CN115984990A - 基于机器视角的车辆驾驶员驾驶事故追溯方法及*** - Google Patents
基于机器视角的车辆驾驶员驾驶事故追溯方法及*** Download PDFInfo
- Publication number
- CN115984990A CN115984990A CN202211447183.2A CN202211447183A CN115984990A CN 115984990 A CN115984990 A CN 115984990A CN 202211447183 A CN202211447183 A CN 202211447183A CN 115984990 A CN115984990 A CN 115984990A
- Authority
- CN
- China
- Prior art keywords
- information
- video
- accident
- driver
- backtracking
- 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
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种基于机器视角的车辆驾驶员驾驶事故追溯方法及***,该方法包括步骤:实时获取行驶中车辆的行驶视频录制信息;从驾驶人员操作信息中获取驾驶人员非标准操作行为信息,并根据非标准操作行为信息触发回溯视频录制指令;获取非标准操作行为信息终止点,并根据终止点生成回溯视频录制结束指令;基于回溯视频录制指令以及回溯视频录制结束指令生成异常操作视频并根据异常操作视频确定事故原因。通过采用上述技术方案,在正常的视频录制之外直接获取关于驾驶人员非常规操作的视频,对该时间段的视频单独保存,以在事故回溯分析原因时,可以直接查看存在异常的视频,降低回溯工作时的工作量,提升分析时对于事故点定位的准确性。
Description
技术领域
本申请涉及事故追溯***领域,尤其是涉及一种基于机器视角的车辆驾驶员驾驶事故追溯方法及***。
背景技术
交通事故的处理一直以来是让人头疼的问题。针对于真实出现交通事故,如何对事故现场做出快速反映(应急指挥、交通疏导等)、对事故进行快速判定和对肇事车辆追责成为交通执法部门的三大难题。一般来说,车辆发生事故后,车辆事故数据可以被记录在车辆的各传感器、外接的数据记录设备上,又或者是通过联网被记录到后台的数据库中,并做中心化存储。
针对上述技术问题,发明人认为存在有,在进行事故回溯时,需要从较多视频中才查找出与此次事故相关的视频,需要花费较高的人工成本和时间成本的问题。
发明内容
为了提高事故追溯的便利性,本申请提供一种基于机器视角的车辆驾驶员驾驶事故追溯方法及***。
第一方面,本申请提供一种基于机器视角的车辆驾驶员驾驶事故追溯方法,采用如下的技术方案:
一种基于机器视角的车辆驾驶员驾驶事故追溯方法,包括步骤:
实时获取行驶中车辆的行驶视频录制信息;其中,所述行驶视频录制信息包括驾驶人员操作信息以及车辆行驶信息;
从所述驾驶人员操作信息中获取驾驶人员非标准操作行为信息,并根据所述非标准操作行为信息触发回溯视频录制指令;
获取所述非标准操作行为信息终止点,并根据所述终止点生成回溯视频录制结束指令;
基于所述回溯视频录制指令以及回溯视频录制结束指令生成异常操作视频并根据所述异常操作视频确定事故原因。
通过采用上述技术方案,实时获取行驶中的车辆的行驶视频录制信息,以实时检测视频中的录制对象是否出现了非标准操作行为,如果出现了非标准操作行为,则正常的视频录制之外直接获取关于驾驶人员非常规操作的视频,对该时间段的视频单独保存,以在事故回溯分析原因时,可以直接查看存在异常的视频,降低回溯工作时的工作量,提升分析时对于事故点定位的准确性。
可选的,所述基于所述回溯视频录制指令以及回溯视频录制结束指令生成异常操作视频步骤,还包括:
实时获取异常操作视频录制时长;
获取车辆监控设备设定的监控录像保存断点;
判断所述异常操作视频录制时长是否覆盖所述监控录像保存断点;
若包含,则生成时间断点延长指令,以延长监控录像保存断点延长至所述异常操作视频录制时长之外。
通过采用上述技术方案,监控设备采用的是一段一段定时保存视频的方式,如果在获取异常操作视频的过程中出现视频断开的情况,会导致无法获取到完整的异常操作视频,影响在对事故回溯时的判断。因此,通过延长在获取异常操作视频时监控录像保存断点的方式,以保证异常操作视频获取的完整性,进而提交在对异常操作视频回溯时数据分析的准确性。
可选的,上述方法还包括:
基于所述异常操作视频生成帧图像;
对帧图像进行压缩并进行存储。
通过采用上述技术方案,视频存储会占用原监控设备的存储空间,将异常操作视频转化为帧图像的情况下,可以减少额外保存的视频占用原始存储空间,提高视频监控的录制质量。
可选的,上述方法还包括:
根据事故类型、环境信息、驾驶员动作信息以及事故严重程度信息建立视频处理模型用以计算参数设置方案;其中,视频处理模型包括事故类型系数、环境信息系数、驾驶员动作信息系数以及事故严重程度信息系数;
