CN117922604A - 一种车辆紧急情况确定方法、装置、设备及存储介质 - Google Patents
一种车辆紧急情况确定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117922604A CN117922604A CN202311385853.7A CN202311385853A CN117922604A CN 117922604 A CN117922604 A CN 117922604A CN 202311385853 A CN202311385853 A CN 202311385853A CN 117922604 A CN117922604 A CN 117922604A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- emergency
- determining
- steering wheel
- driver 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000014509 gene expression Effects 0.000 claims abstract description 64
- 238000011217 control strategy Methods 0.000 claims abstract description 19
- 238000004590 computer program Methods 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 3
- 206010039203 Road traffic accident Diseases 0.000 abstract description 8
- 238000012549 training Methods 0.000 abstract description 5
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000008921 facial expression Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种车辆紧急情况确定方法、装置、设备及存储介质。包括:获取当前车辆的驾驶员图像信息和方向盘握力;构建表情识别模型,将驾驶员图像信息输入表情识别模型以确定当前车辆情况,其中,表情识别模型中包括样本驾驶员图像和车辆情况的对应关系;根据当前车辆情况和方向盘握力确定车辆紧急情况。通过训练表情识别模型,将获取的驾驶员图像信息输入表情识别模型即可确定当前车辆情况,通过当前车辆情况和方向盘握力综合确定车辆紧急情况,增加了判断的精确性,使驾驶员及时发现车辆紧急情况,并且在车辆发生紧急情况时,通过启动安全控制策略控制车速、制动踏板和方向盘转角,可以有效避免交通事故的发生,保证了驾驶员和乘客的安全。
Description
技术领域
本发明涉及自动驾驶技术领域,尤其涉及一种车辆紧急情况确定方法、装置、设备及存储介质。
背景技术
随着汽车保有量提高,道路拥挤日趋严重,出现交通事故越来越多,如何降低或避免发生交通事故,成为每个车主用户必须关注的问题,近年来随着智能网联汽车快速发展,为降低或避免在城市拥挤道路发生交通事故提供了解决方案。
现有车辆自动驾驶通过布置在车辆四周的雷达传感器和摄像头,将采集距离信息和车身周围图像信息传给自动驾驶控制器,在发生危险情况下,自动驾驶控制器控制车速和方向盘转角,结合车辆现有车辆四周摄像头系统,实现与周围车辆避让。
目前各大主机厂都提供了不同等级的自动驾驶功能,通过布置在车身的雷达传感器和摄像头,通过图像拟合算法,实现自动驾驶功能。但是在城市拥挤道路工况时,设置在车身外的摄像头和传感器识别难度高,无法及时发现车辆的紧急情况,不能很好的保证驾驶员和乘客的安全。
发明内容
本发明提供了一种车辆紧急情况确定方法、装置、设备及存储介质,以确定出车辆的紧急情况,实现自动避让。
根据本发明的一方面,提供了一种车辆紧急情况确定方法,该方法包括:
获取当前车辆的驾驶员图像信息和方向盘握力;
