CN112991790B - 提示用户的方法、装置、电子设备及介质 - Google Patents
提示用户的方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN112991790B CN112991790B CN201911214750.8A CN201911214750A CN112991790B CN 112991790 B CN112991790 B CN 112991790B CN 201911214750 A CN201911214750 A CN 201911214750A CN 112991790 B CN112991790 B CN 112991790B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- parameters
- target vehicle
- parameter
- driving
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000007613 environmental effect Effects 0.000 claims description 31
- 238000003062 neural network model Methods 0.000 claims description 18
- 206010039203 Road traffic accident Diseases 0.000 abstract description 11
- 230000008569 process Effects 0.000 abstract description 8
- 238000013527 convolutional neural network Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 10
- 230000002093 peripheral effect Effects 0.000 description 10
- 230000001133 acceleration Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000007547 defect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 239000000919 ceramic Substances 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000004575 stone Substances 0.000 description 2
- 206010041349 Somnolence Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 230000008433 psychological processes and functions Effects 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000007958 sleep Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Chemical & Material Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Analytical Chemistry (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种提示用户的方法、装置、电子设备及介质。其中，本申请中，在获取针对目标车辆的道路参数以及车辆参数之后，可以基于行驶参数，确定目标车辆的行驶轨迹，并当检测到目标车辆的行驶轨迹不符合预设条件时，生成用于提示用户驾驶所述目标车辆时存在安全隐患的预警提示。通过应用本申请的技术方案，可以在车辆的行驶过程中，自动检测车辆的道路参数以及车辆参数，进而根据该参数确定车辆的行驶轨迹是否偏离了正常的车道线，并在检测到偏离后生成提示用户存在安全隐患的提示信息。这也避免了相关技术中存在的，由于驾驶员疲劳驾驶所引起的容易发生交通事故的弊端。
Description
技术领域
本申请中涉及数据处理技术，尤其是一种提示用户的方法、装置、电子设备及介质。
背景技术
由于通信时代和社会的兴起，利用交通工具出行已经随着通信技术的崛起而不断被更多的人们所应用。
进一步的，对于驾驶车辆的司机来说，其连续驾驶车辆行驶的时间超过一定时间时称为疲劳驾驶。疲劳驾驶容易产生生理机能和心理机能的失调，即驾驶员的生理参数会有所变化，驾驶行为上体现为驾驶技能下降，注意力不集中，对车辆的操作迟钝、缓慢等。疲劳后继续驾驶车辆，会出现困倦瞌睡、操作反应时间长等不安全因素，从而导致交通事故的发生。
因此，如何在驾驶员疲劳驾驶的情况下及时的对司机进行警示提示，成为了本领域技术人员需要解决的问题。
发明内容
本申请实施例提供一种提示用户的方法、装置、电子设备及介质。
其中，根据本申请实施例的一个方面，提供的一种提示用户的方法，其特征在于，包括：
获取针对目标车辆的行驶参数，所述行驶参数包括道路参数以及车辆参数；
基于所述行驶参数，确定所述目标车辆的行驶轨迹；
当检测到所述目标车辆的行驶轨迹不符合预设条件时，生成预警提示，所述预警提示用于提示用户驾驶所述目标车辆时存在安全隐患。
可选地，在基于本申请上述方法的另一个实施例中，所述基于所述行驶参数，确定所述目标车辆的行驶轨迹，包括：
利用摄像采集装置，获取道路图像；
基于所述道路图像以及预设的神经网络模型，获取所述道路图像对应的车道线参数；
利用所述车道线参数以及车辆参数，确定所述目标车辆的行驶轨迹。
可选地，在基于本申请上述方法的另一个实施例中，所述利用所述车道线参数以及车辆参数，确定所述目标车辆的行驶轨迹，包括：
基于所述车辆参数，获取所述目标车辆的行驶位置；
检测所述行驶位置与所述车道线参数是否匹配，生成匹配结果；
基于所述匹配结果，确定所述目标车辆的行驶轨迹。
可选地，在基于本申请上述方法的另一个实施例中，所述检测所述行驶位置与所述车道线参数是否匹配，生成匹配结果，包括：
基于所述车道线参数，获取车道线位置；
基于所述车道线位置与所述行驶位置，计算所述目标车辆与所述车道线的偏离度；
基于所述目标车辆与所述车道线的偏离度，生成所述匹配结果。
可选地，在基于本申请上述方法的另一个实施例中，所述检测所述行驶位置与所述车道线参数是否匹配，生成匹配结果，包括：
基于所述车辆参数，获取所述目标车辆对应的车速参数以及车配参数，所述车配参数用于反映所述目标车辆的驱动状态；
基于所述车速参数以及车配参数，以及所述行驶位置与所述车道线参数是否匹配，生成所述匹配结果。
可选地，在基于本申请上述方法的另一个实施例中，在所述利用摄像采集装置，获取道路图像之后，还包括：
利用摄像采集装置，获取环境图像；
基于所述环境图像以及预设的神经网络模型，获取所述环境图像对应的环境参数；
利用所述车道线参数、所述环境参数以及车辆参数，确定所述目标车辆的行驶轨迹。
可选地，在基于本申请上述方法的另一个实施例中，所述环境参包括天气参数以及路面参数：
所述利用所述车道线参数、所述环境参数以及车辆参数，确定所述目标车辆的行驶轨迹，包括：
当基于所述路面参数，确定所述目标车辆的预设距离内存在目标物体时，获取通行时间参数，所述通行时间参数用于反映所述目标车辆绕行所述目标物体的时间；
基于所述天气参数、所述通行时间参数、所述车道线参数以及所述车辆参数，确定所述目标车辆的行驶轨迹。
根据本申请实施例的另一个方面，提供的一种提示用户的装置，包括：
获取模块，被设置为获取针对目标车辆的行驶参数，所述行驶参数包括道路参数以及车辆参数；
确定模块，被设置为基于所述行驶参数，确定所述目标车辆的行驶轨迹；
生成模块，被设置为当检测到所述目标车辆的行驶轨迹不符合预设条件时，生成预警提示，所述预警提示用于提示用户驾驶所述目标车辆时存在安全隐患。
根据本申请实施例的又一个方面，提供的一种电子设备，包括：
存储器，用于存储可执行指令；以及
显示器，用于与所述存储器显示以执行所述可执行指令从而完成上述任一所述提示用户的方法的操作。
根据本申请实施例的还一个方面，提供的一种计算机可读存储介质，用于存储计算机可读取的指令，所述指令被执行时执行上述任一所述提示用户的方法的操作。
本申请中，在获取针对目标车辆的道路参数以及车辆参数之后，可以基于行驶参数，确定目标车辆的行驶轨迹，并当检测到目标车辆的行驶轨迹不符合预设条件时，生成用于提示用户驾驶所述目标车辆时存在安全隐患的预警提示。通过应用本申请的技术方案，可以在车辆的行驶过程中，自动检测车辆的道路参数以及车辆参数，进而根据该参数确定车辆的行驶轨迹是否偏离了正常的车道线，并在检测到偏离后生成提示用户存在安全隐患的提示信息。这也避免了相关技术中存在的，由于驾驶员疲劳驾驶所引起的容易发生交通事故的弊端。
下面通过附图和实施例，对本申请的技术方案做进一步的详细描述。
附图说明
构成说明书的一部分的附图描述了本申请的实施例，并且连同描述一起用于解释本申请的原理。
参照附图，根据下面的详细描述，可以更加清楚地理解本申请，其中：
图1为本申请视提示用户的系统架构示意图；
图2为本申请提出的一种提示用户的方法的示意图；
图3为本申请提示用户的装置的结构示意图；
图4为本申请显示电子设备结构示意图。
具体实施方式
现在将参照附图来详细描述本申请的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本申请的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，不作为对本申请及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
另外，本申请各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本申请要求的保护范围之内。
需要说明的是，本申请实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
下面结合图1-图3来描述根据本申请示例性实施方式的用于进行提示用户的方法。需要注意的是，下述应用场景仅是为了便于理解本申请的精神和原理而示出，本申请的实施方式在此方面不受任何限制。相反，本申请的实施方式可以应用于适用的任何场景。
图1示出了可以应用本申请实施例的视频处理方法或视频处理装置的示例性系统架构100的示意图。
如图1所示，系统架构100可以包括终端设备101、102、103中的一种或多种，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。比如服务器 105可以是多个服务器组成的服务器集群等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、便携式计算机和台式计算机等等。
本申请中的终端设备101、102、103可以为提供各种服务的终端设备。例如用户通过终端设备103(也可以是终端设备101或102)获取针对目标车辆的行驶参数，所述行驶参数包括道路参数以及车辆参数；基于所述行驶参数，确定所述目标车辆的行驶轨迹；当检测到所述目标车辆的行驶轨迹不符合预设条件时，生成预警提示，所述预警提示用于提示用户驾驶所述目标车辆时存在安全隐患。
在此需要说明的是，本申请实施例所提供的视频处理方法可以由终端设备101、102、103中的一个或多个,和/或,服务器105执行，相应地，本申请实施例所提供的视频处理装置一般设置于对应终端设备中,和/或，服务器105 中，但本申请不限于此。
本申请还提出一种提示用户的方法、装置、目标终端及介质。
图2示意性地示出了根据本申请实施方式的一种提示用户的方法的流程示意图。如图2所示，该方法包括：
S101，获取针对目标车辆的行驶参数，行驶参数包括道路参数以及车辆参数。
需要说明的是，本申请中获取行驶参数的设备做具体限定，例如可以为智能设备，也可以为服务器。其中，智能设备可以是PC(Personal Computer，个人电脑)，也可以是智能手机、平板电脑、电子书阅读器、MP3(Moving Picture Experts Group AudioLayer III，动态影像专家压缩标准音频层面3)提示用户的器、MP4(Moving Picture ExpertsGroupAudio Layer IV，动态影像专家压缩标准音频层面4)提示用户的器、便携计算机等具有显示功能的可移动式终端设备等等。
进一步的，本申请不对目标车辆做具体限定，例如可以为电动车，汽车，三轮车等等。
另外，本申请同样不对目标车辆的行驶参数做具体限定，例如行驶参数可以包括有道路参数以及车辆参数。其中，道路参数可以为反映目标车辆所行驶的道路的情况。例如车道线位置，道路属性(高速路，省道或是城镇路等等)，路面平坦情况等等。
更进一步的，本申请中的车辆参数可以为反映车辆状态的参数，例如车辆型号参数，行驶速度参数，车辆配置参数，车辆行驶方向参数等等。可以理解的，本申请可以根据目标车辆的道路参数以及车辆参数，对目标车辆行驶的轨迹做实时的判定。
还需要说明的是，本申请中不对获取目标车辆的行驶参数的时机做具体限定，例如可以在检测到目标车辆行驶开始时即可获取对应的行驶参数，也可以在检测到目标车辆行驶预设时间段后获取对应的行驶参数。又或，还可以在检测到目标车辆行驶预设距离段后获取对应的行驶参数。
S102，基于行驶参数，确定目标车辆的行驶轨迹。
本申请中，在获取到目标车辆的行驶参数之后，还可以根据该行驶参数，确定目标车辆对应的行驶轨迹。可以理解的，本申请可以根据车辆的行驶轨迹，自动判定其是否存在偏离正常轨迹的情况。以此确定驾驶目标车辆的司机是否存在疲劳驾驶的情况。
进一步的，随着人们生活水平的逐渐提升，汽车已成为人们日常出行的主要交通工具，汽车给人们的工作、生活带来了翻天覆地的变化，但是随之而来的是大量的汽车出现在马路上，也逐渐引发了很多交通问题，尤其是人为因素已成为目前引发交通事故的主要原因。
其中，对于疲劳驾驶来说，当司机疲劳时,会出现判断能力下降、反应迟钝和操作失误增加的风险。且驾驶人处于轻微疲劳时，会出现换挡不及时、不准确；驾驶人处于中度疲劳时，操作动作呆滞，有时甚至会忘记操作；驾驶人处于重度疲劳时，往往会下意识操作或出现短时间睡眠现象，严重时会失去对车辆的控制能力，进而导致交通事故的发生。因此，本申请可以通过实时的获取目标车辆的行驶参数，进而对车辆的行驶轨迹进行实时的监控，进而确定目标车辆是否存在疲劳驾驶的安全隐患。
S103，当检测到目标车辆的行驶轨迹不符合预设条件时，生成预警提示，预警提示用于提示用户驾驶目标车辆时存在安全隐患。
需要说明的是，本申请不对预设条件做具体限定，例如可以为偏离正常驾驶路线的条件，也可以为单位时间内车辆摇摆次数达到阈值的条件，还可以为根据车辆躲避障碍物的反应时间作为条件等等。
另外，本申请同样不对预警提示做具体限定。例如，预警提示可以为基于语音生成的提示，可以理解的，当设备基于行驶参数，确定目标车辆的行驶轨迹不符合预设条件时，即可以播放预设音频的语音，以提示司机当前存在安全隐患。或者，预警提示也可以为基于震动生成的提示，可以理解的，当设备基于行驶参数，确定目标车辆的行驶轨迹不符合预设条件时，即可以启动在车辆内部设置的座椅或方向盘上的振动器，以震动提示司机当前存在安全隐患。还或，预警提示也可以为基于视频信息生成的提示，可以理解的，当设备基于行驶参数，确定目标车辆的行驶轨迹不符合预设条件时，即可以在车辆内部设置的显示屏上播放预设的音视频路线，以提示司机当前存在安全隐患。
还需要说明的是，本申请不对确定目标车辆的行驶轨迹不符合预设条件的次数做具体限定，例如本申请可以在当首次确定目标车辆的行驶轨迹不符合预设条件时，即可生成对应的警示提示。又或，本申请也可以在当达到预确定目标车辆的行驶轨迹不符合预设条件的预设次数时，生成对应的警示提示。
本申请中，在获取针对目标车辆的道路参数以及车辆参数之后，可以基于行驶参数，确定目标车辆的行驶轨迹，并当检测到目标车辆的行驶轨迹不符合预设条件时，生成用于提示用户驾驶所述目标车辆时存在安全隐患的预警提示。通过应用本申请的技术方案，可以在车辆的行驶过程中，自动检测车辆的道路参数以及车辆参数，进而根据该参数确定车辆的行驶轨迹是否偏离了正常的车道线，并在检测到偏离后生成提示用户存在安全隐患的提示信息。这也避免了相关技术中存在的，由于驾驶员疲劳驾驶所引起的容易发生交通事故的弊端。
在本申请另外一种可能的实施方式中，在S102(基于行驶参数，确定目标车辆的行驶轨迹)中，可以通过以下方式实现：
利用摄像采集装置，获取道路图像；
基于道路图像以及预设的神经网络模型，获取道路图像对应的车道线参数；
利用车道线参数以及车辆参数，确定目标车辆的行驶轨迹。
进一步的，本申请中可以利用设置在目标车辆的车头位置的摄像采集装置，采集对应的道路图像。可以理解的，该道路图像即为目标车辆当前所行驶的道路上的图像信息。并在获取到图像后，可以进一步的利用神经网络模型，提取该图像当中对应的车道线参数。以使后续根据该车道线参数，确定目标车辆对应的行驶轨迹。
进一步的，对于设备来说，可以在利用摄像采集装置获取到道路图像后，利用神经网络模型提取道路图像的特征信息，进而得到对应的车道线参数。需要说明的是，本申请不对预设的神经网络模型做具体限定，在一种可能的实施方式中，可以为利用卷积神经网络模型，对道路图像进行特征识别。
其中，卷积神经网络(Convolutional Neural Networks,CNN)是一类包含卷积计算且具有深度结构的前馈神经网络(Feedforward Neural Networks)，是深度学习的代表算法之一。卷积神经网络具有表征学习 (representation learning)能力，能够按其阶层结构对输入信息进行平移不变分类。得益于CNN(卷积神经网络)对图像的强大特征表征能力，其在图像分类、目标检测、语义分割等领域都取得了令人瞩目的效果。
进一步的，本申请可以使用CNN神经网络模型中的提取道路图像中的各个道路的特征信息。其中，需要将至少一张道路图像输入至预设的卷积神经网络模型中，并将卷积神经网络模型最后一层全连接层(FC，fully connected layer)的输出作为对该道路图像对应的特征数据。以使后续根据该特征数据，得到道路图像对应的特征识别结果(车道线参数)。
在进一步的，本申请在获取到道路图像之后，还可以利用该摄像采集装置，实施下述步骤：
利用摄像采集装置，获取环境图像；
基于环境图像以及预设的神经网络模型，获取环境图像对应的环境参数；
利用车道线参数、环境参数以及车辆参数，确定目标车辆的行驶轨迹。
进一步的，车辆在行驶在道路过程中出现安全隐患的概率会因为恶劣天气的出现而增大。因此，本申请中还可以进一步的获取车辆外部的环境图像。其中，本申请不对该环境图像做具体限定，例如该环境图像可以用于反映车辆外部的天气状况，该环境图像也可以用于反映车辆外部的道路障碍物等状况。
同样的，本申请也可以在获取到环境图像之后，利用预设的卷积神经网络模型，对该环境图像进行特征提取。进而确定图像对应的环境参数，并利用该环境参数，确定车辆外部的环境状态。
以环境图像为反映车辆外部的天气状况为例进行说明，例如，当利用摄像采集装置得到环境图像，且进一步的根据神经网络模型，获取环境图像对应的环境参数之后，即可以根据该环境参数确定当前车辆外部的天气状况为暴雨天。可以理解的，由于暴雨天在司机驾驶车辆时会极大的增加安全隐患，因此本申请可以在利用车道线参数以及车辆参数，确定目标车辆的行驶轨迹不属于正常行驶范围时，立刻生成用于提示用户驾驶车辆时存在安全隐患的预警提示。以避免由于恶劣天气所导致的发生交通事故的弊端。
进一步的，本申请还可以以环境图像为反映车辆外部的光照状况为例进行说明，例如，当利用摄像采集装置得到环境图像，且进一步的根据神经网络模型，获取环境图像对应的环境参数之后，即可以根据该环境参数确定当前车辆外部的光照状况为黑暗。可以理解的，由于司机在低能见度的情况下驾驶车辆时会极大的增加安全隐患，因此本申请可以在利用车道线参数以及车辆参数，确定目标车辆的行驶轨迹不属于正常行驶范围时，同样立刻生成用于提示用户驾驶车辆时存在安全隐患的预警提示。以避免由于能见度低所导致的发生交通事故的弊端。
再进一步的，本申请还可以以环境图像为反映车辆外部的温湿度状况为例进行说明，例如，当利用摄像采集装置得到环境图像，且进一步的根据神经网络模型，获取环境图像对应的环境参数之后，即可以根据该环境参数确定当前车辆外部的温湿度状况为湿滑路况。可以理解的，由于司机在位于湿滑路段的情况下驾驶车辆时会极大的增加安全隐患，因此本申请可以在利用车道线参数以及车辆参数，确定目标车辆的行驶轨迹不属于正常行驶范围时，同样立刻生成用于提示用户驾驶车辆时存在安全隐患的预警提示。以避免由于道路结冰所导致的发生交通事故的弊端。
进一步可选的，本申请中的环境参包括天气参数以及路面参数：
利用车道线参数、环境参数以及车辆参数，确定目标车辆的行驶轨迹，包括：
当基于路面参数，确定目标车辆的预设距离内存在目标物体时，获取通行时间参数，通行时间参数用于反映目标车辆绕行目标物体的时间；
基于天气参数、通行时间参数、车道线参数以及车辆参数，确定目标车辆的行驶轨迹。
进一步的，车辆在行驶在道路过程中出现安全隐患的概率除了因为恶劣天气的出现而增大之外，还会随着车辆的行驶前方是否会出现其他低速行驶或静止的汽车或其他障碍物而影响。因此，本申请中还可以进一步的获取车辆外部的用于反映路面参数的环境图像。其中，本申请不对该目标物体做具体限定，例如该目标物体可以为汽车，也可以为石块，路障等其他通行障碍物。
同样的，本申请也可以在获取到环境图像之后，利用预设的卷积神经网络模型，对该环境图像进行特征提取。进而确定图像对应的路面参数，并利用该路面参数，确定车辆外部的障碍物情况。
以环境图像为反映车辆外部的路面参数为例进行说明，例如，当利用摄像采集装置得到环境图像，且进一步的根据神经网络模型，获取环境图像对应的路面参数之后，即可以根据该路面参数确定当前车辆前方的500米处存在有禁止向右前方通行的路障。可以理解的，由于司机在高速驾驶车辆时的车速很快，因此较晚躲避路障会极大的增加安全隐患。因此本申请可以在获取到用于反映目标车辆绕行目标物体的时间的通行时间参数之后，在确定该通行时间参数超出时间阈值时，判定司机可能出现疲劳驾驶。因此当后续利用车道线参数以及车辆参数，确定目标车辆的行驶轨迹不属于正常行驶范围时，立刻生成用于提示用户驾驶车辆时存在安全隐患的预警提示。以避免由于疲劳驾驶所导致的发生交通事故的弊端。
同样以环境图像为反映车辆外部的路面参数为例进行说明，例如，当利用摄像采集装置得到环境图像，且进一步的根据神经网络模型，获取环境图像对应的路面参数之后，即可以根据该路面参数确定当前车辆前方的1000米处存在有位于道路右侧的石块。因此本申请可以在获取到用于反映目标车辆绕行目标物体的时间的通行时间参数之后，在确定该通行时间参数未超出时间阈值时，判定驾驶员的驾驶状态良好。因此当后续利用车道线参数以及车辆参数，确定目标车辆的行驶轨迹不属于正常行驶范围时，即可以暂时不生成对应的预警提示。而是在当检测到预设次数的目标车辆的行驶轨迹不属于正常行驶范围时，再生成对应的预警提示。
进一步的，本申请中在利用车道线参数以及车辆参数，确定目标车辆的行驶轨迹的过程中，可以通过以下步骤实现：
基于车辆参数，获取目标车辆的行驶位置；
检测行驶位置与车道线参数是否匹配，生成匹配结果；
进一步可选的，本申请在生成匹配结果的过程中，可以通过以下步骤实现：
基于车道线参数，获取车道线位置；
基于车道线位置与行驶位置，计算目标车辆与车道线的偏离度；
基于目标车辆与车道线的偏离度，生成匹配结果。
本申请中，可以在获取到目标车辆行驶的道路上的车道线参数之后，根据该参数，得到对应的道路上标注的车道线位置。进一步的，本申请在得到车道线的位置之后，即可以将目标车辆的行驶位置与该车道线位置进行是否出现偏离的计算。可以理解的，当检测到车辆的行驶位置位于两个车道线位置的中间时，即可确定目标车辆与车道线的偏离度小于预设的阈值。进而可以生成车辆未偏移的匹配结果。而当检测到车辆的行驶位置没有位于两个车道线位置的中间时，即可确定目标车辆与车道线的偏离度超出预设的阈值，进而可以生成车辆发生偏移的匹配结果。
进一步的，本申请可以根据目标车辆的行驶位置是否位于不相邻的两条车道线之间来确定该车辆是否出现与车道线进行偏移的情况。可以理解的，当车辆正常行驶在车道线之内时，车辆的位置也必然会出现在相邻的两条车道线的位置中间。而当车辆因为疲劳驾驶等原因导致司机在行驶过程中出现不能正常操控车辆的情况时，车辆的位置则会出现在不相邻的两条车道线的位置中间。
可选的，本申请在检测行驶位置与车道线参数是否匹配，生成匹配结果的过程中，还可以通过以下步骤得到：
基于车辆参数，获取目标车辆对应的车速参数以及车配参数，车配参数用于反映目标车辆的驱动状态；
基于车速参数以及车配参数，以及行驶位置与车道线参数是否匹配，生成匹配结果。
本申请中，可以在获取到目标车辆行驶的道路上的车道线参数之后，根据该参数，得到对应的道路上标注的车道线位置。进一步的，本申请在得到车道线的位置之后，还可以进一步的获取目标车辆的车配参数。其中，该车配参数用于反映车辆为四驱驱动状态还是两驱驱动状态。可以理解的，当车辆为四驱驱动状态时，车辆相对较稳定。而车辆为两驱驱动状态时，车辆相对较不稳定。因此，本申请可以根据车辆的驱动状态，进一步精确的选择生成对应的匹配结果。
进一步的，本申请在检测到目标车辆的行驶位置与该车道线位置出现偏离时，开始计算车辆出现偏移的次数。可以理解的，例如当目标车辆为两驱驱动状态时，则可以在检测到车辆出现偏移的次数为3次时，即可生成车辆发生偏移的匹配结果。而当目标车辆为四驱驱动状态时，则可以在检测到车辆出现偏移的次数为5次时，生成车辆发生偏移的匹配结果。
基于匹配结果，确定目标车辆的行驶轨迹。
进一步的，当生成车辆发生偏移的匹配结果时，即可确定目标车辆的行驶轨迹偏离正常轨道。而当生成车辆发生未偏移的匹配结果时，即可确定目标车辆的行驶轨迹属于正常轨道。
在本申请的另外一种实施方式中，如图3所示，本申请还提供一种提示用户的装置。其中，该装置包括获取模块201，确定模块202，生成模块203，其中：
获取模块201，被设置为获取针对目标车辆的行驶参数，所述行驶参数包括道路参数以及车辆参数；
确定模块202，被设置为基于所述行驶参数，确定所述目标车辆的行驶轨迹；
生成模块203，被设置为当检测到所述目标车辆的行驶轨迹不符合预设条件时，生成预警提示，所述预警提示用于提示用户驾驶所述目标车辆时存在安全隐患。
本申请中，在获取针对目标车辆的道路参数以及车辆参数之后，可以基于行驶参数，确定目标车辆的行驶轨迹，并当检测到目标车辆的行驶轨迹不符合预设条件时，生成用于提示用户驾驶所述目标车辆时存在安全隐患的预警提示。通过应用本申请的技术方案，可以在车辆的行驶过程中，自动检测车辆的道路参数以及车辆参数，进而根据该参数确定车辆的行驶轨迹是否偏离了正常的车道线，并在检测到偏离后生成提示用户存在安全隐患的提示信息。这也避免了相关技术中存在的，由于驾驶员疲劳驾驶所引起的容易发生交通事故的弊端。
在本申请的另一种实施方式中，确定模块202，还包括：
确定模块202，被配置为利用摄像采集装置，获取道路图像；
确定模块202，被配置为基于所述道路图像以及预设的神经网络模型，获取所述道路图像对应的车道线参数；
确定模块202，被配置为利用所述车道线参数以及车辆参数，确定所述目标车辆的行驶轨迹。
在本申请的另一种实施方式中，确定模块202，还包括：
确定模块202，被配置为基于所述车辆参数，获取所述目标车辆的行驶位置；
确定模块202，被配置为检测所述行驶位置与所述车道线参数是否匹配，生成匹配结果；
确定模块202，被配置为基于所述匹配结果，确定所述目标车辆的行驶轨迹。
在本申请的另一种实施方式中，生成模块203，其中：
生成模块203，被配置为基于所述车道线参数，获取车道线位置；
生成模块203，被配置基于所述车道线位置与所述行驶位置，计算所述目标车辆与所述车道线的偏离度；
生成模块203，被配置基于所述目标车辆与所述车道线的偏离度，生成所述匹配结果。
在本申请的另一种实施方式中，生成模块203，其中：
生成模块203，被配置为基于所述车辆参数，获取所述目标车辆对应的车速参数以及车配参数，所述车配参数用于反映所述目标车辆的驱动状态；
生成模块203，被配置为基于所述车速参数以及车配参数，以及所述行驶位置与所述车道线参数是否匹配，生成所述匹配结果。
在本申请的另一种实施方式中，确定模块202，还包括：
确定模块202，被配置为利用摄像采集装置，获取环境图像；
确定模块202，被配置为基于所述环境图像以及预设的神经网络模型，获取所述环境图像对应的环境参数；
确定模块202，被配置为利用所述车道线参数、所述环境参数以及车辆参数，确定所述目标车辆的行驶轨迹。
在本申请的另一种实施方式中，确定模块202，还包括：
确定模块202，被配置为所述利用所述车道线参数、所述环境参数以及车辆参数，确定所述目标车辆的行驶轨迹，包括：
确定模块202，被配置为当基于所述路面参数，确定所述目标车辆的预设距离内存在目标物体时，获取通行时间参数，所述通行时间参数用于反映所述目标车辆绕行所述目标物体的时间；
确定模块202，被配置为基于所述天气参数、所述通行时间参数、所述车道线参数以及所述车辆参数，确定所述目标车辆的行驶轨迹。
图4是根据一示例性实施例示出的一种电子设备的逻辑结构框图。例如，电子设备300可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
参照图4，电子设备300可以包括以下一个或多个组件：处理器301和存储器302。
处理器301可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器301可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器301也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器301可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器301还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。
存储器302可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器302还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器302中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器301所执行以实现本申请中方法实施例提供的互动特效标定方法。
在一些实施例中，电子设备300还可选包括有：外围设备接口303和至少一个外围设备。处理器301、存储器302和外围设备接口303之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口303相连。具体地，外围设备包括：射频电路304、触摸显示屏305、摄像头306、音频电路307、定位组件308和电源309中的至少一种。
外围设备接口303可被用于将I/O(Input/Output，输入/输出)相关的至少一个外围设备连接到处理器301和存储器302。在一些实施例中，处理器 301、存储器302和外围设备接口303被集成在同一芯片或电路板上；在一些其他实施例中，处理器301、存储器302和外围设备接口303中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。
射频电路304用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路304通过电磁信号与通信网络以及其他通信设备进行通信。射频电路304将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路304包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路304可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：城域网、各代移动通信网络 (2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity，无线保真)网络。在一些实施例中，射频电路304还可以包括NFC(Near Field Communication，近距离无线通信)有关的电路，本申请对此不加以限定。
显示屏305用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏305是触摸显示屏时，显示屏305还具有采集在显示屏305的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器301进行处理。此时，显示屏305还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏305可以为一个，设置电子设备300的前面板；在另一些实施例中，显示屏305可以为至少两个，分别设置在电子设备300的不同表面或呈折叠设计；在再一些实施例中，显示屏305可以是柔性显示屏，设置在电子设备300的弯曲表面上或折叠面上。甚至，显示屏305还可以设置成非矩形的不规则图形，也即异形屏。显示屏305可以采用LCD(Liquid Crystal Display，液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件306用于采集图像或视频。可选地，摄像头组件306包括前置摄像头和后置摄像头。通常，前置摄像头设置在终端的前面板，后置摄像头设置在终端的背面。在一些实施例中，后置摄像头为至少两个，分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种，以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality，虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中，摄像头组件306还可以包括闪光灯。闪光灯可以是单色温闪光灯，也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合，可以用于不同色温下的光线补偿。
音频电路307可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波，并将声波转换为电信号输入至处理器301进行处理，或者输入至射频电路304以实现语音通信。出于立体声采集或降噪的目的，麦克风可以为多个，分别设置在电子设备300的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器301或射频电路304的电信号转换为声波。扬声器可以是传统的薄膜扬声器，也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时，不仅可以将电信号转换为人类可听见的声波，也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中，音频电路307还可以包括耳机插孔。
定位组件308用于定位电子设备300的当前地理位置，以实现导航或LBS(Location Based Service，基于位置的服务)。定位组件308可以是基于美国的GPS(GlobalPositioning System，全球定位系统)、中国的北斗系统、俄罗斯的格雷纳斯系统或欧盟的伽利略系统的定位组件。
电源309用于为电子设备300中的各个组件进行供电。电源309可以是交流电、直流电、一次性电池或可充电电池。当电源309包括可充电电池时，该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。
在一些实施例中，电子设备300还包括有一个或多个传感器310。该一个或多个传感器310包括但不限于：加速度传感器311、陀螺仪传感器312、压力传感器313、指纹传感器314、光学传感器315以及接近传感器316。
加速度传感器311可以检测以电子设备300建立的坐标系的三个坐标轴上的加速度大小。比如，加速度传感器311可以用于检测重力加速度在三个坐标轴上的分量。处理器301可以根据加速度传感器311采集的重力加速度信号，控制触摸显示屏305以横向视图或纵向视图进行用户界面的显示。加速度传感器311还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器312可以检测电子设备300的机体方向及转动角度，陀螺仪传感器312可以与加速度传感器311协同采集用户对电子设备300的3D动作。处理器301根据陀螺仪传感器312采集的数据，可以实现如下功能：动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器313可以设置在电子设备300的侧边框和/或触摸显示屏305 的下层。当压力传感器313设置在电子设备300的侧边框时，可以检测用户对电子设备300的握持信号，由处理器301根据压力传感器313采集的握持信号进行左右手识别或快捷操作。当压力传感器313设置在触摸显示屏305 的下层时，由处理器301根据用户对触摸显示屏305的压力操作，实现对UI 界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
指纹传感器314用于采集用户的指纹，由处理器301根据指纹传感器314 采集到的指纹识别用户的身份，或者，由指纹传感器314根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时，由处理器301授权该用户执行相关的敏感操作，该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器314可以被设置电子设备300的正面、背面或侧面。当电子设备300上设置有物理按键或厂商Logo时，指纹传感器314可以与物理按键或厂商Logo集成在一起。
光学传感器315用于采集环境光强度。在一个实施例中，处理器301可以根据光学传感器315采集的环境光强度，控制触摸显示屏305的显示亮度。具体地，当环境光强度较高时，调高触摸显示屏305的显示亮度；当环境光强度较低时，调低触摸显示屏305的显示亮度。在另一个实施例中，处理器 301还可以根据光学传感器315采集的环境光强度，动态调整摄像头组件306 的拍摄参数。
接近传感器316，也称距离传感器，通常设置在电子设备300的前面板。接近传感器316用于采集用户与电子设备300的正面之间的距离。在一个实施例中，当接近传感器316检测到用户与电子设备300的正面之间的距离逐渐变小时，由处理器301控制触摸显示屏305从亮屏状态切换为息屏状态；当接近传感器316检测到用户与电子设备300的正面之间的距离逐渐变大时，由处理器301控制触摸显示屏305从息屏状态切换为亮屏状态。
本领域技术人员可以理解，图4中示出的结构并不构成对电子设备300 的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器304，上述指令可由电子设备300的处理器320 执行以完成上述提示用户的方法，该方法包括：获取针对目标车辆的行驶参数，所述行驶参数包括道路参数以及车辆参数；基于所述行驶参数，确定所述目标车辆的行驶轨迹；当检测到所述目标车辆的行驶轨迹不符合预设条件时，生成预警提示，所述预警提示用于提示用户驾驶所述目标车辆时存在安全隐患。可选地，上述指令还可以由电子设备300的处理器320执行以完成上述示例性实施例中所涉及的其他步骤。可选地，上述指令还可以由电子设备300的处理器320执行以完成上述示例性实施例中所涉及的其他步骤。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、 CD-ROM、磁带、软盘和光数据存储设备等。
在示例性实施例中，还提供了一种应用程序/计算机程序产品，包括一条或多条指令，该一条或多条指令可以由电子设备300的处理器320执行，以完成上述提示用户的方法，该方法包括：获取针对目标车辆的行驶参数，所述行驶参数包括道路参数以及车辆参数；基于所述行驶参数，确定所述目标车辆的行驶轨迹；当检测到所述目标车辆的行驶轨迹不符合预设条件时，生成预警提示，所述预警提示用于提示用户驾驶所述目标车辆时存在安全隐患。可选地，上述指令还可以由电子设备300的处理器320执行以完成上述示例性实施例中所涉及的其他步骤。本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求指出。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (7)
1.一种提示用户的方法，其特征在于，包括：
获取针对目标车辆的行驶参数，所述行驶参数包括道路参数以及车辆参数；
利用摄像采集装置，获取道路图像；
基于所述道路图像以及预设的神经网络模型，获取所述道路图像对应的车道线参数；
基于所述车辆参数，获取所述目标车辆的行驶位置；
检测所述行驶位置与所述车道线参数是否匹配，生成匹配结果；
基于所述匹配结果，确定所述目标车辆的行驶轨迹；
当检测到所述目标车辆的行驶轨迹不符合预设条件时，生成预警提示，所述预警提示用于提示用户驾驶所述目标车辆时存在安全隐患；
所述检测所述行驶位置与所述车道线参数是否匹配，生成匹配结果，包括：
基于所述车辆参数，获取所述目标车辆对应的车速参数以及车配参数，所述车配参数用于反映所述目标车辆的驱动状态；
基于所述车速参数以及车配参数，以及所述行驶位置与所述车道线参数是否匹配，生成所述匹配结果。
2.如权利要求1所述的方法，其特征在于，所述检测所述行驶位置与所述车道线参数是否匹配，生成匹配结果，包括：
基于所述车道线参数，获取车道线位置；
基于所述车道线位置与所述行驶位置，计算所述目标车辆与所述车道线的偏离度；
基于所述目标车辆与所述车道线的偏离度，生成所述匹配结果。
3.如权利要求1所述的方法，其特征在于，在所述利用摄像采集装置，获取道路图像之后，还包括：
利用摄像采集装置，获取环境图像；
基于所述环境图像以及预设的神经网络模型，获取所述环境图像对应的环境参数；
利用所述车道线参数、所述环境参数以及车辆参数，确定所述目标车辆的行驶轨迹。
4.如权利要求3所述的方法，其特征在于，所述环境参包括天气参数以及路面参数：
所述利用所述车道线参数、所述环境参数以及车辆参数，确定所述目标车辆的行驶轨迹，包括：
当基于所述路面参数，确定所述目标车辆的预设距离内存在目标物体时，获取通行时间参数，所述通行时间参数用于反映所述目标车辆绕行所述目标物体的时间；
基于所述天气参数、所述通行时间参数、所述车道线参数以及所述车辆参数，确定所述目标车辆的行驶轨迹。
5.一种提示用户的装置，其特征在于，包括：
获取模块，被设置为获取针对目标车辆的行驶参数，所述行驶参数包括道路参数以及车辆参数；
确定模块，被设置为利用摄像采集装置，获取道路图像，基于所述道路图像以及预设的神经网络模型，获取所述道路图像对应的车道线参数，基于所述车辆参数，获取所述目标车辆的行驶位置，检测所述行驶位置与所述车道线参数是否匹配，生成匹配结果，基于所述匹配结果，确定所述目标车辆的行驶轨迹；
生成模块，被设置为当检测到所述目标车辆的行驶轨迹不符合预设条件时，生成预警提示，所述预警提示用于提示用户驾驶所述目标车辆时存在安全隐患；
所述确定模块，还被设置为基于所述车辆参数，获取所述目标车辆对应的车速参数以及车配参数，所述车配参数用于反映所述目标车辆的驱动状态，基于所述车速参数以及车配参数，以及所述行驶位置与所述车道线参数是否匹配，生成所述匹配结果。
6.一种电子设备，其特征在于，包括：
存储器，用于存储可执行指令；以及，
处理器，用于与所述存储器显示以执行所述可执行指令从而完成权利要求1-4中任一所述提示用户的方法的操作。
7.一种计算机可读存储介质，用于存储计算机可读取的指令，其特征在于，所述指令被执行时执行权利要求1-4中任一所述提示用户的方法的操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911214750.8A CN112991790B (zh) | 2019-12-02 | 2019-12-02 | 提示用户的方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911214750.8A CN112991790B (zh) | 2019-12-02 | 2019-12-02 | 提示用户的方法、装置、电子设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112991790A CN112991790A (zh) | 2021-06-18 |
| CN112991790B true CN112991790B (zh) | 2022-06-07 |
Family
ID=76331130
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911214750.8A Active CN112991790B (zh) | 2019-12-02 | 2019-12-02 | 提示用户的方法、装置、电子设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112991790B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000251171A (ja) * | 1999-02-26 | 2000-09-14 | Toyota Motor Corp | 車両の車線逸脱警告装置 |
| JP2002092794A (ja) * | 2000-09-19 | 2002-03-29 | Toyota Motor Corp | 車両用警報装置 |
| JP2005346269A (ja) * | 2004-06-01 | 2005-12-15 | Toyota Motor Corp | 車線逸脱警報装置 |
| CN101032405A (zh) * | 2007-03-21 | 2007-09-12 | 汤一平 | 基于全方位计算机视觉的安全驾驶辅助装置 |
| CN101984478A (zh) * | 2010-08-03 | 2011-03-09 | 浙江大学 | 基于双目视觉车道线检测的非正常s型驾驶预警方法 |
| WO2012117505A1 (ja) * | 2011-02-28 | 2012-09-07 | トヨタ自動車株式会社 | 走行支援装置及び方法 |
| CN102963359A (zh) * | 2011-08-31 | 2013-03-13 | 罗伯特·博世有限公司 | 用于汽车的车道监控方法和车道监控系统 |
| KR20140006564A (ko) * | 2012-07-06 | 2014-01-16 | 현대자동차주식회사 | 차량용 차선 유지 제어방법 및 장치 |
| CN103723147A (zh) * | 2013-12-24 | 2014-04-16 | 财团法人车辆研究测试中心 | 一种警示车辆偏移与估测驾驶者状态的方法 |
| CN206757846U (zh) * | 2017-04-21 | 2017-12-15 | 深圳六合六医疗器械有限公司 | 一种疲劳驾驶四维监测系统 |
| CN107958601A (zh) * | 2017-11-22 | 2018-04-24 | 华南理工大学 | 一种疲劳驾驶检测系统及方法 |
| CN109326085A (zh) * | 2018-11-08 | 2019-02-12 | 上海掌门科技有限公司 | 一种用于在车辆设备上进行疲劳驾驶检测的方法与设备 |
| CN109866684A (zh) * | 2019-03-15 | 2019-06-11 | 江西江铃集团新能源汽车有限公司 | 车道偏离预警方法、系统、可读存储介质及计算机设备 |
-
2019
- 2019-12-02 CN CN201911214750.8A patent/CN112991790B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000251171A (ja) * | 1999-02-26 | 2000-09-14 | Toyota Motor Corp | 車両の車線逸脱警告装置 |
| JP2002092794A (ja) * | 2000-09-19 | 2002-03-29 | Toyota Motor Corp | 車両用警報装置 |
| JP2005346269A (ja) * | 2004-06-01 | 2005-12-15 | Toyota Motor Corp | 車線逸脱警報装置 |
| CN101032405A (zh) * | 2007-03-21 | 2007-09-12 | 汤一平 | 基于全方位计算机视觉的安全驾驶辅助装置 |
| CN101984478A (zh) * | 2010-08-03 | 2011-03-09 | 浙江大学 | 基于双目视觉车道线检测的非正常s型驾驶预警方法 |
| WO2012117505A1 (ja) * | 2011-02-28 | 2012-09-07 | トヨタ自動車株式会社 | 走行支援装置及び方法 |
| CN102963359A (zh) * | 2011-08-31 | 2013-03-13 | 罗伯特·博世有限公司 | 用于汽车的车道监控方法和车道监控系统 |
| KR20140006564A (ko) * | 2012-07-06 | 2014-01-16 | 현대자동차주식회사 | 차량용 차선 유지 제어방법 및 장치 |
| CN103723147A (zh) * | 2013-12-24 | 2014-04-16 | 财团法人车辆研究测试中心 | 一种警示车辆偏移与估测驾驶者状态的方法 |
| CN206757846U (zh) * | 2017-04-21 | 2017-12-15 | 深圳六合六医疗器械有限公司 | 一种疲劳驾驶四维监测系统 |
| CN107958601A (zh) * | 2017-11-22 | 2018-04-24 | 华南理工大学 | 一种疲劳驾驶检测系统及方法 |
| CN109326085A (zh) * | 2018-11-08 | 2019-02-12 | 上海掌门科技有限公司 | 一种用于在车辆设备上进行疲劳驾驶检测的方法与设备 |
| CN109866684A (zh) * | 2019-03-15 | 2019-06-11 | 江西江铃集团新能源汽车有限公司 | 车道偏离预警方法、系统、可读存储介质及计算机设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112991790A (zh) | 2021-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110148294B (zh) | 路况状态确定方法及装置 | |
| CN108961681B (zh) | 疲劳驾驶提醒方法、装置及存储介质 | |
| CN110618800A (zh) | 一种界面显示的方法、装置、设备和存储介质 | |
| WO2021082483A1 (en) | Method and apparatus for controlling vehicle | |
| CN111126276B (zh) | 车道线检测方法、装置、计算机设备及存储介质 | |
| CN110920631B (zh) | 控制车辆的方法、装置、电子设备及可读存储介质 | |
| CN114332821A (zh) | 决策信息获取方法、装置、终端及存储介质 | |
| CN111010537B (zh) | 车辆控制方法、装置、终端及存储介质 | |
| CN110231049B (zh) | 导航路线显示方法、装置、终端及存储介质 | |
| CN111147738A (zh) | 警用车载全景慧眼系统、装置、电子设备及介质 | |
| CN115015861A (zh) | 泊车辅助性能的测试方法及电子设备 | |
| CN112818243A (zh) | 导航路线的推荐方法、装置、设备及存储介质 | |
| CN109189068B (zh) | 泊车控制方法、装置及存储介质 | |
| CN112991790B (zh) | 提示用户的方法、装置、电子设备及介质 | |
| CN110775056A (zh) | 基于雷达探测的车辆行驶方法、装置、终端及介质 | |
| CN110920614A (zh) | 变道控制方法、装置、设备及存储介质 | |
| CN111717205B (zh) | 车辆控制方法、装置、电子设备及计算机可读存储介质 | |
| CN117227747A (zh) | 自动驾驶能力的检测方法、装置、设备及存储介质 | |
| CN111294513B (zh) | 拍照方法、装置、电子设备及存储介质 | |
| CN111583669B (zh) | 一种超速检测方法、装置、控制设备和存储介质 | |
| CN113034822A (zh) | 提示用户的方法、装置、电子设备及介质 | |
| CN112863168A (zh) | 疏导交通的方法、装置、电子设备及介质 | |
| CN114506383B (zh) | 方向盘回正的控制方法、装置、终端、存储介质及产品 | |
| CN110944294B (zh) | 移动轨迹记录方法、装置、系统、计算机设备及存储介质 | |
| CN115959157A (zh) | 车辆控制方法和设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |