车辆掉落异物报警方法及系统技术方案

本发明专利技术提供的车辆掉落异物报警方法及系统，涉及人工智能技术领域。在本发明专利技术中，得到目标异物的目标物理距离信息；在目标物理距离信息小于参考物理距离信息的情况下，获取图像检测设备基于异物检测信息检测到的待处理异物图像数据；利用异物图像分析网络，挖掘出待处理异物图像数据的异物图像特征表示；基于异物图像特征表示和参考异物图像特征表示，分析出对应的异物图像分类数据，参考异物图像特征表示通过异物图像分析网络对参考异物的异物图像数据进行挖掘以形成，异物图像分类数据用于反映目标异物的异物种类信息；基于异物图像分类数据进行异物报警操作。基于上述内容，可以在一定程度上提高异物报警的可靠度。在一定程度上提高异物报警的可靠度。在一定程度上提高异物报警的可靠度。

【技术实现步骤摘要】
车辆掉落异物报警方法及系统


[0001]本专利技术涉及人工智能
，具体而言，涉及一种车辆掉落异物报警方法及系统。

技术介绍

[0002]人工智能是计算机学科的一个分支，二十世纪七十年代以来被称为世界三大尖端技术之一（空间技术、能源技术、人工智能），也被认为是二十一世纪三大尖端技术（基因工程、纳米科学、人工智能）之一。这是因为近三十年来它获得了迅速的发展，在很多学科领域都获得了广泛应用，并取得了丰硕的成果，人工智能已逐步成为一个独立的分支，无论在理论和实践上都已自成一个系统。人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，人工智能与思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它的一个应用分支。数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具，数学不仅在标准逻辑、模糊数学等范围发挥作用，数学进入人工智能学科，它们将互相促进而更快地发展。
[0003]在人工智能的诸多应用中，包括基于人工智能对图像进行分析等，如进行异物识别等，但是，在现有技术中，在基于图像分析进行车辆掉落异物报警的过程中，存在着异物报警的可靠度不佳的问题。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提供一种车辆掉落异物报警方法及系统，以在一定程度上提高异物报警的可靠度。
[0005]为实现上述目的，本专利技术实施例采用如下技术方案：车辆掉落异物报警方法，包括：对雷达检测设备下发异物检测信息，并在接收到所述雷达检测设备基于所述异物检测信息在检测到异物的情况下上报的异物存在信息之后，对所述异物存在信息进行解析操作，以得到目标异物的目标物理距离信息，所述目标物理距离信息用于反映目标车辆和所述目标异物之间的距离；在所述目标物理距离信息小于参考物理距离信息的情况下，对图像检测设备下发异物检测信息，并获取所述图像检测设备基于所述异物检测信息检测到的待处理异物图像数据，所述待处理异物图像数据包括所述目标异物的至少一帧待处理异物图像；利用异物图像分析网络，挖掘出所述待处理异物图像数据的异物图像特征表示，所述异物图像分析网络基于网络学习代价第一指标和网络学习代价第二指标进行相应的网络优化操作以形成，所述网络学习代价第一指标为分类学习代价指标，所述网络学习代
价第二指标为分类学习代价指标以外的其它学习代价指标，所述网络学习代价第一指标和所述网络学习代价第二指标依据每一个异物图像数据的深层次图像特征表示进行相应的分析以形成；基于所述异物图像特征表示和参考异物图像特征表示，分析出对应的异物图像分类数据，所述参考异物图像特征表示通过所述异物图像分析网络对参考异物的异物图像数据进行挖掘以形成，所述异物图像分类数据用于反映所述目标异物的异物种类信息；基于所述异物图像分类数据进行异物报警操作。
[0006]在一些优选的实施例中，在上述车辆掉落异物报警方法中，所述基于所述异物图像特征表示和参考异物图像特征表示，分析出对应的异物图像分类数据的步骤，包括：基于所述异物图像特征表示和参考异物图像特征表示，分析出对应的特征表示距离；在所述特征表示距离小于或等于预先确定的特征表示第一参考距离的情况下，将所述参考异物的参考异物种类信息标记为所述待处理异物图像数据对应的目标异物的异物种类信息，以形成对应的异物图像分类数据；在所述特征表示距离大于所述特征表示第一参考距离的情况下，将所述参考异物以外的异物的参考异物种类信息标记为所述待处理异物图像数据对应的目标异物的异物种类信息，以形成对应的异物图像分类数据。
[0007]在一些优选的实施例中，在上述车辆掉落异物报警方法中，所述车辆掉落异物报警方法还包括：提取到典型异物图像数据簇，所述典型异物图像数据簇包括至少一个典型异物对应的异物图像数据；基于所述典型异物图像数据簇中每一个典型异物对应的异物图像数据，分析出对应的目标网络学习代价指标，所述目标网络学习代价指标包括网络学习代价第一指标和网络学习代价第二指标，所述网络学习代价第一指标为分类学习代价指标，所述网络学习代价第二指标为分类学习代价指标以外的其它学习代价指标，所述网络学习代价第一指标和所述网络学习代价第二指标依据每一个异物图像数据的深层次图像特征表示进行相应的分析以形成，每一个所述异物图像数据的深层次图像特征表示基于具有梯度优化操作的卷积网络模型进行挖掘以形成，所述具有梯度优化操作的卷积网络模型中的第一个特征挖掘单元包括异型特征挖掘算子，用于将目标维度的数据进行相较于其它维度的数据具有更大尺寸的特征挖掘操作，所述目标维度包括时间维度；基于所述目标网络学习代价指标进行优化以形成异物图像分析网络。
[0008]在一些优选的实施例中，在上述车辆掉落异物报警方法中，所述基于所述典型异物图像数据簇中每一个典型异物对应的异物图像数据，分析出对应的目标网络学习代价指标的步骤，包括：利用所述具有梯度优化操作的卷积网络模型，基于所述典型异物图像数据簇中每一个典型异物对应的异物图像数据，分别挖掘出每一个异物图像数据对应的深层次图像特征表示；基于所述典型异物图像数据簇中每一个典型异物对应的异物图像数据，确定出对应的线性维度重要性参数分布；
基于每一个所述异物图像数据对应的深层次图像特征表示和所述线性维度重要性参数分布，分析出对应的网络学习代价第一指标。
[0009]在一些优选的实施例中，在上述车辆掉落异物报警方法中，所述基于每一个所述异物图像数据对应的深层次图像特征表示和所述线性维度重要性参数分布，分析出对应的网络学习代价第一指标的步骤，包括：对于每一个所述异物图像数据，确定出该异物图像数据对应的典型异物的分布排序信息，并从所述线性维度重要性参数分布中，确定出该分布排序信息对应的列参数分布，以及，对该列参数分布进行转置操作，以得到对应的转置参数分布，并对该转置参数分布和该异物图像数据对应的深层次图像特征表示进行相乘运算，以输出对应的相乘运算结果，以及，将该相乘运算结果和预先针对该分布排序信息配置的移位参数进行叠加运算，以输出对应的叠加运算结果，再将该叠加运算结果进行指数运算，以输出该异物图像数据对应的指数运算结果，所述线性维度重要性参数分布中的列参数分布对应于所述典型异物图像数据簇中的每一个典型异物；对每一个所述异物图像数据对应的指数运算结果进行叠加运算，以输出对应的目标指数运算结果，以及，分别将每一个所述异物图像数据对应的指数运算结果和所述目标指数运算结果进行比值计算，以输出每一个所述异物图像数据对应的比值计算结果；对每一个所述异物图像数据对应的所述比值计算结果进行叠加运算，以输出对应的叠加运算结果，以及，基于该叠加运算结果确定出网络学习代价第一指标，所述网络学习代价第一指标和该叠加运算结果负相关。
[0010]在一些优选的实施本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.车辆掉落异物报警方法，其特征在于，包括：对雷达检测设备下发异物检测信息，并在接收到所述雷达检测设备基于所述异物检测信息在检测到异物的情况下上报的异物存在信息之后，对所述异物存在信息进行解析操作，以得到目标异物的目标物理距离信息，所述目标物理距离信息用于反映目标车辆和所述目标异物之间的距离；在所述目标物理距离信息小于参考物理距离信息的情况下，对图像检测设备下发异物检测信息，并获取所述图像检测设备基于所述异物检测信息检测到的待处理异物图像数据，所述待处理异物图像数据包括所述目标异物的至少一帧待处理异物图像；利用异物图像分析网络，挖掘出所述待处理异物图像数据的异物图像特征表示，所述异物图像分析网络基于网络学习代价第一指标和网络学习代价第二指标进行相应的网络优化操作以形成，所述网络学习代价第一指标为分类学习代价指标，所述网络学习代价第二指标为分类学习代价指标以外的其它学习代价指标，所述网络学习代价第一指标和所述网络学习代价第二指标依据每一个异物图像数据的深层次图像特征表示进行相应的分析以形成；基于所述异物图像特征表示和参考异物图像特征表示，分析出对应的异物图像分类数据，所述参考异物图像特征表示通过所述异物图像分析网络对参考异物的异物图像数据进行挖掘以形成，所述异物图像分类数据用于反映所述目标异物的异物种类信息；基于所述异物图像分类数据进行异物报警操作。2.如权利要求1所述的车辆掉落异物报警方法，其特征在于，所述基于所述异物图像特征表示和参考异物图像特征表示，分析出对应的异物图像分类数据的步骤，包括：基于所述异物图像特征表示和参考异物图像特征表示，分析出对应的特征表示距离；在所述特征表示距离小于或等于预先确定的特征表示第一参考距离的情况下，将所述参考异物的参考异物种类信息标记为所述待处理异物图像数据对应的目标异物的异物种类信息，以形成对应的异物图像分类数据；在所述特征表示距离大于所述特征表示第一参考距离的情况下，将所述参考异物以外的异物的参考异物种类信息标记为所述待处理异物图像数据对应的目标异物的异物种类信息，以形成对应的异物图像分类数据。3.如权利要求1或2任一所述的车辆掉落异物报警方法，其特征在于，所述车辆掉落异物报警方法还包括：提取到典型异物图像数据簇，所述典型异物图像数据簇包括至少一个典型异物对应的异物图像数据；基于所述典型异物图像数据簇中每一个典型异物对应的异物图像数据，分析出对应的目标网络学习代价指标，所述目标网络学习代价指标包括网络学习代价第一指标和网络学习代价第二指标，所述网络学习代价第一指标为分类学习代价指标，所述网络学习代价第二指标为分类学习代价指标以外的其它学习代价指标，所述网络学习代价第一指标和所述网络学习代价第二指标依据每一个异物图像数据的深层次图像特征表示进行相应的分析以形成，每一个所述异物图像数据的深层次图像特征表示基于具有梯度优化操作的卷积网络模型进行挖掘以形成，所述具有梯度优化操作的卷积网络模型中的第一个特征挖掘单元包括异型特征挖掘算子，用于将目标维度的数据进行相较于其它维度的数据具有更大尺寸
的特征挖掘操作，所述目标维度包括时间维度；基于所述目标网络学习代价指标进行优化以形成异物图像分析网络。4.如权利要求3所述的车辆掉落异物报警方法，其特征在于，所述基于所述典型异物图像数据簇中每一个典型异物对应的异物图像数据，分析出对应的目标网络学习代价指标的步骤，包括：利用所述具有梯度优化操作的卷积网络模型，基于所述典型异物图像数据簇中每一个典型异物对应的异物图像数据，分别挖掘出每一个异物图像数据对应的深层次图像特征表示；基于所述典型异物图像数据簇中每一个典型异物对应的异物图像数据，确定出对应的线性维度重要性参数分布；基于每一个所述异物图像数据对应的深层次图像特征表示和所述线性维度重要性参数分布，分析出对应的网络学习代价第一指标。5.如权利要求4所述的车辆掉落异物报警方法，其特征在于，所述基于每一个所述异物图像数据对应的深层次图像特征表示和所述线性维度重要性参数分布，分析出对应的网络学习代价第一指标的步骤，包括：对于每一个所述异物图像数据，确定出该异物图像数据对应的典型异物的分布排序信息，并从所述线性维度重要性参数分布中，确定出该分布排序信息对应的列参数分布，以及，对该列参数分布进行转置操作，以得到对应的转置参数分布，并对该转置参数分布和该异物图像数据对应的深层次图像特征表示进行相乘运算，以输出对应的相乘运算结果，以及，将该相乘运算结果和预先针对该分布排序信息配置的移位参数进行叠加运算，以输出对应的叠加运算结果，再将该叠加运算结果进行指数运算，以输出该异物图像数据对应的指数运算结果，所述线性维度重要性参数分布中的列参数分布对应于所述典型异物图像数据簇中的每一个典型异物；对每一个所述异物图像数据对应的指数运算结果进行叠加运算，以输出对应的目标指数运算结果，以及，分别将每一个所述异物图像数据对应的指数运算结果和所述目标指数运算结果进行比值计算，以输出每一个所述异物图像数据对应的比值计算结果；对每一个所述异物图像数据对应的所述比值计算结果进行叠加运算，以输出对应的叠加运算结果，以及，基于该叠加运算结果确定出网络学习代价第一指标，所述网络学习代价第一指标和该叠加运算结果负相关。6.如权利要求3所述的车辆掉落异物报警方法，其特征在于，所述基于所述典型异物图像数据簇...

【专利技术属性】
技术研发人员：黄兵，袁勇，白皓，张光锦，罗世豪，靳庆浩，刘勇，廖知勇，蔡艾宏，唐浩，
申请(专利权)人：四川高速公路建设开发集团有限公司，
类型：发明
国别省市：