构建表情识别模型,将驾驶员图像信息输入表情识别模型以确定当前车辆情况,其中,表情识别模型中包括样本驾驶员图像和车辆情况的对应关系;
根据当前车辆情况和方向盘握力确定车辆紧急情况。
可选的,获取当前车辆的驾驶员图像信息和方向盘握力,包括:根据指定时间间隔获取摄像装置拍摄的驾驶员图像信息,其中,摄像装置安装于当前车辆的指定位置;根据指定时间间隔获取握力传感器采集的方向盘握力。
可选的,构建表情识别模型,包括:搭建表情识别模型的网络结构,并确定网络结构的初始模型参数;获取历史驾驶员图像信息,对历史驾驶员图像信息进行特征提取以获取样本驾驶员图像,并基于样本驾驶员图像获取用户标注的真实车辆情况;根据样本驾驶员图像和初始模型参数确定最终模型参数,并将最终模型参数对应的网络结构作为表情识别模型。
可选的,根据样本驾驶员图像和初始模型参数确定最终模型参数,包括:将样本驾驶员图像输入表情识别模型的网络结构以获取输出的样本车辆情况;确定样本驾驶员图像对应的真实车辆情况,并根据样本车辆情况和真实车辆情况确定模型准确率;判断模型准确率是否大于预设阈值,若是,将初始模型参数作为最终模型参数;否则,基于模型准确率对初始模型参数进行调整以获取调整模型参数,将调整模型参数作为最终模型参数。
可选的,根据当前车辆情况和方向盘握力确定车辆紧急情况,包括:判断当前车辆情况是否为安全情况,若是,确定车辆紧急情况为非紧急情况;否则,根据方向盘握力确定车辆紧急情况。
可选的,根据方向盘握力确定车辆紧急情况,包括:获取预设方向盘握力阈值;判断方向盘握力是否大于方向盘握力阈值,若是,确定车辆紧急情况为紧急情况;否则,确定车辆紧急情况为非紧急情况。
可选的,在确定车辆紧急情况为紧急情况之后,还包括:根据紧急情况生成提示信息;基于提示信息采用指定方式进行报警并获取安全控制策略,其中,安全控制策略包括控制车速、制动踏板信息和方向盘转角信息;根据安全控制策略对当前车辆进行控制。
根据本发明的另一方面,提供了一种车辆紧急情况确定装置,该装置包括:
驾驶员图像及握力获取模块,用于获取当前车辆的驾驶员图像信息和方向盘握力;
模型构建及车辆情况确定模块,用于构建表情识别模型,根据驾驶员图像信息和表情识别模型确定当前车辆情况,其中,表情识别模型中包括样本驾驶员图像和车辆情况的对应关系;
车辆紧急控制模块,用于根据当前车辆情况和方向盘握力确定车辆紧急情况。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
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计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的一种车辆紧急情况确定方法。
根据本发明的另一方面,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计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的一种车辆紧急情况确定方法。
本发明实施例的技术方案,通过训练表情识别模型,将获取的驾驶员图像信息输入表情识别模型即可确定当前车辆情况,通过当前车辆情况和方向盘握力综合确定车辆紧急情况,增加了判断的精确性,使驾驶员及时发现车辆紧急情况,并且在车辆发生紧急情况时,通过启动安全控制策略控制车速、制动踏板和方向盘转角,可以有效避免交通事故的发生,保证了驾驶员和乘客的安全。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,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他的附图。
图1是根据本发明实施例一提供的一种车辆紧急情况确定方法的流程图;
图2是根据本发明实施例一提供的另一种车辆紧急情况确定方法的流程图;
图3是根据本发明实施例一提供的另一种车辆紧急情况确定方法的流程图;
图4是根据本发明实施例二提供的另一种车辆紧急情况确定方法的流程图;
图5是根据本发明实施例三提供的一种车辆紧急情况确定装置的结构示意图;
图6是实现本发明实施例的一种车辆紧急情况确定方法的电子设备的结构示意图
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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前提下所获得的所有其他实施例,都应当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、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。
实施例一
图1为本发明实施例一提供了一种车辆紧急情况确定方法的流程图,本实施例可适用于驾驶员驾驶车辆的情况,该方法可以由车辆紧急情况确定装置来执行,该车辆紧急情况确定装置可以采用硬件和/或软件的形式实现,该车辆紧急情况确定装置可配置于车辆控制器中。如图1所示,该方法包括:
S110、获取当前车辆的驾驶员图像信息和方向盘握力。
其中,驾驶员图像信息中包括由摄像装置拍摄的人脸表情数据。驾驶员在驾驶车辆时,会根据车辆的所处情况作出不同的面部表情,例如,在遇到紧急情况时,驾驶员会做出惊恐、惊讶的表情,区别于正常驾驶情况的面部表情,故本实施例通过采集人脸表情数据进行学习,以进一步确定车辆的紧急情况。方向盘握力是指驾驶员在驾驶车辆的过程中手握方向盘所产生的握力,驾驶员在遇到紧急情况时,会比正常驾驶情况下的方向盘握力更大。
可选的,获取当前车辆的驾驶员图像信息和方向盘握力,包括:根据指定时间间隔获取摄像装置拍摄的驾驶员图像信息,其中,摄像装置安装于当前车辆的指定位置;根据指定时间间隔获取握力传感器采集的方向盘握力。
具体的,指定时间间隔是指用户设置的采集周期,示例性的,指定时间间隔可以是1s,此时车辆控制器会每1s获取一次驾驶员图像信息和方向盘握力,用户可以在车辆控制器上进行设置,车辆控制器是指车辆的车机,包含带有触摸功能的显示屏,用户可以通过触摸显示屏上的虚拟按键选择指定功能,也可以通过显示屏查看包含指定功能的图像画面,用户是指车辆内部操作控制器的人员,可以是驾驶员或乘客。驾驶员图像信息由摄像装置拍摄,摄像装置安装于当前车辆的指定位置,指定位置可以是方向盘表面。方向盘握力由设置在方向盘上的握力传感器采集,需要说明的是,握力传感器的数量可以是多个,可以根据握力传感器采集的握力信息判断出驾驶员是单手握方向盘还是双手握方向盘。
S120、构建表情识别模型,将驾驶员图像信息输入表情识别模型以确定当前车辆情况,其中,表情识别模型中包括样本驾驶员图像和车辆情况的对应关系。
其中,表情识别模型是用于识别驾驶员图像信息中的人脸表情以确定当前车辆情况的模型。
图2为本发明实施例一提供了一种车辆紧急情况确定方法的流程图,步骤S120主要包括如下的步骤S121至步骤S124:
S121、搭建表情识别模型的网络结构,并确定网络结构的初始模型参数。
S122、获取历史驾驶员图像信息,对历史驾驶员图像信息进行特征提取以获取样本驾驶员图像,并基于样本驾驶员图像获取用户标注的真实车辆情况。
具体的,控制器会使用样本驾驶员图像训练表情识别模型,即对获取的历史驾驶员图像信息进行特征提取,提取其中的人脸表情作为样本驾驶员图像,并基于样本驾驶员图像获取用户标注的真实场景所对应的真实车辆情况。
S123、根据样本驾驶员图像和初始模型参数确定最终模型参数,并将最终模型参数对应的网络结构作为表情识别模型。
可选的,根据样本驾驶员图像和初始模型参数确定最终模型参数,包括:将样本驾驶员图像输入表情识别模型的网络结构以获取输出的样本车辆情况;确定样本驾驶员图像对应的真实车辆情况,并根据样本车辆情况和真实车辆情况确定模型准确率;判断模型准确率是否大于预设阈值,若是,将初始模型参数作为最终模型参数;否则,基于模型准确率对初始模型参数进行调整以获取调整模型参数,将调整模型参数作为最终模型参数。
具体的,控制器会先搭建表情识别模型的网络结构,并确定网络结构对应的初始模型参数,然后将样本驾驶员图像输入表情识别模型的网络结构以实现对表情识别模型的训练,即将样本驾驶员图像输入表情识别模型的网络结构获取输出的样本车辆情况,将样本车辆情况和真实车辆情况进行比较以确定模型准确率,当模型准确率大于预设阈值时,将初始模型参数作为最终模型参数,而当模型准确率小于等于预设阈值时,基于模型准确率对初始模型参数进行调整以获取调整模型参数作为最终模型参数。保证了表情识别模型的准确率,也使得车辆紧急情况的判断变得更加准确。
