CN117437765B - 基于大数据行车记录的事故报警方法及系统 - Google Patents
基于大数据行车记录的事故报警方法及系统 Download PDFInfo
- Publication number
- CN117437765B CN117437765B CN202311760828.2A CN202311760828A CN117437765B CN 117437765 B CN117437765 B CN 117437765B CN 202311760828 A CN202311760828 A CN 202311760828A CN 117437765 B CN117437765 B CN 117437765B
- Authority
- CN
- China
- Prior art keywords
- accident
- vehicle
- image
- fault
- big data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000001514 detection method Methods 0.000 claims abstract description 36
- 239000000463 material Substances 0.000 claims abstract description 26
- 238000004458 analytical method Methods 0.000 claims abstract description 25
- 238000012544 monitoring process Methods 0.000 claims abstract description 8
- 230000006870 function Effects 0.000 claims description 46
- 230000008439 repair process Effects 0.000 claims description 39
- 238000012545 processing Methods 0.000 claims description 30
- 210000003127 knee Anatomy 0.000 claims description 25
- 210000003205 muscle Anatomy 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 10
- 230000009467 reduction Effects 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000004888 barrier function Effects 0.000 claims description 3
- 238000009795 derivation Methods 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 description 5
- 206010039203 Road traffic accident Diseases 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000005587 bubbling Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000000110 cooling liquid Substances 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036632 reaction speed Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0816—Indicating performance data, e.g. occurrence of a malfunction
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Emergency Management (AREA)
- Time Recorders, Dirve Recorders, Access Control (AREA)
Abstract
本发明涉及汽车技术领域，提供了一种基于大数据行车记录的事故报警方法及系统，分析行车记录仪对应的重量检测故障；计算抖动图像对应的图像梯度值，分析行车记录仪对应的防抖功能故障；设置行车记录仪对应的故障提示信息，对行车记录仪进行修复处理，得到修复行车记录仪；评测启动车辆的车辆驾驶员对应的坐姿安全级别；对启动车辆进行事故监测，启动车辆发生事故时，记录事故录像和事故时间，实时检测启动车辆的物质流动系数，分析启动车辆对应的事故级别，设置启动车辆的报警方案。本发明在于提高事故报警的分析准确性。
Description
技术领域
本发明涉及汽车技术领域，尤其涉及一种基于大数据行车记录的事故报警方法及系统。
背景技术
随着全球交通工具的增加和城市化进程的加速，全球每年因交通事故导致的伤亡人数高达数百万，给社会带来了巨大的经济和人力损失，因此，如何及时发现和预防交通事故成为了一个亟待解决的问题。
现有的交通事故报警系统主要依靠人工巡逻和监控摄像头进行事故识别，但是这种方式存在着识别准确率低、反应速度慢等问题，无法满足对交通事故的及时预警和报警需求，进而导致事故报警的分析准确性降低，因此需要一种能够提高事故报警的分析准确性的事故报警系统。
发明内容
本发明提供一种基于大数据行车记录的事故报警方法及系统，其主要目的在于提高事故报警的分析准确性。
为实现上述目的，本发明提供的一种基于大数据行车记录的事故报警方法，包括：
