施例的步驟240中確定智能終端攜帶者位于車內的前面或后面的方式相同，這里不再贅述。
[0169]步驟370、更新司機身份權值。
[0170]步驟370與步驟350相同，這里不再贅述。
[0171]步驟380、判斷是否存在輸入異常:若是，執行步驟390 ;否則，返回步驟380。
[0172]通過大量實驗表明，在開車途中想要保證一定的輸入準確率，通常情況下司機必須會在輸入一個單詞或者詞組后注意一下前方路面，所以當輸入速率在一定的閾值以下時，在很大概率下，可以認為當前使用者可能在非專注情況下進行輸入的行為。同樣，如果輸入頻繁出錯，那也可以認為使用者是在非專注的情況下使用的手機。
[0173]因此，在本實施例中，對用戶存在輸入行為異常的檢測包括:
[0174]方式一
[0175]在預定的時間間隔內，統計所述智能終端退格鍵的使用次數；
[0176]判斷退格鍵的使用次數是否超過正常退格次數:若是，判斷用戶存在輸入行為異
堂
巾O
[0177]方式二
[0178]獲取智能終端連續按下的兩個按鍵之間的按鍵時間差，統計所述按鍵時間差超過正常時間閾值的次數；
[0179]按鍵時間差超過正常時間閾值的次數是否超過合理閾值次數:若是，判斷用戶存在輸入行為異常。
[0180]步驟390、更新司機身份權值
[0181]步驟390與步驟350相同，這里不再贅述。
[0182]步驟3A0、判斷是否存在磁場異常:若是，執行步驟3B0 ;否則，返回步驟3A0。
[0183]實驗表明，當汽車被發動后，當智能終端攜帶者位于車子的前排時，智能終端的磁場傳感器會檢測出一個很大的磁場變化。
[0184]在本實施例中，判斷是否存在磁場異常的方式具體為:
[0185]刷新磁場傳感器測量數組，根據刷新后的磁場傳感器測量數組，判斷智能終端周圍環境是否存在磁場異常，若是，更新所述司機身份權值。
[0186]其中，所述刷新磁場傳感器測量數組包括:實時采集智能終端磁場傳感器測量數據；以當前時刻的磁場傳感器測量數據和此前采集得到的Q個磁場傳感器測量數據按照時間前后順序組成刷新后的磁場傳感器數組，Q為大于等于O的整數。
[0187]步驟3B0、更新司機身份權值
[0188]步驟3B0與步驟350相同，這里不再贅述。
[0189]步驟3C0、判斷司機身份權值是否大于預定的閾值:若是，執行步驟3D0 ;否則，返回步驟310 ；
[0190]步驟3D0、確定智能終端攜帶者為司機
[0191]步驟3E0、禁用智能終端的軟鍵盤。
[0192]本發明實施例通過綜合利用智能終端中的各種運動傳感器，包括，加速度傳感器、陀螺儀和磁場傳感器，進行用戶行為的建模，將模型特征值與各種傳感器的測量值進行比對，實現了用戶動作的實時判斷，根據判斷結果，確定智能終端的攜帶者是否為司機。本實施例的技術方案不需要增加額外的輔助設備，僅依靠智能終端即可判斷智能終端使用者的身份是否為司機，識別過程中不需要用戶的干預，在用戶使用智能終端或者做相應的動作時即可進行實時的身份識別，系統復雜度低，準確度高，應用范圍不受平臺限制。
[0193]第四實施例
[0194]在圖4中示出了一種基于智能終端的司機識別裝置的結構圖。如圖4所示，所述裝置包括:
[0195]水平方向合加速度數組刷新單元410，用于實時計算所述智能終端在當前時刻地球坐標系中水平方向的合加速度值；以當前時刻的水平方向的合加速度值和此前計算得到的M個水平方向的合加速度值按照時間前后順序組成刷新后的水平方向合加速度數組，M為大于等于O的整數；
[0196]重力方向加速度數組刷新單元420，用于實時計算所述智能終端在當前時刻地球坐標系中重力方向的加速度值；以當前時刻的重力方向的加速度值和此前計算得到的N個重力方向的加速度值按照時間前后順序組成刷新后的重力方向加速度數組，N為大于等于O的整數；
[0197]陀螺儀數組刷新單元430，用于實時采集智能終端陀螺儀的測量數據；以當前時刻的陀螺儀測量數據和此前采集得到的P個陀螺儀測量數據按照時間前后順序組成刷新后的陀螺儀數組，P為大于等于O的整數。
[0198]上車判斷單元440，用于調用水平方向合加速度數組刷新單元410和重力方向加速度數組刷新單元420，對刷新后的水平方向合加速度數組和刷新后的重力方向加速度數組進行數據處理，將處理結果與預存的上車特征圖樣組進行比對，判斷智能終端攜帶者是否有上車的行為；若是，觸發具體位置判斷單元450，若否，觸發上車判斷單元440 ；
[0199]具體位置判斷單元450，用于調用陀螺儀數組刷新單元430，根據刷新后的陀螺儀數組，確定智能終端攜帶者位于車內的左邊或者右邊；調用重力方向加速度數組刷新單元420，對刷新后的重力方向加速度數組進行數據處理，將處理結果與預存的前后座特征圖樣組進行比對，確定智能終端攜帶者位于車內的前座或者后座；
[0200]司機確定單元460，用于根據具體位置判斷單元450的確定結果，判斷智能終端攜帶者是否為司機。
[0201]本發明實施例所提供的基于智能終端的司機識別裝置可以用于執行本發明任意實施例提供的基于智能終端的司機識別方法，具備相應的功能模塊，達到同樣的技術效果。
[0202]本發明實施例通過綜合利用智能終端中的各種運動傳感器，包括，加速度傳感器、陀螺儀和磁場傳感器，進行用戶行為的建模，將模型特征值與各種傳感器的測量值進行比對，實現了用戶動作的實時判斷，根據判斷結果，確定智能終端的攜帶者是否為司機。本實施例的技術方案不需要增加額外的輔助設備，僅依靠智能終端即可完成對智能終端使用者的身份識別，識別過程中不需要用戶的干預，在用戶使用智能終端或者做相應的動作時即可進行實時的身份識別，系統復雜度低，準確度高，應用范圍不受平臺限制。
[0203]顯然，本領域技術人員應該明白，本發明實施例可以用計算機裝置可執行的程序來實現，從而可以將它們存儲在存儲裝置中由處理器來執行，所述的程序可以存儲于一種計算機可讀存儲介質中，上述提到的存儲介質可以是只讀存儲器，磁盤或光盤等；或者將它們分別制作成各個集成電路模塊，或者將它們中的多個模塊或步驟制作成單個集成電路模塊來實現。這樣，本發明不限制于任何特定的硬件和軟件的結合。
[0204]以上所述僅為本發明的優選實施例，并不用于限制本發明，對于本領域技術人員而言，本發明可以有各種改動和變化。凡在本發明的精神和原理之內所作的任何修改、等同替換、改進等，均應包含在本發明的保護范圍之內。
【權利要求】
1.一種基于智能終端的司機識別方法，其特征在于，包括: 步驟SI，刷新水平方向合加速度數組和重力方向加速度數組，對刷新后的水平方向合加速度數組和刷新后的重力方向加速度數組進行數據處理，將處理結果與預存的上車特征圖樣組進行比對，判斷智能終端攜帶者是否有上車的行為；若是，執行步驟S2，若否，返回步驟SI ； 步驟S2，刷新陀螺儀數組，根據刷新后的陀螺儀數組，確定智能終端攜帶者位于車內的左邊或者右邊；刷新重力方向加速度數組，對刷新后的重力方向加速度數組進行數據處理，將處理結果與預存的前后座特征圖樣組進行比對，確定智能終端攜帶者位于車內的前座或者后座； 