无人机事故取证方法、系统、终端设备与介质与流程

1.本发明涉及交通管理技术领域，尤其涉及一种无人机事故取证方法、系统、终端设备与介质。


背景技术：

2.近年来，随着无人机技术的发展，无人机的应用领域也越来越广泛。“无人机取证”作为非现场执法的一种新型手段，在实际交通系统中，“无人机取证”将会是一种有着广阔发展前景的非现场执法方式。
3.目前，无人机事故取证方法有：一类是无人机巡检模式为无人机初始化模式，无人机在巡检模式下检测到违章停车的车辆时切换为无人机取证模式；取证结束后返回无人机巡检模式。该方法没有针对事故场景进行识别，可能会导致事故处理的结果不准确。
4.另一类是无人机和地面站通过通信链路连接。无人机采集拍摄视频图像，并将其以视频信号的形式通过通信链路发送至地面站。地面站在获取到通信链路中的视频信号流后，对视频信号流内的事件进行识别，并解析无人机的控制参数，以及对识别出的异常事件和解析出的异常参数进行处理。该方法将无人机采集的视频图像在地面站中进行处理，可能会导致事故处理不及时。
5.然而，现有的无人机事故取证方法难以满足交通事故处理的及时、准确和高效要求。


技术实现要素：

6.本发明的主要目的在于提出一种无人机事故取证方法、系统、终端设备与介质，旨在通过车机与无人机进行交互，并利用无人机对事故场景进行识别，提高事故处理的准确性、以及事故处理的效率。
7.为实现上述目的，本发明提供一种无人机事故取证方法，所述无人机事故取证方法应用于无人机，所述无人机事故取证方法包括如下步骤：在接收到车机系统的触发指令时，采集与所述触发指令对应的事故场景视频；基于预先构建的场景识别模型，对所述事故场景视频进行识别，获得所述事故场景视频对应的识别结果；确定所述识别结果对应的处理命令，并将所述处理命令发送至所述车机系统。
8.优选地，所述在接收到所述车机系统的触发指令时，采集与所述触发指令对应的事故场景视频的步骤之前，还包括：获取多个不同事故场景的样本视频，并使用所述样本视频构建用于训练初始模型的训练集；获取所述样本视频对应的样本识别结果；将所述训练集中的所述样本视频作为所述初始模型的输入，将所述样本识别结果作为所述初始模型的输出，并对所述初始模型进行迭代训练，获得所述场景识别模型。
9.优选地，所述在接收到所述车机系统的触发指令时，采集与所述触发指令对应的事故场景视频的步骤包括：在接收到所述车机系统的触发指令时，控制所述无人机起飞；在所述无人机飞行至预设高度时，控制所述无人机朝起飞点环绕拍摄，采集所述触发指令对应的事故场景视频。
10.优选地，所述在接收到所述车机系统的触发指令时，采集与所述触发指令对应的事故场景视频的步骤之后，还包括：将所述事故场景视频传输至所述车机系统。
11.优选地，所述确定所述识别结果对应的处理命令，并将所述处理命令发送至所述车机系统的步骤之后，还包括：控制所述无人机返回起飞点，并控制所述无人机返回初始状态。
12.优选地，所述无人机还包括弱电系统，所述无人机事故取证方法还包括：控制所述弱电系统保持工作状态；若接收到基于所述工作状态触发的起飞指令，直接控制所述无人机起飞。
13.优选地，所述确定所述识别结果对应的处理命令，并将所述处理命令发送至所述车机系统的步骤之后，还包括：打开所述无人机的机舱，并控制所述无人机降落至所述机舱。
14.本发明还提供一种无人机事故取证方法，所述无人机事故取证方法应用于车机系统，所述无人机事故取证方法包括如下步骤：发送触发指令至无人机，以供所述无人机在接收到所述车机系统的触发指令时，采集与所述触发指令对应的事故场景视频，基于预先构建的场景识别模型，对所述事故场景视频进行识别，获得对应的识别结果，以及确定所述识别结果对应的处理命令，并将所述处理命令发送至所述车机系统；接收所述无人机发送的处理命令，并根据所述处理命令进行处理。
15.优选地，所述接收所述无人机发送的处理命令，并根据所述处理命令进行处理的步骤之后，还包括：控制所述车机系统返回初始状态。
16.此外，为实现上述目的，本发明还提供一种无人机事故取证系统，所述无人机事故取证包括：车机系统，用于发送触发指令至无人机；无人机，用于在接收到所述车机系统的触发指令时，采集所述触发指令对应的事故场景视频；基于预先构建的场景识别模型，对所述事故场景视频进行识别，获得对应的识别结果；确定所述识别结果对应的处理命令，并将所述处理命令发送至所述车机系统；所述车机系统还用于接收所述无人机发送的所述处理命令，并根据所述处理命令进行处理。
