一种用于警示驾驶人侧后方来车的方法、装置及系统与流程

本发明涉及一种用于警示驾驶人侧后方来车的方法、装置及系统。

背景技术：

在现在的驾驶安全技术领域中，车辆(尤其是自行车、电动自行车和摩托车)的驾驶人往往只能注意前方来车，而难以对后方来车警觉，故经常招致许多意外发生。即使车辆在后方装置摄影器材，其仅能供驾驶人监视或录像用，而不能主动协助驾驶人产生警觉，故驾驶人须分心于前方及后方的监视影像，从而更加招致意外发生。

技术实现要素：

本发明的目的就是为了解决上述问题而提供了一种用于警示驾驶人侧后方来车的方法、装置及系统，能有效地解决现有技术中后方监视的问题。

本实用发明的目的是这样实现的：

本发明的一种用于警示驾驶人侧后方来车的方法，包括以下步骤：

s10采集驾驶人双肩之后的后半圆或后半球区域中的影像；

s20用计算机程序接收所述影像；

s30用机器学习库辨识并分析所述影像；

s40用类神经网络分类所述影像；

s50如果所述影像具有威胁，对驾驶人警告。

在上述的一种用于警示驾驶人侧后方来车的方法中影像为汽车时，步骤s40用类神经网络分类影像为汽车，步骤s50中对驾驶人警告。

本发明还提供一种用于警示驾驶人侧后方来车的装置包括影像采集单元、处理单元和警告单元；影像采集单元采集驾驶人双肩之后的后半圆或后半球区域的影像；处理单元与所述影像采集单元连接，该处理单元中的计算机程序接收所述影像采集单元的影像，通过机器学习库辨识并分析该影像，类神经网络将影像进行分类后判断该影像是否具有威胁；警告单元与所述处理单元连接，处理单元判断接收的影像有威胁时，警告单元警告驾驶人。

在上述的一种用于警示驾驶人侧后方来车的装置中还包括存储单元，存储单元与处理单元连接；存储单元用于存储计算机程序、机器学习库、类神经网络和影像中的至少一种或组合。

在上述的一种用于警示驾驶人侧后方来车的装置中还包括传输单元，传输单元与处理单元连接；传输单元通过无线连接网络单元，网络单元中存储有计算机程序、机器学习库、类神经网络和影像中至少一种或组合。

在上述的一种用于警示驾驶人侧后方来车的装置中处理单元辨识分析影像中有车辆时标示该影像并向警告单元发出命令警告驾驶人。

本发明还提供一种用于警示驾驶人侧后方来车的系统，包括监视警告装置和网络单元；监视警告装置包括影像采集单元、传输单元、警告单元；影像采集单元采集驾驶人双肩之后的后半圆或后半球区域的影像；传输单元与所述影像采集单元连接；警告单元与所述传输单元连接；网络单元与传输单元通过无线连接，网络单元通过传输单元获得影像采集单元获得的影像后，网络单元的计算机程序接收该影像，计算机数据库辨识分析该影像，通过神经网络对该影像分类，网络单元分析该影像是否具有威胁，但网络单元判断该影像具有威胁时向传输单元发送命令给警告单元发出警告。

在上述的一种用于警示驾驶人侧后方来车的系统中网络单元辨识分析所述影像中有车辆时标示该影像并向警告单元发出命令警告驾驶人。

在上述的一种用于警示驾驶人侧后方来车的方法或装置或系统中，用于警示驾驶人侧后方来车的方法中步骤s10是以影像采集单元采集驾驶人双肩之后的后半圆或后半球区域中的影像，影像采集单元安装于穿戴设备上。

在上述的一种用于警示驾驶人侧后方来车的方法或装置或系统中计算机程序为深度卷积神经网络使用的python语言。

在上述的一种用于警示驾驶人侧后方来车的方法或装置或系统中机器学习库为开源软件库。

在上述的一种用于警示驾驶人侧后方来车的方法或装置或系统中类神经网络为darknet。

本发明采用了利用影像采集单元获取驾驶人双肩之后的后半圆或后半球区域中的影像的设计，通过人工智能加以分析辨识该影像中是否含有威胁，进而自动警告驾驶人，从而提高驾驶人对侧后方来车的警戒能力，大大提高了行车安全。

