行车安全辅助方法、装置、车辆、及可读存储介质
阅读说明：本技术 行车安全辅助方法、装置、车辆、及可读存储介质 (Driving safety auxiliary method, device, vehicle and readable storage medium storing program for executing ) 是由 刘嘉 吴东勤 于 2019-07-25 设计创作，主要内容包括：本发明提供一种行车安全辅助方法,包括获取车辆的当前驾驶员的身份信息,根据所述当前驾驶员的身份信息获取对应所述当前驾驶员的驾驶记录；调用预先训练生成的驾驶熟练程度识别模型,根据对应所述当前驾驶员的所述驾驶记录识别所述当前驾驶员的驾驶熟练程度；及于所述车辆行驶过程中根据所述当前驾驶员的驾驶熟练程度触发警示机制。本发明还提供实现所述行车安全辅助方法的装置、车辆、及可读存储介质。本发明可解决车辆行驶过程中驾驶安全不高的技术问题。(The present invention provides a kind of driving safety auxiliary method, and the identity information of the current driver's including obtaining vehicle obtains the driving record of the corresponding current driver's according to the identity information of the current driver's；The driving proficiency identification model that training generates in advance is called, the driving proficiency of the current driver's is identified according to the driving record of the correspondence current driver's；And alarm mechanisms are triggered according to the driving proficiency of the current driver's in the vehicle travel process.The present invention also provides device, vehicle and the readable storage medium storing program for executing of realizing the driving safety auxiliary method.The present invention can solve the technical problem that driving safety is not high in vehicle travel process.)
技术领域
本发明涉及安全管控技术领域，具体涉及一种行车安全辅助方法、装置、车辆、及可读存储介质。
背景技术
倒车雷达，也叫“泊车辅助装置”，是汽车泊车或者倒车时的安全辅助装置，能以声音或者更为直观的显示告知驾驶员周围障碍物的情况，提高驾驶的安全性。
然而，倒车雷达对于任何驾驶员驾驶任何车辆，都是采用的同一警示机制。这样的警示方式对于不同驾驶熟练程度的驾驶员来讲并不都适用。例如，在倒车时距离障碍物小于预设距离时车辆会发出警示。在发出警示后，对于驾驶技能熟练的驾驶员来讲仍然可以很好的把控调整车辆运行。而对于驾驶技能不够熟练的驾驶员来讲，则很可能由于与障碍物之间的距离小而无法把控调整好车辆。
发明内容
鉴于以上内容，有必要提出一种行车安全辅助方法、装置、车辆、及可读存储介质，用以解决驾驶安全不高的技术问题。
本发明的第一方面提供一种行车安全辅助方法，所述方法包括：
获取车辆的当前驾驶员的身份信息，根据所述当前驾驶员的身份信息获取对应所述当前驾驶员的驾驶记录；
调用预先训练生成的驾驶熟练程度识别模型，根据对应所述当前驾驶员的所述驾驶记录识别所述当前驾驶员的驾驶熟练程度；及
于所述车辆行驶过程中根据所述当前驾驶员的驾驶熟练程度触发警示机制，
其中，所述根据所述当前驾驶员的驾驶熟练程度触发警示机制包括：
根据所述当前驾驶员的驾驶熟练程度确定报警距离值；
于所述车辆行驶过程中，探测所述车辆与障碍物之间的距离值；及
当所探测获得的距离值小于所确定的报警距离值时，触发警示机制。
优选地，训练所述驾驶熟练程度识别模型的方法包括：
获取预设数量的与不同驾驶熟练程度分别对应的驾驶记录，并对与每种驾驶熟练程度所对应的驾驶记录标注类别，使得与所述每种驾驶熟练程度所对应的驾驶记录携带类别标签，将作了类别标注后的所述预设数量的与不同驾驶熟练程度分别对应的驾驶记录作为训练样本；
将所述训练样本随机分成第一预设比例的训练集和第二预设比例的验证集，利用所述训练集训练深度神经网络获得所述驾驶熟练程度识别模型，并利用所述验证集验证所述驾驶熟练程度识别模型的准确率；及
若所述准确率大于或者等于预设准确率时，则结束训练；若所述准确率小于所述预设准确率时，则增加训练样本的样本数量重新训练深度神经网络直至重新获得的所述驾驶熟练程度识别模型的所述准确率大于或者等于所述预设准确率。
优选地，所述驾驶记录包括所述当前驾驶员领取驾驶证的时间、车险理赔记录，其中，所述车险理赔记录包括出险次数、出险频率、受损程度、理赔金额。
优选地，所述根据所述当前驾驶员的驾驶熟练程度确定报警距离值包括：
预先建立驾驶熟练程度与预设距离值之间的对应关系，其中，不同的驾驶熟练程度对应不同的预设距离值；及
当利用所述驾驶熟练程度识别模型识别出所述当前驾驶员的驾驶熟练程度时，根据所述预先建立的对应关系确定所述当前驾驶员的驾驶熟练程度所对应的预设距离值，将所确定的预设距离值作为所述报警距离值。
优选地，所述驾驶熟练程度分为一般熟练、比较熟练、熟练，其中，所述预先建立驾驶熟练程度与预设距离值之间的对应关系包括：预设所述驾驶熟练程度为一般熟练时，对应预设的第一距离值；预设所述驾驶熟练程度为比较熟练时，对应预设的第二距离值；及预设所述驾驶熟练程度为熟练时，对应预设的第三距离值；其中，所述第一距离值大于所述第二距离值，所述第二距离值大于所述第三距离值。
优选地，所述根据所述当前驾驶员的驾驶熟练程度触发警示机制还包括：
实时检测所述车辆前方路况；
根据所述前方路况以及所述当前驾驶员的驾驶熟练程度确定是否发出提示，提示所述当前驾驶员重新规划行进路线；及
于确定重新规划行进路线时，根据所述当前驾驶员的驾驶熟练程度重新规划路线。
优选地，所述前方路况包括：车道数、交通拥挤程度、是否学校路段、能见度，其中，所述前方路况是指距离所述车辆为预设距离的前方道路的路况。
本发明第二方面提供一种车辆，所述车辆包括处理器和存储器，所述存储器用于存储至少一个指令，所述处理器用于执行所述至少一个指令实现所述行车安全辅助方法。
本发明第三方面提供一种计算机可读存储介质，所述计算机可读存储介质存储有至少一个指令，所述至少一个指令被处理器执行时实现所述行车安全辅助方法。
本发明第四方面提供一种行车安全辅助装置，所述装置包括：
获取模块，用于获取车辆的当前驾驶员的身份信息，根据所述当前驾驶员的身份信息获取对应所述当前驾驶员的驾驶记录；
执行模块，用于调用预先训练生成的驾驶熟练程度识别模型，根据对应所述当前驾驶员的所述驾驶记录识别所述当前驾驶员的驾驶熟练程度；及
所述执行模块，还用于于所述车辆行驶过程中根据所述当前驾驶员的驾驶熟练程度触发警示机制，
其中，所述根据所述当前驾驶员的驾驶熟练程度触发警示机制包括：
根据所述当前驾驶员的驾驶熟练程度确定报警距离值；
于所述车辆行驶过程中，探测所述车辆与障碍物之间的距离值；及
当所探测获得的距离值小于所确定的报警距离值时，触发警示机制。
