CN110569804B - 基于文本数据的失效场景判断方法及系统、服务器及介质 - Google Patents

Abstract

本发明公开了一种基于文本数据的失效场景判断方法及系统、服务器及存储介质，其利用自由驾驶视频流的文本字段属性设定失效场景的判断条件，利用计算机处理海量数据，甄别出疑似失效场景，然后结合原始视频流数据对疑似失效场景进行进一步验证，通过对失效场景的验证筛选从而提炼出准确性更高的字段属性，将提炼的字段属性循环对关键字段属性进行优化补充，以逐步提高失效视频数据的准确性和全面性，极大的减少了人力资源的投入，还提高了失效场景的筛选效率。

Description

基于文本数据的失效场景判断方法及系统、服务器及介质

技术领域

本发明涉及自动驾驶中高级辅助驾驶系统技术领域，尤其涉及一种基于文本数据的失效场景判断方法及系统、服务器及存储介质。

背景技术

目前在自动驾驶目标物识别领域中。为了能够实时的识别目标物，一般都会使用传感器、雷达、摄像头这三种装置去获取实时数据，获取的数据给自动驾驶系统去识别判断，让其作出最及时和最准确的判断。然而在做自动驾驶辅助系统的时候，不可避免的需要对传感器、雷达。摄像头获取的数据进行失效判定，来检验数据获取装置和自动驾驶辅助系统的性能优劣，而通常的做法是用人工去肉眼识别，去辨别自动驾驶场景中的失效场景，并做反馈处理，这种方法既局限的自动驾驶系统的场景甄别效率，又增加了行业成本。

发明内容

有鉴于此，本发明实施例提供了一种基于文本数据的失效场景判断方法及系统、服务器及存储介质，以解决现有自动驾驶系统的场景甄别效率低，且需要大量人力资源等技术问题。

本发明实施例的第一方面，提供了一种基于文本数据的失效场景判断方法，所述基于文本数据的失效场景判断方法包括如下步骤：

设定失效场景的关键字段属性，根据关键字段属性对自动驾驶的行车场景进行检索识别，查找出疑似失效场景；

结合原始视频流数据对疑似失效场景进行验证，甄别出其中真失效场景和假失效场景；

对比甄别后同一类别的真失效场景和假失效场景，从中提炼造成失效原因的准确字段属性，根据提炼的准确字段属性循环对关键字段属性进行优化补充。

本发明实施例的第二方面，提供了一种基于文本数据的失效场景判断系统，所述基于文本数据的失效场景判断系统包括如下功能模块：

初步判断模块，配置为设定失效场景的关键字段属性，根据关键字段属性对自动驾驶的行车场景进行检索识别，查找出疑似失效场景；

失效验证模块，配置为结合原始视频流数据对疑似失效场景进行验证，甄别出其中真失效场景和假失效场景；

属性优化模块，配置为对比甄别后同一类别的真失效场景和假失效场景，从中提炼造成失效原因的准确字段属性，根据提炼的准确字段属性循环对关键字段属性进行优化补充。

本发明实施例的第三方面，提供了一种服务器，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述基于文本数据的失效场景判断方法的步骤。

本发明实施例的第四方面，提供了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计算机程序，所述计算机程序被处理器执行时实现如上所述基于文本数据的失效场景判断方法的步骤。

本发明提供的基于文本数据的失效场景判断方法，其利用自由驾驶视频流的文本字段属性设定失效场景的判断条件，利用计算机处理海量数据，甄别出疑似失效场景，然后结合原始视频流数据对疑似失效场景进行进一步验证，通过对失效场景的验证筛选从而提炼出准确性更高的字段属性，将提炼的字段属性循环对关键字段属性进行优化补充，以逐步提高失效视频数据的准确性和全面性，极大的减少了人工劳动量，还提高了失效场景的筛选效率。

附图说明

为了更清楚地说明本发明实施例中的技术方案，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一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的基于文本数据的失效场景判断方法的流程框图；

图2为本发明实施例提供的基于文本数据的失效场景判断系统的步骤流程图；

图3为本发明实施例提供的基于文本数据的失效场景判断系统的功能模块框图；

图4为本发明实施例提供的服务器的结构示意图。

具体实施方式

为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。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它实施例，都属于本发明保护的范围。

如图1所示，本发明实施例提供的一种基于文本数据的失效场景判断方法，所述基于文本数据的失效场景判断方法包括如下步骤：

S1、设定失效场景的关键字段属性，根据关键字段属性对自动驾驶的行车场景进行检索识别，查找出疑似失效场景；

S2、结合原始视频流数据对疑似失效场景进行验证，甄别出其中真失效场景和假失效场景；

S3、对比甄别后同一类别的真失效场景和假失效场景，从中提炼造成失效原因的准确字段属性，根据提炼的准确字段属性循环对关键字段属性进行优化补充。

具体的，如图2所示，首先结合国家道路方面的法规标准，常识，经验等多方面因素，整理出视频流中可能会出现的失效场景字段属性描述，拆解分析描述失效场景的字段属性，提炼各种失效场景中造成视频流数据失效问题的关键字段属性，根据所述关键字段属性制定失效规则，所述失效规则包括失效判断条件、失效类别以及失效判断条件与失效类别的对应关系表，所述失效条件由一个或多个关键字段属性组成，例：国家规定的车道宽度最大为3.74m,则设定失效条件为车道宽度大于4m。所述失效类别对应一个或多个失效判断条件，对失效类别的判断需要同时满足其对应的一个或多个失效判断条件。

将自动驾驶的视频流数据按帧解析，得到图片帧和得到描述图片帧中行车场景的字段属性，以关键字段属性作为检索因子对解析的字段属性进行检索，查找对应的字段属性，并根据失效规则判断查找的字段属性对应的视频流数据是否疑似失效。所述失效场景的起始时刻以同时满足某一类失效类型所有失效条件的图片帧为开始帧，以第一次不满足某一类失效类型所有失效条件的图片帧为结束帧。

在行车场景的字段属性进行失效判定之前，先将视频分解的图片帧的时间与行车场景视频流数据的时间进行匹配。即以行车场景视频流数据的时间为基准对图片帧的时间进行换算，以便后面在结合原始视频流数据对对疑似失效场景进行验证时，能将疑似失效场景与原始视频流数据匹配上，方便对比验证。

同时，根据失效判断条件与失效类别的对应关系表，按照失效场景的失效条件对失效场景进行失效类别分类，完成失效场景的分类。

将查找出来的疑似失效场景与原始视频流数据进行对比验证，甄别出其中真失效场景和假失效场景，对比甄别后同一类别的真失效场景和假失效场景，从中提炼造成失效原因的准确字段属性，根据提炼的准确字段属性循环对关键字段属性进行优化补充，逐步提高失效视频数据的准确性和全面性。例如：障碍物感知错误这一类别中存在前方路段有落石的场景和前方有交通标志的场景，其中，前方路段有落石的场景为真正失效场景，前方有交通标志的场景为假失效场景，对比真假失效场景中不同的字段属性，将真失效场景中与假失效场景中不同的字段属性提取出来作为准确字段属性，将该准确字段属性添加至对关键字段属性中或对关键字段属性进行优化修改，然后再次采用优化后的关键字段属性对自动驾驶的视频流数据解析的字段属性进行失效判断。

进一步的，可以根据失效场景的分类构建失效场景库，便于后期快速的定位失效场景和失效场景的类型，即仅需要识别出一个失效条件即可判定其为失效场景，并快速匹配出该失效场景的类别。

本发明提供的基于文本数据的失效场景判断方法，其利用自由驾驶视频流的文本字段属性设定失效场景的判断条件，利用计算机处理海量数据，甄别出疑似失效场景，然后结合原始视频流数据对疑似失效场景进行进一步验证，通过对失效场景的验证筛选从而提炼出准确性更高的字段属性，将提炼的字段属性循环对关键字段属性进行优化补充，以逐步提高失效视频数据的准确性和全面性，极大的减少了人力资源的投入，还提高了失效场景的筛选效率。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

上面主要描述了一种基于文本数据的失效场景判断方法，下面将对一种基于文本数据的失效场景判断系统进行详细描述。

图3示出了本发明实施例提供的基于文本数据的失效场景判断系统的一个功能模块框图。如图3所示，所述基于文本数据的失效场景判断系统包括如下功能模块：

初步判断模块10，配置为设定失效场景的关键字段属性，根据关键字段属性对自动驾驶的行车场景进行检索识别，查找出疑似失效场景；

失效验证模块20，配置为结合原始视频流数据对疑似失效场景进行验证，甄别出其中真失效场景和假失效场景；

属性优化模块30，配置为对比甄别后同一类别的真失效场景和假失效场景，从中提炼造成失效原因的准确字段属性，根据提炼的准确字段属性循环对关键字段属性进行优化补充。

图4是本发明一实施例提供的基于文本数据的失效场景判断的服务器结构的示意图。所述服务器为提供计算服务的设备，通常指具有较高计算能力，通过网络提供给多个用户使用的计算机。如图4所示，该实施例的服务器4包括：存储器41、处理器42以及系统总线43，所述存储器41包括存储其上的可运行的程序411，本领域技术人员可以理解，图4中示出的终端设备结构并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

下面结合图4对终端设备的各个构成部件进行具体的介绍：

存储器41可用于存储软件程序以及模块，处理器42通过运行存储在存储器41的软件程序以及模块，从而执行终端的各种功能应用以及数据处理。存储器41可主要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、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据终端的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器41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、或其他易失性固态存储器件。

在存储器41上包含基于文本数据的失效场景判断方法的可运行程序411，所述可运行程序411可以被分割成一个或多个模块/单元，所述一个或多个模块/单元被存储在所述存储器41中，并由处理器42执行，以完成通知的传递并获取通知实现过程，所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序411在所述服务器4中的执行过程。例如，所述计算机程序411可以被分割为获取模块、比对模块、拼接模块和发送模块。

