CN109903587A - 一种基于车联网的车协同预警方法、车载装置及存储介质 - Google Patents
一种基于车联网的车协同预警方法、车载装置及存储介质 Download PDFInfo
- Publication number
- CN109903587A CN109903587A CN201910252675.8A CN201910252675A CN109903587A CN 109903587 A CN109903587 A CN 109903587A CN 201910252675 A CN201910252675 A CN 201910252675A CN 109903587 A CN109903587 A CN 109903587A
- Authority
- CN
- China
- Prior art keywords
- car
- alarm
- mounted device
- vehicle
- classification results
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Traffic Control Systems (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本发明提供的基于车联网的车协同预警方法、车载装置及存储介质,通过获取第一车辆的车内图像信息;将车内图像信息输入预设的警报判断模型,输出警报判断结果,警报判断结果包括第一警报结果与第二警报结果;若警报判断结果为第一警报结果时,搜索位于预设区域内各个第二车辆的第二车载装置发送的无线终端信息;根据各个第二车辆的第二车载装置发送的无线终端信息,建立通信列表;基于通信列表,发送警报信息至第二车载装置。本发明实施例通过获取驾车内图像信息,并根据车内图像信息输入预设的警报判断模型从而实现警报判断,并在需要警报时通过通信列表发送至第二车辆,以提醒附近车辆小心行驶及报警,从而降低安全事故的发生率。
Description
技术领域
本发明涉及车联网技术领域,尤其涉及一种基于车联网的车协同预警方法、车载装置及存储介质。
背景技术
车联网(Internet of Vehicles)是由车辆位置、速度和路线等信息构成的巨大交互网络。通过GPS、RFID、传感器、摄像头图像处理等装置,车辆可以完成自身环境和状态信息的采集;通过互联网技术,所有的车辆可以将自身的各种信息传输汇聚到中央处理器;通过计算机技术,这些大量车辆的信息可以被分析和处理,从而计算出不同车辆的最佳路线、及时汇报路况和安排信号灯周期。
现有技术中,车联网技术均用于车辆出行线路以及路况监测方面,而车联网技术在安全驾驶的智能预警或者事故的提前预警上的应用存在较大空缺。
发明内容
本发明实施例提供一种基于车联网的车协同预警方法、车载装置及存储介质,以降低安全事故的发生率。
第一方面,本发明实施例提供了一种基于车联网的车辆协同预警方应用于设置在第一车辆的第一车载装置,所述第一车载装置用于与设置在第二车辆的第二车载装置无线通信法,所述方法包括:
获取所述第一车辆的车内图像信息;
将所述车内图像信息输入预设的警报判断模型,输出警报判断结果,所述警报判断结果包括第一警报结果与第二警报结果;
若所述警报判断结果为所述第一警报结果时,搜索位于预设区域内各个所述第二车辆的第二车载装置发送的无线终端信息;
根据所述各个第二车辆的第二车载装置发送的无线终端信息,建立通信列表;
基于所述通信列表,发送警报信息至所述第二车载装置。
可选地,所述车内图像信息包括驾驶员人脸图像;
所述将所述车内图像信息输入预设的警报判断模型,输出警报判断结果,包括:
从所述驾驶员人脸图像截取至少一个人脸区域;
将所述至少一个人脸区域进行分类,获取对应分类结果;
根据所述分类结果,输出所述警报判断结果。
可选地,所述至少一个人脸区域包括眼睛区域;所述眼睛区域对应的分类结果包括第一分类结果、第二分类结果与第三分类结果;
所述根据所述分类结果,输出所述警报判断结果,包括:
若所述驾驶员人脸图像的眼睛区域对应的分类结果为第一分类结果,则输出第一警报结果;
若所述驾驶员人脸图像的眼睛区域对应的分类结果为第二分类结果,则输出第二警报结果;
在预设时间内,若所述驾驶员人脸图像的眼睛区域对应的分类结果均为第三分类结果,则输出的第二警报结果。
可选地,所述至少一个人脸区域还包括嘴巴区域与鼻子区域;所述嘴巴区域与鼻子区域对应的分类结果包括第一分类结果与第二分类结果;
所述根据所述分类结果,输出所述警报判断结果,包括:
若所述驾驶员人脸图像的嘴巴区域与鼻子区域对应的分类结果均为第一分类结果,则输出第一警报结果;
若所述驾驶员人脸图像的嘴巴区域与鼻子区域对应的分类结果存在第二分类结果,则输出第二警报结果。
可选地,在所述获取所述第一车辆的车内图像信息,还包括:
获取第一车辆的当前运行速度;
将所述当前运行速度与预设阈值进行比对;
若所述当前运行速度大于预设阈值,则获取车内图像信息。
可选地,所述根据所述各个第二车辆的第二车载装置发送的无线终端信息,建立通信列表,包括:
检测所述无线终端信息的信号强度;
基于所述信号强度将所述无线终端信息进行排序,建立通信列表。
可选地,所述第二车载装置设有公匙,所述第一车载装置设有与所述公匙相对应的私匙;
所述基于所述通信列表,发送警报信息至所述第二车载装置,包括:
选定所述通信列表中最靠前的无线终端信息,与该无线终端信息对应的第二车载装置建立通信通道;
基于所述通信通道,发送身份验证请求至所述第二车载装置;
当接收到所述第二车载装置发送的确认信息时,通过私匙将所述警报信息附带上加密标识,并发送至所述第二车载装置;其中,所述第二车载装置在接收到附带加密标识的警报信息时,通过所述公匙对所述警报信息进行解密,获取所述警报信息。
可选地,所述将所述车内图像信息输入预设的警报判断模型,输出警报判断结果之前,还包括:
预先建立所述警报判断模型。
