[发明专利]基于雷达摄像头的信息预警方法及系统

权利要求书

1.一种基于雷达摄像头的信息预警方法，其特征在于，应用于服务器，所述服务器与车载终端通信连接，所述方法包括：

获取车载终端的雷达摄像视频流数据；

根据所述雷达摄像视频流数据，以及车载终端中包含的信息预警决策模板的信息，生成目标车载预警状态分布的信息；其中，所述信息预警决策模板的信息包括深度学习网络模型对象和对应特征提取结构的预警数据集，所述目标车载预警状态分布的信息包括目标车载预警状态分布类型和对应特征提取结构的预警数据集；

根据所述信息预警决策模板的信息确定深度学习网络模型对象对应所述车载终端的特征提取结构的预警数据集，以及根据所述目标车载预警状态分布的信息确定目标车载预警状态分布类型对应所述车载终端的特征提取结构的预警数据集；

根据深度学习网络模型对象对应所述车载终端的特征提取结构的预警数据集，以及目标车载预警状态分布类型对应所述车载终端的特征提取结构的预警数据集，确定目标特征提取结构的预警数据集；

所述根据所述雷达摄像视频流数据，以及车载终端中包含的信息预警决策模板的信息，生成目标车载预警状态分布的信息的步骤，包括：

对所述雷达摄像视频流数据中的预警节点分布的预警输出数据进行数据解析，得到预警节点分布决策数据；

对所述信息预警决策模板的信息进行数据解析，得到所述信息预警决策模板的深度学习网络模型实例；

将所述预警节点分布决策数据和所述信息预警决策模板的深度学习网络模型实例输入预先配置的计算容器中，得到所述目标车载预警状态分布的信息；

所述根据所述雷达摄像视频流数据，以及车载终端中包含的信息预警决策模板的信息，生成目标车载预警状态分布的信息的步骤，还包括：

循环执行将所述计算容器前次输出的目标车载预警状态分布的信息进行数据解析得到的深度学习网络模型实例，以及将所述预警节点分布决策数据输入所述计算容器中，得到所述计算容器本次输出的目标车载预警状态分布的信息，直至所述计算容器输出预设结束预警节点分布的信息为止；

所述根据所述雷达摄像视频流数据，以及车载终端中包含的信息预警决策模板的信息，生成目标车载预警状态分布的信息的步骤，还包括：

获取目标车载终端的雷达安装位置列表，以及所述目标车载终端中包含的各预警节点分布；

根据各预警节点分布对应所述目标车载终端的特征提取结构的预警数据集，以及各预警节点分布内容生成各预警节点分布的信息；

对各预警节点分布的信息提取出的深度学习网络模型实例顺序排列得到实例清单；其中，预设初始对象的信息提取出的深度学习网络模型实例位于所述实例清单的首位，预设末端对象的信息提取出的深度学习网络模型实例位于所述实例清单的末位；

根据所述雷达安装位置列表提取出的预警节点分布决策数据，以及所述实例清单中各深度学习网络模型实例，配置所述计算容器，以学习得到所述预警节点分布决策数据和所述实例清单中的深度学习网络模型实例组合，与所述预警节点分布的信息之间的对应关系；

所述对所述雷达摄像视频流数据中的预警节点分布的预警输出数据进行数据解析，得到预警节点分布决策数据的步骤，包括：

根据所述雷达摄像视频流数据中各预警节点分布，生成预警节点分布知识空间，所述预警节点分布知识空间中的预警节点分布用于指示所述雷达摄像视频流数据中对应预警节点分布的空间单元；

对所述预警节点分布知识空间进行数据解析，得到所述预警节点分布决策数据。

2.一种基于雷达摄像头的信息预警系统，其特征在于，应用于服务器，所述服务器与车载终端通信连接，所述系统包括：

获取模块，用于获取车载终端的雷达摄像视频流数据；

生成模块，用于根据所述雷达摄像视频流数据，以及车载终端中包含的信息预警决策模板的信息，生成目标车载预警状态分布的信息；其中，所述信息预警决策模板的信息包括深度学习网络模型对象和对应特征提取结构的预警数据集，所述目标车载预警状态分布的信息包括目标车载预警状态分布类型和对应特征提取结构的预警数据集；

第一确定模块，用于根据所述信息预警决策模板的信息确定深度学习网络模型对象对应所述车载终端的特征提取结构的预警数据集，以及根据所述目标车载预警状态分布的信息确定目标车载预警状态分布类型对应所述车载终端的特征提取结构的预警数据集；

第二确定模块，用于根据深度学习网络模型对象对应所述车载终端的特征提取结构的预警数据集，以及目标车载预警状态分布类型对应所述车载终端的特征提取结构的预警数据集，确定目标特征提取结构的预警数据集；

所述生成模块通过以下方式生成目标车载预警状态分布的信息：

对所述雷达摄像视频流数据中的预警节点分布的预警输出数据进行数据解析，得到预警节点分布决策数据；

对所述信息预警决策模板的信息进行数据解析，得到所述信息预警决策模板的深度学习网络模型实例；

将所述预警节点分布决策数据和所述信息预警决策模板的深度学习网络模型实例输入预先配置的计算容器中，得到所述目标车载预警状态分布的信息；

所述生成模块通过以下方式生成目标车载预警状态分布的信息：

循环执行将所述计算容器前次输出的目标车载预警状态分布的信息进行数据解析得到的深度学习网络模型实例，以及将所述预警节点分布决策数据输入所述计算容器中，得到所述计算容器本次输出的目标车载预警状态分布的信息，直至所述计算容器输出预设结束预警节点分布的信息为止；

所述生成模块通过以下方式生成目标车载预警状态分布的信息：

获取目标车载终端的雷达安装位置列表，以及所述目标车载终端中包含的各预警节点分布；

根据各预警节点分布对应所述目标车载终端的特征提取结构的预警数据集，以及各预警节点分布内容生成各预警节点分布的信息；

对各预警节点分布的信息提取出的深度学习网络模型实例顺序排列得到实例清单；其中，预设初始对象的信息提取出的深度学习网络模型实例位于所述实例清单的首位，预设末端对象的信息提取出的深度学习网络模型实例位于所述实例清单的末位；

根据所述雷达安装位置列表提取出的预警节点分布决策数据，以及所述实例清单中各深度学习网络模型实例，配置所述计算容器，以学习得到所述预警节点分布决策数据和所述实例清单中的深度学习网络模型实例组合，与所述预警节点分布的信息之间的对应关系；

所述生成模块通过以下方式对所述雷达摄像视频流数据中的预警节点分布的预警输出数据进行数据解析，得到预警节点分布决策数据：

根据所述雷达摄像视频流数据中各预警节点分布，生成预警节点分布知识空间，所述预警节点分布知识空间中的预警节点分布用于指示所述雷达摄像视频流数据中对应预警节点分布的空间单元；

对所述预警节点分布知识空间进行数据解析，得到所述预警节点分布决策数据。