一种基于车辆的人员识别方法和一种车辆

技术领域

本发明涉及车辆技术领域，特别是涉及一种基于车辆的人员识别方法和一种车辆。

背景技术

随着互联网智能汽车的发展，人们对汽车智能程度的要求越来越高。为了使车辆可以智能地为使用车辆的人员提供其所需要的服务，车辆通常需要识别车辆中人员的身份。但是，若车辆无法准确地识别人员的身份以及该人员乘坐的位置，则容易导致车辆无法很好地为使用车辆的人员提供其所需要的服务。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种基于车辆的人员识别方法和一种车辆。

为了解决上述问题，本发明公开了一种基于车辆的人员识别方法，包括：

若检测到车辆座舱内存在人员变动，采用至少两种识别方式预测座舱位置上的人员身份，并分别输出人员分类信息；

基于至少两种识别方式对应的人员分类信息进行投票，将投票结果作为所述座舱位置上人员的身份信息。

可选地，所述采用至少两种识别方式预测所述座舱位置上的人员，并分别输出人员分类信息的步骤，包括：

采用至少两种识别方式，分别采集所述座舱位置上人员的人员特征信息；

采用至少两种所述人员特征信息分别预测所述座舱位置上的人员，并输出人员分类信息。

可选地，所述采集所述座舱位置上的人员的至少两种人员特征信息的步骤，包括：

针对所述座舱位置上的人员，采集面部特征信息、声纹信息、座椅压力信息、指纹信息、虹膜信息、人员持有的电子设备信息中的至少两种信息。

可选地，所述采用至少两种所述人员特征信息预测所述座舱位置上的人员，并分别输出人员分类信息的步骤，包括：

采用至少两种所述人员特征信息，分别预测所述座舱位置上的人员属于至少一种已记录人员信息的概率，并作为人员分类信息输出。

可选地，所述基于至少两种识别方式对应的人员分类信息进行投票，将投票结果作为所述座舱位置上人员的身份信息的步骤，包括：

基于至少两种所述识别方式的权重及其对应的人员分类信息进行投票，得到所述座舱位置上人员属于至少一种人员分类信息的概率；

根据所述座舱位置上人员属于至少一种人员分类信息的概率，选取一所述人员分类信息作为所述座舱位置上人员的身份信息。

可选地，所述方法还包括：

在车辆启动或者车辆停止行驶时，检测所述车辆座舱内是否出现人员变动；和/或，

在所述车辆行驶过程中，采用预设周期检测车辆座舱内是否出现人员变动。

可选地，所述方法还包括：

采用所述座舱位置上人员的身份信息对应的车辆配置信息，调整所述座舱位置周边的车辆配置。

可选地，所述方法还包括：

根据车辆中所述座舱位置上人员的身份信息，判断所述车辆是否处于安全行驶状态。

可选地，所述根据车辆中所述座舱位置上人员的身份信息，判断所述车辆是否处于安全行驶状态；

判断驾驶员的座舱位置上人员的身份信息是否满足驾驶员条件，或者，判断乘客的座舱位置上人员的身份信息是否满足所述座舱位置对应的乘客条件。

在本发明一种实施例中，还公开了一种车辆，包括：

预测模块，用于若检测到车辆座舱内存在人员变动，采用至少两种识别方式预测座舱位置上的人员身份，并分别输出人员分类信息；

身份识别模块，用于基于至少两种识别方式对应的人员分类信息进行投票，将投票结果作为所述座舱位置上人员的身份信息。

可选地，所述检测模块包括：

采集子模块，用于采用至少两种识别方式，分别采集所述座舱位置上人员的人员特征信息；

预测子模块，用于采用至少两种所述人员特征信息分别预测所述座舱位置上的人员，并输出人员分类信息。

可选地，所述采集子模块包括：

采集单元，用于针对所述座舱位置上的人员，采集面部特征信息、声纹信息、座椅压力信息、指纹信息、虹膜信息、人员持有的电子设备信息中的至少两种信息。

可选地，所述预测子模块包括：

预测概率输出单元，用于采用至少两种所述人员特征信息，分别预测所述座舱位置上的人员属于至少一种已记录人员信息的概率，并作为人员分类信息输出。

可选地，所述身份识别模块，包括：

概率评估子模块，用于基于至少两种所述识别方式的权重及其对应的人员分类信息进行投票，得到所述座舱位置上人员属于至少一种人员分类信息的概率；

身份选取子模块，用于根据所述座舱位置上人员属于至少一种人员分类信息的概率，选取一所述人员分类信息作为所述座舱位置上人员的身份信息。

可选地，所述装置还包括：

第一检测模块，用于在车辆启动或者车辆停止行驶时，检测所述车辆座舱内是否出现人员变动；和/或，

第二检测模块，用于在所述车辆行驶过程中，采用预设周期检测车辆座舱内是否出现人员变动。

可选地，所述装置还包括：

配置模块，用于采用所述座舱位置上人员的身份信息对应的车辆配置信息，调整所述座舱位置周边的车辆配置。

可选地，所述装置还包括：

状态判断模块，用于根据车辆中所述座舱位置上人员的身份信息，判断所述车辆是否处于安全行驶状态。

可选地，所述根据车辆中所述座舱位置上人员的身份信息，判断所述车辆是否处于安全行驶状态；

状态判断子模块，用于判断驾驶员的座舱位置上人员的身份信息是否满足驾驶员条件，或者，判断乘客的座舱位置上人员的身份信息是否满足所述座舱位置对应的乘客条件。

本发明还公开了一种车辆，包括：

一个或多个处理器；和

其上存储有指令的一个或多个机器可读介质，当由所述一个或多个处理器执行时，使得所述车辆执行如本发明所述的一个或多个的方法。

本发明还公开了一个或多个机器可读介质，其上存储有指令，当由一个或多个处理器执行时，使得所述处理器执行如本发明所述的一个或多个的方法。

本发明包括以下优点：

通过本发明的基于车辆的人员识别方法，若检测到车辆的座舱位置上存在人员，采用至少两种识别方式预测所述座舱位置上的人员身份，并分别输出人员分类信息；基于至少两种识别方式对应的人员分类信息进行投票，将投票结果作为所述座舱位置上人员的身份信息。从而可以采用多种识别方式预测搜座舱位置上的人员身份，并基于至少两种识别方式对应的人员分类信息进行投票，将投票结果作为所述座舱位置上人员的身份信息。从而可以融合多种识别方式的人员分类信息，较为准确地识别所述座舱位置上的人员的身份，从而可以确定车辆座舱内人员的身份及其所处的位置。便于车辆可以智能地为人员提供其偏好的车辆配置。

附图说明

图1是本发明的一种基于车辆的人员识别方法实施例的步骤流程图；

图2是本发明的另一种基于车辆的人员识别方法实施例的步骤流程图；

图3是本发明的一种车辆实施例的结构框图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

在本发明中，在车辆座舱中某一座舱位置存在人员的情况下，采用多种识别方式预测在该座舱位置上人员的身份，并融合多种识别方式的人员分类信息，综合地识别得到人员的身份。从而可以较为准确地识别在座舱位置上人员的身份。其后可以相应地为人员提供人员偏好的车辆配置。

参照图1，示出了本发明的一种基于车辆的人员识别方法实施例的步骤流程图，具体可以包括如下步骤：

步骤101，若检测到车辆座舱内上存在人员变动，采用至少两种识别方式预测座舱位置上的人员身份，并分别输出人员分类信息；

在本发明中，可以存在人员进入车辆座舱，也可以存在人员离开车辆座舱，也可以存在人员在车辆座舱内进行移动，变更其乘坐的座舱位置等情况，从而引起车辆座舱内的人员变动。

若检测到车辆座舱内上存在人员变动，为了确保可以针对车辆座舱内人员的偏好提供相应的车辆配置，需要进一步针对有人乘坐的座舱位置，采用至少两种识别方式对所述座舱位置上人员可能的身份进行预测，并分别输出人员分类信息。