17.此外，为实现上述目的，本发明还提供一种终端设备，所述终端设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的无人机事故取证程序，所述无人机事故取证程序被所述处理器执行时实现如上所述的无人机事故取证方法的步骤。
18.此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有无人机事故取证程序，所述无人机事故取证程序被处理器执行时实现如上所述的无人机事故取证方法的步骤。
19.本发明提出的无人机事故取证方法、系统、终端设备与介质；无人机事故取证方法应用于无人机，所述无人机事故取证方法包括：在接收到车机系统的触发指令时，采集与所述触发指令对应的事故场景视频；基于预先构建的场景识别模型，对所述事故场景视频进行识别，获得所述事故场景视频对应的识别结果；根据所述识别结果，确定对应的处理命令，并将所述处理命令发送至所述车机系统。本发明通过在接收到车机系统的触发指令时，采集与触发指令对应的事故场景视频；根据预先构建的场景识别模型对事故场景视频进行识别，获得事故场景视频对应的识别结果；确定识别结果对应的处理命令，并将处理命令发送至车机系统；从而通过车机系统与无人机进行交互，并利用无人机对事故场景进行识别，提高事故处理的准确性、以及事故处理的效率。
附图说明
20.图1是本发明实施例方案涉及的硬件运行环境的设备结构示意图；图2为本发明无人机事故取证方法第一实施例的流程示意图；图3为本发明无人机事故取证方法的总体流程示意图；图4为本发明无人机事故取证方法第二实施例的流程示意图；图5为本发明无人机事故取证方法第三实施例的流程示意图；图6为本发明无人机事故取证方法第四实施例的流程示意图；图7为本发明无人机事故取证系统第一实施例的功能模块示意图。
21.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
22.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。
23.如图1所示，图1是本发明实施例方案涉及的硬件运行环境的设备结构示意图。
24.本发明实施例终端设备可以是无人机、移动终端或服务器设备。
25.如图1所示，该设备可以包括：处理器1001，例如cpu，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏（display）、输入单元比如键盘（keyboard），可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如wi-fi接口）。存储器1005可以是高速ram存储器，也可以是稳定的存储器（non-volatile memory），例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
26.本领域技术人员可以理解，图1中示出的设备结构并不构成对设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
27.如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及无人机事故取证程序。
28.其中，操作系统是管理和控制终端设备与软件资源的程序，支持网络通信模块、用
户接口模块、无人机事故取证程序以及其他程序或软件的运行；网络通信模块用于管理和控制网络接口1002；用户接口模块用于管理和控制用户接口1003。
29.在图1所示的终端设备中，所述终端设备通过处理器1001调用存储器1005中存储的无人机事故取证程序，并执行下述无人机事故取证方法各个实施例中的操作。
30.基于上述硬件结构，提出本发明无人机事故取证方法实施例。
31.参照图2，图2为本发明无人机事故取证方法第一实施例的流程示意图，所述无人机事故取证方法包括：步骤s10，在接收到车机系统的触发指令时，采集与所述触发指令对应的事故场景视频；步骤s20，基于预先构建的场景识别模型，对所述事故场景视频进行识别，获得所述事故场景视频对应的识别结果；步骤s30，确定所述识别结果对应的处理命令，并将所述处理命令发送至所述车机系统。