S124、将驾驶员图像信息输入表情识别模型以确定当前车辆情况。
S130、根据当前车辆情况和方向盘握力确定车辆紧急情况。
图3为本发明实施例一提供了一种车辆紧急情况确定方法的流程图,步骤S130主要包括如下的步骤S131至步骤S136:
S131、判断当前车辆情况是否为安全情况,若是,执行S132,否则,执行S133-S134。
S132、确定车辆紧急情况为非紧急情况。
S133、获取预设方向盘握力阈值。
S134、判断方向盘握力是否大于方向盘握力阈值,若是,执行S135,否则,执行S136。
S135、确定车辆紧急情况为紧急情况。
S136、确定车辆紧急情况为非紧急情况。
具体的,控制器会综合车辆情况以及方向盘握力对车辆紧急情况进行判断。车辆情况包括安全情况和非安全情况,当车辆情况为安全情况时,可以直接确定车辆紧急情况为非紧急情况,而当车辆安全情况为非安全情况时,需要进一步根据方向盘握力判断车辆紧急情况。其中,方向盘握力阈值是用户预先设置的,方向盘握力阈值可以包括单手握力阈值和双手握力阈值,通过握力传感器可以感应出驾驶员是采用单手驾驶模式还是双手驾驶模式,然后选择对应的握力阈值进行比较,当方向盘握力大于方向盘握力阈值时,确定车辆紧急情况为紧急情况。当方向盘握力小于等于方向盘握力阈值时,确定车辆紧急情况为非紧急情况。
本发明实施例的技术方案,通过训练表情识别模型,将获取的驾驶员图像信息输入表情识别模型即可确定当前车辆情况,通过当前车辆情况和方向盘握力综合确定车辆紧急情况,增加了判断的精确性,使驾驶员及时发现车辆紧急情况,并且在车辆发生紧急情况时,通过启动安全控制策略控制车速、制动踏板和方向盘转角,可以有效避免交通事故的发生,保证了驾驶员和乘客的安全。
实施例二
图4为本发明实施例二提供的一种车辆紧急情况确定方法的流程图,本实施例在上述实施例一的基础上增加了获取安全控制策略对车辆进行控制的过程。其中,步骤S210-S230的具体内容与实施例一中的步骤S110-S130大致相同,因此本实施方式中不再进行赘述。如图4所示,该方法包括:
S210、获取当前车辆的驾驶员图像信息和方向盘握力。
可选的,获取当前车辆的驾驶员图像信息和方向盘握力,包括:根据指定时间间隔获取摄像装置拍摄的驾驶员图像信息,其中,摄像装置安装于当前车辆的指定位置;根据指定时间间隔获取握力传感器采集的方向盘握力。
S220、构建表情识别模型,将驾驶员图像信息输入表情识别模型以确定当前车辆情况,其中,表情识别模型中包括样本驾驶员图像和车辆情况的对应关系。
可选的,构建表情识别模型,包括:搭建表情识别模型的网络结构,并确定网络结构的初始模型参数;获取历史驾驶员图像信息,对历史驾驶员图像信息进行特征提取以获取样本驾驶员图像,并基于样本驾驶员图像获取用户标注的真实车辆情况;根据样本驾驶员图像和初始模型参数确定最终模型参数,并将最终模型参数对应的网络结构作为表情识别模型。
可选的,根据样本驾驶员图像和初始模型参数确定最终模型参数,包括:将样本驾驶员图像输入表情识别模型的网络结构以获取输出的样本车辆情况;确定样本驾驶员图像对应的真实车辆情况,并根据样本车辆情况和真实车辆情况确定模型准确率;判断模型准确率是否大于预设阈值,若是,将初始模型参数作为最终模型参数;否则,基于模型准确率对初始模型参数进行调整以获取调整模型参数,将调整模型参数作为最终模型参数。
S230、根据当前车辆情况和方向盘握力确定车辆紧急情况。
可选的,根据当前车辆情况和方向盘握力确定车辆紧急情况,包括:判断当前车辆情况是否为安全情况,若是,确定车辆紧急情况为非紧急情况;否则,根据方向盘握力确定车辆紧急情况。
可选的,根据方向盘握力确定车辆紧急情况,包括:获取预设方向盘握力阈值;判断方向盘握力是否大于方向盘握力阈值,若是,确定车辆紧急情况为紧急情况;否则,确定车辆紧急情况为非紧急情况。
S240、根据紧急情况生成提示信息。
S250、基于提示信息采用指定方式进行报警并获取安全控制策略,其中,安全控制策略包括控制车速、制动踏板信息和方向盘转角信息。
S260、根据安全控制策略对当前车辆进行控制。