根据事故类型、环境信息、驾驶员动作信息、事故严重程度信息分别与对应的系数乘积之和得出动态系数匹配方案;
根据动态系数匹配方案对异常操作视频中的指定视频片段设置视频参数。
通过采用上述技术方案,所获取的异常操作视频是未经过处理的视频,视频中因外部因素会导致部分跟事故相关的信息不清楚,因此,通过建立视频处理模型,并通过获取事故发生时的事故类型、环境信息、驾驶员动作信息、事故严重程度信息等信息与视频处理模型中的进行匹配,以得到数值判断的参考,将所得到的数值乘以对应的系数以得到动态系数匹配方案,采用该方案对异常操作视频中的视频片段进行特殊处理,比如对某些片段进行放大、对某些片段进行慢镜头设置等,以便在事故追溯时,可以比较直观快速的获取到事故的成因,提高了事故回溯时的效率。
可选的,所述环境信息系数通过以下方式计算:
获取光线方向信息、光线强度信息、光源远景信息以及季节信息,并给光线方向信息、光线强度信息、光源远景信息以及季节信息分配预设权重;
计算光线方向信息、光线强度信息、光源远景信息以及季节信息的加权以得到环境信息系数。
通过采用上述技术方案,光线方向、光线强度、光源远近以及季节不同,都会影响环境信息系数,因此,通过获取上述数据的加权,以得到最终的环境信息系数,提高了数据计算时的准确性。
可选的,将所述帧图像形成帧图像集;
基于所述帧图像集建立关于异常操作动作过程的三维模拟图像。
通过采用上述技术方案,设置三维模拟图像,以还原事故发生时的事故过程,以获得直观的视觉数据,提高了事故追溯的便利性。
可选的,获取三维模拟图像中动作不清晰部分数据信息;
基于异常操作出现时间,获取其他摄像机位在该时间的画面信息;
对该画面信息进行视频识别并获取有关于于异常操作的补充帧图像;
将该补充帧图像补充至所述帧图像集中并重新生成三维模拟图像。
通过采用上述技术方案,部分的画面会因为遮挡原因,导致部分机位的画面不完整,因此,通过获取该时间段下其他机位摄像头所拍摄画面的方式,以补全三维模拟图像中缺漏的部分,通过获取晚上的视频画面,提高事故回溯时事故原因判断的准确性。
第二方面,本申请提供一种基于机器视角的车辆驾驶员驾驶事故追溯***,采用如下的技术方案:
一种基于机器视角的车辆驾驶员驾驶事故追溯***,该***包括:
车辆行驶录制模块,用于获取行驶中车辆的行驶视频录制信息;其中,所述行驶视频录制信息包括驾驶人员操作信息以及车辆行驶信息;
回溯视频触发录制模块,用于从所述驾驶人员操作信息中获取驾驶人员非标准操作行为信息,并根据所述非标准操作行为信息触发回溯视频录制指令;
回溯视频截止录制模块,用于获取所述非标准操作行为信息终止点,并根据所述终止点生成回溯视频录制结束指令;
回溯视频获取模块,基于所述回溯视频录制指令以及回溯视频录制结束指令生成异常操作视频,可以根据所述异常操作视频确定事故原因。
通过采用上述技术方案,实时获取行驶中的车辆的行驶视频录制信息,以实时检测视频中的录制对象是否出现了非标准操作行为,如果出现了非标准操作行为,则正常的视频录制之外直接获取关于驾驶人员非常规操作的视频,对该时间段的视频单独保存,以在事故回溯分析原因时,可以直接查看存在异常的视频,降低回溯工作时的工作量,提升分析时对于事故点定位的准确性。
第三方面,本申请提供一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述基于机器视角的车辆驾驶员驾驶事故追溯方法的步骤。
第四方面,本申请提供一种计算机可读存储介质,存储有能够被处理器加载并执行上述第一方面的计算机程序。
综上所述,本申请具有以下有益效果:
实时获取行驶中的车辆的行驶视频录制信息,以实时检测视频中的录制对象是否出现了非标准操作行为,如果出现了非标准操作行为,则正常的视频录制之外直接获取关于驾驶人员非常规操作的视频,对该时间段的视频单独保存,以在事故回溯分析原因时,可以直接查看存在异常的视频,降低回溯工作时的工作量,提升分析时对于事故点定位的准确性。
附图说明
图1是本申请一实施例中一种基于机器视角的车辆驾驶员驾驶事故追溯方法的一流程图;
图2是本申请一实施例中对异常操作视频处理及保存方法的流程图;
图3是本申请一实施例中一种基于机器视角的车辆驾驶员驾驶事故追溯***的一模块框图;
具体实施方式
以下结合附图1-3对本申请作进一步详细说明。
本申请实施例公开一种基于机器视角的车辆驾驶员驾驶事故追溯方法,参见图1,该方法包括以下步骤:
S100:获取行驶中车辆的行驶视频录制信息;其中,行驶视频录制信息包括驾驶人员操作信息以及车辆行驶信息。
在本实施例中,行驶视频录制信息是指行驶车辆自带的监控录像设备录制的视频。
具体地,实时获取车辆内监控设备录制的监控视频,所获取的视频中包含了对准驾驶车位角度录制的驾驶人员操作监控视频以及关于车辆运行时车厢内的详细情况。以便于对车辆内人员的各项动作有全面的了解。
S200:从驾驶人员操作信息中获取驾驶人员非标准操作行为信息,并根据非标准操作行为信息触发回溯视频录制指令。
