CN117116000A - 一种行车预警方法、装置及电子设备 - Google Patents

Abstract

本申请提供一种行车预警方法、装置及电子设备，涉及数据处理的技术领域。在该方法中，应用于行车记录仪，方法包括：获取监控数据包，监控数据包包括行车数据和生物特征数据；判断监控数据包的数据类别，数据类别包括行车数据类别和生物特征数据类别；若确认数据类别为行车数据类别，则将行车数据输入至预设预警模型中，得到第一输出结果；若确认数据类别为生物特征数据，则将生物特征数据输入至预设预警模型中，得到第二输出结果；将第一输出结果与第二输出结果进行融合，得到输出结果；根据输出结果，确定预警方式，以按照预警方式执行行车预警操作。实施本申请提供的技术方案，便于提高行车预警的准确性。

Description

一种行车预警方法、装置及电子设备

技术领域

本申请涉及数据处理的技术领域，具体涉及一种行车预警方法、装置及电子设备。

背景技术

行车安全，作为影响千家万户的问题，一直以来受人们所关注。在车辆行驶过程中，除了危险驾驶导致的碰撞所引发的安全事故之外，还受道路路况的干涉，并可能因此出现其他安全问题：如道路上出现障碍物，而车辆未及时避让、减速所导致的车辆底盘、前、后保险杠等损坏。所以，行车预警是十分必要的。

目前，相关技术中，往往通过采集车辆外部的各种数据来进行行车预警。但是，仅通过外部数据来对车辆进行行车预警，由于数据过于单一，易导致行车预警比较片面，无法做到更精准的预警，从而降低了行车预警的准确性。

因此，急需一种行车预警方法、装置及电子设备。

发明内容

本申请提供了一种行车预警方法、装置及电子设备，便于提高行车预警的准确性。

在本申请的第一方面提供了一种行车预警方法，应用于行车记录仪，所述方法包括：获取监控数据包，所述监控数据包包括行车数据和生物特征数据；判断所述监控数据包的数据类别，所述数据类别包括行车数据类别和生物特征数据类别；若确认所述数据类别为行车数据类别，则将所述行车数据输入至预设预警模型中，得到第一输出结果；若确认所述数据类别为生物特征数据，则将所述生物特征数据输入至所述预设预警模型中，得到第二输出结果；将所述第一输出结果与所述第二输出结果进行融合，得到所述输出结果；根据所述输出结果，确定预警方式，以按照所述预警方式执行行车预警操作。

通过采用上述技术方案，行车记录仪通过判断监控数据包中的数据类别，将行车数据和生物特征数据进行分类，有助于更好地理解和处理不同类型的数据。针对行车数据和生物特征数据分别使用预设预警模型进行分析和处理，可以帮助系统及时检测和预测潜在的安全问题或异常情况。接下来，行车记录仪将第一输出结果和第二输出结果进行融合，综合考虑行车数据和生物特征数据对预警的影响，可以提供更准确、全面的预警结果，增强行车预警可靠性。最后，行车记录仪根据输出结果选择适当的预警方式，从而确保行车安全，同时极大地提高了行车预警的准确性。

可选的，所述获取监控数据包，具体包括：接收传感器组发送的监控数据；对所述监控数据进行预处理，得到所述监控数据包，所述预处理包括文本处理、语音处理以及图像处理中的一种或多种。

通过采用上述技术方案，行车记录仪通过接收传感器组发送的监控数据，实现多种类型的数据整合，有助于全面了解行车情况，提供更准确的数据分析和处理。接下来，行车记录仪在监控数据传输、后续处理之前，对数据进行预处理，有助于去除噪声、提取有效特征、降低数据冗余性等，有助于提高数据的准确性和可解释性，进一步地优化行车记录仪的功能和性能，为驾驶员提供更有价值的信息和指导。

可选的，所述将所述行车数据输入至预设预警模型中，得到第一输出结果，具体包括：采用多尺度通道注意力机制对所述行车数据进行分析，确定车辆的行驶参数信息，所述行驶参数信息包括车道线、交通标志以及行人；判断所述行驶参数信息是否存在异常，若所述行驶参数信息存在异常，则得到所述第一输出结果。

通过采用上述技术方案，行车记录仪通过采用多尺度通道注意力机制对行车数据进行分析，可以获得更全面、细致的行驶参数信息。预设预警模型通过判断行驶参数信息是否存在异常，提高了行车预警的准确性，便于及时发现潜在的安全问题。行车记录仪得到第一输出结果后，可以据此判断行车数据是否出现异常情况，进而采取相应的措施，有助于提高驾驶员对外部行车环境的感知和理解，减少潜在的风险和危险。

可选的，所述将所述生物特征数据输入至所述预设预警模型中，得到第二输出结果，具体包括：根据所述生物特征数据，确定驾驶员的第一面部特征；基于所述第一面部特征与第一面部表情的对应关系，确定第一面部表情；在所述预设预警模型中检索所述第一面部表情，并生成检索结果；若所述检索结果指示所述预设预警模型中存在所述第一面部表情对应的第二面部表情，则得到所述第二输出结果，其中，所述第一面部表情和所述第二面部表情为同一种面部表情，所述第二输出结果用于表示驾驶员存在危险驾驶行为。

通过采用上述技术方案，行车记录仪通过生物特征数据，确定驾驶员的第一面部特征，从而有助于对驾驶员进行身份识别，确保车辆的行驶安全性。再基于第一面部特征与第一面部表情的对应关系，可以确定驾驶员的面部表情，有助于进一步了解驾驶员的精神状态和情绪，为后续的预警和决策提供依据。在预设预警模型中检索第一面部表情，并生成检索结果，有助于根据驾驶员的面部表情判断是否存在危险驾驶行为，通过分析检索结果并生成第二输出结果，可以及时发现驾驶员的危险驾驶行为，有助于后续采取相应的警示措施，提高驾驶安全性和减少潜在的风险。

可选的，所述根据所述输出结果，确定预警方式，具体包括：若确认所述输出结果指示所述行车数据和所述生物特征数据均存在异常，则确定第一预警方式，所述第一预警方式为按照第一频率播报危险驾驶行为；若确认所述输出结果指示所述行车数据或所述生物特征数据存在异常，则确定第二预警方式，所述第二预警方式为按照第二频率播报危险驾驶行为，所述第二频率低于所述第一频率。

通过采用上述技术方案，行车记录仪根据输出结果指示的情况，采用了两种不同的预警方式。第一预警方式是在行车数据和生物特征数据均异常时触发，表示可能存在更为严重的危险驾驶行为；第二预警方式是在行车数据或生物特征数据异常时触发，表示可能存在轻微的危险驾驶行为。采用多层次的预警方式可以根据具体情况提供更加准确和有针对性的警示信息。根据输出结果确定不同情况下的预警方式，并提供了多层次、差异化的警示措施。这种方式能够通过警示驾驶员引起其对危险驾驶行为的重视，促使其采取正确的驾驶行动，提高行车安全性和减少潜在的风险。

可选的，所述多尺度通道注意力机制为EPSANet网络。

通过采用上述技术方案，EPSANet网络可以通过多个尺度的特征融合来提取更加全面和丰富的特征表示，实现自适应地对不同尺度的特征进行加权和整合，从而有效地捕捉图像中的局部细节和全局上下文信息，有助于提高模型对复杂场景和目标的理解能力。同时，可以减少冗余信息的干扰，提升特征表示的鲁棒性和准确性。

可选的，所述行驶参数信息还包括行车噪音，所述判断所述行驶参数信息是否存在异常，若所述行驶参数信息存在异常，则得到所述第一输出结果，具体包括：根据所述行车噪音，确定噪音值；判断所述噪音值在预设时间段内是否超出预设噪音值范围；若所述噪音值在所述预设时间段内超出所述预设噪音值范围，则确定所述行车噪音异常，并得到所述第一输出结果，所述第一输出结果用于表示所述行车噪音异常。

通过采用上述技术方案，行车记录仪通过对行车噪音进行监测和判断，可以及时发现行车噪音异常情况。再根据预设噪音值范围，可以明确合理的行车噪音范围，有助于确定异常情况的标准，建立行车噪音的参考值，并将其作为行车噪音异常判断的依据，及时发现并处理行车噪音异常，从而保障驾驶安全和乘车体验，并进一步提高了行车预警的准确性。

