阅读说明：本技术 一种基于开车行为特征的汽车防盗方法与系统 (A kind of automobile anti-theft method and system based on driving behavioural characteristic ) 是由 沈之锐 于 2019-08-29 设计创作，主要内容包括：本发明提供一种基于开车行为特征的汽车防盗方法与系统识别汽车车主及其开车行为规律；若有多个常用该车的车主,识别每一个汽车常用车主的所述开车行为规律；识别当前用户的所述开车行为规律,是否与汽车所有常用车主中的其中一个匹配；若与汽车所有常用车主都不匹配,则提示该驾驶员为未知人员,需要进一步提供当前用户信息,否则将导致自动泊车。本发明在汽车被盗窃者遮蔽内部摄像头,并且断网之后,依然可以根据汽车驾驶员平时的开车行为规律,判断当前驾驶员是否是真正的车主,比普通的防盗系统更加深入的识别驾驶者驾驶特征,提高了汽车的防盗能力。(The present invention provides a kind of automobile anti-theft method based on driving behavioural characteristic and system identification automotive vehicle owner and its driving Behavior law；If there are multiple car owners for commonly using the vehicle, identify that each automobile often uses the driving Behavior law of car owner；Identify the driving Behavior law of active user, if with one of matching in all common car owners of automobile；If all common car owners mismatch with automobile, prompting the driver is unknown personnel, needs to further provide for current user information, otherwise will lead to automatic parking.The present invention covers Internal camera head in automobile person thefted, and after suspension, it still can be according to the driving Behavior law of driver usually, judge whether current driver's are real car owners, the identification driver driving characteristics more deep than common burglary-resisting system, improve the anti-theft capability of automobile.)

一种基于开车行为特征的汽车防盗方法与系统

技术领域

本发明涉及计算机应用技术领域，尤其涉及一种基于开车行为特征的汽车防盗方法与系统。

背景技术

现代的偷车者一般知道人们可以根据gps定位等技术，获得它的位置，了解通常的汽车防盗技术，也知道摄像头会对自己不利。一般如果能进入车内都会进行摄像头遮蔽。也不会让智能汽车进行联网。这样的情况下，就给汽车防盗带来很大的困难。

另一方面，从汽车使用的角度，一辆家用汽车，一般都只有几个人固定的人开。本专利，根据汽车驾驶员平时的开车行为规律。判断该车是否属于平时的驾驶员。当开启防盗装置后，可以判断非正常的驾驶员。以此识别被盗，可以自动让汽车停止工作。

发明内容

本发明提供了一种基于开车行为特征的汽车防盗方法，主要包括以下步骤：

识别汽车车主及其开车行为规律；

若有多个常用该车的车主，识别每一个汽车常用车主的所述开车行为规律；

识别当前用户的所述开车行为规律，是否与汽车所有常用车主中的其中一个匹配；

若与汽车所有常用车主都不匹配，则提示该驾驶员为未知人员，需要进一步提供当前用户信息，否则将导致自动泊车。

进一步可选地，如上所述的方法中，所述识别汽车车主及其开车行为规律，主要包括：

识别车主的体重及坐姿；

识别车主开车时的常用开车速度及速度变化；

识别车主开车时惯用的前后车距离以及惯用刹车距离；

进一步可选地，如上所述的方法中，所述识别车主的体重及坐姿，主要包括：

通过座位上的多个压力传感器识别车主体重，并根据车主穿着的衣物重量、餐饮情况、排便状态来精准记录分析体重数据；

根据行车过程中，刹车、开车、颠簸导致的体重压力变化，精准记录分析体重数据；根据所述车主自身体重的变化与所述行车过程的体重数据变化，对体重变化的正常范围进行记录；

检测车主在座位上的坐姿，包括靠前坐的时间时长，背靠椅背的时间时长，标准坐姿、驼背坐姿、左肩偏高坐姿、右肩偏高坐姿，通过安全带的拉伸情况和压力传感器，识别各种坐姿反应到座位的压力传感器上的数值变化特征。

进一步可选地，如上所述的方法中，所述识别车主开车时的常用开车速度及速度变化，主要包括：

提取的车主常用开车速度，包括车主开车行驶的最大速度或加速度、第二大速度或加速度、平均速度或加速度、中值速度或加速度、最小速度或加速度、速度期望或加速度期望、速度方差或加速度方差；

