(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211223591.X (22)申请日 2022.10.08 (71)申请人 安徽锦禹汽车销售服 务有限公司 地址 230000 安徽省合肥市高新区望江西 路539号鲲鹏国际广场6＃320 (72)发明人 邵赟　高炜　张旭　 (51)Int.Cl. G06V 20/40(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/764(2022.01) G06V 10/82(2022.01) (54)发明名称 一种基于人工智能的车辆运行风险检测方 法及系统 (57)摘要 本发明提供了一种基于人工智能的车辆运 行风险检测方法及系统， 涉及人工智能技术领 域， 包括对 车辆的运行视频信息和车辆设备的参 数信息进行风险识别， 其中通过对视频信息中不 同区域的车辆外部图像进行分类处理， 这样可以 进行多个图像同时进行检测， 快速判断每个图像 内的车辆外部风险， 减少计算时间， 增加检测 效 率， 并且本发 明还通过对车辆设备的参数信息进 行检测， 判断内部参数的变化情况， 针对于内部 参数的变化情况是否会导致车辆运行风险的产 生， 进而为车辆运行风险进行一个预测， 并针对 预测得到的车辆运行风险进行 预警。 权利要求书3页 说明书8页 附图2页 CN 115424183 A 2022.12.02 CN 115424183 A 1.一种基于人工智能的车辆运行风险检测方法， 其特 征在于， 包括： 获取至少两个时间段的车辆运行视频信 息和车辆设备的参数信 息， 所述车辆设备的参 数信息包括车辆设备的温度信息、 车辆设备的湿度信息和车辆设备受到的压力 信息； 将所有的所述车辆运行视频信 息进行轮廓识别处理， 并将轮廓识别处理后的车辆运行 视频信息的进行分类， 得到 至少一个车辆图像的轮廓图像信息； 将所述车辆 图像的轮廓图像信息进行风险识别处理， 得到第一信息， 所述第一信息包 括所有车辆图像的轮廓图像信息中车辆的外部运行风险特征和所述外部运行风险特征对 应的风险等级信息； 将所述车辆设备的参数信息进行统计处理和回归分析， 得到第二信息， 所述第二信息 包括车辆设备的内部运行风险特 征和所述内部运行风险对应的风险等级信息； 将所述第一信 息和第二信息基于预设的风险值计算公式进行筛选， 得到车辆的运行风 险。 2.根据权利要求1所述的基于人工智能的车辆运行风险检测方法， 其特征在于,所述将 所有的所述车辆运行视频信息进 行轮廓识别处理， 并将 轮廓识别处理后的车辆运行视频信 息的进行分类， 包括： 将所有的所述车辆运行视频信 息进行图像增强处理， 并将增强处理后的每帧车辆运行 视频信息进行图像识别， 得到每帧车辆运行视频信息中的车辆图像； 将每帧所述车辆运行视频信 息中的车辆图像进行轮廓识别处理， 得到所述车辆图像的 轮廓信息， 所述车辆图像的轮廓信息包括车体图像的轮廓信息、 轮胎图像的轮廓信息、 车窗 图像的轮廓信息和车灯图像的轮廓信息； 将所述车辆 图像的轮廓信息进行标记序号， 并将标记序号后的轮廓信息进行分类， 得 到至少一个车辆图像的轮廓信息 。 3.根据权利要求2所述的基于人工智能的车辆运行风险检测方法， 其特征在于,所述将 每帧所述车辆运行视频信息中的车辆图像进行轮廓识别处 理， 包括： 将每帧所述车辆运行视频信 息中的车辆图像进行灰度变换， 得到所有车辆图像的灰度 图像， 并按照将所述灰度图像内的同一灰度值的像素点进行连线， 其中采用线性插值法对 所述连线 进行插值处 理， 得到至少四个 轮廓图像； 将所有的所述轮廓图像进行框选， 并将框选后的轮廓图像建立直角坐标系， 其中将以 框选采用的目标框的左下角作为坐标原点， 框选后的轮廓图像内的像素点作为坐标点， 得 到所述轮廓图像的坐标值； 基于所有的所述轮廓图像的像素点坐标值进行判断， 得到包含区域范围为最大范围的 轮廓图像， 并将所述包 含区域范围为 最大范围的轮廓图像作为车辆图像的轮廓图像。 