具体的,控制器可以根据紧急情况生成提示信息,进一步的,控制器会根据提示信息采用指定方式进行报警,报警是为了对用户进行提示,便于用户及时掌握车辆发生紧急情况,以使用户对车辆进行调整,保证后续车辆正常驾驶。指定方式包括语音或图像,语音可以通过和控制器相连的扬声器进行播报,例如,语音内容可以是:车辆发生紧急情况。图像可以通过和控制器相连的车机显示屏进行展示,以对用户进行提示。同时,为了确保车辆和乘客的安全,控制器也会获取安全控制策略,安全控制策略包括控制车速、制动踏板信息和方向盘转角信息,可以及时对当前车辆进行控制,帮助车辆脱离紧急情况,保证行驶过程中的安全。
本发明实施例的技术方案,通过训练表情识别模型,将获取的驾驶员图像信息输入表情识别模型即可确定当前车辆情况,通过当前车辆情况和方向盘握力综合确定车辆紧急情况,增加了判断的精确性,使驾驶员及时发现车辆紧急情况,并且在车辆发生紧急情况时,通过启动安全控制策略控制车速、制动踏板和方向盘转角,可以有效避免交通事故的发生,保证了驾驶员和乘客的安全。
实施例三
图5为本发明实施例三提供的一种车辆紧急情况确定装置的结构示意图。如图5所示,该装置包括:驾驶员图像及握力获取模块310,用于获取当前车辆的驾驶员图像信息和方向盘握力;模型构建及车辆情况确定模块320,用于构建表情识别模型,根据驾驶员图像信息和表情识别模型确定当前车辆情况,其中,表情识别模型中包括样本驾驶员图像和车辆情况的对应关系;车辆紧急控制模块330,用于根据当前车辆情况和方向盘握力确定车辆紧急情况。
可选的,驾驶员图像及握力获取模块310,具体用于:根据指定时间间隔获取摄像装置拍摄的驾驶员图像信息,其中,摄像装置安装于当前车辆的指定位置;根据指定时间间隔获取握力传感器采集的方向盘握力。
可选的,模型构建及车辆情况确定模块320,具体包括:初始模型参数确定单元,用于:搭建表情识别模型的网络结构,并确定网络结构的初始模型参数;样本驾驶员图像提取单元,用于:获取历史驾驶员图像信息,对历史驾驶员图像信息进行特征提取以获取样本驾驶员图像,并基于样本驾驶员图像获取用户标注的真实车辆情况;最终模型参数确定单元,用于根据样本驾驶员图像和初始模型参数确定最终模型参数,并将最终模型参数对应的网络结构作为表情识别模型。
可选的,最终模型参数确定单元,具体用于:将样本驾驶员图像输入表情识别模型的网络结构以获取输出的样本车辆情况;确定样本驾驶员图像对应的真实车辆情况,并根据样本车辆情况和真实车辆情况确定模型准确率;判断模型准确率是否大于预设阈值,若是,将初始模型参数作为最终模型参数;否则,基于模型准确率对初始模型参数进行调整以获取调整模型参数,将调整模型参数作为最终模型参数。
可选的,车辆紧急控制模块330,具体包括:安全情况判断单元,用于:判断当前车辆情况是否为安全情况,非紧急情况确定单元,用于当车辆安全情况为安全情况时,确定车辆紧急情况为非紧急情况;方向盘握力判断单元,用于当车辆安全情况为非安全情况时,根据方向盘握力确定车辆紧急情况。
可选的,方向盘握力判断单元,具体用于:获取预设方向盘握力阈值;判断方向盘握力是否大于方向盘握力阈值,若是,确定车辆紧急情况为紧急情况;否则,确定车辆紧急情况为非紧急情况。
可选的,装置还包括:车辆紧急控制模块,用于:在确定车辆紧急情况为紧急情况之后,根据紧急情况生成提示信息;基于提示信息采用指定方式进行报警并获取安全控制策略,其中,安全控制策略包括控制车速、制动踏板信息和方向盘转角信息;根据安全控制策略对当前车辆进行控制。
本发明实施例的技术方案,通过训练表情识别模型,将获取的驾驶员图像信息输入表情识别模型即可确定当前车辆情况,通过当前车辆情况和方向盘握力综合确定车辆紧急情况,增加了判断的精确性,使驾驶员及时发现车辆紧急情况,并且在车辆发生紧急情况时,通过启动安全控制策略控制车速、制动踏板和方向盘转角,可以有效避免交通事故的发生,保证了驾驶员和乘客的安全。
本发明实施例所提供的一种车辆紧急情况确定装置可执行本发明任意实施例所提供的一种车辆紧急情况确定方法,具备执行方法相应的功能模块和有益效果。
实施例四
图6示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图6所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如一种车辆紧急情况确定方法。也即:获取当前车辆的驾驶员图像信息和方向盘握力;构建表情识别模型,将驾驶员图像信息输入表情识别模型以确定当前车辆情况,其中,表情识别模型中包括样本驾驶员图像和车辆情况的对应关系;根据当前车辆情况和方向盘握力确定车辆紧急情况。
