路況氣候深度學(xué)習(xí)及識(shí)別方法和裝置的制造方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于路況氣候識(shí)別領(lǐng)域，涉及一種對(duì)于路況氣候識(shí)別的方法和裝置。
【背景技術(shù)】
[0002]近年來(lái)4G車聯(lián)網(wǎng)引起了許多汽車企業(yè)與科技公司的重視，使得眾多科研機(jī)構(gòu)與企業(yè)研發(fā)中心都投入巨大的精力來(lái)研發(fā)相關(guān)產(chǎn)品。尤其在汽車的輔助駕駛與車載娛樂(lè)方面，更是吸引了一大批初創(chuàng)公司與科研人員的青睞。目前依托4G車聯(lián)網(wǎng)，可以將車載傳感器采集得到的信息傳給遠(yuǎn)程的服務(wù)器端處理，這樣降低了車載終端的處理壓力，同時(shí)可以實(shí)時(shí)地從服務(wù)端獲取其他有用信息給車載終端，以幫助駕駛?cè)藛T更安全便利地享受駕駛的樂(lè)趣。但是，目前的汽車輔助駕駛或主動(dòng)駕駛乃至無(wú)人駕駛中，還不能很好的分辨路況氣候信息(雨天路況、雪天路況、晴天路況、夜晚路況等)，這樣使得在不同路況氣候下的輔助駕駛或主動(dòng)駕駛等都存在一定的風(fēng)險(xiǎn)。

【發(fā)明內(nèi)容】

[0003]為了解決快速、高精度對(duì)路況氣候的識(shí)別問(wèn)題，本發(fā)明提出了一種路況氣候深度學(xué)習(xí)及識(shí)別方法和裝置，可實(shí)現(xiàn)云端學(xué)習(xí)、終端識(shí)別的快速、高精度識(shí)別效果。
[0004]為了實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案是:一種路況氣候深度學(xué)習(xí)及識(shí)別方法，包括:
[0005]S1.車載視覺(jué)傳感器采集路況氣候場(chǎng)景圖像，并將圖像數(shù)據(jù)發(fā)送至云端服務(wù)器；
[0006]S2.云端服務(wù)器將接收的路況氣候場(chǎng)景圖像數(shù)據(jù)分發(fā)給CNNs學(xué)習(xí)模型，訓(xùn)練得到深度圖像特征分類器；
[0007]S3.深度圖像特征分類器發(fā)送至車載識(shí)別終端以識(shí)別車載視覺(jué)傳感器新采集到的路況氣候場(chǎng)景圖像所反應(yīng)的路況氣候場(chǎng)景。
[0008]進(jìn)一步的，所述方法還包括:
[0009]S4.車載識(shí)別終端場(chǎng)景識(shí)別失敗，則將車載視覺(jué)傳感器當(dāng)前采集的路況氣候場(chǎng)景圖像數(shù)據(jù)標(biāo)記并傳輸至云端服務(wù)器，云端服務(wù)器將接收的路況氣候場(chǎng)景圖像數(shù)據(jù)分發(fā)給CNNs學(xué)習(xí)模型，訓(xùn)練得到新的深度圖像特征分類器，該新的深度圖像特征分類器發(fā)送至車載識(shí)別終端并替換在先深度圖像特征分類器。
[0010]進(jìn)一步的，所述的各數(shù)據(jù)的傳輸使用車聯(lián)網(wǎng)4G通信模塊實(shí)現(xiàn)。
[0011 ]進(jìn)一步的，車載識(shí)別終端識(shí)別出當(dāng)前路況氣候，則將識(shí)別信息發(fā)送至控制終端，由控制終端提示車主當(dāng)前路況氣候。
[0012]進(jìn)一步的，所述提示可為語(yǔ)音提示、屏幕顯示提示中的任意種或其組合。
[0013]進(jìn)一步的，所述的路況氣候包括雨天、雪天、晴天、黑天種的任意種或其組合。
[0014]本發(fā)明還涉及一種路況氣候深度學(xué)習(xí)及識(shí)別裝置，包括:車載視覺(jué)傳感器，其采集路況氣候場(chǎng)景圖像，并將圖像數(shù)據(jù)發(fā)送至云端服務(wù)器;所述云端服務(wù)器將接收的路況氣候場(chǎng)景圖像數(shù)據(jù)分發(fā)給CNNs學(xué)習(xí)模型，訓(xùn)練得到深度圖像特征分類器;所述深度圖像特征分類器被發(fā)送至車載識(shí)別終端以識(shí)別車載視覺(jué)傳感器新采集到的路況氣候場(chǎng)景圖像所反應(yīng)的路況氣候場(chǎng)景。
