一种云端环境下基于感知传感器的事故报告、储存方法技术

本发明专利技术提供了一种云端环境下基于感知传感器的事故报告、储存方法。通过路基传感器、道路视频、车辆自身传感器以及人员穿戴的智能设备、智能手机实时向云端服务平台上传信息；云端服务平台将采集到的的信息进行筛选提取，然后对提取出来的信息进行特征识别；将信息输入训练好的双隐层神经网络事故判别模型进行事故判别；本发明专利技术可以最大限度主动判断及上报事故，有效缓解事故救援问题，提高路侧以及车辆自身传感器的利用效率，节约了人力物力资源；同时数据库的建立保存了完整的事故发生过程中的一手证据资料，为后续事故鉴定调查提供真实的现场资料和证据。实的现场资料和证据。实的现场资料和证据。

【技术实现步骤摘要】
一种云端环境下基于感知传感器的事故报告、储存方法


[0001]本专利技术专利涉及交通信息采集领域，具体为一种云端环境下基于感知传感器的人车事故报告、储存方法。

技术介绍

[0002]汽车行业的飞速发展以及汽车保有量的急剧增加在为人们带来方便的同时，也为我们带来碳排放增加，城市交通拥堵严重，交通事故频发等社会问题。2018年世界卫生组织的《全球道路安全现状报告》中提到全球每年死于交通事故的人数为135万人，道路交通事故是全球所有年龄阶段的第八大死亡原因，并且是5
‑
29岁青少年的第一大死因。警察以及医生未能及时赶到现场以致交通事故参与者错过最佳救治时间是困扰许多交通安全研究者以及警方医生的一个难题。由此，如何第一时间发现事故的发生，如何第一时间通知110平台、120平台、事故参与者紧急联系人以及保险公司就显得尤为重要。
[0003]近些年，随着车联网以及智能交通技术的迅速发展，事故场景识别以及交通事故检测方法得到了广泛的关注。如何加强事故检测的准确性以及检测方法的环境适应性一直是该领域研究者的研究重点，致使大家对于事故信息的全面性以及事故发生后如何及时处理没有得到足够的重视。此外，由于现有的交通基础设施比较简单，与研究者预想智能交通系统有着一定的差距，并且在事故发生后大多由人员手动测量、记录各项事故数据，误差较大，不便于后续调查鉴定，现有的文献中大部分检测方法也很难应用于实际交通道路上。
[0004]本文提出的一种云端通信环境下基于感知传感器的事故报告方法依靠机器学习的方式对事故信息进行识别提取，系统通过不断的正负强化反馈，加强事故信息识别提取的准确性以及系统对各类复杂交通系统的适应性。然后通过云服务平台快速地将相关信息提供给110平台、120平台、事故参与者紧急联系人以及保险公司，使得相关部门以及人员可以做出最快速的反应。同时在云端将事故数据自动录入云端事故数据库，便于对交通事故后续的查阅和研究。

技术实现思路

[0005]本专利技术提供一种云端环境下基于感知传感器的事故报告方法，其目的是通过各类感知传感器以及后台运服务实现快速准确的识别提取事故相关信息，并将相关信息迅速提供给相关部门以及人员，为警方、医务工作者以及事故伤员争取更多宝贵的时间，同时在云端生成的事故数据库也可为事故鉴定工作者以及保险公司提供第一手事故相关信息。
[0006]为实现上述技术目的，本专利技术采用如下技术方案：一种云端环境下基于感知传感器的事故报告、储存方法，其特征在于，包括：
[0007]道路架设的交警视频监控摄像头等感知传感器设备以及车辆自身的传感器、人员穿戴的智能设备，等每隔固定的时间采集一次图像序列、道路信息、车辆参数以及人员信息；将传感器及车辆采集到的包括但不局限于图像序列的信息，通过无线加密通信传输到云服务后台；云服务后台对信息进行特征提取、使用双隐层神经网络对特征信息进行事故
判定，若出现事故则自动将事故信息存入云端数据库，并通过无线加密方式向交警、医院、保险、鉴定部门发送报告；道路架设的交警视频监控摄像头等感知传感器设备以及车辆自身的传感器、人员穿戴的智能设备，包括：道路摄像头、地磁流量传感器、道路温度、湿度传感器、车辆自身传感器及EDR信息、智能手机、智能穿戴装置；每隔固定的时间采集一次图像序列、道路信息、车辆参数以及人员信息，包括：每隔0.1s采集一次道路视频、图像、环境温度、湿度、车流量情况、车辆横向纵向运动参数、EDR信息、人员信息、人员运动参数；将传感器及车辆采集到的包括但不局限于图像序列的信息，通过无线通信传输到云服务后台，包括：采用基于LoRa协议的无线加密传输来对数据进行上传，并用128bits的AES秘钥来对数据进行加密。
[0008]进一步地，云服务后台对信息进行特征提取、根据特征信息进行事故判定，若出现事故则自动将事故信息存入云端数据库，并向交警、医院、保险、鉴定部门发送报告；包括：数据提取系统、事故判定系统、数据库系统、事故上报系统。
[0009]进一步地，对信息进行特征提取，包括：
[0010]预处理：相机标定，将图像坐标转换为真实坐标；
[0011]使用Faster R
‑
CNN进行目标检测：候选区域，目标分类；
[0012]使用Deep SORT进行目标追踪；
[0013]后处理：单应性变换，交通环境检测，标注特征。
[0014]进一步地，对特征信息进行事故判定，包括使用基于事故信息权重的双隐层神经网络事故判别模型；使用双隐层感知器神经网络来对提取出来的信息进行事故判别，其中两个隐藏层分别为对特征信息进行权重分配以及对事故进行判定。
[0015]进一步地，包括将事故信息用表格分类储存、包含事故涉及到的车辆信息、人员信息、道路信息、环境信息.
[0016]进一步地，将完整的一手事故信息通过基于LoRa协议的无线加密传输方式发给交警、医院、保险、家属、鉴定部门。
[0017]有益效果：本专利技术提供的是一种云端环境下基于感知传感器的事故报告、储存方法，在有接入视觉传感器的路口或者路段基础上，采集视频或图像序列不断送入存储器上传至云端，同时车辆自身传感器数据，记录人员信息的智能设备的传感器数据也会同步在云端；在云端，所需的算法和程序都将在云服务上运行，基于机器学习的事故判断系统能够较为准确的判断事故，并及时上报事故信息、储存事故一手信息和证据资料；有益效果包括但不局限于：能够记录捕捉事故视频，为交警记录第一手资料，为后期事故重建或者判责提供有力证据；在车祸发生时候捕捉当时事故环境，现场资料，天气环境，行人行为等，更为有用的事故信息包括事故车辆的EDR，事故人员的个人信息，如性别年龄，病史，药物过敏等；这些均会随着事故发生录入到云端数据库中，保存完整真实的事故数据资料；事故上报系统能够及时将事故报告给第三方，从而使伤员能及时得到救助，事故现场能得到及时管控和疏通；总之，此专利能够让交通管理者，道路使用者，保险公司，汽车厂都人道享有第一手资料，能够造福于社会。
[0018]此本专利技术可以最大限度主动判断及上报事故，有效缓解事故救援问题，简化了交警出警流程，提高路侧以及车辆自身传感器的利用效率，优势包括节约了人力物力资源，提高资源利用率；同时数据库的建立保存了完整的事故发生过程中的一手证据资料，为后续
事故鉴定调查提供真实的现场资料和证据。
附图说明
[0019]图1为本专利技术实施例的系统框架图；
[0020]图2为本专利技术实施例的坐标变换方式图；
[0021]图3为目标识别与追踪流程图；
[0022]图4为双隐层神经网络事故判别模型图。
具体实施方式
[0023]下面对本专利技术的实施例作详细说明，本实施例以本专利技术的技术方案为依据开展，给出了详细的实施方式和具体的操作过程，对本专利技术的技术方案作进一步解释说明。
[0024]本专利技术提供一种云端环境下基于感知传感器的事故报告方法，如图1所示，以下结合附图对本专利技术的优选实施本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种云端环境下基于感知传感器的事故报告、储存方法，其特征在于，包括：通过道路架设的交警视频监控摄像头感知传感器设备以及车辆自身的传感器、人员穿戴的智能设备，每隔固定的时间采集一次图像序列、道路信息、车辆参数以及人员信息；将传感器及车辆采集到的包括但不局限于图像序列的信息，通过无线加密通信传输到云服务后台；云服务后台对信息进行特征提取、使用双隐层神经网络对特征信息进行事故判定，若出现事故则自动将事故信息存入云端数据库，并通过无线加密方式向交警、医院、保险、鉴定部门发送报告；道路架设的交警视频监控摄像头感知传感器设备以及车辆自身的传感器、人员穿戴的智能设备包括：道路摄像头、地磁流量传感器、道路温度、湿度传感器、车辆自身传感器及EDR信息、智能手机、智能穿戴装置；每隔固定的时间采集一次图像序列、道路信息、车辆参数以及人员信息，包括：每隔0.1s采集一次道路视频、图像、环境温度、湿度、车流量情况、车辆横向纵向运动参数、EDR信息、人员信息、人员运动参数；将传感器及车辆采集到的包括但不局限于图像序列的信息，通过无线通信传输到云服务后台，包括：采用基于LoRa协议的无线加密传输来对数据进行上传，并用128bits的AES秘钥来对数据进行加密。2.根据权利要求1所述的云端环境下基于感知传感器的事故报告、储存方法，其特征在于：云服务后台对...

【专利技术属性】
技术研发人员：林淼，宋亚浩，代兵，王鹏，胡林，卜德军，刘福聚，连晓威，李旭东，王文霞，李晓虎，辛宁，
申请(专利权)人：中国汽车技术研究中心有限公司，
类型：发明
国别省市：