本发明实施例中所述的行车安全辅助方法、装置、车辆、及可读存储介质，通过获取车辆的当前驾驶员的身份信息，根据所述当前驾驶员的身份信息获取对应所述当前驾驶员的驾驶记录；调用预先训练生成的驾驶熟练程度识别模型，根据对应所述当前驾驶员的所述驾驶记录识别所述当前驾驶员的驾驶熟练程度；及根据所述当前驾驶员的驾驶熟练程度触发警示机制，可根据驾驶员的驾驶熟练程序来触发警示机制，有效提升驾驶安全。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1是本发明较佳实施例提供的行车安全辅助方法的流程图。
图2是本发明较佳实施例提供的行车安全辅助装置的结构图。
图3是本发明较佳实施例提供的车辆的示意图。
如下
具体实施方式
将结合上述附图进一步说明本发明。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施例对本发明进行详细描述。需要说明的是，在不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
图1是本发明较佳实施例提供的行车安全辅助方法的流程图。
在本实施例中，所述行车安全辅助方法可以应用于车辆中，对于需要进行行车安全辅助的车辆，可以直接在车辆上集成本发明的方法所提供的用于行车安全辅助的功能，或者以软件开发工具包(Software Development Kit，SDK)的形式运行在车辆上。
如图1所示，所述行车安全辅助方法具体包括以下步骤，根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。
步骤S1，获取车辆的当前驾驶员的身份信息，根据所述当前驾驶员的身份信息获取对应所述当前驾驶员的驾驶记录。
本实施例中，所述驾驶记录包括，但不限于，所述当前驾驶员领取驾驶证的时间、车险理赔记录。在一个实施例中，所述车险理赔记录包括，但不限于，出险次数、出险频率、受损程度、理赔金额等。
本发明实施例中所述的车辆通过网络(例如WIFI、无线电等)与服务器建立通讯连接。所述服务器存储了对应每个驾驶员的驾驶记录。所述服务器可以隶属于不同的保险公司。
在一个实施例中，可以于所述车辆的显示屏上显示一个用户界面供驾驶员输入身份信息。所述身份信息可以是驾驶员的指纹、身份证号，或者其他能验证驾驶员身份的信息。
步骤S2，调用预先训练生成的驾驶熟练程度识别模型，根据对应所述当前驾驶员的所述驾驶记录识别所述当前驾驶员的驾驶熟练程度。
具体地，将对应所述当前驾驶员的所述驾驶记录输入至所述预先训练生成的驾驶熟练程度识别模型，得到所述当前驾驶员的驾驶熟练程度。
本实施例中，所述驾驶熟练程度可以分为一般熟练、比较熟练、熟练。
本实施方式中，驾驶熟练程度为一般熟练时所对应的驾驶记录属于第一参数范围，驾驶熟练程度为比较熟练时所对应的驾驶记录属于第二参数范围，驾驶熟练程度为熟练时所对应的驾驶记录属于第三参数范围。所述第一参数范围、第二参数范围、第三参数范围为不同的参数范围。
优选地，训练所述驾驶熟练程度识别模型的方法包括：
1)获取预设数量的与所述不同驾驶熟练程度分别对应的驾驶记录，并对与每种驾驶熟练程度所对应的驾驶记录标注类别，使得与所述每种驾驶熟练程度所对应的驾驶记录携带类别标签，将作了类别标注后的所述预设数量的与不同驾驶熟练程度分别对应的驾驶记录作为训练样本。
例如，选取与驾驶熟练程度为一般熟练时所对应的驾驶记录500笔，并对该500笔驾驶记录分别标注为“1”，即以“1”作为标签。类似地，选取与驾驶熟练程度为比较熟练时所对应的驾驶记录500笔，并对该500笔驾驶记录分别标注为“2”，即以“2”作为标签。选取与驾驶熟练程度为熟练时所对应的驾驶记录500笔，并对该500笔驾驶记录分别标注为“3”，即以“3”作为标签。
2)将所述训练样本随机分成第一预设比例的训练集和第二预设比例的验证集，利用所述训练集训练深度神经网络获得所述驾驶熟练程度识别模型，并利用所述验证集验证训练后的所述驾驶熟练程度识别模型的准确率。
举例而言，可以首先按照标注的类别将与不同驾驶熟练程度对应的驾驶记录分发到不同的文件夹里。例如，将与驾驶熟练程度为一般熟练时所对应的驾驶记录分发到第一文件夹里，将与驾驶熟练程度为比较熟练时所对应的驾驶记录分发到第二文件夹里，以及将与驾驶熟练程度为熟练时所对应的驾驶记录分发到第三文件夹里。然后从不同的文件夹里分别提取第一预设比例(例如，70％)的驾驶记录作为训练集训练深度神经网络获得所述驾驶熟练程度识别模型，从所述不同的文件夹里分别取剩余的第二预设比例(例如，30％)的驾驶记录作为验证集，利用所述验证集对训练获得的所述驾驶熟练程度识别模型进行准确性验证。
