[发明专利]一种危险预警方法、装置、设备及存储介质

权利要求书

1.一种危险预警方法，其特征在于，所述方法包括：

获取图像采集设备采集的连续多帧视频帧图像；

对所述视频帧图像进行预处理，得到目标车辆的特征提取数据，将所述特征提取数据作为输入数据输入到神经网络组合模型；

由所述神经网络组合模型根据所述输入数据，确定是否发生危险事件，在发生危险事件时，输出所述危险事件对应的预警信号；

所述方法还包括：

在确定发生车道偏离事件之后，当实际预警时机和输出对应的报警信息的时间的差值大于预设时间阈值时，对所述神经网络组合模型进行更新；其中，所述实际预警时机表示驾驶员实际采取操作的时机。

2.根据权利要求1所述的方法，其特征在于，所述神经网络组合模型包括第一神经网络、第二神经网络和第三神经网络中的一种或多种的组合；

其中，所述第一神经网络用于根据所述输入数据，确定是否发生车道偏离事件，在确定发生所述车道偏离事件时，输出所述车道偏离事件对应的预警信号；

所述第二神经网络用于根据所述输入数据，确定是否发生前车碰撞事件，在确定发生所述前车碰撞事件时，输出所述前车碰撞事件对应的预警信号；

所述第三神经网络用于根据所述输入数据，确定是否发生行人碰撞事件，在确定发生行人碰撞事件时，输出所述行人碰撞事件对应的预警信号。

3.根据权利要求2所述的方法，其特征在于，所述神经网络组合模型至少包括所述第一神经网络；

所述对所述视频帧图像进行预处理，得到目标车辆的特征提取数据，将所述特征提取数据作为输入数据输入到神经网络组合模型，包括：

对所述视频帧图像进行第一预处理，得到所述目标车辆的车辆特征信息和车道特征信息，将所述车辆特征信息和所述车道特征信息输入到第一神经网络；

所述由所述神经网络组合模型根据所述输入数据，确定是否发生危险事件，在发生危险事件时，输出所述危险事件对应的预警信号，包括：

由所述第一神经网络根据所述车辆特征信息和所述车道特征信息，确定所述目标车辆的车道偏离距离和/或跨道时间；

当所述车道偏离距离满足预设偏离阈值，和/或，所述跨道时间满足预设时间阈值时，确定发生车道偏离事件，并输出所述车道偏离事件对应的预警信号。

4.根据权利要求3所述的方法，其特征在于，

所述车道特征信息至少包括所述目标车辆所对应的行驶车道的车道线质量、车道宽度、车道半径、车道曲率和偏航角中的一种或多种；

所述车辆特征信息至少包括所述目标车辆的行驶轨迹、所述目标车辆相对于所述行驶车道的相对位置和相对速度，以及所述目标车辆的行驶速度、转向灯信号、方向盘转角信号、刹车信号、横摆角速度、车头时距和车头宽度中的一种或多种。

5.根据权利要求4所述的方法，其特征在于，

所述由所述第一神经网络根据所述车辆特征信息和所述车道特征信息，确定所述目标车辆的车道偏离距离，包括：

由所述第一神经网络根据所述车辆特征信息和所述车道特征信息，计算所述目标车辆偏离所述行驶车道时的估计横向位移；

所述估计横向位移X_s通过以下方式确定：

其中，T_t为所述目标车辆的车头时距，V为目标车辆的行驶速度，β为行驶车道的曲率，X_front为目标车辆相对于行驶车道的实际横向位移，为行驶车道和目标车辆的纵轴之间形成的偏航角，通过以下方式确定：

dX为目标车辆每单位时间的横向位移X的变化、dY为目标车辆每单位时间的行驶方向位移的变化、dX'表示所述dX的微分值。

6.根据权利要求5所述的方法，其特征在于，当所述车道偏离距离满足预设偏离阈值时，确定发生车道偏离事件，包括：

当|X_s|≥X_L时，判定所述目标车辆发生车道偏离事件；其中，X_L为偏离趋势的阈值，X_L＝(L-H)/2，L表示行驶车道的宽度，H表示目标车辆的车头宽度。