第二方面,本发明实施例提供了一种车载装置,所述车载装置包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如前述的基于车联网的车协同预警方法。
第三方面,本发明实施例提供一种存储介质,所述存储介质存储有可执行指令,所述可执行指令被智能终端执行时,使所述智能终端执行如上所述的基于车联网的车协同预警方法。
第四方面,本发明实施例还提供了一种程序产品,所述机程序产品包括存储在存储介质上的程序,所述程序包括程序指令,当所述程序指令被智能终端执行时,使所述智能终端执行如上所述的基于车联网的车协同预警方法。
本发明实施例的有益效果在于:本实施例提供的基于车联网的车协同预警方法、车载装置及存储介质,通过获取所述第一车辆的车内图像信息;将所述车内图像信息输入预设的警报判断模型,输出警报判断结果,所述警报判断结果包括第一警报结果与第二警报结果;若所述警报判断结果为所述第一警报结果时,搜索位于预设区域内各个所述第二车辆的第二车载装置发送的无线终端信息;根据所述各个第二车辆的第二车载装置发送的无线终端信息,建立通信列表;基于所述通信列表,发送警报信息至所述第二车载装置。本发明实施例通过获取驾车内图像信息,并根据车内图像信息输入预设的警报判断模型从而实现警报判断,并在需要警报时通过通信列表发送至第二车辆,以提醒附近车辆小心行驶及报警,从而降低安全事故的发生率。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明,这些示例性说明并不构成对实施例的限定,附图中具有相同参考数字标号的元件表示为类似的元件,除非有特别申明,附图中的图不构成比例限制。
图1是本发明实施例提供的基于车联网的车协同预警方法的其中一种应用环境的示意图;
图2是本发明实施例提供的一种基于车联网的车协同预警方法的流程示意图;
图3是本发明实施例提供的一种基于车联网的车协同预警方法的流程示意图;
图4是本发明实施例提供的一种基于车联网的车协同预警方法的流程示意图;
图5是本发明实施例提供的一种基于车联网的车协同预警方法的流程示意图;
图6是本发明实施例提供的一种基于车联网的车协同预警方法的流程示意图;
图7是本发明实施例提供的车载装置的硬件结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。基于本发明中的实施例,本领域普通技术人员在没有作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。
需要说明的是,如果不冲突,本发明实施例中的各个特征可以相互结合,均在本发明的保护范围之内。另外,虽然在装置示意图中进行了功能模块划分,在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于装置中的模块划分,或流程图中的顺序执行所示出或描述的步骤。再者,本发明所采用的“第一”、“第二”、“第三”等字样并不对数据和执行次序进行限定,仅是对功能和作用基本相同的相同项或相似项进行区分。
本发明实施例提供的一种基于车联网的车协同预警方法、车载装置及存储介质,适用于附图1所示的应用场景。在附图1所示的应用场景中,包括第一车辆10以及第二车辆20。所述第一车辆10设有第一车载装置,所述第二车辆20上设有第二车载装置,所述第一车载装置与所述第二车载装置可进行无线通信。
其中,所述第一车载装置与第二车载装置为同种型号的车载装置。所述第一车载装置与第二车载装置设有摄像头,所述摄像头的拍摄方向往车内室方向,用于获取车辆的车内图像信息。当然,所述第一车载装置与所述第二车载装置的安装位置可根据实际需求进行自行设置,以不影响汽车的正常行驶为准即可。
其中,所述第一车载装置与所述第二车载装置均设有通讯模块,可通过该通讯模块与将所述第一车载装置与所述第二车载装置之间建立无线通信连接。
基于此,本申请实施例提供了基于车联网的车协同预警方法、车载装置及存储介质。
其中,本申请施例提供的应用于智能终端的基于车联网的车协同预警方法是一种能够降低汽车事故发生率的基于车联网的车辆协同预警方法,具体为:获取所述第一车辆的车内图像信息;将所述车内图像信息输入预设的警报判断模型,输出警报判断结果,所述警报判断结果包括第一警报结果与第二警报结果;若所述警报判断结果为所述第一警报结果时,搜索位于预设区域内各个所述第二车辆的第二车载装置发送的无线终端信息;根据所述各个第二车辆的第二车载装置发送的无线终端信息,建立通信列表;基于所述通信列表,发送警报信息至所述第二车载装置。本发明实施例通过获取车内图像信息,并根据车内图像信息输入预设的警报判断模型从而实现警报判断,并在需要警报时通过通信列表发送至第二车辆,以提醒附近车辆小心行驶及报警,从而降低安全事故的发生率。
其中,本申请实施例提供的一种车载装置是能够执行本申请实施例提供的基于车联网的车协同预警方法的硬件设备,其与本申请实施例提供的应用于车载装置的基于车联网的车协同预警方法基于相同的发明构思,具有相同的技术特征以及有益效果。
其中,本申请实施例提供的一种存储介质,所述存储介质存储有可执行指令,所述可执行指令被智能终端执行时,使所述智能终端执行如应用于车载装置的基于车联网的车协同预警方法。
需要说明的是,以上仅示例性的示出了应用场景的一种形式,本申请实施例提供的基于车联网的车协同预警方法还可以进一步的拓展到其他合适的应用环境中,而不限于图1中所示的应用环境。
图2为本发明实施例提供的基于车联网的车协同预警方法的一个实施例的流程图,所述于车联网的车协同预警方法可由图1中的智能终端10执行。如附图2所示,所述于车联网的车协同预警方法包括:
S210:获取所述第一车辆的车内图像信息;
在本实施例中,所述第一车载装置通过自身的摄像头对所述第一车辆10的车内进行图像信息的采集,所述图像信息的采集可通过录像与拍照等形式进行采集。优选地,所述第一车载装置对所述第一车辆的车内进行拍照,获取车内图像信息。另外,所述第一车载装置的位置设置以不影响所述第一车辆的正常行驶为原则。
其中,所述车内图像信息包括驾驶室图像信息。所述车内图像信息还可包括多种图像信息,比如副驾驶图像信息、整体车室内图像信息,对应所述车内图像信息的数量,所述第一车载装置可设置对应数量的摄像头。
优选地,所述第一车载装置的摄像头为红外摄像头,以使得所述第一车载装置载黑夜等光线较差的环境中获取较好的车内图像信息,以提高所述警报判断的准确性。
S220:将所述车内图像信息输入预设的警报判断模型,输出警报判断结果,所述警报判断结果包括第一警报结果与第二警报结果;
其中,所述车内图像信息输入预设的警报判断模型之前,还要将所述车内图像信息进行校正处理。对应不同的车内图像信息设置不同的校正处理方法。举个例子,当所述车内图像信息为驾驶员人脸图像时,则需要预先设置一个1024*1024的标准人脸位置,则所述两个眼睛位置为(100,100)与(300,100),鼻尖位置为(150,150),两个嘴角位置为(300,100)与(300,300)。通过两个眼睛、鼻尖与两个嘴角这五个关键点的位置进行人脸图像的校正处理。通常,用摄像头拍摄的图片显然一般情况下眼睛鼻子嘴角不是上面那个坐标,然后我们利用仿射变换求出如果要把眼睛鼻子嘴角变到上面的坐标上面去,整个图像应该做的变化矩阵,然后用这个变换矩阵对整个图像做变换。所述仿射变换是指图形可以任意倾斜,而且允许图形在两个方向上任意伸缩变换,可以保持原来的线共点、点共线的关系不变,保持原来相互平行的线平行,保持原来的中点仍然是中点,保持原来在一直线上几段线段之间的比例关系不变。但是,仿射变换不能保持原来的线段长度不变,也不能保持原来的夹角角度不变。具体算法参照现有技术中所记载的仿射变换的技术方案。
具体地,所述警报判断模型为预先建立的基于深度学习的一种模型,用于根据输入的车内图像信息,判断该车辆是否存在安全隐患。所述警报判断模型对应的警报判断结果包括第一警报结果与第二警报结果,其中,所述第一警报结果为非安全结果,所述第二警报结果为安全结果。
进一步地,所述基于车联网的车协同预警方法还包括:预先建立所述警报判断模型。举个例子,所述车内图像信息为驾驶员人脸图像。则所述警报判断模型的建立为:
其中,第一车载装置内预先存储有初始模型,所述初始模型是一种有监督的机器学习模型,通常用来进行模式识别、分类以及回归分析。首先采集预定数量的人脸图像样本并输入至所述初始模型中,然后利用任意合适的机器学习算法,比如,神经网络、决策树、支持向量机等,对初始模型进行训练,从而使得训练出来的警报判断模型具有分类的功能。比如,当所述驾驶员人脸图像的嘴巴部分存在异物(白沫或者鲜血)时,所述警报判断模型则会输出安全异常对应的第一警报结果。
所述警报判断模型的训练,以全卷积神经网络为例,训练过程为:
具体训练步骤如下:
1.首先,第一车载装置将人脸图像样本库中人脸图像进行校准,其中,所述人脸图像样本库包括多种异常状态的驾驶员人脸图像,例如,五官出血、口吐白沫等。校准采用比较鲁棒的MTCNN算法,校准是指将该人脸数据库中所有的人脸图像按照统一的方向进行校准,我们就可以把人脸“校准”,或者说是“对齐”,得到校准后的图像;校准的目的是尽量去消除后续在图像识别时因姿势不同带来的误差;
2.将校准过后的人脸图像输入包括全卷积神经网络的预设网络结构进行计算,并通过全卷积神经网络对校准后的图像进行特征向量的提取。预设网络架构为:人脸图像-全卷积神经网络-全连接层-特征向量。
3.在全卷积网络进行训练时采用损失函数进行监督,对全卷积神经网络的参数进行进一步优化。通常,全卷积神经网络的训练达到24小时,就能够提取较为准确的特征向量,则训练完成的全卷积神经网络即为警报判断模型。
在实际应用中,可以调用机器学习工具包sklearn并引入svm类,生成空对象model;然后将训练数据(每一人脸图像样本)喂给模型model.fit;最后跑动该模型model.fit即可训练得到警报判断模型。
S230:若所述警报判断结果为所述第一警报结果时,搜索位于预设区域内各个所述第二车辆的第二车载装置发送的无线终端信息;
其中,所述第一车载装置的通信模块可在一定区域内发射与接收无线信息,从而实现与其他的车载装置(第二车载装置)建立通信连接。所述通信模块可为4G无线通信模块、蓝牙模块或者其他模块。所述预设区域可为以所述第一车辆为中心,半径为100m的圆形区域。所述预设区域是根据所述第一车辆行驶而移动的。
具体地,所述第一车载装置实时监测预设区域内的第二车载装置发送的无线终端信息,当所述第一车辆10的第一车载装置在预设范围内搜索到所述第二车辆20的第二车载装置发射的无线终端信息时,自动保存所述第二车载装置的无线终端信息。需要说明的是,所述第一车载装置获取所述第二车载装置的无线终端信息的数量可为多个。例如,所述预设范围内出现五个所述第二车载装置发送的无线终端信息,则所述第一车载装置同时获取五个所述无线终端信息,并把所述五个无线终端信息均保存在预设位置。
其中,当所述第二车载装置发送的无线终端信息离开了所述第一车载装置的预设区域,则所述第一车载装置将所述第二车载装置的发送的无线终端信息删除。当所述第一车载装置的预设区域内出现新的第二车载装置发送的无线终端信息,则将所述该无线终端信息新增至预设位置。
S240:根据所述各个第二车辆的第二车载装置发送的无线终端信息,建立通信列表;
其中,所述第一车载装置载获取到预设区域内的第二车载装置发送的无线终端信息之后,根据所述无线终端信息,建立通信列表。所述无线终端信息包括所述第二车载装置的ID信息,所述通信列表是指将各个无线终端信息对应的ID信息进行排序。因所述第一车辆是实时移动,则所述通信列表也是实时更新的。举个例子,当前时间时,第一车载装置的预设区域内包括第二车载装置A与B,则所述第一车载装置的通信列表包括无线终端信息A与B,在之后五分钟,因第一车辆装置是移动的,第一车载装置的预设区域内包括第二车载装置C与D,则所述第一车载装置的通信列表包括所述无线终端信息C与D。
