一种基于场景适配的汽车影像记录方法及系统与流程 专利技术说明

电子通信装置的制造及其应用技术1.本发明涉及汽车影像处理技术领域，具体是一种基于场景适配的汽车影像记录方法及系统。背景技术：2.行车记录仪即记录车辆行驶途中的影像及声音等相关资讯的仪器。安装行车记录仪后，能够记录汽车行驶全过程的视频图像和声音，可为交通事故提供证据。喜欢自驾游的人，还可以用它来记录征服艰难险阻的过程。开车时边走边录像，同时把时间、速度、所在位置都记录在录像里。3.行车记录仪中的即时数据都保存在本地，但是本地的存储空间非常有限，很难长时间存储大量数据，此时，数据会上传至云端进行保存；这一过程中，数据传输压力较大，车辆很难做到实时上传，如何优化影像记录过程是本发明技术方案想要解决的技术问题。技术实现要素：4.本发明的目的在于提供一种基于场景适配的汽车影像记录方法及系统，以解决上述背景技术中提出的问题。5.为实现上述目的，本发明提供如下技术方案：一种基于场景适配的汽车影像记录方法，所述方法包括：基于预设的权限获取汽车的导航信息，根据所述导航信息创建空间模型；实时获取汽车的运动参数，根据所述运动参数和空间模型确定预测影像；所述预测影像的预测时间步长为预设值；实时获取汽车影像，比对所述汽车影像和预测影像，得到预测准确率；根据所述预测准确率确定数据处理跨度，在数据处理跨度内对汽车影像进行数据处理，得到简化影像；其中，数据处理跨度包含未来时刻。6.作为本发明进一步的方案：所述基于预设的权限获取汽车的导航信息，根据所述导航信息创建空间模型的步骤包括：根据预设的权限端口实时获取车主权限；所述权限端口含有权限调节按钮；基于所述车主权限获取汽车的导航信息，根据所述导航信息确定运动路径；基于所述车主权限实时获取汽车在非运动路径上的变向次数，根据所述变向次数确定延拓范围；基于所述运动路径和所述延拓范围在现有的地图服务中获取地图信息，创建空间模型。7.作为本发明进一步的方案：所述实时获取汽车的运动参数，根据所述运动参数和空间模型确定预测影像的步骤包括：实时获取汽车的运动参数，根据所述运动参数确定检测半径；根据所述检测半径在空间模型中确定检测区；根据预设的视角映射模型获取各位置的预测图像；根据导航信息将各位置转换为时间，得到以时间为标签的预测图像；获取当前时刻，根据预设的时间步长和所述当前时刻读取预测图像，得到预测影像。8.作为本发明进一步的方案：所述实时获取汽车影像，比对所述汽车影像和预测影像，得到预测准确率的步骤包括：实时获取含有时间信息的汽车影像，根据时间信息读取待比对的预测影像；基于预设的原点将汽车影像和预测影像转换为两个二维向量组；其中，二维向量与影像中的数据帧对应；对所述二维向量组进行数据归一，得到一维向量组；计算两个一维向量组之间的余弦角度，根据所述余弦角度确定预测准确率。9.作为本发明进一步的方案：所述计算两个一维向量组之间的余弦角度，根据所述余弦角度确定预测准确率的步骤包括：根据预设的计算公式计算两个一维向量组之间的余弦角度；将所述余弦角度输入预设的阶梯激活函数，输出预测准确率；其中，所述计算公式为：；式中，为余弦角度，n为一维向量的元素数量，和分别为两个一维向量中的第i个数值。10.作为本发明进一步的方案：所述根据所述预测准确率确定数据处理跨度，在数据处理跨度内对汽车影像进行数据处理，得到简化影像的步骤包括：在预设的数据表中查询预测准确率对应的数据处理跨度；读取数据处理跨度内的汽车影像；其中，未来时刻的汽车影像由预测影像代替；比对数据处理跨度内的汽车影像的相邻数据帧，得到重复率；根据所述重复率选取目标数据帧，统计目标数据帧，得到简化影像。11.本发明技术方案还提供了一种基于场景适配的汽车影像记录系统，所述系统包括：模型创建模块，用于基于预设的权限获取汽车的导航信息，根据所述导航信息创建空间模型；影像预测模块，用于实时获取汽车的运动参数，根据所述运动参数和空间模型确定预测影像；所述预测影像的预测时间步长为预设值；影像比对模块，用于实时获取汽车影像，比对所述汽车影像和预测影像，得到预测准确率；影像简化模块，用于根据所述预测准确率确定数据处理跨度，在数据处理跨度内对汽车影像进行数据处理，得到简化影像；其中，数据处理跨度包含未来时刻。