附图说明

图1是本发明用于警示驾驶人侧后方来车的装置的工作流程图；

图2是本发明用于警示驾驶人侧后方来车的装置中影像采集单元与穿戴件结合结构示意图；

图3是本发明中使用darknet在图片中找到物体所在位置并标示物体类别的示意图；

图4是本发明用于警示驾驶人侧后方来车的装置的结构示意图；

图5是本发明用于警示驾驶人侧后方来车的系统的结构示意图。

具体实施方式

下面将结合附图，对本发明作进一步说明。

请参阅图1，图中示出了用于警示驾驶人侧后方来车的装置的工作流程，包括步骤s10至步骤s50。在步骤s10中，可采集驾驶人双肩之后的后半圆或后半球区域中的影像；可使用与穿戴件6永久或暂时结合的影像采集单元40采集该影像，该影像采集单元40的镜头采集影像的角度可至少达到160度，且该镜头可朝向驾驶人之后方。本发明也可设置于车辆上，且采集单元40的镜头可朝向车辆之后方，而穿戴件6可以是衣物、系带、绑带、头戴件、魔鬼沾、穿戴式电子装置等，特别是穿戴件6可为驾驶安全头盔，如第2图所示。

在步骤s20中，可以计算机程序接收该影像，该计算机程序可为人工智能(ai)领域中深度学习(deeplearning)的深度卷积神经网络(alexnet)所使用的计算机程序，例如：python语言。python语言是一种面向对象、直译式的计算机程序；它包含了一组功能完备的标准库，能够轻松完成很多常见的任务，python语言的语法简单，与其它大多数程序设计语言不同，python语言使用缩排来定义语句块；深度学习是机器学习中一种基于对数据进行表征学习的方法，观测值(例如：一幅图像)可以使用多种方式来表示，如每个像素强度值的向量，或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从例项中学习任务(例如：人脸识别或面部表情识别)，深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工取得特征。本发明也可使用卷积神经网络(cnn)中各大主要模型之其中任一种，例如：alexnet、vggnet、googleinceptionnet和/或resnet，运用于本发明，而以计算机程序接收该影像可指为将原始的该影像转为卷积神经网络所使用的格式。

在步骤s30中，可以机器学习库辨识且分析该影像，机器学习库可为开源软件库(tensorflow)，其用于各种感知和语言理解任务的机器学习。目前tensorflow被50个团队用于研究和生产许多google商业产品，如：语音识别、gmail、google相册和搜索，其中许多产品曾使用过其前任软件distbelief，而该开源软件库的算法，源于google被称为神经网络的计算器系统，类似人类学习和推理的方法，以便派生出新的应用程序，承担以前仅人类能胜任的角色和职能，以用于在本创作中辨识且分析该影像；tensorflow的名字来源于这类神经网络对多维数组执行的操作。这些多维数组被称为「张量」，但这个概念并不等同于张量的数学概念，其目的是训练神经网络检测和识别模式和相互关系。

在步骤s40中，用类神经网络分类该影像，类神经网络可以是darknet。darknet是以c语言和cuda语言写成的类神经网络，以用于目标检测，其需要在图片中精确找到物体所在位置，并标示出物体的类别。物体的位置一般用边框(boundingbox)标记，一个影象中可能有好几个边框，目标检测需要给出边框里物体的类别和概率，如第3图所示。相比于具有15,000,000个图以上之alexnet而言，由于darknet仅具有数千个影像，所以darknet在预测处理或分类影像的使用上会明显快于alexnet且更为实用。

在步骤s50中，判断该影像，如果该影像具有威胁，则警告驾驶人。具体的，本发明可以警告单元42产生例如：影像、声音、震动、气味等方式警告驾驶人，进一步的，如果在步骤s30中辨识且分析该影像中含有车辆，则可以在步骤s40中标示该影像中的车辆，且警告该驾驶人。

