驾驶行为评估方法、装置、设备及存储介质与流程

1.本发明涉及人工智能技术领域，尤其涉及一种驾驶行为评估方法、装置、设备及存储介质。


背景技术：

2.汽车驾驶对人们生活和社会经济有着重要的意义，然而少数拥有不文明驾驶习惯的司机对自身和他人具有严重的危害性，经常紧急刹车、急速转弯、急速掉头、频繁变更车道等激进驾驶行为，容易引发事故。
3.目前是通过在车辆上安装额外的硬件设备对司机的驾驶行为习惯进行评分，但是这些硬件设备的安装过程复杂，并且成本较高。
4.上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。


技术实现要素：

5.本发明的主要目的在于提供一种驾驶行为评估方法、装置、设备及存储介质，旨在解决现有技术对驾驶员的驾驶行为评估需要在车辆上安装额外的硬件设备，导致成本较高的技术问题。
6.为实现上述目的，本发明提供了一种驾驶行为评估方法，所述驾驶行为评估方法包括以下步骤：
7.在移动终端处于运动的目标车辆上时，获取所述目标车辆上所述移动终端对应的传感器读数信息；
8.从所述传感器读数信息中提取所述移动终端对应的重力加速度；
9.根据所述重力加速度确定所述移动终端和所述目标车辆之间的相对状态；
10.在所述相对状态为静止状态时，将所述传感器读数信息输入至第一驾驶行为识别模型，并获取所述第一驾驶行为识别模型输出的第一驾驶行为识别结果；
11.根据所述第一驾驶行为识别结果对驾驶员的驾驶行为进行评估。
12.可选地，所述在移动终端处于运动的目标车辆上时，获取所述目标车辆上所述移动终端对应的传感器读数信息之前，还包括：
13.获取移动终端中车辆导航功能的运行状态；
14.从所述传感器读数信息中提取所述移动终端对应的gps速度，并将所述gps速度与预设速度进行比较；
15.在所述车辆导航功能处于开启状态或所述gps速度大于所述预设速度时，判定所述移动终端处于运动的目标车辆上，所述传感器读数信息存储于区块链中。
16.可选地，所述根据所述重力加速度确定所述移动终端和所述目标车辆之间的相对状态，包括：
17.将所述重力加速度分解成多个方向上的重力加速度分量；
18.获取任意方向上时刻的重力加速度分量和上一时刻的重力加速度分量之间的重力加速度差值；
19.将所述重力加速度差值与预设差值阈值进行比较，并根据差值比较结果确定所述移动终端和所述目标车辆之间的相对状态。
20.可选地，所述根据所述重力加速度确定所述移动终端和所述目标车辆之间的相对状态之后，还包括：
21.在所述相对状态为运动状态时，控制所述目标车辆上的摄像装置进行拍摄，以获得所述目标车辆的车内图像信息；
22.基于人体运动特征从所述车内图像信息中提取所述驾驶员对应的驾驶行为图像信息；
23.将所述驾驶行为图像信息输入至第二驾驶行为识别模型，并获取所述第二驾驶行为识别模型输出的第二驾驶行为识别结果；
24.根据所述第二驾驶行为识别结果对所述驾驶员的驾驶行为进行评估。
25.可选地，所述根据所述第一驾驶行为识别结果对驾驶员的驾驶行为进行评估之前，还包括：
26.根据所述第一驾驶行为识别结果获取驾驶员的驾驶行为；
27.获取所述目标车辆的周围环境信息；
28.根据所述周围环境信息判断所述驾驶员的驾驶行为是否属于正常驾驶行为；
29.在所述驾驶行为属于正常驾驶行为时，执行所述根据所述第一驾驶行为识别结果对驾驶员的驾驶行为进行评估的步骤。
30.可选地，所述根据所述周围环境信息判断所述驾驶员的驾驶行为是否属于正常驾驶行为之后，还包括：
31.在所述驾驶行为属于非正常驾驶行为时，通过车联网通信获取所述目标车辆周围其他驾驶员的参考驾驶行为，并对所述其他驾驶员的参考驾驶行为进行判断；
32.在所述其他驾驶员的参考驾驶行为均属于非正常行为时，判定所述目标车辆的前方道路环境中存在通行障碍；
33.记录所述通行障碍对应的位置信息和时间信息，将所述位置信息和时间信息通过所述车联网通信发送至所述目标车辆周围的其他车辆，并输出相应的危险提示信息。
34.可选地，所述根据所述第一驾驶行为识别结果对驾驶员的驾驶行为进行评估，包括：
35.根据所述第一驾驶行为识别结果确定所述驾驶员的驾驶行为类型；
36.根据所述驾驶行为类型识别出目标驾驶行为；
37.获取预设时间段内所述目标驾驶行为的发生次数；
