CN111540191A - 基于车联网的行车示警方法、系统、设备及存储介质 - Google Patents

基于车联网的行车示警方法、系统、设备及存储介质 Download PDF

Info

Publication number
CN111540191A
CN111540191A CN202010344104.XA CN202010344104A CN111540191A CN 111540191 A CN111540191 A CN 111540191A CN 202010344104 A CN202010344104 A CN 202010344104A CN 111540191 A CN111540191 A CN 111540191A
Authority
CN
China
Prior art keywords
pedestrian
vehicles
driving
data
image
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.)
Granted
Application number
CN202010344104.XA
Other languages
English (en)
Other versions
CN111540191B (zh
Inventor
许晓龙
罗莲英
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Iac Nanchang Technology Co ltd
Inventec Appliances Nanchang Corp
Inventec Appliances Shanghai Corp
Inventec Appliances Corp
Original Assignee
Iac Nanchang Technology Co ltd
Inventec Appliances Shanghai Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Iac Nanchang Technology Co ltd, Inventec Appliances Shanghai Corp filed Critical Iac Nanchang Technology Co ltd
Priority to CN202010344104.XA priority Critical patent/CN111540191B/zh
Priority to TW109126249A priority patent/TWI774034B/zh
Publication of CN111540191A publication Critical patent/CN111540191A/zh
Application granted granted Critical
Publication of CN111540191B publication Critical patent/CN111540191B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/005—Traffic control systems for road vehicles including pedestrian guidance indicator
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供了一种基于车联网的行车示警方法、系统、设备及存储介质，该行车示警方法包括如下步骤：行车车辆从平台获取行人数据包，所述行人数据包由多个车辆上传的行人数据整合得到，所述行人数据包包括多个行人的行人数据，所述行人数据至少包括行人位置和行人前进向量；根据行车车辆的行进数据确定行车车辆的碰撞风险区域的位置范围；根据行人位置和行人前进向量计算是否有行人进入所述碰撞风险区域；如有，则发送示警信号。本发明的行车示警方法通过车联网整合多行车车辆探测的行人数据，对于可能出现在司机视野盲区的行人做到有效地监测，实现事前示警作用，有效地减少了由于司机视野盲区造成的事故发生的频率。