在本申请的第二方面提供了一种行车预警装置，所述行车预警装置为行车记录仪，所述行车记录仪包括获取模块和处理模块，其中，所述获取模块，用于获取监控数据包，所述监控数据包包括行车数据和生物特征数据；所述处理模块，用于判断所述监控数据包的数据类别，所述数据类别包括行车数据类别和生物特征数据类别；所述处理模块，还用于若确认所述数据类别为行车数据类别，则将所述行车数据输入至预设预警模型中，得到第一输出结果；所述处理模块，还用于若确认所述数据类别为生物特征数据，则将所述生物特征数据输入至所述预设预警模型中，得到第二输出结果；所述处理模块，还用于将所述第一输出结果与所述第二输出结果进行融合，得到所述输出结果；所述处理模块，还用于根据所述输出结果，确定预警方式，以按照所述预警方式执行行车预警操作。

在本申请的第三方面提供了一种电子设备，所述电子设备包括处理器、存储器、用户接口以及网络接口，所述存储器用于存储指令，所述用户接口和所述网络接口均用于给其他设备通信，所述处理器用于执行所述存储器中存储的指令，以使所述电子设备执行如上所述的方法。

在本申请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指令，当所述指令被执行时，执行如上所述的方法。

综上所述，本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

1.行车记录仪通过判断监控数据包中的数据类别，将行车数据和生物特征数据进行分类，有助于更好地理解和处理不同类型的数据。针对行车数据和生物特征数据分别使用预设预警模型进行分析和处理，可以帮助系统及时检测和预测潜在的安全问题或异常情况。接下来，行车记录仪将第一输出结果和第二输出结果进行融合，综合考虑行车数据和生物特征数据对预警的影响，可以提供更准确、全面的预警结果，增强行车预警可靠性。最后，行车记录仪根据输出结果选择适当的预警方式，从而确保行车安全，同时极大地提高了行车预警的准确性；

2.行车记录仪根据输出结果指示的情况，采用了两种不同的预警方式。采用多层次的预警方式可以根据具体情况提供更加准确和有针对性的警示信息。根据输出结果确定不同情况下的预警方式，并提供了多层次、差异化的警示措施。这种方式能够通过警示驾驶员引起其对危险驾驶行为的重视，促使其采取正确的驾驶行动，提高行车安全性和减少潜在的风险；

3.行车记录仪通过对行车噪音进行监测和判断，有助于及时发现并处理行车噪音异常，从而保障驾驶安全和乘车体验，并进一步提高了行车预警的准确性。

附图说明

图1为本申请实施例提供的一种行车预警方法的流程示意图。

图2为本申请实施例提供的一种行车预警装置的模块示意图。

图3为本申请实施例提供的一种电子设备的结构示意图。

附图标记说明：21、获取模块；22、处理模块；31、处理器；32、通信总线；33、用户接口；34、网络接口；35、存储器。

具体实施方式

为了使本领域的技术人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。

在本申请实施例的描述中，“例如”或者“举例来说”等词用于表示作例子、例证或说明。本申请实施例中被描述为“例如”或者“举例来说”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言，使用“例如”或者“举例来说”等词旨在以具体方式呈现相关概念。

在本申请实施例的描述中，术语“多个”的含义是指两个或两个以上。例如，多个系统是指两个或两个以上的系统，多个屏幕终端是指两个或两个以上的屏幕终端。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。

本申请提供了一种行车预警方法，参照图1，图1为本申请实施例提供的一种行车预警方法的流程示意图。该行车预警方法应用于行车记录仪，包括步骤S110至步骤S1

S110、获取监控数据包，监控数据包包括行车数据和生物特征数据。

具体地，行车记录仪首先将会获取监控数据包，监控数据包中包括行车数据和生物特征数据。其中，行车记录仪获取监控数据包的方式包括但不限于接收终端设备发送、内存卡导入以及车机系统上传等。行车记录仪获取行车数据和生物特征数据是实时获取的，行车数据为车辆在行驶过程中所采集的车辆外部数据，包括车辆行驶方向、行驶速度、车道线、交通标志、行人以及障碍物等。生物特征数据为驾驶员驾驶车辆过程中的肢体和面部数据，包括面部表情、视线瞄点、打哈欠、闭眼以及低头等行为动作。

在一种可能的实施方式中，获取监控数据包，具体包括：接收传感器组发送的监控数据；对监控数据进行预处理，得到监控数据包，预处理包括文本处理、语音处理以及图像处理中的一种或多种。

具体地，上述内容为行车记录仪获取监控数据包的具体过程。首先，行车记录仪将接收传感器组发送的监控数据，再对监控数据进行预处理，经过预处理后，将生成监控数据包。其中，传感器组为行车记录仪内部预先设置的多个传感器，包括测距传感器、图像采集传感器以及红外传感器等。行车记录仪内部还包含处理器、存储器、喇叭以及摄像头等。在本申请实施例中，文本处理可以将文本数据转化为结构化的信息。语音处理可以识别关键语音指令或检测异常声音，可以将语音数据转化为预设预警模型能够识别的数据格式，比如经过语音处理，可以将驾驶员打哈欠的声音进行识别，以便于行车记录仪获知驾驶员存在打哈欠行为。图像处理可以提取目标物体、识别交通标志等。

S120、判断监控数据包的数据类别，数据类别包括行车数据类别和生物特征数据类别。

具体地，行车记录仪可以对监控数据包进行数据类别识别，采用预设标签的方式对行车数据类别和生物特征数据。例如，根据两种数据的不同来源，行车数据为车辆外部数据，而生物特征数据为车辆内部数据，从而将行车数据类别数据的标签设置为“外部数据”，生物特征数据的标签设置为“内部数据”，行车记录仪通过识别标签来确定数据类别。

S130、若确认数据类别为行车数据类别，则将行车数据输入至预设预警模型中，得到第一输出结果。

S140、若确认数据类别为生物特征数据，则将生物特征数据输入至预设预警模型中，得到第二输出结果。

具体地，当行车记录仪确定数据类别为行车数据类别，则将行车数据输入至预设预警模型中，从而得到第一输出结果。当行车记录仪确定数据类别为生物特征数据时，则将生物特征数据输入至预设预警模型中，从而得到第二输出结果。其中，预设预警模型为预先构建的分类模型，预设预警模型用于判断行车数据和生物特征数据是否正常，并输出代表正常或异常的输出结果，模型内存储有行车数据或生物特征数据与输出结果的对应关系。

在一种可能的实施方式中，将行车数据输入至预设预警模型中，得到第一输出结果，具体包括：采用多尺度通道注意力机制对行车数据进行分析，确定车辆的行驶参数信息，行驶参数信息包括车道线、交通标志以及行人；判断行驶参数信息是否存在异常，若行驶参数信息存在异常，则得到第一输出结果。

在一种可能的实施方式中，多尺度通道注意力机制为EPSANet网络。

具体地，行车记录仪将行车数据输入至预设预警模型中，将采用多尺度通道注意力机制对行车数据进行分析，确定出车辆的行驶参数信息。接下来，行车记录仪将判断行驶参数信息是否存在异常，当行驶参数信息存在异常后，行车记录仪将得到第一输出结果。其中，多尺度通道注意力机制是指在多个尺度上对特征图的通道进行加权，以强化重要的通道特征，减少无用的通道信息。在本申请实施例中，多尺度通道注意力机制首先将图像转化为特征图，再对基础特征图进行多尺度特征提取，从而得到多尺度特征图。为了得到待检测图片的显著区域，行车记录仪最后将多尺度特征图输入至自适应特征融合网络中进行特征融合。在这个过程中，自适应特征融合网络会根据不同的特征图对应的权重，或大或小的自适应地分配权重并融合上述特征图，从而得到更加准确的显著区域。例如，显著区域为图像中的车道线、交通标志以及行人等。

EPSANet网络是一种针对实时图像分割任务的网络结构。其中，行车记录仪利用EPSANet网络作为多尺度通道注意力机制的实现方式，对基础特征图进行多尺度特征提取，兼顾了图像全局和局部的显著性，可以有效地提高特征图的表达能力和鲁棒性，从而提高图像显著区域的推断准确性。