在本实施例中,非标准操作行为是指驾驶人员未按照驾驶规范手册操作的行为。回溯视频录制指令是指在出现了违规操作动作之后触发的视频录制指令。
具体地,将驾驶人员驾驶该车辆的规范操作动作做成动作规范库,将视频中的驾驶人员的操作动作与规范动作库中动作进行对比,比如速度调节操作,将该操作与规范动作进行对比,如果速度调节动作不规范,导致车辆的速度没有在预设时间内调节至预设速度,那么该操作是不规范的,在获取到该不规范操作之后,触发***以生成回溯视频录制指令,开始获取该段不规范操作的视频,以便在分析车辆事故时,提供可视化证据。
进一步的,将动作规范库内的动作,按照车辆行驶的时间点进行分组,在本实施例中,以五分钟作为一个节点,将所有动作划分成等时长的小组;获取车辆行驶的时长,在进行动作对比时,加载对应小组内的动作,以判断该动作是否与标准动作对应,若是对应,则证明该操作车辆驾驶的动作属于标准规范动作。
S300:获取非标准操作行为信息终止点,并根据终止点生成回溯视频录制结束指令。
在本实施例中,非标准操作行为信息终止点是指驾驶人员停下非标准操作的时间点。结束指令是指结束对该段违规操作动作录制的命令。
具体地,在驾驶人员的操作重新恢复正常之后,即在进行动作对比之后,没有出现违规动作,视为恢复正常,***接收到该信息之后,生成停止录制指令,根据停止录制指令,结束回溯视频录制,并将所获取到的视频进行保存。
例如,驾驶人员在进行换道行驶时,获取到驾驶人员未打转向灯的操作,则启动录制指令,以将驾驶人员的该违规操作进行录制,直到驾驶人员换道完成截止。
在获取了异常操作视频之后,自动将该段视频导入至视频剪辑模块中,同时将所获取的异常操作视频进行二次与动作规范库内的动作进行对比,直到违规动作停止,则生成视频保存指令,以控制视频剪辑模块截取到该时间点的视频时长,并将该时长的异常操作视频进行保存,将违规操作结束后的视频时长从异常操作视频中去除,减小了异常操作视频文件的大小,同时还可以提高了异常操作视频中有用信息的含量。
进一步地,在一实施例中,S300包括S301:实时获取异常操作视频录制时长;获取车辆监控设备设定的监控录像保存断点;判断异常操作视频录制时长是否覆盖监控录像保存断点;若包含,则生成时间断点延长指令,重新形成监控录像保存断点至异常操作视频录制时长之后时间点。
在本实施例中,监控录像保存断点是指监控录像本地存储保存每段视频的结束时间点。时间断点延长指令是用来将监控视频结束点延长的控制指令。
具体地,在触发了异常操作视频录制指令之后,同步获取监控视频正在录制中的视频段的结束时间点,异常操作视频录制中出现了监控录制视频结束时间点,***生成延长保存指令,以将结束时间点延长至异常操作视频录制完毕后,监控录制的视频也进行保存。通过延长监控设备原始视频保存时长的方式,以令异常操作视频在录制时,保持完整的视频段,方便对视频的二次截取,同时还提高了可视化的便利性。
进一步地,在一实施例中,根据事故类型、环境信息、驾驶员动作信息以及事故严重程度信息建立视频处理模型用以计算参数设置方案;其中,视频处理模型包括事故类型系数、环境信息系数、驾驶员动作信息系数以及事故严重程度信息系数;根据事故类型、环境信息、驾驶员动作信息、事故严重程度信息分别与对应的系数乘积之和得出动态系数匹配方案;根据动态系数匹配方案对异常操作视频中的指定视频片段设置视频参数。
在本实施例中,事故类型是指车辆发生的事故类型;环境信息是指在出现异常的部位当时的环境,包括光线、摄像清晰度等。动态系数匹配方案是指给视频中的哪些特定片段设置怎么样的视频参数,其中视频参数包括对某个地方进行放大、慢镜头、调整聚焦等等。
具体地,从历史发生的车辆事故案例中获取相关的参考数据,在本实施例中,主要是从历史发生的每个事故案例中提取事故类型、环境信息、驾驶员动作信息以及事故严重程度信息等建立视频处理模型,视频处理模型中包含了计算动态系数匹配方案时事故类型、环境信息、驾驶员动作信息以及事故严重程度信息对应的系数(也就是权重)以及根据所计算的结果得到的相对应的处理方案,处理方案中根据事故类型、环境信息、驾驶员动作以及事故严重程度,对所获取的异常操作视频中的某些片段的视频参数重新设置,也就是上述的动态系数匹配方案。
例如,在本实施例中事故类型、驾驶员动作信息以及事故严重程度信息对应的系数分别为1、3、2、4,事故类型按照等级划分,分为1级、2级、3级、4级;在计算环境信息时,需要先获取视频录制时的光线方向信息、光线强度信息、光源远近信息以及季节信息,在本实施例中,光线方向信息、光线强度信息、光源远近信息以及季节信息的权重分别对应为0.2、0.4、0.3、0.1,光线方向为正向,则为6分,逆光则为4分,光线强度按照光线等级划分,20lx-25lx的设定为7分,15lx-20lx的设定为5分,15lx-20lx的设定为3分,10lx以下的为1分;光源远近信息中,4-5m内设定分值为1分,2-4m内设定分值为2分,1m内为3分;季节信息中,夏秋季匹配的分值为2分,春冬季匹配的分值为1分;通过计算其中一个案例,得到环境信息为2.8;驾驶员动作按照其操作的违规程度计算,常规不影响车辆运行的违规计分为2分,影响车辆运行但是未造成车辆事故的计分5分,事故的计分8分;事故严重程度根据人员伤亡情况计算,人员伤亡达总人数的20%计分2分,人员伤亡达总人数的40%计分4分,人员伤亡达总人数的60%计分6分,全员有伤亡的计分10分;在本实施例中,以事故等级为2级、环境信息为2.8分(逆光、光线强度为15lx、光源距离为3m、秋季)、驾驶员动作评分为2分,事故严重程度2分计算,得分为22.4分,对应的动态系数匹配方案为对该视频片段进行慢镜头同时放大处理。