Description

基于车联网的行车示警方法、系统、设备及存储介质
技术领域
本发明涉及互联网领域，具体地说，涉及一种基于车联网的行车示警方法、系统、设备及存储介质。
背景技术
由于车辆设计及其他各种原因，日常行车视野总是存在盲区，对车辆及行人安全构成威胁，因此，各种行人防护方法应运而生。其中的一种就是基于V2X(vehicle toeverything，车联网)的车辆与行人通信机制，V2X就是把汽车变成驾驶员眼睛，它可以在驾驶员注意到之前看见驾驶员难以注意到行人、行车标志等然后提醒驾驶员。
但是，现有的V2X技术中，或者要求行人佩戴通信装置方可进行碰撞预警，倘若行人没有通信能力，则需要影响检测设备方可实现；或者是基于AI与V2X推出了行人防护技术实现方法是依靠路测设施使用机器视觉侦测行人，当行人还在道路司机视野盲区中，车载设备就已经开始预警司机减速停车，待行人出现并通过道路。此方法能有效保障行人与行车安全，但也存在相应的问题，如此方法需要的公路网络庞大，全覆盖路测设备成本大等。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本发明的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
针对现有技术中的问题，本发明的目的在于提供了一种基于车联网的行车示警方法、系统、设备及存储介质，通过车联网中的多车辆数据实现有效地监测可能出现在司机视野盲区的行人，减少了由于司机视野盲区造成的事故发生的频率。
本发明的实施例提供了一种基于车联网的行车示警方法，包括以下步骤：
行车车辆从平台获取行人数据包，所述行人数据包由多个车辆上传的行人数据整合得到，所述行人数据包包括多个行人的行人数据，所述行人数据至少包括行人位置和行人前进向量；
根据行车车辆的行进数据确定行车车辆的碰撞风险区域的位置范围；
根据行人位置和行人前进向量计算是否有行人进入所述碰撞风险区域；
如有，则发送示警信号。
根据本发明的一示例，所述行人数据还包括行人图像特征值，所述行人图像特征值通过如下步骤获得：
获得车辆上传的行人的多帧图像；
确定图像中的目标行人；
提取所述目标行人的行人图像特征值。
根据本发明的一示例，所述行人前进向量通过如下步骤获得：
获取第i车所述多帧图像中的当前帧图像，从所述当前帧图像中计算当前帧第j个行人位置；
获取所述多帧图像中的前一帧图像，从所述前一帧图像中计算前一帧第j个行人位置；
根据当前帧行人位置、前一帧行人位置计算以及每帧图像的时间间隔获得所述行人前进向量Vij，其中，i和j为整数。
根据本发明的一示例，所述行人数据包由多个车辆上传的行人数据根据每个车辆上传的行人数据的行人置信度整合得到；
所述行人置信度通过如下步骤获得：
根据第i车探测到的第j个行人的前一帧的行人前进向量Vij预测当前帧行人位置；
获取当前帧图像，获得当前帧行人位置；
根据预测的当前帧行人位置和实际的当前帧行人位置，计算两者之间的偏差距离；
根据所述偏差距离确定行人置信度Pij。
根据本发明的一示例，所述行人数据包通过如下步骤整合得到：
平台获得多辆行车探测到的多个行人数据；
计算从各个车辆获得的各行人的行人图像特征值的第一相似度；
合并第一相似度大于第一阈值的所述行人数据。
根据本发明的一示例，所述合并行人图像特征值相似度大于第一阈值的所述行人数据后，所述行人数据中的行人前进向量为：
Figure BDA0002469509970000032
根据本发明的一示例，所述基于车联网的行车示警方法还包括如下步骤：
行车车辆获得行人的多帧图像，确定图像中的目标行人，提取所述目标行人的行人图像特征值；
计算行车车辆提取的所述目标行人的行人图像特征值与平台获得的各行人的行人图像特征值的第二相似度；
如第二相似度小于第二阈值，则行人前进向量为从平台获取整合后的行人数据库的行人前进向量
Figure BDA0002469509970000031
如第二相似度大于第二阈值，则获多帧图像中的当前帧图像，从所述当前帧图像中计算当前帧行人位置；
获取所述多帧图像中的前一帧图像，从所述前一帧图像中计算前一帧第j个行人位置；
根据当前帧行人位置、前一帧行人位置计算以及每帧图像的时间间隔获得所述行人前进向量vj；
计算行人前进向量V＝hvj+kVj，其中，h和k分别为行车车辆探测的和从平台获取的行人置信度。
本发明的实施例还提供了一种基于车联网的行车示警系统，用于实现上述基于车联网的行车示警方法，包括行车模块、平台模块、计算模块和示警模块，其中：
行车车辆的所述行车模块用于从所述平台模块获取行人数据包，所述行人数据包由多个车辆上传的行人数据整合得到，所述行人数据包包括多个行人的行人数据，所述行人数据至少包括行人位置和行人前进向量；
所述计算模块用于根据行车车辆的行进数据确定行车车辆的碰撞风险区域的位置范围；
所述计算模块还用于根据行人位置和行人前进向量计算是否有行人进入所述碰撞风险区域；