32.本实施例通过在接收到车机系统的触发指令时，采集与触发指令对应的事故场景视频；根据预先构建的场景识别模型对事故场景视频进行识别，获得事故场景视频对应的识别结果；根据识别结果，确定识别结果对应的处理命令，并将处理命令发送至车机系统；从而通过车机系统与无人机进行交互，并利用无人机对事故场景进行识别，提高事故处理的准确性、以及事故处理的效率。
33.以下将对各个步骤进行详细说明：步骤s10，在接收到车机系统的触发指令时，采集与所述触发指令对应的事故场景视频。
34.在本实施例中，无人机事故取证方法应用于无人机，该无人机事故取证方法通过将汽车的车机系统与无人机进行交互，具体是在汽车发生碰撞后产生触发信号，触发信号可以由其他物体碰撞当前车辆，或是当前车辆自动产生，并将触发信号传至无人机；无人机根据触发信号采集事故场景视频，并在采集到事故场景视频后，根据预设的推理算法对事故场景视频进行识别，并将识别后的结果回传给车机系统。其中，事故场景视频是指无人机飞行到事故发生地点时，调用无人机的可见光摄像机进行拍摄所得到视频。预设的推理算法是针对事故场景视频中道路场景、车辆行为和行人行为等进行识别的算法，其包括但不限于语义分割、人脸识别、行为识别等图像处理算法。
35.参照图3，图3为本发明无人机事故取证方法的总体流程示意图；其中，无人机还包括无人机机舱控制器；无人机机舱控制器在接收到车机系统的触发指令时，无人机机舱立即打开，无人机快速响应触发指令起飞；在无人机飞到一定高度时，开启录像，采集与该触发指令对应的事故场景视频。
36.其中，触发指令是在车辆检测到外物撞击的力度超过设定的震动阈值时，车辆触发警报时所产生的指令，然后通过该车辆的车机系统将该触发指令发送至无人机。
37.无人机机舱设置于该车辆的上方，并将无人机与该车辆的车机系统进行连接，以便无人机与车机系统进行交互。
38.在本实施例中，步骤s10之后，所述无人机事故取证方法还包括：将所述事故场景视频传输至所述车机系统。
39.在本实施例中，参照图3中“录像实时上传车机系统”的步骤，具体包括：在无人机采集到触发指令对应的场景视频后，无人机可将事故场景视频同步传输至车机系统的本地；同步传输指在无人机将事故场景视频传输至车机系统的本地的过程中，将无人机采集场景视频和传输场景视频的所产生的延迟时间缩短至毫秒（ms），以实现在无人机采集到场景视频后同步传输至车机系统的本地，其中，延迟时间是指场景视频的采集和场景视频的传输的时间差，从而保证事故场景视频的同步传输，其中，延迟时间优选为50毫秒（ms）。其中，该事故场景视频可作为回放内容，可供车主通过车机系统随时下载或订阅该事故场景视频；从而实现事故场景视频的回放，并以事故场景视频作为证据，提高事故处理效率和事故处理的准确性。
40.步骤s20，基于预先构建的场景识别模型，对所述事故场景视频进行识别，获得所述事故场景视频对应的识别结果。
41.在本实施例中，参照图3中的“无人机识别各种事故场景”的步骤；具体包括：无人机在采集到事故场景视频后，再通过预先构建的场景识别模型对事故场景视频进行识别，识别出当前事故场景对应的事故发生地点、场景类型、事故严重程度以及事故的过错方，生成对应的识别结果；其中，识别结果还包括但不限于场景事故发生时间、地点、参与者、事故发生地点。其中，预先构建的场景识别模型是指由各种预设的推理算法所构建的用于识别事故场景视频的模型，可以识别事故场景视频中的事故发生地点、场景类型、事故严重程度以及事故的过错方，以得到对应的识别结果；场景识别模型包括但不限于图像分割模型、图像识别模型、图像分类模型、神经网络模型等具体的数学公式。
42.步骤s30，确定所述识别结果对应的处理命令，并将所述处理命令发送至所述车机系统。
43.在一实施例中，参照图3中的“无人机做出相应判断”的步骤，具体包括：无人机根据识别结果，确定该事故场景对应的处理命令，如呼叫救援、报警、将事故场景视频发送给交警等，并将处理命令发送至车机系统，以供车机系统根据处理命令进行处理。
44.在一实施例中，步骤s30之后，所述无人机事故取证方法还包括：控制所述无人机返回起飞点，并控制所述无人机待机。
45.在本实施例中，参照图3中“无人机降落至机舱，结束任务”的步骤，具体包括：在无人机将处理命令发送至车机系统后，控制无人机降落至无人机机舱，结束该事故场景任务，无人机回到初始状态；其中，在车辆为停驶状态时，无人机的初始状态为待机状态；当车辆为驾驶状态时，无人机的初始状态为运行状态；从而提高无人机的工作效率，以及保护无人机。