提取车主在道路上开车的变道变化率、停车率及速度变化率。所述车道变化率是指，在空旷路段，若车主经常在不同车道上行驶，车道变化率就高，经常只在单车道行驶车道变化率就低；停车率是指，行车途中经常喜欢停车的概率；速度变化率是指，速度是否在一定时间内多次变化，以及速度变化的幅度大小。

进一步可选地，如上所述的方法中，所述识别车主开车时惯用的前后车距离以及惯用刹车距离，主要包括：

通过激光雷达向前方探测，以正前方左右以一定的偏角做扇形扫描，计算扫描区域内前后车之间距离，记录车主开车过程中，习惯保持的前后车车距；

当前面有车时，记录车主停车时，与前车保持的距离；记录车主每次停车起始时间和停车结束时间，获得刹车所用时间。

进一步可选地，如上所述的方法中，所述识别当前用户的所述开车行为规律，是否与汽车所有常用车主中的其中一个匹配，在此之前，主要还包括：

在汽车购买后，预设一段时间，用于收集车主的行车习惯信息；

或者在车主确认车主信息已经收集完成，可以开启防盗识别后，开启汽车防盗系统，在此之后的每次驾驶，都识别用户开车行为规律，并对车主进行开车行为规律判断，以确认其身份。

进一步可选地，如上所述的方法中，所述识别当前用户的所述开车行为规律，是否与汽车所有常用车主中的其中一个匹配，主要包括：

识别当前用户行车规律，包括车主的体重及坐姿；车主常用开车速度及速度变化；车主惯用前后车距离以及惯用刹车距离；

比较是否与常用车主的所述行车规律相似，若常用车主中有一个与当前用户相似度大于预设阈值，则确认当前车主为常用车主；

所述相似度计算方式采用欧氏距离算法、Hellinger距离算法和KL距离算法中的一种或多种；

若没有人与当前用户相似度大于预设的阈值，则识别为未知人员；

进一步可选地，如上所述的方法中，所述识别当前用户的所述开车行为规律，是否与汽车所有常用车主中的其中一个匹配，之后还包括：

当识别结果为未知人员，为了预防识别错误，导致常用车主无法开车，还进一步采用分类方法进行再次识别；

所述分类方法包括：

采集数个已知身份的用户的训练特征参数；所述已知身份的用户为车主身份还有非车主的身份；所述训练特征参数至少包括所述已知身份的用户在所述预设时间周期的汽车驾驶行为规律特征参数；使用各所述已知身份的用户的所述训练特征参数，训练所述车主身份识别器；所述参数包括车主的体重及坐姿；车主常用开车速度及速度变化；车主惯用前后车距离以及惯用刹车距离；

采用训练好的模型，对识别为未知人员的驾驶员，进行识别。如果模型的分类结果，也是非车主，则判断当前驾驶员为未知人员或者盗窃者。

进一步可选地，如上所述的方法中，所述进一步提供当前用户信息，否则将导致自动泊车，主要包括：

要求当前驾驶员提供身份证明，提供摄像头人脸识别，要求汽车链接网络以进一步确认驾驶员信息，向车主收集发送汽车位置信息，或者报警信息；如果所述步骤有至少一项无法进行，则强制泊车；等待救援。

本发明公开了一种基于开车行为特征的汽车防盗系统，所述系统包括：

车主的体重及坐姿识别模块，用于获取车主的身体特征信息；

车主开车规律识别模块，用于获取车主的开车速度规律及前后距离刹车距离等特征；

车主身份识别模块，用于根据获取的驾驶员信息，匹配车主的身份；

车主再次检测验证模块，用于当匹配不到车主时，再次通过其他算法检测用户的身份，避免错误识别车主身份；

非法驾驶的自动泊车模块，用于当检测到驾驶者为未知人员或者盗窃者时，进行信息提醒和自动泊车。

本发明实施例提供的技术方案可以包括以下有益效果：

本发明在汽车被盗窃者遮蔽内部摄像头，并且断网之后，依然可以根据汽车驾驶员平时的开车行为规律，判断当前驾驶员是否是真正的车主，比普通的防盗系统更加深入的识别驾驶者驾驶特征，识别被盗，能主动泊车，改进了汽车的防盗能力。

附图说明

图1为本发明的基于开车行为特征的汽车防盗方法实施例的流程图；

图2为本发明的基于开车行为特征的汽车防盗系统实施例的结构图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。

图1为本发明的方法的流程图。如图1所示，本实施例的基于开车行为特征的汽车防盗方法，具体可以包括如下步骤：

步骤101，识别车主的体重及坐姿。

通过座位上的多个压力传感器识别车主体重，并根据车主穿着的衣物重量、餐饮情况、排便状态来精准记录分析体重数据；体重是最简单的识别车主信息的特征。但是体重是会根据不同的状态变化的。当记录了车主多种多样的体重信息之后，就能在任何状况下都准确的识别出车主的特征。

根据行车过程中，刹车、开车、颠簸导致的体重压力变化，精准记录分析体重数据；根据所述车主自身体重的变化与所述行车过程的体重数据变化，对体重变化的正常范围进行记录；车在运动过程中也会因为惯性而导致驾驶人员在上面的体重信息变化，例如颠簸的情况，就会使身体作用于压力传感器的压力发生变化，因此需要记录好，各种状况下，车主的体重变化情况。这个体重分布，能够更加精准的在任何情况都识别到最精确的体重信息。避免盗车者因为体重刚好和车子相差不多，而导致误识别，增加车的被盗风险。

检测车主在座位上的坐姿，包括靠前坐的时间时长，背靠椅背的时间时长，标准坐姿、驼背坐姿、左肩偏高坐姿、右肩偏高坐姿，通过安全带的拉伸情况和压力传感器，识别各种坐姿反应到座位的压力传感器上的数值变化特征。由于不同的人，开车时习惯的坐姿不同，因此坐姿也是一种识别身份特征的方式，对坐姿的检测，可以通过分布在座位上多个部位的压力传感器，看哪一个部位承载重量更大，来判断驾驶者当前的坐姿。另外因为摄像头是很容易被盗窃者遮挡或者破坏的，因此无法通过摄像头检测坐姿。还可以搭配着安全带被拉伸的程度以及拉伸的拉力方向，来结合着压力传感器，进一步判断坐姿。例如安全带被很大的拉伸，压力在座位前部，则可以判断当前驾驶员的坐姿是靠前坐。除了坐姿的判断，还进一步判断坐姿常用时间，因为不同人对坐姿的喜好程度不同，很多时候是不自觉的会按照自己的习惯去驾驶汽车和在座位上按照不同坐姿时长去活动的，因此对坐姿时长对检测也能够获得较多的驾驶者特征。如果对于身体重量特征、坐姿特征完全不同的情况，单单这一特征就能够判断当前驾驶员是否是真正的车主了。

步骤102，识别车主开车时的常用开车速度及速度变化。

提取的车主常用开车速度，包括车主开车行驶的最大速度或加速度、第二大速度或加速度、平均速度或加速度、中值速度或加速度、最小速度或加速度、速度期望或加速度期望、速度方差或加速度方差；

提取车主在道路上开车的变道变化率、停车率及速度变化率。所述车道变化率是指，在空旷路段，若车主经常在不同车道上行驶，车道变化率就高，经常只在单车道行驶车道变化率就低；停车率是指，行车途中经常喜欢停车的概率；速度变化率是指，速度是否在一定时间内多次变化，以及速度变化的幅度大小。比较容易理解，人们驾车虽然不同路段有不同的速度，但是所使用的速度却也是有规律的。例如，经过多次的行车记录，会形成如下的车主开车速度规律：高速公路上车主最经常开80公里每小时，偶尔开100公里每小时，他不会经常变道，即使在普通道路上，也不喜欢经常变道行驶，除非道路拥堵的情况，也不喜欢经常改变开车速度。如果当前驾驶员的驾驶风格没有以上规律，那么他不是车主的概率就更大。当然这个特征，不足以单独就用于判断驾驶员身份，但是却是一个可以提高防盗识别率的重要信息特征。

步骤103，识别车主开车时惯用的前后车距离以及惯用刹车距离。

通过激光雷达向前方探测，以正前方左右以一定的偏角做扇形扫描，计算扫描区域内前后车之间距离，记录车主开车过程中，习惯保持的前后车车距；可以理解，不同人开车喜欢于前方车辆保持的安全距离是不同的，有些人安全意识高，喜欢保持更长的距离，有些人则喜欢靠近点开。这个距离会因人而异的有些许差别。通过激光雷达的距离探测可以精确的获取该距离，因此可以更加精准的识别驾驶员对开车距离的喜好。

