CN115100838A - 车辆起火预警方法、装置、设备、介质及计算机程序产品 - Google Patents
车辆起火预警方法、装置、设备、介质及计算机程序产品 Download PDFInfo
- Publication number
- CN115100838A CN115100838A CN202210609265.6A CN202210609265A CN115100838A CN 115100838 A CN115100838 A CN 115100838A CN 202210609265 A CN202210609265 A CN 202210609265A CN 115100838 A CN115100838 A CN 115100838A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- early warning
- target
- fire
- real
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000004590 computer program Methods 0.000 title claims abstract description 22
- 239000000779 smoke Substances 0.000 claims description 44
- 238000010304 firing Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000013075 data extraction Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 5
- 230000007704 transition Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Computing Systems (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供一种车辆起火预警方法、装置、设备、介质及计算机程序产品，该方法包括：获取历史车辆图像对应的目标属性，根据所述目标属性，提取所述历史车辆图像的特征数据；根据所述特征数据，建立车辆起火预警模型；获取目标车辆点位对应的实时图像和传感器数据，将所述实时图像和所述传感器数据输入到所述车辆起火预警模型，得到预警结果；确定车辆监护人的实时状态，根据所述预警结果和所述实时状态进行预警。本发明通过车辆图像的特征数据创建车辆起火预警模型，降低车辆起火预警的成本，提高了车辆起火预警方案的普遍适用性和预警准确度。
Description
技术领域
本发明涉及监测技术领域，尤其涉及一种车辆起火预警方法、装置、设备、介质及计算机程序产品。
背景技术
现今，车辆起火是车辆重大安全隐患之一，现有的车辆起火的监测方法仅仅关注于车辆的个别部位，例如车载电池，通过获取车辆运行时电池的相关数据，判断电池是否处于易起火状态，或者通过数据线、控制器和主机等硬件资源实现及时的车辆火灾预警，是一种基于硬件资源架构的火灾预警方案，实现成本高，普遍适用性低且预警不准确。
发明内容
本发明提供一种车辆起火预警方法、装置、设备、存储介质及计算机程序产品，用以解决现有车辆火灾预警方案普遍适用性低且预警不准确的技术问题。
本发明提供一种车辆起火预警方法，包括：
获取历史车辆图像对应的目标属性，根据所述目标属性，提取所述历史车辆图像的特征数据；
根据所述特征数据，建立车辆起火预警模型；
获取目标车辆点位对应的实时图像和传感器数据，将所述实时图像和所述传感器数据输入到所述车辆起火预警模型，得到预警结果；
确定车辆监护人的实时状态，根据所述预警结果和所述实时状态进行预警。
根据本发明提供的一种车辆起火预警方法，所述获取历史车辆图像对应的目标属性，根据所述目标属性，提取所述历史车辆图像的特征数据的步骤包括：
获取历史车辆图像对应的目标属性，其中，所述目标属性包括车辆部位、温度区间、颜色值区间、颜色覆盖形状、气体浓度区间以及烟雾浓度区间；
获取所述历史车辆图像的标签信息，根据所述标签信息，更新所述温度区间、所述颜色值区间、所述颜色覆盖形状、所述气体浓度区间以及所述烟雾浓度区间；
建立更新后的温度区间、更新后的颜色值区间、更新后的颜色覆盖形状、更新后的气体浓度区间以及更新后的烟雾浓度区间与所述车辆部位之间的关联关系；
根据所述关联关系确定所述历史车辆图像的特征数据。
根据本发明提供的一种车辆起火预警方法，所述根据所述特征数据，建立车辆起火预警模型的步骤包括：
根据所述历史车辆图像的标签信息，确定各所述目标属性的属性值对应的目标概率；
将所述标签信息、所述关联关系和所述目标概率作为预设模型的参数，得到车辆起火预警模型。
根据本发明提供的一种车辆起火预警方法，所述获取目标车辆点位对应的实时图像和传感器数据，将所述实时图像和所述传感器数据输入到所述车辆起火预警模型，得到预警结果的步骤包括：
获取所述实时图像对应的目标温度值、目标颜色值、目标颜色覆盖形状、气体浓度值以及烟雾浓度值；
将所述目标温度值、所述目标颜色值、所述目标颜色覆盖形状、所述气体浓度值以及所述烟雾浓度值输入到所述车辆起火预警模型，得到目标车辆点位对应的起火概率；
在所述起火概率属于预设取值范围的情况下，确定预警结果为车辆起火；
在所述起火概率不属于预设取值范围的情况下，确定预警结果为车辆正常。
根据本发明提供的一种车辆起火预警方法，所述将所述目标温度值、所述目标颜色值、所述目标颜色覆盖形状、所述气体浓度值以及所述烟雾浓度值输入到所述车辆起火预警模型，得到目标车辆点位对应的起火概率的步骤包括：
获取预设温度权值、预设颜色权值、预设形状权值、预设第一浓度权值以及预设第二浓度权值，得到权值序列；
