基于云服务与深度神经网络的车内环境监测预警方法技术

本发明专利技术属于信息处理技术领域，公开了一种基于云服务与深度神经网络的车内环境监测预警方法，当有人进入汽车室内时，人体红外检测模块检测到信息；检测到的实时数据通过5G无线网络传输到智能物联云平台，智能云的数据库服务器进行云存储与备份操作，内容管理服务器进行云计算和大数据聚类分析数据挖掘操作。本发明专利技术利用智能云对汽车室内空气实时监测，在云端利用提出的基于逻辑回归最优化模型的警报信息等级分类算法对车主面临的危险进行精准的划分危险等级，并利用设计的系统自适应深度强化学习算法做出决策；在云端采用提出的Pyecharts‑Based可视化算法对海量数据进行统计分析，并对所有车主用户提供独立安全的可视化服务。

Vehicle interior environment monitoring and early warning method based on cloud service and deep neural network

【技术实现步骤摘要】
基于云服务与深度神经网络的车内环境监测预警方法
本专利技术属于信息处理
，尤其涉及一种基于云服务与深度神经网络的车内环境监测预警方法。
技术介绍
目前，业内常用的现有技术是这样的：汽车内死亡的事件除了交通事故之外，还有一个很大的导致因素----汽车室内的环境----空气(一氧化碳气体超标，甲醛超标)、温度(温度超过人体承受极限：最易受害群体：老人与婴幼儿)。面对汽车室内的危险因素，设计并实现一种基于物联网和深度强化学习算法的车内环境检测报警方法与系统，精确的检测一氧化碳气体、甲醛浓度，车内温湿度，并对其超标进行及时的报警是极其有必要的。传统的中高档级别以下的汽车以及部分中高档级别以上的汽车是没有汽车室内危险气体检测和报警功能的。目前，社会中已有的车内空气安全检测系统，一氧化碳报警器，甲醛报警器等都是单一的系统或设备，不能智能的检测与对数据进行精准的存储分析(将数据开放给第三方进行深层的数据挖掘)，并智能远程报警。这是因为器件本身的硬件结构导致，如：一氧化碳报警器，甲醛报警器，器件的核心是单片机，单片机存储器有两种，ROM和RAM，即程序存储器和数据存储器，前者是用来永久保存被下载的程序文件，后者又称为闪存，即只能在单片机被供电工作时临时保存运行数据，并且工业界使用的单片机中的RAM的最大存储容量只有128字节，无法满足大量实时数据进行存储，以及进一步分析的需求。另外，为了降低器件成本，器件本身没有与因特网连接的网络通信模块，故其自身无法进行数据的分析以及远程报警。然而，我们提出的基于云服务与深度神经网络的车内环境预警方法，第一可以实现对车内实时以及过去的海量的数据的准确分析；第二，可以在车内环境对人产生危害时，进行远程报警，保护车主或乘车人的健康与生命。目前用于防止汽车疲劳驾驶的汽车辅助驾驶系统由于技术复杂，这是因为对于疲劳状态的感知是非常困难的，现有的技术采用图像处理器采集人脸图像，通过判读人脸以及眼睛的局部特征做出车主的状态判断，但是这对于数字图像的处理与分析要求极其高，需要成本昂贵的数字信号处理器才能实现；有的依托于高清摄像头的实时监测，通过捕捉车主的姿势的特征，运用卷积神经网络进行深度学习，来判断车主的是否属于疲劳驾驶，但是，一是因为训练的人体姿势的样本数量有限，还处于初步研发阶段；二是因为既需要容量很大的存储器对大量视频进行存储，又需要先进的处理器针对运算数据进行分析，更加增加了成本，不宜于在社会上迅速推广。综上所述，现有技术存在的问题是：(1)目前，社会中已有的车内空气安全检测系统不能智能的检测与对数据进行精准的存储分析并智能远程报警。(2)目前用于防止汽车疲劳驾驶的汽车辅助驾驶系统由于技术复杂，依托于高清摄像头的实时监测，成本高，运用卷积神经网络进行深度学习，训练的人体姿势的样本数量有限，还处于初步研发阶段，不宜于在社会上迅速推广。解决上述技术问题的难度：第一，如何采集车内环境状态数据；第二，如何确定危险阈值；第三，如何针对车内的场景状态数据进行智能决策。解决上述技术问题的意义：本专利技术要解决的是由于汽车室内一氧化碳气体、甲醛浓度，车内温湿度过高导致人身体不适或死亡的高突发事件问题，同时降低疲劳驾驶的发生概率，提供一种基于云服务和深度强化学习算法的车内环境实时监测和车主的危险警报的方法与系统，精确的检测一氧化碳气体浓度、甲醛浓度，车内温湿度，并对其超标进行及时的报警。该方法简单有效，操作方便，检测准确，检测速度快，基于云服务，成本低，由于批量租用或购买云平台资源(包括计算资源和存储资源)，极大地降低了存储资源成本和计算资源成本，根据本专利技术的预算，与现有技术相比，能降低20％-40％，有利于迅速推广，保护车主和乘车人的生命安全。
技术实现思路
针对现有技术存在的问题，本专利技术提供了一种基于云服务与深度神经网络的车内环境监测预警方法。本专利技术是这样实现的，一种基于云服务与深度神经网络的车内环境监测预警方法，所述基于云服务与深度神经网络的车内环境监测预警方法包括：第一步，当有人进入汽车室内时，人体红外检测模块检测到人，一氧化碳气体浓度检测模块、温湿度检测模块和甲醛浓度检测模块开始并行执行工作模式；检测到的实时数据通过5G无线网络传输到智能物联云平台，智能云的数据库服务器进行云存储与备份操作，内容管理服务器进行云计算和大数据聚类分析数据挖掘操作；第二步，若发现异常数据，将报警信息发送到车主用户的移动智能终端，车主收到报警信息后，采取保护性操作；如未发现异常数据，则继续保持对汽车室内空气质量的监测；车主用户通过移动智能终端调用基于智能云的云服务，随时远程查看汽车室状况；智能云接受到车主用户的服务请求后，积极响应。进一步，所述基于云服务与深度神经网络的车内环境监测预警方法的基于云平台存储的海量的车况数据，将数据分为3类：A类：训练数据集；B类：测试数据集；C类：实时数据集；通过核密度估计，得到估计的未知的概率密度函数，运行逻辑回归算法，基于A类数据集得到最优的回归系数，基于B类数据得到警报信息分类的决策阈值，基于C类数据得到针对实时车况数据的最佳的警报级别的分类结果。进一步，所述基于云服务与深度神经网络的车内环境监测预警方法包括决策网络和状态网络；决策现实网络，用于探索决策策略，决策估计网络估计绩效并提供批评值，帮助决策现实网络学习策略的梯度；状态网络，定义旧版本的决策网络，用于生成训练决策估计网络的目标值；包括状态现实网络和状态估计网络；状态网络的输入来自重播记忆体的下一个状态，输出是训练状态估计网络的批评值；重播记忆体存储经验元组，包括当前状态，当前决策，奖励值和下一个状态；对存储在重播记忆体中的经验元组进行随机采样训练决策网络和状态网络。进一步，所述决策网络和状态网络强化学习的过程的状态、决策，奖励三个关键要素；状态，反映的状态环境；决策，由两部分组成：xij和bij，D＝(xij，bij)，其中xij是二进制值，bij是警报方式；奖励，根据当前的状态和决策，重播记忆体从环境中获得相应的奖励值。进一步，所述基于云服务与深度神经网络的车内环境监测预警方法的基于智能云平台存储的海量车况数据处理方法采用PycharmIDE以及Pyechartspackage，对数据从多个角度进行统计分析与可视化展示；Pyecharts是用于生成Echarts图表的类库；Echarts是百度开源的一个数据可视化JS库。进一步，所述基于云服务与深度神经网络的车内环境监测预警方法的人体红外检测模块开始初始化，输出低电平，当检测到人进入汽车室后，输出高电平；短暂的延时后再检测有没有人，如果有，将继续保持输出高电平，并将此信号发送到协调器，经过信号处理，协调器将再次初始化人体红外检测模块。进一步，所述基于云服务与深度神经网络的车内环境监测预警方法人进入汽车室，红外人体检测模块检测到人，当且仅当加速度传感模块输出ON信号时，启动计时器功能；若计时器连续计时超过2个小时，便开启现场语音提示功能；若车主此时停车休息，则加速度传感模块暑促和OFF信号，计时器清零并停止工作；若汽车行驶状态未达2个小时，则计时器继续正常工作。进一步，所述基于云服务与深度神经网络的车内环境监测预警方法还包括：在汽车被盗之后，如果被车主主动发现的话，本文档来自技高网...

【技术保护点】
1.一种基于云服务与深度神经网络的车内环境监测预警方法，其特征在于，所述基于云服务与深度神经网络的车内环境监测预警方法包括：第一步，当有人进入汽车室内时，人体红外检测模块检测到人，一氧化碳气体浓度检测模块、温湿度检测模块和甲醛浓度检测模块开始并行执行工作模式；检测到的实时数据通过5G无线网络传输到智能物联云平台，智能云的数据库服务器进行云存储与备份操作，内容管理服务器进行云计算和大数据聚类分析数据挖掘操作；第二步，若发现异常数据，将报警信息发送到车主用户的移动智能终端，车主收到报警信息后，将会采取保护性操作；如未发现异常数据，则继续保持对汽车室内空气质量的监测；车主用户通过移动智能终端调用基于智能云的云服务，随时远程查看汽车室状况；智能云接受到车主用户的服务请求后，积极响应。

【技术特征摘要】
1.一种基于云服务与深度神经网络的车内环境监测预警方法，其特征在于，所述基于云服务与深度神经网络的车内环境监测预警方法包括：第一步，当有人进入汽车室内时，人体红外检测模块检测到人，一氧化碳气体浓度检测模块、温湿度检测模块和甲醛浓度检测模块开始并行执行工作模式；检测到的实时数据通过5G无线网络传输到智能物联云平台，智能云的数据库服务器进行云存储与备份操作，内容管理服务器进行云计算和大数据聚类分析数据挖掘操作；第二步，若发现异常数据，将报警信息发送到车主用户的移动智能终端，车主收到报警信息后，将会采取保护性操作；如未发现异常数据，则继续保持对汽车室内空气质量的监测；车主用户通过移动智能终端调用基于智能云的云服务，随时远程查看汽车室状况；智能云接受到车主用户的服务请求后，积极响应。2.如权利要求1所述的基于云服务与深度神经网络的车内环境监测预警方法，其特征在于，所述基于云服务与深度神经网络的车内环境监测预警方法的基于云平台存储的海量的车况数据，将数据分为3类：A类：训练数据集；B类：测试数据集；C类：实时数据集；通过核密度估计，得到估计的未知的概率密度函数，运行逻辑回归算法，基于A类数据集得到最优的回归系数，基于B类数据得到警报信息分类的决策阈值，基于C类数据得到针对实时车况数据的最佳的警报级别的分类结果。3.如权利要求1所述的基于云服务与深度神经网络的车内环境监测预警方法，其特征在于，所述基于云服务与深度神经网络的车内环境监测预警方法包括决策网络和状态网络；决策现实网络，用于探索决策策略，决策估计网络估计绩效并提供批评值，帮助决策现实网络学习策略的梯度；状态网络，定义旧版本的决策网络，用于生成训练决策估计网络的目标值；包括状态现实网络和状态估计网络；状态网络的输入来自重播记忆体的下一个状态，输出是训练状态估计网络的批评值；重播记忆体存储经验元组，包括当前状态，当前决策，奖励值和下一个状态；对存储在重播记忆体中的经验元组进行随机采样训练决策网络和状态网络。4.如权利要求3所述的基于云服务与深度神经网络的车内环境监测预警方法，其特征在于，所述决策网络和状态网络强化学习的过程的状态、决策，奖励三个关键要素；状态，反映的状态环境；决策，由两部分组成：xij和bij，D＝(xij，bij)，其中xij是二进制值，0表示无效，1表示有效；bij是警报方式；奖励，根据当前的状态和决策，重播记忆体从环境中获得相应的奖励值。5.如权利要求1所述的基于云服务与深度神经网络的车内环境监测预警方法，其特征在于，所述基于云服务与深度神经网络的车内环境监测预警方法的基于智能云平台存储的海量车况数据处理方法采用Py...

【专利技术属性】
技术研发人员：何倩，陈壮，覃匡宇，董庆贺，杨指挥，江炳城，曹礼，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：广西,45