4.根据权利要求1所述的基于人工智能的车辆运行风险检测方法， 其特征在于,将所述 车辆图像的轮廓图像信息进行风险识别处 理， 得到第一信息， 包括： 将所述车辆图像的轮廓图像信 息和预设的历史车辆图像的轮廓图像进行对比， 得到轮 廓差异图像； 将所述轮廓差异图像的位置进行识别， 得到轮廓差异图像对应的轮廓图像信息标号； 将所述轮廓图像信 息标号按照预设的风险识别分析表进行识别分析， 得到车辆的外部 运行风险特 征；权　利　要　求　书 1/3 页 2 CN 115424183 A 2将所述车辆外部运行风险特征与 预设的历史风险事故数据进行关联分析， 得到每个所 述车辆的外部运行风险特征与所述历史风险事故数据的关联度值， 并按照从大到小的顺序 所述关联度值进行分级， 得到车辆的外 部运行风险特 征对应的等级信息 。 5.根据权利要求1所述的基于人工智能的车辆运行风险检测方法， 其特征在于,将所述 车辆设备的参数信息进行统计处 理和回归分析， 得到第二信息， 包括： 将所有的车辆设备的参数信 息按照预设的时间序列进行分段统计， 得到至少两个时间 段的车辆设备的参数信息； 将所述至少两个时间段的车辆设备的参数信 息分为拟合集和验证集， 并将所述拟合集 和验证集输入时间序列预测模型进行回归分析和拟合， 拟合得到车辆设备的预估参数信 息； 将所述参数信 息和所述预估参数信 息进行组合， 并将组合得到的参数数据与 预设的第 一阈值进行对比， 得到 至少一个 类别的内部运行风险特 征； 基于所述内部运行风险特征对应的参数数据与 所述预设的第 一阈值的比值， 确定每个 所述内部运行风险特 征的风险等级。 6.一种基于人工智能的车辆运行风险检测系统， 其特 征在于， 包括： 第一获取单元， 用于获取至少两个时间段的车辆运行视频信息和车辆设备的参数信 息， 所述车辆设备 的参数信息包括车辆设备 的温度信息、 车辆设备 的湿度信息和车辆设备 受到的压力 信息； 第一处理单元， 用于将所有的所述车辆运行视频信息进行轮廓识别处理， 并将轮廓识 别处理后的车辆运行视频信息的进行分类， 得到 至少一个车辆图像的轮廓图像信息； 第二处理单元， 用于将所述车辆 图像的轮廓图像信息进行风险识别处理， 得到第一信 息， 所述第一信息包括所有车辆图像的轮廓图像信息中车辆的外部运行风险特征和所述外 部运行风险特 征对应的风险等级信息； 第三处理单元， 用于将所述车辆设备的参数信息进行统计处理和回归分析， 得到第二 信息， 所述第二信息包括车辆 设备的内部运行风险特征和所述内部运行风险对应的风险等 级信息； 第四处理单元， 用于将所述第一信息和第二信息基于预设的风险值计算公式进行筛 选， 得到车辆的运行风险。 7.根据权利要求6所述的基于人工智能的车辆运行风险检测系统， 其特征在于， 所述系 统包括： 第一处理子单元， 用于将所有的所述车辆运行视频信息进行图像增强处理， 并将增强 处理后的每帧车辆运行视频信息进行图像识别， 得到每帧车辆运行视频信息中的车辆图 像； 第二处理子单元， 用于将每帧所述车辆运行视频信息中的车辆图像进行轮廓识别处 理， 得到所述车辆图像的轮廓信息， 所述车辆图像的轮廓信息包括车体图像的轮廓信息、 轮 胎图像的轮廓信息、 车窗图像的轮廓信息和车灯图像的轮廓信息； 第三处理子单元， 用于将所述车辆 图像的轮廓信息进行标记序号， 并将标记序号后的 轮廓信息进行分类， 得到 至少一个车辆图像的轮廓信息 。 8.根据权利要求7所述的基于人工智能的车辆运行风险检测系统， 其特征在于， 所述系权　利　要　求　书 2/3 页 3 CN 115424183 A 3