基于人工智能的行车记录仪镜头使用效率评估系统技术方案

本发明专利技术属于镜头使用效率评估领域，涉及数据分析技术，用于解决现有的镜头使用效率评估系统针对不同类型的故障采用同一标准进行效率评估，导致评估结果精确性低下的问题，具体是基于人工智能的行车记录仪镜头使用效率评估系统，包括效率评估平台，效率评估平台通信连接有镜头检测模块、特征分析模块、效率评估模块以及存储模块；镜头检测模块用于对行车记录仪的镜头使用状态进行检测分析：生成检测周期，将行车记录仪在检测周期内拍摄的行车录像分解为行车图像并随机抽取若干个行车图像标记为分析图像；本发明专利技术可以对行车记录仪的镜头使用状态进行检测分析，通过对行车录像进行分解之后，从而在镜头出现运行异常时及时进行预警与反馈。警与反馈。警与反馈。

【技术实现步骤摘要】
基于人工智能的行车记录仪镜头使用效率评估系统


[0001]本专利技术属于镜头使用效率评估领域，涉及数据分析技术，具体是基于人工智能的行车记录仪镜头使用效率评估系统。

技术介绍

[0002]行车记录仪即记录车辆行驶途中的影像及声音等相关资讯的仪器；安装行车记录仪后，能够记录汽车行驶全过程的视频图像和声音，可为交通事故提供证据；喜欢自驾游的人，还可以用它来记录征服艰难险阻的过程，开车时边走边录像，同时把时间、速度、所在位置都记录在录像里。
[0003]现有的行车记录仪镜头使用效率评估系统仅能够在镜头出现异常时结合使用时间对镜头的使用效率进行评估，但是镜头运行异常存在多个类型的故障，针对不同类型的故障采用同一标准进行效率评估，会导致评估结果精确性低下，不具备说服力。
[0004]针对上述技术问题，本申请提出一种解决方案。