获取待分析事故的启动车辆，启动所述启动车辆的行车记录仪，利用所述行车记录仪采集所述启动车辆的车辆重量值，根据所述车辆重量值和预设的大数据平台，分析所述行车记录仪对应的重量检测故障；
对所述行车记录仪进行抖动处理，捕捉所述行车记录仪在抖动处理过程中的抖动图像，计算所述抖动图像对应的图像梯度值，根据所述图像梯度值、所述抖动图像以及所述大数据平台，分析所述行车记录仪对应的防抖功能故障；
根据所述重量检测故障和所述防抖功能故障，设置所述行车记录仪对应的故障提示信息，根据所述故障提示信息，对所述行车记录仪进行修复处理，得到修复行车记录仪；
结合所述大数据平台，评测所述启动车辆的车辆驾驶员对应的坐姿安全级别，根据所述坐姿安全级别，对所述车辆驾驶员的坐姿进行调节处理，得到安全坐姿；
在所述车辆驾驶员的坐姿为所述安全坐姿时，对所述启动车辆进行事故监测，所述启动车辆发生事故时，利用所述修复行车记录仪记录事故录像和事故时间，实时检测所述启动车辆的物质流动系数，根据所述物质流动系数、所述事故时间以及所述大数据平台，分析所述启动车辆对应的事故级别，根据所述事故级别和所述事故录像，设置所述启动车辆的报警方案。
可选地，所述根据所述车辆重量值和预设的大数据平台，分析所述行车记录仪对应的重量检测故障，包括：
识别所述车辆重量值对应的时间戳；
根据所述时间戳，对所述车辆重量值进行排序处理，得到排序重量值；
计算所述排序重量值中相邻重量值之间的重量比值；
从所述大数据平台中查询所述启动车辆对应的预设阈值；
根据所述重量比值和所述预设阈值，分析所述行车记录仪对应的重量检测故障。
可选地，所述计算所述抖动图像对应的图像梯度值，包括：
对所述抖动图像进行图像降噪处理，得到降噪抖动图像；
对所述降噪抖动图像进行灰度转换处理，得到灰度抖动图像；
计算所述灰度抖动图像中每个像素点对应的像素梯度值；
根据所述像素梯度值，计算所述抖动图像对应的图像梯度值。
可选地，所述计算所述灰度抖动图像中每个像素点对应的像素梯度值，包括：
通过下述公式计算所述灰度抖动图像中每个像素点对应的像素梯度值：
；
其中，A表示灰度抖动图像中每个像素点对应的像素梯度值，Bj表示灰度抖动图像中第j个像素点的灰度值，Bj+1表示灰度抖动图像中第j+1个像素点的灰度值，b(Bj-Bj+1)表示灰度抖动图像中第j个和第j+1个像素点的灰度值的向前差商，d（Bj）表示标准人脸图像中第j个像素点求导后的数值，b(Bj-Bj+1)表示灰度抖动图像中第j个和第j+1个像素点的灰度值的向后差商。
可选地，所述根据所述图像梯度值、所述抖动图像以及所述大数据平台，分析所述行车记录仪对应的防抖功能故障，包括：
根据所述图像梯度值，对所述抖动图像中的像素点进行翻转处理，得到翻转抖动图像；
计算所述翻转抖动图像对应的像素方差值，从所述大数据平台中查询所述行车记录仪对应的模糊判定区间；
根据所述像素方差值和模糊判定区间，对所述翻转抖动图像进行模糊判定，得到判定结果；
根据所述判定结果，分析所述行车记录仪对应的防抖功能故障。
可选地，所述计算所述翻转抖动图像对应的像素方差值，包括：
通过下述公式计算所述翻转抖动图像对应的像素方差值：
其中，G表示翻转抖动图像对应的像素方差值，M表示翻转抖动图像对应的图像宽度，N表示翻转抖动图像对应的图像高度，H（x,y）表示翻转抖动图像中坐标点为（x,y）的像素点对应的亮度值，表示翻转抖动图像的像素平均值。
可选地，所述根据所述重量检测故障和所述防抖功能故障，设置所述行车记录仪对应的故障提示信息，包括：
分别分析所述重量检测故障和所述防抖功能故障对应的故障类型，得到第一故障类型和第二故障类型;
查询所述第一故障类型和所述第二故障类型对应的故障代码，得到第一故障代码和第二故障代码;
配置所述第一故障代码和所述第二故障代码的修复信息，得到第一修复信息和第二修复信息;
结合所述第一故障代码、所述第二故障代码、所述第一修复信息和所述第二修复信息，生成所述行车记录仪对应的故障提示信息。
可选地，所述结合所述大数据平台，评测所述启动车辆的车辆驾驶员对应的坐姿安全级别，包括：
计算所述启动车辆中的车辆驾驶员与方向盘之间的额肌距离值，并计算所述车辆驾驶员与所述启动车辆中驾驶位膝部挡板之间的膝部距离值；
调度所述车辆驾驶员对应的体征信息；
根据所述体征信息，利用所述大数据平台查询所述行车记录仪对应的标准额肌距离值和标准膝部距离值；
结合所述标准额肌距离值、所述标准膝部距离值、所述额肌距离值以及所述膝部距离值，评测所述车辆驾驶员对应的坐姿安全级别。
可选地，所述根据所述物质流动系数、所述事故时间以及所述大数据平台，分析所述启动车辆对应的事故级别，包括：
根据所述事故时间，对所述物质流动系数进行分类处理，得到事故前流动系数和事故流动系数；
计算所述事故前流动系数中每个物质对应的平均流动系数；
计算平均流动系数与所述事故流动系数的系数比值；
从所述大数据平台中查询事故等级对应的流动阈值；
根据所述系数比值和所述流动阈值，分析所述启动车辆对应的事故级别。
一种基于大数据行车记录的事故报警系统，其特征在于，所述系统包括：
重量检测故障分析模块，用于获取待分析事故的启动车辆，启动所述启动车辆的行车记录仪，利用所述行车记录仪采集所述启动车辆的车辆重量值，根据所述车辆重量值和预设的大数据平台，分析所述行车记录仪对应的重量检测故障；
防抖功能故障分析模块，用于对所述行车记录仪进行抖动处理，捕捉所述行车记录仪在抖动处理过程中的抖动图像，计算所述抖动图像对应的图像梯度值，根据所述图像梯度值、所述抖动图像以及所述大数据平台，分析所述行车记录仪对应的防抖功能故障；
故障修复模块，用于根据所述重量检测故障和所述防抖功能故障，设置所述行车记录仪对应的故障提示信息，根据所述故障提示信息，对所述行车记录仪进行修复处理，得到修复行车记录仪；
坐姿调整模块，用于结合所述大数据平台，评测所述启动车辆的车辆驾驶员对应的坐姿安全级别，根据所述坐姿安全级别，对所述车辆驾驶员的坐姿进行调节处理，得到安全坐姿；
