CN117876944A - 一种基于音频信号的车辆碰撞识别方法 - Google Patents
一种基于音频信号的车辆碰撞识别方法 Download PDFInfo
- Publication number
- CN117876944A CN117876944A CN202410280130.9A CN202410280130A CN117876944A CN 117876944 A CN117876944 A CN 117876944A CN 202410280130 A CN202410280130 A CN 202410280130A CN 117876944 A CN117876944 A CN 117876944A
- Authority
- CN
- China
- Prior art keywords
- collision
- data
- audio
- time
- vehicle
- 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 56
- 230000005236 sound signal Effects 0.000 title claims abstract description 45
- 238000013135 deep learning Methods 0.000 claims abstract description 9
- 238000003062 neural network model Methods 0.000 claims abstract description 7
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 238000013145 classification model Methods 0.000 claims description 9
- 239000012634 fragment Substances 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 6
- 238000007635 classification algorithm Methods 0.000 abstract description 2
- 238000009434 installation Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 2
- 206010044565 Tremor Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Time Recorders, Dirve Recorders, Access Control (AREA)
Abstract
本发明提供了一种基于音频信号的车辆碰撞识别方法，包括以下步骤：S1，采集公开在网络平台的发生事故的和未发生事故的行车录像视频数据，并对行车录像视频数据进行标记；S2，对标记的行车录像视频数据进行预处理，并转换为音频特征数据；S3，按比例采集音频特征数据，将采集到的音频特征数据构建训练样本，通过深度学习神经网络模型对训练样本进行模型训练，得到二分类模型；通过深度学习分类算法，结合碰撞音频判断车辆是否发生碰撞。实现无需外装传感器识别碰撞，不仅低成本、高准确率，还为主机厂实现事故售后关怀奠定基础。
Description
技术领域
本发明涉及大数据处理技术领域，更具体地说，涉及一种基于音频信号的车辆碰撞识别方法。
背景技术
目前，汽车主机厂如果能识别到车辆是否发生事故，不仅能关怀车主，为其提供救援，保障其安全，而且能给主机厂带来售后优势。而碰撞是车辆发生事故的主要形式，所以车辆碰撞识别一直是汽车主机厂和供应商研究的重要方向。
目前主要的识别方式是加装碰撞传感器识别，加装属于后装行为，已售出车辆并没有安装，这部分车辆占了主机厂的90%。这部分车辆召回困难，而且需要加装费用，无论哪方都不愿轻易承担。因此加装难以推广在这部分车主，无法满足主机厂需求。还有一些方式是通过加速度、速度等车辆信号识别，这种方式容易被噪声、异常信号干扰，影响准确性，因此也难以满足主机厂需求。因此，研究一种无需加装传感器、准确率高的识别方法是主机厂亟待解决的课题。
发明内容
本发明要解决的技术问题在于，针对上述技术方案存在的不足，提供一种提高救援效率的基于音频信号的车辆碰撞识别方法。
本发明提供一种基于音频信号的车辆碰撞识别方法，所述方法包括以下步骤：
S1，采集公开在网络平台的发生事故的和未发生事故的行车录像视频数据，并对行车录像视频数据进行标记；
S2，对标记的行车录像视频数据进行预处理，并转换为音频特征数据；