请参阅图4，图中示出了本发明用于警示驾驶人侧后方来车的装置的结构图，该警示驾驶人侧后方来车的装置4包括影像采集单元40、处理单元41、警告单元42、储存单元43、传输单元44和供电单元45。影像采集单元40可采集驾驶人双肩之后的后半圆或后半球区域中的影像，且影像采集单元40可与穿戴件6结合。处理单元41与影像采集单元40连接，以计算机程序接收该影像，之后用机器学习库辨识且分析该影像，再以类神经网络分类该影像，随后分析该影像是否具有威胁。处理单元41可为中央处理器、微处理器(mcu)、图像处理器(gpu)或其组合。警告单元42可与处理单元41连接，可以警告驾驶人，警告单元42的详细说明在步骤s50中已经作详细说明。储存单元43与处理单元41连接，可用于储存计算机程序、机器学习库、类神经网络和影像或上述的组合。储存单元43可以是光驱、硬盘机、软盘驱动器、通用串行总线(usb)等，或者，在警示驾驶人侧后方来车的装置4为系统单芯片之设计的情况下，储存单元43可以是动态随机存取内存、闪存、电子抹除式可复写只读存储器(eeprom)、可擦除可规划式只读存储器(eprom)等。传输单元44与处理单元41连接，传输单元44与网络单元7通过无线连接，网络单元7可以储存计算机程序、机器学习库、类神经网络很影像或上述的组合，传输单元44传输自处理单元41。网络单元7可经由手机或其他计算机的热点(hotspot)提供连接，且至少包括储存能力之服务器、云端计算、超级计算机、主机等。处理单元41辨识分析影像中含有车辆，处理单元41可标示影像并命令警告单元42警告驾驶人。供电单元45可任意选择与以上影像采集单元40、处理单元41、警告单元42、储存单元43和传输单元44一个连接，为整个装置提供工作电力。影像采集单元40、处理单元41、警告单元42、储存单元43和传输单元44的连接方式可以是电性连接和/或光学连接等可传递讯号或指令的连接方式。用于警示驾驶人侧后方来车的装置4为系统单芯片之设计的情况下，以上影像采集单元40、处理单元41、警告单元42、储存单元43、传输单元44和供电单元45可整合于单一芯片上。

本发明在影像采集单元40采集驾驶人双肩之后的后半圆或后半球区域中的影像之前，处理单元41判断是否在一段时间内，例如：5秒内，接收一特定影像，例如：开机、示范、参考等影像，若判断在该段时间内未接收该特定影像，则重复此接收及判断步骤，若判断在该段时间内接收该特定影像，则进行采集驾驶人双肩之后的后半圆或后半球区域中的影像。

请参阅图5，图书示出了本发明一种用于警示驾驶人侧后方来车的系统的架构图，该用于警示驾驶人侧后方来车的系统8可包括：监视警告装置5及网络单元7，而监视警告装置5包括影像采集单元40、传输单元44及警告单元42。影像采集单元40可采集驾驶人双肩之后的后半圆或后半球区域中的影像，且影像采集单元40可与穿戴件6结合。传输单元44可与影像采集单元40连接，且可经过或不经过热点无线连接网络单元7，网络单元7的计算机程序接收该影像，机器学习库辨识且分析该影像，再以类神经网络分类该影像，随后分析该影像是否具有威胁。警告单元42可与传输单元44连接，网络单元7分析该影像具有威胁时经传输单元44接收网络单元7警告驾驶人的命令，警告单元42警告该驾驶人。

监视警告装置5可以装备供电单元45，可与影像采集单元40、传输单元44及警告单元42任一个连接，以提供电力而使其工作，供电单元45可为各式电池、接电端子、无线充电组件等或其组合。并且，监视警告装置5亦可更包括与影像撷取单元40及传输单元44连接之一储存单元以至少储存该影像且供传输单元44存取该影像。

本发明用于警示驾驶人侧后方来车的系统在影像采集单元40采集驾驶人双肩之后的后半圆或后半球区域中的影像之前，网络单元判断是否在一段时间内，例如：5秒内，接收一特定影像，例如：开机、示范、参考等影像，若判断在该段时间内未接收该特定影像，则重复此接收及判断步骤，若判断在该段时间内接收该特定影像，则进行采集驾驶人双肩之后的后半圆或后半球区域中的影像。

本发明采用采集驾驶人双肩之后的后半圆或后半球区域中之影像，通过人工智能分析辨识该影像中是否含有威胁，进而自动警告驾驶人，从而提高驾驶人对侧后方来车的警戒能力，大大提高了行车安全。另外，本发明使用darknet在预测处理或分类该影像的使用上会明显较快且较实用。

以上实施例仅供说明本发明之用，而非对本发明的限制，有关技术领域的技术人员，在不脱离本发明的精神和范围的情况下，还可以作出各种变换或变型，因此所有等同的技术方案也应该属于本发明的范畴，应由各权利要求所限定。