[发明专利]一种车辆保护系统及方法

说明书

本申请提供了一种车辆保护系统及方法，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。在上述技术方案中，通过采用对车辆周边的图像信息，并根据图像信息分析爱车辆周围环境的风险，基于该风险等级，对车辆进行防护，并在风险等级较高时，提醒用户，提高车辆的安全。

技术领域

本说明书一个或多个实施例涉及汽车技术领域，尤其涉及一种车辆保护系统及方法。

背景技术

当车主离开车时，经常有一些人或动物对车辆进行破坏，从而对车主造成一定的时间、经济损失。实时拍摄车辆周围视频，当有车辆被破坏或者入侵时，由车主进行事后报警追责，其问题在于不能及时保护车辆不被破坏、不被偷盗，其二事后追责时间周期长、成功率低。通过车顶安全气囊保护车辆上方高空坠物，此方式在一定程度上有效保护车辆，但问题在于无法保护车辆四周的人为破坏。

发明内容

有鉴于此，本说明书一个或多个实施例的目的在于提出一种车辆保护系统及方法，降低车辆停放时的风险。

第一方面，提供了一种车辆保护方法，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。

在上述技术方案中，通过采用对车辆周边的图像信息，并根据图像信息分析爱车辆周围环境的风险，基于该风险等级，对车辆进行防护，并在风险等级较高时，提醒用户，提高车辆的安全。

在一个具体的可实施方案中，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。

在一个具体的可实施方案中，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。

在一个具体的可实施方案中，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。

在一个具体的可实施方案中，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。

在一个具体的可实施方案中，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。

第二方面，提供了一种车辆保护系统，该保护系统包括：

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。

在一个具体的可实施方案中，所述信息采集模块包括摄像装置和传感装置。

在一个具体的可实施方案中，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。