[发明专利]车辆碰撞检测方法、装置、电子设备及车辆

权利要求书

1.一种车辆碰撞检测方法，其特征在于，包括：

获取目标车辆的状态信息，其中，所述状态信息包括所述目标车辆在不同时间点的车速、经度、纬度、高度、航向、加速度和角速度；

根据所述状态信息以及训练好的卷积神经网络，确定所述目标车辆的事件类型，所述事件类型为以下类型的任一者：碰撞事件、近碰撞事件和基线事件；

其中，所述方法还包括：

获取训练样本，所述训练样本包括：多个时间序列数据以及与每个时间序列数据相对应的事件类型标签，其中，每个时间序列数据包括：至少一个传感器按照时间记录的车辆的状态信息；

将所述训练样本的各个带事件类型标签的时间序列数据通过待训练卷积神经网络的输入层输入至所述待训练卷积神经网络的卷积层，并将经过所述待训练卷积 神经网络的卷积层、池化层和全连接层的逐级变换后的时间序列数据传送至所述待训练卷积 神经网络的输出层；

根据所述输出层的输出结果以及每个所述时间序列数据所对应的事件类型标签，调整所述卷积层、所述池化层和所述全连接层的权值和偏置，使得所述输出层的输出结果与每个所述时间序列数据所对应的事件类型标签的误差最小化；以及

当达到训练终止条件时，分别获取待训练卷积神经网络的参数信息，所述参数信息至少包括：卷积层的权值、卷积层的偏置、池化层的权值、池化层的偏置、全连接层的权值、全连接层的偏置、卷积层的个数、每个卷积层的卷积核大小、池化层的个数、每个池化层的大小、全连接层的个数以及每个全连接层的大小；

根据所述参数信息，构建所述卷积神经网络。

2.根据权利要求1所述的方法，其特征在于，所述获取训练样本，包括：

获取来自至少一个传感器的带事件类型标签的时间序列数据；

将来自不同传感器的带事件类型标签的时间序列数据，按照时间戳进行合并；

将合并后的带事件类型标签的时间序列数据确定为所述训练样本。

3.根据权利要求2所述的方法，其特征在于，所述将来自不同传感器的带事件类型标签的时间序列数据，按照时间戳进行合并，包括：

来自不同传感器的带事件类型标签的时间序列数据中，对于同一事件类型的时间序列数据，按照事件对应的最小时间窗和预设时间窗移动量，将该时间序列数据分割为多个时间序列数据；

对经分割后的来自不同传感器的时间序列数据，按照时间戳进行合并。

4.根据权利要求2或3所述的方法，其特征在于，所述按照时间戳进行合并，包括：

当来自不同传感器的时间序列数据的时间戳不相同时，对采样频率低的时间序列数据进行线性插值补偿；

将进行了线性插值补偿后的时间序列数据进行合并，得到一待采样时间序列数据；

所述将合并后的带事件类型标签的时间序列数据作为所述训练样本，包括：

将按照预设采样频率从所述待采样时间序列数据中采样得到的时间序列数据及其对应的事件类型标签，作为所述训练样本。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

每迭代一次，将全连接层中预设数量的神经元丢弃。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取测试样本，所述测试样本包括：待测试车辆的状态信息和与所述状态信息对应的事件类型标签；

将所述待测试车辆的状态信息输入通过所述参数信息构建的卷积神经网络中，获取所述待测试车辆的事件类型；

当获取的所述待测试车辆的事件类型与所述事件类型标签不相符时，根据所述训练样本，对卷积神经网络重新进行训练，以更新所述参数信息。