[0015]進(jìn)一步的，所述系統(tǒng)中的車載識(shí)別終端場(chǎng)景識(shí)別失敗，則將車載視覺(jué)傳感器當(dāng)前采集的路況氣候場(chǎng)景圖像數(shù)據(jù)標(biāo)記并傳輸至云端服務(wù)器，云端服務(wù)器將接收的路況氣候場(chǎng)景圖像數(shù)據(jù)分發(fā)給CNNs學(xué)習(xí)模型，訓(xùn)練得到新的深度圖像特征分類器，該新的深度圖像特征分類器發(fā)送至車載識(shí)別終端并替換在先深度圖像特征分類器。
[0016]進(jìn)一步的，所述的各數(shù)據(jù)的傳輸使用車聯(lián)網(wǎng)4G通信模塊實(shí)現(xiàn)。
[0017]進(jìn)一步的，車載識(shí)別終端識(shí)別出當(dāng)前路況氣候，則將識(shí)別信息發(fā)送至控制終端，由控制終端提示車主當(dāng)前路況氣候。
[0018]有益效果:本發(fā)明實(shí)現(xiàn)了車載拍攝的氣候場(chǎng)景圖像的學(xué)習(xí)與訓(xùn)練，并得到深度圖像特征分類器，其應(yīng)用于車載識(shí)別終端，直接對(duì)路況氣候場(chǎng)景識(shí)別，即實(shí)現(xiàn)了一種云端學(xué)習(xí)，終端識(shí)別的學(xué)習(xí)與識(shí)別路況氣候的模式，該種模式降低了車載終端終端的數(shù)據(jù)處理壓力，且得到了一種便捷、快速和高精度的識(shí)別方法。其高精度的識(shí)別效果來(lái)自于使用CNNs學(xué)習(xí)訓(xùn)練深度圖像特征分類器，而將深度圖像特征分類器發(fā)送至終端，在終端直接識(shí)別，則產(chǎn)生了便捷和快速的優(yōu)點(diǎn)。
【附圖說(shuō)明】
[0019]圖1為本發(fā)明實(shí)施例6中的學(xué)習(xí)方法的流程圖；
[0020]圖2為本發(fā)明實(shí)施例6中的識(shí)別方法的流程圖。
【具體實(shí)施方式】
[0021]實(shí)施例1:一種路況氣候深度學(xué)習(xí)及識(shí)別方法，包括:S1.車載視覺(jué)傳感器采集路況氣候場(chǎng)景圖像，并將圖像數(shù)據(jù)發(fā)送至云端服務(wù)器;S2.云端服務(wù)器將接收的路況氣候場(chǎng)景圖像數(shù)據(jù)分發(fā)給CNNs學(xué)習(xí)模型，進(jìn)行分布式并行計(jì)算，訓(xùn)練得到深度圖像特征分類器，由于車載視覺(jué)傳感器傳給云端服務(wù)器的數(shù)據(jù)量非常大，普通的服務(wù)器很難具備這樣的計(jì)算能力，所以需要許多服務(wù)器聯(lián)合起來(lái)，也就是進(jìn)行分布式并行計(jì)算，從而解決數(shù)據(jù)量過(guò)大難以計(jì)算的問(wèn)題。S3.深度圖像特征分類器發(fā)送至車載識(shí)別終端以識(shí)別車載視覺(jué)傳感器新采集到的路況氣候場(chǎng)景圖像所反應(yīng)的路況氣候場(chǎng)景。所述的路況氣候優(yōu)選包括雨天、雪天、晴天、黑天種的任意種或其組合，還可以是其它本領(lǐng)域技術(shù)人員可列舉或可由訓(xùn)練識(shí)別的路況氣候。
[0022]該技術(shù)方案中，實(shí)現(xiàn)了車載拍攝的氣候場(chǎng)景圖像的學(xué)習(xí)與訓(xùn)練，并得到深度圖像特征分類器，其應(yīng)用于車載識(shí)別終端，直接對(duì)路況氣候場(chǎng)景識(shí)別，即實(shí)現(xiàn)了一種云端學(xué)習(xí)，終端識(shí)別的學(xué)習(xí)與識(shí)別路況氣候的模式，該種模式降低了車載終端終端的數(shù)據(jù)處理壓力，且得到了一種便捷、快速和高精度的識(shí)別方法。其高精度的識(shí)別效果來(lái)自于使用CNNs學(xué)習(xí)訓(xùn)練深度圖像特征分類器，而將深度圖像特征分類器發(fā)送至終端，在終端直接識(shí)別，則產(chǎn)生了便捷和快速的優(yōu)點(diǎn)。
