TWI774034B - 基於車聯網的行車示警方法、系統及設備 - Google Patents
基於車聯網的行車示警方法、系統及設備 Download PDFInfo
- Publication number
- TWI774034B TWI774034B TW109126249A TW109126249A TWI774034B TW I774034 B TWI774034 B TW I774034B TW 109126249 A TW109126249 A TW 109126249A TW 109126249 A TW109126249 A TW 109126249A TW I774034 B TWI774034 B TW I774034B
- Authority
- TW
- Taiwan
- Prior art keywords
- pedestrian
- vehicle
- data
- driving
- current frame
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/005—Traffic control systems for road vehicles including pedestrian guidance indicator
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本發明提供了一種基於車聯網的行車示警方法、系統及設備,該行車示警方法包括如下步驟:行車車輛從平台獲取行人資料包,所述行人資料包由多個車輛上傳的行人資料整合得到,所述行人資料包包括多個行人的行人資料,所述行人資料至少包括行人位置和行人前進向量;根據行車車輛的行進資料確定行車車輛的碰撞風險區域的位置範圍;根據行人位置和行人前進向量計算是否有行人進入所述碰撞風險區域;如有,則發送示警信號。
Description
本發明涉及互聯網領域,具體地說,涉及一種基於車聯網的行車示警方法、系統及設備。
由於車輛設計及其他各種原因,日常行車視野總是存在盲區,對車輛及行人安全構成威脅,因此,各種行人防護方法應運而生。其中的一種就是基於V2X(vehicle to everything,車聯網)的車輛與行人通信機制,V2X就是把汽車變成駕駛員眼睛,它可以在駕駛員注意到之前看見駕駛員難以注意到行人、行車標誌等然後提醒駕駛員。
但是,現有的V2X技術中,或者要求行人佩戴通信裝置方可進行碰撞預警,倘若行人沒有通信能力,則需要影響檢測設備方可實現;或者是基於AI與V2X推出了行人防護技術實現方法是依靠路測設施使用機器視覺偵測行人,當行人還在道路司機視野盲區中,車載設備就已經開始預警司機減速停車,待行人出現並通過道路。此方法能有效保障行人與行車安全,但也存在相應的問題,如此方法需要的公路網路龐大,全覆蓋路測設備成本大等。
需要說明的是,在上述背景技術部分公開的資訊僅用於加強對本發明的背景的理解,因此可以包括不構成對本領域具有通常知識者已知的現有技術的資訊。
針對現有技術中的問題,本發明的目的在於提供了一種基於車聯網的行車示警方法、系統、設備及存儲介質,通過車聯網中的多車輛資料實現有效地監測可能出現在司機視野盲區的行人,減少了由於司機視野盲區造成的事故發生的頻率。
本發明的實施例提供了一種基於車聯網的行車示警方法,包括以下步驟:行車車輛從平台獲取行人資料包,所述行人資料包由多個車輛上傳的行人資料整合得到,所述行人資料包包括多個行人的行人資料,所述行人資料至少包括行人位置和行人前進向量;根據行車車輛的行進資料確定行車車輛的碰撞風險區域的位置範圍;根據行人位置和行人前進向量計算是否有行人進入所述碰撞風險區域;如有,則發送示警信號。
根據本發明的一示例,所述行人資料還包括行人影像特徵值,所述行人影像特徵值通過如下步驟獲得:獲得車輛上傳的行人的多幀影像;
確定影像中的目標行人;提取所述目標行人的行人影像特徵值。
根據本發明的一示例,所述行人前進向量通過如下步驟獲得:獲取第i車所述多幀影像中的當前幀影像,從所述當前幀影像中計算當前幀第j個行人位置;獲取所述多幀影像中的前一幀影像,從所述前一幀影像中計算前一幀第j個行人位置;根據當前幀行人位置、前一幀行人位置計算以及每幀影像的時間間隔獲得所述行人前進向量V ij ,其中,i和j為整數。