进一步地,在一实施例中,S300还包括S400:基于异常操作视频生成帧图像;对帧图像进行压缩形成帧图像压缩包并进行存储。
在本实施例中,帧图像是指截取视频中的画面制作成为一帧一帧的图像。
具体地,通过时间间隔或者是帧数间隔的方式截取视频帧,在本实施例中,以时间间隔的方式,获取视频帧,所获取的帧视频按照获取时间的先后进行有序的排列,并在将视频转化为帧视频之后,对该帧视频进行压缩保存。例如,在车辆发车前要确认出场信号机开放,但是发现在驾驶人员启动车辆之后,未出现确认出场信号机开放的操作,在获取了该操作对应的视频之后,将该视频进行帧截取以转化为帧图像。
进一步地,在令一实施例中,对所生成的帧图像整理成帧图像集,基于所整理的帧图像集生成三维模拟图像,在本实施例中,通过ContextCapture自动将所获取的帧图像生成三维实景模型,获取模型中数据缺失的部分,对该部分的数据进行定位,并获取同一场景下,其他机位摄像头所拍摄的画面,将其他摄像头所拍摄的图像补充到该模型的搭建中,以获取完整的图像信息,以便直观的回溯事故发生时的景象。
进一步地,在一实施例中,S400还包括S500:在完成视频转化之后,在保存时,对该文件夹以未正确处理事项进行命名,如上述提及的,未确认出场信号机开放视频,则将该保存的文件夹标记为“未确认出场信号机开放”,方便在进行事故回溯时,对目标视频的查找提取。
进一步地,在一实施例中,S500还包括S600:当接收到客户端发送的事故探查指令时,确定事故探查指令对应的目标事故;获取预先标记的与目标事故对应的帧图像压缩包;将帧图像压缩包内的帧图像通过预设规则复原成异常操作视频并将该视频发送至客户端,使客户端依据异常操作视频对目标事故进行可视化回溯。
在本实施例中,事故探查指令是指用来提取目标异常操作视频的搜索指令。预先标记是指对于每一段异常操作视频保存时使用事故发生的原因进行标记;目标事故是指若干异常操作视频中客户端此次需要查询的对象。
具体地,获取到客户端输入的探查指令,根据用户输入的内容采用关键字搜索的方式,搜索处所要提取的目标对象,以定位出目标事故对应的帧图像压缩包,对该压缩包进行解压,并将帧视频图像导入到合成软件中,以得到视频图像,并将该视频发送至客户端。例如:***获取到客户端输入了关键字:出场信号机,***对该输入进行处理,并查询与该输入匹配的标识文件,最终定位到命名为“未确认出场信号机开放”的文件,这对该文件进行提取,同时该文件进行解压、合成视频处理,再发送至客户端。
进一步地,上述方法还包括:基于执行此次驾驶任务的行驶任务信息,获取驾驶人员的能力信任值信息;基于能力信任值信息从帧图像压缩包内判断此次事故与驾驶员之间的关联性;根据关联性确认事故成因。
在本实施例中,能力信任值信息是指用来评价驾驶该车辆的驾驶人员各方面综合能力的评分。
具体地,在计算能力信任值信息时,获取该车辆当前驾驶人员的驾龄、车辆操作复杂度、驾驶员操作熟练度以及驾驶人员的性格,并给所获取的这几项数据匹配相应的权重系数,通过计算加权平均值的公式计算该驾驶人员的能力信任值信息,也就是将对应的评分乘以权重系数,再将每一个乘积相加,通过自动计算的方式,得到能力信任值。例如,驾龄、车辆操作复杂度、驾驶员操作熟练度、驾驶人员的性格的权重系数分别为30%、20%、20%、30%,驾龄在3年内的评分为10分,3-5年为20分,依次类推;车辆操作复杂度一级为50分,二级为30分,三级为10分;驾驶员操作熟练度通过此次事故得到对应的评分(从所获取的帧图像中判断事故出现时,驾驶人员的操作而进行评分);驾驶人员的性格按照性格测试得分进行计算,在本实施例以70分为例进行计算说明,该驾驶人员的能力信任值=30%*10+20%*30+20%*70+30%*70=44分,分数越低关联度越高。通过以驾驶员操作熟练度作为计算的变量,以判断导致驾驶人员与事故发生的成因之间的关联度。
进一步地,在一实施例中,获取此次事故时车辆的各项运行状态信息,例如车辆的制动***是否处于正常工作状态、车速等,从运行状态中获取在事故发生时出现错误的参数,并判断出现该错误参数是否是因为驾驶人员错误操作导致的,若是,则判定该事故与驾驶人员相关。
本申请实施例还公开一种基于机器视角的车辆驾驶员驾驶事故追溯***,参见图2,该***包括车辆行驶录制模块、回溯视频触发录制模块、回溯视频截止录制模块以及回溯视频获取模块。