[0023]實(shí)施例2:具有與實(shí)施例1相同的技術(shù)方案，更為具體的是:所述方法還包括:S4.車載識(shí)別終端場(chǎng)景識(shí)別失敗，則將車載視覺(jué)傳感器當(dāng)前采集的路況氣候場(chǎng)景圖像數(shù)據(jù)標(biāo)記并傳輸至云端服務(wù)器，云端服務(wù)器將接收的路況氣候場(chǎng)景圖像數(shù)據(jù)分發(fā)給CNNs學(xué)習(xí)模型，訓(xùn)練得到新的深度圖像特征分類器，該新的深度圖像特征分類器發(fā)送至車載識(shí)別終端并替換在先深度圖像特征分類器。
[0024]該種技術(shù)方案，使得學(xué)習(xí)與識(shí)別處于交替且不間斷的狀態(tài)，實(shí)時(shí)更新深度訓(xùn)練分類器，逐步強(qiáng)化分類器可識(shí)別的路況場(chǎng)景數(shù)量與能力，將海量車輛路況圖像采集作為持續(xù)學(xué)習(xí)的來(lái)源，實(shí)時(shí)將識(shí)別作為一種學(xué)習(xí)的數(shù)據(jù)支持，使得該方法的實(shí)現(xiàn)，可以持續(xù)更新，并不斷完善。
[0025]此外，當(dāng)車載終端的深度圖像特征分類器具有很高的識(shí)別能力時(shí)，還可相應(yīng)地減少給云端服務(wù)器傳送數(shù)據(jù)的比例。相交于現(xiàn)有的實(shí)時(shí)要么完全依靠云端服務(wù)器或者完全依靠車載終端實(shí)現(xiàn)的學(xué)習(xí)與識(shí)別的方法，該手段在數(shù)據(jù)傳輸、學(xué)習(xí)精度、識(shí)別速度方法均具有突出的效果。
[0026]作為實(shí)施例1和2的優(yōu)選技術(shù)方案，所述的各數(shù)據(jù)的傳輸使用車聯(lián)網(wǎng)4G通信模塊實(shí)現(xiàn)。還可以由其它通訊手段實(shí)現(xiàn)數(shù)據(jù)傳輸。
[0027]該技術(shù)方案中對(duì)數(shù)據(jù)傳輸方式進(jìn)行了進(jìn)一步限定，4G車聯(lián)網(wǎng)給車輛的所帶來(lái)的通信便利非?？捎^，使用該種技術(shù)手段實(shí)現(xiàn)，以配合學(xué)習(xí)和識(shí)別步驟，在傳輸速度和識(shí)別速度上，都具有了一定的保障。而4G技術(shù)與云計(jì)算的協(xié)同配合，使得自動(dòng)駕駛、輔助駕駛、主動(dòng)駕駛的改進(jìn)具有了進(jìn)一步的技術(shù)支持，而本技術(shù)方案可以解決對(duì)于路況氣候的高精度、快速識(shí)別，特別為自動(dòng)駕駛提供了基礎(chǔ)數(shù)據(jù)支持，比如，識(shí)別出路況場(chǎng)景時(shí)，自動(dòng)駕駛中會(huì)依此制定或改變駕駛策略。
[0028]實(shí)施例3:具有與實(shí)施例1或2相同的技術(shù)方案，更為具體的是:車載識(shí)別終端識(shí)別出當(dāng)前路況氣候，則將識(shí)別信息發(fā)送至控制終端，由控制終端提示車主當(dāng)前路況氣候。其一優(yōu)選方案是:所述提示可為語(yǔ)音提示、屏幕顯示提示中的任意種或其組合。該種技術(shù)方案的實(shí)現(xiàn)，使得對(duì)于司機(jī)可給予提示，便于司機(jī)主動(dòng)掌握當(dāng)前行駛過(guò)程中的路況實(shí)時(shí)氣候，指定相應(yīng)的行車安排與策略。
[0029]實(shí)施例4:一種路況氣候深度學(xué)習(xí)及識(shí)別裝置，包括車載視覺(jué)傳感器，其采集路況氣候場(chǎng)景圖像，并將圖像數(shù)據(jù)發(fā)送至云端服務(wù)器;深度學(xué)習(xí)與訓(xùn)練單元，云端服務(wù)器將接收的路況氣候場(chǎng)景圖像數(shù)據(jù)分發(fā)給CNNs學(xué)習(xí)模型，進(jìn)行分布式并行計(jì)算，分布式并行計(jì)算的目的是增強(qiáng)計(jì)算能力并提高計(jì)算速