46.在一实施例中，所述无人机事故取证方法还包括：控制所述弱电系统保持工作状态；若接收到基于所述工作状态触发的起飞指令，直接控制所述无人机起飞。
47.在本实施例中，参照图3中“无人机弱电系统一直保持工作，例如gps，飞控传感器、数传模块”的步骤，具体包括：无人机的弱电系统一直保持工作，该弱电系统包括但不限于gps系统、飞控传感器以及数传通讯系统，因此，无人机在接收到工作状态下触发的起飞指令后，可以立即作出起飞响应。一直保持工作指不主动关闭的情况下，一直保持运行。若单独设置有弱电开关，则在主动关闭弱电开关后，也可使得弱电系统停止运行。
48.在一实施例中，步骤s30之后，所述无人机事故取证方法还包括：打开所述无人机的机舱，并控制所述无人机降落至所述机舱。
49.在本实施例中，在无人机将处理命令发送至车机系统后，无人机机舱控制器打开无人机的机舱，并控制无人机降落至机舱，结束本次接收到车机系统触发指令的任务。
50.在本实施例中，通过在接收到车机系统的触发指令时，采集触发指令对应的事故场景视频；根据预先构建的场景识别模型对事故场景视频进行识别，获得事故场景视频对应的识别结果；确定识别结果对应的处理命令，并将处理命令发送至车机系统；从而通过车机系统与无人机进行交互，并利用无人机对事故场景进行识别，提高事故处理的准确性、以及事故处理的效率。
51.基于本发明无人机事故取证方法第一实施例，提出本发明无人机事故取证方法第二实施例。
52.无人机事故取证方法的第二实施例与无人机事故取证方法的第一实施例的区别在于本实施例是对步骤s10，在接收到所述车机系统的触发指令时，采集与所述触发指令对应的事故场景视频的步骤之前，参照图4，还包括：步骤a10，获取多个不同事故场景的样本视频，并使用所述样本视频构建用于训练初始模型的训练集；步骤a20，获取所述样本视频对应的样本识别结果；步骤a30，将所述训练集中的所述样本视频作为所述初始模型的输入，将所述样本识别结果作为所述初始模型的输出，并对所述初始模型进行迭代训练，获得所述场景识别模型。
53.在本实施例中，通过无人机获取大量的事故场景的样本视频，并使用这些样本视频构建用于训练初始模型的训练集；无人机获取每一个样本视频对应的样本识别结果；将训练集中的各个样本视频作为初始模型的输入，将对应的样本识别结果作为初始模型的输出，并对初始模型进行迭代训练，训练得到场景识别模型；从而提高训练后的场景识别模型的识别的准确率。
54.以下将对各个步骤进行详细说明：步骤a10，获取多个不同事故场景的样本视频，并使用所述样本视频构建用于训练初始模型的训练集。
55.在本实施例中，无人机获取多个不同事故场景的样本视频，以这些样本视频为基础，构建初始模型的训练集。在构建训练集的过程中，需要对这些样本视频进行事先处理，使得从样本视频中提取后得到的图片大小和格式统一，这是为了便于批量处理。其中，所述初始模型用于根据训练集中的样本视频、以及各个样本视频对应的样本识别结果进行迭代训练以生成场景识别模型；初始演练模型包括但不限于分类模型、识别模型、神经网络模型等。训练集中的样本视频包括但不限于车辆自身事故（超速行驶、逆行、违反停车或临时停车等）、车辆间的交通事故（连环追尾、强行超车、正面碰撞、侧面碰撞、拐弯碰撞等）、车辆与行人的交通事故（横穿马路事故、车辆闯入人行道等）以及其他事故等视频。
56.需要说明的是，为确保场景识别模型的准确性，训练集中的样本视频要足够多，本实施例不限定训练集中样本视频的数量，在实际应用中，训练集中的样本视频越多，场景识别模型输出的识别结果就越准确。
57.步骤a20，获取各个样本全景视频对应的样本识别结果。
58.在本实施例中，无人机获取用户对各个样本视频标注的样本识别结果，样本识别结果是用户事先在样本视频对应的样本事故场景图片上进行标注的结果。其中，样本识别结果对应的样本事故场景图片也需要进行事先处理，使得每一个样本识别结果对应的样本事故场景图片的大小和格式统一，这是为了便于批量处理。
59.步骤a30，将所述训练集中的所述样本视频作为所述初始模型的输入，将所述样本识别结果作为所述初始模型的输出，并对所述初始模型进行迭代训练，获得所述场景识别模型。