38.根据所述预设时间段和所述发生次数确定所述目标驾驶行为对应的发生频率，并根据所述发生频率为所述驾驶员的驾驶行为进行评估。
39.此外，为实现上述目的，本发明还提出一种驾驶行为评估装置，所述驾驶行为评估装置包括：
40.获取模块，用于在移动终端处于运动的目标车辆上时，获取所述目标车辆上所述移动终端对应的传感器读数信息；
41.提取模块，用于从所述传感器读数信息中提取所述移动终端对应的重力加速度；
42.判断模块，用于根据所述重力加速度确定所述移动终端和所述目标车辆之间的相对状态；
43.输入模块，用于在所述相对状态为静止状态时，将所述传感器读数信息输入至第一驾驶行为识别模型，并获取所述第一驾驶行为识别模型输出的第一驾驶行为识别结果；
44.评估模块，用于根据所述第一驾驶行为识别结果对驾驶员的驾驶行为进行评估。
45.此外，为实现上述目的，本发明还提出一种驾驶行为评估设备，所述驾驶行为评估设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的驾驶行为评估程序，所述驾驶行为评估程序配置为实现如上文所述的驾驶行为评估方法的步骤。
46.此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有驾驶行为评估程序，所述驾驶行为评估程序被处理器执行时实现如上文所述的驾驶行为评估方法的步骤。
47.本发明通过从运动的目标车辆上移动终端对应的传感器读数信息中提取所述移动终端对应的重力加速度；根据重力加速度确定移动终端和目标车辆之间的相对状态；在相对状态为静止状态时，将传感器读数信息输入至第一驾驶行为识别模型中对驾驶员的驾驶行为进行评估，借助移动终端中自带的传感器对驾驶员的驾驶行为进行评估，在保证驾驶行为评估准确性的同时，也大大降低了驾驶行为评估成本。
附图说明
48.图1是本发明实施例方案涉及的硬件运行环境的驾驶行为评估设备的结构示意图；
49.图2为本发明驾驶行为评估方法第一实施例的流程示意图；
50.图3为本发明驾驶行为评估方法第二实施例的流程示意图；
51.图4为本发明驾驶行为评估方法第三实施例的流程示意图；
52.图5为本发明驾驶行为评估装置第一实施例的结构框图。
53.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
54.应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
55.参照图1，图1为本发明实施例方案涉及的硬件运行环境的驾驶行为评估设备结构示意图。
56.如图1所示，该驾驶行为评估设备可以包括：处理器1001，例如中央处理器(central processing unit，cpu)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(wireless
‑
fidelity，wi
‑
fi)接口)。存储器1005可以是高速的随机存取存储器(random access memory，ram)存储器，也可以是稳定的非易失性存储器(non
‑
volatile memory，nvm)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
57.本领域技术人员可以理解，图1中示出的结构并不构成对驾驶行为评估设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
58.如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及驾驶行为评估程序。
59.在图1所示的驾驶行为评估设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明驾驶行为评估设备中的处理器1001、存储器1005可以设置在驾驶行为评估设备中，所述驾驶行为评估设备通过处理器1001调用存储器1005中存储的驾驶行为评估程序，并执行本发明实施例提供的驾驶行为评估方法。
60.本发明实施例提供了一种驾驶行为评估方法，参照图2，图2为本发明一种驾驶行为评估方法第一实施例的流程示意图。
61.本实施例中，所述驾驶行为评估方法包括以下步骤：
