一种车辆碰撞识别方法以及装置与流程

1.本技术涉及车辆安全领域，尤其涉及一种车辆碰撞识别方法及装置。


背景技术：

2.车辆微碰撞识别技术是汽车安全领域的重要技术，可用于车辆停放状态的监控，也可用于车辆行驶尤其低速行驶时对碰撞的监控。相关技术采用实时采集摄像头图像来识别车辆碰撞，通过人工智能技术(artificial intelligence，ai)识别有物体靠近或者画面抖动时，判定车辆受到撞击。然而，该方案的缺点在于识别车辆碰撞的准确性较低，容易出现误判。


技术实现要素：

3.本技术主要提供一种车辆碰撞识别方法及装置，能够克服相关技术中识别车辆碰撞的准确性低的问题。
4.本技术实施例的技术方案是这样实现的：
5.本技术实施例提供一种车辆碰撞识别方法，包括：
6.获取车辆的加速度信号以及压电信号；
7.确定在获取所述加速度信号和所述压电信号时所述车辆的行驶速度；
8.基于所述行驶速度，在第一碰撞信号以及第二碰撞信号中确定目标信号；
9.基于所述目标信号，确定所述车辆的碰撞识别结果。
10.本技术实施例提供一种车辆碰撞识别装置，所述装置包括：
11.获取单元，用于获取车辆的加速度信号以及压电信号；
12.第一确定单元，用于确定在获取所述加速度信号和所述压电信号时所述车辆的行驶速度；
13.第二确定单元，用于基于所述行驶速度，在第一碰撞信号以及第二碰撞信号中确定目标信号；
14.识别单元，用于基于所述目标信号，确定所述车辆的碰撞识别结果。
15.本技术实施例提供一种车辆碰撞识别设备，包括：存储器，用于存储可执行指令；处理器，用于执行所述存储器中存储的可执行指令时，实现本技术实施例提供的车辆碰撞识别的方法。
16.本技术实施例提供一种存储介质，所述存储介质上存储有可执行指令，该可执行指令被处理器执行时实现本技术实施例提供的车辆碰撞识别的方法。
17.本技术实施例具有以下有益效果：
18.本技术实施例获取车辆的加速度信号以及压电信号；确定在获取加速度信号和压电信号时车辆的行驶速度；基于行驶速度，在与加速度信号相关的第一碰撞信号以及与压电信号相关的第二碰撞信号中选择目标信号；基于目标信号，确定车辆的碰撞识别结果。这样，本技术可以基于车辆当前行驶速度动态的选择与行驶速度匹配的碰撞信号，最后基于
选择的碰撞信号确定车辆的碰撞识别结果。如此，通过与行驶速度匹配的碰撞信号确定车辆的碰撞识别结果，可以提高识别车辆碰撞的准确性，从而可以避免出现误判的情况。
附图说明
19.图1为本技术实施例提供的车辆碰撞识别方法的流程示意图；
20.图2是本技术实施例提供的图1中s104的流程示意图；
21.图3是本技术实施例提供的图2中s202的流程示意图；
22.图4是本技术实施例提供的图2中s204的流程示意图；
23.图5为本技术实施例提供的车辆碰撞识别方法的流程示意图；
24.图6为本技术实施例提供的车辆碰撞识别方法的实现框架示意图；
25.图7为本技术实施例提供的车辆碰撞识别方法的场景框架图；
26.图8为本技术实施例提供的车辆碰撞识别装置的组成结构示意图；
27.图9为本技术实施例提供的车辆碰撞识别设备的组成结构示意图。
具体实施方式
28.下面结合附图和具体实施例对本技术的技术方案进一步详细阐述。
29.为了使本技术领域的人员更好地理解本公开实施例方案，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚地描述，显然，所描述的实施例仅仅是本技术一部分的实施例，而不是全部的实施例。
30.本技术的说明书实施例和权利要求书及上述附图中的术语“第一”、“第二”、和“第三”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元。方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
31.目前车辆停放时的状态监控使用技术有四种：1.实时采集摄像头图像，通过ai技术识别有物体靠近或者画面抖动时，判定车辆受到撞击，该方法的缺点是摄像头及其对应的控制器需要供应常电，耗电量高，同时当攻击车辆的物体是ai技术无法区分且损伤轻微(车辆无振动)，则无法识别；2.采用加速度传感器识别碰撞，但加速度传感器分辨率低，微碰撞识别精度低，只有碰撞较严重时方可精准识别；3.通过压力传感器采集车辆碰撞产生的压力来识别碰撞，但该技术只能识别贴近传感器的区域，这导致需要在车身蒙皮上布满传感器，成本居高，难以工程化；4.通过压电传感器识别因微碰撞产生的弹性波进而产生的压电信号，从而识别微碰撞，该方法可识别非常微弱的碰撞，甚至可识别“用手轻拍车身”如此微小的碰撞，但该方法的缺点是太灵敏，误报率高，例如，下雨、雪、树叶落到车身上，重型车通过及鸣笛产生的振动等场景均会识别，目前采用的识别算法难以精准地将需要记录并报告车主的微碰撞场景和不需要报告车主的误作用场景区分。
32.为了解决上述技术问题，本技术实施例提供一种车辆碰撞识别方法，该识别方法可以应用到车辆的车辆碰撞识别装置中。
33.图1为本技术实施例的车辆碰撞识别方法的流程示意图，如图1所示，该流程可以包括：
34.在s101中，获取车辆的加速度信号以及压电信号。
35.这里，加速度信号是指车辆的碰撞加速度随时间变化的时域信号；压电信号是指车辆发生振动时产生的压电随时间变化的信号。
36.在一些实施例中，加速度信号和压电信号可以分别通过部署在车辆上的加速度传感器模块和压电传感器模块采集，然后加速度传感器模块和压电传感器模块将采集到的碰撞信号发送至车辆碰撞识别装置中。
37.在s102中，确定在获取加速度信号和压电信号时车辆的行驶速度。
38.这里，行驶速度是指加速度传感器模块和压电传感器模块分别采集加速度信号和压电信号时车辆的当前行驶速度，即该行驶速度是指车辆发生碰撞使得传感器模块采集到碰撞信号时车辆的行驶速度。也就是说，车辆的行驶速度的确定时间与获取加速度信号和压电信号的获取时间是相同或近似的。
39.在实际应用的过程中，传感器模块在采集碰撞信号时会将采集到的碰撞信号以及碰撞信号对应的时间戳发送至车辆碰撞识别装置，车辆碰撞识别装置在接收到碰撞信号对应的时间戳后，确定加速度信号和压电信号相同的时间戳，然后获取该时间戳下的车辆的行驶速度。
40.在s103中，基于所述行驶速度，在第一碰撞信号以及第二碰撞信号中确定目标信号。
41.这里，第一碰撞信号与加速度信号相关，第二碰撞信号与压电信号相关；其中，第一碰撞信号与加速度信号相关，第二碰撞信号与压电信号相关是指车辆碰撞识别装置可以将第一碰撞信号作为加速度信号，将第二碰撞信号作为压电信号，也就是说，车辆碰撞识别装置可以直接基于行驶速度，在加速度信号以及压电信号中选择用于确定车辆的碰撞识别结果的目标信号；在一些实施例中，第一碰撞信号与加速度信号相关也可以是指对加速度信号进行计算得到第一碰撞信号，第二碰撞信号与压电信号相关是指对压电信号进行计算得到第二碰撞信号。
42.在一些实施例中，s103可以包括：在行驶速度大于预设行驶速度的情况下，将对加速度信号计算得到的第一碰撞信号作为目标信号或者将加速度信号确定为目标信号；在行驶速度小于等于预设行驶速度的情况下，将对压电信号计算得到的第二碰撞信号作为目标信号或者将压电信号确定为目标信号。
43.这里，预设行驶速度可以是车辆碰撞识别装置自动设置的用于确定车辆状态的行驶速度值，通过该预设行驶速度可以确定车辆是动态行驶状态，还是准静态状态。
44.在一些实施例中，在目标信号是基于对加速度信号或者压电信号进行计算而得到的情况下，s103可以包括：确定加速度信号的部分信号的加速度特征的变化趋势，将加速度特征的变化趋势作为第一碰撞信号；确定压电特征在压电信号的部分信号的总能量值；基于总能量值，确定压电特征在压电信号的部分信号中的变化趋势，将压电特征的变化趋势作为第二碰撞信号；在行驶速度大于预设行驶速度的情况下，将第一碰撞信号确定为目标信号；在行驶速度小于等于预设行驶速度的情况下，将第二碰撞信号确定为目标信号。
45.在一些实施例中，在目标信号是从加速度信号以及压电信号中选择而获得(即第一碰撞信号为加速度信号，第二碰撞信号为压电信号)的情况下，车辆碰撞识别装置可以基于行驶速度确定车辆是否处于动态行驶中，若基于行驶速度确定车辆处于动态行驶中，则
可以将加速度信号确定为目标信号，以通过加速度信号确定车辆的碰撞识别结果；若基于行驶速度确定车辆不处于动态行驶中(即车辆处于准静态环境中)，则可以将压电信号确定为目标信号，以通过压电信号确定车辆的碰撞识别结果。这是因为处于动态行驶中的车辆发生碰撞的情况下，碰撞所产生的加速度较大，所以通过压电信号确定车辆的碰撞识别结果；处于准静态环境中的车辆发生碰撞的情况下，碰撞所产生的加速度较小，若通过加速度信号确定车辆的碰撞识别结果，则会降低识别车辆碰撞的准确率。所以选择通过压电信号确定车辆的碰撞识别结果。
46.本技术实施例在获取加速度信号、压电信号以及车辆的行驶速度之后，可以在行驶速度大于预设行驶速度的情况下，将基于加速度信号确定用于确定车辆的碰撞识别结果的目标信号；在行驶速度小于等于预设行驶速度的情况下，基于压电信号确定目标信号。这样，可以在车辆动态行驶的情况下，基于加速度信号来确定车辆的碰撞识别结果，在车辆处于准静态的情况下，基于压电信号来确定车辆的碰撞识别结果，从而提高识别车辆碰撞的准确性。
47.在s104中，基于目标信号，确定车辆的碰撞识别结果。
48.这里，碰撞识别结果用于表征车辆是否发生碰撞，若发生碰撞车辆的碰撞程度。
49.在一些实施例中，车辆碰撞识别装置可以将目标信号输入至训练后的第一神经网络模型，由训练后的第一神经网络模型输出车辆的碰撞识别结果，这里的目标信号为压电信号或者加速度信号。
50.在一些实施例中，在目标信号是从加速度信号以及压电信号中选择而获得的情况下，车辆碰撞识别装置为了提高确定碰撞识别结果的效率和准确性，可以先从目标信号中获取部分信号，基于该部分信号确定车辆碰撞的概率，若车辆碰撞的概率表征车辆碰撞的可能性较大，然后再基于目标信号确定车辆的碰撞识别结果；若车辆碰撞的概率表征车辆碰撞的可能性较小，就不需要确定车辆的碰撞识别结果。
51.在一些实施例中，在目标信号是基于对加速度信号或者压电信号进行计算而得到的情况下，s104可以包括：在目标信号为加速度特征的变化趋势，且加速度特征的变化趋势大于预设变化趋势的情况下，基于加速度信号确定车辆的碰撞识别结果；在目标信号为压电特征的变化趋势，且压电特征的变化趋势大于预设变化趋势的情况下，基于压电信号确定车辆的碰撞识别结果。
52.本技术实施例中获取车辆的加速度信号以及压电信号；确定在获取加速度信号和压电信号时车辆的行驶速度；基于行驶速度在与加速度信号相关的第一碰撞信号以及与压电信号相关的第二碰撞信号中确定目标信号；基于目标信号，确定车辆的碰撞识别结果。这样，本技术可以获取不同的碰撞信号，然后基于车辆当前行驶速度动态的确定与行驶速度匹配的碰撞信号，最后基于选择的碰撞信号确定车辆的碰撞识别结果。如此，通过与行驶速度匹配的碰撞信号确定车辆的碰撞识别结果，可以提高识别车辆碰撞的准确性，从而可以避免出现误判的情况。
53.图2是本技术实施例提供的图1中s104的流程示意图，图1中的s104可以通过s201至s204实现，将结合图2示出的步骤进行说明。
54.在s201中，基于目标信号中的第一部分信号，确定第一部分信号的碰撞特征的变化趋势。
55.这里，目标信号为加速度信号或者压电信号；变化趋势用于表征碰撞特征在第一部分信号的采集时间范围的变化趋势，通过碰撞特征的变化趋势可以较为准确的确定车辆发生碰撞概率。
56.本技术实施例中，车辆碰撞识别装置可以先基于预设信号窗口在目标信号上采集包含多个连续的窗口信号的第一部分信号，然后确定第一部分信号的碰撞特征的变化趋势。
57.这里，预设信号窗口的窗口宽度以及滑窗步长为预设值，可以由车辆碰撞识别装置自动设置，也可以由用户在车辆碰撞识别装置预先设置。
58.在一些实施例中，车辆碰撞识别装置可以先确定第一部分信号中的每一窗口信号的碰撞特征的子变化趋势，然后基于每一窗口信号的碰撞特征的子变化趋势确定第一部分信号的碰撞特征的变化趋势。其中，碰撞特征可以是加速度信号中的加速度特征，也可以是压电信号中的压电特征。
59.在一些实施例中，当目标信号为压电信号时，车辆碰撞识别装置可以先确定压电特征在第一部分信号中的总能量值；然后基于总能量值，确定压电特征在第一部分信号中的变化趋势。
60.在s202中，基于所述第一部分信号的碰撞特征的变化趋势，确定车辆的碰撞概率。
61.这里，车辆的碰撞概率用于表征车辆发生碰撞的可能性。当碰撞概率满足预设碰撞条件时，代表车辆发生碰撞的可能性较大，需要进一步地判断车辆的碰撞程度；当碰撞概率不满足预设碰撞条件时，代表车辆发生碰撞的可能性较小，不需要进行进一步地判断。
62.本技术实施例中，车辆碰撞识别装置可以计算第一部分信号的碰撞特征的变化趋势，基于碰撞特征的变化趋势确定车辆的碰撞概率。因为碰撞特征的变化趋势可以表征碰撞特征的变化状态，当变化趋势较大时，说明第一部分信号的碰撞特征会向着较大的方向进行变化，此时车辆发生的碰撞概率就较大。
63.在s203中，在碰撞概率满足预设碰撞条件的情况下，在目标信号中获取第二部分信号。
64.本技术实施例中，车辆碰撞识别装置确定碰撞概率满足预设碰撞条件时，代表车辆发生碰撞的可能性较大，所以需要在目标信号中获取第二部分信号，以进一步地确定车辆的碰撞识别结果。
65.在一些实施例中，s203中的“在目标信号中获取第二部分信号”可以通过s231至s232实现：在s231中，将当前时间信息与预设时间段的差值作为开始采集时间，且将当前时间信息作为终止采集时间。在s232中，基于开始采集时间以及终止采集时间，在目标信号中获取第二部分信号。
66.本技术实施例中，车辆碰撞识别装置可以先获取当前时间信息，然后将当前时间信息与预设时间段的差值作为开始采集时间，且将当前时间信息作为终止采集时间，这样便可以确定出采集第二部分信号的时间段信息。在实际应用中，当车辆碰撞识别装置确定碰撞概率满足预设碰撞条件时，说明车辆当前可能发生了碰撞，所以需要采集发生碰撞之前的碰撞信号，即第二部分信号。这样，可以提高确定碰撞识别结果准确性。
67.在s204中，基于第二部分信号，确定车辆的碰撞识别结果。
68.本技术实施例中，车辆碰撞识别装置在在目标信号中获取第二部分信号之后，可
以对第二部分信号进行处理，基于处理后的第二部分信号确定车辆的碰撞识别结果。
69.这里，对第二部分信号的处理可以是滤波变换处理；在一些实施例中，还可以对滤波变换处理后的第二部分信号继续进行处理，这里的处理方式可以是值域转换处理。通过值域转换可以得到不同维度的信号，进而可以提高车辆的碰撞识别结果的准确性。
70.在一些实施例中，车辆碰撞识别装置可以对第二部分信号进行处理，然后对处理后的第二部分信号进行特征提取，得到可以反应信号波形的典型特征，最后基于提取的特征确定车辆的碰撞识别结果。
71.本技术实施例中，车辆碰撞识别装置先在目标信号中获取第一部分信号，基于目标信号中的第一部分信号，确定车辆的碰撞概率；在碰撞概率满足预设碰撞条件的情况下，在目标信号中获取第二部分信号；基于第二部分信号，确定车辆的碰撞识别结果。这样，本技术实施例可以在确定碰撞概率满足预设碰撞条件的情况下，才会基于目标信号中的第二部分信号确定车辆的碰撞识别结果。如此，提高了车辆的碰撞识别结果的准确性。