所述示警模块则用于当所述计算模块计算有行人进入所述碰撞风险区域时发送示警信号。
本发明的实施例还提供了一种基于车联网的行车示警设备，包括：
处理器；
存储器，其中存储有所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行所述基于车联网的行车示警方法的步骤。
本发明的实施例还提供了一种计算机可读存储介质，用于存储程序，所述程序被执行时实现所述基于车联网的行车示警方法的步骤。
本发明的行车示警方法通过车联网整合多车辆行车探测的行人数据，对于可能出现在行车车辆的碰撞风险区域的行人，尤其是司机视野盲区的行人做到有效地监测，实现事前示警功能，有效地减少了由于司机视野盲区造成的事故发生的频率。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理，通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显。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为本发明一实施例的基于车联网的行车示警方法的流程图；
图2为本发明一实施例的基于车联网的行车示警方法的空间示意图；
图3为本发明一实施例的基于车联网的行车示警系统的结构示意图；
图4为本发明一实施例的基于车联网的行车示警系统架构示意图；
图5为本发明又一实施例的基于车联网的行车示警方法的流程图；
图6为本发明一实施例的基于车联网的行车示警设备的结构示意图；
图7为本发明一实施例的计算机可读存储介质的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
本发明的实施例提供了一种基于车联网的行车示警方法，图1为本发明一实施例中该行车示警方法的流程图，具体包括以下步骤：
S100：行车车辆从平台获取行人数据包，所述行人数据包由多个车辆上传的行人数据整合得到，所述行人数据包包括多个行人的行人数据，所述行人数据至少包括行人位置和行人前进向量；
S200：根据行车车辆的行进数据确定行车车辆的碰撞风险区域的位置范围；图2为本发明一实施例的基于车联网的行车示警方法的空间示意图。假设行车车辆B为从平台获取行人数据包的车辆，此时行车车辆的行进数据包括车辆当前位置和车辆行进向量，车辆当前位置可通过车辆携带的GPS系统等获得GPS定位坐标(Xb，Yb)，结合车辆速度和GPS定位获得车辆行进向量为(Vxb，Vyb)，如果车辆的制动偏差距离为S，则未来时间t时，存在碰撞风险的区域为[Xb+Vxb*t，Yb+Vyb*t]为圆心，S为半径的扇形区域。
S300：根据行人位置和行人前进向量计算是否有行人进入所述碰撞风险区域；
如有，则S400：发送示警信号；
否则，等待预设间隔时间后，继续步骤S100。
图3为本发明一实施例的基于车联网的行车示警系统的结构示意图。所述行车示警系统用于实现上述基于车联网的行车示警方法，具体包括行车模块M100、平台模块M200、计算模块M300和示警模块M400。
图4为本发明一实施例的基于车联网的行车示警系统架构示意图，在该实施例中，基于车联网的行车示警系统主要通过车联网系统，车联网系统包括了各个行车车辆的行车模块和平台模块，行车模块和平台模块之间可以通过无线网络相连，采用的网络协议可以包括基于Zigbee(ZigzagFlying of Bees，紫蜂)协议的网络协议；基于无线组网规格Z-Wave的网络协议；基于Wi-Fi(Wireless Fidelity，无线保真)协议的网络协议；基于BLE(Bluetooth Low Energy，蓝牙低功耗)协议的网络协议；基于RF(RadioFrequency，射频)433协议的网络协议中的一种或多种，在此不做限定。计算模块和示警模块可以设置于各个行车车辆系统中，也可以与平台模块设置于平台系统中。
该实施例的基于车联网的行车示警系统中的各个功能模块的功能实现方式均可以采用上述行车示警方法中各个步骤的具体实施方式来实现。例如，行车模块M100、平台模块M200、计算模块M300和示警模块M400可以分别采用上述步骤S100至S400的具体实施方式实现其功能，具体地：
行车车辆的所述行车模块M100用于从所述平台模块M200获取行人数据包，所述行人数据包由多个车辆上传的行人数据整合得到，所述行人数据包包括多个行人的行人数据，所述行人数据至少包括行人位置和行人前进向量；
所述计算模块M300用于根据行车车辆的行进数据确定行车车辆的碰撞风险区域的位置范围；
所述计算模块M300还用于根据行人位置和行人前进向量V计算是否有行人进入所述碰撞风险区域；
所述示警模块M400则用于当所述计算模块M300计算有行人进入所述碰撞风险区域时发送示警信号。
