CN112966543A - 一种车辆刮蹭记录方法及装置 - Google Patents

Abstract

本发明公开一种车辆刮蹭记录方法及装置，包括：在车辆四周障碍物的相对距离小于预设第一安全距离时，判断障碍物是否为活体动物；当障碍物为活体动物时，利用图像采集设备拍摄包含活体动物的第一图像数据；将第一图像数据输入预先建立的刮蹭预测行为模型中，输出刮蹭预测结果；当刮蹭预测结果表征为即将发生刮蹭时，利用图像采集设备持续拍摄包含活体动物的第二图像数据；将第二图像数据输入预先建立的刮蹭行为模型中，输出刮蹭结果；当刮蹭结果表征为刮蹭时，将第一图像数据和全部第二图像数据上传至云端服务器。本发明的实施使得汽车在无法规避大概率碰撞的情况下减少碰撞/刮蹭带来的损失。

Description

一种车辆刮蹭记录方法及装置

技术领域

本发明涉及车辆刮蹭记录技术领域，特别涉及一种车辆刮蹭记录方法及装 置。

背景技术

随着汽车无人驾驶技术的快速发展，如今有的自动驾驶汽车不仅达到了高 度自动化水平，还将个性化的智慧生活融入其中，极大的提高了用户体验。但 目前的自动驾驶汽车通常在行车轨道偏移、汽车感应防撞、人机交互等驾驶过 程中的处理较为完备，作为未来的智能化出行工具，汽车在静止状态下的防护 措施较为欠缺，如车身被恶意划伤、停车后被前/后面的车碰撞等，往往给用户 带来意外的经济损失或安全隐患。

因此，为了保障车辆的安全和和降低用户的财产损失，亟需提供车辆刮蹭 记录方法及装置的技术方案，能够在车辆发生刮蹭钱对用户或活动动物进行警 示，并在车辆发生刮蹭时对障碍物进行记录。

发明内容

为了解决上述技术问题，一方面，本发明提供一种车辆刮蹭记录方法，包 括：

在车辆四周障碍物的相对距离小于预设第一安全距离时，判断所述障碍物 是否为活体动物；

当所述障碍物为活体动物时，利用图像采集设备拍摄包含所述活体动物的 第一图像数据；

将所述第一图像数据输入预先建立的刮蹭预测行为模型中，输出刮蹭预测 结果；

当所述刮蹭预测结果表征为即将发生刮蹭时，利用图像采集设备持续拍摄 包含所述活体动物的第二图像数据；

将所述第二图像数据输入预先建立的刮蹭行为模型中，输出刮蹭结果；

当所述刮蹭结果表征为刮蹭时，将所述第一图像数据和全部所述第二图像 数据上传至云端服务器。

进一步的、所述将所述第一图像数据输入预先建立的刮蹭预测行为模型中， 输出刮蹭预测结果，之后还包括：

当所述刮蹭预测结果表征为不发生刮蹭时，删除所述第一图像数据。

进一步的、还包括：

当所述障碍物不为活体动物时，检测所述障碍物与车辆的相对距离是否小 于预设第二安全距离；

当所述障碍物与车辆的相对距离小于预设第二安全距离时，开启与所述障 碍物相对位置最近的安全气囊，并利用图像采集设备拍摄包含所述障碍物的第 三图像数据；

将所述第三图像数据输入预先建立的刮蹭行为模型中，输出刮蹭结果；

当所述刮蹭结果表征为刮蹭时，将所述第三图像数据上传至云端服务器。

进一步的、所述检测所述障碍物与车辆的相对距离是否小于预设第二安全 距离，之前包括：

当所述障碍物不为活体动物时，发出第一警告信息以警示用户。

进一步的、所述将所述第一图像数据输入预先建立的刮蹭预测行为模型中， 输出刮蹭预测结果，之后还包括：

当所述刮蹭预测结果表征为即将发生刮蹭时，发出第二警告信息以警示所 述活体动物。

进一步的、所述刮蹭预测行为模型被设置为按照下述方式建立：

获取多组第一图像数据和与所述第一图像数据对应的刮蹭结果，所述第一 图像数据包括第一特征参数；

建立所述刮蹭预测行为模型，其中，所述刮蹭预测行为模型中包括多个模 型参数；

将所述第一图像数据中的第一特征参数作为所述刮蹭预测行为模型的输入 数据，将所述第一图像数据对应的刮蹭结果作为所述刮蹭预测行为模型的输出 数据，调整所述刮蹭预测行为模型的所述模型参数，直至所述刮蹭预测行为模 型达到预设要求。

进一步的、所述刮蹭行为模型被设置为按照下述方式建立：

获取多组第二图像数据、与所述第二图像数据对应的刮蹭结果、第三图像 数据和与所述第三图像数据对应的刮蹭结果，所述第二图像数据包括第二特征 参数，所述第三图像数据包括第三特征参数；

建立所述刮蹭行为模型，其中，所述刮蹭行为模型中包括多个模型参数；

分部将所述第二图像数据中的第二特征参数和所述第三图像数据中第三特 征参数作为所述刮蹭行为模型的输入数据，将所述第二图像数据对应的刮蹭结 果和所述第三图像数据对应的刮蹭结果作为所述刮蹭行为模型的输出数据，调 整所述刮蹭行为模型的所述模型参数，直至所述刮蹭行为模型达到预设要求。

另一方面，本发明提供一种车辆刮蹭记录装置，包括：

障碍物判断模块，被配置为执行在车辆四周障碍物的相对距离小于预设第 一安全距离时，判断所述障碍物是否为活体动物；

第一拍摄模块，被配置为执行当所述障碍物为活体动物时，利用图像采集 设备拍摄包含所述活体动物的第一图像数据；

预测模块，被配置为执行将所述第一图像数据输入预先建立的刮蹭预测行 为模型中，输出刮蹭预测结果；

第二拍摄模块，被配置为执行当所述刮蹭预测结果表征为即将发生刮蹭时， 利用图像采集设备持续拍摄包含所述活体动物的第二图像数据；

输出模块，被配置为执行将所述第二图像数据输入预先建立的刮蹭行为模 型中，输出刮蹭结果；

上传模块，被配置为执行当所述刮蹭结果表征为刮蹭时，将所述第一图像 数据和全部所述第二图像数据上传至云端服务器。

另一方面，本发明提供一种车辆刮蹭记录设备，所述设备包括处理器和存 储器，所述存储器中存储有至少一条指令或者至少一段程序，所述至少一条指 令或者至少一段程序由所述处理器加载并执行以实现如上述所述的车辆刮蹭记 录方法。

再一方面，本发明提供一种计算机可读存储介质，所述存储介质中存储有 至少一条指令或者至少一段程序，所述至少一条指令或者至少一段程序由处理 器加载并执行以实现如上述所述的车辆刮蹭记录方法。

本发明提供的一种车辆刮蹭记录方法及装置，具有如下有益效果：

本发明提供的一种车辆刮蹭记录方法及装置，在利用汽车自带的各类传感 设备的基础上，加入了汽车侧身安全气囊的设计，使得汽车在无法规避大概率 碰撞的情况下减少碰撞/刮蹭带来的损失，又不易对他人的车辆造成刮蹭，同时 设计了通过深度学习训练的刮蹭预测行为模型和刮蹭行为模型，能够较为准确 地判断刮蹭行为并进行决策，不仅能通过预测周边的刮蹭行为进行警告，还能 及时采集到刮蹭车辆/人的图片并上传云端，此外，对活体动物的图像数据拍摄 可以通过大数据比对筛选出经常刮蹭他人车辆的人/车能协助警方快速查人并 实施相应的惩罚措施，在驾驶过程中对于易碰撞的行车环境，该方法也会通过 警报使人更加注意车辆行进方向和距离，更具安全性。

附图说明

为了更清楚地说明本发明的技术方案，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的介绍。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的前提 下，还可以根据这些附图获得其它附图。

图1为本说明书实施例提供的一种车辆刮蹭记录方法实施环境示意图；

图2为本发明实施例提供的第一种车辆刮蹭记录方法的流程示意图；

图3为本发明实施例提供的第二种车辆刮蹭记录方法的流程示意图；

图4为本发明实施例提供的第三种车辆刮蹭记录方法的流程示意图；

图5为本发明实施例提供的第四种车辆刮蹭记录方法的流程示意图；

图6为本发明实施例提供的第五种车辆刮蹭记录方法的流程示意图；

图7为本发明实施例提供的一种车辆刮蹭记录装置的结构示意图；

图8为本发明实施例提供的一种车辆刮蹭记录设备的结构示意图。

其中，810-障碍物判断模块，820-第一拍摄模块，830-预测模块，840-第 二拍摄模块，850-输出模块，860-上传模块。

具体实施方式

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，所描述的实施例仅仅是本发明一部分实施例，而不是 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 性劳动的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，本发明的说明书和权利要求书及上述附图中的术语“第 一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后 次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发 明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语 “包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如， 包含了一系列步骤或单元的过程、方法、装置、产品或设备不必限于清楚地列 出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、 产品或设备固有的其它步骤或单元。

图1为本说明书实施例提供的一种车辆刮蹭记录方法实施环境示意图，如 图1所示，本发明针对车辆无法监控刮蹭行为而难以找到肇事者进行赔偿、难 以应对无法规避碰撞/刮蹭情况、大数据处理效率低易延迟且易造成云数据中心 网络拥塞的问题，设计了一个基于雾计算的自动驾驶汽车防刮蹭系统，该系统 在利用车辆自带的各类传感设备的基础上，加入了汽车侧身安全气囊的设计以 及通过深度学习训练的刮蹭行为预测系统和刮蹭行为判断系统，不仅能通过预 测周边的刮蹭行为进行警报警示，还能通过判断是否发生刮蹭行为选择将刮蹭 前后车辆/人的图片上传云端或删除无效图像，此外，云端通过大数据比对可以 筛选出经常刮蹭他人车辆的人/车交于警方处理，并为用户提供车友生活社交、 防刮蹭系统优化升级等多种服务；在驾驶过程中对于易碰撞的行车环境，该系 统也会通过警报使人为辅助的自动驾驶更具安全性。

所述系统可以包含三个层面，分别为智能硬件层、雾计算控制层、云计算 服务层，智能硬件层，包括各种智能硬件，如红外感应设备、距离传感器、图 像采集设备等，与雾计算模块在局域网内采用无线网络连接，雾计算模块与云 计算模块在互联网内采用有线或无线网络连接。雾计算控制层包含智能汽车的 多个雾计算模块用于处理智能硬件层各种传感器、采集设备等产生的数据，本 系统使用到的雾计算模块包含距离检测子模块、图像存储子模块、车身气囊控 制系统以及防刮蹭智能决策系统，其中车身气囊控制系统以及防刮蹭智能决策 系统以软件形式存在，该系统可通过云端对其进行优化更新，云计算服务层整 合雾计算层面的数据资源，包含车辆信息库、刮蹭捕获信息库、不良行为比对 系统、车友生活社交服务等，利用网络服务的方法，提供用于访问和管理来自 异构物联网设备和技术的信息的组件以及用户需要的服务资源，使得整个系统 更具个性化。

如图2所示，图2为本发明实施例提供的第一种车辆刮蹭记录方法的流程 示意图，本说明书实施例提供一种车辆刮蹭记录方法，包括:

S102、在车辆四周障碍物的相对距离小于预设第一安全距离时，判断所述 障碍物是否为活体动物。

在具体的实施过程中，车辆在行驶或停放时，可以实时开启设置在车辆外 围的距离传感器，距离传感器可以用于检测车身周围障碍物的距离，在周围障 碍物的距离小于预设第一安全距离时可以开启温度传感器，温度传感器用于检 测障碍物的温度并判断障碍物是否为活体动物。可以理解的是，温度传感器判 断障碍物是否为活体动物时可以将检测的障碍物的温度与预设温度阈值进行比 对，当障碍物温度小于或大于预设温度阈值时，可以确定障碍物不是活体动物。

需要说明的是，预设第一安全距离和预设温度阈值的具体数值范围在本说 明书实施例中不做具体限定，可以根据实际需要进行设置。

S104、当所述障碍物为活体动物时，利用图像采集设备拍摄包含所述活体 动物的第一图像数据。

在具体的实施过程中，在障碍物为活体动物是，可以开启图像采集设备对 活体动物进行拍摄得到第一图像数据，第一图像数据中可以包含有活体动物及 其携带的物品、行进方向等特征。

S106、将所述第一图像数据输入预先建立的刮蹭预测行为模型中，输出刮 蹭预测结果。

在具体的实施过程中，可以将第一图像数据输入至预先建立的刮蹭预测行 为模型中，并输出刮蹭预测结果。

刮蹭预测行为模型可以对第一图像数据进行特征提取，并基于提取的特征 输出刮蹭预测结果。

当活体动物为人类时可以对其携带的尖锐物品、人瞳孔注视方向、路线方 向等其他刮蹭作为特征的图片进行特征特取。

S108、当所述刮蹭预测结果表征为即将发生刮蹭时，利用图像采集设备持 续拍摄包含所述活体动物的第二图像数据。

在具体的实施过程中，当刮蹭预测结果表征为即将发生刮蹭时，可以持续 对活体动物进行拍摄照片得到第二图像数据，第二图像数据是在即将发生刮蹭 且活体动物与车辆的距离小于第一安全距离时进行拍摄的。

S110、将所述第二图像数据输入预先建立的刮蹭行为模型中，输出刮蹭结 果。

在具体的实施过程中，可以将第二图像数据输入至预先建立的刮蹭行为模 型中，输出刮蹭结果。

可以理解的是，刮蹭行为模型可以对第二图像数据进行特征提取，并基于 提取的特征输入刮蹭结果。

S112、当所述刮蹭结果表征为刮蹭时，将所述第一图像数据和全部所述第 二图像数据上传至云端服务器。

在具体的实施过程中，当所述刮蹭结果表征为刮蹭或车辆确定有刮蹭行为 发生时，可以将所述第一图像数据和全部所述第二图像数据上传至云端服务器。

具体的刮蹭行为可以是刮蹭行为模型输出刮蹭结果，也可以是车辆自身的 检测设备检测出的。

在上述实施例基础上，本说明书一个实施例中，图3为本发明实施例提供 的第二种车辆刮蹭记录方法的流程示意图，如图3所示，所述将所述第一图像 数据输入预先建立的刮蹭预测行为模型中，输出刮蹭预测结果，之后还包括：

S202、当所述刮蹭预测结果表征为不发生刮蹭时，删除所述第一图像数据。

在具体的实施过程中，当刮蹭预测结果表征为不发生刮蹭时，删除所述第 一图像数据，降低车辆存储空间，提高数据处理速度。

在上述实施例基础上，本说明书一个实施例中，图4为本发明实施例提供 的第三种车辆刮蹭记录方法的流程示意图，如图4所示，还包括：

S302、当所述障碍物不为活体动物时，检测所述障碍物与车辆的相对距离 是否小于预设第二安全距离。

在具体的实施过程中，当温度传感器确定障碍物不为活动动物时，可以确 定障碍物为固定的障碍物，距离传感器可以实时检测车辆与障碍物的距离，并 判断车辆与障碍物的距离是否小于预设第二安全距离。预设第二安全距离在本 说明书实施例中不做具体限定，可以根据实际需要进行设置。预设第二安全距 离小于预设第一安全距离。预设第二安全距离可以表征车辆与障碍物即将发生 刮蹭的距离。

S304、当所述障碍物与车辆的相对距离小于预设第二安全距离时，开启与 所述障碍物相对位置最近的安全气囊，并利用图像采集设备拍摄包含所述障碍 物的第三图像数据。

在具体的实施过程中，关于安全气囊收放实现的方式，可以通过拉线开关 进而改变安全气囊的气压来控制其充气和放气，硬件实施方式为例(还可通过 转向柱实现，其他方法暂不列举)：可收缩式安全气囊袋由气囊袋、气囊袋安 装模块、电磁控制式拉带、电磁控制式阀门。气囊袋可以由橡胶，织物尼龙等 构成，气囊袋的末端固定在气囊袋安装模块上，而气囊袋的内侧，有电磁控制 式拉带与其相连，可以在气囊弹出后控制其收缩，而在气囊带安装模块上安装 有电磁控制式阀门。当检测到附近障碍物与车辆的距离小于预设第二安全距离 的时候，车辆ECM系统可以控制电磁控制式阀门给气囊充气将其弹出，当附近障碍物与车辆的距离大于第二安全距离后，ECM系统控制电磁控制室阀门打开， 将气体放出，同时控制电磁控制式拉带从内部拉动折叠气囊袋，将气囊收回。

