[發明專利]車輛碰撞檢測方法、裝置、電子設備及車輛

有效

• 申請號: 201710672705.1
• 申請日: 2017-08-08
• 公開（公告）號: CN107463907B
• 公開（公告）日: 2021-06-25
• 發明（設計）人: 姚堅;章濤;徐麗麗
• 申請（專利權）人: 東軟集團股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 北京英創嘉友知識產權代理事務所(普通合伙) 11447
• 代理人: 魏嘉熹;南毅寧

本公開涉及一種車輛碰撞檢測方法、裝置、電子設備及車輛，所述方法包括：獲取目標車輛的狀態信息；根據所述狀態信息以及訓練好的卷積神經網絡，確定所述目標車輛的事件類型，所述事件類型為以下類型的任一者：碰撞事件、近碰撞事件和基線事件。本公開利用訓練好的卷積神經網絡判斷車輛的事件類型，準確度高；且可檢測近碰撞事件，由此，當檢測到近碰撞事件時，可進一步對駕駛者進行提醒或直接對車輛進行規避操作，提高安全性，為駕駛者和乘坐者的安全帶來保障。

技術領域

本公開涉及車輛數據處理領域，具體地，涉及一種車輛碰撞檢測方法、裝置、電子設備及車輛。

背景技術

車輛碰撞的自動檢測有利于及時將碰撞事故通知到相關人員和機構，包括急救人員，家庭成員，車隊負責人和保險公司。另一方面，及時檢測碰撞事故也有利于事故發生情況的調查。

在一些相關技術中，直接使用碰撞檢測硬件傳感器進行車輛碰撞的自動檢測。另一些相關技術中，利用車載傳感器或移動傳感器獲取車輛的行車數據，再根據傳感器數據，通過積分、差值等方法來計算特征值。進而，通過這些特征值來計算閥值以確定是否發生碰撞。

發明內容

為解決相關技術中的問題，本公開的目的是提供一種車輛碰撞檢測方法、裝置、電子設備及車輛。

第一方面，本公開提供一種車輛碰撞檢測方法，包括：

獲取目標車輛的狀態信息；

根據所述狀態信息以及訓練好的卷積神經網絡，確定所述目標車輛的事件類型，所述事件類型為以下類型的任一者：碰撞事件、近碰撞事件和基線事件。

可選地，所述方法還包括：

獲取訓練樣本，所述訓練樣本包括：多個時間序列數據以及與每個時間序列數據相對應的事件類型標簽，其中，每個時間序列數據包括：至少一個傳感器按照時間記錄的車輛的狀態信息；

根據訓練樣本和訓練終止條件，對待訓練卷積神經網絡進行訓練；

當訓練終止時，獲取待訓練卷積神經網絡的參數信息，所述參數信息至少包括：卷積層的權值、卷積層的偏置、池化層的權值、池化層的偏置、全連接層的權值、全連接層的偏置、卷積層的個數、每個卷積層的卷積核大小、池化層的個數、每個池化層的大小、全連接層的個數以及每個全連接層的大小；

根據所述參數信息，構建所述卷積神經網絡。

可選地，所述獲取訓練樣本，包括：

獲取來自至少一個傳感器的帶事件類型標簽的時間序列數據；

將來自不同傳感器的帶事件類型標簽的時間序列數據，按照時間戳進行合并；

將合并后的帶事件類型標簽的時間序列數據確定為所述訓練樣本。

可選地，所述將來自不同傳感器的帶事件類型標簽的時間序列數據，按照時間戳進行合并，包括：

來自不同傳感器的帶事件類型標簽的時間序列數據中，對于同一事件類型的時間序列數據，按照事件對應的最小時間窗和預設時間窗移動量，將該時間序列數據分割為多個時間序列數據；

對經分割后的來自不同傳感器的時間序列數據，按照時間戳進行合并。

可選地，所述按照時間戳進行合并，包括：

當來自不同傳感器的時間序列數據的時間戳不相同時，對采樣頻率低的時間序列數據進行線性插值補償；

將進行了線性插值補償后的時間序列數據進行合并，得到一待采樣時間序列數據；

所述將合并后的帶事件類型標簽的時間序列數據作為所述訓練樣本，包括：