在一种可能的实施方式中，将生物特征数据输入至预设预警模型中，得到第二输出结果，具体包括：根据生物特征数据，确定驾驶员的第一面部特征；基于第一面部特征与第一面部表情的对应关系，确定第一面部表情；在预设预警模型中检索第一面部表情，并生成检索结果；若检索结果指示预设预警模型中存在第一面部表情对应的第二面部表情，则得到第二输出结果，其中，第一面部表情和第二面部表情为同一种面部表情，第二输出结果用于表示驾驶员存在危险驾驶行为。

具体地，行车记录仪首先根据生物特征数据，确定出驾驶员的第一面部特征。再根据第一面部特征与第一面部表情的对应关系，确定出第一面部表情。接下来，行车记录仪在预设预警模型中检索第一面部表情，从而得到检索结果。当检索结果指示预设预警模型中存在与第一面部表情对应的第二面部表情时，行车记录仪将生成第二输出结果。其中，第一面部特征用于反映驾驶员在驾驶车辆时的面部多个特征位置的集合，例如，特征位置可以为嘴、鼻、眉、左眼、右眼以及舌头中的任意一个，进一步地，面部特征可以为闭眼、打哈欠，也可以为擦汗、面色，具体类型根据具体情况设定，这里不再赘述，预设预警模型中存储有代表危险驾驶行为的面部表情。比如，面部表情为疲劳以及困倦等。

在本申请实施例中，驾驶员面部特征与预设预警模型中的面部表情之间存在某种对应关系，而驾驶员面部特征包括至少一个特征点。所以，基于面部特征与面部表情的对应关系在本申请实施例中可以理解为，面部表情与至少一个面部特征之间的对应关系。其中，面部表情一定存在对应的一组面部特征，而一组面部特征却不一定存在对应的预设面部表情。行车记录仪确定第一面部特征对应的面部表情，其中，面部表情可以有一个，也可以有多个，具体数量根据具体情况分析，这里不再赘述。第一面部表情与第二面部表情为同一种面部表情的含义为两者为相似度达到一定阈值，具体的相似度算法本申请不作限定，这里不再赘述。

S150、将第一输出结果与第二输出结果进行融合，得到输出结果。

具体地，行车记录仪得到第一输出结果和第二输出结果后，将对第一输出结果和第二输出结果进行融合，从而得到输出结果。由此，综合考虑行车数据和生物特征数据对预警的影响，可以提供更准确、全面的预警结果，增强行车预警的可靠性。举例来说，行车记录仪得到的第一输出结果为“行车数据异常”，第二输出结果为“生物特征数据异常”，则输出结果为“行车数据异常、生物特征数据异常”。

S160、根据输出结果，确定预警方式，以按照预警方式执行行车预警操作。

具体地，行车记录仪根据预设预警模型的输出结果，确定出预警方式，从而便于行车记录仪按照预警方式执行行车预警操作。其中，行车记录仪内预先存储有输出结果和预警方式的对应关系，预警方式包括播报语音提示以及振动提示等。行车记录仪根据输出结果选择适当的预警方式，从而确保行车安全，同时极大地提高了行车预警的准确性。举例来说，当输出结果为“行车数据异常、生物特征数据异常”时，行车记录仪将播报语音提示“行车数据异常，生物特征数据异常，请注意”等。

在一种可能的实施方式中，根据输出结果，确定预警方式，具体包括：若确认输出结果指示行车数据和生物特征数据均存在异常，则确定第一预警方式，第一预警方式为按照第一频率播报危险驾驶行为；若确认输出结果指示行车数据或生物特征数据存在异常，则确定第二预警方式，第二预警方式为按照第二频率播报危险驾驶行为，第二频率低于第一频率。

具体地，行车记录仪根据输出结果确定预警方式的具体过程为：当行车记录仪确定输出结果指示行车数据和生物特征数据均存在异常，则确定第一预警方式为按照第一频率播报危险驾驶行为。当行车记录仪确定输出结果指示行车数据或生物特征数据存在异常，则确定第二预警方式为按照第二频率播报危险驾驶行为。其中，第二频率低于第一频率。举例来说，行车记录仪根据行车数据确定“前方行人”，且确定生物特征数据没有异常，则按照每间隔4秒播报“前方行人，请注意避让”的语音提示。另一举例说明，行车记录仪根据行车数据确定“前方左转”，且根据生物特征数据确定“驾驶员闭眼”，则行车记录仪按照每间隔1秒播报“前方左转，注意规范驾驶行为”的语音提示，并且当生物特征数据出现异常时，行车记录仪可以适当提高播报声音，从而有助于驾驶员及时纠正驾驶行为，降低发生安全事故的概率。

在一种可能的实施方式中，行驶参数信息还包括行车噪音，判断行驶参数信息是否存在异常，若行驶参数信息存在异常，则得到第一输出结果，具体包括：根据行车噪音，确定噪音值；判断噪音值在预设时间段内是否超出预设噪音值范围；若噪音值在预设时间段内超出预设噪音值范围，则确定行车噪音异常，并得到第一输出结果，第一输出结果用于表示行车噪音异常。

具体地，行车记录仪还将获取行驶参数信息中的行车噪音，通过比较行车噪音的噪音值在预设时间段内是否超出预设噪音值范围，当噪音值超出预设噪音值范围时，行车记录仪确定行车噪音异常，此时，行车记录仪确定异常的原因为驾驶员所驾驶的车辆被其他车辆鸣笛，并被持续鸣笛一段时间。行车记录仪为保证驾驶员及时根据鸣笛作出对应驾驶操作，将判定行车数据异常，从而便于后续进行语音提示。举例来说，此时行车记录仪将按照每间隔4秒播报“后车鸣笛，请注意避让”等语音提示。其中，预设时间段根据驾驶员自行设置，例如预设时间段可以为4秒。预设噪音值范围为行车记录仪预先设置，例如预设噪音值范围可以为50分贝至70分贝。

本申请还提供了一种行车预警装置，参照图2，图2为本申请实施例提供的一种行车预警装置的模块示意图。该行车预警装置为行车记录仪，行车记录仪包括获取模块21和处理模块22，其中，获取模块21，用于获取监控数据包，监控数据包包括行车数据和生物特征数据；处理模块22，用于判断监控数据包的数据类别，数据类别包括行车数据类别和生物特征数据类别；处理模块22，还用于若确认数据类别为行车数据类别，则将行车数据输入至预设预警模型中，得到第一输出结果；处理模块22，还用于若确认数据类别为生物特征数据，则将生物特征数据输入至预设预警模型中，得到第二输出结果；处理模块22，还用于将第一输出结果与第二输出结果进行融合，得到输出结果；处理模块22，还用于根据输出结果，确定预警方式，以按照预警方式执行行车预警操作。

在一种可能的实施方式中，获取模块21获取监控数据包，具体包括：获取模块21接收传感器组发送的监控数据；处理模块22对监控数据进行预处理，得到监控数据包，预处理包括文本处理、语音处理以及图像处理中的一种或多种。

在一种可能的实施方式中，处理模块22将行车数据输入至预设预警模型中，得到第一输出结果，具体包括：处理模块22采用多尺度通道注意力机制对行车数据进行分析，确定车辆的行驶参数信息，行驶参数信息包括车道线、交通标志以及行人；处理模块22判断行驶参数信息是否存在异常，若行驶参数信息存在异常，则得到第一输出结果。

在一种可能的实施方式中，处理模块22将生物特征数据输入至预设预警模型中，得到第二输出结果，具体包括：处理模块22根据生物特征数据，确定驾驶员的第一面部特征；处理模块22基于第一面部特征与第一面部表情的对应关系，确定第一面部表情；处理模块22在预设预警模型中检索第一面部表情，并生成检索结果；若检索结果指示预设预警模型中存在第一面部表情对应的第二面部表情，则处理模块22得到第二输出结果，其中，第一面部表情和第二面部表情为同一种面部表情，第二输出结果用于表示驾驶员存在危险驾驶行为。

在一种可能的实施方式中，处理模块22根据输出结果，确定预警方式，具体包括：若确认输出结果指示行车数据和生物特征数据均存在异常，则处理模块22确定第一预警方式，第一预警方式为按照第一频率播报危险驾驶行为；若确认输出结果指示行车数据或生物特征数据存在异常，则处理模块22确定第二预警方式，第二预警方式为按照第二频率播报危险驾驶行为，第二频率低于第一频率。

在一种可能的实施方式中，多尺度通道注意力机制为EPSANet网络。

在一种可能的实施方式中，行驶参数信息还包括行车噪音，处理模块22判断行驶参数信息是否存在异常，若行驶参数信息存在异常，则得到第一输出结果，具体包括：处理模块22根据行车噪音，确定噪音值；处理模块22判断噪音值在预设时间段内是否超出预设噪音值范围；若噪音值在预设时间段内超出预设噪音值范围，则处理模块22确定行车噪音异常，并得到第一输出结果，第一输出结果用于表示行车噪音异常。

本申请还提供了一种电子设备，参照图3，图3为本申请实施例提供的一种电子设备的结构示意图。电子设备可以包括：至少一个处理器31，至少一个网络接口34，用户接口33，存储器35，至少一个通信总线32。

其中，通信总线32用于实现这些组件之间的连接通信。

其中，用户接口33可以包括显示屏（Display）、摄像头（Camera），可选用户接口33还可以包括标准的有线接口、无线接口。

其中，网络接口34可选的可以包括标准的有线接口、无线接口（如WI-FI接口）。

其中，处理器31可以包括一个或者多个处理核心。处理器31利用各种接口和线路连接整个服务器内的各个部分，通过运行或执行存储在存储器35内的指令、程序、代码集或指令集，以及调用存储在存储器35内的数据，执行服务器的各种功能和处理数据。可选的，处理器31可以采用数字信号处理（Digital Signal Processing，DSP）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）、可编程逻辑阵列（Programmable Logic Array，PLA）中的至少一种硬件形式来实现。处理器31可集成中央处理器（Central ProcessingUnit，CPU）、图像处理器（Graphics Processing Unit，GPU）和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器31中，单独通过一块芯片进行实现。

其中，存储器35可以包括随机存储器（Random Access Memory，RAM），也可以包括只读存储器（Read-Only Memory）。可选的，该存储器35包括非瞬时性计算机可读介质（non-transitory computer-readable storage medium）。存储器35可用于存储指令、程序、代码、代码集或指令集。存储器35可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令（比如触控功能、声音播放功能、图像播放功能等）、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及的数据等。存储器35可选的还可以是至少一个位于远离前述处理器31的存储装置。如图3所示，作为一种计算机存储介质的存储器35中可以包括操作系统、网络通信模块、用户接口模块以及一种行车预警方法的应用程序。

在图3所示的电子设备中，用户接口33主要用于为用户提供输入的接口，获取用户输入的数据；而处理器31可以用于调用存储器35中存储一种行车预警方法的应用程序，当由一个或多个处理器执行时，使得电子设备执行如上述实施例中一个或多个的方法。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必需的。

本申请还提供了一种计算机可读存储介质，计算机可读存储介质存储有指令。当由一个或多个处理器执行时，使得电子设备执行如上述实施例中一个或多个所述的方法。

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的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所披露的装置，可通过其他的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些服务接口，装置或单元的间接耦合或通信连接，可以是电性或其他的形式。

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单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元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器中。基于这样的理解，本申请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全部或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器中，包括若干指令用以使得一台计算机设备（可为个人计算机、服务器或者网络设备等）执行本申请各个实施例方法的全部或部分步骤。而前述的存储器包括：U盘、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述者，仅为本公开的示例性实施例，不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰，皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践真理的公开后，将容易想到本公开的其他实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未记载的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的范围和精神由权利要求限定。

Claims (10)