62.步骤s10：在移动终端处于运动的目标车辆上时，获取所述目标车辆上所述移动终端对应的传感器读数信息。
63.需要说明的是，本实施例的执行主体可为车载终端，也可为具有相同或相似功能的其他设备，本实施例对此不加以限制，仅以车载终端为例进行说明。在本实施例中，车载终端设置在目标车辆上，并且车载终端在目标车辆上处于固定状态，不会因为用户的行为操作导致车载终端发生移动，而移动终端会随着用户的行为操作发生移动，移动终端中包含加速度传感器、陀螺仪以及gps等传感器，其中，移动终端可为一种智能手机，本实施例对此不加以限制。进一步地，本实施例的车载终端可用于获取移动终端中加速度传感器、陀螺仪以及gps的传感器读数，并对获取到的传感器读数进行数据处理和分析，从而对驾驶员的驾驶行为进行评估，车载终端还可用于对移动终端与车辆之间的相对状态进行检测，例如移动终端与车辆之间处于相对静止状态或相对运动状态等。需要强调的是，为进一步保证上述传感器读数信息的私密和安全性，上述传感器读数信息还可以存储于一区块链的节点中。
64.在具体实施中，车载终端可与移动终端进行通信，以获取移动终端的传感器读数信息，车载终端可采用有线连接方式或无线连接方式与移动终端进行通信，其中，有线连接方式包括但不限于数据线连接或网线连接，无线连接方式包括但不限于无线网连接方式或蓝牙连接方式，具体连接方式可以根据实际需求进行相应的设置，本实施例对此不加以限制。
65.应当理解的是，通过移动终端的传感器数据对驾驶员的驾驶行为进行评估时，而这一评估的前提是移动终端处于运动状态，且移动终端的运动状态是因为驾驶员的驾驶行为导致的，因为本实施例是通过移动终端的运动状态表征目标车辆的运动状态，然后根据移动终端中的传感器读数信息对目标车辆上驾驶员的驾驶行为进行评估，因此为了使得获取到的移动终端的传感器数据更加准确与合理，可以先对移动终端的运动状态进行检测，判断移动终端是否处于运动的目标车辆上，然后再检测移动终端与目标车辆之间的相对状态，从而使得移动终端的移动状态能够更准确地表征目标车辆的运动状态。
66.在具体实施中，为了能够准确检测移动终端是否处于运动的目标车辆上，本实施例中所述步骤s10之前，还包括：获取移动终端中车辆导航功能的运行状态；从所述传感器
读数信息中提取所述移动终端对应的gps速度，并将所述gps速度与预设速度进行比较；在所述车辆导航功能处于开启状态或所述gps速度大于所述预设速度时，判定所述移动终端处于运动的目标车辆上。
67.需要说明的是，本实施例中是通过移动终端中的gps传感器获取移动终端对应的gps速度，然后根据gps速度判断移动终端是否处于运动的车辆上，可预设一个gps速度，预设速度表示在一般情况下，移人体在跑动时的最大速度，预设速度可以根据实际情况进行相应的设置，本实施例对此不加以限制，根据设置的预设速度可以排除移动终端在人体身上的可能性。在设置完预设速度之后，将获取到的移动终端对应的gps速度与预设速度进行比较，如果移动终端对应的gps速度小于等于所述预设速度，则判定移动终端未在运动的车辆上，如果移动终端对应的gps速度大于预设速度，则判定移动终端在处于运动状态的车辆上。本实施例中除了从传感器读数信息中提取移动终端对应的gps速度，还获取移动终端中车辆导航功能的运行状态，通过获取车辆导航的运行状态更加能够判断出移动终端是处于运动的车辆上。进一步地，本实施例中在车辆导航功能处于开启状态或gps速度大于预设速度时，判定移动终端处于运动的目标车辆上。此外，还需要强调的是，需要强调的是，为进一步保证上述传感器读数信息的私密和安全性，上述传感器读数信息还可以存储于一区块链的节点中。
68.步骤s20：从所述传感器读数信息中提取所述移动终端对应的重力加速度。
69.需要说明的是，本实施例中是以移动终端的运动状态来表征车辆的运动状态，而在实际情况中，可能存在用户对移动终端进行移动的情况，这样人为操作会改变移动终端的运动状态，如果用此时移动终端的运动状态去表征目标车辆的运动状态显然是不合理，本实施例中为了使得移动终端的运动状态能够更好地表征目标车辆的运动状态，在判断移动终端处于运动的目标车辆上之后，还通过移动终端中的重力加速度传感器获取移动终端对应的重力加速度，根据重力加速度判断移动终端的运动状态是否发生了较大幅度的波动，以避免人为因素对于移动终端运动状态的干扰，具体地，本实施例中可从传感器读数信息中提取移动终端对应的重力加速度，