72.图3是本技术实施例提供的图2中s201的流程示意图，图2中的s201可以通过s301至s303实现，将结合图3示出的步骤进行说明。
73.在s301中，针对每一窗口信号，确定窗口信号的碰撞特征的子变化趋势。
74.本技术实施例中，车辆碰撞识别装置可以基于预设信号窗口在目标信号上采集包含至少两个连续的窗口信号的第一部分信号，然后对每一窗口信号，确定窗口信号的碰撞特征的子变化趋势。
75.这里，子变化趋势用于表征碰撞特征在窗口信号的采集时间范围的变化趋势。
76.在一些实施例中，当目标信号为加速度信号时，加速度信号中的碰撞特征为加速度特征，s301可以通过以下步骤实现：
77.在s311中，针对每一窗口信号，在窗口信号上获取至少两个加速度特征。
78.本技术实施例中，可以先基于加速度信号合成加速度时间曲线，然后在加速度时间曲线。其中，加速度传感器可以采集到每一时间点对应的分别在x、y、z方向的加速度，基于每一时间点对应的分别在x、y、z方向的加速度，可以确定出加速度时间曲线上每一时间点对应的加速度特征，然后基于每一时间点对应的加速度特征生成加速度时间曲线。在一些实施例中，加速度特征可以通过公式(1)实现：
[0079][0080]
其中，ai为第i个窗口信号中的加速度特征，a
ix
、a
iy
、a
iz
分别为在第i个窗口信号内加速度传感器采集到的x、y、z方向的加速度值。
[0081]
在s312中：基于至少两个加速度特征以及相邻两个加速度特征之间的时间间隔，确定窗口信号的加速度特征的子变化趋势。
[0082]
本技术实施例中，车辆碰撞识别装置可以基于至少两个加速度特征以及相邻两个加速度特征之间的时间间隔，确定每相邻两个加速度特征在窗口信号上的斜率，然后计算每相邻两个加速度特征在窗口信号上的斜率的均值，得到窗口信号的加速度特征的子变化趋势。在一些实施例中，子变化趋势可以通过公式(2)实现：
[0083][0084]
其中，ki为第i个窗口信号的子变化趋势，ai为第i个窗口信号中的加速度特征，t为ai+1
与ai之间的时间间隔。
[0085]
在一些实施例中，当目标信号为压电信号时，压电信号中的碰撞特征为压电特征，此时s301还可以通过以下步骤实现：
[0086]
在s313中，针对每一窗口信号，确定压电特征在窗口信号中的总能量值。
[0087]
在s314中，针对每一窗口信号，基于总能量值，确定碰撞特征在窗口信号中的能量均值，得到窗口信号的压电特征的子变化趋势。
[0088]
本技术实施例中，车辆碰撞识别装置可以先基于压电传感器采集的压电随时间变化的信号生成压电曲线，得到压电曲线方程，然后对压电曲线方程进行处理，计算采集窗口信号的时间区域对应在处理后的压电曲线方程上曲线面积，得到压电特征在窗口信号中的总能量值；然后计算曲线面积在采集窗口信号的时间区域上的平均面积，得到碰撞特征在窗口信号中的能量均值，即得到窗口信号的压电特征的子变化趋势。在一些实施例中，对压电曲线方程进行的处理方式，可以是对压电曲线方程进行平方处理。
[0089]
在s302中，对至少两个子变化趋势进行统计处理，得到第一部分信号的碰撞特征的变化趋势。
[0090]
本技术实施例中，车辆碰撞识别装置对至少两个子变化趋势进行平均处理，得到第一部分信号的碰撞特征的变化趋势。
[0091]
在一些实施例中，当第一部分信号为加速度信号的部分信号时，第一部分信号的加速度特征的变化趋势可以通过公式(3)实现：
[0092][0093]
其中，k
aver
是指加速度特征的变化趋势；m是指窗口信号的数量；ki是指第i个窗口信号的加速度特征的子变化趋势。
[0094]
在一些实施例中，当第一部分信号为压电信号的部分信号时，第二部分信号的压电特征的变化趋势可以通过公式(4)实现：
[0095][0096]
其中，e
aver
是指压电特征的变化趋势；m是指窗口信号的数量；ei是指第i个窗口信号的压电特征的子变化趋势。
[0097]
在一些实施例中，当目标信号为压电信号时，压电信号中的碰撞特征为压电特征，此时上述s201还可以通过s221至s222实现：
[0098]
在s221中，确定压电特征在第一部分信号中的总能量值。
[0099]
在s222中：基于总能量值，确定压电特征在第一部分信号中的变化趋势。
[0100]
本技术实施例中，车辆碰撞识别装置可以先基于压电传感器采集的压电随时间变化的信号生成压电曲线，得到压电曲线方程，然后对压电曲线方程进行处理，计算采集第一部分信号的时间区域对应在处理后的压电曲线方程上曲线面积，得到压电特征在第一部分信号中的总能量值；然后计算曲线面积在采集第一部分信号的时间区域上的平均面积，得到碰撞特征在第一部分信号中的能量均值，即得到第一部分信号的压电特征的变化趋势。在一些实施例中，对压电曲线方程进行的处理方式，可以是对压电曲线方程进行平方处理。
[0101]
在一些实施例中，压电特征在第一部分信号中的变化趋势可以通过公式(5)实现：
[0102][0103]
其中，e
aver
从当前时刻t到t-w时刻的时间范围内，压电传感器采集到的压电信号能量的均值(即压电特征在第一部分信号中的变化趋势)；p为压电曲线；t为信号采集开始时刻，w为第一部分信号的时间区域宽度。
[0104]
本技术实施例中，车辆碰撞识别装置可以直接计算压电特征在第一部分信号中的变化趋势，然后基于变化趋势确定车辆的碰撞概率，而不需要先确定第一部分信号内的窗口信号的子变化趋势，在基于窗口信号的子变化趋势确定压电特征在第一部分信号中的变化趋势。这样，可以提高确定变化趋势的效率。
[0105]
本技术实施例中，车辆碰撞识别装置可以获取预设变化趋势，基于预设变化趋势以及变化趋势确定车辆的碰撞概率。
[0106]
在一些实施例中，在变化趋势大于预设变化趋势的情况下，车辆碰撞识别装置确定满足预设碰撞条件的碰撞概率；在变化趋势小于等于预设变化趋势的情况下，车辆碰撞识别装置确定不满足预设碰撞条件的碰撞概率。其中，预设碰撞条件用于表征车辆发生概率的可能性较大。
[0107]
本技术实施例可以确定每一窗口信号的碰撞特征的子变化趋势；对至少两个子变化趋势进行统计处理，得到第一部分信号的碰撞特征的变化趋势；基于变化趋势确定车辆的碰撞概率。这样，通过计算第一部分信号的碰撞特征的变化趋可以确定碰撞特征的变化状态，然后基于碰撞特征的变化状态来确定车辆的碰撞概率，从而提高了确定车辆的碰撞概率的准确性。
[0108]
图4是本技术实施例提供的图2中s204的流程示意图，图2中的s204可以通过s401至s404实现，将结合图4示出的步骤进行说明。
[0109]
在s401中，对第二部分信号进行滤波变换处理，得到滤波变换信号；滤波变换信号包括滤波信号以及除滤波信号以外的至少一个其他滤波变换信号。
[0110]
这里，滤波变换处理可以包括滤波处理以及变换处理。在一些实施例中，对第二部分信号进行滤波变换处理，得到滤波变换信号，可以包括：对第二部分信号进行滤波处理，得到滤波信号；对滤波信号进行变换处理，得到至少一个其他滤波变换信号。
[0111]
在一些实施例中，其他滤波变换信号可以包括：滤波残差信号、小波信号、小波重构信号以及小波残差信号；对应的，对滤波信号进行变换处理，得到至少一个其他滤波变换信号可以包括：基于滤波信号与第二部分信号的差值，得到滤波残差信号；对滤波信号进行小波变换，得到小波信号；对小波信号进行小波逆变换，得到小波重构信号；基于小波重构信号与小波信号的差值，得到小波残差信号。这样，通过对第二部分信号进行滤波变换处理，可以去除除硬件本身的低频振动噪声和一些高频电子噪音，并且可以降低信号对环境的敏感性。
[0112]
在s402中，针对每一其他滤波变换信号，对其他滤波变换信号进行值域转换，得到至少一个值域转换信号。
[0113]
这里，通过对其他滤波变换信号进行值域转换可以得到不同维度的信号，即值域转换信号的维度与其他滤波变换信号不同。例如，当其他滤波变换信号是时域信号时，值域转换信号可以是频域信号，此时的值域转换可以是傅里叶变换；当值域转换信号为包络域
信号时，此时的值域转换可以是希尔伯特变换；当值域转换信号为尺度域信号时，此时的值域转换可以是梅林变换。
[0114]
在一些实施例中，s402可以包括：针对每一其他滤波变换信号，对其他滤波变换信号分别进行傅里叶变换、希尔伯特变换以及梅林变换，得到与傅里叶变换对应的频域信号、与希尔伯特变换对应的包络域信号以及与梅林变换对应的尺度域信号。也就是说，至少一个频域信号包括：每一其他滤波变换信号经过傅里叶变换得到的频域信号；至少一个包络域信号包括：每一其他滤波变换信号经过希尔伯特变换得到的包络域信号；至少一个尺度域信号包括：每一其他滤波变换信号经过梅林变换得到的尺度域信号。此时，可以将至少一个频域信号作为频域信号集合，将至少一个包络域信号作为包络域信号集合，以及将至少一个尺度域信号作为尺度域信号集合。
[0115]
在其他滤波变换信号包括滤波残差信号、小波信号、小波重构信号以及小波残差信号的情况下，上述频域信号集合包括：滤波残差信号经过傅里叶变换得到的频域信号、小波信号经过傅里叶变换得到的频域信号、小波重构信号经过傅里叶变换得到的频域信号以及小波残差信号经过傅里叶变换得到的频域信号；上述包络域信号集合包括：滤波残差信号经过希尔伯特变换得到的包络域信号、小波信号经过希尔伯特变换得到的包络域信号、小波重构信号经过希尔伯特变换得到的包络域信号以及小波残差信号经过希尔伯特变换得到的包络域信号；上述尺度域信号集合包括：滤波残差信号经过梅林变换得到的尺度域信号、小波信号经过梅林变换得到的尺度域信号、小波重构信号经过梅林变换得到的尺度域信号以及小波残差信号经过梅林变换得到的尺度域信号。
[0116]
在s403中，对滤波信号以及至少一个值域转换信号分别进行特征提取，得到波峰特征集合。
[0117]
本技术实施例中，车辆碰撞识别装置可以对滤波信号以及每一值域转换信号进行特征提取，得到波峰特征集合。
[0118]
在一些实施例中，在至少一个值域转换信号包括上述频域信号集合、包络域信号集合以及尺度域信号集合的情况下，可以对频域信号集合、包络域信号集合以及尺度域信号集合中的每一信号进行特征提取，以及对滤波信号进行特征提取，从而得到频域信号集合对应的频域特征集合、包络域信号集合对应的包络域特征集合、尺度域信号集合对应的尺度域特征集合以及滤波信号对应的时域特征集合，将频域特征集合、包络域特征集合、尺度域特征集合以及时域特征集合作为波峰特征集合。
[0119]
在一些实施例中，波峰特征集合可以包括以下至少之一：最大峰值、第二大峰值、第三大峰值、第一统计特征、第二统计特征、能量数、曲线长度、峰峰值、平均值、均方根值、偏度以及峰度。
[0120]
在一些实施例中，最大峰值用于表征待提取信号的最大幅值；第二大峰值用于表征待提取信号的第二大幅值；第三大峰值用于表征待提取信号的第三大幅值。其中，待提取信号可以是频域信号集合、包络域信号集合、尺度域信号集合以及滤波信号中的任一信号。
[0121]
在一些实施例中，第一统计特征用于表征待提取信号中超过最大峰值第一预设百分比的波峰的统计值；其中，该统计值包括以下至少之一：超过最大峰值第一预设百分比的波峰的个数、超过最大峰值第一预设百分比的波峰的幅值的均值以及超过最大峰值第一预设百分比的波峰的幅值的方差。在一些实施例中，第一预设百分比可以是20％。
[0122]
在一些实施例中，第二统计特征用于表征待提取信号中超过最大峰值第二预设百分比的波峰的统计值；其中，该统计值包括以下至少之一：超过最大峰值第二预设百分比的波峰的个数、超过最大峰值第二预设百分比的波峰的幅值的均值以及超过最大峰值第二预设百分比的波峰的幅值的方差。在一些实施例中，第二预设百分比可以是80％。
[0123]
在一些实施例中，能量数用于表征待提取信号的波形的分布位置，其中，能量特征可以通过公式(6)实现：
[0124][0125]
其中，norm为能量特征；xi为待提取信号在第i个采样时间窗口的均值；n为待提取信号中所有采样时间窗口的总数。
[0126]
在一些实施例中，曲线长度用于描述信号的复杂性，曲线长度的变化可能是波形的振幅、位置的变化引起，对时间尺度的变化具有良好的鲁棒性。其中，曲线长度可以通过公式(7)实现：
[0127][0128]
其中，cl为曲线长度；xi为待提取信号在第i个采样时间窗口的均值；n为待提取信号中所有采样时间窗口的总数。
[0129]
在一些实施例中，峰峰值用于表征待提取信号的最大振幅的变化，其中，峰峰值可以通过公式(8)实现：
[0130]
mm＝max
1th-min
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式(8)
[0131]
其中，mm为峰峰值；max
1th
为待提取信号的最高值；min为待提取信号的最低值。
[0132]
在一些实施例中，平均值用于表征待提取信号的波形的期望，其中，平均值可以通过公式(9)实现：
[0133][0134]
其中，μ为平均值；xi为待提取信号在第i个采样时间窗口的均值；n为待提取信号中所有采样时间窗口的总数。
[0135]
在一些实施例中，均方根值用于表征待提取信号的波形的分布情况，均方根值可以通过公式(10)实现：
[0136][0137]
其中，σ为均方根值；xi为待提取信号在第i个采样时间窗口的均值；n为待提取信号中所有采样时间窗口的总数。
[0138]
在一些实施例中，偏度用于表征待提取信号的波形的偏斜程度，偏度可以通过公式(11)实现：
[0139][0140]
其中，k为偏度；xi为待提取信号在第i个采样时间窗口的均值；n为待提取信号中所有采样时间窗口的总数；μ为待提取信号中所有采样时间窗口的均值；σ为待提取信号的均方根值。
[0141]
在一些实施例中，峰度用于表征待提取信号的波形的波峰尖锐程度，峰度可以通过公式(12)实现：
[0142][0143]
其中，ku为峰度；xi为待提取信号在第i个采样时间窗口的均值；n为待提取信号中所有采样时间窗口的总数；μ为待提取信号中所有采样时间窗口的均值。
[0144]
在s404中，将波峰特征集合输入至训练后的深度学习模型中，得到车辆的碰撞识别结果。
[0145]
本技术实施例中，车辆碰撞识别装置可以将波峰特征集合输入至训练后的深度学习模型，由训练后的深度学习模型输出车辆的碰撞识别结果。
[0146]
在一些实施例中，碰撞识别结果可以包括表征车辆未受到损伤的碰撞识别结果，表征车辆受到轻微撞击的碰撞识别结果，表征车辆受到中等程度撞击的碰撞识别结果，表征车辆受到严重撞击的碰撞识别结果。
[0147]
在一些实施例中，深度学习模型主要由编码器-解码器架构组成，编码器负责进一步对特征进行高维表征，并抽取特征，解码器负责将高维特征映射到损伤结果，可选择vgg(visual geometry group)、深度残差网络(deep residual network，resnet)等成熟的卷积神经网络(convolutional neural network，cnn)或循环神经网络(recurrent neural network，rnn)。
[0148]
在一些实施例中，深度学习模型的训练过程包括：对于车辆停放过程中需要触发的场景和不应该触发的场景进行试验信号的采集，对于不应该触发的场景其样本标签记为0-未受到损伤，如下雨天、下雪、大货车通过产生的振动、鸣笛、关门、开窗等不需要触发的场景；对于应该触发的场景，可根据实际情况进行试验，如用球撞击车身、用硬质物体擦挂车身、车辆间的擦挂、撞击行人、撞击车辆等，根据车辆的损伤情况，可将样本标签分为1-受到轻微撞击，2-受到中等程度撞击，3-受到严重撞击。然后将携带有样本标签的训练样本输入到深度学习模型中，基于输出结果与样本标签对深度学习模型进行调整，在迭代次数满足预设次数或者输出结果与样本标签的差值在预设差值的情况下，完成对深度学习模型的训练。
[0149]
本技术实施例可以对第二部分信号进行滤波变换处理，得到滤波信号以及至少一个其他滤波变换信号；这样可以去除除硬件本身的低频振动噪声和一些高频电子噪音。然后对每一其他滤波变换信号进行值域转换，得到至少一个值域转换信号；这样可以得到不同维度的信号。对滤波信号以及至少一个值域转换信号分别进行特征提取，得到波峰特征集合；基于波峰特征集合确定车辆的碰撞识别结果。这样，对不同维度的信号进行特征提取，得到波形的典型特征，最后基于波峰特征集合确定车辆的碰撞识别结果，可以提高确定车辆的碰撞识别结果的准确性。
[0150]
图5是本技术实施例提供的车辆碰撞识别方法的流程示意图，基于图1，图1中的s104之后上述方法还可以包括s501至s502，将结合图5示出的步骤进行说明。
[0151]
在s501中，在车辆的碰撞识别结果表征车辆发生碰撞的情况下，向车辆的视频采集装置发送用于指示视频采集装置采集视频数据的第一控制指令，以及向车辆的位置采集
装置发送用于指示位置采集装置采集车辆的位置信息的第二控制指令。
[0152]
在s502中，接收视频数据以及位置信息，向服务器发送视频数据、位置信息以及碰撞识别结果；服务器用于向客户端发送视频数据、位置信息以及碰撞识别结果。
[0153]
本技术实施例中，车辆碰撞识别装置可以在确定碰撞识别结果表征车辆发生碰撞的情况下，向车辆的视频采集装置发送用于指示视频采集装置采集视频数据的第一控制指令，以及向车辆的位置采集装置发送用于指示位置采集装置采集车辆的位置信息的第二控制指令，以采集实际车辆碰撞的视频信息以及车辆发生碰撞时所处的位置；然后车辆碰撞识别装置可以将接受到的视频数据、位置信息以及确定的碰撞识别结果通过车辆的网络模块发送至服务器，以使得服务器向客户端发送视频数据、位置信息以及碰撞识别结果。这样，用户便可以通过客户端及时的确定当前车辆的碰撞情况。
[0154]
在一些实施例中，客户端在接收到视频数据、位置信息以及碰撞识别结果之后，向服务器发送用于表征碰撞识别结果是否正确的反馈信息，服务器可以在反馈信息表征碰撞识别结果错误的情况下，基于反馈信息重新训练车辆碰撞识别装置中的深度学习模型，以提升深度学习模型识别碰撞的精度。
[0155]
图6是本技术实施例提供的车辆碰撞识别方法的实现框架示意图，在图6中，车辆碰撞识别方法的实现框架包括：数据收集模块601、识别模块602、网络模块603、服务器模块604以及客户端模块605；其中，
[0156]
数据收集模块601包括加速度传感器模块611(相当于上述实施例中的加速度传感器)、加速度传感器滤波模块612、速度感知模块613、压电传感器模块614(相当于上述实施例中的压电传感器)、压电传感器滤波与放大模块615、摄像头模块616和gps模块617。
[0157]
加速度传感器模块611采集车辆的碰撞加速度随时间变化的时域信号(相当于上述实施例中的加速度信号)，压电传感器模块614采集车辆发生振动时产生的压电随时间变化的信号(相当于上述实施例中的压电信号)，摄像头模块616采集车辆周围的图像信息，gps模块617实时获取车辆的位置信息，速度感知模块613采集当前车辆的行驶速度，加速度传感器滤波模块612对加速度信号进行滤波，去除硬件本身的低频的振动噪声和一些高频的电子噪音，压电传感器滤波与放大模块615对压电信号进行滤波并对信号进行放大，以减小低频信号的影响，降低信号对环境的敏感性。
[0158]
识别模块602包括判别模块621、k
aver
值计算模块622、e
aver
值计算模块623，信号窗采集模块624、信号特征值计算模块625、深度学习模块626和损伤记录模块627；其中，
[0159]
所述k
aver
值计算模块622用于计算加速度的变化趋势，即连续m个时间步长k值的平均值k
aver
。在一些实施例中，k
aver
可以通过公式(13)实现：
[0160][0161]
其中，ki为第i个时间步的k值，ki可以通过公式(14)实现：
[0162][0163]
其中，ai为合成加速度时间曲线的第i个值，ai可以通过公式(15)实现：
[0164][0165]
其中，a
ix
、a
iy
、a
iz
分别为在第i个时间步加速度传感器采集到的x、y、z方向的加速
度。
[0166]
在一些实施例中，e
aver
值计算模块623可以通过公式(16)实现：
[0167][0168]
其中，p为压电曲线，t为信号采集开始时刻，w为预先设置的时间窗的宽度，一般取采样周期的整数倍。e
aver
表征从当前时刻t到t-w时刻的时间范围内，压电传感器采集到的压电信号能量的均值。
[0169]
判别模块621用于根据车速v，k
aver
，e
aver
初步判断是否有可能发生了碰撞，以进行进一步的判断。当v》v
thres
，则认为车辆处于动态行驶中，当行驶的车辆发生了碰撞加速度值一般较大，选择加速度的k
aver
作为进一步判断的触发参数，当k
aver
》k
thres
，进行进一步的碰撞识别；当v《v
thres
，则认为车辆处于准静态环境中，压电信号的能量值e
aver
作为进一步判断的触发参数，当e
aver
》e
thres
，进行进一步的碰撞识别。
[0170]
信号窗采集模块624采集时间窗口为w的信号，当满足k
aver
》k
thres
或e
aver
》e
thres
，则根据当前时间步采集信号，信号采集的开始时刻t
start
＝t-w，t为当前时刻，w可取50ms。
[0171]
信号特征值计算模块625用于对信号窗采集模块624采集的信号进行值域转换，并计算信号特征值。深度学习的性能高度依赖是否找到了关键特征。通常找到对场景识别敏感，同时对环境不明敏感具有良好鲁棒性的特征值是较难的，本模块提供一种框架，以找到大量的、潜在的特征。
[0172]
在一些实施例中，小波变换是一种信号的时间-尺度分析方法，具备良好的信号局部特征表征能力，在低频部分具有较高的时间分辨率和较低的频率分辨率，适合分析非平稳信号、提取其局部特征。小波变换将波形分解到一组正交的函数基，是一个母小波经过平移和尺度伸缩得到的，母小波可选择4阶symlets母波。
[0173]
以加速度信号特征值计算为例：
[0174]
首先，信号特征值计算模块625，根据原始信号s0(相当于上述实施例中的第二部分信号)和滤波后的信号s1(相当于上述实施例中的滤波信号)的差值，得到滤波残差信号s2(相当于上述实施例中的滤波残差信号)，并对滤波后的时域信号s1进行小波变换，得到小波系数信号s3(相当于上述实施例中的小波信号)，再进行小波逆变换，得到小波重构信号s4(相当于上述实施例中的小波重构信号)，并计算小波残差信号s5(相当于上述实施例中的小波残差信号)。
[0175]
然后，信号特征值计算模块625，对s1、s2、s3、s4、s5分别进行傅里叶变换，希尔伯特变换和梅林变换。傅里叶变换可得到信号在频域的特征(频域)，希尔伯特变换通过变换分析信号的幅值得原始信号的信号包络(包络域)，梅林变换具有尺度不变性，因此在尺度域可得到更多对环境不敏感的特征值。
[0176]
最后，信号特征值计算模块625，分别对时域信号、频域信号、包络域信号和尺度域信号提取信号特征值，定义为时域信号特征值、频域信号特征值、包络域信号特征值和尺度域信号特征值，统称为父信号特征值，分别记为每类父信号特征值包含众多的子信号特征值，子信号特征值可以包括但不限于：
[0177]
波峰相关的特征值反应了波形的典型特征，不同的碰撞，其波峰存在一定的差异，是理论上较好的特征值，本专利选取第1峰值(最大峰值)max
1th
，第2峰值max
2th
，第3峰值
max
3th
，超过第1峰值20％的峰的个数umber
20per
、均值μ
20per
和方差σ
20per
，超过第1峰值80％的峰的个数umber
80per
、均值μ
80per
和方差σ
80per
；
[0178]
能量数反应了波形的分布位置；
[0179]
曲线长度有助于描述信号的复杂性，曲线长度的变化可能是波形的振幅、位置的变化引起，对时间尺度的变化具有良好的鲁棒性；
[0180]
峰峰值mm＝max
1th-min，反应了最大振幅的变化；
[0181]
平均值(一阶矩)反应波形的期望；
[0182]
均方根值(二阶矩)反应波形的分布；
[0183]
偏度(三阶矩)反应了波形的偏斜程度；
[0184]
峰度(四阶矩)反应了波形的波峰尖锐程度。
[0185]
上式中，n为信号的样本数量，xi为父信号特征在第i个时间步的值。
[0186]
按照上述方法，提取的加速度信号特征值记为类似地，可得到压电信号的特征值记为
[0187]
至此，得到加速度信号特征值fa和压电信号特征值f
p
，并将fa和f
p
作为深度学习算法的输入。
[0188]
深度学习模块626为离线的、预训练好的深度学习模型，用于根据采集的信号预测车辆是否发生碰撞及发生碰撞后的损伤结果。深度学习模型的构建过程包括：
[0189]
s1试验样本收集：在车辆安装好加速度传感器和压电传感器后，进行样本的收集。具体地，对于车辆停放过程中需要触发的场景和不应该触发的场景进行试验信号的采集，对于不应该触发的场景其样本标签记为0-未受到损伤，如下雨天、下雪、大货车通过产生的振动、鸣笛、关门、开窗等不需要触发的场景；对于应该触发的场景，可根据实际情况进行试验，如用球撞击车身、用硬质物体擦挂车身、车辆间的擦挂、撞击行人、撞击车辆等，根据车辆的损伤情况，可将样本标签分为1-受到轻微撞击，2-受到中等程度撞击，3-受到严重撞击。完成上述所有场景加速度传感器信号和压电传感器信号的采集后。输出(标签)为损伤结果(0，1，2，3)的样本集，值得注意的时，样本的输出可并不限于所描述的4种结果，也可以为更多的详细损伤结果。
[0190]
s2深度学习模型构建：主要由编码器-解码器架构组成，编码器负责进一步对特征进行高维表征，并抽取特征，解码器负责将高维特征映射到损伤结果，可选择vgg、resnet等成熟的卷积神经网络(cnn)或循环神经网络(rnn)。
[0191]
s3深度学习模型训练：将携带有样本标签的训练样本输入到深度学习模型中，基于输出结果与样本标签对深度学习模型进行调整，在迭代次数满足预设次数或者输出结果与样本标签的差值在预设差值的情况下，完成对深度学习模型的训练。
[0192]
s4深度学习模型部署：将训练后的深度学习模型部署于识别模块602中。
[0193]
在深度学习模块626确定车辆发生碰撞且确定发生碰撞后的损伤结果后，将损伤结果发送至损伤记录模块627中，同时摄像头模块616采集车辆周围的图像信息，gps模块617实时获取车辆的位置信息并将图像信息以及位置信息发送至损伤记录模块627中，损伤记录模块627将损伤结果、图像信息以及位置信息通过网络模块603发送至服务器模块604。
[0194]
服务器模块604用于将损伤结果、图像信息以及位置信息发送至客户端模块605。客户端模块605用于将用户对损伤结果的反馈发送至服务器模块604。当服务器模块604收到客户反馈确认过的真实损伤结果与识别模块602预测的结果不一致时，记录该样本，并重新训练识别模块602中的深度学习模块626，并更新所述深度学习模块626，以提升预测精度。
[0195]
图7为本技术实施例提供的车辆碰撞识别方法的场景框架图，如图7所示，车辆碰撞识别方法的场景框架包括：车端识别模块701、网络模块702、服务器模块703以及客户端端模块704，其中，车端识别模块701中部署于车辆碰撞识别装置，用于采用上述实施例中的车辆碰撞识别方法得到车辆的碰撞识别结果，在车端识别模块判定为1-受到轻微撞击或2-受到中等程度撞击或3-受到严重撞击，则触发车内外摄像头，开始录像，录像时长可人为设定。网络模块702用于在触发摄像头录像并完成录像后，将具体的损伤结果、录像数据、gps信息上传至服务器模块703。服务器模块703存储每一次网络模块702上传的信息，并在收到信息后立即通知客户端模块704。客户端模块704为应用程序，预安装在客户手机或电脑端，当客户收到车辆损伤的信息后，客户可根据实际情况确认报告的信息是否准确，并将结果通过客户端模块704反馈给服务器端703。当服务器端703收到客户反馈确认过的真实损伤结果与车端识别模块701预测的结果不一致时，记录该样本，并重新训练所述深度学习模块，并更新所述深度学习模块，以提升预测精度。
[0196]
本技术实施例提供一种车辆碰撞识别装置，图8为本技术实施例提供的一种车辆碰撞识别装置800的组成结构示意图，如图8所示，所述装置包括：获取单元801、第一确定单元802、第二确定单元803以及识别单元804，其中：
[0197]
获取单元801，用于获取车辆的加速度信号以及压电信号；
[0198]
第一确定单元802，用于确定在获取所述加速度信号和所述压电信号时所述车辆的行驶速度；
[0199]
第二确定单元803，用于基于所述行驶速度，在所述加速度信号以及所述压电信号中确定目标信号；
[0200]
识别单元804，用于基于所述目标信号，确定所述车辆的碰撞识别结果。
[0201]
在一些实施例中，所述第一碰撞信号为所述加速度信号；所述第二碰撞信号为所述压电信号；所述第二确定单元803，还用于在所述行驶速度大于预设行驶速度的情况下，将所述加速度信号确定为所述目标信号；在所述行驶速度小于等于预设行驶速度的情况下，将所述压电信号确定为所述目标信号。
[0202]
在一些实施例中，识别单元804，还用于基于所述目标信号中的第一部分信号，确定所述第一部分信号的碰撞特征的变化趋势；基于所述第一部分信号的碰撞特征的变化趋势，确定所述车辆的碰撞概率；在所述碰撞概率满足预设碰撞条件的情况下，在所述目标信号中获取第二部分信号；基于所述第二部分信号，确定所述车辆的碰撞识别结果。
[0203]
在一些实施例中，所述第一部分信号包括至少两个连续的窗口信号；识别单元
804，还用于针对每一所述窗口信号，基于所述窗口信号的碰撞特征的子变化趋势；对至少两个所述子变化趋势进行统计处理，得到所述第一部分信号的碰撞特征的变化趋势。
[0204]
在一些实施例中，在所述目标信号为所述加速度信号的情况下，所述碰撞特征包括加速度特征；识别单元804，还用于针对每一所述窗口信号，在所述窗口信号上获取至少两个所述加速度特征；基于至少两个所述加速度特征以及相邻两个所述加速度特征之间的时间间隔，确定所述窗口信号的加速度特征的子变化趋势。
[0205]
在一些实施例中，在所述目标信号为所述压电信号的情况下，所述碰撞特征包括压电特征；识别单元804，还用于确定所述压电特征在所述第一部分信号中的总能量值；基于所述总能量值，确定所述压电特征在所述第一部分信号中的变化趋势。
[0206]
在一些实施例中，识别单元804，还用于将当前时间信息与预设时间段的差值作为开始采集时间，且将所述当前时间信息作为终止采集时间；基于所述开始采集时间以及所述终止采集时间，在所述目标信号中获取所述第二部分信号。
[0207]
在一些实施例中，识别单元804，还用于对所述第二部分信号进行滤波变换处理，得到滤波变换信号；所述滤波变换信号包括滤波信号以及除所述滤波信号以外的至少一个其他滤波变换信号；针对每一所述其他滤波变换信号，对所述其他滤波变换信号进行值域转换，得到至少一个值域转换信号；对所述滤波信号以及至少一个所述值域转换信号分别进行特征提取，得到波峰特征集合；将所述波峰特征集合输入至训练后的深度学习模型中，得到所述车辆的碰撞识别结果。
[0208]
在一些实施例中，车辆碰撞识别装置800还包括控制单元以及发送单元；控制单元，用于在所述车辆的碰撞识别结果表征所述车辆发生碰撞的情况下，向所述车辆的视频采集装置发送用于指示所述视频采集装置采集视频数据的第一控制指令，以及向车辆的位置采集装置发送用于指示所述位置采集装置采集所述车辆的位置信息的第二控制指令；发送单元，用于接收所述视频数据以及所述位置信息，并向服务器发送所述视频数据、所述位置信息以及所述碰撞识别结果；所述服务器用于向客户端发送所述视频数据、所述位置信息以及所述碰撞识别结果。
[0209]
以上装置实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。在一些实施例中，本技术实施例提供的装置具有的功能或包含的模块可以用于执行上述方法实施例描述的方法，对于本技术装置实施例中未披露的技术细节，请参照本技术方法实施例的描述而理解。
[0210]
需要说明的是，本技术实施例中，如果以软件功能模块的形式实现上述的车辆碰撞识别方法，并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，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)执行本技术各个实施例所述方法的全部或部分。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read only memory，rom)、磁碟或者光盘等各种可以存储程序代码的介质。这样，本技术实施例不限制于任何特定的硬件、软件或固件，或者硬件、软件、固件三者之间的任意结合。
[0211]
本技术实施例提供一种计算机设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述方法中的部分或全部
步骤。
[0212]
本技术实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述方法中的部分或全部步骤。所述计算机可读存储介质可以是瞬时性的，也可以是非瞬时性的。
[0213]
本技术实施例提供一种计算机程序，包括计算机可读代码，在所述计算机可读代码在计算机设备中运行的情况下，所述计算机设备中的处理器执行用于实现上述方法中的部分或全部步骤。
[0214]
本技术实施例提供一种计算机程序产品，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机程序被计算机读取并执行时，实现上述方法中的部分或全部步骤。该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一些实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一些实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(software development kit，sdk)等等。
[0215]
这里需要指出的是：上文对各个实施例的描述倾向于强调各个实施例之间的不同之处，其相同或相似之处可以互相参考。以上设备、存储介质、计算机程序及计算机程序产品实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。对于本技术设备、存储介质、计算机程序及计算机程序产品实施例中未披露的技术细节，请参照本技术方法实施例的描述而理解。
[0216]
本技术实施例提供一种车辆碰撞识别设备，图9为本技术实施例提供的车辆碰撞识别设备900的组成结构示意图，如图9所示，所述设备包括：处理器901、通信接口902和存储器903，其中：
[0217]
处理器901通常控制计算机设备900的总体操作，总体操作可以是实现本技术实施例提供的车辆碰撞识别方法，例如，如图1至图5示出的方法。
[0218]
通信接口902可以使计算机设备通过网络与其他终端或服务器通信。
[0219]
存储器903配置为存储由处理器901可执行的指令和应用，还可以缓存待处理器901以及计算机设备900中各模块待处理或已经处理的数据(例如，图像数据、音频数据、语音通信数据和视频通信数据)，可以通过闪存(flash)或随机访问存储器(random access memory，ram)实现。处理器901、通信接口902和存储器903之间可以通过总线904进行数据传输。
[0220]
本技术实施例提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在可读存储介质中。计算机设备的处理器从可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行本技术实施例上述的车辆碰撞识别方法。
[0221]
本技术实施例提供一种存储有可执行指令的可读存储介质，其中存储有可执行指令，当可执行指令被处理器执行时，将引起处理器执行本技术实施例提供的基于车辆碰撞识别方法，例如，如图1至图5示出的方法。
[0222]
这里需要指出的是：以上存储介质和设备实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。对于本技术存储介质和设备实施例中未披露的技术细节，请参照本技术方法实施例的描述而理解。
[0223]
上述处理器可以为目标用途集成电路(application specific integrated circuit，asic)、数字信号处理器(digital signal processor，dsp)、数字信号处理装置(digital signal processing device，dspd)、可编程逻辑装置(programmable logic device，pld)、现场可编程门阵列(field programmable gate array，fpga)、中央处理器(central processing unit，cpu)、控制器、微控制器、微处理器中的至少一种。可以理解地，实现上述处理器功能的电子器件还可以为其它，本技术实施例不作具体限定。
[0224]
上述计算机存储介质/存储器可以是只读存储器(read only memory，rom)、可编程只读存储器(programmable read-only memory，prom)、可擦除可编程只读存储器(erasable programmable read-only memory，eprom)、电可擦除可编程只读存储器(electrically erasable programmable read-only memory，eeprom)、磁性随机存取存储器(ferromagnetic random access memory，fram)、快闪存储器(flash memory)、磁表面存储器、光盘、或只读光盘(compact disc read-only memory，cd-rom)等存储器；也可以是包括上述存储器之一或任意组合的各种终端，如移动电话、计算机、平板设备、个人数字助理等。
[0225]
应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本技术的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解，在本技术的各种实施例中，上述各步骤/过程的序号的大小并不意味着执行顺序的先后，各步骤/过程的执行顺序应以其功能和内在逻辑确定，而不应对本技术实施例的实施过程构成任何限定。上述本技术实施例序号仅仅为了描述，不代表实施例的优劣。
[0226]
需要说明的是，在本文中，术语“包括”、“包含”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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
[0227]
在本技术所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
[0228]
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
[0229]
另外，在本技术各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
[0230]
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过
程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(read only memory，rom)、磁碟或者光盘等各种可以存储程序代码的介质。
[0231]
或者，本技术上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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)执行本技术各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、rom、磁碟或者光盘等各种可以存储程序代码的介质。
[0232]
以上所述，仅为本技术的实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。

技术特征：
1.一种车辆碰撞识别方法，其特征在于，包括：获取车辆的加速度信号以及压电信号；确定在获取所述加速度信号和所述压电信号时所述车辆的行驶速度；基于所述行驶速度，在第一碰撞信号以及第二碰撞信号中确定目标信号；所述第一碰撞信号与所述加速度信号相关；所述第二碰撞信号与所述压电信号相关；基于所述目标信号，确定所述车辆的碰撞识别结果。2.根据权利要求1所述的方法，其特征在于，所述第一碰撞信号为所述加速度信号；所述第二碰撞信号为所述压电信号；所述基于所述行驶速度，在第一碰撞信号以及第二碰撞信号中确定目标信号，包括：在所述行驶速度大于预设行驶速度的情况下，将所述加速度信号确定为所述目标信号；在所述行驶速度小于等于预设行驶速度的情况下，将所述压电信号确定为所述目标信号。3.根据权利要求1所述的方法，其特征在于，所述基于所述目标信号，确定所述车辆的碰撞识别结果，包括：基于所述目标信号中的第一部分信号，确定所述第一部分信号的碰撞特征的变化趋势；基于所述第一部分信号的碰撞特征的变化趋势，确定所述车辆的碰撞概率；在所述碰撞概率满足预设碰撞条件的情况下，在所述目标信号中获取第二部分信号；基于所述第二部分信号，确定所述车辆的碰撞识别结果。4.根据权利要求3所述的方法，其特征在于，所述第一部分信号包括至少两个连续的窗口信号；所述基于所述目标信号中的第一部分信号，确定所述第一部分信号的碰撞特征的变化趋势，包括：针对每一所述窗口信号，确定所述窗口信号的碰撞特征的子变化趋势；对至少两个所述子变化趋势进行统计处理，得到所述第一部分信号的碰撞特征的变化趋势。5.根据权利要求4所述的方法，其特征在于，在所述目标信号为所述加速度信号的情况下，所述碰撞特征包括加速度特征；所述针对每一所述窗口信号，确定所述窗口信号的碰撞特征的子变化趋势，包括：针对每一所述窗口信号，在所述窗口信号上获取至少两个所述加速度特征；基于至少两个所述加速度特征以及相邻两个所述加速度特征之间的时间间隔，确定所述窗口信号的加速度特征的子变化趋势。6.根据权利要求3所述的方法，其特征在于，在所述目标信号为所述压电信号的情况下，所述碰撞特征包括压电特征；所述基于所述目标信号中的第一部分信号，确定所述第一部分信号的碰撞特征的变化趋势，包括：确定所述压电特征在所述第一部分信号中的总能量值；基于所述总能量值，确定所述压电特征在所述第一部分信号中的变化趋势。7.根据权利要求3所述的方法，其特征在于，所述在所述目标信号中获取第二部分信
号，包括：将当前时间信息与预设时间段的差值作为开始采集时间，且将所述当前时间信息作为终止采集时间；基于所述开始采集时间以及所述终止采集时间，在所述目标信号中获取所述第二部分信号。8.根据权利要求3所述的方法，其特征在于，所述基于所述第二部分信号，确定所述车辆的碰撞识别结果，包括：对所述第二部分信号进行滤波变换处理，得到滤波变换信号；所述滤波变换信号包括滤波信号以及除所述滤波信号以外的至少一个其他滤波变换信号；针对每一所述其他滤波变换信号，对所述其他滤波变换信号进行值域转换，得到至少一个值域转换信号；对所述滤波信号以及至少一个所述值域转换信号分别进行特征提取，得到波峰特征集合；将所述波峰特征集合输入至训练后的深度学习模型中，得到所述车辆的碰撞识别结果。9.根据权利要求1至8任一所述的方法，其特征在于，所述方法还包括：在所述车辆的碰撞识别结果表征所述车辆发生碰撞的情况下，向所述车辆的视频采集装置发送用于指示所述视频采集装置采集视频数据的第一控制指令，以及向车辆的位置采集装置发送用于指示所述位置采集装置采集所述车辆的位置信息的第二控制指令；接收所述视频数据以及所述位置信息，并向服务器发送所述视频数据、所述位置信息以及所述碰撞识别结果；所述服务器用于向客户端发送所述视频数据、所述位置信息以及所述碰撞识别结果。10.一种车辆碰撞识别装置，其特征在于，包括：获取单元，用于获取车辆的加速度信号以及压电信号；第一确定单元，用于确定在获取所述加速度信号和所述压电信号时所述车辆的行驶速度；第二选择单元，用于基于所述行驶速度，在第一碰撞信号以及第二碰撞信号中确定目标信号；识别单元，用于基于所述目标信号，确定所述车辆的碰撞识别结果。

技术总结
本申请提供了一种车辆碰撞识别方法以及装置，方法包括，获取车辆的加速度信号以及压电信号；确定在获取加速度信号和压电信号时车辆的行驶速度；基于行驶速度，在第一碰撞信号以及第二碰撞信号中确定目标信号；第一碰撞信号与加速度信号相关；第二碰撞信号与压电信号相关；基于目标信号，确定车辆的碰撞识别结果。这样，可以提高碰撞识别结果的准确性。可以提高碰撞识别结果的准确性。可以提高碰撞识别结果的准确性。


技术研发人员：江冯 邢俊峰 夏彬
受保护的技术使用者：阿维塔科技(重庆)有限公司
技术研发日：2023.06.15
技术公布日：2023/8/9