在安全气囊弹出后可以利用图像采集设备拍摄包含所述障碍物的第三图像 数据。第三图像数据中可以包括行人、车牌等障碍物。

S306、将所述第三图像数据输入预先建立的刮蹭行为模型中，输出刮蹭结 果。

S308、当所述刮蹭结果表征为刮蹭时，将所述第三图像数据上传至云端服 务器。

在具体的实施过程中，图像采集设备可以持续采集第三图像数据，并输入 刮蹭行为模型，若刮蹭行为模型判断出有刮蹭行为，则将拍到刮蹭人/车牌/物体 的照片保存至本地并上传云端，若无刮蹭行为发生，则删除拍摄的图像。

在使用车辆自身距离控制系统的基础上，加入了汽车侧身安全气囊的设计， 使得汽车在无法规避大概率碰撞的情况下减少碰撞/刮蹭带来的损失，即使在自 动驾驶系统未运行的情况下(如停车状态)也能很好地规避或减少刮蹭，同时 又不易对他人的车辆造成刮蹭，此外，由深度神经网络学习成的刮蹭行为预测 系统与刮蹭行为判断系统，能够较为准确地预测、判断刮蹭行为，采用先警示 后监测再选择保存刮蹭者信息并上传云端或删除无效图像的方式，有效地解决 停车状态下难以获取刮蹭者信息或获取有延迟的问题，同时将拍摄的发生刮蹭 的第二图像数据和第三图像数据上传至云端，使得云端可以为用户提供大数据 比对、社交生活等更全面化的服务，迎合未来物联网技术与智能汽车发展的趋势。

在上述实施例基础上，本说明书一个实施例中，图5为本发明实施例提供 的第四种车辆刮蹭记录方法的流程示意图，如图5所示，所述检测所述障碍物 与车辆的相对距离是否小于预设第二安全距离，之前包括：

S402、当所述障碍物不为活体动物时，发出第一警告信息以警示用户。

在具体的实施过程中，当所述障碍物不为活体动物时，可以理解障碍物为 固定的障碍物，车辆相对障碍物是移动的，因此在即将发生刮蹭时发出第一警 告信息以警示用户。

在上述实施例基础上，本说明书一个实施例中，图6为本发明实施例提供 的第五种车辆刮蹭记录方法的流程示意图，如图6所示，所述将所述第一图像 数据输入预先建立的刮蹭预测行为模型中，输出刮蹭预测结果，之后还包括：

S502、当所述刮蹭预测结果表征为即将发生刮蹭时，发出第二警告信息以 警示所述活体动物。

在具体的实施过程中，当所述障碍物为活体动物时，车辆相对活体动物是 移动的，因此在即将发生刮蹭时发出第二警告信息以警示活体动物避免刮蹭。

在上述实施例基础上，本说明书一个实施例中，所述刮蹭预测行为模型被 设置为按照下述方式建立：

获取多组第一图像数据和与所述第一图像数据对应的刮蹭结果，所述第一 图像数据包括第一特征参数；

建立所述刮蹭预测行为模型，其中，所述刮蹭预测行为模型中包括多个模 型参数；

将所述第一图像数据中的第一特征参数作为所述刮蹭预测行为模型的输入 数据，将所述第一图像数据对应的刮蹭结果作为所述刮蹭预测行为模型的输出 数据，调整所述刮蹭预测行为模型的所述模型参数，直至所述刮蹭预测行为模 型达到预设要求。

在上述实施例基础上，本说明书一个实施例中，所述刮蹭行为模型被设置 为按照下述方式建立：

获取多组第二图像数据、与所述第二图像数据对应的刮蹭结果、第三图像 数据和与所述第三图像数据对应的刮蹭结果，所述第二图像数据包括第二特征 参数，所述第三图像数据包括第三特征参数；

建立所述刮蹭行为模型，其中，所述刮蹭行为模型中包括多个模型参数；

分部将所述第二图像数据中的第二特征参数和所述第三图像数据中第三特 征参数作为所述刮蹭行为模型的输入数据，将所述第二图像数据对应的刮蹭结 果和所述第三图像数据对应的刮蹭结果作为所述刮蹭行为模型的输出数据，调 整所述刮蹭行为模型的所述模型参数，直至所述刮蹭行为模型达到预设要求。