其中，所述座舱位置可以为所述车辆座舱中人员可以乘坐的任意位置。例如，主驾位置、副驾位置、后排位置等。由此，可以对车辆座舱中位于任意座舱位置上的人员进行身份识别，其后对车辆进行调整，为人员提供其偏好的车辆配置。

在具体实现中，车辆可以预先记录有若干人员信息，车辆可以采用至少两种识别方式，预测所述座舱位置上人员可能对应的已记录人员信息，从而预测所述座舱位置上人员可能的身份。具体地，每一种识别方式可以同时预测一种或多种可能的已记录人员信息，从而每种识别方式可以对应输出一种或多种人员分类信息。

也可以存在识别方式无法预测所述座舱位置上的人员可能的身份，从而无法相应地输出人员分类信息。在此情况下，可以基于其他识别方式输出的人员分类信息，进一步确定人员的身份信息，确保在车辆无法采用部分识别方式预测人员身份的情况下，仍然可以较为准确地确定所述座舱位置上人员的身份信息。

在具体实现中，车辆可以采用所述识别方式直接预测人员具体的身份，例如，车辆可以采用深度神经网络，直接预测人员可能为用户A、用户B、或者用户C。

车辆也可以无法直接采用所述识别方式预测人员具体的身份，而是首先确定人员所属的身份类型，再预测其可能对应的人员的具体身份。例如，身份类型可以包括年龄段、性别、身高范围、体重范围等。可以基于人员所属的身份类型，预测人员可能对应的具体身份。例如，若已记录人员信息包括用户A以及用户B，用户A年龄位于20～30岁之间，性别为女，体重位于50～60kg之间。用户B年龄位于30～40岁之间，性别为男，体重位于60～70kg之间。此时第一种识别方式识别所述座舱位置上的人员年龄位于20～30岁之间，性别为女，将识别结果与已记录人员信息匹配，可以预测所述座舱位置上人员的人员身份可能为用户A，并输出人员分类信息用户A。同时第二种识别方式识别所述座舱位置上的人员的重位于60～70kg，将别结果与已记录人员信息匹配，可以预测所述座舱位置上人员的人员身份可能为用户B，并输出人员分类信息用户B。

在具体实现中，车辆可以具有至少两种可用于识别座舱中人员的设备，从而车辆可以具有至少两种不同的识别方式。例如，车辆可以具有摄像头，则所述车辆可以采用识别人员面部特征的方式，预测所述座舱位置上的人员可能的身份，并输出人员分类信息。车辆也可以具有麦克风阵列，从而所述车辆可以采用定向识别所述座舱位置上的人员声纹的方式，预测所述座舱位置上人员可能的身份。

步骤102，基于至少两种识别方式对应的人员分类信息进行投票，将投票结果作为所述座舱位置上人员的身份信息。

在本发明中，在获得至少两个识别方式对应的人员分类信息之后，可以融合至少两个识别方式对应的人员分类信息，综合地确定所述座舱位置上的人员身份，并得到具有较高准确度的身份信息。由此，可以在车辆中准确地识别座舱位置上人员的身份信息，从而可以得知车辆座舱中人员的身份及其所处的位置。其后，可以根据实际需要，针对所述座舱位置上的人员，提供其偏好的车辆配置。

在具体实现中，每一识别方式可以对应具有至少一个人员分类信息，从而可以具有至少两个人员分类信息。可以在人员分类信息中，采用投票的方式，投票选出具有较高可能性的人员分类信息作为投票结果，从而可以确定所述座舱位置上人员的具体身份，得到所述座舱位置上人员的身份信息。

具体而言，可以将每一识别方式对应的人员分类信息，作为所述识别方式对人员身份的投票，将人员分类信息中具有更多投票的人员身份，作为所述座舱位置上人员的目标身份。例如，若三种识别方式对应的人员分类信息中两种指向用户A，一种指向用户C，则可以将人员分类信息更多指向的人员身份，即用户A，作为所述座舱位置上人员的目标身份，从而得到所述座舱上人员的身份信息为用户A。

通过本发明的基于车辆的人员识别方法，若检测到车辆的座舱位置上存在人员，采用至少两种识别方式预测所述座舱位置上的人员身份，并分别输出人员分类信息；基于至少两种识别方式对应的人员分类信息进行投票，将投票结果作为所述座舱位置上人员的身份信息。从而可以采用多种识别方式预测搜座舱位置上的人员身份，并基于至少两种识别方式对应的人员分类信息进行投票，将投票结果作为所述座舱位置上人员的身份信息。从而可以融合多种识别方式的人员分类信息，较为准确地识别所述座舱位置上的人员的身份，从而可以确定车辆座舱内人员的身份及其所处的位置。便于车辆可以智能地为人员提供其偏好的车辆配置。

参照图2，示出了本发明的一种基于车辆的人员识别方法实施例的步骤流程图，具体可以包括如下步骤：

步骤201，若检测到车辆座舱内上存在人员变动，采用至少两种识别方式，分别采集所述座舱位置上人员的人员特征信息；

在本发明中，可以存在人员进入车辆座舱，也可以存在人员离开车辆座舱，也可以存在人员在车辆座舱内进行移动，变更其乘坐的座舱位置等情况，从而引起车辆座舱内的人员变动。

若检测到车辆座舱内上存在人员变动，为了确保可以针对车辆座舱内人员的偏好提供相应的车辆配置，需要进一步针对有人乘坐的座舱位置，对所述座舱位置上人员可能的身份进行预测。由此，可以采用至少两种识别方式分别采集所述座舱位置上人员的人员特征信息，以基于人员特征信息预测人员身份。

其中，所述座舱位置可以为所述车辆座舱中人员可以乘坐的任意位置。例如，主驾位置、副驾位置、后排位置等。由此，可以对车辆座舱中位于任意座舱位置上的人员进行身份识别，其后对车辆进行调整，为人员提供其偏好的车辆配置。

所述人员特征信息可以为人员特有的特征信息。所述人员特征信息可以与人员自身人体上的特征存在关联，也可以与人员所持有的标志物存在关联。

例如，所述人员特征信息可以包括面部特征信息、声纹信息、座椅压力信息、指纹信息、虹膜信息等与人员自身人体上的特征存在关联的信息，也可以包括人员持有的电子设备信息等与人员所持有的标识物存在关联的信息。具体地，所述电子设备信息可以包括电子设备的设备识别码、蓝牙标识、无线标识等可以指向唯一的电子设备的信息。

在本发明的一种实施例中，所述采集所述座舱位置上的人员的至少两种人员特征信息的步骤，包括：

S11，针对所述座舱位置上的人员，采集面部特征信息、声纹信息、座椅压力信息、指纹信息、虹膜信息、人员持有的电子设备信息中的至少两种信息。

在本发明中，在检测到所述车辆座舱存在人员变动的情况下，可以针对一位于所述座舱位置上的人员，采集该人员的面部特征信息、声纹信息、座椅压力信息、指纹信息、虹膜信息、人员持有的电子设备信息中的至少两种信息，从而可以得到所述座舱位置上的人员的至少两种人员特征信息。

在具体实现中，所述车辆座舱中可以设置有采集人员特征信息的相关设备，例如摄像头、压力检测器、麦克风阵列等，可以针对性的采集所述座舱位置处的特征信息，从而可以得到位于所述座舱位置上人员的人员特征信息。

例如，摄像头可以针对性拍摄所述座舱位置上的图像，从而可以得到所述座舱位置上人员的面部特征信息。压力检测器可以检测所述座舱位置处收到的压力，从而得到座椅压力信息。麦克风阵列可以采集所述座舱位置处的声音，从而可以采集得到所述座舱位置上人员的语音，并提取得到声纹信息。蓝牙接收器可以检测电子设备发出的蓝牙信息，并得到电子设备对应的蓝牙标识。

