[发明专利]一种车辆保护系统及方法

权利要求书

1.一种车辆保护方法，其特征在于，所述车辆保护方法包括：

获取车辆周边的图像信息；

根据所述车辆周边的图像信息，基于机器学习训练模型对所述车辆周围环境风险进行评估预测；

在评估预测的安全等级较低时，向用户发送信息，并控制所述车辆鸣笛警报。

2.根据权利要求1所述的车辆保护方法，其特征在于，所述获取车辆周边的图像信息具体为：

通过摄像装置和传感装置获取所述车辆周边的图像信息。

3.根据权利要求2所述的车辆保护方法，其特征在于，所述根据所述车辆周边的图像信息，基于机器学习训练模型判断所述车辆是否存在危险物靠近；具体为：

通过训练DNN模型分类模型，对当前车辆周围环境风险进行预测。

4.根据权利要求3所述的车辆保护方法，其特征在于，所述通过训练DNN模型分类模型，对当前车辆周围环境风险进行预测，具体为：

通过摄像装置和传感装置获取到的图片进行人工标注，获得训练样本；

通过训练基于R-CNN的目标检测模型，识别出当前情况下车辆周围危险物在对乘客构成威胁的物体的位置和类型；

通过训练基于LSTM的目标跟踪算法，预测危险物未来的运动行为，确认车辆周围的动态环境。

5.根据权利要求4所述的车辆保护方法，其特征在于，还包括在所述安全等级为不安全时，

控制所述车辆发起连续两次短暂鸣笛。

6.根据权利要求4所述的车辆保护方法，其特征在于，还包括在所述安全等级为危险时，

控制所述车辆发起长鸣笛。

7.一种车辆保护系统，其特征在于，包括：

信息采集模块，用于获取车辆周边的图像信息；

数据处理模块，根据所述车辆周边的图像信息，基于机器学习训练模型对所述车辆周围环境风险进行评估预测；

在评估预测的安全等级较低时，向用户发送信息，并控制所述车辆鸣笛警报。

8.根据权利要求7所述的车辆保护系统，其特征在于，

所述信息采集模块包括摄像装置和传感装置。

9.根据权利要求8所述的车辆保护系统，其特征在于，所述数据处理模块还用于通过训练DNN模型分类模型，对当前车辆周围环境风险进行预测。

10.根据权利要求9所述的车辆保护系统，其特征在于，所述数据处理模块还用于通过摄像装置和传感装置获取到的图片进行人工标注，获得训练样本；通过训练基于R-CNN的目标检测模型，识别出当前情况下车辆周围危险物在对乘客构成威胁的物体的位置和类型；通过训练基于LSTM的目标跟踪算法，预测危险物未来的运动行为，确认车辆周围的动态环境。

11.根据权利要求10所述的车辆保护系统，其特征在于，所述数据处理模块还用于还包括在所述安全等级为不安全时，控制所述车辆发起连续两次短暂鸣笛。

12.一种汽车，其特征在于，包括车体以及设置在所述车体内的如权利要求7～11任一项所述的车辆保护系统。

13.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任意一项所述的车辆保护方法。

14.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行权利要求1至6任一所述车辆保护方法。