在具体的实施过程中，防刮蹭智能决策系统用于根据周围物体/人是否有靠 近的行为、是否有即将发生的刮蹭行为、是否发生了刮蹭行为的情况选择不同 的处理方式，它包含一个刮蹭预测行为模型和一个刮蹭行为模型，均由不同的 样本图片训练集通过BP深度神经网络学习训练成，刮蹭行为预测系统通过对采 集的图像进行识别，判断靠近的人/车是否会发生刮蹭行为，若会则启动音频设 备进行警示(如“距离过近，请注意”、“注意正在采集图像”)以使得行人 自主增加安全距离或劝退恶意企图刮蹭者，并继续进行图像采集，若不会，则 删除正在识别的缓存图像，其训练样本可通过尖锐物品、人瞳孔注视方向、路 线方向等其他刮蹭作为特征的图片进行特征特取，刮蹭行为判断系统通过对采 集的图像进行识别，判断靠是否发生了刮蹭行为，若是，则保存正在识别的图 像以及输入刮蹭行为预测系统的图片，并将其上传至云端的刮蹭捕获信息库， 若未发生刮蹭行为，则删除正在识别的缓存图像，其训练样本可通过车身接触 物、表面留痕、车身-目标物距离等其他刮蹭作为特征的图片进行特征特取，为 减少数据产生不必要的资源浪费，可在采集图像输入刮蹭行为预测系统阶段设 置为较低的频率，在采集图像输入刮蹭行为判断系统阶段设置为稍高一点的频 率。

另一方面、本说明书实施例提供一种车辆刮蹭记录装置，图6为本发明实 施例提供的一种车辆刮蹭记录装置的结构示意图，如图6所示，包括：

障碍物判断模块810，被配置为执行在车辆四周障碍物的相对距离小于预设 第一安全距离时，判断所述障碍物是否为活体动物；

第一拍摄模块820，被配置为执行当所述障碍物为活体动物时，利用图像采 集设备拍摄包含所述活体动物的第一图像数据；

预测模块830，被配置为执行将所述第一图像数据输入预先建立的刮蹭预测 行为模型中，输出刮蹭预测结果；

第二拍摄模块840，被配置为执行当所述刮蹭预测结果表征为即将发生刮蹭 时，利用图像采集设备持续拍摄包含所述活体动物的第二图像数据；

输出模块850，被配置为执行将所述第二图像数据输入预先建立的刮蹭行为 模型中，输出刮蹭结果；

上传模块860，被配置为执行当所述刮蹭结果表征为刮蹭时，将所述第一图 像数据和全部所述第二图像数据上传至云端服务器。

另一方面、本说明书实施例提供一种计算机可读存储介质，所述计算机可 读存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或至少 一段程序由处理器加载并执行以实现如上述所述的一种车辆刮蹭记录方法。

另一方面、本说明书实施例提供一种车辆刮蹭记录设备，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，所述至少一个处理器通过执行所述存 储器存储的指令实现如上述所述的一种车辆刮蹭记录方法。

由于车辆刮蹭记录装置、计算机可读存储介质及车辆刮蹭记录设备与车辆 刮蹭记录方法的技术效果相同，在此不在赘述。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实 施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部 分互相参见即可。本发明实施例所提供测试方法，其实现原理及产生的技术效 果和前述系统实施例相同，为简要描述，方法实施例部分未提及之处，可参考 前述系统实施例中相应内容。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统和方法，也 可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如， 附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机 程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的 每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代 码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注 意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图 中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它 们有时也可以按相反的顺序执行，依所涉及的功能而定。也要注意的是，框图 和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执 行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与 计算机指令的组合来实现。

上述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时， 可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方 案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件 产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指 令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执 行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、 移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说 明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，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： 任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前 述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术 特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质 脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。 因此，本发明的保护范围应以上述权利要求的保护范围为准。

Claims (10)