车辆行驶录制模块用于获取行驶中车辆的行驶视频录制信息;其中,行驶视频录制信息包括驾驶人员操作信息以及车辆行驶信息;回溯视频触发录制模块用于从驾驶人员操作信息中获取驾驶人员非标准操作行为信息,并根据非标准操作行为信息触发回溯视频录制指令;回溯视频截止录制模块用于获取非标准操作行为信息终止点,并根据终止点生成回溯视频录制结束指令;回溯视频获取模块用于基于回溯视频录制指令以及回溯视频录制结束指令生成异常操作视频,可以根据异常操作视频确定事故原因。
进一步地,该回溯视频获取模块包括录制时长控制模块,录制时长控制模块实时获取异常操作视频录制时长;获取车辆监控设备设定的监控录像保存断点;判断异常操作视频录制时长是否覆盖监控录像保存断点;若包含,则生成时间断点延长指令,重新形成监控录像保存断点至异常操作视频录制时长之后时间点。
进一步地,该***还包括视频处理保存模块,视频处理保存模块基于异常操作视频生成帧图像; 对帧图像进行压缩形成帧图像压缩包并进行存储。
进一步地,该***还包括参数设置模块,参数设置模块根据事故类型、环境信息、驾驶员动作信息以及事故严重程度信息建立视频处理模型用以计算参数设置方案;其中,视频处理模型包括事故类型系数、环境信息系数、驾驶员动作信息系数以及事故严重程度信息系数;根据事故类型、环境信息、驾驶员动作信息、事故严重程度信息分别与对应的系数乘积之和得出动态系数匹配方案;根据动态系数匹配方案对异常操作视频中的指定视频片段设置视频参数。
进一步地,参数设置模块还包括环境信息计算模块,环境信息计算模块获取光线方向信息、光线强度信息、光源远近信息以及季节信息,并给光线方向信息、光线强度信息、光源远景信息以及季节信息分配预设权重;
计算光线方向信息、光线强度信息、光源远景信息以及季节信息的加权以得到环境信息。
进一步地,该***还包括三维模拟模块,三维模拟模块将所述帧图像形成帧图像集;基于所述帧图像集建立关于异常操作动作过程的三维模拟图像。
进一步地,缺漏图像补充模块,缺漏图像补充模块用于获取三维模拟图像中动作不清晰部分数据信息;基于异常操作出现时间,获取其他摄像机位在该时间的画面信息;对该画面信息进行视频识别并获取有关于于异常操作的补充帧图像;将该补充帧图像补充至所述帧图像集中并重新生成三维模拟图像。
本申请实施例还公开了一种计算机设备,参见图3,该计算机设备可以是服务器。该计算机设备包括通过***总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于机器视角的车辆驾驶员驾驶事故追溯方法,该方法包括以下步骤:
S100:获取行驶中车辆的行驶视频录制信息;其中,行驶视频录制信息包括驾驶人员操作信息以及车辆行驶信息;
S200:从驾驶人员操作信息中获取驾驶人员非标准操作行为信息,并根据非标准操作行为信息触发回溯视频录制指令;
S300:获取非标准操作行为信息终止点,并根据终止点生成回溯视频录制结束指令;
S400:基于回溯视频录制指令以及回溯视频录制结束指令生成异常操作视频,可以根据异常操作视频确定事故原因。
本申请实施例还公开一种计算机可读存储介质。在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
S100:获取行驶中车辆的行驶视频录制信息;其中,行驶视频录制信息包括驾驶人员操作信息以及车辆行驶信息;
S200:从驾驶人员操作信息中获取驾驶人员非标准操作行为信息,并根据非标准操作行为信息触发回溯视频录制指令;
S300:获取非标准操作行为信息终止点,并根据终止点生成回溯视频录制结束指令;
S400:基于回溯视频录制指令以及回溯视频录制结束指令生成异常操作视频,可以根据异常操作视频确定事故原因。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
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,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于机器视角的车辆驾驶员驾驶事故追溯方法,其特征在于,包括步骤:
获取行驶中车辆的行驶视频录制信息;其中,所述行驶视频录制信息包括驾驶人员操作信息以及车辆行驶信息;
从所述驾驶人员操作信息中获取驾驶人员非标准操作行为信息,并根据所述非标准操作行为信息触发回溯视频录制指令;
获取所述非标准操作行为信息终止点,并根据所述终止点生成回溯视频录制结束指令;
基于所述回溯视频录制指令以及回溯视频录制结束指令生成异常操作视频,可以根据所述异常操作视频确定事故原因。
2.根据权利要求1所述的一种基于机器视角的车辆驾驶员驾驶事故追溯方法,其特征在于,所述基于所述回溯视频录制指令以及回溯视频录制结束指令生成异常操作视频步骤,包括:
实时获取异常操作视频录制时长;
获取车辆监控设备设定的监控录像保存断点;
判断所述异常操作视频录制时长是否覆盖所述监控录像保存断点;
若包含,则生成时间断点延长指令,重新形成监控录像保存断点至所述异常操作视频录制时长之后时间点。