在一些实施例中,一种车辆紧急情况确定方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的一种车辆紧急情况确定方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行一种车辆紧急情况确定方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种车辆紧急情况确定方法,其特征在于,包括:
获取当前车辆的驾驶员图像信息和方向盘握力;
构建表情识别模型,将所述驾驶员图像信息输入所述表情识别模型以确定当前车辆情况,其中,所述表情识别模型中包括样本驾驶员图像和车辆情况的对应关系;
根据所述当前车辆情况和所述方向盘握力确定车辆紧急情况。
2.根据权利要求1所述的方法,其特征在于,所述获取当前车辆的驾驶员图像信息和方向盘握力,包括:
根据指定时间间隔获取摄像装置拍摄的驾驶员图像信息,其中,所述摄像装置安装于当前车辆的指定位置;
根据指定时间间隔获取握力传感器采集的方向盘握力。
3.根据权利要求1所述的方法,其特征在于,所述构建表情识别模型,包括:
搭建表情识别模型的网络结构,并确定所述网络结构的初始模型参数;
获取历史驾驶员图像信息,对所述历史驾驶员图像信息进行特征提取以获取样本驾驶员图像,并基于所述样本驾驶员图像获取用户标注的真实车辆情况;
根据所述样本驾驶员图像和所述初始模型参数确定最终模型参数,并将所述最终模型参数对应的网络结构作为所述表情识别模型。
4.根据权利要求3所述的方法,其特征在于,所述根据所述样本驾驶员图像和所述初始模型参数确定最终模型参数,包括:
将所述样本驾驶员图像输入所述表情识别模型的网络结构以获取输出的样本车辆情况;
确定所述样本驾驶员图像对应的真实车辆情况,并根据所述样本车辆情况和所述真实车辆情况确定模型准确率;
判断所述模型准确率是否大于预设阈值,若是,将所述初始模型参数作为所述最终模型参数;
否则,基于所述模型准确率对所述初始模型参数进行调整以获取调整模型参数,将所述调整模型参数作为所述最终模型参数。
5.根据权利要求1所述的方法,其特征在于,所述根据所述当前车辆情况和所述方向盘握力确定车辆紧急情况,包括:
判断所述当前车辆情况是否为安全情况,若是,确定所述车辆紧急情况为非紧急情况;
否则,根据所述方向盘握力确定车辆紧急情况。
6.根据权利要求5所述的方法,其特征在于,所述根据所述方向盘握力确定车辆紧急情况,包括:
获取预设方向盘握力阈值;
判断所述方向盘握力是否大于方向盘握力阈值,若是,确定所述车辆紧急情况为紧急情况;
否则,确定所述车辆紧急情况为非紧急情况。
7.根据权利要求6所述的方法,其特征在于,在所述确定所述车辆紧急情况为紧急情况之后,还包括:
根据所述紧急情况生成提示信息;
基于所述提示信息采用指定方式进行报警并获取安全控制策略,其中,所述安全控制策略包括控制车速、制动踏板信息和方向盘转角信息;
根据所述安全控制策略对当前车辆进行控制。
8.一种车辆紧急情况确定装置,其特征在于,包括:
驾驶员图像及握力获取模块,用于获取当前车辆的驾驶员图像信息和方向盘握力;
模型构建及车辆情况确定模块,用于构建表情识别模型,根据所述驾驶员图像信息和所述表情识别模型确定当前车辆情况,其中,所述表情识别模型中包括样本驾驶员图像和车辆情况的对应关系;
车辆紧急控制模块,用于根据所述当前车辆情况和所述方向盘握力确定车辆紧急情况。
9.一种电子设备,其特征在于,所述电子设备包括:
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计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