S3，按比例采集音频特征数据，将采集到的音频特征数据构建训练样本，通过深度学习神经网络模型对训练样本进行模型训练，得到二分类模型；
S4，将步骤S3得到的二分类模型部署在汽车的车机系统中，实时采集车辆环境音频信号数据后输入二分类模型进行判断车辆是否发生碰撞，若至少存在一个音频信号数据发生碰撞时则输出碰撞告警，否则不告警，告警发生后专营店实施救援。
本发明所述的基于音频信号的车辆碰撞识别方法中；所述步骤S1包括以下步骤：
S11，从各大媒体平台下载时长长短不一、驾驶场景多样且带有环境背景声音的行车录像视频数据；
S12，将行车录像视频数据分类为自身发生碰撞与自身未发生碰撞的视频数据，若发生碰撞，则将发生碰撞的视频数据标记为发生碰撞的时刻，其中，发生碰撞的时刻为time_m n，前x秒发生碰撞的时刻为time_s n，后x秒发生碰撞的时刻为time_e n；若未发生碰撞，则不标记未发生碰撞的视频数据，其中n表示第n条视频，x表示时长。
本发明所述的基于音频信号的车辆碰撞识别方法中；所述步骤S2包括以下步骤：
S21，将时长长短不一的视频数据按间隔2x秒进行裁剪；将前x秒发生碰撞的时刻time_s n t至后x秒发生碰撞的时刻time_e n作为一个视频片段，并记录为碰撞样本集合，其次，将原视频开始时间time_min n至发生碰撞前的时刻time_s n和发生碰撞后的时刻time_e n至原视频结束时间time_max n按时间顺序依次裁剪成一系列2x秒一段的视频，并记录为碰撞关联样本集合/>，其中，m和k分别表示碰撞样本和碰撞关联样本的总数，/>表示第m个碰撞样本，/>表示第k个碰撞关联样本。
本发明所述的基于音频信号的车辆碰撞识别方法中；所述步骤S2还包括以下步骤：
S22，对未发生碰撞的视频数据直接按时间顺序对整段视频进行裁剪为一系列2x秒一段的视频，记录为无碰撞样本集合；其中，l无碰撞样本的总数，/>表示l个无碰撞样本。
本发明所述的基于音频信号的车辆碰撞识别方法中；所述步骤S2还包括以下步骤：
S23，提取碰撞样本集合、碰撞关联样本集合与无碰撞样本集合/>的音频特征数据，并对所有音频特征数据进行逐帧提取频率和振幅，再按时间顺序拼接得到根据时间顺序的振幅、频率数据更新后的碰撞样本集合/>、碰撞相关样本集合/>与无碰撞样本集合/>其中，/>、/>和/>分别表示/>、/>和/>对应的音频特征数据，所述音频特征数据包括声音随时间变化的音频与振幅信息。
本发明所述的基于音频信号的车辆碰撞识别方法中；所述步骤S3包括以下步骤：
S31，通过与/>进行采集碰撞样本集合/>、碰撞相关样本集合/>与无碰撞样本集合/>的训练样本分布数量，其中，采集后的样本为碰撞样本集合/>、碰撞相关样本集合与无碰撞样本集合/>；其中，/>，/>和/>分别为需要从/>、/>和/>采集的样本数量，且/>，/>表示第/>个碰撞样本，/>表示第/>个碰撞关联样本，/>表示第/>个无碰撞样本。
本发明所述的基于音频信号的车辆碰撞识别方法中；所述步骤S3还包括以下步骤：
S32，将定义为正样本，/>和/>合并为负样本，通过深度学习神经网络模型对正样本与负样本进行模型训练得到二分类模型。
本发明所述的基于音频信号的车辆碰撞识别方法中；所述步骤S4包括以下步骤：
S41，汽车的车机系统每隔x秒采集一次车辆环境音频信号数据，采集当前时刻前x秒时长的音频片段数据，存储近三次采集到的音频片段数据，将三次采集到的音频片段数据分别记为aud 1，aud 2和aud 3。
本发明所述的基于音频信号的车辆碰撞识别方法中；所述步骤S4还包括以下步骤：
S42，将三次采集到的音频片段数据aud 1，aud 2和aud 3依次进行步骤S23后转换后为、/>和/>，当音频片段数据/>、/>和/>满足触发规则时，将三个音频片段数据、/>和/>输入二分类模型进行判断车辆是否发生碰撞，若至少存在一个音频发生碰撞时则输出碰撞告警，否则不告警，告警发生后专营店实施救援。
本发明所述的基于音频信号的车辆碰撞识别方法中；在所述步骤S42中所述的触发规则为第i个处理后的音频数据的最大振幅/>大于/>，若满足上述触发规则就触发判断，若不满足，则不触发判断；其中，/>表示第i个处理后的音频数据，db表示振幅，/>表示最大振幅，/>表示振幅的触发阈值。
本发明的基于音频信号的车辆碰撞识别方法通过深度学习分类算法，结合碰撞音频判断车辆是否发生碰撞。实现无需外装传感器识别碰撞，不仅低成本、高准确率，还为主机厂实现事故售后关怀奠定基础。
附图说明
图1是本发明基于音频信号的车辆碰撞识别方法实施例的流程示意图；
图2是本发明基于音频信号的车辆碰撞识别方法中发生碰撞时的视频片段图；
图3是本发明基于音频信号的车辆碰撞识别方法中发生碰撞前与发生碰撞后的视频片段图；