60.在本实施例中，无人机将训练集中的各个样本视频作为初始模型的输入，将对应的样本识别结果作为初始模型的输出，并对初始模型进行迭代训练，训练得到场景识别模型；从而提高训练后的采集设备模型的识别的准确率。
61.在本实施例中，通过无人机获取大量的事故场景的样本视频，并将这些样本视频构建用于训练初始模型的训练集；无人机获取每一个样本视频对应的样本识别结果；将训练集中的各个样本视频作为初始模型的输入，将对应的样本识别结果作为初始模型的输出，并对初始模型进行迭代训练，训练得到场景识别模型；从而提高训练后的场景识别模型的识别的准确率。
62.进一步地，基于本发明无人机事故取证方法第一、二实施例，提出本发明无人机事故取证方法第三实施例。
63.无人机事故取证方法的第三实施例与无人机事故取证方法的第一、二实施例的区别在于本实施例是对步骤s10，在接收到所述车机系统的触发指令时，采集与所述触发指令对应的事故场景视频的细化，参照图5，该步骤具体包括：步骤s11，在接收到所述车机系统的触发指令时，控制所述无人机起飞；步骤s12，在所述无人机飞行至预设高度时，控制所述无人机朝起飞点环绕拍摄，采集与所述触发指令对应的事故场景视频。
64.在本实施例中，通过在无人机接收到车机系统的触发指令时，无人机快速响应触发指令起飞；在无人机飞行至预设高度时，控制无人机朝起飞点环绕拍摄，采集触发指令对应的事故场景视频；从而实时获取事故场景视频，以对事故进行及时处理，提高事故处理的效率。
65.以下将对各个步骤进行详细说明：步骤s11，在接收到所述车机系统的触发指令时，控制所述无人机起飞。
66.在本实施例中，在无人机接收到车机系统的触发指令时，快速响应触发指令起飞。
67.其中，在接收车机系统的触发指令之前，无人机处于初始状态，初始状态包括待机状态和运行状态，其中，在车辆为停驶状态时，无人机的初始状态为待机状态；当车辆为驾驶状态时，无人机的初始状态为运行状态。且无人机的弱电系统一直保持工作，如gps（global positioning system，全球定位系统）系统、飞控传感器和数传通讯系统等。
68.gps是一种以人造地球卫星为基础的高精度无线电导航的定位系统，它在全球任何地方以及近地空间都能够提供准确的地理位置、车行速度及精确的时间参数。
69.飞控传感器主要用于对无人机的飞行姿态控制和导航。
70.数传通讯系统用于无人机与车机系统进行交互，如数据传输。
71.步骤s12，在所述无人机飞行至预设高度时，控制所述无人机朝起飞点环绕拍摄，采集与所述触发指令对应的事故场景视频。
72.在本实施例中，在无人机飞行一定高度后，控制无人机的摄像头朝向起飞点位置环绕拍摄，采集与触发指令对应的事故场景视频。
73.此外，事故场景视频对应的录像信息会实时上传至车机系统，以供系统进行下载或订阅。
74.在本实施例中，通过在无人机接收到车机系统的触发指令时，无人机快速响应触发指令起飞；在无人机飞行至预设高度时，控制无人机朝起飞点环绕拍摄，采集触发指令对应的事故场景视频；从而实时获取事故场景视频，以对事故进行及时处理，提高事故处理的效率。
75.参照图6，图6为本发明无人机事故取证方法第四实施例的流程示意图，所述无人机事故取证应用于车机系统，所述无人机事故取证方法包括：步骤b10，发送触发指令至无人机，以供所述无人机在接收到所述车机系统的触发指令时，采集与所述触发指令对应的事故场景视频，基于预先构建的场景识别模型，对所述事故场景视频进行识别，获得所述事故场景视频对应的识别结果，以及确定所述识别结果对应的处理命令，并将所述处理命令发送至所述车机系统；步骤b20，接收所述无人机发送的处理命令，并根据所述处理命令进行处理。
76.在本实施例中，通过车机系统发送触发指令到无人机，以供无人机根据触发指令采集对应的事故场景视频，并根据预先构建的场景识别模型对事故场景视频进行识别，生成对应的识别结果，以及确定识别结果对应的处理命令，将处理命令发送至车机系统；车机系统接收无人机发送的处理命令，并根据处理命令进行处理；从而通过车机系统与无人机进行交互，并利用无人机对事故场景进行识别，提高事故处理的准确性、以及事故处理的效率。
77.以下将对各个步骤进行详细说明：步骤b10，发送触发指令至无人机，以供所述无人机在接收到所述车机系统的触发指令时，采集与所述触发指令对应的事故场景视频，基于预先构建的场景识别模型，对所述事故场景视频进行识别，获得事故场景视频对应的识别结果，以及确定所述识别结果对应的处理命令，并将所述处理命令发送至所述车机系统。