在本发明的一种实施例中，所述方法还包括：

S21，在车辆启动或者车辆停止行驶时，检测车辆座舱内是否出现人员变动；和/或，

在本发明中，由于车辆在启动之前，通常可以存在人员进入车辆座舱或者离开车辆座舱，由此，可以在车辆启动时，检测车辆座舱内是否出现人员变动，以确定是否需要重新识别所述车辆座舱中座舱位置对应的人员身份信息。

同时，车辆在停止行驶之后，也通常可以存在人员进入车辆座舱或者离开车辆座舱。由此，也可以在车辆停止行驶时，检测车辆座舱内是否出现人员变动，以确定是否需要重新识别所述车辆座舱中座舱位置对应的人员身份信息。

S22，在所述车辆行驶过程中，采用预设周期检测车辆座舱内是否出现人员变动。

在本发明中，在所述车辆行驶过程中，车辆座舱内的人员可能会变更其乘坐的座舱位置。而车辆中不同座舱位置的车辆配置通常可以不同，从而人员在变更其乘坐的座舱位置之后，可能出现车辆配置无法满足人员偏好的情况。由此，可以在所述车辆行驶过程中，采用预设周期检测车辆座舱内是否出现人员变动，以确定是否需要重新识别所述车辆座舱中座舱位置对应的人员身份信息，便于根据人员的位置变动，相应地为用户调整车辆配置。

步骤202，采用至少两种所述人员特征信息分别预测所述座舱位置上的人员，并输出人员分类信息。

在本发明中，在采集得到至少两种所述人员特征信息之后，可以针对每一种人员特征信息，分别预测所述座舱位置上的人员，并输出所述人员特征信息对应的人员分类信息。由此，可以针对不同人员特征信息，分别预测所述座舱位置上人员可能的身份，并输出人员分类信息。

在具体实现中，车辆可以预先记录有若干人员信息，车辆可以分别采用所述人员特征信息，预测所述座舱位置的人员可能属于已记录人员信息中的某一人员，输出人员分类信息。所述人员分类信息可以包含一种已记录人员信息，还可以包含属于该种已记录人员信息的概率，便于后续进一步对人员分类信息进行融合，确定所述座舱位置上人员的身份信息。

在本发明的一种实施例中，所述采用至少两种所述人员特征信息预测所述座舱位置上的人员，并分别输出人员分类信息的步骤，包括：

S31，采用至少两种所述人员特征信息，分别预测所述座舱位置上的人员属于至少一种已记录人员信息的概率，并作为人员分类信息输出。

在本发明实施例中，车辆可以预先记录有若干人员信息，车辆可以采用至少两种所述人员特征信息，分别预测所述座舱位置上的人员属于至少一种已记录人员信息的概率，并作为人员分类信息输出，以便后续进一步根据人员分类信息确定所述座舱位置上人员的身份。

在具体实现中，可以根据实际需要，同时将所述座舱位置上的人员属于每一种已记录人员信息的概率皆作为人员分类信息输出，也可以只将概率最高的已记录人员信息作为人员分类信息输出，本发明对此不做限制。

在本发明的一种具体实施方式中，可以预先训练若干用于分类的深度学习神经网络，所述深度学习神经网络可以将人员特征信息作为输入，输出所述人员特征信息属于每一种已记录人员信息的概率，作为人员分类信息。例如，预设的身份信息可以包括用户A、用户B、用户C，同时身份信息中可以存储有每一用户的面部特征信息。可以预先采用用户A、用户B、以及用户C的面部特征信息对深度学习神经网络进行训练。其后可以将面部特征信息输入深度学习神经网络，深度学习神经网络可以输出面部特征信息属于用户A的概率为80％，属于用户B的概率为15％，属于用户C的概率为5％，其后，可以将概率最高的用户A作为人员分类信息输出。

在本发明的另一种具体实施方式中，所述身份信息可以存储有每一用户的身份类型。身份类型可以包括年龄段、性别、身高范围、体重范围等。从而车辆也可以分别采用人员特征信息，确定人员所属的身份类型，其后基于身份类型匹配所述特征信息可能属于已记录人员信息中的某一人员的概率，并将概率最高的已记录人员信息作为人员分类信息输出。

例如，已记录人员信息包括用户A以及用户B，用户A年龄位于20～30岁之间，性别为女，体重位于50～60kg之间。用户B年龄位于30～40岁之间，性别为男，体重位于60～70kg之间。可以根据人员的面部特征信息，确定人员年龄位于20～35岁之间，性别为女。由此，所述面部特征信息可以对应具有较高的概率对应用户A，而具有较低的概率对应的用户B，并输出人员分类信息。还可以根据人员的座椅压力信息，确定人员体重位于55～70kg之间。由此，所述座椅压力信息可以对应具有较低的概率对应用户A，而具有较高的概率对应的用户B，并输出人员分类信息。

步骤203，基于至少两种识别方式对应的人员分类信息进行投票，将投票结果作为所述座舱位置上人员的身份信息。

在本发明中，在获得至少两个识别方式对应的人员分类信息之后，可以融合至少两个识别方式对应的人员分类信息，综合地确定所述座舱位置上的人员身份，并得到具有较高准确度的身份信息。由此，可以在车辆中准确地识别座舱位置上人员的身份信息，从而可以得知车辆座舱中人员的身份及其所处的位置。其后，可以根据实际需要，针对所述座舱位置上的人员，提供其偏好的车辆配置。

在具体实现中，每一识别方式可以对应具有至少一个人员分类信息，从而可以具有至少两个人员分类信息。可以在人员分类信息中，选取具有较高可能性的人员分类信息作为投票结果，从而可以确定所述座舱位置上人员的具体身份，得到所述座舱位置上人员的身份信息。

在本发明中，所述基于至少两种识别方式对应的人员分类信息进行投票，将投票结果作为所述座舱位置上人员的身份信息的步骤，包括：

S41，基于至少两种所述识别方式的权重及其对应的人员分类信息进行投票，得到所述座舱位置上人员属于至少一种人员分类信息的概率；

在本发明中，每一种识别方式可以具有不同的准确率，由此，可以为所述识别方式分配权重，准确率越高的识别方式可以具有越高的权重，准确率越低的识别方式可以具有越低的权重。在基于至少两种识别方式对应的人员分类信息进行投票，将投票结果作为所述座舱位置上人员的身份信息的过程中，也可以进一步考虑不同识别方式对应的权重，确定所述座舱位置上人员的身份。

同时，由于每一种识别方式可以分别对应有不同的人员分类信息，需要在若干种人员分类信息中，进一步投票选出可能性较高的人员分类信息，作为座舱位置上人员的身份信息。由此，可以根据至少两个识别方式的权重及其对应的人员分类信息，评估座舱位置上人员属于至少一种人员分类信息的概率，以确定座舱位置上人员对应的身份信息。

在具体实现中，所述人员分类信息通常可以表示为概率信息，其可以为座舱位置上人员属于某一已记录人员信息中的概率，每一识别方式可以属于一人员分类信息，不同识别方式属于的人员分类信息可以相同，也可以不同。由此，可以基于所述识别方式的权重及其对应的人员分类信息的概率，计算某一种类型的人员分类信息总的概率。例如，可以计算所述识别方式的权重及其对应的人员分类信息的概率之间的乘积，其后计算统一类型的人员分类信息的乘积的加和，最终得到某一种类型的人员分类信息总的概率。

S42，根据所述座舱位置上人员属于至少一种人员分类信息的概率，选取一所述人员分类信息作为所述座舱位置上人员的身份信息。

在本发明实施例中，在得到所述座舱位置上人员属于至少一种人员分类信息的概率之后，可以根据所述座舱位置上人员属于至少一种人员分类信息的概率，选取一所述人员分类信息作为所述座舱位置上人员的身份信息。