1.一种车辆刮蹭记录方法，其特征在于，包括：

在车辆四周障碍物的相对距离小于预设第一安全距离时，判断所述障碍物是否为活体动物；

当所述障碍物为活体动物时，利用图像采集设备拍摄包含所述活体动物的第一图像数据；

将所述第一图像数据输入预先建立的刮蹭预测行为模型中，输出刮蹭预测结果；

当所述刮蹭预测结果表征为即将发生刮蹭时，利用图像采集设备持续拍摄包含所述活体动物的第二图像数据；

将所述第二图像数据输入预先建立的刮蹭行为模型中，输出刮蹭结果；

当所述刮蹭结果表征为刮蹭时，将所述第一图像数据和全部所述第二图像数据上传至云端服务器。

2.根据权利要求1所述的车辆刮蹭记录方法，其特征在于，所述将所述第一图像数据输入预先建立的刮蹭预测行为模型中，输出刮蹭预测结果，之后还包括：

当所述刮蹭预测结果表征为不发生刮蹭时，删除所述第一图像数据。

3.根据权利要求1或2所述的车辆刮蹭记录方法，其特征在于，还包括：

当所述障碍物不为活体动物时，检测所述障碍物与车辆的相对距离是否小于预设第二安全距离；

当所述障碍物与车辆的相对距离小于预设第二安全距离时，开启与所述障碍物相对位置最近的安全气囊，并利用图像采集设备拍摄包含所述障碍物的第三图像数据；

将所述第三图像数据输入预先建立的刮蹭行为模型中，输出刮蹭结果；

当所述刮蹭结果表征为刮蹭时，将所述第三图像数据上传至云端服务器。

4.根据权利要求3所述的车辆刮蹭记录方法，其特征在于，所述检测所述障碍物与车辆的相对距离是否小于预设第二安全距离，之前包括：

当所述障碍物不为活体动物时，发出第一警告信息以警示用户。

5.根据权利要求1所述的车辆刮蹭记录方法，其特征在于，所述将所述第一图像数据输入预先建立的刮蹭预测行为模型中，输出刮蹭预测结果，之后还包括：

当所述刮蹭预测结果表征为即将发生刮蹭时，发出第二警告信息以警示所述活体动物。

6.根据权利要求3所述的车辆刮蹭记录方法，其特征在于，所述刮蹭预测行为模型被设置为按照下述方式建立：

获取多组第一图像数据和与所述第一图像数据对应的刮蹭结果，所述第一图像数据包括第一特征参数；

建立所述刮蹭预测行为模型，其中，所述刮蹭预测行为模型中包括多个模型参数；

将所述第一图像数据中的第一特征参数作为所述刮蹭预测行为模型的输入数据，将所述第一图像数据对应的刮蹭结果作为所述刮蹭预测行为模型的输出数据，调整所述刮蹭预测行为模型的所述模型参数，直至所述刮蹭预测行为模型达到预设要求。

7.根据权利要求1所述的车辆刮蹭记录方法，其特征在于，所述刮蹭行为模型被设置为按照下述方式建立：

获取多组第二图像数据、与所述第二图像数据对应的刮蹭结果、第三图像数据和与所述第三图像数据对应的刮蹭结果，所述第二图像数据包括第二特征参数，所述第三图像数据包括第三特征参数；

建立所述刮蹭行为模型，其中，所述刮蹭行为模型中包括多个模型参数；

分部将所述第二图像数据中的第二特征参数和所述第三图像数据中第三特征参数作为所述刮蹭行为模型的输入数据，将所述第二图像数据对应的刮蹭结果和所述第三图像数据对应的刮蹭结果作为所述刮蹭行为模型的输出数据，调整所述刮蹭行为模型的所述模型参数，直至所述刮蹭行为模型达到预设要求。

8.一种车辆刮蹭记录装置，其特征在于，包括：

障碍物判断模块，被配置为执行在车辆四周障碍物的相对距离小于预设第一安全距离时，判断所述障碍物是否为活体动物；

第一拍摄模块，被配置为执行当所述障碍物为活体动物时，利用图像采集设备拍摄包含所述活体动物的第一图像数据；

预测模块，被配置为执行将所述第一图像数据输入预先建立的刮蹭预测行为模型中，输出刮蹭预测结果；

第二拍摄模块，被配置为执行当所述刮蹭预测结果表征为即将发生刮蹭时，利用图像采集设备持续拍摄包含所述活体动物的第二图像数据；

输出模块，被配置为执行将所述第二图像数据输入预先建立的刮蹭行为模型中，输出刮蹭结果；

上传模块，被配置为执行当所述刮蹭结果表征为刮蹭时，将所述第一图像数据和全部所述第二图像数据上传至云端服务器。

9.一种车辆刮蹭记录设备，其特征在于，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令或者至少一段程序，所述至少一条指令或者至少一段程序由所述处理器加载并执行以实现如权利要求1-7任一所述的车辆刮蹭记录方法。

10.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令或者至少一段程序，所述至少一条指令或者至少一段程序由处理器加载并执行以实现如权利要求1-7任一所述的车辆刮蹭记录方法。

Images