70.步骤s30：根据所述重力加速度确定所述移动终端和所述目标车辆之间的相对状态。
71.需要说明的是，在获取到重力加速度之后，可以对重力加速度的波动幅度进行检测，若重力加速度未发生较大幅度的波动，则可以判断移动终端和目标车辆之间处于相对静止状态，若重力加速度发生了较大幅度的波动，则可以判断移动终端和目标车辆处于相对运动状态，本实施例中还可按照其他方式确定移动终端和目标车辆之间的相对状态。
72.在具体实施中，为了能够准确地确定移动终端和目标车辆之间的相对状态，本实施例中所述步骤s30包括：将所述重力加速度分解成多个方向上的重力加速度分量；获取任意方向上时刻的重力加速度分量和上一时刻的重力加速度分量之间的重力加速度差值；将所述重力加速度差值与预设差值阈值进行比较，并根据差值比较结果确定所述移动终端和所述目标车辆之间的相对状态。
73.需要说明的是，重力加速度具有方向性，并且人为操作将移动终端进行移动也可能存在单一方向的移动，例如驾驶员左右摇晃手机，此时移动终端在竖直方向的运动状态并不会发生太大的波动，但是在水平方向上移动终端的运动状态处于剧烈晃动的状态，当
然这一状态并不能表征车辆也处于剧烈晃动的状态，为了更加准确判断移动终端的运动状态，本实施例在得到重力加速度之后，将重力加速度分解成多个方向的重力加速度分量，例如将重力加速度分解成x方向的重力加速度分量、y方向的重力加速度分量以及z方向的重力加速度分量。
74.需要说明的是，移动终端如果与车辆处于相对静止的状态，则此时移动终端的运动可以用以表征车辆的运动状态，可通过判断任意方向上重力加速度分量是否突然大幅度增加或减少以确定移动终端与车辆之间是否处于相对静止的状态，例如如果x方向的重力加速度、y方向的重力加速度或z方向的重力加速度突然大幅度的增大或减小的，则说明移动终端与目标车辆之间未处于相对静止状态。而判断是否存在大幅度增大或减少的情况，本实施例中可以依据时刻的重力加速度分量与上一时刻重力加速度分量之间的重力加速度差值。假设任意方向为x方向，获取时刻t1在x方向的重力加速度为ax1，上一时刻t2在x方向的重力加速度为ax2，则时刻t1与上一时刻t2之间的重力加速度差值为ax1‑
ax2。
75.在具体实施中，在得到重力加速度差值之后，本实施例中还预设一差值阈值，通过差值阈值最终确定在某一方向上的重力加速度是否存在突变的情况，如果重力加速度差值小于预设差值阈值，则说明重力加速度没有发生突变的情况，又如果重力加速度差值大于或等于预设差值阈值，则说明重力加速度没发生了突变的情况，例如获取时刻t1在x方向的重力加速度为ax1，上一时刻t2在x方向的重力加速度为ax2，则时刻t1与上一时刻t2之间的重力加速度差值为ax1‑
ax2，假设ax1‑
ax2小于预设差值阈值，则说明在x方向上的重力加速度分量未发生突变情况，可以判定此时移动终端与目标车辆在x方向上处于相对静止状态，反之如果ax1‑
ax2大于预设差值阈值，则说明在x方向上的重力加速度分量发生突变情况，则可以判定此时移动终端与目标车辆在x方向上未处于相对静止状态。进一步地，在确定移动终端与车辆之间处于相对静止的状态时，则可以用移动终端的运动状态来表征车辆的运动状态，此时获取到的移动终端的重力加速度、陀螺仪数据以及gps速度等参数即可代表车辆处于运动状态时的车辆运行参数。此外，重力加速度的分解方式和预设差值阈值的设定也可以根据实际需求进行相应的调整，本实施对此不加以限制。
76.步骤s40：在所述相对状态为静止状态时，将所述传感器读数信息输入至第一驾驶行为识别模型，并获取所述第一驾驶行为识别模型输出的第一驾驶行为识别结果。
77.需要说明的是，本实施例中对驾驶员的驾驶行为进行评估是基于一种第一驾驶行为识别模型，其中，该第一驾驶行为识别模型存储在车载终端中，并且第一驾驶行为识别模型中包含传感器读数信息和驾驶员的驾驶行为之间的对应关系，车载终端可将传感器读数信息输入至车载终端中的内置处理器中通过第一驾驶行为识别模型进行处理。此外，还需要说明的是，第一驾驶行为识别模型可采用深度学习模型，也可以采用大数据分析模型，然后通过训练样本集训练得到，还可以采用其他形式的模型，可根据实际评估需求进行设置，本实施例对此不加以限制。
78.需要说明的是，第一驾驶行为识别模型用于对驾驶员的驾驶行为进行识别，由于第一驾驶行为识别模型里包含传感器读数信息与驾驶行为的对应关系，因此可以在将传感器读数信息输入至第一驾驶行为识别模型之后，可根据该对应关系可以确定输入的传感器读数信息对应的驾驶行为，然后再通过第一驾驶行为识别模型中的分类器为识别出的各个驾驶行为对应的驾驶行为标识，各个驾驶行为以及对应的驾驶行为动作标识即为第一驾驶
行为识别结果。
79.需要说明的是，在将传感器读数信息输入至第一驾驶行为识别模型之前，需要构建第一驾驶行为识别模型，本实施例中是基于驾驶员的历史驾驶行为数据以及历史传感器读数信息构建第一驾驶行为识别模型，并且为了提高第一驾驶行为识别模型的准确性，历史驾驶行为数据需要与历史传感器读数信息处于同一时间戳下，即获取的是同一时刻下的历史驾驶行为数据和历史传感器读数信息。
80.在具体实施中，在得到历史驾驶行为数据和历史传感器读数信息之后，可将历史驾驶行为数据中包含的历史驾驶行为和历史传感器读数信息中包含的历史传感器读数作为训练样本集，本实施例中可根据历史驾驶行为数据和历史传感器读数信息对应的时间戳将一段时间段内的历史驾驶行为和历史传感器读数作为训练样本集，例如将d时刻与f时刻之间的历史驾驶行为和历史传感器读数作为训练样本集，也可将q时刻与w时刻之间的历史驾驶行为和历史传感器读数作为训练样本集，具体方式可以根据实际情况进行更改，本实施对此不加以限制。
81.在具体实施中，为了使得训练样本集更加符合训练要求，本实施例中可按照预设参数将所述历史传感器读数信息划分成多个历史传感器读数样本，根据各个传感器读数样本对应的时间戳确定相应的历史驾驶行为数据，并为各个历史驾驶行为数据添加驾驶行为标识，将各个传感器读数样本和对应的驾驶行为标识作为训练样本集。
82.需要说明的是，预设参数可设置为1秒步长，然后按照1秒步长将历史传感器读数信息划分成多个历史传感器读数样本，然后再获取传感器读数对应的历史驾驶行为数据，历史驾驶行为数据中包含驾驶员具体的驾驶行为，同样地，为了提高第一驾驶行为识别模型的准确性，需要保证历史传感器读数样本与历史驾驶行为数据在同一时间戳下。在得到驾驶行为数据后，为驾驶行为数据中的驾驶行为设置相应的驾驶行为标识，例如将激进驾驶行为的驾驶行为标识设置为b，将正常驾驶行为的驾驶行为标识设置为n，此外，预设参数和驾驶行为标识的设置可以根据实际情况进行调整，本实施对此不加以限制。
83.在具体实施中，从训练样本中筛选出符合预设条件的数据输入至预设神经网络模型中，符合预设条件的数据可为形状是8通道和60点的数据，然后再将8通道和60点的数据输入至预设神经网络模型中进行训练，即可得到第一驾驶行为识别模型，其中，预设条件和预设神经网络模型可以根据实际评估需求进行相应的设置，本实施例对此不加以限制。
84.步骤s50：根据所述第一驾驶行为识别结果对驾驶员的驾驶行为进行评估。
85.在具体实施中，驾驶行为识别中包含第一驾驶行为识别模型所识别出来的驾驶员的驾驶行为，并且需要强调的是，所识别出来的驾驶行为并非包含一种驾驶行为，而是包含多种不同类型的驾驶行为，例如正常驾驶行为或激进驾驶行为等，本实施例中可根据第一驾驶行为识别结果中包含的驾驶行为标识确定相应的驾驶行为，例如驾驶行为标识n对应的驾驶行为是正常驾驶行为，驾驶行为标识b对应的驾驶行为是激进驾驶行为。驾驶行为标识可以根据实际评估要求进行相应的设置，本实施例对此不加以限制。
86.本实施例通过从运动的目标车辆上移动终端对应的传感器读数信息中提取所述移动终端对应的重力加速度；根据重力加速度确定移动终端和目标车辆之间的相对状态；在相对状态为静止状态时，将传感器读数信息输入至第一驾驶行为识别模型中对驾驶员的驾驶行为进行评估，借助移动终端中自带的传感器对驾驶员的驾驶行为进行评估，在保证
驾驶行为评估准确性的同时，也大大降低了驾驶行为评估成本。
87.参考图3，图3为本发明一种驾驶行为评估方法第二实施例的流程示意图。
88.基于上述第一实施例，本实施例驾驶行为评估方法在所述步骤s30之后，还包括：
89.步骤s301：在所述相对状态为运动状态时，控制所述目标车辆上的摄像装置进行拍摄，以获得所述目标车辆的车内图像信息。