具体而言，一种人员分类信息的概率越高，可以认为所述座舱位置上人员更加可能属于所述人员分类信息对应的人员身份，由此，可以将概率最高的人员分类信息作为所述座舱位置上人员的身份信息，从而可以确定所述座舱位置上人员的身份。

在本发明的一种实施例中，所述方法还包括：

S51，采用所述座舱位置上人员的身份信息对应的车辆配置信息，调整所述座舱位置周边的车辆配置。

在本发明实施例中，车辆可以存储有每一种已记录人员信息对应的车辆配置信息，从而车辆可以存储每一已记录人员的偏好。由此，在确定座舱位置上人员的身份信息之后，可以查找所述座舱位置上人员的身份信息对应的车辆配置信息，并基于车辆配置信息相应地调整该座舱位置周边的车辆配置，使车辆可以为座舱位置上人员针对性地提供其偏好的车辆配置。

具体而言，座舱位置的周边可以设置有显示屏、音响阵列、麦克风阵列、灯光、空调出口等设备，可以基于车辆配置信息相应地调整车辆中的设备，从而可以调整座舱位置周边的设备，为用户提供其偏好的视频内容、音乐内容、灯光颜色、灯光亮度、空调温度等，使用户可以在车辆座舱中获得较好的体验。

在已记录人员不具有部分车辆配置信息的情况下，也可以对已记录人员的身份信息进行分析，向其推送其可能偏好的信息。例如，在已记录人员为青年女性的情况下，可以采用座舱位置周围的显示屏以及音响，向人员展示美妆、电视剧、流行音乐等其可能偏好的内容，为人员提供较好的车辆乘坐体验。

在本发明的一种实施例中，所述方法还包括：

S61，根据车辆中所述座舱位置上人员的身份信息，判断所述车辆是否处于安全行驶状态。

在本发明实施例中，车辆中的不同身份的人员允许乘坐的座舱位置可以不同。例如，具有驾驶员证的人员允许乘坐在驾驶员的座舱位置上，成人允许乘坐在副驾驶员以及后排的座舱位置上，儿童允许乘坐在后排的座舱位置下。若人员乘坐在其身份不允许乘坐的座舱位置上，可以认为在该种状态下车辆行驶可能存在风险。由此，在得知车辆中人员所在的座舱位置以及人员身份之后，可以基于不同身份的人员在车辆中所处的位置，判断车辆是否处于安全行驶状态。若车辆不处于安全行驶状态，车辆可以根据实际需要，停止行驶，或者向车辆中的人员发出提示信息。

在本发明的一种实施例中，所述根据车辆中所述座舱位置上人员的身份信息，判断所述车辆是否处于安全行驶状态；

S71，判断驾驶员的座舱位置上人员的身份信息是否满足驾驶员条件，或者，判断乘客的座舱位置上人员的身份信息是否满足所述座舱位置对应的乘客条件。

在本发明实施例中，乘坐在驾驶员的座舱位置上的人员通常需要满足驾驶员条件。驾驶员条件可以为持有驾驶员证件、车辆预设的允许驾驶车辆的人员等。在乘坐在驾驶员的座舱位置上的人员不满足驾驶员条件的情况下，车辆行驶可能对人员造成伤害，存在安全风险，由此，可以判断驾驶员的座舱位置上人员的身份信息是否满足驾驶员条件，以判断所述车辆是否处于安全行驶状态。

在本发明实施例中，车辆中不同的座舱位置，可以具有不同的乘客条件。例如，副驾驶员的座舱位置可以只允许与车主存在关联的成人乘坐，而不允许儿童以及与车主不存在关联的成人乘坐。设置有儿童安全座椅的后排座舱位置只允许儿童乘坐，未设置有儿童安全座椅的后排座舱位置只允许成人乘坐，而不允许儿童乘坐等。在乘客的座舱位置上人员的身份信息不满足所述座舱位置对应的乘客条件的情况下，车辆行驶可能对人员造成伤害，存在安全风险。由此，可以判断乘客的座舱位置上人员的身份信息是否满足所述座舱位置对应的乘客条件，以判断所述车辆是否处于安全行驶状态。

通过本发明的基于车辆的人员识别方法，采用至少两种识别方式，分别采集所述座舱位置上人员的人员特征信息；采用至少两种所述人员特征信息分别预测所述座舱位置上的人员，并输出人员分类信息；基于至少两种识别方式对应的人员分类信息进行投票，将投票结果作为所述座舱位置上人员的身份信息。从而可以采用多种识别方式预测搜座舱位置上的人员身份，并基于至少两种识别方式对应的人员分类信息进行投票，将投票结果作为所述座舱位置上人员的身份信息。从而可以融合多种识别方式的人员分类信息，较为准确地识别所述座舱位置上的人员的身份，从而可以确定车辆座舱内人员的身份及其所处的位置。便于车辆可以智能地为人员提供其偏好的车辆配置。

需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明所必须的。

参照图3，示出了本发明的一种车辆实施例的结构框图，具体可以包括如下模块：

预测模块301，用于若检测到车辆座舱内存在人员变动，采用至少两种识别方式预测座舱位置上的人员身份，并分别输出人员分类信息；

身份识别模块302，用于基于至少两种识别方式对应的人员分类信息进行投票，将投票结果作为所述座舱位置上人员的身份信息。

可选地，所述检测模块包括：

采集子模块，用于采用至少两种识别方式，分别采集所述座舱位置上人员的人员特征信息；

预测子模块，用于采用至少两种所述人员特征信息分别预测所述座舱位置上的人员，并输出人员分类信息。

可选地，所述采集子模块包括：

采集单元，用于针对所述座舱位置上的人员，采集面部特征信息、声纹信息、座椅压力信息、指纹信息、虹膜信息、人员持有的电子设备信息中的至少两种信息。

可选地，所述预测子模块包括：

预测概率输出单元，用于采用至少两种所述人员特征信息，分别预测所述座舱位置上的人员属于至少一种已记录人员信息的概率，并作为人员分类信息输出。

可选地，所述身份识别模块，包括：

概率评估子模块，用于基于至少两种所述识别方式的权重及其对应的人员分类信息进行投票，得到所述座舱位置上人员属于至少一种人员分类信息的概率；

身份选取子模块，用于根据所述座舱位置上人员属于至少一种人员分类信息的概率，选取一所述人员分类信息作为所述座舱位置上人员的身份信息。

可选地，所述装置还包括：

第一检测模块，用于在车辆启动或者车辆停止行驶时，检测所述车辆座舱内是否出现人员变动；和/或，

第二检测模块，用于在所述车辆行驶过程中，采用预设周期检测车辆座舱内是否出现人员变动。

可选地，所述装置还包括：

配置模块，用于采用所述座舱位置上人员的身份信息对应的车辆配置信息，调整所述座舱位置周边的车辆配置。

可选地，所述装置还包括：

状态判断模块，用于根据车辆中所述座舱位置上人员的身份信息，判断所述车辆是否处于安全行驶状态。

可选地，所述根据车辆中所述座舱位置上人员的身份信息，判断所述车辆是否处于安全行驶状态；

状态判断子模块，用于判断驾驶员的座舱位置上人员的身份信息是否满足驾驶员条件，或者，判断乘客的座舱位置上人员的身份信息是否满足所述座舱位置对应的乘客条件。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本发明还提供了一种车辆，包括：

一个或多个处理器；和

其上存储有指令的一个或多个机器可读介质，当由所述一个或多个处理器执行时，使得所述车辆执行本发明所述的方法。

本发明还提供了一个或多个机器可读介质，其上存储有指令，当由一个或多个处理器执行时，使得所述处理器执行本发明所述的方法。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者终端设备不仅包括那些要素，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、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。

以上对本发明所提供的一种基于车辆的人员识别方法和一种车辆，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。