根據本發明的一示例,所述行人資料包由多個車輛上傳的行人資料根據每個車輛上傳的行人資料的行人置信度整合得到;所述行人置信度通過如下步驟獲得:根據第i車探測到的第j個行人的前一幀的行人前進向量V ij 預測當前幀行人位置;獲取當前幀影像,獲得當前幀行人位置;根據預測的當前幀行人位置和實際的當前幀行人位置,計算兩者之間的偏差距離;根據所述偏差距離確定行人置信度P ij 。
根據本發明的一示例,所述行人資料包通過如下步驟整合得到:平台獲得多輛行車探測到的多個行人資料;
計算從各個車輛獲得的各行人的行人影像特徵值的第一相似度;合併第一相似度大於第一閾值的所述行人資料。
根據本發明的一示例,所述基於車聯網的行車示警方法還包括如下步驟:行車車輛獲得行人的多幀影像,確定影像中的目標行人,提取所述目標行人的行人影像特徵值;計算行車車輛提取的所述目標行人的行人影像特徵值與平台獲得的各行人的行人影像特徵值的第二相似度;如第二相似度小於第二閾值,則行人前進向量為從平台獲取整合後的行人資料庫的行人前進向量;如第二相似度大於第二閾值,則獲多幀影像中的當前幀影像,從所述當前幀影像中計算當前幀行人位置;獲取所述多幀影像中的前一幀影像,從所述前一幀影像中計算前一幀第j個行人位置;根據當前幀行人位置、前一幀行人位置計算以及每幀影像的時間間隔獲得所述行人前進向量v j ;
計算行人前進向量V=hv j +kV j ,其中,h和k分別為行車車輛探測的和從平台獲取的行人置信度。
本發明的實施例還提供了一種基於車聯網的行車示警系統,用於實現上述基於車聯網的行車示警方法,包括行車模組、平台模組、計算模組和示警模組,其中:行車車輛的所述行車模組用於從所述平台模組獲取行人資料包,所述行人資料包由多個車輛上傳的行人資料整合得到,所述行人資料包包括多個行人的行人資料,所述行人資料至少包括行人位置和行人前進向量;所述計算模組用於根據行車車輛的行進資料確定行車車輛的碰撞風險區域的位置範圍;所述計算模組還用於根據行人位置和行人前進向量計算是否有行人進入所述碰撞風險區域;所述示警模組則用於當所述計算模組計算有行人進入所述碰撞風險區域時發送示警信號。
本發明的實施例還提供了一種基於車聯網的行車示警設備,包括:處理單元;存儲單元,其中存儲有所述處理單元的可執行指令;其中,所述處理單元配置為經由執行所述可執行指令來執行所述基於車聯網的行車示警方法的步驟。
本發明的行車示警方法通過車聯網整合多車輛行車探測的行人資料,對於可能出現在司機視野盲區的行人做到有效地監測,實現事前示警,有效地減少了由於司機視野盲區造成的事故發生的頻率。
S100,S200,S300,S400,S100’,S200’,S300’,S400’,S500’,S510’,S520’,S530’:步驟
M100:行車模組
M200:平台模組
M300:計算模組
M400:示警模組
第1圖為本發明一實施例的基於車聯網的行車示警方法的流程圖;第2圖為本發明一實施例的基於車聯網的行車示警方法的空間示意圖;第3圖為本發明一實施例的基於車聯網的行車示警系統的結構示意圖;第4圖為本發明一實施例的基於車聯網的行車示警系統架構示意圖;第5圖為本發明又一實施例的基於車聯網的行車示警方法的流程圖。
現在將參考附圖更全面地描述示例實施方式。然而,示例實施方式能夠以多種形式實施,且不應被理解為限於在此闡述的範例;相反,提供這些實施方式使得本公開將更加全面和完整,並將示例實施方式的構思全面地傳達給本領域的技術人員。所描述的特徵、結構或特性可以以任何合適的方式結合在一個或
更多實施方式中。
此外,附圖僅為本公開的示意性圖解,並非一定是按比例繪製。圖中相同的附圖標記表示相同或類似的部分,因而將省略對它們的重複描述。附圖中所示的一些方框圖是功能實體,不一定必須與物理或邏輯上獨立的實體相對應。可以採用軟體形式來實現這些功能實體,或在一個或多個硬體模組或積體電路中實現這些功能實體,或在不同網路和/或處理器裝置和/或微控制器裝置中實現這些功能實體。
本發明的實施例提供了一種基於車聯網的行車示警方法,第1圖為本發明一實施例中該行車示警方法的流程圖,具體包括以下步驟:
S100:行車車輛從平台獲取行人資料包,所述行人資料包由多個車輛上傳的行人資料整合得到,所述行人資料包包括多個行人的行人資料,所述行人資料至少包括行人位置和行人前進向量;