当前面有车时，记录车主停车时，与前车保持的距离；记录车主每次停车起始时间和停车结束时间，获得刹车所用时间。

刹车所用时间，与停车所用的距离，也是一个很细致的开车特征。他能够在不知不觉中，为个人的行车规律提供信息，获得个人行车特点。

步骤104，在汽车购买后，预设一段时间，用于收集车主的行车习惯信息；

或者在车主确认车主信息已经收集完成，可以开启防盗识别后，开启汽车防盗系统，在此之后的每次驾驶，都识别用户开车行为规律，并对车主进行开车行为规律判断，以确认其身份。

一辆车的使用者经常不只一个人，例如一家人同时使用一辆车。因此是需要收集不只一个车主的信息的。因为刚买的车，并没有设计什么时候需要开始基于开车行为的防盗。如果过早开启开车行为特征的防盗，可能没有足够的收集到多个车主的开车特征，如果太晚开启这个防盗功能，则会增加盗车风险。因此这个预设的时间长度是经过多次车主实验的，足够收集多个常用车主的信息的时间。另外也可以根据需要，让车主自己设计何时开启基于开车行为特征的防盗系统。

步骤105，识别当前用户的所述开车行为规律，是否与汽车所有常用车主中的其中一个匹配，主要包括：

识别当前用户行车规律，包括车主的体重及坐姿；车主常用开车速度及速度变化；车主惯用前后车距离以及惯用刹车距离；

比较是否与常用车主的所述行车规律相似，若常用车主中有一个与当前用户相似度大于预设阈值，则确认当前车主为常用车主；

若没有人与当前用户相似度大于预设的阈值，则识别为未知人员。

所述的相似度计算，可以采用如下的方法：

根据每个车主对车辆行为的操作记录，将所述多种操作信息记录生成为一个矩阵，所述矩阵的每行元素表示一个车主，所述评分矩阵的每列元素表示一种汽车行为特征信息；根据这个矩阵，可以是余弦相似度算法、欧氏距离算法、Hellinger距离算法和KL距离算法中的一种或多种。

步骤106，为了预防识别错误，导致常用车主无法开车，还进一步采用分类方法进行再次识别。

因为相似度计算只是识别算法中的一种，由于人们开车的心情不同或者偶尔有事等情况，不一定每一次都具有最相似的特征，因此在识别为未知人员时，还需要进一步确认该识别结果。于是可以采用另外的算法来完成再次的识别。在这里，当识别结果为未知人员时，为了预防识别错误，导致常用车主无法开车，还进一步采用分类方法进行再次识别；因为分类算法能够更加精确的进行再次确认。

所述分类方法包括：

采集数个已知身份的用户的训练特征参数；所述已知身份的用户为车主身份还有非车主的身份；所述训练特征参数至少包括所述已知身份的用户在所述预设时间周期的汽车驾驶行为规律特征参数；使用各所述已知身份的用户的所述训练特征参数，训练所述车主身份识别器；所述参数包括车主的体重及坐姿；车主常用开车速度及速度变化；车主惯用前后车距离以及惯用刹车距离；

采用训练好的模型，对识别为未知人员的驾驶员，进行识别。如果模型的分类结果，也是非车主，则判断当前驾驶员为未知人员或者盗窃者。经过第二次的识别，如果识别结果依然是未知人员，则确定当前驾驶者不是车主。如果识别结果为车主，则推翻第一次的识别结果，已第二次识别的结果为准。因为在这个防盗角度上，是宁愿识别不出盗贼，也不能把正常的车主误会识别为盗贼的。所以，宁愿采用宽松的策略。当两次的识别结果都为未知人员，则确定当前驾驶人员为盗窃者。

步骤106，要求进一步提供当前用户信息，否则将导致自动泊车。

对于盗窃者，首选要求当前驾驶员提供身份证明，提供摄像头人脸识别，要求汽车链接网络以进一步确认驾驶员信息，向车主收集发送汽车位置信息，或者报警信息；如果所述步骤有至少一项无法进行，或者驾驶者不配合汽车的信息提示，则强制泊车；等待救援。

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可以通过软件实现，也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解，上述实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，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。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。