一种车前积雪与结冰的检测报警方法、存储介质和服务器技术

一种车前积雪与结冰的检测报警方法，用于解决如何检测路面积雪与结冰情况并及时发出相应报警的问题。该方法包括：获取车辆上摄像头拍摄车前场景的第一视频；从所述第一视频的视频帧中截取出所述车前场景中表征路面状况的第一图片；将所述第一图片输入至利用无监督深度学习预训练完成的无监督深度学习模型，得到所述无监督深度学习模型输出的识别结果，所述识别结果为路面上存在积雪或结冰，或者路面上不存在积雪或结冰；若所述识别结果为路面上存在积雪或结冰，则发出报警信息。

【技术实现步骤摘要】
【国外来华专利技术】一种车前积雪与结冰的检测报警方法、存储介质和服务器
本专利技术涉及图像处理
，尤其涉及一种车前积雪与结冰的检测报警方法、存储介质和服务器。
技术介绍
行车途中，路上若有积雪与结冰是令司机非常头疼的一件事，积雪与结冰是路面行车的不稳定因素，是造成很多交通事故的罪魁祸首，长期以来是司机师傅们的心头大患。因此，如何检测路面积雪与结冰情况并及时发出相应报警成为本领域技术人员亟需解决的问题。
技术实现思路
为了解决如何检测路面积雪与结冰情况并及时发出相应报警的问题，本专利技术实施例提供了一种车前积雪与结冰的检测报警方法、存储介质和服务器。本专利技术第一方面，提供了一种车前积雪与结冰的检测报警方法，包括：获取车辆上摄像头拍摄车前场景的第一视频；从所述第一视频的视频帧中截取出所述车前场景中表征路面状况的第一图片；将所述第一图片输入至利用无监督深度学习预训练完成的无监督深度学习模型，得到所述无监督深度学习模型输出的识别结果，所述识别结果为路面上存在积雪或结冰，或者路面上不存在积雪或结冰；若所述识别结果为路面上存在积雪或结冰，则发出报警信息。可选地，还包括：获取所述摄像头拍摄车前场景的第一视频时所述车辆的定位信息；将所述定位信息与所述识别结果关联存储；若所述识别结果为路面上存在积雪或结冰，且检测到车辆将要行驶经过所述定位信息对应的地点，则提前预设时间或者预设距离对将要行驶经过的车辆发出预警信息。可选地，在将所述定位信息与所述识别结果关联存储之后，还包括：若所述识别结果为路面上存在积雪或结冰，获取所述定位信息对应的地点所属地区的天气情况；根据所述天气情况确定所述所属地区中积雪或结冰消融所需的时长；根据确定出的所述时长确定所述定位信息对应的地点上积雪或结冰的消融时间；当所述消融时间到达时，将与所述定位信息关联存储的识别结果的状态修改为失效。可选地，所述无监督深度学习模型通过以下步骤预先训练得到：预先采集多个拍摄自车前场景的样本视频；从各个所述样本视频中截取出表征路面状况的样本图片；将各个所述样本图片转换成输入向量输入至初始的无监督深度学习模型中；通过所述初始的无监督深度学习模型对所述输入向量进行编码、解码处理，得到输出向量；计算所述输出向量与所述输入向量之间的输出误差；若所述输出误差不符合预设条件，则调整所述无监督深度学习模型的模型参数，并将模型参数调整后的无监督深度学习模型作为初始的无监督深度学习模型，返回执行将各个所述样本图片转换成输入向量输入至初始的无监督深度学习模型中的步骤以及后续步骤；直到所述输出误差满足所述预设条件，确定所述无监督深度学习模型训练完成。可选地，还包括：若所述识别结果为路面上存在积雪或结冰，则将生成的报警信息存储至指定的报警列表；当接收到查询报警信息的请求时，从所述报警列表中查询所述请求所需的报警信息，然后将所述请求所需的报警信息反馈给请求方。本专利技术第二方面，提供了一种车前积雪与结冰的检测报警装置，包括：拍摄视频获取模块，用于获取车辆上摄像头拍摄车前场景的第一视频；图片截取模块，用于从所述第一视频的视频帧中截取出所述车前场景中表征路面状况的第一图片；识别模块，用于将所述第一图片输入至利用无监督深度学习预训练完成的无监督深度学习模型，得到所述无监督深度学习模型输出的识别结果，所述识别结果为路面上存在积雪或结冰，或者路面上不存在积雪或结冰；报警模块，用于若所述识别结果为路面上存在积雪或结冰，则发出报警信息。可选地，所述车前积雪与结冰的检测报警装置还包括：定位信息获取模块，用于获取所述摄像头拍摄车前场景的第一视频时所述车辆的定位信息；关联存储模块，用于将所述定位信息与所述识别结果关联存储；提前预警模块，用于若所述识别结果为路面上存在积雪或结冰，且检测到车辆将要行驶经过所述定位信息对应的地点，则提前预设时间或者预设距离对将要行驶经过的车辆发出预警信息。可选地，所述车前积雪与结冰的检测报警装置还包括：天气情况获取模块，用于若所述识别结果为路面上存在积雪或结冰，获取所述定位信息对应的地点所属地区的天气情况；消融时长确定模块，用于根据所述天气情况确定所述所属地区中积雪或结冰消融所需的时长；消融时间确定模块，用于根据确定出的所述时长确定所述定位信息对应的地点上积雪或结冰的消融时间；效力修改模块，用于当所述消融时间到达时，将与所述定位信息关联存储的识别结果的状态修改为失效。本专利技术第三方面，提供了一种服务器，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上述车前积雪与结冰的检测报警方法的步骤。本专利技术第四方面，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计算机程序，所述计算机程序被处理器执行时实现上述车前积雪与结冰的检测报警方法的步骤。本专利技术实施例中，首先，获取车辆上摄像头拍摄车前场景的第一视频；然后，从所述第一视频的视频帧中截取出所述车前场景中表征路面状况的第一图片；接着，将所述第一图片输入至利用无监督深度学习预训练完成的无监督深度学习模型，得到所述无监督深度学习模型输出的识别结果，所述识别结果为路面上存在积雪或结冰，或者路面上不存在积雪或结冰；若所述识别结果为路面上存在积雪或结冰，则发出报警信息。在本专利技术实施例中，通过获取摄像头拍摄车前场景的第一视频，并从中截取表征路面状况的图片，将该图片输入至利用无监督深度学习预训练完成的无监督深度学习模型得到识别结果，从而可以得到该车辆当前车前路面上是否存在积雪或结冰，若存在，则发出报警信息，实现了检测路面积雪与结冰情况并及时发出报警信息，大大减轻了积雪与结冰的路面情况对行车带来的不良影响。附图说明图1为本专利技术实施例中一种车前积雪与结冰的检测报警方法一个实施例流程图；图2为本专利技术实施例中一种车前积雪与结冰的检测报警方法在一个应用场景下预先训练无监督深度学习模型的流程示意图；图3为本专利技术实施例中一种车前积雪与结冰的检测报警方法在一个应用场景下为其它车辆提供预警信息的流程示意图；图4为本专利技术实施例中一种车前积雪与结冰的检测报警方法在一个应用场景下估算冰雪消融时间的流程示意图；图5为本专利技术实施例中一种车前积雪与结冰的检测报警装置一个实施例结构图；图6为本专利技术一实施例提供的服务器的示意图。具体实施方式本专利技术实施例提供了一种车前积雪与结冰的检测报警方法、存储介质和服务器，用于解决如何检测路面积雪与结冰情况并及时发出相应报警的问题。本专利技术采用基于无监督深度学习的图像方式实时检测路面积雪与结冰情况并发出实时报警，在此基础上，将所有安装此方法程序或系统的车辆在平台连网，形成一个城市网，在每个城市内的所有车辆间能够信息共享，在一辆车检测出某地存在路面积雪与结冰后能在一定时间内对经过此地的其他车辆进行提前提醒，最大限度上对危险情况进行提前预警，防止不必要的事故发生。为使得本专利技术的专利技术目的、特征、优点能够更加的明显和易懂，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本专利技术一部分实施例，而非全部的实施例。基于本专利技术中的实施例，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它实施例，都属于本专利技术保护的范围。请参阅图1，本专利技术实施例中一种车前积雪与本文档来自技高网...

【技术保护点】
1.一种车前积雪与结冰的检测报警方法，其特征在于，包括：获取车辆上摄像头拍摄车前场景的第一视频；从所述第一视频的视频帧中截取出所述车前场景中表征路面状况的第一图片；将所述第一图片输入至利用无监督深度学习预训练完成的无监督深度学习模型，得到所述无监督深度学习模型输出的识别结果，所述识别结果为路面上存在积雪或结冰，或者路面上不存在积雪或结冰；若所述识别结果为路面上存在积雪或结冰，则发出报警信息。

【技术特征摘要】
【国外来华专利技术】1.一种车前积雪与结冰的检测报警方法，其特征在于，包括：获取车辆上摄像头拍摄车前场景的第一视频；从所述第一视频的视频帧中截取出所述车前场景中表征路面状况的第一图片；将所述第一图片输入至利用无监督深度学习预训练完成的无监督深度学习模型，得到所述无监督深度学习模型输出的识别结果，所述识别结果为路面上存在积雪或结冰，或者路面上不存在积雪或结冰；若所述识别结果为路面上存在积雪或结冰，则发出报警信息。2.根据权利要求1所述的车前积雪与结冰的检测报警方法，其特征在于，还包括：获取所述摄像头拍摄车前场景的第一视频时所述车辆的定位信息；将所述定位信息与所述识别结果关联存储；若所述识别结果为路面上存在积雪或结冰，且检测到车辆将要行驶经过所述定位信息对应的地点，则提前预设时间或者预设距离对将要行驶经过的车辆发出预警信息。3.根据权利要求2所述的车前积雪与结冰的检测报警方法，其特征在于，在将所述定位信息与所述识别结果关联存储之后，还包括：若所述识别结果为路面上存在积雪或结冰，获取所述定位信息对应的地点所属地区的天气情况；根据所述天气情况确定所述所属地区中积雪或结冰消融所需的时长；根据确定出的所述时长确定所述定位信息对应的地点上积雪或结冰的消融时间；当所述消融时间到达时，将与所述定位信息关联存储的识别结果的状态修改为失效。4.根据权利要求1所述的车前积雪与结冰的检测报警方法，其特征在于，所述无监督深度学习模型通过以下步骤预先训练得到：预先采集多个拍摄自车前场景的样本视频；从各个所述样本视频中截取出表征路面状况的样本图片；将各个所述样本图片转换成输入向量输入至初始的无监督深度学习模型中；通过所述初始的无监督深度学习模型对所述输入向量进行编码、解码处理，得到输出向量；计算所述输出向量与所述输入向量之间的输出误差；若所述输出误差不符合预设条件，则调整所述无监督深度学习模型的模型参数，并将模型参数调整后的无监督深度学习模型作为初始的无监督深度学习模型，返回执行将各个所述样本图片转换成输入向量输入至初始的无监督深度学习模型中的步骤以及后续步骤；直到所述输出误差满足预设条件时，确定所述无监督深度学习模型训练完成。5.根据权利要求1至4中任一项所述的车前积雪与结冰的检测报警方法，其特征在于，还包括：若所述识别结...

【专利技术属性】
技术研发人员：周清华，刘光军，陈炎平，黄雯，
申请(专利权)人：深圳市锐明技术股份有限公司，
类型：发明
国别省市：广东,44