将所述目标温度值、所述目标颜色值、所述目标颜色覆盖形状、所述气体浓度值以及所述烟雾浓度值输入到所述车辆起火预警模型，得到概率序列；
将所述权值序列和所述概率序列进行对位计算，得到目标车辆点位对应的起火概率。
根据本发明提供的一种车辆起火预警方法，所述确定车辆监护人的实时状态，根据所述预警结果和所述实时状态进行预警的步骤包括：
在车辆监护人的实时状态为待岗状态，所述预警结果为车辆起火的情况下，执行第一预警操作，其中，所述第一预警操作包括车内警报；
在车辆监护人的实时状态为离岗状态，所述预警结果为车辆起火的情况下，执行第二预警操作，其中，所述第二预警操作包括向所述车辆监护人发送警报信息。
本发明还提供一种车辆起火预警装置，包括：
特征数据提取模块，用于获取历史车辆图像对应的目标属性，根据所述目标属性，提取所述历史车辆图像的特征数据；
起火预警模型建立模块，用于根据所述特征数据，建立车辆起火预警模型；
预警结果获得模块，用于获取目标车辆点位对应的实时图像和传感器数据，将所述实时图像和所述传感器数据输入到所述车辆起火预警模型，得到预警结果；
预警模块，用于确定车辆监护人的实时状态，根据所述预警结果和所述实时状态进行预警。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述车辆起火预警方法。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述车辆起火预警方法。
本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述车辆起火预警方法。
本发明提供的车辆起火预警方法、装置、设备、存储介质及计算机程序产品，通过获取历史车辆图像对应的属性，提取历史车辆图像的特征数据，并根据特征数据创建车辆起火预警模型，进而获取目标车辆点位对应的实时图像和传感器数据，将实时图像和传感器数据输入到车辆起火预警模型中，得到预警结果，最后确定车辆监护人的实时状态，根据预警结果和车辆监护人的实时状态进行预警，通过车辆图像的特征数据创建车辆起火预警模型，降低车辆起火预警的成本，提高了车辆起火预警方案的普遍适用性和预警准确度。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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是本发明提供的车辆起火预警方法的流程示意图之一；
图2是本发明提供的车辆起火预警方法的流程示意图之二；
图3是本发明提供的车辆起火预警装置的结构示意图；
图4是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例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。
下面结合图1-图2描述本发明的车辆起火预警方法。
请参照图1，本发明提供一种车辆起火预警方法，包括：
步骤S100，获取历史车辆图像对应的目标属性，根据所述目标属性，提取所述历史车辆图像的特征数据；
具体地，近年来，车辆安全隐患造成了一定的财产损失，其中，车辆起火是诸多车辆安全隐患中的一种，完善车辆火情实时检测和火情报警是降低车辆起火隐患的可行手段，也是构建智能驾驶系统的重要一环。现有的车辆起火监测方法主要包括以下几种：一种是人工检查，这种方式具有很大的随机性和不确定性，不能作为避免火灾损失的有效手段；第二种是通过传感器检测车辆周边的空气中包含的烟雾颗粒浓度是否超标，这种检测方法不够准确；第三种是通过数据线和控制器等硬件资源实现车辆火灾预警，这种检测方法成本较高，且普遍适用性较低。
本实施例公开的车辆起火预警方法通过在车辆具体部位(例如发动机、轮胎、车辆电路集束以及驾驶室等)安装摄像头(例如红外摄像头)，进而获取到车辆具体部位的实时图像，在训练能够预警车辆起火的模型之前，先获取一定数量的车辆具体部位的历史图像(即本实施例中的历史车辆图像)，这些历史车辆图像中包含一部分真实车辆起火图像，另一部分为车辆未起火的图像，例如，10000张历史车辆图像，2500张发动机图像，2500张轮胎图像，2500张车辆电路集束图像和2500张驾驶室图像，其中各有一半的车辆起火图像和车辆未起火图像，本实施例中历史车辆图像对应的目标属性包括历史车辆图像对应的车辆具体部位，以及拍摄历史车辆图像时采集到的具体部位的温度值，历史车辆图像对应的颜色值(例如RGB值)，表示高温的颜色覆盖的区域的形状，车辆具体部位周围的空气中各气体的浓度(例如一氧化碳和二氧化硫等)，车辆具体部位周围的空气中烟雾颗粒的浓度。
每张历史车辆图像都对应有具体的各属性值，获取所有历史车辆图像对应的各属性值，得到各属性值取值范围，例如，轮胎图像对应的温度值取值范围为[80,1000]，获取所有历史车辆图像对应的各属性值，得到温度区间、颜色值区间、颜色覆盖区域形状集合、气体浓度区间以及烟雾浓度区间等，从所有历史车辆图像中筛选出车辆起火图像，并根据车辆起火图像对应的各属性值取值范围，更新温度区间、颜色值区间、颜色覆盖形状、气体浓度区间以及烟雾浓度区间，然后建立更新后的温度区间、更新后的颜色值区间、更新后的颜色覆盖形状、更新后的气体浓度区间以及更新后的烟雾浓度区间与车辆具体部位之间的关联关系，假设更新后的温度区间为a，更新后的颜色值区间为b，更新后的颜色覆盖形状为c，更新后的气体浓度区间为d，更新后的烟雾浓度区间为e，发动机为X，轮胎为Y，车辆电路集束为Z驾驶室为H，则上述关联关系为X＝(a1，b1，c1，d1，e1)，Y＝(a2，b2，c2，d2，e2)，Z＝(a3，b3，c3，d3，e3)，H＝(a4，b4，c4，d4，e4)，将上述关联关系作为历史车辆图像的特征数据。
步骤S200，根据所述特征数据，建立车辆起火预警模型；