90.需要说明的是，在移动终端与目标车辆之间处于相对运动状态时，则无法再通过移动终端的运动状态来表征目标车辆的运动状态，本实施例中可通过对驾驶员的驾驶行为进行拍摄，以进行驾驶行为的评估。目标车辆上设置有摄像装置，例如车载摄像头等设备，在相对状态为运动状态时，向摄像装置发送拍摄指令，在摄像装置接收到拍摄指令时，对目标车辆的车内环境进行拍摄，得到车内图像信息。
91.步骤s302：基于人体运动特征从所述车内图像信息中提取所述驾驶员对应的驾驶行为图像信息。
92.容易理解的是，摄像装置拍摄到的车内图像信息中包含各种运动物体的图像信息，而驾驶行为评估针对的是驾驶员的驾驶行为，本实施例中可基于人体运动特征从车内图像信息中提取驾驶员对应的驾驶行为图像信息，人体运动特征包括人体肢体特征和人体姿态特征等。
93.步骤s303：将所述驾驶行为图像信息输入至第二驾驶行为识别模型，并获取所述第二驾驶行为识别模型输出的第二驾驶行为识别结果。
94.在具体实施中，将提取出的驾驶行为图像信息输入第二驾驶行为识别模型中，需要强调的是，第一驾驶行为识别模型是基于传感器读数输出驾驶行为识别结果，而第二驾驶行为识别模型是基于驾驶行为图像信息输出驾驶行为识别结果，第二驾驶行为识别模型中包含各种人体的不同姿势动作，将图驾驶行为图像与各种不同姿势动作进行对比，从而输出第二驾驶行为识别结果。
95.步骤s304：根据所述第二驾驶行为识别结果对所述驾驶员的驾驶行为进行评估。
96.在具体实施中，第二驾驶行为识别结果中包含驾驶员的驾驶行为，所识别出来的驾驶行为并非包含一种驾驶行为，而是包含多种不同类型的驾驶行为，例如正常驾驶行为或激进驾驶行为等，本实施例中可根据第二驾驶行为识别结果中包含的驾驶行为标识确定相应的驾驶行为，例如驾驶行为标识n对应的驾驶行为是正常驾驶行为，驾驶行为标识b对应的驾驶行为是激进驾驶行为。驾驶行为标识可以根据实际评估要求进行相应的设置，本实施例对此不加以限制。
97.本实施例在所述相对状态为运动状态时，控制所述目标车辆上的摄像装置进行拍摄，以获得所述目标车辆的车内图像信息；基于人体运动特征从所述车内图像信息中提取所述驾驶员对应的驾驶行为图像信息；将所述驾驶行为图像信息输入至第二驾驶行为识别模型，并获取所述第二驾驶行为识别模型输出的第二驾驶行为识别结果；根据所述第二驾驶行为识别结果对所述驾驶员的驾驶行为进行评估，在移动终端的运动状态无法表征目标车辆的运动状态时，通过摄像装置采集的图像信息对驾驶员的驾驶行为进行评估。
98.参考图4，图4为本发明一种驾驶行为评估方法第三实施例的流程示意图。
99.基于上述第一实施例或第二实施例，提出本发明一种驾驶行为评估方法的第三实施例。
100.以基于上述第一实施例为例进行说明，本实施例中所述步骤s50之前，还包括：
101.步骤s050：根据所述第一驾驶行为识别结果获取驾驶员的驾驶行为。
102.需要说明的是，在得到第一驾驶行为识别结果之后，可从第一驾驶行为识别结果中提取驾驶行为标识，例如驾驶行为标识m1、m2或m3，然后根据驾驶行为标识确定驾驶员的驾驶行为，例如驾驶行为标识m1对应激进驾驶行为，驾驶行为标识m2对应安全驾驶行为。
103.步骤s051：获取所述目标车辆的周围环境信息。
104.在具体实施中，目标车辆的车身周围还设置有多个环境传感器，车载终端通过多个环境传感器可以获取到目标车辆的周围环境信息，周围环境信息包括道路路况信息和其他车辆行驶信息等。
105.步骤s052：根据所述周围环境信息判断所述驾驶员的驾驶行为是否属于正常驾驶行为。
106.在具体实施中，历史周围环境信息与历史驾驶行为具有对应关系，在得到目标车辆的周围环境信息之后，将周围环境信息与历史周围环境信息进行对比，可以查找到周围环境信息对应的历史驾驶行为，然后将历史驾驶行为与驾驶行为进行比较，如果驾驶行为与历史驾驶行为一致，则判定驾驶行为属于正常驾驶行为，如果驾驶行为与历史驾驶行为不一致，则判定驾驶行为属于非正常驾驶行为。进一步地，正常驾驶行为包含激进驾驶行为或安全驾驶行为等，在驾驶行为属于正常驾驶行为时，根据第一驾驶行为识别结果对驾驶员的驾驶行为进行评估。
107.进一步地，所述步骤s052具体包括：在所述驾驶行为属于非正常驾驶行为时，通过车联网通信获取所述目标车辆周围其他驾驶员的参考驾驶行为，并对所述其他驾驶员的参考驾驶行为进行判断；在所述其他驾驶员的参考驾驶行为均属于非正常行为时，判定所述目标车辆的前方道路环境中存在通行障碍；记录所述通行障碍对应的位置信息和时间信息，将所述位置信息和时间信息通过所述车联网通信发送至所述目标车辆周围的其他车辆，并输出相应的危险提示信息。