3.根据权利要求1所述的一种基于机器视角的车辆驾驶员驾驶事故追溯方法,其特征在于,上述方法还包括:
基于所述异常操作视频生成帧图像;
对帧图像进行压缩形成帧图像压缩包并进行存储。
4.根据权利要求1所述的一种基于机器视角的车辆驾驶员驾驶事故追溯方法,其特征在于,上述方法还包括:
根据事故类型、环境信息、驾驶员动作信息以及事故严重程度信息建立视频处理模型用以计算参数设置方案;其中,视频处理模型包括事故类型系数、环境信息系数、驾驶员动作信息系数以及事故严重程度信息系数;
根据事故类型、环境信息、驾驶员动作信息、事故严重程度信息分别与对应的系数乘积之和得出动态系数匹配方案;
根据动态系数匹配方案对异常操作视频中的指定视频片段设置视频参数。
5.根据权利要求4所述的一种基于机器视角的车辆驾驶员驾驶事故追溯方法,其特征在于,所述环境信息系数通过以下方式计算:
获取光线方向信息、光线强度信息、光源远近信息以及季节信息,并给光线方向信息、光线强度信息、光源远景信息以及季节信息分配预设权重;
计算光线方向信息、光线强度信息、光源远景信息以及季节信息的加权以得到环境信息。
6.根据权利要求3所述的一种基于机器视角的车辆驾驶员驾驶事故追溯方法,其特征在于,将所述帧图像形成帧图像集;
基于所述帧图像集建立关于异常操作动作过程的三维模拟图像。
7.根据权利要求6所述的一种基于机器视角的车辆驾驶员驾驶事故追溯方法,其特征在于,获取三维模拟图像中动作不清晰部分数据信息;
基于异常操作出现时间,获取其他摄像机位在该时间的画面信息;
对该画面信息进行视频识别并获取有关于于异常操作的补充帧图像;
将该补充帧图像补充至所述帧图像集中并重新生成三维模拟图像。
8.一种基于机器视角的车辆驾驶员驾驶事故追溯***,其特征在于,该***包括:
车辆行驶录制模块,用于获取行驶中车辆的行驶视频录制信息;其中,所述行驶视频录制信息包括驾驶人员操作信息以及车辆行驶信息;
回溯视频触发录制模块,用于从所述驾驶人员操作信息中获取驾驶人员非标准操作行为信息,并根据所述非标准操作行为信息触发回溯视频录制指令;
回溯视频截止录制模块,用于获取所述非标准操作行为信息终止点,并根据所述终止点生成回溯视频录制结束指令;
回溯视频获取模块,用于基于所述回溯视频录制指令以及回溯视频录制结束指令生成异常操作视频,可以根据所述异常操作视频确定事故原因。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中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计算机程序时实现如权利要求1至7任一项所述基于机器视角的车辆驾驶员驾驶事故追溯方法的步骤。
10.一种计算机可读存储介质,其特征在于:存储有能够被处理器加载并执行如权利要求1-7中任一种方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211447183.2A CN115984990A (zh) | 2022-11-18 | 2022-11-18 | 基于机器视角的车辆驾驶员驾驶事故追溯方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211447183.2A CN115984990A (zh) | 2022-11-18 | 2022-11-18 | 基于机器视角的车辆驾驶员驾驶事故追溯方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115984990A true CN115984990A (zh) | 2023-04-18 |
Family
ID=85960141
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211447183.2A Pending CN115984990A (zh) | 2022-11-18 | 2022-11-18 | 基于机器视角的车辆驾驶员驾驶事故追溯方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115984990A (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007293536A (ja) * | 2006-04-24 | 2007-11-08 | Denso Corp | 事故情報収集システムおよび事故情報記録装置 |
CN104575551A (zh) * | 2014-12-04 | 2015-04-29 | 青岛海信网络科技股份有限公司 | 一种车辆录像存储方法、车辆录像检索方法及相应的装置 |
KR20150096867A (ko) * | 2014-02-17 | 2015-08-26 | 주식회사 유라코퍼레이션 | 이벤트 영상 촬영 녹화 장치 및 그 방법 |