具体地,所述通信列表用于提供与所述第二车辆的第二车载装置进行通信配对连接的选择。比如,当所述通信列表中出现第二车载装置的无线终端信息,所述第一车载装置则选择该无线终端信息,从而与所述无线终端信息对应的第二车载装置进行通信连接。
S250:基于所述通信列表,发送警报信息至所述第二车载装置。
其中,所述第一车载装置载获取到所述通信列表之后,生成警报信息,并选定所述通信列表中的无线终端信息对应的第二车载装置,与所述第二车载装置建立无线通信连接,从而将所述警报信息基于所述通信连接,发送至所述第二车载装置。
具体地,当所述通信列表中出现多个第二车载装置的无线终端信息,所述第一车载装置中可根据预设处理算法,从多个无线终端信息中选定一个第二车载装置,并与该车载装置建立无线通信连接。
可选地,所述第一终端装置也可同时与通信列表中的多个第二无线终端信息对应的第二车载装置进行通信连接,并将所述警报信息同时发送至多个第二车载装置。
本实施例提供的基于车联网的车协同预警方法,通过获取所述第一车辆的车内图像信息;将所述车内图像信息输入预设的警报判断模型,输出警报判断结果,所述警报判断结果包括第一警报结果与第二警报结果;若所述警报判断结果为所述第一警报结果时,搜索位于预设区域内各个所述第二车辆的第二车载装置发送的无线终端信息;根据所述各个第二车辆的第二车载装置发送的无线终端信息,建立通信列表;基于所述通信列表,发送警报信息至所述第二车载装置。本发明实施例通过获取驾车内图像信息,并根据车内图像信息输入预设的警报判断模型从而实现警报判断,并在需要警报时通过通信列表发送至第二车辆,以提醒附近车辆小心行驶及报警,从而降低安全事故的发生率。
图3为本发明实施例提供的于车联网的车协同预警方法的一个实施例的流程图,所述于车联网的车协同预警方法可由图1中的第一车载装置执行。如附图3所示,所述基于车联网的车辆协同预警方法包括:所述车内图像信息包括驾驶员人脸图像;
所述将所述车内图像信息输入预设的警报判断模型,输出警报判断结果,包括:
S310:从所述驾驶员人脸图像截取至少一个人脸区域;
其中,所述第一车载装置载获取到所述驾驶员人脸图像之后,将所述驾驶员人脸图像进行校准,然后在所述驾驶员人脸图像上截取至少一个人脸区域。所述在所述驾驶员人脸图像上截取至少一个人脸区域是指在所述驾驶员人脸图像的基础上,截取所述驾驶员人脸图像的部分区域,例如,所述驾驶员人脸图像的大小为1024*1024,在所述1024*1024的驾驶员人脸图像上截取至少一个60*60的人脸区域,该人脸区域可为左眼区域、右眼区域、鼻子区域等。
进一步地,所述人脸区域的位置信息为预先设置的,例如,预先设置所述人脸区域的位置为眼睛区域,或者预先设置所述人脸区域的位置为鼻子区域。同时,所述人脸区域的数量也为预先设置的,且数量不受限制,例如,所述人脸区域的数量为两个,对应左眼区域与右眼区域,又或者,所述人脸区域的数量为四个,对应左眼区域、右眼区域、鼻子区域与嘴巴区域。
进一步地,所述人脸区域对应的区域为左眼区域、右眼区域、鼻子区域与嘴巴区域时,各个人脸区域对应的面积大小均覆盖所述左眼、右眼、鼻子或者嘴巴,以提高警报判断模型的警报判断准确度。
S320:将所述至少一个人脸区域进行分类,获取对应分类结果;
其中,所述第一车载装置在获取到所述至少一个人脸区域之后,根据预设算法对所述至少一个人脸区域进行分类,所述分类为二分类或者三分类,从而获取分类结果。所述预设算法可为基于深度学习算法的二分类或者三分类算法。
进一步地,对应不同的人脸区域用不同的预设算法,所述预设算法可为相同结构但不同参数的算法。
S330:根据所述分类结果,输出所述警报判断结果。
其中,所述第一车载装置在接收到所述分类结果之后,根据对应各个人脸区域的分类结果,输出警报判断结果。所述警报判断结果,是根据所有人脸区域的分类结果进行计算的,不是一个人脸区域的分类结果对应一个警报判断结果。所述警报判断结果包括第一警报结果与第二警报结果。所述第一警报结果是指该车辆的行驶处于安全状态,所述第二警报结果是指该车辆的行驶处于非安全状态。
具体地,根据人脸区域对应的位置不同,判断所述警报结果的方法也不同。具体包括两种情况:
1.所述至少一个人脸区域包括眼睛区域;所述眼睛区域对应的分类结果包括第一分类结果、第二分类结果与第三分类结果;
所述根据所述分类结果,输出所述警报判断结果,包括:
若所述驾驶员人脸图像的眼睛区域对应的分类结果为第一分类结果,则输出第一警报结果;
若所述驾驶员人脸图像的眼睛区域对应的分类结果为第二分类结果,则输出第二警报结果;
在预设时间内,若所述驾驶员人脸图像的眼睛区域对应的分类结果均为第三分类结果,则输出的第二警报结果。
其中,所述第一分类结果是指所述眼睛区域中的眼睛处于正常状态(张开状态);所述第二分类结果是指所述眼睛区域中的眼睛处于非正常状态,具体指包括异物(白沫、血块等);所述第三分类结果是指所述眼睛区域中的眼睛处于闭合状态。
2.所述至少一个人脸区域还包括嘴巴区域与鼻子区域;所述嘴巴区域与鼻子区域对应的分类结果包括第一分类结果与第二分类结果;
所述根据所述分类结果,输出所述警报判断结果,包括:
若所述驾驶员人脸图像的嘴巴区域与鼻子区域对应的分类结果均为第一分类结果,则输出第一警报结果;
若所述驾驶员人脸图像的嘴巴区域与鼻子区域对应的分类结果存在第二分类结果,则输出第二警报结果。
其中,所述第一分类结果是指所述嘴巴区域与鼻子区域中的嘴巴或鼻子处于正常状态;所述第二分类结果是指所述眼睛区域中的眼睛处于非正常状态,具体指包括异物(白沫、血块等);
本实施例提供的基于车联网的车协同预警方法,通过获取所述第一车辆的车内图像信息;将所述车内图像信息输入预设的警报判断模型,输出警报判断结果,所述警报判断结果包括第一警报结果与第二警报结果;若所述警报判断结果为所述第一警报结果时,搜索位于预设区域内各个所述第二车辆的第二车载装置发送的无线终端信息;根据所述各个第二车辆的第二车载装置发送的无线终端信息,建立通信列表;基于所述通信列表,发送警报信息至所述第二车载装置。本发明实施例通过获取驾车内图像信息,并根据车内图像信息输入预设的警报判断模型从而实现警报判断,并在需要警报时通过通信列表发送至第二车辆,以提醒附近车辆小心行驶及报警,从而降低安全事故的发生率。
图4为本发明实施例提供的于车联网的车协同预警方法的一个实施例的流程图,所述于车联网的车协同预警方法可由图1中的第一车载装置执行。如附图4所示,在所述获取所述第一车辆的车内图像信息之前,还包括:
S410:获取第一车辆的当前运行速度;
其中,所述第一车载装置还设有获取所述第一车辆的当前运行速度,所述当前运行速度是实时更新的,所述第一车载装置可通过设置速度传感器获取所述第一车辆的当前运行速度,也可通过与所述第一车辆通讯连接,实时获取所述车辆的速表中所显示的当前运行速度。
S420:将所述当前运行速度与预设阈值进行比对;
其中,所述第一车载装置获取到所述当前运行速度之后,将所述当前运行速度与预设阈值进行比对,预设阈值为预先设置的速度值。当然,所述预设阈值可根据不同用户需求进行设置。
S430:若所述当前运行速度大于预设阈值,则获取车内图像信息。
其中,当当前运行速度大于所述预设阈值时,所述第一车载装置开始控制摄像头获取车内的图像信息,当当前运行速度小于所述预设阈值时,所述第一车载装置不获取所述车内图像信息。举例说明,当所述预设阈值为20KM/H,当前速度为21KM/H时,所述当前速度为21KM/H是大于所述预设阈值为20KM/H的,则所述第一车载装置获取开始获取所述车内图像信息。
进一步地,也即是说,只有当所述第一车辆的车速超过所述预设阈值时,所述第一车载装置才开始获取所述车内图像信息。而当所述第一车辆的当前速度没有超过所述预设阈值时,所述第一车载装置是不工作的,以避免误判,同时减少功耗。
本实施例提供的基于车联网的车协同预警方法,通过获取所述第一车辆的车内图像信息;将所述车内图像信息输入预设的警报判断模型,输出警报判断结果,所述警报判断结果包括第一警报结果与第二警报结果;若所述警报判断结果为所述第一警报结果时,搜索位于预设区域内各个所述第二车辆的第二车载装置发送的无线终端信息;根据所述各个第二车辆的第二车载装置发送的无线终端信息,建立通信列表;基于所述通信列表,发送警报信息至所述第二车载装置。本发明实施例通过获取驾车内图像信息,并根据车内图像信息输入预设的警报判断模型从而实现警报判断,并在需要警报时通过通信列表发送至第二车辆,以提醒附近车辆小心行驶及报警,从而降低安全事故的发生率。并且,通过当前速度与预设阈值的比对从而判断所述第一车载装置是否开始获取车内图像信息,降低了功耗。
图5为本发明实施例提供的于车联网的车协同预警方法的一个实施例的流程图,所述于车联网的车协同预警方法可由图1中的第一车载装置执行。如附图5所示,所述根据所述各个第二车辆的第二车载装置发送的无线终端信息,建立通信列表,包括:
S510:检测所述无线终端信息的信号强度;
其中,所述第一车载装置还对所述无线终端信息的信号强度进行检测。所述信号强度与所述第一车载装置与第二车载装置的距离成正比关系。当所述距离越大,信号强度越弱,距离越小,信号强度越强。
S520:基于所述信号强度将所述无线终端信息进行排序,建立通信列表。
其中,所述第一车载装置获取到所述无线终端信息的信号强度之后,根据所述无线终端信号的信号强度进行排序,从而将所述无线终端信息在所述通信列表中从上至下进行排序。也即是说,在所述通信列表中,从上之下的无线终端信号的信号强度是从强至若。例如,第一车载装置检测到三个无线终端信号:无线终端信号1、无线终端信号2以及无线终端信号3,信号强度从强至若的排序为无线终端信号3-无线终端信号2-无线终端信号1,因此,通信列表中从上至下的排序为无线终端信号3-无线终端信号2-无线终端信号1。
图6为本发明实施例提供的于车联网的车协同预警方法的一个实施例的流程图,所述于车联网的车协同预警方法可由图1中的第一车载装置执行。如附图6所示,所述第二车载装置设有公匙,所述第一车载装置设有与所述公匙相对应的私匙;
所述基于所述通信列表,发送警报信息至所述第二车载装置,包括:
S610:选定所述通信列表中最靠前的无线终端信息,与该无线终端信息对应的第二车载装置建立通信通道;
其中,所述通信列表中最靠前的无线终端信息是指在所述通信列表中从上至下位于第一个的无线终端信息,也即是通信列表中无线终端信息的信号强度最强的一个。当所述第一车载装置选定了无线终端信息之后,则与该无线终端信息对应的第二车载装置进行通信配对,从而建立通信通道。
S620:基于所述通信通道,发送身份验证请求至所述第二车载装置;
其中,所述身份验证请求包括第一车载装置的证书信息。所述第二车载装置接收到所述证书信息之后,对所述证书信息进行验证,若证书信息合法,则发送确定信息至所述第一车载装置,若不合法,则断开与所述第一车载装置的连接。
S630:当接收到所述第二车载装置发送的确认信息时,通过私匙将所述警报信息附带上加密标识,并发送至所述第二车载装置;其中,所述第二车载装置在接收到附带加密标识的警报信息时,通过所述公匙对所述警报信息进行解密,获取所述警报信息。
其中,所述第一车载装置在接收到所述第二车载装置发送的确认信息时,会生成一个警报信息,同时,利用预设的私匙将所述警报信息附带上加密标识,并发送至所述第二车载装置。需要说明的是,所述私匙加密的加密标识,只能通过与该私匙对应的公匙才能解密。在所述第二车载装置接收到所述附带加密标识的警报信息时,通过预设的公匙对所述警报信息进行解密,则可获取所述警报信息。若所述第二车载装置获取失败,发送解密失败信息至所述第一车载装置。所述第一车载装置在接收到所述第二车载装置发送的解密失败信息时,将所述附带加密标识的警报信息再一次发送至所述第二车载装置。
S640:基于所述通信通道,发送身份验证请求至所述第二车载装置;
当接收到所述第二车载装置发送的确认信息时,通过私匙将所述警报信息附带上加密标识,并发送至所述第二车载装置;其中,所述第二车载装置在接收到附带加密标识的警报信息时,通过所述公匙对所述警报信息进行解密,获取所述警报信息。
本实施例提供的基于车联网的车协同预警方法,通过获取所述第一车辆的车内图像信息;将所述车内图像信息输入预设的警报判断模型,输出警报判断结果,所述警报判断结果包括第一警报结果与第二警报结果;若所述警报判断结果为所述第一警报结果时,搜索位于预设区域内各个所述第二车辆的第二车载装置发送的无线终端信息;根据所述各个第二车辆的第二车载装置发送的无线终端信息,建立通信列表;基于所述通信列表,发送警报信息至所述第二车载装置。本发明实施例通过获取驾车内图像信息,并根据车内图像信息输入预设的警报判断模型从而实现警报判断,并在需要警报时通过通信列表发送至第二车辆,以提醒附近车辆小心行驶及报警,从而降低安全事故的发生率。
本发明实施例还提供了一种车载装置7,图7是本发明实施例提供的车载装置7的硬件结构示意图,如图7所示,该车载装置7包括:
至少一个处理器71;以及,
与所述至少一个处理器71通信连接的存储器72;其中,
所述存储器72存储有可被所述至少一个处理器71执行的指令,所述指令被所述至少一个处理器71执行,以使所述至少一个处理器71能够执行如前述的于车联网的车协同预警方法。
具体地,以附图7中一个处理器71为例。处理器71和存储器72可以通过总线或者其他方式连接,图7中以通过总线连接为例。
存储器72作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本发明实施例中的起立监测方法对应的程序指令/模块(例如,附图2所示的步骤S210-S250)。处理器71通过运行存储在存储器72中的非易失性软件程序、指令以及模块,从而执行车载装置7的各种功能应用以及数据处理,即实现上述方法实施例的基于车联网的车辆协同预警方法。
存储器72可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据服务器的使用所创建的数据等。此外,存储器72可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器72可选包括相对于处理器71远程设置的存储器,这些远程存储器可以通过网络连接至车载装置7上。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器72中,当被所述一个或者多个处理器71执行时,执行上述任意方法实施例中的于车联网的车协同预警方法,例如,执行以上描述的图2中的方法步骤S210至步骤S250,图3中的方法步骤S310至步骤S330,图4中的方法步骤S410至步骤S430,图5中的方法步骤S510至步骤S520,图6中的方法步骤S610至步骤S630。
上述产品可执行本发明实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明实施例所提供的方法。
本实施例提供车载装置,通过获取所述第一车辆的车内图像信息;将所述车内图像信息输入预设的警报判断模型,输出警报判断结果,所述警报判断结果包括第一警报结果与第二警报结果;若所述警报判断结果为所述第一警报结果时,搜索位于预设区域内各个所述第二车辆的第二车载装置发送的无线终端信息;根据所述各个第二车辆的第二车载装置发送的无线终端信息,建立通信列表;基于所述通信列表,发送警报信息至所述第二车载装置。本发明实施例通过获取驾车内图像信息,并根据车内图像信息输入预设的警报判断模型从而实现警报判断,并在需要警报时通过通信列表发送至第二车辆,以提醒附近车辆小心行驶及报警,从而降低安全事故的发生率。
通过以上的实施例的描述,本领域普通技术人员可以清楚地了解到各实施例可借助软件加通用硬件平台的方式来实现,当然也可以通过硬件。本领域普通技术人员可以理解实现所述实施例方法中的全部或部分流程是可以通过计算机程序指令相关的硬件来完成,所述的程序可存储于计算机可读取存储介质中,该程序在执行时,可包括如所述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
本发明实施例提供了一种非易失性计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个处理器执行,例如图7中的一个处理器71,可使得上述一个或多个处理器可执行上述任意方法实施例中的基于车联网的车协同预警方法,例如,执行以上描述的图2中的方法图2中的方法步骤S210至步骤S250,图3中的方法步骤S310至步骤S330,图4中的方法步骤S410至步骤S430,图5中的方法步骤S510至步骤S520,图6中的方法步骤S610至步骤S630。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元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。
通过以上的实施方式的描述,本领域普通技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现,当然也可以通过硬件。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(RandomAccessMemory,RAM)等。
上述产品可执行本发明实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明实施例所提供的方法。
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,而非对其限制;在本发明的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本发明的不同方面的许多其它变化,为了简明,它们没有在细节中提供;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种基于车联网的车辆协同预警方法,应用于设置在第一车辆的第一车载装置,所述第一车载装置用于与设置在第二车辆的第二车载装置无线通信,其特征在于,所述方法包括:
获取所述第一车辆的车内图像信息;
将所述车内图像信息输入预设的警报判断模型,输出警报判断结果,所述警报判断结果包括第一警报结果与第二警报结果;
若所述警报判断结果为所述第一警报结果时,搜索位于预设区域内各个所述第二车辆的第二车载装置发送的无线终端信息;
根据所述各个第二车辆的第二车载装置发送的无线终端信息,建立通信列表;
基于所述通信列表,发送警报信息至所述第二车载装置。
2.根据权利要求1所述的基于车联网的车协同预警方法,其特征在于:所述车内图像信息包括驾驶员人脸图像;
所述将所述车内图像信息输入预设的警报判断模型,输出警报判断结果,包括:
从所述驾驶员人脸图像截取至少一个人脸区域;
将所述至少一个人脸区域进行分类,获取对应分类结果;
根据所述分类结果,输出所述警报判断结果。
3.根据权利要求2所述的基于车联网的车协同预警方法,其特征在于,所述至少一个人脸区域包括眼睛区域;所述眼睛区域对应的分类结果包括第一分类结果、第二分类结果与第三分类结果;
所述根据所述分类结果,输出所述警报判断结果,包括:
若所述驾驶员人脸图像的眼睛区域对应的分类结果为第一分类结果,则输出第一警报结果;
若所述驾驶员人脸图像的眼睛区域对应的分类结果为第二分类结果,则输出第二警报结果;
在预设时间内,若所述驾驶员人脸图像的眼睛区域对应的分类结果均为第三分类结果,则输出的第二警报结果。
4.根据权利要求3所述的基于车联网的车协同预警方法,其特征在于,所述至少一个人脸区域还包括嘴巴区域与鼻子区域;所述嘴巴区域与鼻子区域对应的分类结果包括第一分类结果与第二分类结果;
所述根据所述分类结果,输出所述警报判断结果,包括:
若所述驾驶员人脸图像的嘴巴区域与鼻子区域对应的分类结果均为第一分类结果,则输出第一警报结果;
若所述驾驶员人脸图像的嘴巴区域与鼻子区域对应的分类结果存在第二分类结果,则输出第二警报结果。
5.根据权利要求1所述的基于车联网的车协同预警方法,其特征在于,在所述获取所述第一车辆的车内图像信息之前,还包括:
获取第一车辆的当前运行速度;
将所述当前运行速度与预设阈值进行比对;
若所述当前运行速度大于预设阈值,则获取车内图像信息。
6.根据权利要求1所述的基于车联网的车协同预警方法,其特征在于,所述根据所述各个第二车辆的第二车载装置发送的无线终端信息,建立通信列表,包括:
检测所述无线终端信息的信号强度;
基于所述信号强度将所述无线终端信息进行排序,建立通信列表。
7.根据权利要求6所述的基于车联网的车协同预警方法,其特征在于:所述第二车载装置设有公匙,所述第一车载装置设有与所述公匙相对应的私匙;
所述基于所述通信列表,发送警报信息至所述第二车载装置,包括:
选定所述通信列表中最靠前的无线终端信息,与该无线终端信息对应的第二车载装置建立通信通道;
基于所述通信通道,发送身份验证请求至所述第二车载装置;
当接收到所述第二车载装置发送的确认信息时,通过私匙将所述警报信息附带上加密标识,并发送至所述第二车载装置;其中,所述第二车载装置在接收到附带加密标识的警报信息时,通过所述公匙对所述警报信息进行解密,获取所述警报信息。
8.根据权利要求1-7任一项所述的基于车联网的车协同预警方法,其特征在于:所述将所述车内图像信息输入预设的警报判断模型,输出警报判断结果之前,还包括:
预先建立所述警报判断模型。
9.一种车载装置,其特征在于,所述车载装置包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1-8任一项所述的基于车联网的车协同预警方法。
10.一种存储介质,其特征在于,所述存储介质存储有可执行指令,所述可执行指令被智能终端执行时,使所述智能终端执行如权利要求1-8任一项所述的基于车联网的车协同预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910252675.8A CN109903587A (zh) | 2019-03-29 | 2019-03-29 | 一种基于车联网的车协同预警方法、车载装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910252675.8A CN109903587A (zh) | 2019-03-29 | 2019-03-29 | 一种基于车联网的车协同预警方法、车载装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109903587A true CN109903587A (zh) | 2019-06-18 |
Family
ID=66955124
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910252675.8A Pending CN109903587A (zh) | 2019-03-29 | 2019-03-29 | 一种基于车联网的车协同预警方法、车载装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109903587A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113341417A (zh) * | 2021-06-09 | 2021-09-03 | 深圳市九洲电器有限公司 | 基于探测雷达的路面障碍检测方法、车辆及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106448062A (zh) * | 2016-10-26 | 2017-02-22 | 深圳市元征软件开发有限公司 | 疲劳驾驶检测方法及装置 |
CN106571033A (zh) * | 2016-10-26 | 2017-04-19 | 深圳市元征软件开发有限公司 | 酒驾检测方法及装置 |
CN107657236A (zh) * | 2017-09-29 | 2018-02-02 | 厦门知晓物联技术服务有限公司 | 汽车安全驾驶预警方法及车载预警系统 |
JP2018022310A (ja) * | 2016-08-03 | 2018-02-08 | オムロンオートモーティブエレクトロニクス株式会社 | 運転手状態判定装置、車両制御システム |
CN108372785A (zh) * | 2018-04-25 | 2018-08-07 | 吉林大学 | 一种基于图像识别的汽车非安全驾驶检测装置及检测方法 |
-
2019
- 2019-03-29 CN CN201910252675.8A patent/CN109903587A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018022310A (ja) * | 2016-08-03 | 2018-02-08 | オムロンオートモーティブエレクトロニクス株式会社 | 運転手状態判定装置、車両制御システム |
CN106448062A (zh) * | 2016-10-26 | 2017-02-22 | 深圳市元征软件开发有限公司 | 疲劳驾驶检测方法及装置 |
CN106571033A (zh) * | 2016-10-26 | 2017-04-19 | 深圳市元征软件开发有限公司 | 酒驾检测方法及装置 |
CN107657236A (zh) * | 2017-09-29 | 2018-02-02 | 厦门知晓物联技术服务有限公司 | 汽车安全驾驶预警方法及车载预警系统 |
CN108372785A (zh) * | 2018-04-25 | 2018-08-07 | 吉林大学 | 一种基于图像识别的汽车非安全驾驶检测装置及检测方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113341417A (zh) * | 2021-06-09 | 2021-09-03 | 深圳市九洲电器有限公司 | 基于探测雷达的路面障碍检测方法、车辆及存储介质 |
CN113341417B (zh) * | 2021-06-09 | 2024-04-19 | 深圳市九洲电器有限公司 | 基于探测雷达的路面障碍检测方法、车辆及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10885777B2 (en) | Multiple exposure event determination | |
US20230118340A1 (en) | Artificial intelligence-based systems and methods for vehicle operation | |
US11713060B2 (en) | Systems and methods for remote monitoring of a vehicle, robot or drone | |
US11836985B2 (en) | Identifying suspicious entities using autonomous vehicles | |
CN109421731A (zh) | 可信度检验模块、驾驶辅助系统和校准传感器的方法 | |
TWI430212B (zh) | 利用多特徵自動集群法之異常行為偵測系統與方法 | |
CN110494330A (zh) | 车辆监视装置、不正当检测服务器、以及控制方法 | |
CN110430401A (zh) | 车辆盲区预警方法、预警装置、mec平台和存储介质 | |
CN106709420A (zh) | 一种监测营运车辆驾驶人员驾驶行为的方法 | |
JP2007122362A (ja) | ニューラルネットワークを用いた状態推定方法及びニューラルネットワークを用いた状態推定装置 | |
KR102553053B1 (ko) | 차량 주변의 위험 요소를 감지하기 위한 전자 장치 및 이를 제어하기 위한 방법 | |
CN110009780A (zh) | 一种基于车联网的车门解锁方法、服务器及存储介质 | |
KR101900237B1 (ko) | 획득한 영상에 대한 상황 판단 데이터를 이용한 현장 판단 방법 | |
CN106570444A (zh) | 基于行为识别的车载智能提醒方法及系统 | |
CN109977771A (zh) | 司机身份的验证方法、装置、设备及计算机可读存储介质 | |
CN109606376A (zh) | 一种基于车载智能终端的安全驾驶行为识别系统 | |
CN107403541A (zh) | 实时人眼识别监控疲劳驾驶的系统 | |
CN109903587A (zh) | 一种基于车联网的车协同预警方法、车载装置及存储介质 | |
CN206301463U (zh) | 交通安全监管系统 | |
Choudhary et al. | Smart phone based approach to monitor driving behavior and sharing of statistic | |
CN108437741A (zh) | 车内儿童的保护处理方法与装置 | |
US20230260301A1 (en) | Biometric task network | |
CN113421402A (zh) | 基于红外相机的乘客体温及疲劳驾驶行为检测系统及方法 | |
CN113593253A (zh) | 车辆的闯红灯监测方法和装置 | |
Kumar et al. | Real Time Intelligent Traffic Light and Density Controller–A Literature Review |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190618 |