报警处理模块，用于在所述车辆驾驶员的坐姿为所述安全坐姿时，对所述启动车辆进行事故监测，所述启动车辆发生事故时，利用所述修复行车记录仪记录事故录像和事故时间，实时检测所述启动车辆的物质流动系数，根据所述物质流动系数、所述事故时间以及所述大数据平台，分析所述启动车辆对应的事故级别，根据所述事故级别和所述事故录像，设置所述启动车辆的报警方案。
本发明根据所述车辆重量值，判断所述行车记录仪对应的重量检测故障，根据所述重量检测故障可以分析出所述行车记录是否存在故障，以便于后续对所述行车记录仪就行修复处理，本发明通过计算所述抖动图像对应的图像梯度值，可以了解所述抖动图像的像素变化率，从而便于后续防抖动功能故障的分析，本发明根据所述重量检测故障和所述防抖功能故障，设置所述行车记录仪对应的故障提示信息，以便于后续及时对所述行车记录仪进行修复处理，提高了后续的事故监测的准确性，本发明通过评测所述启动车辆的车辆驾驶员对应的坐姿安全级别，可以了解所述车辆驾驶员的坐姿危险程度，从而便于后续的坐姿调节处理，从而使得所述车辆驾驶员的坐姿调整为安全坐姿，以便于减少后续坐姿对事故分析的干扰性，本发明根据所述事故级别和所述事故录像，设置所述启动车辆的报警方案，以便于可以帮助所述车辆驾驶员进行预报警处理，并且发送相关的事故数据，以便于提高事故报警的分析准确性。因此，本发明实施例提供的一种基于大数据行车记录的事故报警方法及方法，能够提高事故报警的分析准确性。
附图说明
图1为本发明一实施例提供的一种基于大数据行车记录的事故报警方法的流程示意图；
图2为本发明一实施例提供的一种基于大数据行车记录的事故报警系统的功能模块图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种基于大数据行车记录的事故报警方法。本申请实施例中，所述一种基于大数据行车记录的事故报警方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述一种基于大数据行车记录的事故报警方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的一种基于大数据行车记录的事故报警方法的流程示意图。在本实施例中，所述一种基于大数据行车记录的事故报警方法包括步骤S1—S5。
S1、获取待分析事故的启动车辆，启动所述启动车辆的行车记录仪，利用所述行车记录仪采集所述启动车辆的车辆重量值，根据所述车辆重量值和预设的大数据平台，分析所述行车记录仪对应的重量检测故障。
本发明根据所述车辆重量值，判断所述行车记录仪对应的重量检测故障，根据所述重量检测故障可以分析出所述行车记录是否存在故障，以便于后续对所述行车记录仪就行修复处理，其中，所述启动车辆是需要进行事故报警分析的车辆，所述行车记录仪是所述启动车辆中安装的摄像机设备，用于记录车辆行驶过程中的图像和声音，所述车辆重量值表示所述启动车辆对应的重量，所述重量检测故障表示所述行车记录仪的重量检测功能出现的问题，可选的，启动所述启动车辆的行车记录仪可以通过所述启动车辆中的车载电脑系统实现，可以通过所述行车记录仪中的重量传感器采集所述启动车辆的车辆重量值，大数据平台是利用大数据技术构建的平台，包含了大量车辆相关的标准参数值。
作为本发明的一个实施例，所述根据所述车辆重量值和预设的大数据平台，分析所述行车记录仪对应的重量检测故障，包括：识别所述车辆重量值对应的时间戳，根据所述时间戳，对所述车辆重量值进行排序处理，得到排序重量值，计算所述排序重量值中相邻重量值之间的重量比值，从所述大数据平台中查询所述启动车辆对应的预设阈值，根据所述重量比值和所述预设阈值，分析所述行车记录仪对应的重量检测故障。
其中，所述时间戳是所述车辆重量值的采集时间点，所述排序重量值是所述车辆重量值根据所述时间戳的顺序排序后得到的重量值，所述重量比值是前一个车辆重量值除以后一个车辆重量值得到的值，所述预设阈值是车辆重要值对应的评判标准值。
可选的，所述车辆重量值对应的时间戳可以通过识别工具实现，所述识别工具是由脚本语言编译，对所述车辆重量值进行排序处理可以通过排序算法实现，如冒泡排序算法，查询所述启动车辆对应的预设阈值可以通过find函数实现，分析所述行车记录仪的重量传感器是否存在故障具体步骤为：将所述重量比值乘以100%，得到第一百分数，所述预设阈值为80%时，若所述第一百分数大于80%时，则所述行车记录仪的重量检测存在故障。
S2、对所述行车记录仪进行抖动处理，捕捉所述行车记录仪在抖动处理过程中的抖动图像，计算所述抖动图像对应的图像梯度值，根据所述图像梯度值、所述抖动图像以及所述大数据平台，分析所述行车记录仪对应的防抖功能故障。
本发明通过计算所述抖动图像对应的图像梯度值，可以了解所述抖动图像的像素变化率，从而便于后续防抖动功能故障的分析，其中，所述抖动图像是所述行车记录仪在抖动处理过程中拍摄的图像，可选的，对所述行车记录仪进行抖动处理可以通过抖动传感器实现，捕捉所述行车记录仪在抖动处理过程中的抖动图像可以通过Haar级联算法实现。
作为本发明的一个实施例，所述计算所述抖动图像对应的图像梯度值，包括：对所述抖动图像进行图像降噪处理，得到降噪抖动图像，对所述降噪抖动图像进行灰度转换处理，得到灰度抖动图像，计算所述灰度抖动图像中每个像素点对应的像素梯度值，根据所述像素梯度值，计算所述抖动图像对应的图像梯度值。
其中，所述降噪抖动图像是所述抖动图像中的噪声干扰经过去除后得到的图像，所述灰度抖动图像是所述降噪抖动图像采用单一颜色表达的图像，所述像素梯度值表示所述灰度抖动图像中每个像素点与相邻像素点的灰度变化程度。
可选的，对所述抖动图像进行图像降噪处理可以通过低通滤波器实现，对所述降噪抖动图像进行灰度转换处理的步骤为：将所述降噪抖动图像中每个像素点的RGB通道的像素值加权平均计算出像素点的灰度像素值，利用所述灰度像素值表达图像，以此得到灰度抖动图像，计算所述像素梯度值的平均梯度值，将所述平均梯度值作为所述抖动图像的图像梯度值。