3)若所述准确率大于或者等于预设准确率时，则结束训练。
若所述准确率小于所述预设准确率时，则在所述步骤1)中增加训练样本的样本数量即获取更多的训练样本，并利用该更多的训练样本根据上述步骤2)重新训练深度神经网络直至重新获得的所述驾驶熟练程度识别模型的所述准确率大于或者等于所述预设准确率。
步骤S3，于所述车辆行驶过程中根据所述当前驾驶员的驾驶熟练程度触发警示机制。
优选地，所述根据所述当前驾驶员的驾驶熟练程度触发警示机制包括步骤(y1)-(y3)：
步骤(y1)，根据所述当前驾驶员的驾驶熟练程度确定报警距离值。
在一个实施例中，所述根据所述当前驾驶员的驾驶熟练程度确定报警距离值包括：预先建立驾驶熟练程度与预设距离值之间的对应关系，其中，不同的驾驶熟练程度对应不同的预设距离值；当利用所述驾驶熟练程度识别模型识别出所述当前驾驶员的驾驶熟练程度时，根据所述预先建立的对应关系确定所述当前驾驶员的驾驶熟练程度所对应的预设距离值，将所确定的预设距离值作为所述报警距离值。
以所述驾驶熟练程度分为一般熟练、比较熟练、熟练为例，本实施例中，可以预设所述驾驶熟练程度为一般熟练时，对应预设的第一距离值；预设所述驾驶熟练程度为比较熟练时，对应预设的第二距离值；及预设所述驾驶熟练程度为熟练时，对应预设的第三距离值。由此，当利用所述驾驶熟练程度识别模型识别出所述当前驾驶员的驾驶熟练程度时，即可根据所述预先建立的对应关系确定所述当前驾驶员的驾驶熟练程度所对应的所述报警距离值。
优选地，所述第一距离值大于所述第二距离值和所述第三距离值。
较佳地，所述第一距离值大于所述第二距离值，所述第二距离值大于所述第三距离值。
步骤(y2)，于所述车辆行驶过程中，探测所述车辆与障碍物之间的距离值。
优选地，可以于所述车辆倒车时探测所述车辆与障碍物之间的距离。
优选地，可以于所述车辆前行时探测所述车辆与障碍物之间的距离。
在一个实施例中，所述障碍物可以是指处于静止状态的物件或者处于动态的行人或者车辆。
在一个实施例中，所述车辆与障碍物之间的距离可以是指所述车辆与位于所述车辆前方、后方、左方，或者右方的障碍物之间的距离。
具体地，可以利用安装于所述车辆上的雷达来探测所述车辆与障碍物之间的距离值。
步骤(y3)，当所探测获得的距离值小于所确定的报警距离值时，触发警示机制。
在一个实施例中，所述触发警示机制可以是指控制所述车辆的蜂鸣器发出警示音效，及/或在所述车辆的显示屏上显示文本信息提示所述当前驾驶员。
在其他实施例中，也可以于所探测获得的距离值小于所确定的报警距离值时，控制所述车辆减速。
优选地，所述根据所述当前驾驶员的驾驶熟练程度触发警示机制包括：
步骤S41，实时检测所述车辆前方路况，其中，所述前方路况包括，但不限于：车道数、交通拥挤程度、是否学校路段、能见度等。
在一个实施例中，所述前方路况可以是指距离所述车辆为预设距离(例如1公里)的前方道路的路况。
具体地，可以调用预设的地图(例如Google地图、百度地图)来获取所述前方路况所包括的车道数、交通拥挤程度、所述前方道路是否包括学校路段等，以及调用预设的天气预设软件获取所述能见度的指数等。
步骤S42，根据所述前方路况以及所述当前驾驶员的驾驶熟练程度确定是否发出提示，提示所述当前驾驶员重新规划行进路线。
由于相同的路况对不同驾驶熟练程度的驾驶员来讲，其开车行进难易程度也是不一样的，因此可以通过设定一个规则来确定何种前方路况时对哪种驾驶熟练程度的驾驶员需要发出重新规划行进路线的提示。
举例而言，对于学校路段来讲，由于驾驶员可能随时需要停车等候学生经过，因此对驾驶员的驾驶熟练程度要求较高。因此可以在所述规则中设定：若所述前方道路包括学校路段，且所述当前驾驶员的驾驶熟练程度为一般熟练确定发出所述提示，提示所述当前驾驶员对是否重新规划行进路线进行选择。
上述仅为举例说明，不应理解为有关根据所述前方路况以及所述当前驾驶员的驾驶熟练程度确定是否发出提示的技术方案的限制。
步骤S43，于确定重新规划行进路线时，根据所述当前驾驶员的驾驶熟练程度重新规划路线。
仍然如上述举例，假设所述前方道路包括学校路段，且所述当前驾驶员的驾驶熟练程度为一般熟练，则可以重新规划一条可以避开所述学校路段的新行进路线。
综上所述，本发明实施例中所述的行车安全辅助方法，通过获取车辆的当前驾驶员的身份信息，根据所述当前驾驶员的身份信息获取对应所述当前驾驶员的驾驶记录；调用预先训练生成的驾驶熟练程度识别模型，根据对应所述当前驾驶员的所述驾驶记录识别所述当前驾驶员的驾驶熟练程度；及根据所述当前驾驶员的驾驶熟练程度触发警示机制，可根据驾驶员的驾驶熟练程序来触发警示机制，有效提升驾驶安全。
上述图1详细介绍了本发明的行车安全辅助方法，下面结合第2～3图，对实现所述行车安全辅助方法的软件装置的功能模块以及实现所述行车安全辅助方法的硬件装置架构进行介绍。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
参阅图2所示，是本发明较佳实施例提供的行车安全辅助装置的结构图。
在一些实施例中，所述行车安全辅助装置30运行于车辆中。所述车辆通过网络连接了外部设备。所述行车安全辅助装置30可以包括多个由程序代码段所组成的功能模块。所述行车安全辅助装置30中的各个程序段的程序代码可以存储于车辆的存储器中，并由所述至少一个处理器所执行，以实现(详见图2描述)行车安全辅助功能。
本实施例中，所述行车安全辅助装置30根据其所执行的功能，可以被划分为多个功能模块。所述功能模块可以包括：获取模块301、执行模块302。本发明所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段，其存储在存储器中。在本实施例中，关于各模块的功能将在后续的实施例中详述。
获取模块301获取车辆的当前驾驶员的身份信息，根据所述当前驾驶员的身份信息获取对应所述当前驾驶员的驾驶记录。
本实施例中，所述驾驶记录包括，但不限于，所述当前驾驶员领取驾驶证的时间、车险理赔记录。在一个实施例中，所述车险理赔记录包括，但不限于，出险次数、出险频率、受损程度、理赔金额等。
本发明实施例中所述的车辆通过网络与服务器建立通讯连接。所述服务器存储了对应每个驾驶员的驾驶记录。所述服务器可以隶属于不同的保险公司。
在一个实施例中，所述的车辆通过网络与服务器可以通过任何传统的无线网络通讯连接。所述无线网络可以为传统无线通讯的任何类型，例如无线电、无线保真(WirelessFidelity,WIFI)、蜂窝、卫星、广播等。无线通讯技术可以包括，但不限于，全球移动通信系统(Global System for Mobile Communications，GSM)、通用分组无线业务(GeneralPacket Radio Service，GPRS)、码分多址(Code Division Multiple Access，CDMA)，宽带码分多址(W-CDMA)、CDMA2000、IMT单载波(IMT Single Carrier)、增强型数据速率GSM演进(Enhanced Data Rates for GSM Evolution，EDGE)、长期演进技术(Long-TermEvolution，LTE)、高级长期演进技术、时分长期演进技术(Time-Division LTE，TD-LTE)、高性能无线电局域网(High Performance Radio Local Area Network，HiperLAN)、高性能无线电广域网(High Performance Radio Wide Area Network，HiperWAN)、本地多点派发业务(Local Multipoint Distribution Service，LMDS)、全微波存取全球互通(WorldwideInteroperability for Microwave Access，WiMAX)、紫蜂协议(ZigBee)、蓝牙、正交频分复用技术(Flash Orthogonal Frequency-Division