发送示警信号的方式可以是多样的，可以包括通过行车车辆系统打开双跳灯、打开蜂鸣器等，或向用户终端，如司机的手机、车辆行车仪发送警示信息等，但不仅限于此。甚至可以时间的推移，增加警示的种类，或者是提高警示的级别，比如打开双跳灯时，增加双跳灯的闪烁频率；打开蜂鸣器时，提高蜂鸣器分贝等。上述步骤的作用在于从视觉、听觉等多种途径，就可能出现在行车车辆的碰撞风险区域的行人(此处行人包括在司机视野盲区的行人，也可能是司机看到的行人)对驾驶员进行充分提醒，实现事前示警功能，从而减少了由于司机视野盲区造成的事故发生的几率。
上述实施例中，S100步骤中的行人数据还可以包括行人图像特征值，所述行人图像特征值通过如下步骤获得：
获得车辆上传的行人的多帧图像，多帧图像可以通过车辆上安装的图像获取装置获得，如摄像头、鱼眼等。此处的车辆可以是任一行车车辆，多帧图像可以是一行车车辆的一个摄像头不同时刻的多张图片或者是视频的多个图像帧，也可以是一行车车辆的多个摄像头拼接后或得到的多张图片。
确定图像中的目标行人，此步骤中，可以利用人脸识别技术等图像识别技术识别上述多帧图像中是否有行人存在。如果存在行人，则提取所述目标行人的行人图像特征值。此处的行人不限于单个行人，对应识别的多个行人，可对行人进行编号。
上述步骤中提取行人的图像特征值的作用在于，当判断不同行车车辆探测的是同一行人时，该不同行车车辆上传的行人数据合并，即避免系统将其作为两个行人来解读。将同一行人数据合并，即整合行人数据获得S100步骤中所述行人数据包，具体可以包括如下步骤：
平台获得多辆行车探测到的多个行人数据；
计算从各个车辆获得的各行人的行人图像特征值的第一相似度；此处可以将平台获得多个行人中的两两行人图像特征值进行比较，第一相似度可以采用余弦相似度或欧式偏差距离等方法计算；当计算的第一相似度大于第一阈值时，可以认为该两个行人为同一行人；当计算的第一相似度不大于第一阈值时，则认为两个行人不是同一行人，其中，第一阈值可结合所采用的模型和实际运用场景设定。
当计算的第一相似度大于第一阈值时，合并第一相似度大于第一阈值的两个所述行人数据。此处的合并，主要还是对不同车辆探测的同一行人的行人前进向量的整合，在整合同一行人的行人前进向量的过程中，此处引入行人置信度的概念描述不同车辆探测到行人运动轨迹的可信度。
所述行人数据包由多个车辆上传的行人数据根据每个车辆上传的行人数据的行人置信度整合得到；
所述行人置信度通过如下步骤获得：
根据第i车探测到的第j个行人的前一帧的行人前进向量Vij预测当前帧行人位置；
获取当前帧图像，获得当前帧行人位置；
根据预测的当前帧行人位置和实际的当前帧行人位置，计算两者之间的偏差距离；
根据所述偏差距离确定行人置信度Pij,可以认为，根据预测的当前帧行人位置和实际的当前帧行人位置两者之间的偏差距离越大，该车辆提供的行人置信度Pij越小。
实施例中，如两辆行车车辆探测的是同一行人时，每辆行车车辆分别根据探测到的第j个行人(为同一行人)的前一帧的行人前进向量Vij预测当前帧行人位置；获取当前帧图像，获得当前帧行人位置；根据预测的当前帧行人位置和实际的当前帧行人位置，计算两者之间的偏差距离；假设两辆行车车辆得到两个偏差距离分别为△L1和△L2，则可以分别取△L1和△L2的倒数1/△L1和1/△L2,再将1/△L1和1/△L2做归一化处理获得对应的第一行车车辆和第二行车车辆行人置信度P1j和P2j，此处，对归一化处理的方法不做限定，当然，根据偏差距离确定行人置信度Pij的方法也不限于上述列举的方法。
本发明的一实施例中，每辆行车车辆获得的行人前进向量Vij可以通过如下步骤获得：
获取第i车所述多帧图像中的当前帧图像，从所述当前帧图像中计算当前帧第j个行人位置；i为介于1和上传行人数据车辆总数之间的整数；j为介于1和图像中行人总数之间的整数。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
获取所述多帧图像中的前一帧图像，从所述前一帧图像中计算前一帧第j个行人位置；
根据当前帧行人位置、前一帧行人位置计算以及每帧图像的时间间隔获得所述行人前进向量Vij。
上述方法通过不同帧图像中行人位置的变化计算行人前进向量，此处的行人前进向量为每辆行车车辆直接探测到的行人数据。
上述实施例中，合并行人图像特征值相似度大于第一阈值的所述行人数据后，所述行人数据中的行人前进向量为：
Figure BDA0002469509970000091
当然，在对不同车辆探测的同一行人的行人前进向量的整合后，由于整合前两个行人由各个探测他们的车辆编号，当两个行人被认定为是同一行人时，平台将此具有不同编号的两个行人使用同一编号，此处的方法可以是使用原编号中的一个，并将行人前进向量修改为整合后的，删除另外一个编号的数据。