S200:根據行車車輛的行進資料確定行車車輛的碰撞風險區域的位置範圍;第2圖為本發明一實施例的基於車聯網的行車示警方法的空間示意圖;假設行車車輛B為從平台獲取行人資料包的車輛,此時行車車輛的行進資料包括車輛當前位置和車輛行進向量,車輛當前位置可通過車輛攜帶的GPS系統等獲得GPS定位座標(Xb,Yb),結合車輛速度和GPS定位獲得車輛行進向量為(Vxb,Vyb),如果車輛的制動偏差距離為S,則未來時間t時,存在碰撞風險的區域為[Xb+Vxb*t,Yb+Vyb*t]為圓心,S為半徑的扇形區域。
S300:根據行人位置和行人前進向量計算是否有行人進入所述碰撞風險區域;如有,則S400:發送示警信號;否則,等待預設間隔時間後,繼續步驟S100。
第3圖為本發明一實施例的基於車聯網的行車示警系統的結構示意圖。所述行車示警系統用於實現上述基於車聯網的行車示警方法,具體包括行車模組M100、平台模組M200、計算模組M300和示警模組M400。
第4圖為本發明一實施例的基於車聯網的行車示警系統架構示意圖,在該實施例中,基於車聯網的行車示警系統主要通過車聯網系統,車聯網系統包括了各個行車車輛的行車模組和平台模組,行車模組和平台模組之間可以通過無線網路相連,採用的網路通訊協定可以包括基於Zigbee(IEEE802.15.4,紫蜂)協議的網路通訊協定;基於無線組網規格Z-Wave的網路通訊協定;基於Wi-Fi(IEEE 802.11)協議的網路通訊協定;基於BLE(Bluetooth Low Energy,藍牙低功耗)協議的網路通訊協定;基於RF(Radio Frequency,射頻)協議的網路通訊協定中的一種或多種,在此不做限定。計算模組和示警模組可以設置於各個行車車輛系統中,也可以與平台模組設置於平台系統中。
該實施例的基於車聯網的行車示警系統中的各個功能模組的功能實現方式均可以採用上述行車示警方法中各個步驟的具體實施方式來實現。例如,行車模組M100、平台模組M200、計算模組
M300和示警模組M400可以分別採用上述步驟S100至S400的具體實施方式實現其功能,具體地:行車車輛的所述行車模組M100用於從所述平台模組M200獲取行人資料包,所述行人資料包由多個車輛上傳的行人資料整合得到,所述行人資料包包括多個行人的行人資料,所述行人資料至少包括行人位置和行人前進向量;所述計算模組M300用於根據行車車輛的行進資料確定行車車輛的碰撞風險區域的位置範圍;所述計算模組M300還用於根據行人位置和行人前進向量V計算是否有行人進入所述碰撞風險區域;所述示警模組M400則用於當所述計算模組M300計算有行人進入所述碰撞風險區域時發送示警信號。
發送示警信號的方式可以是多樣的,可以包括通過行車車輛系統打開雙黃燈、打開蜂鳴器等,或向使用者終端,如司機的手機、汽車音響、汽車儀表板發送警示訊息等,但不僅限於此。甚至可以時間的推移,增加警示的種類,或者是提高警示的級別,比如打開雙黃燈時,增加雙黃燈的閃爍頻率;打開蜂鳴器時,提高蜂鳴器分貝等。上述步驟的作用在於從視覺、聽覺等多種途徑,就可能出現在行車車輛的碰撞風險區域的行人,此處行人包括在司機視野盲區的行人,也可能是司機看到的行人,對駕駛員進行充分提醒實現事前示警,從而減少因司機視野盲區造成事故的發生機率。
上述實施例中,S100步驟中的行人資料還可以包括行人影像特徵值,所述行人影像特徵值通過如下步驟獲得:
獲得車輛上傳行人的多幀影像,多幀影像可以通過車輛上安裝的影像擷取裝置獲得,如攝影機、魚眼等。此處的車輛可以是任一行車車輛,多幀影像可以是一行車車輛的一個攝像頭不同時刻的多張圖片或者是影片的多個影像幀,也可以是一行車車輛的多個攝影機拼接後或得到的多張圖片。
確定影像中的目標行人,此步驟中,可以利用人臉識別技術等影像識別技術識別上述多幀影像中是否有行人存在。如果存在行人,則提取所述目標行人的行人影像特徵值。此處的行人不限於單個行人,對應識別的多個行人,可對行人進行編號。
上述步驟中提取行人的影像特徵值的作用在於,當判斷不同行車車輛探測的是同一行人時,該不同行車車輛上傳的行人資料合併,即避免系統將其作為兩個行人來解讀。將同一行人資料合併,即整合行人資料獲得S100步驟中所述行人資料包,具體可以包括如下步驟:平台獲得多輛行車探測到的多個行人資料;計算從各個車輛獲得的各行人的行人影像特徵值的第一相似度;此處可以將平台獲得多個行人中的兩兩行人影像特徵值進行比較,第一相似度可以採用餘弦相似度或歐式偏差距離等方法計算;當計算的第一相似度大於第一閾值時,可以認為該兩個行為為同一行人,而第一閾值可結合所採用的模型和實際運用場景設定。