可选的，作为本发明的一个可选实施例，所述计算所述灰度抖动图像中每个像素点对应的像素梯度值，包括：
通过下述公式计算所述灰度抖动图像中每个像素点对应的像素梯度值：
其中，A表示灰度抖动图像中每个像素点对应的像素梯度值，Bj表示灰度抖动图像中第j个像素点的灰度值，Bj+1表示灰度抖动图像中第j+1个像素点的灰度值，b(Bj+Bj+1)表示灰度抖动图像中第j个和第j+1个像素点的灰度值的向前差商，d(Bj)表示标准人脸图像中第j个像素点求导后的数值，b(Bj+Bj+1)表示灰度抖动图像中第j个和第j+1个像素点的灰度值的向后差商。
本发明根据所述图像梯度值，分析所述行车记录仪对应的防抖功能故障，可以判断出所述行车记录仪是否存在拍摄故障，进而提高后续的事故分析的准确性，其中，所述防抖功能故障是所述行车记录仪在抖动情况下无法有效的稳定图像，从而导致图像的质量下降。
作为本发明的一个实施例，所述根据所述图像梯度值、所述抖动图像以及所述大数据平台，分析所述行车记录仪对应的防抖功能故障，包括：根据所述图像梯度值，对所述抖动图像中的像素点进行翻转处理，得到翻转抖动图像，计算所述翻转抖动图像对应的像素方差值，从所述大数据平台中查询所述行车记录仪对应的模糊判定区间，根据所述像素方差值和模糊判定区间，对所述翻转抖动图像进行模糊判定，得到判定结果，根据所述判定结果，分析所述行车记录仪对应的防抖功能故障。
其中，所述翻转抖动图像是所述抖动图像中的像素点根据所述图像梯度值进行水平翻转后得到的图像，所述像素方差值是所述翻转抖动图像中的像素灰度值的方差，所述模糊判定区间是所述行车记录仪用于判断图像是否为模糊图像的范围。
可选的，对所述抖动图像中的像素点进行翻转处理可以通过将图像沿着垂直中轴线将左半部分的像素点与右半部分的像素点进行交换实现，计算所述翻转抖动图像对应的像素方差值可以通过方差计算器实现，查询所述行车记录仪对应的模糊判定区间可以通过上述的find函数实现，对所述抖动图像进行模糊判定的步骤为：所述模糊判定区间为（a，d），所述像素方差值为c，若c大于d，则表示所述翻转抖动图像为清洗图像，若c位于a和d之间，则表示，则表示所述翻转抖动图像为低模糊图像，若c小于a，则表示所述翻转抖动图像为高模糊图像，若所述判定结果为低模糊图像和高模糊图像，则所述行车记录仪的防抖功能出现故障。
可选的，作为本发明的一个可选实施例，所述计算所述翻转抖动图像对应的像素方差值，包括：
通过下述公式计算所述翻转抖动图像对应的像素方差值：
其中，G表示翻转抖动图像对应的像素方差值，M表示翻转抖动图像对应的图像宽度，N表示翻转抖动图像对应的图像高度，H（x,y）表示翻转抖动图像中坐标点为（x,y）的像素点对应的亮度值，表示翻转抖动图像的像素平均值。
S3、根据所述重量检测故障和所述防抖功能故障，设置所述行车记录仪对应的故障提示信息，根据所述故障提示信息，对所述行车记录仪进行修复处理，得到修复行车记录仪。
本发明根据所述重量检测故障和所述防抖功能故障，设置所述行车记录仪对应的故障提示信息，以便于后续及时对所述行车记录仪进行修复处理，提高了后续的事故监测的准确性，其中，所述故障提示信息是所述行车记录仪对应的故障提醒修复信息，可选的，对所述行车记录仪进行修复处理可以通过人工手动修复实现。
作为本发明的一个实施例，所述根据所述重量检测故障和所述防抖功能故障，设置所述行车记录仪对应的故障提示信息，包括：分别分析所述重量检测故障和所述防抖功能故障对应的故障类型，得到第一故障类型和第二故障类型，查询所述第一故障类型和所述第二故障类型对应的故障代码，得到第一故障代码和第二故障代码，配置所述第一故障代码和所述第二故障代码的修复信息，得到第一修复信息和第二修复信息，结合所述第一故障代码、所述第二故障代码、所述第一修复信息和所述第二修复信息，生成所述行车记录仪对应的故障提示信息。
其中，所述第一故障类型和所述第二故障类型分别是所述重量检测故障和所述防抖功能故障对应的故障种类，所述第一故障代码和所述第二故障代码分别是所述第一故障类型和所述第二故障类型对应的程序代码，所述第一修复信息和所述第二修复信息分别是所述第一故障代码和所述第二故障代码对应的修复操作流程。
可选的，分别分析所述重量检测故障和所述防抖功能故障对应的故障类型可以通过故障模拟法实现，所述第一故障类型和所述第二故障类型对应的故障代码可以通过查询所述行车记录仪的生产手册得到，可以通过在预设的故障代码数据库中查询所述第一故障代码和所述第二故障代码的修复操作方案，得到第一修复操作方案和第二修复操作方案，将所述第一修复操作方案和所述第二修复操作方案作为第一修复信息和第二修复信息，所述预设的故障代码数据库是包含了所有的故障代码的名称、描述、影响、可能原因、解决方案和修复步骤等内容的数据库。
S4、结合所述大数据平台，评测所述启动车辆的车辆驾驶员对应的坐姿安全级别，根据所述坐姿安全级别，对所述车辆驾驶员的坐姿进行调节处理，得到安全坐姿。
本发明通过评测所述启动车辆的车辆驾驶员对应的坐姿安全级别，可以了解所述车辆驾驶员的坐姿危险程度，从而便于后续的坐姿调节处理，从而使得所述车辆驾驶员的坐姿调整为安全坐姿，以便于减少后续坐姿对事故分析的干扰性，其中，所述安全坐姿是所述车辆驾驶员在开车时对应的安全姿势。
作为本发明的一个实施例，所述结合所述大数据平台，评测所述启动车辆的车辆驾驶员对应的坐姿安全级别，包括：计算所述启动车辆中的车辆驾驶员与方向盘之间的额肌距离值，并计算所述车辆驾驶员与所述启动车辆中驾驶位膝部挡板之间的膝部距离值，调度所述车辆驾驶员对应的体征信息，根据所述体征信息，利用所述大数据平台查询所述行车记录仪对应的标准额肌距离值和标准膝部距离值，结合所述标准额肌距离值、所述标准膝部距离值、所述额肌距离值以及所述膝部距离值，评测所述车辆驾驶员对应的坐姿安全级别。