CN106790367A (zh) * | 2016-11-15 | 2017-05-31 | 山东省科学院自动化研究所 | 大数据处理的车辆安全隐患预警和事故重现***及方法 |
CN107564132A (zh) * | 2017-08-16 | 2018-01-09 | 深圳市麦谷科技有限公司 | 一种驾驶事件视频获取方法及*** |
US20180048850A1 (en) * | 2016-08-10 | 2018-02-15 | International Business Machines Corporation | Detecting anomalous events to trigger the uploading of video to a video storage server |
CN108600671A (zh) * | 2018-05-22 | 2018-09-28 | 深圳腾视科技有限公司 | 一种司机异常状态和行为检测中的实时视频举证机制 |
CN109087480A (zh) * | 2018-09-30 | 2018-12-25 | 惠州市名商实业有限公司 | 车载安全事件追溯的方法及*** |
CN109819224A (zh) * | 2019-03-20 | 2019-05-28 | 安徽宽广科技有限公司 | 一种基于车联网的车载视频监管*** |
US20190188930A1 (en) * | 2016-09-05 | 2019-06-20 | Nec Corporation | Drive recorder |
US20200079387A1 (en) * | 2018-09-11 | 2020-03-12 | Lightmetrics Technologies Pvt. Ltd. | Methods and systems for facilitating drive related data for driver monitoring |
CN110996066A (zh) * | 2019-12-19 | 2020-04-10 | 浙江中控技术股份有限公司 | 事故回溯方法及装置 |
CN111274435A (zh) * | 2018-12-04 | 2020-06-12 | 北京奇虎科技有限公司 | 视频的回溯方法、装置、电子设备及可读存储介质 |
CN111353471A (zh) * | 2020-03-17 | 2020-06-30 | 北京百度网讯科技有限公司 | 安全驾驶监测方法、装置、设备和可读存储介质 |
CN111372045A (zh) * | 2020-02-28 | 2020-07-03 | 浙江维尔科技有限公司 | 一种机动车驾驶员培训视频监管方法 |
-
2022
- 2022-11-18 CN CN202211447183.2A patent/CN115984990A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007293536A (ja) * | 2006-04-24 | 2007-11-08 | Denso Corp | 事故情報収集システムおよび事故情報記録装置 |
KR20150096867A (ko) * | 2014-02-17 | 2015-08-26 | 주식회사 유라코퍼레이션 | 이벤트 영상 촬영 녹화 장치 및 그 방법 |
CN104575551A (zh) * | 2014-12-04 | 2015-04-29 | 青岛海信网络科技股份有限公司 | 一种车辆录像存储方法、车辆录像检索方法及相应的装置 |
US20180048850A1 (en) * | 2016-08-10 | 2018-02-15 | International Business Machines Corporation | Detecting anomalous events to trigger the uploading of video to a video storage server |
US20190188930A1 (en) * | 2016-09-05 | 2019-06-20 | Nec Corporation | Drive recorder |
CN106790367A (zh) * | 2016-11-15 | 2017-05-31 | 山东省科学院自动化研究所 | 大数据处理的车辆安全隐患预警和事故重现***及方法 |
CN107564132A (zh) * | 2017-08-16 | 2018-01-09 | 深圳市麦谷科技有限公司 | 一种驾驶事件视频获取方法及*** |
CN108600671A (zh) * | 2018-05-22 | 2018-09-28 | 深圳腾视科技有限公司 | 一种司机异常状态和行为检测中的实时视频举证机制 |
