[發明專利]事故片段的識別方法、裝置、設備及可讀存儲介質

有效

• 申請號: 202110561942.7
• 申請日: 2021-05-24
• 公開（公告）號: CN113033713B
• 公開（公告）日: 2021-07-23
• 發明（設計）人: 徐顯杰;張敏
• 申請（專利權）人: 天津所托瑞安汽車科技有限公司;浙江所托瑞安科技集團有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q10/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種事故片段的識別方法，其特征在于，包括：

獲取車輛行駛過程中產生的多條特征數據，每條所述特征數據包括：本車車速、周圍車車速、本車與周圍車發生事故的時長、車燈狀態和連接到的導航衛星數量；

從所述多條特征數據中，篩選表征所述車輛處于危險狀態的目標特征數據；

從所述多條特征數據中，選擇所述目標特征數據之前第一設定時長的起始特征數據，以及所述目標特征數據之后第二設定時長的結束特征數據；

將所述起始特征數據和所述結束特征數據作為整體進行事故識別，得到所述起始特征數據和所述結束特征數據之間的事故片段的事故識別結果；

其中，所述事故識別結果包括非事故和事故；

所述將所述起始特征數據和所述結束特征數據作為整體進行事故識別，得到所述起始特征數據和所述結束特征數據之間的事故片段的事故識別結果，包括：

將所述起始特征數據和所述結束特征數據作為整體輸入至事故識別模型，得到所述事故識別模型輸出的，所述起始特征數據和所述結束特征數據之間的事故片段的事故識別結果；

其中，所述事故識別模型是根據起始特征數據樣本和結束特征數據樣本，以及對應的事故/非事故標簽進行訓練得到。

2.根據權利要求1所述的方法，其特征在于，所述獲取車輛行駛過程中產生的多條特征數據，包括：

獲取車輛行駛過程中采集的多條行駛數據；

根據每條行駛數據中本車與周圍車的距離以及所述本車車速，計算所述本車與周圍車發生事故的時長，并將所述時長添加到對應的行駛數據中；

從所述每條行駛數據中，根據各數據維度對所述事故識別結果的影響程度進行數據篩選，得到對應的特征數據。

3.根據權利要求2所述的方法，其特征在于，在從所述每條行駛數據中，根據各數據維度對所述事故識別結果的影響程度進行數據篩選，得到對應的特征數據之前，還包括：

從多條行駛數據樣本中，選取間隔第三設定時長的多組起始行駛數據樣本和結束行駛數據樣本；所述第三設定時長為所述第二設定時長和所述第一設定時長之和；

將所述多組數據樣本和對應的事故/非事故標簽輸入至隨機森林模型或者邏輯回歸模型中，得到各數據維度對所述事故識別結果的影響程度。

4.根據權利要求1所述的方法，其特征在于，所述從所述多條特征數據中，篩選表征所述車輛處于危險狀態的目標特征數據，包括：

從所述多條特征數據中，按照時間先后順序篩選時長首次小于設定閾值的目標特征數據；和/或，

從所述多條特征數據中，篩選車燈處于警示狀態的目標特征數據。

5.根據權利要求1所述的方法，其特征在于，所述事故識別模型為梯度提升模型。

6.根據權利要求3所述的方法，其特征在于，在將所述起始特征數據和所述結束特征數據作為整體輸入至事故識別模型，得到所述事故識別模型輸出的，所述起始特征數據和所述結束特征數據之間的事故片段的事故識別結果之后，還包括：

獲取所述事故片段對應的視頻數據；

對所述視頻數據進行事故識別，得到所述視頻數據的事故識別結果；

如果所述視頻數據的事故識別結果與所述事故片段的事故識別結果不一致，返回將所述多組數據樣本和對應的事故/非事故標簽輸入至隨機森林模型或者邏輯回歸模型中的操作，以更新各數據維度對所述事故識別結果的影響程度。