其中，所述额肌距离值表示所述车辆驾驶员的额肌位置与所述方向盘之间的距离，所述膝部距离值表示所述车辆驾驶员的膝盖与所述启动车辆中驾驶位膝部挡板之间的距离，所述体征信息是所述车辆驾驶员对应的身高与体重等信息，所述标准额肌距离值和所述标准膝部距离值分别是所述车辆驾驶员的坐姿为安全坐姿时对应的额吉距离值和膝部距离值。
可选的，计算所述车辆驾驶员的额肌位置与所述方向盘的红外传感器之间的距离值，将此距离值作为所述额肌距离值，所述膝部距离值与与所述额肌距离值的计算原理相同，在此不做过多赘述，调度所述车辆驾驶员对应的体征信息可以通过优先级调度算法实现，将所述标准额肌距离值和所述额肌距离值进行比较，若所述额肌距离值小于所述标准额肌距离值的82%时，则表示所述车辆驾驶员的坐姿为不安全，若所述额肌距离值小于所述标准额肌距离值的62%时，则表示所述车辆驾驶员的坐姿为很不安全，将所述膝部距离值除以所述标准膝部距离值，得到距离比值，若所述距离比值小于0.93，则表示所述车辆驾驶员的坐姿为很不安全。
本发明根据所述坐姿安全级别，对所述车辆驾驶员的坐姿进行调节处理，从而提高所述车辆驾驶员的坐姿安全性，不会对后续的事故分析造成干扰，可选的，对所述车辆驾驶员的坐姿进行调节处理调整驾驶座椅靠背角度与座椅高度实现。
S5、在所述车辆驾驶员的坐姿为所述安全坐姿时，对所述启动车辆进行事故监测，所述启动车辆发生事故时，利用所述修复行车记录仪记录事故时间，检测所述启动车辆的物质流动系数，根据所述物质流动系数、所述事故时间以及所述大数据平台，分析所述启动车辆对应的事故级别，根据所述事故级别和所述事故录像，设置所述启动车辆的报警方案。
应当了解的是，在所述车辆驾驶员的坐姿为所述安全坐姿时，则表示未出现事故，则本发明通过所述启动车辆进行事故监测，不会因为坐姿的安全性造成事故分析的干扰，根据所述事故时间，检测所述启动车辆的物质流动系数，可以了解所述启动车辆中的物质的流动程度，从而提高事故级别的分析准确性，其中，所述事故时间是所述启动车辆发生事故时对应的时间点，所述事故级别表示事故的等级，所述物质流动系数表示启动车辆中的物质的流动程度，如水箱的流动程度，可选的，可以通过所述修复行车记录仪中的计时器记录事故时间，实时检测所述启动车辆的物质流动系数可以通过流变仪实现。
作为本发明的一个实施例，所述根据所述物质流动系数、所述事故时间以及所述大数据平台，分析所述启动车辆对应的事故级别，包括：根据所述事故时间，对所述物质流动系数进行分类处理，得到事故前流动系数和事故流动系数，计算所述事故前流动系数中每个物质对应的平均流动系数，计算平均流动系数与所述事故流动系数的系数比值，从所述大数据平台中查询事故等级对应的流动阈值，根据所述系数比值和所述流动阈值，分析所述启动车辆对应的事故级别。
其中，所述平均流动系数是所述事故前流动系数中对应的物质的流动系数的平均值，如水箱或者冷却液等物质，所述流动阈值是根据流动系数评测事故等级的标准值，具体为：小事故流动阈值：133%、中事流动阈值：152%、大事故流动阈值：174%、特大事故流动阈值：193%。
可选的，对所述物质流动系数进行分类处理可以通过决策树函数实现，计算所述事故前流动系数中每个物质对应的平均流动系数可以通过average函数实现，分析所述系数比值属于所述流动阈值中的范围，进而分析所述启动车辆对应的事故级别，如所述系数比值大于133%小于152%，则表示为小事故，则事故级别为轻微事故。
本发明根据所述事故级别和所述事故录像，设置所述启动车辆的报警方案，以便于可以帮助所述车辆驾驶员进行预报警处理，并且发送相关的事故数据，以便于提高事故报警的分析准确性，其中，所述事故录像是所述行车记录仪记录的事故视频数据，可选的，可以通过分析所述事故录像中的事故特征，可以将所述事故特征发送给119报警中心，结合所述事故级别和所述事故特征，设置所述启动车辆的报警方案，如车辆出现明火特征，可以将所述事故特征发送给119报警中心，以便于报警中心安排相应的出警设备，以此提高报警处理的效率。
本发明根据所述车辆重量值，判断所述行车记录仪对应的重量检测故障，根据所述重量检测故障可以分析出所述行车记录是否存在故障，以便于后续对所述行车记录仪就行修复处理，本发明通过计算所述抖动图像对应的图像梯度值，可以了解所述抖动图像的像素变化率，从而便于后续防抖动功能故障的分析，本发明根据所述重量检测故障和所述防抖功能故障，设置所述行车记录仪对应的故障提示信息，以便于后续及时对所述行车记录仪进行修复处理，提高了后续的事故监测的准确性，本发明通过评测所述启动车辆的车辆驾驶员对应的坐姿安全级别，可以了解所述车辆驾驶员的坐姿危险程度，从而便于后续的坐姿调节处理，从而使得所述车辆驾驶员的坐姿调整为安全坐姿，以便于减少后续坐姿对事故分析的干扰性，本发明根据所述事故级别和所述事故录像，设置所述启动车辆的报警方案，以便于可以帮助所述车辆驾驶员进行预报警处理，并且发送相关的事故数据，以便于提高事故报警的分析准确性。因此，本发明实施例提供的一种基于大数据行车记录的事故报警系统，能够提高事故报警的分析准确性。
如图2所示，是本发明一实施例提供的一种基于大数据行车记录的事故报警系统的功能模块图。
本发明所述一种基于大数据行车记录的事故报警系统100可以安装于电子设备中。在实现形式上，可以作为一个或多个服务设备，也可以作为一应用安装于云端(例如直播服务运营方的服务器、服务器集群等)上，或者也可以开发为网站。根据实现的功能，所述基于大数据行车记录的事故报警系统100包括重量检测故障分析模块101、防抖功能故障分析模块102、故障修复模块103、坐姿调整模块104及报警处理模块105。
在本实施例中，关于各模块/单元的功能如下：
所述重量检测故障分析模块101，用于获取待分析事故的启动车辆，启动所述启动车辆的行车记录仪，利用所述行车记录仪采集所述启动车辆的车辆重量值，根据所述车辆重量值和预设的大数据平台，分析所述行车记录仪对应的重量检测故障；
所述防抖功能故障分析模块102，用于对所述行车记录仪进行抖动处理，捕捉所述行车记录仪在抖动处理过程中的抖动图像，计算所述抖动图像对应的图像梯度值，根据所述图像梯度值、所述抖动图像以及所述大数据平台，分析所述行车记录仪对应的防抖功能故障；