US20200079387A1 (en) * | 2018-09-11 | 2020-03-12 | Lightmetrics Technologies Pvt. Ltd. | Methods and systems for facilitating drive related data for driver monitoring |
CN109087480A (zh) * | 2018-09-30 | 2018-12-25 | 惠州市名商实业有限公司 | 车载安全事件追溯的方法及*** |
CN111274435A (zh) * | 2018-12-04 | 2020-06-12 | 北京奇虎科技有限公司 | 视频的回溯方法、装置、电子设备及可读存储介质 |
CN109819224A (zh) * | 2019-03-20 | 2019-05-28 | 安徽宽广科技有限公司 | 一种基于车联网的车载视频监管*** |
CN110996066A (zh) * | 2019-12-19 | 2020-04-10 | 浙江中控技术股份有限公司 | 事故回溯方法及装置 |
CN111372045A (zh) * | 2020-02-28 | 2020-07-03 | 浙江维尔科技有限公司 | 一种机动车驾驶员培训视频监管方法 |
CN111353471A (zh) * | 2020-03-17 | 2020-06-30 | 北京百度网讯科技有限公司 | 安全驾驶监测方法、装置、设备和可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102013205810B4 (de) | System und verfahren zum einschätzen von verfügbaren parkplätzen zum parken auf der strasse mit mehreren plätzen | |
CN111372037B (zh) | 目标抓拍***和方法 | |
KR102409204B1 (ko) | 모듈화된 인공지능 모델 플랫폼 서비스 제공 방법, 장치 및 컴퓨터프로그램 | |
CN112637568B (zh) | 基于多节点边缘计算设备的分布式安全监控方法和*** | |
CN112364898A (zh) | 图像识别自动标注方法、装置、设备及存储介质 | |
CN111191507A (zh) | 智慧社区的安全预警分析方法及*** | |
CN111104917A (zh) | 基于人脸的活体检测方法、装置、电子设备及介质 | |
DE112020005223T5 (de) | Objektverfolgungseinrichtung und Objektverfolgungsverfahren | |
CN115187439A (zh) | 一种智慧园区综合运营管理方法及*** | |
CN116416281A (zh) | 一种粮库ai视频监管分析方法及*** | |
CN112073713B (zh) | 视频漏录测试方法、装置、设备及存储介质 | |
CN115984990A (zh) | 基于机器视角的车辆驾驶员驾驶事故追溯方法及*** | |
CN110706115A (zh) | 交通事故快速理赔方法、***以及一种服务器 | |
EP4125002A2 (en) | A video processing apparatus, method and computer program | |
CN116597371A (zh) | 基于图像监控的危险物预警方法、***、计算机设备 | |
CN113572983B (zh) | 云端视频的处理方法及*** | |
CN111127701B (zh) | 车辆失效场景检测方法及*** | |
CN114463683A (zh) | 基于人工智能和大数据的变电设备智能监控***和方法 | |
CN108363985B (zh) | 目标对象感知***测试方法、装置及计算机可读存储介质 | |
CN111147821A (zh) | 机车车载视频智能监控方法及其装置 | |
CN116068945B (zh) | 一种楼宇智能设备控制方法及*** | |
DE102021214334B3 (de) | Fahrzeugdatensystem und Verfahren zur Ermittlung von relevanten bzw. übertragenswerten Fahrzeugdaten eines Umgebungserfassungssensors | |
CN117424985B (zh) | 一种多场景网络视频监测预警*** | |
CN219658146U (zh) | 一种行为监管装置 | |
US20230109494A1 (en) | Methods and devices for building a training dataset |
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 |