仍以图2中的行车车辆B为例，某一时段，第j个行人在B车的视野盲区(如行人在图2中的左上位置)时，通过行车车辆A探测到第j个行人并将此行人的行人数据上传平台，通过该数据计算第j个行人是否会出现在行车车辆B的碰撞风险区域的位置范围；此处，可以是平台获得行人数据的同时还获得行车车辆数据，包括车辆位置和车辆行进向量，通过平台计算并发出示警；也可以是行车车辆B的系统根据车辆数据和从平台获得的行人数据计算并发出示警，在此，对执行S200和S300步骤的计算模块所属系统不做限定。
当图2中的行车车辆B在另一时段，如行人在图2中的右边位置时，行车车辆B可能可以自行探测到行人，此时，为了提高判断的准确度，本发明的基于车联网的行车示警方法(见图5)还可以包括如下步骤：
S100’：行车车辆获得行人的多帧图像，确定图像中的目标行人，提取所述目标行人的行人图像特征值，具体方法可同上文。
S200’：计算行车车辆提取的所述目标行人的行人图像特征值与平台获得的各行人的行人图像特征值的第二相似度，具体方法可同上文。
S300’：判断第二相似度是否小于第二阈值，如第二相似度小于第二阈值，则
执行S400’：行人前进向量V为从平台获取整合后的行人数据库的行人前进向量
Figure BDA0002469509970000101
即如果行车车辆B探测到的行人与行车数据包中的不是同一行人，则直接采用行车数据包中的行人前进向量计算该行人是否进入碰撞风险区域的位置范围。
如第二相似度大于第二阈值，即行车车辆B探测到的行人与行车数据包中的是同一行人，则
执行S500’获多帧图像中的当前帧图像，从所述当前帧图像中计算当前帧行人位置；
S510’：获取所述多帧图像中的前一帧图像，从所述前一帧图像中计算前一帧第j个行人位置；
S520’：根据当前帧行人位置、前一帧行人位置计算以及每帧图像的时间间隔获得所述行人前进向量vj；S500’至S520’步骤为行车车辆B自行探测到的行人，获得的行人前进向量为vj。
S530’：计算行人前进向量V＝hvj+kVj，其中，h和k分别为行车车辆探测的和从平台获取的行人置信度。此处h亦可以采用上文中行人置信度的计算方法获得。
通过S500’至S530’步骤中，将行车车辆自行探测到的行人数据和从平台获得的行人数据整合，提高了对行人轨迹预测的准确性，在此基础上计算的该行人是否进入碰撞风险区域的位置范围的结果也更准确，能更高地起到示警的作用，从而减少了由于司机视野盲区造成的事故发生的几率。
下面参照图6来描述根据本发明的这种实施方式的电子设备600。图6显示的电子设备600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：至少一个处理单元610、至少一个存储单元620、连接不同平台组件(包括存储单元620和处理单元610)的总线630、显示单元640等。
其中，存储单元存储有程序代码，程序代码可以被处理单元610执行，使得处理单元610执行本说明书上述方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，处理单元610可以执行如图1中所示的步骤。
存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(ROM)6203。
存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储平台等。
本发明实施例还提供一种计算机可读存储介质，用于存储程序，程序被执行实现分拣基于车联网的行车示警方法的步骤。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在终端设备上运行时，程序代码用于使终端设备执行本说明书上述方法部分中描述的根据本发明各种示例性实施方式的步骤。
参考图7所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品800，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
综上所述，本发明提供了一种基于车联网的行车示警方法、系统、设备及存储介质，该行车示警方法包括如下步骤：行车车辆从平台获取行人数据包，所述行人数据包由多个车辆上传的行人数据整合得到，所述行人数据包包括多个行人的行人数据，所述行人数据至少包括行人位置和行人前进向量；根据行车车辆的行进数据确定行车车辆的碰撞风险区域的位置范围；根据行人位置和行人前进向量计算是否有行人进入所述碰撞风险区域；如有，则发送示警信号。本发明的行车示警方法通过车联网整合多车辆行车探测的行人数据，对于可能出现在行车车辆的碰撞风险区域的行人，包括在司机视野盲区的行人以及司机视野的行人，对驾驶员进行充分提醒，实现事前示警功能，从而减少了由于司机视野盲区造成的事故发生的几率。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其他的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。