108.需要说明的是，在检测到驾驶行为属于非正常驾驶行为时，通过车联网通信获取其他驾驶员的参考驾驶行为，并对其他驾驶员的参考驾驶行为进行判断，需要强调的是，如果驾驶员出现非正常驾驶行为，而目标车辆周围驾驶其他车辆的驾驶员并未出现非正常驾驶行为，则说明此时驾驶员的非正常驾驶行为是因为驾驶员的不良驾驶习惯造成的。但是如果在驾驶员出现非正常行为时，目标车辆周围驾驶其他车辆的驾驶员也同样出现了非正常驾驶行为，此时则说明驾驶员的非正常驾驶行为是因为意外突发状况导致的，而并非是因为驾驶员的不良驾驶行为，在出现这种情况时，可通过移动终端的gps传感器对前方道路环境中存在的通行故障进行定位，并记录通行故障对应的位置信息和时间信息，然后再通过车联网通信将位置信息和时间信息发送至目标车辆周围的其他车辆，同时为了提高车辆行驶的安全性，同时会输出相应的危险提示信息，本实施例中可通过车载喇叭通过声音进行危险提示，也可通过车载信号灯，以灯光闪烁行驶进行危险提示，本实施例中还可按照其他方式进行危险提示，本实施例对此不加以限制。
109.进一步地，为了使得驾驶行为的评估更加合理准确，本实施例中所述步骤s50具体包括：根据所述第一驾驶行为识别结果确定所述驾驶员的驾驶行为类型；根据所述驾驶行为类型识别出目标驾驶行为；获取预设时间段内所述目标驾驶行为的发生次数；根据所述
预设时间段和所述发生次数确定所述目标驾驶行为对应的发生频率，并根据所述发生频率为所述驾驶员的驾驶行为进行评估。
110.需要说明的是，驾驶行为标识对应不同的驾驶行为，根据不同驾驶行为可以确定相应的驾驶行为类型，例如驾驶行为n对应的驾驶行为类型为正常驾驶，驾驶行为标识b对应的驾驶行为类型为激进驾驶。进一步地，可根据驾驶行为类型评估驾驶员的驾驶行为，例如识别出激进驾驶行为，则评定驾驶员的驾驶行为较差，若识别出正常驾驶行为，则评定驾驶员的驾驶行为良好，具体评估标准可以根据实际情况进行设置，本实施对此不加以限制。
111.需要说明的是，目标驾驶行为可以设置为激进驾驶行为，然后获取预设时间段内激进驾驶行为发生的次数，从而计算出激进驾驶行为的发生频率，然后再将发生频率与预设频率进行比较，如果发生频率大于预设频率，则判定驾驶员的驾驶行为较差，评分较低。本实施例中目标驾驶行为还可设置为正常驾驶行为，然后获取预设时间段内正常驾驶行为发生的次数，从而计算出正常驾驶行为的发生频率，然后再将发生频率与预设频率进行比较，如果发生频率大于预设频率，则判定驾驶员的驾驶行为良好，评分较高，其中，目标驾驶行为、预设时间段以及预设频率均可根据实际评估需求进行相应的调整，本实施对此不加以限制。
112.本实施例根据第一驾驶行为识别结果获取驾驶员的驾驶行为；获取目标车辆的周围环境信息；根据周围环境信息判断驾驶员的驾驶行为是否属于正常驾驶行为，并在驾驶行为属于非正常驾驶行为时，通过车联网通信获取目标车辆周围其他驾驶员的参考驾驶行为，然后在其他驾驶员的参考驾驶行为也属于非正常行为时，目标车辆的前方道路环境中存在的通行障碍对应的位置信息和时间信息发送至目标车辆周围的其他车辆，并输出相应的危险提示信息，提高了车辆行驶安全，同时根据第一驾驶行为识别结果确定驾驶员的驾驶行为类型；根据驾驶行为类型识别出目标驾驶行为；获取预设时间段内目标驾驶行为的发生次数；根据预设时间段和发生次数确定目标驾驶行为对应的发生频率，并根据发生频率为驾驶员的驾驶行为进行评估，使得驾驶行为的评估更加合理准确。
113.此外，本发明实施例还提出一种存储介质，所述存储介质上存储有驾驶行为评估程序，所述驾驶行为评估程序被处理器执行时实现如上文所述的驾驶行为评估方法的步骤。
114.参照图5，图5为本发明驾驶行为评估装置第一实施例的结构框图。
115.如图5所示，本发明实施例提出的驾驶行为评估装置包括：
116.获取模块10，用于在移动终端处于运动的目标车辆上时，获取所述目标车辆上所述移动终端对应的传感器读数信息。
117.提取模块20，用于从所述传感器读数信息中提取所述移动终端对应的重力加速度。
118.判断模块30，用于根据所述重力加速度确定所述移动终端和所述目标车辆之间的相对状态。
119.输入模块40，用于在所述相对状态为静止状态时，将所述传感器读数信息输入至第一驾驶行为识别模型，并获取所述第一驾驶行为识别模型输出的第一驾驶行为识别结果。
120.评估模块50，用于根据所述第一驾驶行为识别结果对驾驶员的驾驶行为进行评
估。
121.本实施例通过从运动的目标车辆上移动终端对应的传感器读数信息中提取所述移动终端对应的重力加速度；根据重力加速度确定移动终端和目标车辆之间的相对状态；在相对状态为静止状态时，将传感器读数信息输入至第一驾驶行为识别模型中对驾驶员的驾驶行为进行评估，借助移动终端中自带的传感器对驾驶员的驾驶行为进行评估，在保证驾驶行为评估准确性的同时，也大大降低了驾驶行为评估成本。
122.在一实施例中，所述驾驶行为评估装置还包括检测模块；
123.所述检测模块，用于获取移动终端中车辆导航功能的运行状态；从所述传感器读数信息中提取所述移动终端对应的gps速度，并将所述gps速度与预设速度进行比较；在所述车辆导航功能处于开启状态或所述gps速度大于所述预设速度时，判定所述移动终端处于运动的目标车辆上。
124.在一实施例中，所述判断模块30，还用于将所述重力加速度分解成多个方向上的重力加速度分量；获取任意方向上时刻的重力加速度分量和上一时刻的重力加速度分量之间的重力加速度差值；将所述重力加速度差值与预设差值阈值进行比较，并根据差值比较结果确定所述移动终端和所述目标车辆之间的相对状态。
125.在一实施例中，所述输入模块40，还用于在所述相对状态为运动状态时，控制所述目标车辆上的摄像装置进行拍摄，以获得所述目标车辆的车内图像信息；基于人体运动特征从所述车内图像信息中提取所述驾驶员对应的驾驶行为图像信息；将所述驾驶行为图像信息输入至第二驾驶行为识别模型，并获取所述第二驾驶行为识别模型输出的第二驾驶行为识别结果；根据所述第二驾驶行为识别结果对所述驾驶员的驾驶行为进行评估。
126.在一实施例中，所述判断模块30，还用于根据所述第一驾驶行为识别结果获取驾驶员的驾驶行为；获取所述目标车辆的周围环境信息；根据所述周围环境信息判断所述驾驶员的驾驶行为是否属于正常驾驶行为。
127.在一实施例中，所述驾驶行为评估装置还包括发送模块；
128.所述发送模块，用于在所述驾驶行为属于非正常驾驶行为时，通过车联网通信获取所述目标车辆周围其他驾驶员的参考驾驶行为，并对所述其他驾驶员的参考驾驶行为进行判断；在所述其他驾驶员的参考驾驶行为均属于非正常行为时，判定所述目标车辆的前方道路环境中存在通行障碍；记录所述通行障碍对应的位置信息和时间信息，将所述位置信息和时间信息通过所述车联网通信发送至所述目标车辆周围的其他车辆，并输出相应的危险提示信息。
129.在一实施例中，所述评估模块50，还用于根据所述第一驾驶行为识别结果确定所述驾驶员的驾驶行为类型；根据所述驾驶行为类型识别出目标驾驶行为；获取预设时间段内所述目标驾驶行为的发生次数；根据所述预设时间段和所述发生次数确定所述目标驾驶行为对应的发生频率，并根据所述发生频率为所述驾驶员的驾驶行为进行评估。
130.应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。
131.需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
132.另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的驾驶行为评估方法，此处不再赘述。
133.此外，需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
134.上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
135.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器(read only memory，rom)/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
136.以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
137.本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。