1.一种行车预警方法，其特征在于，应用于行车记录仪，所述方法包括：

获取监控数据包，所述监控数据包包括行车数据和生物特征数据；

判断所述监控数据包的数据类别，所述数据类别包括行车数据类别和生物特征数据类别；

若确认所述数据类别为行车数据类别，则将所述行车数据输入至预设预警模型中，得到第一输出结果；

若确认所述数据类别为生物特征数据，则将所述生物特征数据输入至所述预设预警模型中，得到第二输出结果；

将所述第一输出结果与所述第二输出结果进行融合，得到所述输出结果；

根据所述输出结果，确定预警方式，以按照所述预警方式执行行车预警操作。

2.根据权利要求1所述的行车预警方法，其特征在于，所述获取监控数据包，具体包括：

接收传感器组发送的监控数据；

对所述监控数据进行预处理，得到所述监控数据包，所述预处理包括文本处理、语音处理以及图像处理中的一种或多种。

3.根据权利要求1所述的行车预警方法，其特征在于，所述将所述行车数据输入至预设预警模型中，得到第一输出结果，具体包括：

采用多尺度通道注意力机制对所述行车数据进行分析，确定车辆的行驶参数信息，所述行驶参数信息包括车道线、交通标志以及行人；

判断所述行驶参数信息是否存在异常，若所述行驶参数信息存在异常，则得到所述第一输出结果。

4.根据权利要求1所述的行车预警方法，其特征在于，所述将所述生物特征数据输入至所述预设预警模型中，得到第二输出结果，具体包括：

根据所述生物特征数据，确定驾驶员的第一面部特征；

基于所述第一面部特征与第一面部表情的对应关系，确定第一面部表情；

在所述预设预警模型中检索所述第一面部表情，并生成检索结果；

若所述检索结果指示所述预设预警模型中存在所述第一面部表情对应的第二面部表情，则得到所述第二输出结果，其中，所述第一面部表情和所述第二面部表情为同一种面部表情，所述第二输出结果用于表示驾驶员存在危险驾驶行为。

5.根据权利要求1所述的行车预警方法，其特征在于，所述根据所述输出结果，确定预警方式，具体包括：

若确认所述输出结果指示所述行车数据和所述生物特征数据均存在异常，则确定第一预警方式，所述第一预警方式为按照第一频率播报危险驾驶行为；

若确认所述输出结果指示所述行车数据或所述生物特征数据存在异常，则确定第二预警方式，所述第二预警方式为按照第二频率播报危险驾驶行为，所述第二频率低于所述第一频率。

6.根据权利要求3所述的行车预警方法，其特征在于，所述多尺度通道注意力机制为EPSANet网络。

7.根据权利要求3所述的行车预警方法，其特征在于，所述行驶参数信息还包括行车噪音，所述判断所述行驶参数信息是否存在异常，若所述行驶参数信息存在异常，则得到所述第一输出结果，具体包括：

根据所述行车噪音，确定噪音值；

判断所述噪音值在预设时间段内是否超出预设噪音值范围；

若所述噪音值在所述预设时间段内超出所述预设噪音值范围，则确定所述行车噪音异常，并得到所述第一输出结果，所述第一输出结果用于表示所述行车噪音异常。

8.一种行车预警装置，其特征在于，所述行车预警装置为行车记录仪，所述行车记录仪包括获取模块(21)和处理模块(22)，其中，

所述获取模块(21)，用于获取监控数据包，所述监控数据包包括行车数据和生物特征数据；

所述处理模块(22)，用于判断所述监控数据包的数据类别，所述数据类别包括行车数据类别和生物特征数据类别；

所述处理模块(22)，还用于若确认所述数据类别为行车数据类别，则将所述行车数据输入至预设预警模型中，得到第一输出结果；

所述处理模块(22)，还用于若确认所述数据类别为生物特征数据，则将所述生物特征数据输入至所述预设预警模型中，得到第二输出结果；

所述处理模块(22)，还用于将所述第一输出结果与所述第二输出结果进行融合，得到所述输出结果；

所述处理模块(22)，还用于根据所述输出结果，确定预警方式，以按照所述预警方式执行行车预警操作。

9.一种电子设备，其特征在于，所述电子设备包括处理器(31)、存储器(35)、用户接口(33)以及网络接口(34)，所述存储器(35)用于存储指令，所述用户接口(33)和所述网络接口(34)均用于给其他设备通信，所述处理器(31)用于执行所述存储器(35)中存储的指令，以使所述电子设备执行如权利要求1至7任意一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有指令，当所述指令被执行时，执行如权利要求1至7任意一项所述的方法。