所述故障修复模块103，用于根据所述重量检测故障和所述防抖功能故障，设置所述行车记录仪对应的故障提示信息，根据所述故障提示信息，对所述行车记录仪进行修复处理，得到修复行车记录仪；
所述坐姿调整模块104，用于结合所述大数据平台，评测所述启动车辆的车辆驾驶员对应的坐姿安全级别，根据所述坐姿安全级别，对所述车辆驾驶员的坐姿进行调节处理，得到安全坐姿；
所述报警处理模块105，用于在所述车辆驾驶员的坐姿为所述安全坐姿时，对所述启动车辆进行事故监测，所述启动车辆发生事故时，利用所述修复行车记录仪记录事故录像和事故时间，实时检测所述启动车辆的物质流动系数，根据所述物质流动系数、所述事故时间以及所述大数据平台，分析所述启动车辆对应的事故级别，根据所述事故级别和所述事故录像，设置所述启动车辆的报警方案。
详细地，本申请实施例中所述一种基于大数据行车记录的事故报警系统100中所述的各模块在使用时采用与上述图1中所述的一种基于大数据行车记录的事故报警方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
在本发明所提供的几个实施例中，应该理解到，所提供的方法和系统，可以通过其它的方式实现。例如，以上所描述的方法实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能（Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人工的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或系统也可以由一个单元或系统通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种基于大数据行车记录的事故报警系统，其特征在于，所述系统包括：
重量检测故障分析模块，用于获取待分析事故的启动车辆，启动所述启动车辆的行车记录仪，利用所述行车记录仪采集所述启动车辆的车辆重量值，根据所述车辆重量值和预设的大数据平台，分析所述行车记录仪对应的重量检测故障；
防抖功能故障分析模块，用于对所述行车记录仪进行抖动处理，捕捉所述行车记录仪在抖动处理过程中的抖动图像，计算所述抖动图像对应的图像梯度值，根据所述图像梯度值、所述抖动图像以及所述大数据平台，分析所述行车记录仪对应的防抖功能故障；
故障修复模块，用于根据所述重量检测故障和所述防抖功能故障，设置所述行车记录仪对应的故障提示信息，根据所述故障提示信息，对所述行车记录仪进行修复处理，得到修复行车记录仪；
坐姿调整模块，用于结合所述大数据平台，评测所述启动车辆的车辆驾驶员对应的坐姿安全级别，根据所述坐姿安全级别，对所述车辆驾驶员的坐姿进行调节处理，得到安全坐姿；
报警处理模块，用于在所述车辆驾驶员的坐姿为所述安全坐姿时，对所述启动车辆进行事故监测，所述启动车辆发生事故时，利用所述修复行车记录仪记录事故录像和事故时间，实时检测所述启动车辆的物质流动系数，所述物质流动系数表示启动车辆中的物质的流动程度，根据所述物质流动系数、所述事故时间以及所述大数据平台，分析所述启动车辆对应的事故级别，根据所述事故级别和所述事故录像，设置所述启动车辆的报警方案。
2.如权利要求1所述的一种基于大数据行车记录的事故报警系统，其特征在于，所述根据所述车辆重量值和预设的大数据平台，分析所述行车记录仪对应的重量检测故障，包括：
识别所述车辆重量值对应的时间戳；
根据所述时间戳，对所述车辆重量值进行排序处理，得到排序重量值；
计算所述排序重量值中相邻重量值之间的重量比值；
从所述大数据平台中查询所述启动车辆对应的预设阈值；
根据所述重量比值和所述预设阈值，分析所述行车记录仪对应的重量检测故障。
3.如权利要求1所述的一种基于大数据行车记录的事故报警系统，其特征在于，所述计算所述抖动图像对应的图像梯度值，包括：
对所述抖动图像进行图像降噪处理，得到降噪抖动图像；
对所述降噪抖动图像进行灰度转换处理，得到灰度抖动图像；
计算所述灰度抖动图像中每个像素点对应的像素梯度值；
根据所述像素梯度值，计算所述抖动图像对应的图像梯度值。
4.如权利要求3所述的一种基于大数据行车记录的事故报警系统，其特征在于，所述计算所述灰度抖动图像中每个像素点对应的像素梯度值，包括：
通过下述公式计算所述灰度抖动图像中每个像素点对应的像素梯度值：
；
其中，A表示灰度抖动图像中每个像素点对应的像素梯度值，Bj表示灰度抖动图像中第j个像素点的灰度值，Bj+1表示灰度抖动图像中第j+1个像素点的灰度值，b（Bj+Bj+1）表示灰度抖动图像中第j个和第j+1个像素点的灰度值的向前差商，d（Bj）表示标准人脸图像中第j个像素点求导后的数值，b（Bj-Bj+1）表示灰度抖动图像中第j个和第j+1个像素点的灰度值的向后差商。
5.如权利要求1所述的一种基于大数据行车记录的事故报警系统，其特征在于，所述根据所述图像梯度值、所述抖动图像以及所述大数据平台，分析所述行车记录仪对应的防抖功能故障，包括：
根据所述图像梯度值，对所述抖动图像中的像素点进行翻转处理，得到翻转抖动图像；
计算所述翻转抖动图像对应的像素方差值，从所述大数据平台中查询所述行车记录仪对应的模糊判定区间；
根据所述像素方差值和模糊判定区间，对所述翻转抖动图像进行模糊判定，得到判定结果；
根据所述判定结果，分析所述行车记录仪对应的防抖功能故障。
6.如权利要求5所述的一种基于大数据行车记录的事故报警系统，其特征在于，所述计算所述翻转抖动图像对应的像素方差值，包括：
通过下述公式计算所述翻转抖动图像对应的像素方差值：
；
其中，G表示翻转抖动图像对应的像素方差值，M表示翻转抖动图像对应的图像宽度，N表示翻转抖动图像对应的图像高度，H（x，y）表示翻转抖动图像中坐标点为（x，y）的像素点对应的亮度值，表示翻转抖动图像的像素平均值。
7.如权利要求1所述的一种基于大数据行车记录的事故报警系统，其特征在于，所述根据所述重量检测故障和所述防抖功能故障，设置所述行车记录仪对应的故障提示信息，包括：
分别分析所述重量检测故障和所述防抖功能故障对应的故障类型，得到第一故障类型和第二故障类型;
查询所述第一故障类型和所述第二故障类型对应的故障代码，得到第一故障代码和第二故障代码;
配置所述第一故障代码和所述第二故障代码的修复信息，得到第一修复信息和第二修复信息;
结合所述第一故障代码、所述第二故障代码、所述第一修复信息和所述第二修复信息，生成所述行车记录仪对应的故障提示信息。
8.如权利要求1所述的一种基于大数据行车记录的事故报警系统，其特征在于，所述结合所述大数据平台，评测所述启动车辆的车辆驾驶员对应的坐姿安全级别，包括：
计算所述启动车辆中的车辆驾驶员与方向盘之间的额肌距离值，并计算所述车辆驾驶员与所述启动车辆中驾驶位膝部挡板之间的膝部距离值，所述额肌距离值表示所述车辆驾驶员的额肌位置与所述方向盘之间的距离，所述膝部距离值表示所述车辆驾驶员的膝盖与所述启动车辆中驾驶位膝部挡板之间的距离；
调度所述车辆驾驶员对应的体征信息；
根据所述体征信息，利用所述大数据平台查询所述行车记录仪对应的标准额肌距离值和标准膝部距离值；
结合所述标准额肌距离值、所述标准膝部距离值、所述额肌距离值以及所述膝部距离值，评测所述车辆驾驶员对应的坐姿安全级别。
9.如权利要求1所述的一种基于大数据行车记录的事故报警系统，其特征在于，所述根据所述物质流动系数、所述事故时间以及所述大数据平台，分析所述启动车辆对应的事故级别，包括：
根据所述事故时间，对所述物质流动系数进行分类处理，得到事故前流动系数和事故流动系数；
计算所述事故前流动系数中每个物质对应的平均流动系数；
计算平均流动系数与所述事故流动系数的系数比值；
从所述大数据平台中查询事故等级对应的流动阈值；
根据所述系数比值和所述流动阈值，分析所述启动车辆对应的事故级别。
10.一种基于大数据行车记录的事故报警方法，其特征在于，所述方法包括：
获取待分析事故的启动车辆，启动所述启动车辆的行车记录仪，利用所述行车记录仪采集所述启动车辆的车辆重量值，根据所述车辆重量值和预设的大数据平台，分析所述行车记录仪对应的重量检测故障；
对所述行车记录仪进行抖动处理，捕捉所述行车记录仪在抖动处理过程中的抖动图像，计算所述抖动图像对应的图像梯度值，根据所述图像梯度值、所述抖动图像以及所述大数据平台，分析所述行车记录仪对应的防抖功能故障；
根据所述重量检测故障和所述防抖功能故障，设置所述行车记录仪对应的故障提示信息，根据所述故障提示信息，对所述行车记录仪进行修复处理，得到修复行车记录仪；
结合所述大数据平台，评测所述启动车辆的车辆驾驶员对应的坐姿安全级别，根据所述坐姿安全级别，对所述车辆驾驶员的坐姿进行调节处理，得到安全坐姿；
在所述车辆驾驶员的坐姿为所述安全坐姿时，对所述启动车辆进行事故监测，所述启动车辆发生事故时，利用所述修复行车记录仪记录事故录像和事故时间，实时检测所述启动车辆的物质流动系数，所述物质流动系数表示启动车辆中的物质的流动程度，根据所述物质流动系数、所述事故时间以及所述大数据平台，分析所述启动车辆对应的事故级别，根据所述事故级别和所述事故录像，设置所述启动车辆的报警方案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311760828.2A CN117437765B (zh) | 2023-12-20 | 2023-12-20 | 基于大数据行车记录的事故报警方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311760828.2A CN117437765B (zh) | 2023-12-20 | 2023-12-20 | 基于大数据行车记录的事故报警方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117437765A CN117437765A (zh) | 2024-01-23 |
| CN117437765B true CN117437765B (zh) | 2024-03-15 |
Family
ID=89552090
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311760828.2A Active CN117437765B (zh) | 2023-12-20 | 2023-12-20 | 基于大数据行车记录的事故报警方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117437765B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE3839221A1 (de) * | 1988-08-01 | 1990-02-08 | Morche Dirk W Dipl Ing | Fahrdatenspeicher |
| CN107067718A (zh) * | 2016-12-29 | 2017-08-18 | 盯盯拍（深圳）技术股份有限公司 | 交通事故责任评估方法、交通事故责任评估装置以及交通事故责任评估系统 |
| CN112885036A (zh) * | 2021-01-26 | 2021-06-01 | 昆山小眼探索信息科技有限公司 | 辅助驾驶员安全驾驶的方法以及设备 |
| CN115472001A (zh) * | 2022-07-25 | 2022-12-13 | 深圳市城市交通规划设计研究中心股份有限公司 | 体育场人车交通疏散仿真评估方法、电子设备及存储介质 |