具体地，获取到一定数量的历史车辆图像后，需要对获取到的历史车辆图像设立标签，标签信息包括历史车辆图像是否为车辆起火图像的确定结果，标签的设定可以通过人为的方式完成，为历史车辆图像设立标签的目的是，通过模型训练准确提取车辆起火图像的特征数据，进而在对待检测图像进行检测时，通过提取待检测图像的特征数据，确定待检测图像是否为车辆起火图像。
得到所有历史车辆图像的标签信息后，确定各目标属性的属性值对应的目标概率，具体地，若目标属性为驾驶室对应的气体浓度值，某张历史车辆图像对应的驾驶室气体浓度值为5毫克每立方米，其对应的标签为车辆起火图像，可知地，驾驶室气体浓度值为5毫克每立方米的图像共有20张，其中标签为车辆起火图像的图像共有14张，则为5毫克每立方米的驾驶室气体浓度值对应的目标概率为70％，根据上述方法，计算所有目标属性的属性值对应的目标概率，并将历史车辆图像的标签信息，上述关联关系以及目标属性的属性值对应的目标概率作为预设模型的参数，得到车辆起火预警模型。
步骤S300，获取目标车辆点位对应的实时图像和传感器数据，将所述实时图像和所述传感器数据输入到所述车辆起火预警模型，得到预警结果；
具体地，创建车辆起火预警模型后，将车辆起火预警模型应用于实际场景中，获取车辆具体部位的实时图像，进而获取实时图像对应的目标温度值、目标颜色值、目标颜色覆盖形状、气体浓度值以及烟雾浓度值，将目标温度值、目标颜色值、目标颜色覆盖形状、气体浓度值以及烟雾浓度值输入到车辆起火预警模型中，得到车辆起火预警模型输出的目标车辆点位对应的起火概率，其中，气体浓度和烟雾浓度即是本实施例中的传感器数据，上述起火概率是一个概率值，假设本实施例中的预设取值范围是[80％,100％]，在目标车辆点位对应的起火概率属于上述预设取值范围的情况下，确定预警结果为车辆起火；在起火概率不属于上述预设取值范围的情况下，确定预警结果为车辆正常，可以理解的是，还可以设置一个过渡取值范围，例如[60％,80％]，在起火概率属于这个过渡取值范围的情况下，确定预警结果为车辆异常。
步骤S400，确定车辆监护人的实时状态，根据所述预警结果和所述实时状态进行预警。
具体地，通过车辆起火预警模型对车辆的实时图像进行检测后，得到目标车辆点位对应的起火概率，在目标车辆点位对应的起火概率属于预设取值范围时，可以判定车辆的实时图像对应的预警结果为车辆起火，这种情况下，本实施例公开的车辆起火预警方案还将确定车辆监护人(例如驾车司机)的实时状态，本实施例中的实时状态包括在岗状态和离岗状态，在岗状态表示司机在车辆驾驶位置，车辆可能处于行驶状态，离岗状态表示司机不在车辆驾驶位置，车辆大概率处于静止状态，在车辆监护人的实时状态为在车内，预警结果为车辆起火的情况下，执行预警操作，例如，车内警报响起，指示灯闪烁和座位震动等预警方式；在车辆监护人的实时状态为不在车内，预警结果为车辆起火的情况下，执行预警操作，例如，向车辆监护人及其他关联人员(的手机)发送警报信息，甚至可以直接通过车载终端拨打火警报警电话等预警方式，以达到及时处理火情的目的。
本实施例通过获取历史车辆图像对应的属性，提取历史车辆图像的特征数据，并根据特征数据创建车辆起火预警模型，进而获取目标车辆点位对应的实时图像和传感器数据，将实时图像和传感器数据输入到车辆起火预警模型中，得到预警结果，最后确定车辆监护人的实时状态，根据预警结果和车辆监护人的实时状态进行预警，通过车辆图像的特征数据创建车辆起火预警模型，降低车辆起火预警的成本，提高了车辆起火预警方案的普遍适用性和预警准确度。
在一个实施例中，本申请实施例提供的车辆起火预警方法，还可以包括：
获取历史车辆图像对应的目标属性，其中，所述目标属性包括车辆部位、温度区间、颜色值区间、颜色覆盖形状、气体浓度区间以及烟雾浓度区间；
获取所述历史车辆图像的标签信息，根据所述标签信息，更新所述温度区间、所述颜色值区间、所述颜色覆盖形状、所述气体浓度区间以及所述烟雾浓度区间；
建立更新后的温度区间、更新后的颜色值区间、更新后的颜色覆盖形状、更新后的气体浓度区间以及更新后的烟雾浓度区间与所述车辆部位之间的关联关系；
根据所述关联关系确定所述历史车辆图像的特征数据。
具体地，在训练能够预警车辆起火的模型之前，先获取一定数量的历史车辆图像，这些历史车辆图像包含车辆各部位的图像，例如，10000张历史车辆图像由2500张发动机图像，2500张轮胎图像，2500张车辆电路集束图像和2500张驾驶室图像组成，其中各有一半的车辆起火图像和车辆未起火图像，本实施例中历史车辆图像对应的目标属性包括上述车辆具体部位，以及拍摄历史车辆图像时采集到的具体部位的温度取值区间(即本实施例中的温度区间)，历史车辆图像对应的颜色值取值区间(即本实施例中的颜色值区间)，表示高温的颜色覆盖的区域的形状集合，车辆具体部位周围的空气中各气体的浓度取值区间(即本实施例中的气体浓度区间)，车辆具体部位周围的空气中烟雾颗粒的浓度取值区间(即本实施例中的烟雾浓度区间)。
从所有历史车辆图像中筛选出车辆起火图像，并根据车辆起火图像对应的各属性值取值范围，更新温度区间、颜色值区间、颜色覆盖形状、气体浓度区间以及烟雾浓度区间，然后建立更新后的温度区间、更新后的颜色值区间、更新后的颜色覆盖形状、更新后的气体浓度区间以及更新后的烟雾浓度区间与车辆具体部位之间的关联关系，假设更新后的温度区间为a，更新后的颜色值区间为b，更新后的颜色覆盖形状为c，更新后的气体浓度区间为d，更新后的烟雾浓度区间为e，发动机为X，轮胎为Y，车辆电路集束为Z驾驶室为H，则上述关联关系为X＝(a1，b1，c1，d1，e1)，Y＝(a2，b2，c2，d2，e2)，Z＝(a3，b3，c3，d3，e3)，H＝(a4，b4，c4，d4，e4)，将上述关联关系作为历史车辆图像的特征数据。
本实施例通过获取历史车辆图像对应的目标属性，提取历史车辆图像的特征数据，为后续训练能够预警车辆起火的模型提供技术基础。
在一个实施例中，本申请实施例提供的车辆起火预警方法，还可以包括：
根据所述历史车辆图像的标签信息，确定各所述目标属性的属性值对应的目标概率；
将所述标签信息、所述关联关系和所述目标概率作为预设模型的参数，得到车辆起火预警模型。
具体地，获取到一定数量的历史车辆图像后，需要对获取到的历史车辆图像设立标签，标签信息包括历史车辆图像是否为车辆起火图像的确定结果，标签的设定可以通过人为的方式完成，为历史车辆图像设立标签的目的是，通过模型训练准确提取车辆起火图像的特征数据，进而在对待检测图像进行检测时，通过提取待检测图像的特征，确定待检测图像是否为车辆起火图像。
得到所有历史车辆图像的标签信息后，确定各目标属性的属性值对应的目标概率，具体地，若目标属性为车辆轮胎对应的温度值，某张历史车辆图像对应的车辆轮胎温度值为800度，其对应的标签为车辆起火图像，可知地，车辆轮胎温度值为800度的图像共有10张，其中标签为车辆起火图像的图像共有8张，则车辆轮胎温度值为800度对应的目标概率为80％，根据上述方法，计算所有目标属性的属性值对应的目标概率，并将历史车辆图像的标签信息，上述关联关系以及目标属性的属性值对应的目标概率作为预设模型的参数，得到车辆起火预警模型，可以理解的是，车辆起火预警模型的参数还可以包括迭代次数等。
本实施例通过为历史车辆图像设定标签，得到各属性值对应的概率，进而根据标签信息、关联关系和目标概率，以及使用经过YOLOv5训练所得的数据，确定能够预警车辆起火的深度学习模型，降低车辆起火预警的成本，提高了车辆起火预警方案的普遍适用性和预警准确度。
请参照图2，在一个实施例中，本申请实施例提供的车辆起火预警方法，还可以包括：
获取所述实时图像对应的目标温度值、目标颜色值、目标颜色覆盖形状、气体浓度值以及烟雾浓度值；
将所述目标温度值、所述目标颜色值、所述目标颜色覆盖形状、所述气体浓度值以及所述烟雾浓度值输入到所述车辆起火预警模型，得到目标车辆点位对应的起火概率；
在所述起火概率属于预设取值范围的情况下，确定预警结果为车辆起火；
在所述起火概率不属于预设取值范围的情况下，确定预警结果为车辆正常。
具体地，创建车辆起火预警模型后，将车辆起火预警模型应用于实际场景中，获取车辆具体部位的实时图像，进而获取实时图像对应的目标温度值、目标颜色值、目标颜色覆盖形状、气体浓度值以及烟雾浓度值，将目标温度值、目标颜色值、目标颜色覆盖形状、气体浓度值以及烟雾浓度值输入到车辆起火预警模型中，得到车辆起火预警模型输出的目标车辆点位对应的起火概率，是一个概率值，假设本实施例中的预设取值范围是[80％,100％]，在目标车辆点位对应的起火概率属于上述预设取值范围的情况下，确定预警结果为车辆起火；在起火概率不属于上述预设取值范围的情况下，确定预警结果为车辆正常，可以理解的是，还可以设置一个过渡取值范围，例如[60％,80％]，在起火概率属于这个过渡取值范围的情况下，确定预警结果为车辆异常。
本实施例通过车辆起火预警模型对车辆的实时图像进行检测，降低车辆起火预警的成本，提高了车辆起火预警方案的普遍适用性和预警准确度。
在一个实施例中，本申请实施例提供的车辆起火预警方法，还可以包括：
获取预设温度权值、预设颜色权值、预设形状权值、预设第一浓度权值以及预设第二浓度权值，得到权值序列；
将所述目标温度值、所述目标颜色值、所述目标颜色覆盖形状、所述气体浓度值以及所述烟雾浓度值输入到所述车辆起火预警模型，得到概率序列；
将所述权值序列和所述概率序列进行对位计算，得到目标车辆点位对应的起火概率。
具体地，不同的目标属性值具有不同的监测价值，其中，监测价值是指通过目标属性能够判断车辆是否起火的可靠性，例如，通过温度值判断车辆是否起火的可靠性，比通过气体浓度值判断车辆是否起火的可靠性更大，原因是气体浓度值受更多外界因素的影响，例如车辆本身产生的尾烟。本实施例通过权值的概念表示这种可靠性，将目标属性值输入到车辆起火预警模型中后，获取预设的温度权值、预设的颜色权值、预设的形状权值、预设的第一浓度权值以及预设的第二浓度权值，得到权值序列(上述权值按照上述顺序进行排列)，将目标温度值、目标颜色值、目标颜色覆盖形状、气体浓度值以及烟雾浓度值输入到车辆起火预警模型，得到概率序列(上述属性值按照上述顺序进行排列)将权值序列和概率序列进行对位相乘然后相加，得到目标车辆点位对应的起火概率。
本实施例通过引入可靠性(即权值)的概念计算目标车辆点位对应的起火概率，提高了车辆起火预警方案的预警准确度。
在一个实施例中，本申请实施例提供的车辆起火预警方法，还可以包括：
在车辆监护人的实时状态为待岗状态，所述预警结果为车辆起火的情况下，执行第一预警操作，其中，所述第一预警操作包括车内警报；
在车辆监护人的实时状态为离岗状态，所述预警结果为车辆起火的情况下，执行第二预警操作，其中，所述第二预警操作包括向所述车辆监护人发送警报信息。
具体地，通过车辆起火预警模型对车辆的实时图像进行检测后，得到目标车辆点位对应的起火概率，在目标车辆点位对应的起火概率属于预设取值范围时，可以判定车辆的实时图像对应的预警结果为车辆起火，这种情况下，本实施例公开的车辆起火预警方案还将确定车辆监护人(例如驾车司机)的实时状态，本实施例中的实时状态包括在岗状态和离岗状态，在岗状态表示司机在车辆驾驶位置，车辆可能处于行驶状态，离岗状态表示司机不在车辆驾驶位置，车辆大概率处于静止状态，在车辆监护人的实时状态为待岗状态，预警结果为车辆起火的情况下，执行第一预警操作，例如车内警报响起，指示灯闪烁和座位震动等预警方式；在车辆监护人的实时状态为离岗状态，预警结果为车辆起火的情况下，执行第二预警操作，其中，第二预警操作包括向车辆监护人及其他关联人员(的手机)发送警报信息，甚至可以直接通过车载终端拨打火警报警电话等预警方式，或者通过车载网络模块将本地车辆起火数据和警报信息上传到云端，云端在接收到警报信息的基础上，作出应对决策，以达到及时处理火情的目的。
本实施例通过确定车辆监护人的实时状态，进而根据预警结果和车辆监护人的实时状态进行预警，降低车辆起火预警的成本，提高了车辆起火预警方案的普遍适用性和预警准确度。
下面对本发明提供的车辆起火预警装置进行描述，下文描述的车辆起火预警装置与上文描述的车辆起火预警方法可相互对应参照。
请参照图3，本发明还提供一种车辆起火预警装置，包括：
特征数据提取模块301，用于获取历史车辆图像对应的目标属性，根据所述目标属性，提取所述历史车辆图像的特征数据；
起火预警模型建立模块302，用于根据所述特征数据，建立车辆起火预警模型；
预警结果获得模块303，用于获取目标车辆点位对应的实时图像和传感器数据，将所述实时图像和所述传感器数据输入到所述车辆起火预警模型，得到预警结果；
预警模块304，用于确定车辆监护人的实时状态，根据所述预警结果和所述实时状态进行预警。
可知地，所述特征数据提取模块，包括：
目标属性获取单元，用于获取历史车辆图像对应的目标属性，其中，所述目标属性包括车辆部位、温度区间、颜色值区间、颜色覆盖形状、气体浓度区间以及烟雾浓度区间；
标签信息获取单元，用于获取所述历史车辆图像的标签信息，根据所述标签信息，更新所述温度区间、所述颜色值区间、所述颜色覆盖形状、所述气体浓度区间以及所述烟雾浓度区间；
关联关系建立单元，用于建立更新后的温度区间、更新后的颜色值区间、更新后的颜色覆盖形状、更新后的气体浓度区间以及更新后的烟雾浓度区间与所述车辆部位之间的关联关系；
特征数据确定单元，用于根据所述关联关系确定所述历史车辆图像的特征数据。
可知地，所述起火预警模型建立模块，包括：
目标概率确定单元，用于根据所述历史车辆图像的标签信息，确定各所述目标属性的属性值对应的目标概率；
模型参数确定单元，用于将所述标签信息、所述关联关系和所述目标概率作为预设模型的参数，得到车辆起火预警模型。
可知地，所述预警结果获得模块，包括：
第一获取单元，用于获取所述实时图像对应的目标温度值、目标颜色值、目标颜色覆盖形状、气体浓度值以及烟雾浓度值；
起火概率获得单元，用于将所述目标温度值、所述目标颜色值、所述目标颜色覆盖形状、所述气体浓度值以及所述烟雾浓度值输入到所述车辆起火预警模型，得到目标车辆点位对应的起火概率；
第一预警结果确定单元，用于在所述起火概率属于预设取值范围的情况下，确定预警结果为车辆起火；
第二预警结果确定单元，用于在所述起火概率不属于预设取值范围的情况下，确定预警结果为车辆正常。
可知地，所述起火概率获得单元，包括：
权值序列确定单元，用于获取预设温度权值、预设颜色权值、预设形状权值、预设第一浓度权值以及预设第二浓度权值，得到权值序列；
概率序列确定单元，用于将所述目标温度值、所述目标颜色值、所述目标颜色覆盖形状、所述气体浓度值以及所述烟雾浓度值输入到所述车辆起火预警模型，得到概率序列；
起火概率计算单元，用于将所述权值序列和所述概率序列进行对位计算，得到目标车辆点位对应的起火概率。
可知地，所述预警模块，包括：
第一预警操作执行单元，用于在车辆监护人的实时状态为待岗状态，所述预警结果为车辆起火的情况下，执行第一预警操作，其中，所述第一预警操作包括车内警报；
第二预警操作执行单元，用于在车辆监护人的实时状态为离岗状态，所述预警结果为车辆起火的情况下，执行第二预警操作，其中，所述第二预警操作包括向所述车辆监护人发送警报信息。
图4示例了一种电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以执行车辆起火预警方法，该方法包括：获取历史车辆图像对应的目标属性，根据所述目标属性，提取所述历史车辆图像的特征数据；根据所述特征数据，建立车辆起火预警模型；获取目标车辆点位对应的实时图像和传感器数据，将所述实时图像和所述传感器数据输入到所述车辆起火预警模型，得到预警结果；确定车辆监护人的实时状态，根据所述预警结果和所述实时状态进行预警。
此外，上述的存储器430中的逻辑指令可以通过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。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的车辆起火预警方法，该方法包括：获取历史车辆图像对应的目标属性，根据所述目标属性，提取所述历史车辆图像的特征数据；根据所述特征数据，建立车辆起火预警模型；获取目标车辆点位对应的实时图像和传感器数据，将所述实时图像和所述传感器数据输入到所述车辆起火预警模型，得到预警结果；确定车辆监护人的实时状态，根据所述预警结果和所述实时状态进行预警。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的车辆起火预警方法，该方法包括：获取历史车辆图像对应的目标属性，根据所述目标属性，提取所述历史车辆图像的特征数据；根据所述特征数据，建立车辆起火预警模型；获取目标车辆点位对应的实时图像和传感器数据，将所述实时图像和所述传感器数据输入到所述车辆起火预警模型，得到预警结果；确定车辆监护人的实时状态，根据所述预警结果和所述实时状态进行预警。
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。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，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)执行各个实施例或者实施例的某些部分所述的方法。
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；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 (10)
1.一种车辆起火预警方法，其特征在于，包括：
获取历史车辆图像对应的目标属性，根据所述目标属性，提取所述历史车辆图像的特征数据；
根据所述特征数据，建立车辆起火预警模型；
获取目标车辆点位对应的实时图像和传感器数据，将所述实时图像和所述传感器数据输入到所述车辆起火预警模型，得到预警结果；
确定车辆监护人的实时状态，根据所述预警结果和所述实时状态进行预警。
2.根据权利要求1所述的车辆起火预警方法，其特征在于，所述获取历史车辆图像对应的目标属性，根据所述目标属性，提取所述历史车辆图像的特征数据的步骤包括：
获取历史车辆图像对应的目标属性，其中，所述目标属性包括车辆部位、温度区间、颜色值区间、颜色覆盖形状、气体浓度区间以及烟雾浓度区间；
获取所述历史车辆图像的标签信息，根据所述标签信息，更新所述温度区间、所述颜色值区间、所述颜色覆盖形状、所述气体浓度区间以及所述烟雾浓度区间；
建立更新后的温度区间、更新后的颜色值区间、更新后的颜色覆盖形状、更新后的气体浓度区间以及更新后的烟雾浓度区间与所述车辆部位之间的关联关系；
根据所述关联关系确定所述历史车辆图像的特征数据。
3.根据权利要求2所述的车辆起火预警方法，其特征在于，所述根据所述特征数据，建立车辆起火预警模型的步骤包括：
根据所述历史车辆图像的标签信息，确定各所述目标属性的属性值对应的目标概率；
将所述标签信息、所述关联关系和所述目标概率作为预设模型的参数，得到车辆起火预警模型。
4.根据权利要求1所述的车辆起火预警方法，其特征在于，所述获取目标车辆点位对应的实时图像和传感器数据，将所述实时图像和所述传感器数据输入到所述车辆起火预警模型，得到预警结果的步骤包括：
获取所述实时图像对应的目标温度值、目标颜色值、目标颜色覆盖形状、气体浓度值以及烟雾浓度值；
将所述目标温度值、所述目标颜色值、所述目标颜色覆盖形状、所述气体浓度值以及所述烟雾浓度值输入到所述车辆起火预警模型，得到目标车辆点位对应的起火概率；
在所述起火概率属于预设取值范围的情况下，确定预警结果为车辆起火；
在所述起火概率不属于预设取值范围的情况下，确定预警结果为车辆正常。
5.根据权利要求4所述的车辆起火预警方法，其特征在于，所述将所述目标温度值、所述目标颜色值、所述目标颜色覆盖形状、所述气体浓度值以及所述烟雾浓度值输入到所述车辆起火预警模型，得到目标车辆点位对应的起火概率的步骤包括：
获取预设温度权值、预设颜色权值、预设形状权值、预设第一浓度权值以及预设第二浓度权值，得到权值序列；
将所述目标温度值、所述目标颜色值、所述目标颜色覆盖形状、所述气体浓度值以及所述烟雾浓度值输入到所述车辆起火预警模型，得到概率序列；
将所述权值序列和所述概率序列进行对位计算，得到目标车辆点位对应的起火概率。
6.根据权利要求1所述的车辆起火预警方法，其特征在于，所述确定车辆监护人的实时状态，根据所述预警结果和所述实时状态进行预警的步骤包括：
在车辆监护人的实时状态为待岗状态，所述预警结果为车辆起火的情况下，执行第一预警操作，其中，所述第一预警操作包括车内警报；
在车辆监护人的实时状态为离岗状态，所述预警结果为车辆起火的情况下，执行第二预警操作，其中，所述第二预警操作包括向所述车辆监护人发送警报信息。
7.一种车辆起火预警装置，其特征在于，包括：
特征数据提取模块，用于获取历史车辆图像对应的目标属性，根据所述目标属性，提取所述历史车辆图像的特征数据；
起火预警模型建立模块，用于根据所述特征数据，建立车辆起火预警模型；
预警结果获得模块，用于获取目标车辆点位对应的实时图像和传感器数据，将所述实时图像和所述传感器数据输入到所述车辆起火预警模型，得到预警结果；
预警模块，用于确定车辆监护人的实时状态，根据所述预警结果和所述实时状态进行预警。
8.一种电子设备，包括存储器、处理器及存储在所述存储器上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程序时实现如权利要求1至6任一项所述车辆起火预警方法。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，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任一项所述车辆起火预警方法。
10.一种计算机程序产品，包括计算机程序，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任一项所述车辆起火预警方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210609265.6A CN115100838A (zh) | 2022-05-31 | 2022-05-31 | 车辆起火预警方法、装置、设备、介质及计算机程序产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210609265.6A CN115100838A (zh) | 2022-05-31 | 2022-05-31 | 车辆起火预警方法、装置、设备、介质及计算机程序产品 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115100838A true CN115100838A (zh) | 2022-09-23 |
Family
ID=83289640
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210609265.6A Pending CN115100838A (zh) | 2022-05-31 | 2022-05-31 | 车辆起火预警方法、装置、设备、介质及计算机程序产品 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115100838A (zh) |
Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06247114A (ja) * | 1993-02-22 | 1994-09-06 | Tokai Rika Co Ltd | 遠隔操作装置を備えた自動車のタイヤ異常警報装置 |
| CN1663825A (zh) * | 2004-03-04 | 2005-09-07 | 三菱自动车工业株式会社 | 轮胎气压警告系统和轮胎气压警告方法 |
| JP2006026161A (ja) * | 2004-07-16 | 2006-02-02 | Fujitsu Ten Ltd | 車両火災防止装置 |
| CN204029094U (zh) * | 2014-07-23 | 2014-12-17 | 烟台惠通网络技术有限公司 | 一种基于Zigbee无线传感器网络的交互式智能安居系统 |
| CN108109318A (zh) * | 2017-11-29 | 2018-06-01 | 深圳市亿兆互联技术有限公司 | 一种火灾监测系统及基于LoRa的火灾监测方法 |
| CN208003288U (zh) * | 2018-01-30 | 2018-10-26 | 上海博笃实业有限公司 | 一种汽车灭火系统 |
| CN108734368A (zh) * | 2017-04-25 | 2018-11-02 | 鸿富锦精密电子(天津)有限公司 | 风险预警管控系统及方法 |
| CN208172952U (zh) * | 2017-12-15 | 2018-11-30 | 重庆工业职业技术学院 | 一种火场救援引导装置 |
| CN109686036A (zh) * | 2019-01-09 | 2019-04-26 | 深圳市中电数通智慧安全科技股份有限公司 | 一种火灾监控方法、装置及边缘计算装置 |
| CN109920192A (zh) * | 2019-03-15 | 2019-06-21 | 深圳力维智联技术有限公司 | 火灾报警方法、系统及计算机可读存储介质 |
| CN110046837A (zh) * | 2019-05-20 | 2019-07-23 | 北京唐芯物联网科技有限公司 | 一种基于人工智能的消防管理系统 |
| CN110065350A (zh) * | 2019-05-07 | 2019-07-30 | 吉旗（成都）科技有限公司 | 货车行车安全监控方法及系统 |
| CN110147758A (zh) * | 2019-05-17 | 2019-08-20 | 电子科技大学成都学院 | 一种基于深度学习的森林防火方法 |
| CN111275916A (zh) * | 2020-02-14 | 2020-06-12 | 清华大学合肥公共安全研究院 | 一种区域火灾报警模型的构建方法及系统 |
| JP2021157731A (ja) * | 2020-03-30 | 2021-10-07 | 日本ドライケミカル株式会社 | 火災検知システム |
| CN113611075A (zh) * | 2021-07-30 | 2021-11-05 | 东风商用车有限公司 | 牵引车火灾监测方法、装置、设备及可读存储介质 |
| KR20220033622A (ko) * | 2020-09-09 | 2022-03-17 | 동명대학교산학협력단 | 자동차 엔진룸의 자동 소화시스템 |
| CN114191743A (zh) * | 2021-11-17 | 2022-03-18 | 中铁建设集团有限公司 | 基于风险评估和自动消防服务器的火灾预警及灭火系统 |
| GB202201956D0 (en) * | 2021-08-07 | 2022-03-30 | Kelly Andrew Leslie | An intelligent fire and occupant safety system and method |
-
2022
- 2022-05-31 CN CN202210609265.6A patent/CN115100838A/zh active Pending
Patent Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06247114A (ja) * | 1993-02-22 | 1994-09-06 | Tokai Rika Co Ltd | 遠隔操作装置を備えた自動車のタイヤ異常警報装置 |
| CN1663825A (zh) * | 2004-03-04 | 2005-09-07 | 三菱自动车工业株式会社 | 轮胎气压警告系统和轮胎气压警告方法 |
| JP2006026161A (ja) * | 2004-07-16 | 2006-02-02 | Fujitsu Ten Ltd | 車両火災防止装置 |
| CN204029094U (zh) * | 2014-07-23 | 2014-12-17 | 烟台惠通网络技术有限公司 | 一种基于Zigbee无线传感器网络的交互式智能安居系统 |
| CN108734368A (zh) * | 2017-04-25 | 2018-11-02 | 鸿富锦精密电子(天津)有限公司 | 风险预警管控系统及方法 |
| CN108109318A (zh) * | 2017-11-29 | 2018-06-01 | 深圳市亿兆互联技术有限公司 | 一种火灾监测系统及基于LoRa的火灾监测方法 |
| CN208172952U (zh) * | 2017-12-15 | 2018-11-30 | 重庆工业职业技术学院 | 一种火场救援引导装置 |
| CN208003288U (zh) * | 2018-01-30 | 2018-10-26 | 上海博笃实业有限公司 | 一种汽车灭火系统 |
| CN109686036A (zh) * | 2019-01-09 | 2019-04-26 | 深圳市中电数通智慧安全科技股份有限公司 | 一种火灾监控方法、装置及边缘计算装置 |
| CN109920192A (zh) * | 2019-03-15 | 2019-06-21 | 深圳力维智联技术有限公司 | 火灾报警方法、系统及计算机可读存储介质 |
| CN110065350A (zh) * | 2019-05-07 | 2019-07-30 | 吉旗（成都）科技有限公司 | 货车行车安全监控方法及系统 |
| CN110147758A (zh) * | 2019-05-17 | 2019-08-20 | 电子科技大学成都学院 | 一种基于深度学习的森林防火方法 |
| CN110046837A (zh) * | 2019-05-20 | 2019-07-23 | 北京唐芯物联网科技有限公司 | 一种基于人工智能的消防管理系统 |
| CN111275916A (zh) * | 2020-02-14 | 2020-06-12 | 清华大学合肥公共安全研究院 | 一种区域火灾报警模型的构建方法及系统 |
| JP2021157731A (ja) * | 2020-03-30 | 2021-10-07 | 日本ドライケミカル株式会社 | 火災検知システム |
| KR20220033622A (ko) * | 2020-09-09 | 2022-03-17 | 동명대학교산학협력단 | 자동차 엔진룸의 자동 소화시스템 |
| CN113611075A (zh) * | 2021-07-30 | 2021-11-05 | 东风商用车有限公司 | 牵引车火灾监测方法、装置、设备及可读存储介质 |
| GB202201956D0 (en) * | 2021-08-07 | 2022-03-30 | Kelly Andrew Leslie | An intelligent fire and occupant safety system and method |
| CN114191743A (zh) * | 2021-11-17 | 2022-03-18 | 中铁建设集团有限公司 | 基于风险评估和自动消防服务器的火灾预警及灭火系统 |
Non-Patent Citations (2)
| Title |
|---|
| 李钢等: "《视觉烟雾检测中的变换域局部特征建模研究》", 28 February 2022, 江西高校出版社, pages: 4 - 5 * |
| 贺庆棠: "《中国森林气象学》", 31 March 2001, 中国林业出版社, pages: 385 - 388 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109543647B (zh) | 一种道路异常识别方法、装置、设备及介质 | |
| CN112927461B (zh) | 一种新能源汽车充电桩预警决策方法及装置 | |
| US11539724B2 (en) | Centralized detection techniques for cyber-attacks directed at connected vehicles | |
| CN112164049A (zh) | 一种违建监测方法及装置 | |
| CN113902233A (zh) | 车辆安全预警方法、大数据平台装置、车载终端和车辆 | |
| CN114900331A (zh) | 基于can报文特征的车载can总线入侵检测方法 | |
| CN113986893A (zh) | 一种基于发电车风险识别主动预警系统及方法 | |
| CN115100838A (zh) | 车辆起火预警方法、装置、设备、介质及计算机程序产品 | |
| KR102105007B1 (ko) | 커넥티드 카 데이터 수집 및 돌발 상황 정보 제공을 위한 엣지-클라우드 시스템 | |
| CN110634120B (zh) | 一种车辆损伤判别方法及装置 | |
| CN113283286B (zh) | 一种驾驶员异常行为检测方法和装置 | |
| CN113938295B (zh) | 一种网联汽车通信数据异常传输行为检测方法、系统、电子设备及可读介质 | |
| CN115187880A (zh) | 基于图像识别的通信光缆缺陷检测方法、系统及存储介质 | |
| CN114973326A (zh) | 跌倒预警方法、装置、设备及可读存储介质 | |
| CN114387554A (zh) | 车辆人员超载识别方法、装置、设备及可读介质 | |
| CN112712002A (zh) | 基于cgan的环境监控方法、装置、系统及存储介质 | |
| CN113450567A (zh) | 一种人工智能预警系统 | |
| CN113887297A (zh) | 基于云端形成数据闭环的安全驾驶监控方法及装置 | |
| CN112149579A (zh) | 一种基于改进yolo_v3的鸟巢隐患检测方法 | |
| CN115499159B (zh) | Can信号异常检测方法、装置、车辆及存储介质 | |
| CN117729314B (zh) | 基于ai视觉的多区域监测系统及方法 | |
| CN117745707A (zh) | 一种充电设备外部损坏识别方法、装置、设备及存储介质 | |
| CN116824545A (zh) | 一种前车异常状态提示方法及系统 | |
| CN116469049A (zh) | 一种火灾危害度计算方法、系统、设备及介质 | |
| CN116628077A (zh) | 一种数据检测方法、装置、电子设备及存储介质 |
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 |