技术实现思路

[0005]本专利技术的目的在于提供基于人工智能的行车记录仪镜头使用效率评估系统，用于解决现有的镜头使用效率评估系统针对不同类型的故障采用同一标准进行效率评估，导致评估结果精确性低下的问题；
[0006]本专利技术需要解决的技术问题为：如何提供一种可以针对不同类型的故障采用对应标准进行效率评估的基于人工智能的行车记录仪镜头使用效率评估系统。
[0007]本专利技术的目的可以通过以下技术方案实现：
[0008]基于人工智能的行车记录仪镜头使用效率评估系统，包括效率评估平台，所述效率评估平台通信连接有镜头检测模块、特征分析模块、效率评估模块以及存储模块；
[0009]所述镜头检测模块用于对行车记录仪的镜头使用状态进行检测分析：生成检测周期，将行车记录仪在检测周期内拍摄的行车录像分解为行车图像并随机抽取若干个行车图像标记为分析图像；将分析图像放大为像素格图像并进行灰度变换，将分析图像分割为若干个分析区域并进行编号，获取分析区域的重合系数并通过重合系数将分析区域标记为正常区域或异常区域；分析区域的数量不为零时，判定行车记录仪的镜头使用状态不满足要求，生成特征分析信号并发送至效率评估平台，效率评估平台接收到特征分析信号后将特征分析信号发送至特征分析模块；
[0010]所述特征分析模块用于对行车记录仪的镜头异常特征进行检测分析并将镜头异常特征标记为发霉、磨损或裂痕，将行车记录仪的镜头异常特征发送至效率评估平台，效率评估平台接收到镜头异常特征后将镜头异常特征发送至效率评估模块；
[0011]所述效率评估模块用于对行车记录仪的镜头使用效率进行评估分析。
[0012]作为本专利技术的一种优选实施方式，分析区域的重合系数的获取过程包括：对分析区域内的像素格的灰度值进行求和取平均值得到分析区域的灰度均值，由所有分析图像在
同一分析区域内的所有灰度均值构成灰均集合，对灰均集合进行方差计算得到分析区域的重合系数。
[0013]作为本专利技术的一种优选实施方式，将分析区域标记为正常区域或异常区域的具体过程包括：通过存储模块获取到重合阈值，将重合系数与重合阈值进行比较：若重合系数小于重合阈值，则判定分析区域的镜头状态不满足要求，将对应的分析区域标记为异常区域；若重合系数大于等于重合阈值，则判定分析区域的镜头状态满足要求，将对应的分析区域标记为正常区域；在分析区域的数量为零时，判定行车记录仪的镜头使用状态满足要求。
[0014]作为本专利技术的一种优选实施方式，特征分析模块对行车记录仪的镜头异常特征进行检测分析的具体过程包括：将检测周期内异常区域的数量标记为异和值，将检测周期内相互接触的异常区域的数量标记为连接值，将连接值与异和值的比值标记为异常值，通过存储模块获取到异常阈值，将异常值与异常阈值进行比较：若异常值小于异常阈值，则将行车记录仪的镜头异常特征标记为磨损；若异常值大于等于异常阈值，则进行霉变分析。
[0015]作为本专利技术的一种优选实施方式，霉变分析的具体过程包括：由异常区域内同一像素格在所有分析图像中的灰度值构成像素格的灰度集合，对灰度集合进行方差计算得到像素格的灰差值，通过存储模块获取到灰差阈值，将灰差值与灰差阈值进行比较：若灰差值小于灰差阈值，则将对应像素格标记为异常格；若灰差值大于等于灰差阈值，则将对应像素格标记为正常格；将所有异常区域内异常格的数量和值与像素格的数量和值的比值标记为霉变系数，通过存储模块获取到霉变阈值，将霉变系数与霉变阈值进行比较：若霉变系数小于霉变阈值，则将行车记录仪的镜头异常特征标记为裂痕；若霉变系数大于等于霉变阈值，则将行车记录仪的镜头异常特征标记为发霉；将行车记录仪的镜头异常特征发送至效率评估平台，效率评估平台接收到镜头异常特征后将镜头异常特征发送至效率评估模块。
[0016]作为本专利技术的一种优选实施方式，效率评估模块对行车记录仪的镜头使用效率进行评估分析的具体过程包括：将效率评估模块接收到镜头异常特征的时刻与镜头出场时刻的差值标记为使用时长SS，将行车记录仪的累计工作时长标记为累计时长LS，通过公式XL＝(α1*SS+α2*LS)/(α3*TZ)得到行车记录仪的镜头的效率系数XL，其中α1、α2以及α3均为比例系数，且α1＞α2＞α3＞1；TZ为根据镜头异常特征调取的特征值，特征值的大小关系为：发霉＞磨损＞裂痕；通过存储模块获取到效率阈值XLmin，将行车记录仪镜头的效率系数XL与效率阈值XLmin进行比较并通过比较结果对行车记录仪的镜头使用效率是否满足要求进行判定。
[0017]作为本专利技术的一种优选实施方式，将行车记录仪镜头的效率系数XL与效率阈值XLmin进行比较的具体过程包括：若效率系数XL小于效率阈值XLmin，则判定行车记录仪的镜头使用效率不满足要求，生成镜头效率异常信号并将镜头效率异常信号通过效率评估平台发送至管理人员的手机终端；若效率系数XL大于等于效率阈值XLmin，则判定行车记录仪的镜头使用效率满足要求，生成镜头更换信号并将镜头更换信号通过效率评估平台发送至管理人员的手机终端。
[0018]作为本专利技术的一种优选实施方式，该基于人工智能的行车记录仪镜头使用效率评估系统的工作方法，包括以下步骤：
[0019]步骤一：对行车记录仪的镜头使用状态进行检测分析：生成检测周期，将行车记录仪在检测周期内拍摄的行车录像分解为行车图像并随机抽取若干个行车图像标记为分析
图像；将分析图像分割为若干个分析区域并进行编号，获取分析区域的重合系数并通过重合系数将分析区域标记为正常区域或异常区域；
[0020]步骤二：对行车记录仪的镜头异常特征进行检测分析并将镜头异常特征标记为发霉、磨损或裂痕，将镜头异常特征通过效率评估平台发送至效率评估模块；
[0021]步骤三：对行车记录仪的镜头使用效率进行评估分析并获取到使用时长SS与累计时长LS，根据镜头异常特征调取的特征值TZ，通过对使用时长SS、累计时长LS以及特征值TZ进行数值计算得到效率系数XL，通过效率系数XL对行车记录仪的镜头使用效率是否满足要求进行判定。
[0022]本专利技术具备下述有益效果：
[0023]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于人工智能的行车记录仪镜头使用效率评估系统，其特征在于，包括效率评估平台，所述效率评估平台通信连接有镜头检测模块、特征分析模块、效率评估模块以及存储模块；所述镜头检测模块用于对行车记录仪的镜头使用状态进行检测分析：生成检测周期，将行车记录仪在检测周期内拍摄的行车录像分解为行车图像并随机抽取若干个行车图像标记为分析图像；将分析图像放大为像素格图像并进行灰度变换，将分析图像分割为若干个分析区域并进行编号，获取分析区域的重合系数并通过重合系数将分析区域标记为正常区域或异常区域；分析区域的数量不为零时，判定行车记录仪的镜头使用状态不满足要求，生成特征分析信号并发送至效率评估平台，效率评估平台接收到特征分析信号后将特征分析信号发送至特征分析模块；所述特征分析模块用于对行车记录仪的镜头异常特征进行检测分析并将镜头异常特征标记为发霉、磨损或裂痕，将行车记录仪的镜头异常特征发送至效率评估平台，效率评估平台接收到镜头异常特征后将镜头异常特征发送至效率评估模块；所述效率评估模块用于对行车记录仪的镜头使用效率进行评估分析。2.根据权利要求1所述的基于人工智能的行车记录仪镜头使用效率评估系统，其特征在于，分析区域的重合系数的获取过程包括：对分析区域内的像素格的灰度值进行求和取平均值得到分析区域的灰度均值，由所有分析图像在同一分析区域内的所有灰度均值构成灰均集合，对灰均集合进行方差计算得到分析区域的重合系数。3.根据权利要求2所述的基于人工智能的行车记录仪镜头使用效率评估系统，其特征在于，将分析区域标记为正常区域或异常区域的具体过程包括：通过存储模块获取到重合阈值，将重合系数与重合阈值进行比较：若重合系数小于重合阈值，则判定分析区域的镜头状态不满足要求，将对应的分析区域标记为异常区域；若重合系数大于等于重合阈值，则判定分析区域的镜头状态满足要求，将对应的分析区域标记为正常区域；在分析区域的数量为零时，判定行车记录仪的镜头使用状态满足要求。4.根据权利要求3所述的基于人工智能的行车记录仪镜头使用效率评估系统，其特征在于，特征分析模块对行车记录仪的镜头异常特征进行检测分析的具体过程包括：将检测周期内异常区域的数量标记为异和值，将检测周期内相互接触的异常区域的数量标记为连接值，将连接值与异和值的比值标记为异常值，通过存储模块获取到异常阈值，将异常值与异常阈值进行比较：若异常值小于异常阈值，则将行车记录仪的镜头异常特征标记为磨损；若异常值大于等于异常阈值，则进行霉变分析。5.根据权利要求4所述的基于人工智能的行车记录仪镜头使用效率评估系统，其特征在于，霉变分析的具体过程包括：由异常区域内同一像素格在所有分析图像中的灰度值构成像素格的灰度集合，对灰度集合进行方差计算得到像素格的灰差值，通过存储模块获取到灰差阈值，将灰差值与灰差阈值进行比较：若灰差值小于灰差阈值，则将对应像素格标记为异常格；若灰差值大于等于灰...

【专利技术属性】
技术研发人员：王同发，王鑫，方涛，粟伟亮，周良新，何随军，林忠斌，
申请(专利权)人：安徽亚腾发光学科技有限公司，
类型：发明
国别省市：