當計算的第一相似度大於第一閾值時,合併第一相似度大於第一閾值的兩個所述行人資料。此處的合併,主要還是對不同車輛探測的同一行人的行人前進向量的整合,在整合同一行人的行人前進向量的過程中,此處引入行人置信度的概念描述不同車輛探測到行人運動軌跡的可信度。
所述行人資料包由多個車輛上傳的行人資料根據每個車輛上傳的行人資料的行人置信度整合得到;所述行人置信度通過如下步驟獲得:根據第i車探測到的第j個行人的前一幀的行人前進向量V ij 預測當前幀行人位置;獲取當前幀影像,獲得當前幀行人位置;根據預測的當前幀行人位置和實際的當前幀行人位置,計算兩者之間的偏差距離;根據所述偏差距離確定行人置信度P ij ,可以認為,根據預測的當前幀行人位置和實際的當前幀行人位置兩者之間的偏差距離越大,該車輛提供的行人置信度P ij 越小。
實施例中,如兩輛行車車輛探測的是同一行人時,每輛行車車輛分別根據探測到的第j個行人(為同一行人)的前一幀的行人前進向量V ij 預測當前幀行人位置;獲取當前幀影像,獲得當前幀行人位置;根據預測的當前幀行人位置和實際的當前幀行人位置,計算兩者之間的偏差距離;假設兩輛行車車輛得到兩個偏差距離分別為△L1和△L2,則可以分別取△L1和△L2的倒數1/△L1和1/△L2,再將1/
△L1和1/△L2做歸一化處理獲得對應的第一行車車輛和第二行車車輛行人置信度P 1j 和P 2j ,此處,對歸一化處理的方法不做限定,當然,根據偏差距離確定行人置信度P ij 的方法也不限於上述列舉的方法。
本發明的一實施例中,每輛行車車輛獲得的行人前進向量V ij 可以通過如下步驟獲得:獲取第i車所述多幀影像中的當前幀影像,從所述當前幀影像中計算當前幀第j個行人位置;i為介於1和上傳行人資料車輛總數之間的整數;j為介於1和影像中行人總數之間的整數。第一、第二等詞語用來表示名稱,而並不表示任何特定的順序。
獲取所述多幀影像中的前一幀影像,從所述前一幀影像中計算前一幀第j個行人位置;根據當前幀行人位置、前一幀行人位置計算以及每幀影像的時間間隔獲得所述行人前進向量V ij 。
上述方法通過不同幀影像中行人位置的變化計算行人前進向量,此處的行人前進向量為每輛行車車輛直接探測到的行人資料。
當然,在對不同車輛探測的同一行人的行人前進向量的整合後,由於整合前兩個行人由各個探測他們的車輛編號,當兩個行人被認定為是同一行人時,平台將此具有不同編號的兩個行人使用同
一編號,此處的方法可以是使用原編號中的一個,並將行人前進向量修改為整合後的,刪除另外一個編號的資料。
仍以第2圖中的行車車輛B為例,某一時段,第j個行人在B車的視野盲區(如行人在第2圖中的左上位置)時,通過行車車輛A探測到第j個行人並將此行人的行人資料上傳平台,通過該資料計算第j個行人是否會出現在行車車輛B的碰撞風險區域的位置範圍;此處,可以是平台獲得行人資料的同時還獲得行車車輛資料,包括車輛位置和車輛行進向量,通過平台計算併發出示警;也可以是行車車輛B的系統根據車輛資料和從平台獲得的行人資料計算併發出示警,在此,對執行S200和S300步驟的計算模組所屬系統不做限定。
當第2圖中的行車車輛B在另一時段,如行人在第2圖中的右邊位置時,行車車輛B可能可以自行探測到行人,此時,為了提高判斷的準確度,本發明的基於車聯網的行車示警方法(見第5圖)還可以包括如下步驟:
S100’:行車車輛獲得行人的多幀影像,確定影像中的目標行人,提取所述目標行人的行人影像特徵值,具體方法可同上文。
S200’:計算行車車輛提取的所述目標行人的行人影像特徵值與平台獲得的各行人的行人影像特徵值的第二相似度,具體方法可同上文。
S300’:判斷第二相似度是否小於第二閾值,如第二相似度小於第二閾值,則:
執行S400’:行人前進向量V為從平台獲取整合後的行人資料庫的行人前進向量;即如果行車車輛B探測到的行人與行車資料包中的不是同一行人,則直接採用行車資料包中的行人前進向量計算該行人是否進入碰撞風險區域的位置範圍。
如第二相似度大於第二閾值,即行車車輛B探測到的行人與行車資料包中的是同一行人,則
執行S500’:獲多幀影像中的當前幀影像,從所述當前幀影像中計算當前幀行人位置;
S510’:獲取所述多幀影像中的前一幀影像,從所述前一幀影像中計算前一幀第j個行人位置;
S520’:根據當前幀行人位置、前一幀行人位置計算以及每幀影像的時間間隔獲得所述行人前進向量v j ;S500’至S520’步驟為行車車輛B自行探測到的行人,獲得的行人前進向量為v j 。
S530’:計算行人前進向量V=hv j +kV j ,其中,h和k分別為行車車輛探測的和從平台獲取的行人置信度。此處h亦可以採用上文中行人置信度的計算方法獲得。
通過S500’至S530’步驟中,將行車車輛自行探測到的行人資料和從平台獲得的行人資料整合,提高了對行人軌跡預測的準確性,在此基礎上計算的該行人是否進入碰撞風險區域的位置範圍的結果也更準確,能更高地起到示警的作用,從而減少了由於司機視野盲區造成的事故發生的機率。
綜上所述,本發明提供了一種基於車聯網的行車示警方法、系統及設備,該行車示警方法包括如下步驟:行車車輛從平台獲取行人資料包,所述行人資料包由多個車輛上傳的行人資料整合得到,所述行人資料包包括多個行人的行人資料,所述行人資料至少包括行人位置和行人前進向量;根據行車車輛的行進資料確定行車車輛的碰撞風險區域的位置範圍;根據行人位置和行人前進向量V計算是否有行人進入所述碰撞風險區域;如有,則發送示警信號。本發明的行車示警方法通過車聯網整合多車輛行車探測的行人資料,對於可能出現在司機視野盲區的行人做到有效地監測,實現事前示警,有效地減少了由於司機視野盲區造成的事故發生的頻率。
以上內容是結合具體的優選實施方式對本發明所作的進一步詳細說明,不能認定本發明的具體實施只局限於這些說明。對於本領域具有通常知識者而言,顯然本申請不限於上述示範性實施例的細節,而且在不背離本申請的精神或基本特徵的情況下,能夠以其他的具體形式實現本申請。因此,無論從哪一點來看,均應將實施例看作是示範性的,而且是非限制性的,本申請的範圍由所附申請專利範圍而不是上述說明限定,因此旨在將落在申請專利範圍的等同要件的含義和範圍內的所有變化涵括在本申請內。不應將申請專利範圍中的任何附圖標記視為限制所涉及的請求項。此外,顯然「包括」一詞不排除其他單元或步驟,單數不排除複數。裝置請求項中陳述的多個單元或裝置也可以由一個單元或裝置通過軟體或者硬體來實現。第一、第二等詞語用來表示名稱,而並不表示任何特定的順序。
S100,S200,S300,S400:步驟
Claims (9)
- 一種基於車聯網的行車示警方法,包括以下步驟:行車車輛從平台獲取行人資料包,所述行人資料包由複數台車輛上傳的行人資料根據每個車輛上傳的行人資料的行人置信度整合得到,所述行人資料包包括複數個行人的行人資料,所述行人資料至少包括行人位置和行人前進向量,所述行人置信度通過如下步驟獲得:根據第i車探測到的第j個行人的前一幀的行人前進向量V ij 預測當前幀行人位置;獲取當前幀影像,獲得當前幀行人位置;根據預測的當前幀行人位置和實際的當前幀行人位置,計算兩者之間的偏差距離;及根據所述偏差距離確定行人置信度P ij ;根據行車車輛的行進資料確定行車車輛的碰撞風險區域的位置範圍;根據行人位置和行人前進向量計算是否有行人進入所述碰撞風險區域;及如有行人進入所述碰撞風險區域,則發送示警信號。
- 根據請求項1所述的基於車聯網的行車示警方法,其中,所述行人資料還包括行人影像特徵值,所述行人影像特徵值通過如下步驟獲得:獲得車輛上傳的行人的多幀影像; 確定影像中的目標行人;及提取所述目標行人的行人影像特徵值。
- 根據請求項2所述的基於車聯網的行車示警方法,其中,所述行人前進向量通過如下步驟獲得:獲取第i車所述多幀影像中的當前幀影像,從所述當前幀影像中計算當前幀第j個行人位置;獲取所述多幀影像中的前一幀影像,從所述前一幀影像中計算前一幀第j個行人位置;及根據當前幀行人位置、前一幀行人位置計算以及每幀影像的時間間隔獲得所述行人前進向量V ij ,其中,i和j為整數。
- 根據請求項3所述的基於車聯網的行車示警方法,其中,所述行人資料包通過如下步驟整合得到:平台獲得多輛行車探測到的複數個行人資料;計算從各個車輛獲得的各行人的行人影像特徵值的第一相似度;及合併第一相似度大於第一閾值的所述行人資料。
- 根據請求項5所述的基於車聯網的行車示警方法,其中,還包括如下步驟: 行車車輛獲得行人的多幀影像,確定影像中的目標行人,提取所述目標行人的行人影像特徵值;計算行車車輛提取的所述目標行人的行人影像特徵值與平台獲得的各行人的行人影像特徵值的第二相似度;如第二相似度小於第二閾值,則行人前進向量為從平台獲取整合後的行人資料庫的行人前進向量;如第二相似度大於第二閾值,則獲多幀影像中的當前幀影像,從所述當前幀影像中計算當前幀行人位置;獲取所述多幀影像中的前一幀影像,從所述前一幀影像中計算前一幀第j個行人位置;根據當前幀行人位置、前一幀行人位置計算以及每幀影像的時間間隔獲得所述行人前進向量v j ;及計算行人前進向量V=hv j +kV j ,其中,h和k分別為行車車輛探測的和從平台獲取的行人置信度。
- 根據請求項2所述的基於車聯網的行車示警方法,其中,所述行人資料包通過如下步驟整合得到:平台獲得多輛行車探測到的複數個行人資料;計算從各個車輛獲得的各行人的行人影像特徵值的第一相似度;合併第一相似度大於第一閾值的所述行人資料。
- 一種基於車聯網的行車示警系統,用於實現請求項1至7任意一項所述的基於車聯網的行車示警方法,包括行車模組、平台模組、計算模組和示警模組,其中:行車車輛的所述行車模組用於從所述平台模組獲取行人資料包,所述行人資料包由複數個車輛上傳的行人資料根據每個車輛上傳的行人資料的行人置信度整合得到,所述行人資料包包括複數個行人的行人資料,所述行人資料至少包括行人位置和行人前進向量;所述計算模組用於根據第i車探測到的第j個行人的前一幀的行人前進向量V ij 預測當前幀行人位置;獲取當前幀影像,獲得當前幀行人位置;根據預測的當前幀行人位置和實際的當前幀行人位置,計算兩者之間的偏差距離;及根據所述偏差距離確定行人置信度P ij ;所述計算模組用於根據行車車輛的行進資料確定行車車輛的碰撞風險區域的位置範圍;所述計算模組還用於根據行人位置和行人前進向量計算是否有行人進入所述碰撞風險區域;及所述示警模組則用於當所述計算模組計算有行人進入所述碰撞風險區域時發送示警信號。
- 一種基於車聯網的行車示警設備,包括:處理單元;存儲單元,其中存儲有所述處理單元的可執行指令; 其中,所述處理單元配置為經由執行所述可執行指令來執行請求項1至7任意一項所述基於車聯網的行車示警方法的步驟。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010344104.X | 2020-04-27 | ||
CN202010344104.XA CN111540191B (zh) | 2020-04-27 | 2020-04-27 | 基于车联网的行车示警方法、***、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202141438A TW202141438A (zh) | 2021-11-01 |
TWI774034B true TWI774034B (zh) | 2022-08-11 |
Family
ID=71977357
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109126249A TWI774034B (zh) | 2020-04-27 | 2020-08-03 | 基於車聯網的行車示警方法、系統及設備 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111540191B (zh) |
TW (1) | TWI774034B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112954869B (zh) * | 2021-02-08 | 2023-04-21 | 深圳市科莱德电子有限公司 | 一种基于车联网的辅助驾驶的方法及*** |
JP7203902B2 (ja) * | 2021-06-08 | 2023-01-13 | 本田技研工業株式会社 | 制御装置、移動体、制御方法及びプログラム |
TWI800227B (zh) * | 2022-01-19 | 2023-04-21 | 鴻海精密工業股份有限公司 | 車用智慧偵測方法、車載裝置及車輛 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170092126A1 (en) * | 2015-09-28 | 2017-03-30 | Renesas Electronics Corporation | Data processing device and in-vehicle communication device |
CN107161147A (zh) * | 2017-05-04 | 2017-09-15 | 广州汽车集团股份有限公司 | 一种车辆防碰撞巡航控制***及其控制方法 |
CN108091154A (zh) * | 2016-11-23 | 2018-05-29 | 比亚迪股份有限公司 | 车辆信息处理方法和装置 |
CN108109413A (zh) * | 2017-12-13 | 2018-06-01 | 厦门金龙旅行车有限公司 | 一种无人驾驶车辆与非智能交通参与者的信息交互*** |
CN108172025A (zh) * | 2018-01-30 | 2018-06-15 | 东软集团股份有限公司 | 一种辅助驾驶方法、装置、车载终端及车辆 |
US20180310147A1 (en) * | 2015-06-22 | 2018-10-25 | Lg Electronics Inc. | Method for transmitting alarm message in v2v communication and device for same |
CN109993128A (zh) * | 2019-04-04 | 2019-07-09 | 北京航空航天大学 | 一种行人图像属性特征量化的方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130057764A (ko) * | 2011-11-24 | 2013-06-03 | 삼성전자주식회사 | 디지털 촬영 장치 및 이의 제어 방법 |
US9922565B2 (en) * | 2015-07-20 | 2018-03-20 | Dura Operating Llc | Sensor fusion of camera and V2V data for vehicles |
CN107346414B (zh) * | 2017-05-24 | 2020-06-12 | 北京航空航天大学 | 行人属性识别方法和装置 |
US20190066490A1 (en) * | 2017-08-29 | 2019-02-28 | Continental Automotive Systems, Inc. | Smart city data analytics for improved accident reconstruction and solutions |
-
2020
- 2020-04-27 CN CN202010344104.XA patent/CN111540191B/zh active Active
- 2020-08-03 TW TW109126249A patent/TWI774034B/zh active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180310147A1 (en) * | 2015-06-22 | 2018-10-25 | Lg Electronics Inc. | Method for transmitting alarm message in v2v communication and device for same |
US20170092126A1 (en) * | 2015-09-28 | 2017-03-30 | Renesas Electronics Corporation | Data processing device and in-vehicle communication device |
CN106993259A (zh) * | 2015-09-28 | 2017-07-28 | 瑞萨电子株式会社 | 数据处理装置以及车载通信装置 |
CN108091154A (zh) * | 2016-11-23 | 2018-05-29 | 比亚迪股份有限公司 | 车辆信息处理方法和装置 |
CN107161147A (zh) * | 2017-05-04 | 2017-09-15 | 广州汽车集团股份有限公司 | 一种车辆防碰撞巡航控制***及其控制方法 |
CN108109413A (zh) * | 2017-12-13 | 2018-06-01 | 厦门金龙旅行车有限公司 | 一种无人驾驶车辆与非智能交通参与者的信息交互*** |
CN108172025A (zh) * | 2018-01-30 | 2018-06-15 | 东软集团股份有限公司 | 一种辅助驾驶方法、装置、车载终端及车辆 |
CN109993128A (zh) * | 2019-04-04 | 2019-07-09 | 北京航空航天大学 | 一种行人图像属性特征量化的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111540191A (zh) | 2020-08-14 |
TW202141438A (zh) | 2021-11-01 |
CN111540191B (zh) | 2021-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11074813B2 (en) | Driver behavior monitoring | |
US10885777B2 (en) | Multiple exposure event determination | |
TWI774034B (zh) | 基於車聯網的行車示警方法、系統及設備 | |
CN112700470B (zh) | 一种基于交通视频流的目标检测和轨迹提取方法 | |
JP7499256B2 (ja) | ドライバの挙動を分類するためのシステムおよび方法 | |
WO2020042984A1 (zh) | 一种车辆行为检测方法及装置 | |
CN113044059A (zh) | 用于车辆的安全*** | |
GB2553036A (en) | Autonomous police vehicle | |
WO2019223655A1 (zh) | 非机动车载人的检测 | |
WO2021155685A1 (zh) | 一种更新地图的方法、装置和设备 | |
EP3403219A1 (en) | Driver behavior monitoring | |
KR20210038852A (ko) | 조기 경보 방법, 장치, 전자 기기, 컴퓨터 판독 가능 저장 매체 및 컴퓨터 프로그램 | |
Zhang et al. | A machine learning-based defensive alerting system against reckless driving in vehicular networks | |
Bhandari et al. | Fullstop: A camera-assisted system for characterizing unsafe bus stopping | |
US20230319397A1 (en) | Information processing apparatus, information processing method, and program | |
US12033399B1 (en) | Turn and brake action prediction using vehicle light detection | |
Ahmad et al. | Comparative study of dashcam-based vehicle incident detection techniques | |
US20240239352A1 (en) | Systems and methods for detecting speeding violations | |
JP7509939B2 (ja) | 危険通知方法及び実装するためのシステム | |
CN117746632B (zh) | 一种基于智能网联的公交车驾驶风险评估预警***及方法 | |
US20240161514A1 (en) | Electronic device and method for vehicle which enhances driving environment related function | |
US20240185720A1 (en) | Wrong Way Driving Monitoring Based on Object Detection | |
Işık et al. | Real time pedestrian alert system for vehicles | |
Ma et al. | DNAS: a driver nighttime assistance system using rear-view smartphone | |
Prasad et al. | Real-time Collision Avoidance and Accident Prevention-A Survey |