处理器42是服务器的控制中心，利用各种接口和线路连接整个终端设备的各个部分，通过运行或执行存储在存储器41内的软件程序和/或模块，以及调用存储在存储器41内的数据，执行终端的各种功能和处理数据，从而对终端进行整体监控。可选的，处理器42可包括一个或多个处理单元；优选的，处理器42可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器42中。

系统总线43是用来连接计算机内部各功能部件，可以传送数据信息、地址信息、控制信息，其种类可以是例如PCI总线、ISA总线、VESA总线等。处理器42的指令通过总线传递至存储器41，存储器41反馈数据给处理器42，系统总线43负责处理器42与存储器41之间的数据、指令交互。当然系统总线43还可以接入其他设备，例如网络接口、显示设备等。

所述服务器应至少包括CPU、芯片组、内存、磁盘系统等，其他构成部件在此不再赘述。

在本发明实施例中，该终端所包括的处理器42执行的可运行程序具体为：一种基于文本数据的失效场景判断方法，其包括：

设定失效场景的关键字段属性，根据关键字段属性对自动驾驶的行车场景进行检索识别，查找出疑似失效场景；

结合原始视频流数据对疑似失效场景进行验证，甄别出其中真失效场景和假失效场景；

对比甄别后同一类别的真失效场景和假失效场景，从中提炼造成失效原因的准确字段属性，根据提炼的准确字段属性循环对关键字段属性进行优化补充。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各实施例的模块、单元和/或方法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；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精神和范围。

Claims (9)

1.一种基于文本数据的失效场景判断方法，其特征在于，所述基于文本数据的失效场景判断方法包括如下步骤：

设定失效场景的关键字段属性，根据关键字段属性对自动驾驶的行车场景进行检索识别，查找出疑似失效场景；

结合原始视频流数据对疑似失效场景进行验证，甄别出其中真失效场景和假失效场景；

对比甄别后同一类别的真失效场景和假失效场景，从中提炼造成失效原因的准确字段属性，根据提炼的准确字段属性循环对关键字段属性进行优化补充；

其中，所述设定失效场景的关键字段属性，根据关键字段属性对自动驾驶的行车场景进行检索识别，查找出疑似失效场景，其具体包括如下步骤：

根据交通法规和经验设定失效场景的关键字段属性，根据所述关键字段属性制定失效规则；

将自动驾驶的视频流数据按帧解析，得到描述其行车场景的字段属性；

以关键字段属性作为检索因子对解析的字段属性进行检索，查找对应的字段属性，并根据失效规则判断查找的字段属性对应的视频流数据是否疑似失效。

2.根据权利要求1所述基于文本数据的失效场景判断方法，其特征在于，所述失效规则包括失效判断条件、失效类别以及失效判断条件与失效类别的对应关系表，所述失效判断条件由关键字段属性组成。

3.根据权利要求2所述基于文本数据的失效场景判断方法，其特征在于，所述失效类别对应一个或多个失效判断条件。

4.根据权利要求3所述基于文本数据的失效场景判断方法，其特征在于，根据失效场景的失效条件对失效场景进行失效类别分类，根据失效场景的分类构建失效场景库。

5.根据权利要求1所述基于文本数据的失效场景判断方法，其特征在于，在行车场景的字段属性进行失效判定之前，先将视频分解的图片帧的时间与行车场景视频流数据的时间进行匹配。

6.根据权利要求1所述基于文本数据的失效场景判断方法，其特征在于，所述失效场景的起始时刻以同时满足某一类失效类型所有失效条件的图片帧为开始帧，以第一次不满足某一类失效类型所有失效条件的图片帧为结束帧。

7.一种基于文本数据的失效场景判断系统，其特征在于，所述基于文本数据的失效场景判断系统包括如下功能模块：

初步判断模块，配置为设定失效场景的关键字段属性，根据关键字段属性对自动驾驶的行车场景进行检索识别，查找出疑似失效场景；

失效验证模块，配置为结合原始视频流数据对疑似失效场景进行验证，甄别出其中真失效场景和假失效场景；

属性优化模块，配置为对比甄别后同一类别的真失效场景和假失效场景，从中提炼造成失效原因的准确字段属性，根据提炼的准确字段属性循环对关键字段属性进行优化补充；

其中，所述设定失效场景的关键字段属性，根据关键字段属性对自动驾驶的行车场景进行检索识别，查找出疑似失效场景，其具体包括如下步骤：

根据交通法规和经验设定失效场景的关键字段属性，根据所述关键字段属性制定失效规则；

将自动驾驶的视频流数据按帧解析，得到描述其行车场景的字段属性；

以关键字段属性作为检索因子对解析的字段属性进行检索，查找对应的字段属性，并根据失效规则判断查找的字段属性对应的视频流数据是否疑似失效。

8.一种服务器，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述基于文本数据的失效场景判断方法的步骤。

9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述基于文本数据的失效场景判断方法的步骤。

Images