10.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311385853.7A CN117922604A (zh) | 2023-10-24 | 2023-10-24 | 一种车辆紧急情况确定方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311385853.7A CN117922604A (zh) | 2023-10-24 | 2023-10-24 | 一种车辆紧急情况确定方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117922604A true CN117922604A (zh) | 2024-04-26 |
Family
ID=90756236
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311385853.7A Pending CN117922604A (zh) | 2023-10-24 | 2023-10-24 | 一种车辆紧急情况确定方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117922604A (zh) |
-
2023
- 2023-10-24 CN CN202311385853.7A patent/CN117922604A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020042859A1 (zh) | 智能驾驶控制方法和装置、车辆、电子设备、存储介质 | |
CN113135193B (zh) | 输出预警信息的方法、设备、存储介质及程序产品 | |
CN113052047B (zh) | 交通事件的检测方法、路侧设备、云控平台及系统 | |
CN117922604A (zh) | 一种车辆紧急情况确定方法、装置、设备及存储介质 | |
CN116442996A (zh) | 一种车辆换道控制方法、装置、设备及存储介质 | |
CN116923372A (zh) | 驾驶控制方法、装置、设备及介质 | |
CN115489536A (zh) | 一种驾驶辅助方法、系统、设备及可读存储介质 | |
CN114852068A (zh) | 一种行人避撞方法、装置、设备以及存储介质 | |
CN114379547A (zh) | 制动控制方法、装置、车辆、电子设备及存储介质 | |
CN113428176B (zh) | 无人车驾驶策略的调整方法、装置、设备和存储介质 | |
CN116494992B (zh) | 一种车辆控制方法、装置、电子设备及存储介质 | |
CN114708740B (zh) | 一种交通灯的控制方法、系统、装置以及设备 | |
CN116039637B (zh) | 自动驾驶车辆的能量回收方法、装置及系统 | |
CN113791564B (zh) | 远程控制的方法、装置、设备、云端服务器及控制系统 | |
RU2793737C1 (ru) | Способ интеллектуальной парковки и устройства для его реализации | |
CN111866056B (zh) | 信息推送方法、装置、电子设备和存储介质 | |
CN116013109A (zh) | 一种通行提示方法、装置、设备及介质 | |
CN117585022A (zh) | 基于PyQt5的数据处理方法、装置、设备和存储介质 | |
CN117336541A (zh) | 一种高速路场景下的视频传输方法、装置、设备及存储介质 | |
CN116533997A (zh) | 车辆的制动方法、装置、车辆及存储介质 | |
CN117533301A (zh) | 基于车辆行驶信息控制车辆行驶的方法及装置 | |
CN116118739A (zh) | 一种车辆周边监视方法及系统 | |
CN116844377A (zh) | 车辆预警方法、装置、电子设备及存储介质 | |
CN116279538A (zh) | 一种辅助车辆驾驶的可视化方法及系统 | |
CN114872669A (zh) | 驻车异常的制动控制方法、装置、车载终端、车辆及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |