[发明专利]车辆碰撞检测方法、装置、电子设备及车辆

说明书

本公开涉及一种车辆碰撞检测方法、装置、电子设备及车辆，所述方法包括：获取目标车辆的状态信息；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。本公开利用训练好的卷积神经网络判断车辆的事件类型，准确度高；且可检测近碰撞事件，由此，当检测到近碰撞事件时，可进一步对驾驶者进行提醒或直接对车辆进行规避操作，提高安全性，为驾驶者和乘坐者的安全带来保障。

技术领域

本公开涉及车辆数据处理领域，具体地，涉及一种车辆碰撞检测方法、装置、电子设备及车辆。

背景技术

车辆碰撞的自动检测有利于及时将碰撞事故通知到相关人员和机构，包括急救人员，家庭成员，车队负责人和保险公司。另一方面，及时检测碰撞事故也有利于事故发生情况的调查。

在一些相关技术中，直接使用碰撞检测硬件传感器进行车辆碰撞的自动检测。另一些相关技术中，利用车载传感器或移动传感器获取车辆的行车数据，再根据传感器数据，通过积分、差值等方法来计算特征值。进而，通过这些特征值来计算阀值以确定是否发生碰撞。

发明内容

为解决相关技术中的问题，本公开的目的是提供一种车辆碰撞检测方法、装置、电子设备及车辆。

第一方面，本公开提供一种车辆碰撞检测方法，包括：

获取目标车辆的状态信息；

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。

可选地，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；

根据训练样本和训练终止条件，对待训练卷积神经网络进行训练；

当训练终止时，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。

可选地，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。

可选地，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。

可选地，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：