步驟S3，根據步驟S2中的確定結果，判斷智能終端攜帶者是否為司機； 其中，所述刷新水平方向合加速度數組包括:實時計算所述智能終端在當前時刻地球坐標系中水平方向的合加速度值；以當前時刻的水平方向的合加速度值和此前計算得到的M個水平方向的合加速度值按照時間前后順序組成刷新后的水平方向合加速度數組，M為大于等于O的整數； 所述刷新重力方向加速度數組包括:實時計算所述智能終端在當前時刻地球坐標系中重力方向的加速度值；以當前時刻的重力方向的加速度值和此前計算得到的N個重力方向的加速度值按照時間前后順序組成刷新后的重力方向加速度數組，N為大于等于O的整數。 所述刷新陀螺儀數組包括:實時采集智能終端陀螺儀的測量數據；以當前時刻的陀螺儀的測量數據和此前采集得到的P個陀螺儀的測量數據按照時間前后順序組成刷新后的陀螺儀數組，P為大于等于O的整數。
2.根據權利要求1所述的基于智能終端的司機識別方法，其特征在于，所述方法還包括，當判斷智能終端攜帶者為司機時，禁用所述智能終端的軟鍵盤。
3.根據權利要求1或2所述的基于智能終端的司機識別方法，其特征在于，在所述步驟Si之前，所述方法還包括步驟SO:刷新水平方向合加速度數組和重力方向加速度數組，對刷新后的水平方向合加速度數組和刷新后的重力方向加速度數據進行數據處理，將處理結果與預存的走路特征圖樣組進行比對，判斷智能終端攜帶者是否有走路的行為；若是，執行步驟SI，若否，間隔預定的時間，返回步驟SO。
4.根據權利要求3所述的基于智能終端的司機識別方法，其特征在于，所述實時計算所述智能終端在當前時刻地球坐標系中水平方向的合加速度值以及實時計算所述智能終端在當前時刻地球坐標系中重力方向的加速度值包括: 以預定的頻率實時采集智能終端加速度傳感器、陀螺儀和磁場傳感器的測量數據； 計算所述智能終端相對于地球的空間姿態角； 根據計算得到的所述空間姿態角，將加速度傳感器在X軸、Y軸的測量數據，過濾掉重力方向加速度分量，獲取在地球坐標系中兩個水平方向加速度值； 將過濾后的所述兩個水平方向加速度值進行加速度融合，轉化為地球坐標系中水平方向的合加速度值； 根據加速度傳感器在X軸、Y軸和Z軸的測量數據，以及獲取的所述地球坐標系中兩個水平方向加速度值，計算地球坐標系中重力方向的加速度值。
5.根據權利要求1所述的基于智能終端的司機識別方法，其特征在于，所述上車特征圖樣組的生成方法包括: 在智能終端攜帶者完成典型上車行為的過程中，實時采集智能終端加速度傳感器、陀螺儀和磁場傳感器的多組測量數據； 根據采集到的所述多組測量數據，計算在智能終端攜帶者完成典型上車行為的過程中，智能終端在地球坐標系中水平方向合加速度數組和重力方向加速度數組； 對所述水平方向合加速度數組和所述重力方向加速度數組進行數據處理，得到至少一個典型特征值，作為與所述典型上車行為對應的上車特征圖樣； 將所有典型上車行為對應的上車特征圖樣的合集，作為所述的上車特征圖樣組。
6.根據權利要求5所述的基于智能終端的司機識別方法，其特征在于，所述對刷新后的水平方向合加速度數組和刷新后的重力方向加速度數組進行數據處理，將處理結果與預存的上車特征圖樣組進行比對，判斷智能終端攜帶者是否有上車的行為包括: 按照與所述上車特征圖樣中得到典型特征值相同的數據處理方法，對所述水平方向合加速度數組和所述重力方向加速度數組進行數據處理，得到相應的測試特征值，作為測試圖樣； 按照預定的算法，將所述測試圖樣中的測試特征值與所述上車特征圖樣組中的所有上車特征圖樣的典型特征值進行分類處理，計算所述測試圖樣符合每種上車特征圖樣的概率值； 在計算得到的所述概率值超過預定的閾值時，確定所述測試圖樣符合相應的上車特征圖樣，判斷智能終端攜帶者有上車的行為。
7.根據權利要求1所述的基于智能終端的司機識別方法，其特征在于，所述步驟S2中，在所述的確定智能終端攜帶者位于車內的左邊或者右邊之后，還包括:根據左右邊的確定結果，更新司機身份權值；在所述的確定智能終端攜帶者位于車內的前座或者后座之后，還包括，根據前后座的確定結果，更新司機身份權值，其中，所述司機身份權值具有預定的初始值； 所述步驟S3進一步包括: 判斷所述司機身份權值是否大于預定的閾值，若是，判斷所述智能終端攜帶者為司機。
8.根據權利要求7所述的基于智能終端的司機識別方法，其特征在于，所述步驟S2還包括: 判斷所述智能終端是否存在用戶行為異常，若是，更新所述司機身份權值。
9.根據權利要求7-8任一所述的基于智能終端的司機識別方法，其特征在于，所述步驟S2還包括: 刷新磁場傳感器測量數組，根據刷新后的磁場傳感器測量數組，判斷智能終端周圍環境是否存在磁場異常，若是，更新所述司機身份權值。 其中，所述刷新磁場傳感器測量數組包括:實時采集智能終端磁場傳感器測量數據；以當前時刻的磁場傳感器測量數據和此前采集得到的Q個磁場傳感器測量數據按照時間前后順序組成刷新后的磁場傳感器數組，Q為大于等于O的整數。
10.一種基于智能終端的司機識別裝置，其特征在于，包括: 水平方向合加速度數組刷新單元，用于實時計算所述智能終端在當前時刻地球坐標系中水平方向的合加速度值；以當前時刻的水平方向的合加速度值和此前計算得到的M個水平方向的合加速度值按照時間前后順序組成刷新后的水平方向合加速度數組，M為大于等于O的整數； 重力方向加速度數組刷新單元，用于實時計算所述智能終端在當前時刻地球坐標系中重力方向的加速度值；以當前時刻的重力方向的加速度值和此前計算得到的N個重力方向的加速度值按照時間前后順序組成刷新后的重力方向加速度數組，N為大于等于O的整數；陀螺儀數組刷新單元，用于實時采集智能終端陀螺儀的測量數據；以當前時刻的陀螺儀測量數據和此前采集得到的P個陀螺儀測量數據按照時間前后順序組成刷新后的陀螺儀數組，P為大于等于O的整數。 上車判斷單元，用于調用水平方向合加速度數組刷新單元和重力方向加速度數組刷新單元，對刷新后的水平方向合加速度數組和刷新后的重力方向加速度數組進行數據處理，將處理結果與預存的上車特征圖樣組進行比對，判斷智能終端攜帶者是否有上車的行為；若是，觸發具體位置判斷單元，若否，觸發上車判斷單元； 具體位置判斷單元，用于調用陀螺儀數組刷新單元，根據刷新后的陀螺儀數組，確定智能終端攜帶者位于車內的左邊或者右邊；調用重力方向加速度數組刷新單元，對刷新后的重力方向加速度數組進行數據處理，將處理結果與預存的前后座特征圖樣組進行比對，確定智能終端攜帶者位于車內的前座或者后座； 司 機確定單元，用于根據具體位置判斷單元的確定結果，判斷智能終端攜帶者是否為司機。
【文檔編號】G01V9/00GK103544485SQ201310530968
【公開日】2014年1月29日 申請日期:2013年10月30日 優先權日:2013年10月30日
【發明者】李向陽, 波澄, 簡學思 申請人:無錫賽思匯智科技有限公司