Multiplexing，Flash-OFDM)、大容量空分多路存取(High Capacity Spatial Division Multiple Access，HC-SDMA)、通用移动电信系统(Universal Mobile Telecommunications System，UMTS)、通用移动电信系统时分双工(UMTS Time-Division Duplexing，UMTS-TDD)、演进式高速分组接入(Evolved HighSpeed Packet Access，HSPA+)、时分同步码分多址(Time Division Synchronous CodeDivision Multiple Access，TD-SCDMA)、演进数据最优化(Evolution-Data Optimized，EV-DO)、数字增强无绳通信(Digital Enhanced Cordless Telecommunications，DECT)及其他。
在一个实施例中，获取模块301可以于所述车辆的显示屏上显示一个用户界面供驾驶员输入身份信息。所述身份信息可以是驾驶员的指纹、身份证号，或者其他能验证驾驶员身份的信息。
执行模块302用于调用预先训练生成的驾驶熟练程度识别模型，根据对应所述当前驾驶员的所述驾驶记录识别所述当前驾驶员的驾驶熟练程度。
具体地，执行模块302将对应所述当前驾驶员的所述驾驶记录输入至所述预先训练生成的驾驶熟练程度识别模型，得到所述当前驾驶员的驾驶熟练程度。
本实施例中，所述驾驶熟练程度可以分为一般熟练、比较熟练、熟练。
本实施方式中，驾驶熟练程度为一般熟练时所对应的驾驶记录属于第一参数范围，驾驶熟练程度为比较熟练时所对应的驾驶记录属于第二参数范围，驾驶熟练程度为熟练时所对应的驾驶记录属于第三参数范围。所述第一参数范围、第二参数范围、第三参数范围为不同的参数范围。
优选地，执行模块302还用于训练所述驾驶熟练程度识别模型。
具体地，所述执行模块302获取预设数量的与所述不同驾驶熟练程度分别对应的驾驶记录，并对与每种驾驶熟练程度所对应的驾驶记录标注类别，使得与所述每种驾驶熟练程度所对应的驾驶记录携带类别标签，将作了类别标注后的所述预设数量的与不同驾驶熟练程度分别对应的驾驶记录作为训练样本。
例如，选取与驾驶熟练程度为一般熟练时所对应的驾驶记录500笔，并对该500笔驾驶记录分别标注为“1”，即以“1”作为标签。类似地，选取与驾驶熟练程度为比较熟练时所对应的驾驶记录500笔，并对该500笔驾驶记录分别标注为“2”，即以“2”作为标签。选取与驾驶熟练程度为熟练时所对应的驾驶记录500笔，并对该500笔驾驶记录分别标注为“3”，即以“3”作为标签。
所述执行模块302将所述训练样本随机分成第一预设比例的训练集和第二预设比例的验证集，利用所述训练集训练深度神经网络获得所述驾驶熟练程度识别模型，并利用所述验证集验证训练后的所述驾驶熟练程度识别模型的准确率。
举例而言，可以首先按照标注的类别将与不同驾驶熟练程度对应的驾驶记录分发到不同的文件夹里。例如，将与驾驶熟练程度为一般熟练时所对应的驾驶记录分发到第一文件夹里，将与驾驶熟练程度为比较熟练时所对应的驾驶记录分发到第二文件夹里，以及将与驾驶熟练程度为熟练时所对应的驾驶记录分发到第三文件夹里。然后从不同的文件夹里分别提取第一预设比例(例如，70％)的驾驶记录作为训练集训练深度神经网络获得所述驾驶熟练程度识别模型，从所述不同的文件夹里分别取剩余的第二预设比例(例如，30％)的驾驶记录作为验证集，利用所述验证集对训练获得的所述驾驶熟练程度识别模型进行准确性验证。
若所述准确率大于或者等于预设准确率时，所述执行模块302则结束训练。
若所述准确率小于所述预设准确率时，所述执行模块302则增加训练样本的样本数量即获取更多的训练样本，并利用该更多的训练样本重新训练深度神经网络直至重新获得的所述驾驶熟练程度识别模型的所述准确率大于或者等于所述预设准确率。
执行模块302还用于于所述车辆行驶过程中根据所述当前驾驶员的驾驶熟练程度触发警示机制。
在一个优选的实施例中，所述执行模块302根据所述当前驾驶员的驾驶熟练程度触发警示机制包括：