12.作为本发明进一步的方案：所述模型创建模块包括：权限获取单元，用于根据预设的权限端口实时获取车主权限；所述权限端口含有权限调节按钮；运动路径确定单元，用于基于所述车主权限获取汽车的导航信息，根据所述导航信息确定运动路径；延拓范围确定单元，用于基于所述车主权限实时获取汽车在非运动路径上的变向次数，根据所述变向次数确定延拓范围；执行单元，用于基于所述运动路径和所述延拓范围在现有的地图服务中获取地图信息，创建空间模型。13.作为本发明进一步的方案：所述影像预测模块包括：半径确定单元，用于实时获取汽车的运动参数，根据所述运动参数确定检测半径；检测区确定单元，用于根据所述检测半径在空间模型中确定检测区；图像获取单元，用于根据预设的视角映射模型获取各位置的预测图像；图像转换单元，用于根据导航信息将各位置转换为时间，得到以时间为标签的预测图像；图像读取单元，用于获取当前时刻，根据预设的时间步长和所述当前时刻读取预测图像，得到预测影像。14.作为本发明进一步的方案：所述影像比对模块包括：数据读取单元，用于实时获取含有时间信息的汽车影像，根据时间信息读取待比对的预测影像；影像转换单元，用于基于预设的原点将汽车影像和预测影像转换为两个二维向量组；其中，二维向量与影像中的数据帧对应；数据归一单元，用于对所述二维向量组进行数据归一，得到一维向量组；计算应用单元，用于计算两个一维向量组之间的余弦角度，根据所述余弦角度确定预测准确率。15.与现有技术相比，本发明的有益效果是：本发明通过导航信息预测行驶路线，基于行驶路线确定预测影像，比对预测影像和实际获取到的影像，可以实时的计算出预测准度，根据预测准度将一段包括未来时间内的数据上传至云端，通过未来时间内的提前量缓解了实时上传压力；通俗地说，通过预测过程，使得数据上传过程转换为验证识别过程，只需要验证实际获取到的图像是否与预测相符即可，模拟过程可以置于云端，无需实时上传。附图说明16.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例。17.图1为基于场景适配的汽车影像记录方法的流程框图。18.图2为基于场景适配的汽车影像记录方法的第一子流程框图。19.图3为基于场景适配的汽车影像记录方法的第二子流程框图。20.图4为基于场景适配的汽车影像记录方法的第三子流程框图。21.图5为基于场景适配的汽车影像记录方法的第四子流程框图。具体实施方式22.为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。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.图1为基于场景适配的汽车影像记录方法的流程框图，本发明实施例中，一种基于场景适配的汽车影像记录方法，所述方法包括：步骤s100：基于预设的权限获取汽车的导航信息，根据所述导航信息创建空间模型；在现有的地图服务的背景下，汽车在行驶过程中一般都会具有导航信息，即使没有导航信息，获取导航信息的过程也较为容易，其前提在于，必须具备相关的权限；只有在获取到权限的前提下，才能够获取后续的导航信息，借助导航信息获取汽车将会途经的区域的状态，称为空间模型。24.步骤s200：实时获取汽车的运动参数，根据所述运动参数和空间模型确定预测影像；所述预测影像的预测时间步长为预设值；当具备相应的权限后，实时获取汽车的运动参数，所述运动参数包括运动速度和运动加速度，根据所述运动参数在空间模型中进行数据提取，可以得到预测影像；所述预测影像用于表征汽车在接下来的行驶时间内可能采集到的视频影像，其中，接下来的行驶时间由预测时间步长确定。25.步骤s300：实时获取汽车影像，比对所述汽车影像和预测影像，得到预测准确率；实时获取汽车影像，根据获取时刻读取之前预测的预测影像，比对两者，可以实时的对预测过程进行检测；一般情况下，默认实时获取到的汽车影像是真实的。26.值得一提的是，如果默认预测影像是标准状态，那么通过上述比对过程可以实时地判断实时影像获取过程的准确率。27.步骤s400：根据所述预测准确率确定数据处理跨度，在数据处理跨度内对汽车影像进行数据处理，得到简化影像；其中，数据处理跨度包含未来时刻；根据上述内容中生成的预测准确率，可以确定一个数据处理跨度，所述数据处理跨度是时间跨度，包括过去时刻、当前时刻和未来时刻，在数据处理跨度内对汽车影像进行处理，即可得到简化影像；将得到的简化影像作为后续的处理数据，执行如存储、上报等操作。28.图2为基于场景适配的汽车影像记录方法的第一子流程框图，所述基于预设的权限获取汽车的导航信息，根据所述导航信息创建空间模型的步骤包括：步骤s101：根据预设的权限端口实时获取车主权限；所述权限端口含有权限调节按钮；通过权限端口获取车主权限，车主可以实时的调节权限授予过程，可以随时给予权限或者收回权限。29.步骤s102：基于所述车主权限获取汽车的导航信息，根据所述导航信息确定运动路径；基于获取到的车主权限，建立与中控台的连接通道，进而获取导航信息，根据导航信息可以确定运动路径。30.步骤s103：基于所述车主权限实时获取汽车在非运动路径上的变向次数，根据所述变向次数确定延拓范围；在行驶过程中，实时获取脱离导航的次数，也即，在非运动路径上的变向次数，根据变向次数可以确定延拓范围，所述延拓范围影响空间模型的尺寸。31.步骤s104：基于所述运动路径和所述延拓范围在现有的地图服务中获取地图信息，创建空间模型；以运动路径为基准，在延拓范围内获取地图信息，进而创建空间模型；所述空间模型为三维模型。32.图3为基于场景适配的汽车影像记录方法的第二子流程框图，所述实时获取汽车的运动参数，根据所述运动参数和空间模型确定预测影像的步骤包括：步骤s201：实时获取汽车的运动参数，根据所述运动参数确定检测半径；通过预设的传感器实时获取汽车的运动参数，根据运动参数尤其是运动速度可以确定检测半径，运动速度越高，检测半径越大。33.步骤s202：根据所述检测半径在空间模型中确定检测区；根据所述检测半径在空间模型中确定检测区，所述检测区一般为预设角度范围内的半圆形区域。34.步骤s203：根据预设的视角映射模型获取各位置的预测图像；空间模型是三维模型，在空间模型中的任一点位获取汽车影像是可以预测的，视角之间存在映射关系，所述映射关系由工作人员预先创建。35.步骤s204：根据导航信息将各位置转换为时间，得到以时间为标签的预测图像；在现有的导航服务中，可以较为准确地计算出汽车到达各处的时间，因此，借助导航信息，可以将位置转换为时间，此时，可以得到以时间为标签的预测图像。36.步骤s205：获取当前时刻，根据预设的时间步长和所述当前时刻读取预测图像，得到预测影像；将预测图像按照时间信息拼接在一起，可以得到预测影像。37.图4为基于场景适配的汽车影像记录方法的第三子流程框图，所述实时获取汽车影像，比对所述汽车影像和预测影像，得到预测准确率的步骤包括：步骤s301：实时获取含有时间信息的汽车影像，根据时间信息读取待比对的预测影像；通过影像获取设备实时获取汽车影像，根据获取时间读取对应的预测影像。38.步骤s302：基于预设的原点将汽车影像和预测影像转换为两个二维向量组；其中，二维向量与影像中的数据帧对应；汽车影像和预测影像均为视频信息，可以视为多张图像的集合，图像本身是二维数据，将图像转换为二维向量的过程并不困难；与视频对应的即为二维向量组。39.步骤s303：对所述二维向量组进行数据归一，得到一维向量组；依次计算每一列或者每一行的数值均值，可以简化二维向量，得到一维向量；二维向量组对应的就是一维向量组。40.步骤s304：计算两个一维向量组之间的余弦角度，根据所述余弦角度确定预测准确率；依次提取一维向量组中的一维向量，计算两个一维向量之间的余弦角度，可以得到与一维向量组对应的数值组，对所述数值组进行分析，可以得到预测准确率。41.进一步的，所述计算两个一维向量组之间的余弦角度，根据所述余弦角度确定预测准确率的步骤包括：依次提取一维向量组中的一维向量；根据预设的计算公式计算两个一维向量之间的余弦角度；将所述余弦角度输入预设的阶梯激活函数，输出预测准确率；其中，所述计算公式为：；式中，为余弦角度，n为一维向量的元素数量，和分别为两个一维向量中的第i个数值。42.关于所述阶梯激活函数，可以理解为预设的阈值，余弦角度达到哪一阈值，输入对应的预测准确率。43.图5为基于场景适配的汽车影像记录方法的第四子流程框图，所述根据所述预测准确率确定数据处理跨度，在数据处理跨度内对汽车影像进行数据处理，得到简化影像的步骤包括：步骤s401：在预设的数据表中查询预测准确率对应的数据处理跨度；预测准确率与数据处理跨度之间存在对应关系，预测准确率越高，数据处理跨度越大，其含义在于，如果预测过程是准确的，那么更长时间的预测影像即可作为实际影像，从而提前记录，数据实时传输压力较小。44.步骤s402：读取数据处理跨度内的汽车影像；其中，未来时刻的汽车影像由预测影像代替；数据处理跨度是时间跨度，包括过去时刻、当前时刻和未来时刻，获取的汽车影像是数据处理跨度内的汽车影像。45.步骤s403：比对数据处理跨度内的汽车影像的相邻数据帧，得到重复率；步骤s404：根据所述重复率选取目标数据帧，统计目标数据帧，得到简化影像；比对相邻数据帧，可以剔除掉一些重复的数据，从而对汽车影像进行简化；其中，比对过程可以采用上述内容中汽车影像和预测影像的比对过程。46.在本发明技术方案的一个优选实施例中，提供了一种基于场景适配的汽车影像记录系统，所述系统包括：模型创建模块，用于基于预设的权限获取汽车的导航信息，根据所述导航信息创建空间模型；影像预测模块，用于实时获取汽车的运动参数，根据所述运动参数和空间模型确定预测影像；所述预测影像的预测时间步长为预设值；影像比对模块，用于实时获取汽车影像，比对所述汽车影像和预测影像，得到预测准确率；影像简化模块，用于根据所述预测准确率确定数据处理跨度，在数据处理跨度内对汽车影像进行数据处理，得到简化影像；其中，数据处理跨度包含未来时刻。47.进一步的，所述模型创建模块包括：权限获取单元，用于根据预设的权限端口实时获取车主权限；所述权限端口含有权限调节按钮；运动路径确定单元，用于基于所述车主权限获取汽车的导航信息，根据所述导航信息确定运动路径；延拓范围确定单元，用于基于所述车主权限实时获取汽车在非运动路径上的变向次数，根据所述变向次数确定延拓范围；执行单元，用于基于所述运动路径和所述延拓范围在现有的地图服务中获取地图信息，创建空间模型。48.具体的，所述影像预测模块包括：半径确定单元，用于实时获取汽车的运动参数，根据所述运动参数确定检测半径；检测区确定单元，用于根据所述检测半径在空间模型中确定检测区；图像获取单元，用于根据预设的视角映射模型获取各位置的预测图像；图像转换单元，用于根据导航信息将各位置转换为时间，得到以时间为标签的预测图像；图像读取单元，用于获取当前时刻，根据预设的时间步长和所述当前时刻读取预测图像，得到预测影像。49.此外，所述影像比对模块包括：数据读取单元，用于实时获取含有时间信息的汽车影像，根据时间信息读取待比对的预测影像；影像转换单元，用于基于预设的原点将汽车影像和预测影像转换为两个二维向量组；其中，二维向量与影像中的数据帧对应；数据归一单元，用于对所述二维向量组进行数据归一，得到一维向量组；计算应用单元，用于计算两个一维向量组之间的余弦角度，根据所述余弦角度确定预测准确率。50.需要说明的是，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各实施方式可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，上述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，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。51.以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!