| CN116740840A (zh) * | 2023-04-03 | 2023-09-12 | 深圳益国电子科技有限公司 | 一种行车记录仪用视频预警系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SE535765C2 (sv) * | 2011-04-20 | 2012-12-11 | Scania Cv Ab | Fordon med ett säkerhetssystem med prediktion av förartrötthet |
| KR102271806B1 (ko) * | 2019-03-08 | 2021-07-01 | 엘지전자 주식회사 | 자율주행 차량에 적용되는 맞춤형 추천 서비스 제공 시스템 및 방법 |
-
2023
- 2023-12-20 CN CN202311760828.2A patent/CN117437765B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE3839221A1 (de) * | 1988-08-01 | 1990-02-08 | Morche Dirk W Dipl Ing | Fahrdatenspeicher |
| CN107067718A (zh) * | 2016-12-29 | 2017-08-18 | 盯盯拍（深圳）技术股份有限公司 | 交通事故责任评估方法、交通事故责任评估装置以及交通事故责任评估系统 |
| CN112885036A (zh) * | 2021-01-26 | 2021-06-01 | 昆山小眼探索信息科技有限公司 | 辅助驾驶员安全驾驶的方法以及设备 |
| CN115472001A (zh) * | 2022-07-25 | 2022-12-13 | 深圳市城市交通规划设计研究中心股份有限公司 | 体育场人车交通疏散仿真评估方法、电子设备及存储介质 |
| CN116740840A (zh) * | 2023-04-03 | 2023-09-12 | 深圳益国电子科技有限公司 | 一种行车记录仪用视频预警系统 |
Non-Patent Citations (1)
| Title |
|---|
| 汽车行驶记录仪在交通事故再现分析中的应用;庞昌乐;;拖拉机与农用运输车;20080215(01);第54-55页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117437765A (zh) | 2024-01-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111325872B (zh) | 基于计算机视觉的司机驾驶异常检测方法 | |
| CN111629181B (zh) | 消防生命通道监控系统及方法 | |
| CN107967323B (zh) | 基于大数据进行异常出行车辆分析的方法及系统 | |
| CN111661059B (zh) | 分心驾驶监测方法、系统及电子设备 | |
| CN112073480B (zh) | 神经网络算法自组织映射监控渣土车消纳的方法和装置 | |
| CN113986893A (zh) | 一种基于发电车风险识别主动预警系统及方法 | |
| CN117437765B (zh) | 基于大数据行车记录的事故报警方法及系统 | |
| CN111563468A (zh) | 一种基于神经网络注意力的驾驶员异常行为检测方法 | |
| CN113055651A (zh) | 一种人工智能型车辆安防系统及计算机可读存储介质 | |
| CN114841483A (zh) | 一种物流货运车辆的安全监控方法及系统 | |
| CN109344705B (zh) | 一种行人行为检测方法和系统 | |
| CN116913099A (zh) | 一种智能交通实时监控系统 | |
| CN110909641A (zh) | 一种检测摩托车超载的方法、装置及系统 | |
| CN111222587A (zh) | 基于特征融合的失证人员危险驾驶行为预测方法及系统 | |
| CN117391894A (zh) | 一种巡逻机器人协同违章取证方法、系统及介质 | |
| CN115376037A (zh) | 一种基于视频的车站关键区域安全状态监测方法 | |
| CN114677647A (zh) | 一种公路运行状态的安全监测系统及方法 | |
| CN115017014B (zh) | 一种高速公路机电监测系统及方法 | |
| CN116091989A (zh) | 一种违章审核方法、装置及存储介质 | |
| CN113283286A (zh) | 一种驾驶员异常行为检测方法和装置 | |
| CN113808397A (zh) | 非机动车事故的数据处理方法、装置和云端服务器 | |
| CN117636591B (zh) | 一种公交驾驶安全预警方法和系统 | |
| CN117012035A (zh) | 基于大数据的套牌车识别方法、系统及介质 | |
| CN118043248A (zh) | 司机的驾驶风险分析方法、系统、电子设备及存储介质 | |
| CN115376312A (zh) | 一种基于雷达和视频融合的公路监控方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Accident alarm method and system based on big data driving records Granted publication date: 20240315 Pledgee: Societe Generale Bank Limited by Share Ltd. Shenzhen branch Pledgor: DDPAI (SHENZHEN) CLOUD TECHNOLOGY Co.,Ltd. Registration number: Y2024980026001 |