【技术实现步骤摘要】
本专利技术属于汽车盲区评估，具体是一种基于ai摄像技术的盲区精度评估方法及系统。
技术介绍
1、随着汽车工业的快速发展和智能交通系统的不断进步，车辆安全性能的提升成为了行业关注的重点。然而，在车辆行驶过程中，由于驾驶员视线受限、车辆结构遮挡等原因，盲区问题一直是影响行车安全的重要因素。其评估精度的提升对于预防交通事故、保障行车安全具有重要意义。然而，当前市场上的盲区评估系统在实际应用中仍面临诸多挑战，特别是在评估精度的实时性与准确性方面存在明显不足；导致当前很多用户对其的信任不足；因为现有盲区评估系统大多采用固定的传感器和算法，缺乏对设备状态、环境影响、数据延迟以及车速等动态因素的实时考量。这导致盲区评估的精度往往受到多种因素的制约，使得盲区内不同区域的评估精度具有差异，但是在实际应用中呈现在用户面前是相同的；基于此，为了实现盲区的智能评估，本专利技术提供了一种基于ai摄像技术的盲区精度评估方法及系统。
技术实现思路
1、为了解决上述方案存在的问题，本专利技术提供了一种基于ai摄像技术的盲区精度评估方法及系统。
2、本专利技术的目的可以通过以下技术方案实现：
3、一种基于ai摄像技术的盲区精度评估系统，包括信息模块、主体监测模块、盲区模块和盲区分析模块；
4、所述信息模块用于进行信息管理，确定各影响因素，识别各所述影响因素对应的监测主体；
5、设置车辆的盲区综合范围；获取各所述监测主体的主体素材数据，对各所述监测主体的主体素材数据进行
6、所述主体监测模块对各影响因素对应的监测主体进行实时监测，获得各影响因素对应的主体监测数据。
7、所述盲区模块用于实时生成盲区初始图像。
8、进一步地，盲区初始图像的生成方法包括：
9、确定盲区区域，通过ai摄像头实时采集车辆周围的图像数据，通过预设的图像识别模型对所述图像数据进行特征识别，获得各目标物体的目标信息；
10、根据各所述目标信息确定所述目标物体与车辆之间的相对数据，将所述相对数据与所述目标信息进行整合，形成各所述目标物体的目标综合信息；
11、根据盲区区域和各所述目标物体的目标综合信息生成盲区图像，标记为盲区初始图像。
12、进一步地，确定盲区区域的方法包括：
13、获取车辆的盲区素材数据，所述盲区素材数据包括后车镜参数以及对应的素材区域；对各所述盲区素材数据进行统计，获得各所述后车镜参数对应的各素材区域以及各素材区域对应的份额比重；
14、建立该车辆对应的三维外观模型，标记为车辆外观模型；根据各所述素材区域对所述车辆外观模型限制调整，形成动态限制模型；
15、识别当前车辆的后车镜参数，根据所述后车镜参数匹配对应的基准素材区域，按照所述基准素材区域将动态限制模型向用户进行展示，用户通过动态限制模型确定设定画面，根据所述设定画面对所述后车镜参数进行调整，确定盲区区域。
16、进一步地，根据后车镜参数匹配对应的基准素材区域的方法包括：
17、识别所述后车镜参数对应的各素材区域，获取各所述素材区域对应的份额比重；获取用户在所述后车镜参数下各所述素材区域的应用次数；
18、根据公式py=fe+yc实时计算各所述素材区域的优先值；
19、式中：py为优先值；fe为份额值；yc为应用次数；
20、选择优先值最高的所述素材区域为基准素材区域。
21、进一步地，当用户应用车辆外观模型确定盲区区域后，实时记录各后车镜参数和设定画面，整合为调整记录数据，并对各调整记录数据进行去重；
22、对各所述调整记录数据进行分类，获得各应用分类；在所述动态限制模型中设置各应用分类对应的应用分类标签；
23、当用户再次需要确定盲区区域时，通过所述动态限制模型中相应的应用分类标签进行确定。
24、所述盲区分析模块用于对盲区初始图像进行评估分析，获取各主体监测数据，通过所述综合影响模型对各所述主体监测数据进行分析，获得所述盲区初始图像中各盲区位置对应的综合影响值；根据各所述盲区位置对应的综合影响值将所述盲区初始图分为若干个单元区域，并设置各单元区域的单元精度值，所述单元精度值为所述单元区域内各盲区位置的综合影响值的平均值；
25、将各单元精度值标记在各单元区域内；预估各目标物体的基准风险值，根据各目标物体的基准风险值进行盲区预警。
26、进一步地，根据各盲区位置的综合影响值将盲区初始图分为若干个单元区域的方法包括：
27、步骤sa1：识别各盲区位置的综合影响值；确定各初始位置；将与初始位置相邻的各盲区位置标记为选择位置；
28、将初始位置的综合影响值标记为qy1(x，y，z)，(x，y，z)表示相应的位置坐标；将选择位置的综合影响值标记为qy2(x，y，z)；
29、根据公式ym=|qy1(x，y，z)-qy2(x，y，z)|计算初始位置与选择位置之间的第一影响差值；
30、式中：ym为第一影响差值；
31、将第一影响差值小于阈值x1的初始位置与选择位置进行合并，获得初始区域；
32、步骤sa2：将与初始区域相邻的各盲区位置标记为选择位置；
33、根据公式计算初始区域与选择位置之间的第二影响差值；
34、式中：ym´为第二影响差值；i表示初始区域内相应的盲区位置，i=1、2、……、n，n为正整数；qy(x，y，z)i表示初始区域内相应的盲区位置的综合影响值；qy´(x，y，z)表示选择位置对应的综合影响值；
35、将第二影响差值小于阈值x1的初始区域与选择位置进行合并，获得新的初始区域；
36、步骤sa3：循环步骤sa2，直到初始区域不能进行合并为止，将初始区域标记为单元区域；
37、当盲区区域内没有未合并的盲区位置时，结束分析；
38、当盲区区域内有未合并的盲区位置时，返回步骤sa1。
39、进一步地，在根据基准风险值进行盲区预警前，识别所述基准风险值对应的目标物体，识别所述目标物体对应的单元精度值，根据所述单元精度值对所述基准风险值进行修正，通过修正后的基准风险值进行盲区预警。
40、进一步地，实时记录修正后的基准风险值，将修正后的基准风险值标记为评估风险值，计算评估风险值与对应基准风险值之间的风险差值；根据风险差值和基准风险值确定异常优化数据，将各异常优化数据发送给平台方。
41、一种基于ai摄像技术的盲区精度评估方法，方法包括：
42、确定各影响本文档来自技高网...
【技术保护点】
1.一种基于AI摄像技术的盲区精度评估系统，其特征在于，包括信息模块、主体监测模块、盲区模块和盲区分析模块；
2.根据权利要求1所述的一种基于AI摄像技术的盲区精度评估系统，其特征在于，盲区初始图像的生成方法包括：
3.根据权利要求2所述的一种基于AI摄像技术的盲区精度评估系统，其特征在于，确定盲区区域的方法包括：
4.根据权利要求3所述的一种基于AI摄像技术的盲区精度评估系统，其特征在于，根据后车镜参数匹配对应的基准素材区域的方法包括：
5.根据权利要求3所述的一种基于AI摄像技术的盲区精度评估系统，其特征在于，当用户应用车辆外观模型确定盲区区域后，实时记录各后车镜参数和设定画面，整合为调整记录数据，并对各调整记录数据进行去重；
6.根据权利要求1所述的一种基于AI摄像技术的盲区精度评估系统，其特征在于，根据各盲区位置的综合影响值将盲区初始图分为若干个单元区域的方法包括：
7.根据权利要求1所述的一种基于AI摄像技术的盲区精度评估系统，其特征在于，在根据基准风险值进行盲区预警前，识别所述基准风险值对应的目标
8.根据权利要求7所述的一种基于AI摄像技术的盲区精度评估系统，其特征在于，实时记录修正后的基准风险值，将修正后的基准风险值标记为评估风险值，计算评估风险值与对应基准风险值之间的风险差值；根据风险差值和基准风险值确定异常优化数据，将各异常优化数据发送给平台方。
9.一种基于AI摄像技术的盲区精度评估方法，其特征在于，应用于如权利要求1至8中任一项所述的一种基于AI摄像技术的盲区精度评估系统，方法包括：
...【技术特征摘要】
1.一种基于ai摄像技术的盲区精度评估系统，其特征在于，包括信息模块、主体监测模块、盲区模块和盲区分析模块；
2.根据权利要求1所述的一种基于ai摄像技术的盲区精度评估系统，其特征在于，盲区初始图像的生成方法包括：
3.根据权利要求2所述的一种基于ai摄像技术的盲区精度评估系统，其特征在于，确定盲区区域的方法包括：
4.根据权利要求3所述的一种基于ai摄像技术的盲区精度评估系统，其特征在于，根据后车镜参数匹配对应的基准素材区域的方法包括：
5.根据权利要求3所述的一种基于ai摄像技术的盲区精度评估系统，其特征在于，当用户应用车辆外观模型确定盲区区域后，实时记录各后车镜参数和设定画面，整合为调整记录数据，并对各调整记录数据进行去重；
6.根据权利要求1所述的一种基于ai摄像技术的盲区精度评估系统，其特征在...
【专利技术属性】
技术研发人员：吴晓飞，李中茂，易伟欣，
申请(专利权)人：深圳市小飞达电子有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。