Claims (10)

1.一种基于车联网的行车示警方法，其特征在于，包括以下步骤：
行车车辆从平台获取行人数据包，所述行人数据包由多个车辆上传的行人数据整合得到，所述行人数据包包括多个行人的行人数据，所述行人数据至少包括行人位置和行人前进向量；
根据行车车辆的行进数据确定行车车辆的碰撞风险区域的位置范围；
根据行人位置和行人前进向量计算是否有行人进入所述碰撞风险区域；
如有，则发送示警信号。
2.根据权利要求1所述的基于车联网的行车示警方法，其特征在于，所述行人数据还包括行人图像特征值，所述行人图像特征值通过如下步骤获得：
获得车辆上传的行人的多帧图像；
确定图像中的目标行人；
提取所述目标行人的行人图像特征值。
3.根据权利要求2所述的基于车联网的行车示警方法，其特征在于，所述行人前进向量通过如下步骤获得：
获取第i车所述多帧图像中的当前帧图像，从所述当前帧图像中计算当前帧第j个行人位置；
获取所述多帧图像中的前一帧图像，从所述前一帧图像中计算前一帧第j个行人位置；
根据当前帧行人位置、前一帧行人位置计算以及每帧图像的时间间隔获得所述行人前进向量Vij，其中，i和j为整数。
4.根据权利要求3所述的基于车联网的行车示警方法，其特征在于，所述行人数据包由多个车辆上传的行人数据根据每个车辆上传的行人数据的行人置信度整合得到；
所述行人置信度通过如下步骤获得：
根据第i车探测到的第j个行人的前一帧的行人前进向量Vij预测当前帧行人位置；
获取当前帧图像，获得当前帧行人位置；
根据预测的当前帧行人位置和实际的当前帧行人位置，计算两者之间的偏差距离；
根据所述偏差距离确定行人置信度Pij。
5.根据权利要求4所述的基于车联网的行车示警方法，其特征在于，所述行人数据包通过如下步骤整合得到：
平台获得多辆行车探测到的多个行人数据；
计算从各个车辆获得的各行人的行人图像特征值的第一相似度；
合并第一相似度大于第一阈值的所述行人数据。
6.根据权利要求5所述的基于车联网的行车示警方法，其特征在于，所述合并行人图像特征值相似度大于第一阈值的所述行人数据后，所述行人数据中的行人前进向量为：
Figure FDA0002469509960000021
7.根据权利要求6所述的基于车联网的行车示警方法，其特征在于，还包括如下步骤：
行车车辆获得行人的多帧图像，确定图像中的目标行人，提取所述目标行人的行人图像特征值；
计算行车车辆提取的所述目标行人的行人图像特征值与平台获得的各行人的行人图像特征值的第二相似度；
如第二相似度小于第二阈值，则行人前进向量为从平台获取整合后的行人数据库的行人前进向量
Figure FDA0002469509960000022
如第二相似度大于第二阈值，则获多帧图像中的当前帧图像，从所述当前帧图像中计算当前帧行人位置；
获取所述多帧图像中的前一帧图像，从所述前一帧图像中计算前一帧第j个行人位置；
根据当前帧行人位置、前一帧行人位置计算以及每帧图像的时间间隔获得所述行人前进向量vj；
计算行人前进向量V＝hvj+kVj，其中，h和k分别为行车车辆探测的和从平台获取的行人置信度。
8.一种基于车联网的行车示警系统，用于实现权利要求1至7任意一项所述的基于车联网的行车示警方法，其特征在于，包括行车模块、平台模块、计算模块和示警模块，其中：
行车车辆的所述行车模块用于从所述平台模块获取行人数据包，所述行人数据包由多个车辆上传的行人数据整合得到，所述行人数据包包括多个行人的行人数据，所述行人数据至少包括行人位置和行人前进向量；
所述计算模块用于根据行车车辆的行进数据确定行车车辆的碰撞风险区域的位置范围；
所述计算模块还用于根据行人位置和行人前进向量计算是否有行人进入所述碰撞风险区域；
所述示警模块则用于当所述计算模块计算有行人进入所述碰撞风险区域时发送示警信号。
9.一种基于车联网的行车示警设备，其特征在于，包括：
处理器；
存储器，其中存储有所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1至7任意一项所述基于车联网的行车示警方法的步骤。
10.一种计算机可读存储介质，用于存储程序，其特征在于，所述程序被执行时实现权利要求1至7任意一项所述基于车联网的行车示警方法的步骤。
CN202010344104.XA 2020-04-27 2020-04-27 基于车联网的行车示警方法、系统、设备及存储介质 Active CN111540191B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010344104.XA CN111540191B (zh) 2020-04-27 2020-04-27 基于车联网的行车示警方法、系统、设备及存储介质
TW109126249A TWI774034B (zh) 2020-04-27 2020-08-03 基於車聯網的行車示警方法、系統及設備

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010344104.XA CN111540191B (zh) 2020-04-27 2020-04-27 基于车联网的行车示警方法、系统、设备及存储介质

Publications (2)

Publication Number Publication Date
CN111540191A true CN111540191A (zh) 2020-08-14
CN111540191B CN111540191B (zh) 2021-07-02

Family

ID=71977357

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010344104.XA Active CN111540191B (zh) 2020-04-27 2020-04-27 基于车联网的行车示警方法、系统、设备及存储介质

Country Status (2)

Country Link
CN (1) CN111540191B (zh)
TW (1) TWI774034B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112954869A (zh) * 2021-02-08 2021-06-11 遥相科技发展(北京)有限公司 一种基于车联网的辅助驾驶的方法及系统
CN115457804A (zh) * 2021-06-08 2022-12-09 本田技研工业株式会社 控制装置、移动体、控制方法和计算机可读存储介质

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI800227B (zh) * 2022-01-19 2023-04-21 鴻海精密工業股份有限公司 車用智慧偵測方法、車載裝置及車輛

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103139471A (zh) * 2011-11-24 2013-06-05 三星电子株式会社 数字拍摄设备及其控制方法
CN106485949A (zh) * 2015-07-20 2017-03-08 德韧营运有限责任公司 针对车辆的摄像机和v2v数据的传感器融合
CN107346414A (zh) * 2017-05-24 2017-11-14 北京航空航天大学 行人属性识别方法和装置
CN108091154A (zh) * 2016-11-23 2018-05-29 比亚迪股份有限公司 车辆信息处理方法和装置
CN108172025A (zh) * 2018-01-30 2018-06-15 东软集团股份有限公司 一种辅助驾驶方法、装置、车载终端及车辆
US20190066490A1 (en) * 2017-08-29 2019-02-28 Continental Automotive Systems, Inc. Smart city data analytics for improved accident reconstruction and solutions

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10390195B2 (en) * 2015-06-22 2019-08-20 Lg Electronics Inc. Method for transmitting alarm message in V2V communication and device for same
JP2017068335A (ja) * 2015-09-28 2017-04-06 ルネサスエレクトロニクス株式会社 データ処理装置および車載通信装置
CN107161147A (zh) * 2017-05-04 2017-09-15 广州汽车集团股份有限公司 一种车辆防碰撞巡航控制系统及其控制方法
CN108109413B (zh) * 2017-12-13 2020-06-26 厦门金龙旅行车有限公司 一种无人驾驶车辆与非智能交通参与者的信息交互系统
CN109993128B (zh) * 2019-04-04 2020-12-18 北京航空航天大学 一种行人图像属性特征量化的方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103139471A (zh) * 2011-11-24 2013-06-05 三星电子株式会社 数字拍摄设备及其控制方法
CN106485949A (zh) * 2015-07-20 2017-03-08 德韧营运有限责任公司 针对车辆的摄像机和v2v数据的传感器融合
CN108091154A (zh) * 2016-11-23 2018-05-29 比亚迪股份有限公司 车辆信息处理方法和装置
CN107346414A (zh) * 2017-05-24 2017-11-14 北京航空航天大学 行人属性识别方法和装置
US20190066490A1 (en) * 2017-08-29 2019-02-28 Continental Automotive Systems, Inc. Smart city data analytics for improved accident reconstruction and solutions
CN108172025A (zh) * 2018-01-30 2018-06-15 东软集团股份有限公司 一种辅助驾驶方法、装置、车载终端及车辆

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112954869A (zh) * 2021-02-08 2021-06-11 遥相科技发展(北京)有限公司 一种基于车联网的辅助驾驶的方法及系统
CN112954869B (zh) * 2021-02-08 2023-04-21 深圳市科莱德电子有限公司 一种基于车联网的辅助驾驶的方法及系统
CN115457804A (zh) * 2021-06-08 2022-12-09 本田技研工业株式会社 控制装置、移动体、控制方法和计算机可读存储介质

Also Published As

Publication number Publication date
CN111540191B (zh) 2021-07-02
TWI774034B (zh) 2022-08-11
TW202141438A (zh) 2021-11-01

Similar Documents

Publication Publication Date Title
JP7499256B2 (ja) ドライバの挙動を分類するためのシステムおよび方法
CN107220581B (zh) 通过后置摄像机的行人检测和运动预测
US9881221B2 (en) Method and system for estimating gaze direction of vehicle drivers
CN111540191B (zh) 基于车联网的行车示警方法、系统、设备及存储介质
CN107608388B (zh) 自主警车
CN109345829B (zh) 无人车的监控方法、装置、设备及存储介质
US10336252B2 (en) Long term driving danger prediction system
CN108382396B (zh) 驾驶员驾驶状态识别系统及其应用方法
JP2016130966A (ja) 危険度推定装置、危険度推定方法及び危険度推定用コンピュータプログラム
CN115416651A (zh) 行车过程障碍物监控方法、装置和电子设备
CN110493521B (zh) 自动驾驶摄像头控制方法、装置、电子设备、存储介质
KR102144778B1 (ko) 실시간 업데이트된 도로정보 제공방법 및 시스템
US20240071092A1 (en) Object detection in driver assistance system
WO2019104471A1 (en) Method and apparatus for assisting driving
CN114530057B (zh) 一种车辆预警方法、装置、车辆及存储介质
US12096113B2 (en) Information processing apparatus, information processing method, and program
CN112885087A (zh) 确定路况信息的方法、装置、设备和介质和程序产品
CN113744304A (zh) 一种目标检测跟踪的方法和装置
CN118038334B (zh) 事故处理方法、装置、电子设备和计算机可读介质
US20230410486A1 (en) Information processing apparatus, information processing method, and program
US12033399B1 (en) Turn and brake action prediction using vehicle light detection
CN211349574U (zh) 一种车辆360度环视预警系统
US20240078816A1 (en) Open-vocabulary object detection with vision and language supervision
CN116215567A (zh) 汽车安全辅助系统、方法、汽车及计算机可读存储介质
KR20240000068A (ko) 교통안전 정보 제공 장치 및 이를 제어하는 방법 및 시스템

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
GR01 Patent grant
GR01 Patent grant