所述执行模块302根据所述当前驾驶员的驾驶熟练程度确定报警距离值。
在一个实施例中，所述根据所述当前驾驶员的驾驶熟练程度确定报警距离值包括：预先建立驾驶熟练程度与预设距离值之间的对应关系，其中，不同的驾驶熟练程度对应不同的预设距离值；当利用所述驾驶熟练程度识别模型识别出所述当前驾驶员的驾驶熟练程度时，根据所述预先建立的对应关系确定所述当前驾驶员的驾驶熟练程度所对应的预设距离值，将所确定的预设距离值作为所述报警距离值。
以所述驾驶熟练程度分为一般熟练、比较熟练、熟练为例，本实施例中，可以预设所述驾驶熟练程度为一般熟练时，对应预设的第一距离值；预设所述驾驶熟练程度为比较熟练时，对应预设的第二距离值；及预设所述驾驶熟练程度为熟练时，对应预设的第三距离值。由此，当利用所述驾驶熟练程度识别模型识别出所述当前驾驶员的驾驶熟练程度时，即可根据所述预先建立的对应关系确定所述当前驾驶员的驾驶熟练程度所对应的所述报警距离值。
优选地，所述第一距离值大于所述第二距离值和所述第三距离值。
较佳地，所述第一距离值大于所述第二距离值，所述第二距离值大于所述第三距离值。
所述执行模块302还于所述车辆行驶过程中，探测所述车辆与障碍物之间的距离值。
优选地，可以于所述车辆倒车时探测所述车辆与障碍物之间的距离。
优选地，可以于所述车辆前行时探测所述车辆与障碍物之间的距离。
在一个实施例中，所述障碍物可以是指处于静止状态的物件或者处于动态的行人或者车辆。
在一个实施例中，所述车辆与障碍物之间的距离可以是指所述车辆与位于所述车辆前方、后方、左方，或者右方的障碍物之间的距离。
具体地，可以利用安装于所述车辆上的雷达来探测所述车辆与障碍物之间的距离值。
当所探测获得的距离值小于所确定的报警距离值时，所述执行模块302触发警示机制。
在一个实施例中，所述触发警示机制可以是指控制所述车辆的蜂鸣器发出警示音效，及/或在所述车辆的显示屏上显示文本信息提示所述当前驾驶员。
在其他实施例中，所述执行模块302也可以于所探测获得的距离值小于所确定的报警距离值时，控制所述车辆减速。
在另一个优选的实施例中，所述执行模块302根据所述当前驾驶员的驾驶熟练程度触发警示机制包括：
所述执行模块302实时检测所述车辆前方路况，其中，所述前方路况包括，但不限于：车道数、交通拥挤程度、是否学校路段、能见度等。
在一个实施例中，所述前方路况可以是指距离所述车辆为预设距离(例如1公里)的前方道路的路况。
具体地，可以调用预设的地图(例如Google地图、百度地图)来获取所述前方路况所包括的车道数、交通拥挤程度、所述前方道路是否包括学校路段等，以及调用预设的天气预设软件获取所述能见度的指数等。
所述执行模块302根据所述前方路况以及所述当前驾驶员的驾驶熟练程度确定是否发出提示，提示所述当前驾驶员重新规划行进路线。
由于相同的路况对不同驾驶熟练程度的驾驶员来讲，其开车行进难易程度也是不一样的，因此可以通过设定一个规则来确定何种前方路况时对哪种驾驶熟练程度的驾驶员需要发出重新规划行进路线的提示。
举例而言，对于学校路段来讲，由于驾驶员可能随时需要停车等候学生经过，因此对驾驶员的驾驶熟练程度要求较高。因此可以在所述规则中设定：若所述前方道路包括学校路段，且所述当前驾驶员的驾驶熟练程度为一般熟练确定发出所述提示，提示所述当前驾驶员对是否重新规划行进路线进行选择。
上述仅为举例说明，不应理解为有关根据所述前方路况以及所述当前驾驶员的驾驶熟练程度确定是否发出提示的技术方案的限制。
所述执行模块302于确定重新规划行进路线时，根据所述当前驾驶员的驾驶熟练程度重新规划路线。
仍然如上述举例，假设所述前方道路包括学校路段，且所述当前驾驶员的驾驶熟练程度为一般熟练，则可以重新规划一条可以避开所述学校路段的新行进路线。
综上所述，本发明实施例中所述的行车安全辅助装置，通过获取车辆的当前驾驶员的身份信息，根据所述当前驾驶员的身份信息获取对应所述当前驾驶员的驾驶记录；调用预先训练生成的驾驶熟练程度识别模型，根据对应所述当前驾驶员的所述驾驶记录识别所述当前驾驶员的驾驶熟练程度；及根据所述当前驾驶员的驾驶熟练程度触发警示机制，可根据驾驶员的驾驶熟练程序来触发警示机制，有效提升驾驶安全。
参阅图3所示，为本发明较佳实施例提供的车辆的结构示意图。在本发明较佳实施例中，所述车辆3包括存储器31、至少一个处理器32、至少一条通信总线33。本领域技术人员应该了解，图3示出的车辆的结构并不构成本发明实施例的限定，既可以是总线型结构，也可以是星形结构，所述车辆3还可以包括比图示更多或更少的其他硬件或者软件，或者不同的部件布置。
在一些实施例中，所述车辆3包括一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的终端，其硬件包括但不限于微处理器、专用集成电路、可编程门阵列、数字处理器及嵌入式设备等。
需要说明的是，所述车辆3仅为举例，其他现有的或今后可能出现的电子产品如可适应于本发明，也应包含在本发明的保护范围以内，并以引用方式包含于此。
在一些实施例中，所述存储器31用于存储程序代码和各种数据，例如安装在所述车辆3中的行车安全辅助装置30，并在车辆3的运行过程中实现高速、自动地完成程序或数据的存取。所述存储器31包括只读存储器(Read-Only Memory，ROM)、随机存储器(RandomAccess Memory，RAM)、可编程只读存储器(Programmable Read-Only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory，OTPROM)、电子擦除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(Compact Disc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他存储介质。
在一些实施例中，所述至少一个处理器32可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述至少一个处理器32是所述车辆3的控制核心(Control Unit)，利用各种接口和线路连接整个车辆3的各个部件，通过运行或执行存储在所述存储器31内的程序或者模块，以及调用存储在所述存储器31内的数据，以执行车辆3的各种功能和处理数据，例如执行行车安全辅助的功能。
在一些实施例中，所述至少一条通信总线33被设置为实现所述存储器31以及所述至少一个处理器32等之间的连接通信。
尽管未示出，所述车辆3还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器32逻辑相连，从而通过电源管理装置实现管理充电、放电、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述车辆3还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
上述以软件功能模块的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台车辆(可以是服务器、个人电脑等)或处理器(processor)执行本发明各个实施例所述方法的部分。
在进一步的实施例中，结合图2，所述至少一个处理器32可执行所述车辆3的操作装置以及安装的各类应用程序(如所述的行车安全辅助装置30)、程序代码等，例如，上述的各个模块。
所述存储器31中存储有程序代码，且所述至少一个处理器32可调用所述存储器31中存储的程序代码以执行相关的功能。例如，图2中所述的各个模块是存储在所述存储器31中的程序代码，并由所述至少一个处理器32所执行，从而实现所述各个模块的功能以达到行车安全辅助的目的。
在本发明的一个实施例中，所述存储器31存储多个指令，所述多个指令被所述至少一个处理器32所执行以实现行车安全辅助的目的。
具体地，所述至少一个处理器32对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置，车辆和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。