图4是本发明基于音频信号的车辆碰撞识别方法中为发生碰撞的视频片段图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
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、系统、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。
如图1所示，是本发明基于音频信号的车辆碰撞识别方法实施例的流程示意图。提供一种基于音频信号的车辆碰撞识别方法，包括以下步骤：
在步骤S1中，采集公开在网络平台的发生事故的和未发生事故的行车录像视频数据，并对行车录像视频数据进行标记；
在步骤S2中，对标记的行车录像视频数据进行预处理，并转换为音频特征数据；
在步骤S3中，按比例采集音频特征数据，将采集到的音频特征数据构建训练样本，通过深度学习神经网络模型对训练样本进行模型训练，得到二分类模型；
在步骤S4中，将步骤S3得到的二分类模型部署在汽车的车机系统中，实时采集车辆环境音频信号数据后输入二分类模型进行判断车辆是否发生碰撞，若至少存在一个音频信号数据发生碰撞时则输出碰撞告警，否则不告警，告警发生后专营店实施救援。
在本实施例中，所述步骤S1包括以下步骤：
在步骤S11中，从各大媒体平台下载时长长短不一、驾驶场景多样且带有环境背景声音的行车录像视频数据；
在步骤S12中，将行车录像视频数据分类为自身发生碰撞与自身未发生碰撞的视频数据，若发生碰撞，则将发生碰撞的视频数据标记为发生碰撞的时刻，其中，发生碰撞的时刻为time_m n，前x秒发生碰撞的时刻为time_s n，后x秒发生碰撞的时刻为time_e n；若未发生碰撞，则不标记未发生碰撞的视频数据，其中n表示第n条视频，x表示时长。
在本实施例中，所述步骤S2包括以下步骤：
在步骤S21中，将时长长短不一的视频数据按间隔2x秒进行裁剪；将前x秒发生碰撞的时刻time_s n t至后x秒发生碰撞的时刻time_e n作为一个视频片段，如图2中标记区域所示，并记录为碰撞样本集合，其次，将原视频开始时间time_min n至发生碰撞前的时刻time_s n和发生碰撞后的时刻time_e n至原视频结束时间time_max n按时间顺序依次裁剪成一系列2x秒一段的视频，如图3标记区域所示，并记录为碰撞关联样本集合/>，其中，m，k和l分别表示碰撞样本、碰撞关联样本和无碰撞样本的总数，/>表示第m个碰撞样本，/>表示第k个碰撞关联样本。
在本实施例中，所述步骤S2还包括以下步骤：
在步骤S22中，对未发生碰撞的视频数据直接按时间顺序对整段视频进行裁剪为一系列2x秒一段的视频，如图4标记区域所示，记录为无碰撞样本集合；其中，/>第l个无碰撞样本。
在本实施例中，所述步骤S2还包括以下步骤：
在步骤S23中，提取碰撞样本集合、碰撞关联样本集合/>与无碰撞样本集合的音频特征数据，并对所有音频特征数据进行逐帧提取频率和振幅，再按时间顺序拼接得到根据时间顺序的振幅、频率数据更新后的碰撞样本集合、碰撞相关样本集合/>与无碰撞样本集合/>其中，/>、/>和/>分别表示、/>和/>对应的音频特征数据，所述音频特征数据包括声音随时间变化的音频与振幅信息。
在本实施例中，所述步骤S3包括以下步骤：
在步骤S31中，通过与/>进行采集碰撞样本集合/>、碰撞相关样本集合与无碰撞样本集合/>的训练样本分布数量，其中，采集后的样本为碰撞样本集合/>、碰撞相关样本集合/>与无碰撞样本集合；其中，/>，/>和/>分别为需要从/>、/>和/>采集的样本数量，且/>，/>表示第/>个碰撞样本，/>第/>个碰撞关联样本，/>第/>个无碰撞样本。/>表示碰撞样本。
在本实施例中，所述步骤S3还包括以下步骤：
在步骤S32中，将定义为正样本，/>和/>合并为负样本，通过深度学习神经网络模型对正样本与负样本进行模型训练得到二分类模型。
在本实施例中，所述步骤S4包括以下步骤：
在步骤S41中，汽车的车机系统每隔x秒采集一次车辆环境音频信号数据，采集当前时刻前x秒时长的音频片段数据，存储近三次采集到的音频片段数据，将三次采集到的音频片段数据分别记为aud 1，aud 2和aud 3。为了降低存储消耗，仅存储近三次采集的数据。
在本实施例中，所述步骤S4还包括以下步骤：
在步骤S42中，将三次采集到的音频片段数据aud 1，aud 2和aud 3依次进行步骤S23后转换后为、/>和/>，当音频片段数据/>、/>和/>满足触发规则时，将三个音频片段数据/>、/>和/>输入二分类模型进行判断车辆是否发生碰撞，若至少存在一个音频发生碰撞时则输出碰撞告警，否则不告警，告警发生后专营店实施救援。
在本实施例中，在所述步骤S42中所述的触发规则为第i个处理后的音频数据的最大振幅/>大于/>，若满足上述触发规则就触发判断，若不满足，则不触发判断；其中，/>表示第i个处理后的音频数据，db表示振幅，/>表示最大振幅，/>表示振幅的触发阈值。本实施例中/>为0.3。
从各大媒体平台如抖音、快手等下载时长长短不一、驾驶场景多样、有环境背景声音的录像视频。将录像视频分为自身发生碰撞、自身未发生碰撞两种。对发生碰撞的视频标记发生碰撞的时刻，记时间为time_m n，对前x秒发生碰撞的视频发生碰撞时刻标记记为time_s n，后x秒发生碰撞的视频发生碰撞标记为time_e n。未发生的视频则不标记。
车辆发生碰撞时，除加速度外，周边环境声音也会有一个明显变化。而车联网的车机系统会实时采集车辆的环境声音，基于该信息引入深度学习模型进行是否碰撞的二分类，能有效提高准确率。通过主机厂结合自身的数据资源，再引入前沿AI算法，能在此基础上识别车辆碰撞，为售后关怀、救援奠定基础。
本发明实施例提供的一种基于音频信号的车辆碰撞识别方法的有益效果至少在于：
1、本发明能直接在车端实现碰撞识别，无需将数据上传至云端，不仅提高识别速度，而且防止了客户隐私数据泄露；
2、相比传统加装碰撞传感器的识别方式，本发明仅碰撞音频判断车辆是否发生碰撞。实现无需外装传感器识别碰撞，且低成本、高准确率。
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，本发明并不受所描述的动作顺序的限制，因为依据本发明，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发明所必须的。
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根据上述实施例的方法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，但很多情况下前者是更佳的实施方式。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(如 ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，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的方法。
因此，以上所述，仅为本发明较佳的具体实施方式，本发明的保护范围并不局限于此，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，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内，本发明的保护范围应该以权利要求的保护范围为准。
Claims (10)
1.一种基于音频信号的车辆碰撞识别方法，其特征在于，所述方法包括以下步骤：
S1，采集公开在网络平台的发生事故的和未发生事故的行车录像视频数据，并对行车录像视频数据进行标记；
S2，对标记的行车录像视频数据进行预处理，并转换为音频特征数据；
S3，按比例采集音频特征数据，将采集到的音频特征数据构建训练样本，通过深度学习神经网络模型对训练样本进行模型训练，得到二分类模型；
S4，将步骤S3得到的二分类模型部署在汽车的车机系统中，实时采集车辆环境音频信号数据后输入二分类模型进行判断车辆是否发生碰撞，若至少存在一个音频信号数据发生碰撞时则输出碰撞告警，否则不告警，告警发生后专营店实施救援。
2.根据权利要求1所述的基于音频信号的车辆碰撞识别方法，其特征在于，所述步骤S1包括以下步骤：
S11，从各大媒体平台下载时长长短不一、驾驶场景多样且带有环境背景声音的行车录像视频数据；
S12，将行车录像视频数据分类为自身发生碰撞与自身未发生碰撞的视频数据，若发生碰撞，则将发生碰撞的视频数据标记为发生碰撞的时刻，其中，发生碰撞的时刻为time_m n，前x秒发生碰撞的时刻为time_s n，后x秒发生碰撞的时刻为time_e n；若未发生碰撞，则不标记未发生碰撞的视频数据，其中n表示第n条视频，x表示时长。
3.根据权利要求2所述的基于音频信号的车辆碰撞识别方法，其特征在于，所述步骤S2包括以下步骤：
S21，将时长长短不一的视频数据按间隔2x秒进行裁剪；将前x秒发生碰撞的时刻time_ s n t至后x秒发生碰撞的时刻time_e n作为一个视频片段，并记录为碰撞样本集合，其次，将原视频开始时间time_min n至发生碰撞前的时刻time_s n和发生碰撞后的时刻time_e n至原视频结束时间time_max n按时间顺序依次裁剪成一系列2x秒一段的视频，并记录为碰撞关联样本集合/>，其中，m和k分别表示碰撞样本和碰撞关联样本的总数，/>表示第m个碰撞样本，/>表示第k个碰撞关联样本。
4.根据权利要求3所述的基于音频信号的车辆碰撞识别方法，其特征在于，所述步骤S2还包括以下步骤：
S22，对未发生碰撞的视频数据直接按时间顺序对整段视频进行裁剪为一系列2x秒一段的视频，记录为无碰撞样本集合；其中，l无碰撞样本的总数，/>表示第l个无碰撞样本。
5.根据权利要求4所述的基于音频信号的车辆碰撞识别方法，其特征在于，所述步骤S2还包括以下步骤：
S23，提取碰撞样本集合、碰撞关联样本集合与无碰撞样本集合/>的音频特征数据，并对所有音频特征数据进行逐帧提取频率和振幅，再按时间顺序拼接得到根据时间顺序的振幅、频率数据更新后的碰撞样本集合/>、碰撞相关样本集合/>与无碰撞样本集合/>，其中，/>、/>和/>分别表示/>、/>和/>对应的音频特征数据，所述音频特征数据包括声音随时间变化的音频与振幅信息。
6.根据权利要求5所述的基于音频信号的车辆碰撞识别方法，其特征在于，所述步骤S3包括以下步骤：
S31，通过与/>进行采集碰撞样本集合、碰撞相关样本集合/>与无碰撞样本集合/>的训练样本分布数量，其中，采集后的样本为碰撞样本集合/>、碰撞相关样本集合与无碰撞样本集合/>；其中，/>，/>和/>分别为需要从/>、/>和采集的样本数量，且/>，/>表示第/>个碰撞样本，表示第/>个碰撞关联样本，/>表示第/>个无碰撞样本。
7.根据权利要求6所述的基于音频信号的车辆碰撞识别方法，其特征在于，所述步骤S3还包括以下步骤：
S32，将定义为正样本，/>和/>合并为负样本，通过深度学习神经网络模型对正样本与负样本进行模型训练得到二分类模型。
8.根据权利要求7所述的基于音频信号的车辆碰撞识别方法，其特征在于，所述步骤S4包括以下步骤：
S41，汽车的车机系统每隔x秒采集一次车辆环境音频信号数据，采集当前时刻前x秒时长的音频片段数据，存储近三次采集到的音频片段数据，将三次采集到的音频片段数据分别记为aud 1，aud 2和aud 3。
9.根据权利要求8所述的基于音频信号的车辆碰撞识别方法，其特征在于，所述步骤S4还包括以下步骤：
S42，将三次采集到的音频片段数据aud 1，aud 2和aud 3依次进行步骤S23后转换后为、和/>，当音频片段数据/>、/>和/>满足触发规则时，将三个音频片段数据、/>和/>输入二分类模型进行判断车辆是否发生碰撞，若至少存在一个音频发生碰撞时则输出碰撞告警，否则不告警，告警发生后专营店实施救援。
10.根据权利要求9所述的基于音频信号的车辆碰撞识别方法，其特征在于，在所述步骤S42中所述的触发规则为第i个处理后的音频数据的最大振幅/>大于/>，若满足上述触发规则就触发判断，若不满足，则不触发判断；其中，/>表示第i个处理后的音频数据，db表示振幅，/>表示最大振幅，/>表示振幅的触发阈值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410280130.9A CN117876944A (zh) | 2024-03-12 | 2024-03-12 | 一种基于音频信号的车辆碰撞识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410280130.9A CN117876944A (zh) | 2024-03-12 | 2024-03-12 | 一种基于音频信号的车辆碰撞识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117876944A true CN117876944A (zh) | 2024-04-12 |
Family
ID=90597163
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410280130.9A Pending CN117876944A (zh) | 2024-03-12 | 2024-03-12 | 一种基于音频信号的车辆碰撞识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117876944A (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180336424A1 (en) * | 2017-05-16 | 2018-11-22 | Samsung Electronics Co., Ltd. | Electronic device and method of detecting driving event of vehicle |
| CN112529177A (zh) * | 2020-12-04 | 2021-03-19 | 广州亚美智造科技有限公司 | 一种车辆碰撞检测方法及装置 |
| CN112744174A (zh) * | 2021-01-18 | 2021-05-04 | 深圳广联赛讯股份有限公司 | 车辆碰撞监测方法、装置、设备及计算机可读存储介质 |
-
2024
- 2024-03-12 CN CN202410280130.9A patent/CN117876944A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180336424A1 (en) * | 2017-05-16 | 2018-11-22 | Samsung Electronics Co., Ltd. | Electronic device and method of detecting driving event of vehicle |
| CN112529177A (zh) * | 2020-12-04 | 2021-03-19 | 广州亚美智造科技有限公司 | 一种车辆碰撞检测方法及装置 |
| CN112744174A (zh) * | 2021-01-18 | 2021-05-04 | 深圳广联赛讯股份有限公司 | 车辆碰撞监测方法、装置、设备及计算机可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109800633B (zh) | 一种非机动车交通违法判断方法、装置和电子设备 | |
| JP4242422B2 (ja) | 突発事象の記録・解析システム | |
| Jafarnejad et al. | Towards a real-time driver identification mechanism based on driving sensing data | |
| CN108351968A (zh) | 一种针对犯罪活动的告警方法、装置、存储介质及服务器 | |
| CN112744174B (zh) | 车辆碰撞监测方法、装置、设备及计算机可读存储介质 | |
| US10752213B2 (en) | Detecting an event and automatically obtaining video data | |
| CN107871297A (zh) | 行程中的安全监测方法及装置 | |
| US20070282519A1 (en) | System and method for analyzing traffic disturbances reported by vehicles | |
| CN105117096A (zh) | 一种基于图像识别的反跟踪方法及装置 | |
| CN108156406A (zh) | 行车记录仪的信息处理方法和装置 | |
| CN114373189A (zh) | 一种行为检测方法、装置、终端设备及存储介质 | |
| CN113569698A (zh) | 车辆监控方法、车辆及计算机可读存储介质 | |
| CN114387780A (zh) | 车辆损坏识别和事故管理系统和方法 | |
| CN105139481A (zh) | 一种汽车喇叭识别系统 | |
| CN111785057A (zh) | 一种突发事件的提示方法、装置及车辆 | |
| CN103136909A (zh) | 一种卡口车辆自动预警系统及其预警方法 | |
| CN114970897A (zh) | 数据处理方法、装置、电子设备及车辆 | |
| CN114900331A (zh) | 基于can报文特征的车载can总线入侵检测方法 | |
| Hoppe et al. | IT-forensic automotive investigations on the example of route reconstruction on automotive system and communication data | |
| CN105404882A (zh) | 一种基于导航系统的反跟踪方法及装置 | |
| CN116279500B (zh) | 一种车辆碰撞识别方法 | |
| CN117876944A (zh) | 一种基于音频信号的车辆碰撞识别方法 | |
| CN109388368B (zh) | 人机交互方法、装置、无人车及其存储介质 | |
| CN110826433B (zh) | 试驾用户情绪分析数据处理方法、装置、设备与存储介质 | |
| CN113140212A (zh) | 一种车辆安全监控方法、装置及安全监控设备 |
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 |