78.在本实施例中，无人机事故取证方法应用于车机系统，该无人机事故取证方法通过将汽车的车机系统与无人机进行交互，具体是在汽车发生碰撞后产生触发信号，并将触发信号传至无人机；无人机根据触发信号采集事故场景视频，并在采集到事故场景视频后，根据预设的推理算法对事故场景视频进行处理，并将处理后的结果回传给车机系统。
79.参照图3，图3为本发明无人机事故取证方法的总体流程示意图；在车辆检测到外部撞击的力度超过设定的震动阈值时，车辆触发警报，并启动车机系统，车机系统生成对应的触发指令。
80.当前车辆状态可以是停驶状态，也可以是驾驶状态。如，在车辆为停驶状态时，且在夜晚；当车辆检测到外物撞击的力度超过设定的震动阈值时，车辆会触发警报，并且打开车机系统，打开车辆的全部灯光（辅助无人机在夜晚拍摄）；车机系统在启动后，将触发指令发送至无人机。
81.其中，在车辆为停驶状态时，车机系统处于待机状态；当车辆为驾驶状态时，车机系统为运行状态。
82.其中，触发指令是在车辆检测到外物撞击的力度超过设定的震动阈值时，车辆触发警报时所产生的指令，然后通过该车辆的车机系统将该触发指令发送至无人机。
83.通过车机系统将触发指令发送至无人机，以供无人机根据触发指令采集对应的事故场景视频，并根据预先构建的场景识别模型对事故场景视频进行识别，生成对应的识别结果，以及根据识别结果确定对应的处理命令，将处理命令发送至车机系统。
84.其中，无人机机舱设置于该车辆的上方，并将无人机与该车辆的车机系统进行连接，以便无人机与车机系统进行交互。
85.步骤b20，接收所述无人机发送的处理命令，并根据所述处理命令进行处理。
86.在本实施例中，车机系统在接收到无人机发送的处理命令后，根据处理命令对事故进行处理；其中，处理命令包括但不限于呼叫救援、报警，将识别结果和事故场景视频发送给交警等。从而提高事故处理的准确性、以及事故处理的效率。
87.进一步地，在一实施例中，步骤b20之后，所述无人机事故取证还包括：控制所述车机系统返回初始状态。
88.在本实施例中，在车机系统根据处理命令对事故进行处理后，控制车机系统回到初始状态；其中，在车辆为停驶状态时，车机系统的初始状态为待机状态；当车辆为驾驶状态时，车机系统的初始状态为运行状态；从而提高车机系统的工作效率。
89.在本实施例中，通过车机系统发送触发指令到无人机，以供无人机根据触发指令采集对应的事故场景视频，并根据预先构建的场景识别模型对事故场景视频进行识别，生成对应的识别结果，以及根据识别结果确定对应的处理命令，将处理命令发送至车机系统；车机系统接收无人机发送的处理命令，并根据处理命令进行处理；从而通过车机系统与无人机进行交互，并利用无人机对事故场景进行识别，提高事故处理的准确性、以及事故处理的效率。
90.本发明还提供一种无人机事故取证系统。参照图7，本发明无人机事故取证系统包括：采集模块10，用于在接收到所述车机系统的触发指令时，采集与所述触发指令对应的事故场景视频；处理模块20，用于基于预先构建的场景识别模型，对所述事故场景视频进行识别，获得对应的识别结果；发送模块30，用于确定所述识别结果对应的处理命令，并将所述处理命令发送至所述车机系统。
91.此外，本发明还提供一种计算机可读存储介质，其上存储有无人机事故取证程序，无人机事故取证程序被处理器执行时实现如上所述的无人机事故取证方法的步骤。
92.其中，在所述处理器上运行的无人机事故取证程序被执行时所实现的方法可参照本发明无人机事故取证方法各个实施例，此处不再赘述。
93.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有
的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
94.上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
95.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
96.以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书与附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。