一种用于警示驾驶人侧后方来车的方法、装置及系统制造方法及图纸

本发明专利技术公开了一种用于警示驾驶人侧后方来车的方法、装置及系统，其中该方法包括：采集驾驶人双肩之后的后半圆或后半球区域中的影像；以计算机程序接收该影像；利用机器学习库辨识且分析该影像；用类神经网络分类该影像；若该影像具有威胁时警告驾驶人。本发明专利技术能大大提高行车安全，且在预测处理或分类该影像的使用上会明显较快且较实用。

A method, device and system for warning a driver on the rear side of a driver's vehicle

The invention discloses a method, device and system for warning driver side rear vehicle, in which the method includes: collecting the image in the posterior semicircle or the rear hemisphere after the driver's shoulders, receiving the image by computer program, identifying the image by the machine learning library and classifying the image by the class neural network. Image; if the image is threatening, warn the driver. The invention can greatly improve the safety of driving, and it is obviously faster and more practical in forecasting, processing or classifying the image.

【技术实现步骤摘要】
一种用于警示驾驶人侧后方来车的方法、装置及系统
本专利技术涉及一种用于警示驾驶人侧后方来车的方法、装置及系统。
技术介绍
在现在的驾驶安全
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。
技术实现思路
本专利技术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。本实用专利技术的目的是这样实现的：本专利技术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。本专利技术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。本专利技术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。本专利技术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是本专利技术用于警示驾驶人侧后方来车的装置的工作流程图；图2是本专利技术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是本专利技术中使用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是本专利技术用于警示驾驶人侧后方来车的装置的结构示意图；图5是本专利技术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，对本专利技术作进一步说明。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。本专利技术也可设置于车辆上，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。本专利技术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，运用于本专利技术，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15,000,00本文档来自技高网...

【技术保护点】
一种用于警示驾驶人侧后方来车的方法，其特征在于，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所述影像具有威胁时，对驾驶人警告。

【技术特征摘要】
2017.09.18 TW 1061319891.一种用于警示驾驶人侧后方来车的方法，其特征在于，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所述影像具有威胁时，对驾驶人警告。2.如权利要求1所述的一种用于警示驾驶人侧后方来车的方法，其特征在于，所述影像为汽车时，步骤S40用类神经网络分类所述影像为汽车时，步骤S50中对驾驶人警告。3.一种用于警示驾驶人侧后方来车的装置，其特征在于，所述装置包括影像采集单元、处理单元和警告单元；所述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；所述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；所述警告单元与所述处理单元连接，所述处理单元判断接收的影像有威胁时，所述警告单元警告驾驶人。4.如权利要求3所述的一种用于警示驾驶人侧后方来车的装置，其特征在于，还包括存储单元，所述存储单元与所述处理单元连接；所述存储单元用于存储所述计算机程序、所述机器学习库、所述类神经网络和所述影像中的至少一种或组合。5.如权利要求3所述的一种用于警示驾驶人侧后方来车的装置，其特征在于，还包括传输单元，所述传输单元与所述处理单元连接；所述传输单元通过无线连接网络单元，所述网络单元中存储有所述计算机程序、所述机...

【专利技术属性】
技术研发人员：范三伟，
申请(专利权)人：范三伟，
类型：发明
国别省市：中国台湾,71