[发明专利]基于云服务与深度神经网络的车内环境监测预警方法

说明书

本发明属于信息处理技术领域，公开了一种基于云服务与深度神经网络的车内环境监测预警方法，当有人进入汽车室内时，人体红外检测模块检测到信息；检测到的实时数据通过5G无线网络传输到智能物联云平台，智能云的数据库服务器进行云存储与备份操作，内容管理服务器进行云计算和大数据聚类分析数据挖掘操作。本发明利用智能云对汽车室内空气实时监测，在云端利用提出的基于逻辑回归最优化模型的警报信息等级分类算法对车主面临的危险进行精准的划分危险等级，并利用设计的系统自适应深度强化学习算法做出决策；在云端采用提出的Pyecharts‑Based可视化算法对海量数据进行统计分析，并对所有车主用户提供独立安全的可视化服务。

技术领域

本发明属于信息处理技术领域，尤其涉及一种基于云服务与深度神经网络的车内环境监测预警方法。

背景技术

目前，业内常用的现有技术是这样的：汽车内死亡的事件除了交通事故之外，还有一个很大的导致因素----汽车室内的环境----空气(一氧化碳气体超标，甲醛超标)、温度(温度超过人体承受极限：最易受害群体：老人与婴幼儿)。面对汽车室内的危险因素，设计并实现一种基于物联网和深度强化学习算法的车内环境检测报警方法与系统，精确的检测一氧化碳气体、甲醛浓度，车内温湿度，并对其超标进行及时的报警是极其有必要的。

传统的中高档级别以下的汽车以及部分中高档级别以上的汽车是没有汽车室内危险气体检测和报警功能的。目前，社会中已有的车内空气安全检测系统，一氧化碳报警器，甲醛报警器等都是单一的系统或设备，不能智能的检测与对数据进行精准的存储分析(将数据开放给第三方进行深层的数据挖掘)，并智能远程报警。这是因为器件本身的硬件结构导致，如：一氧化碳报警器，甲醛报警器，器件的核心是单片机，单片机存储器有两种，ROM和RAM，即程序存储器和数据存储器，前者是用来永久保存被下载的程序文件，后者又称为闪存，即只能在单片机被供电工作时临时保存运行数据，并且工业界使用的单片机中的RAM的最大存储容量只有128字节，无法满足大量实时数据进行存储，以及进一步分析的需求。另外，为了降低器件成本，器件本身没有与因特网连接的网络通信模块，故其自身无法进行数据的分析以及远程报警。然而，我们提出的基于云服务与深度神经网络的车内环境预警方法，第一可以实现对车内实时以及过去的海量的数据的准确分析；第二，可以在车内环境对人产生危害时，进行远程报警，保护车主或乘车人的健康与生命。目前用于防止汽车疲劳驾驶的汽车辅助驾驶系统由于技术复杂，这是因为对于疲劳状态的感知是非常困难的，现有的技术采用图像处理器采集人脸图像，通过判读人脸以及眼睛的局部特征做出车主的状态判断，但是这对于数字图像的处理与分析要求极其高，需要成本昂贵的数字信号处理器才能实现；有的依托于高清摄像头的实时监测，通过捕捉车主的姿势的特征，运用卷积神经网络进行深度学习，来判断车主的是否属于疲劳驾驶，但是，一是因为训练的人体姿势的样本数量有限，还处于初步研发阶段；二是因为既需要容量很大的存储器对大量视频进行存储，又需要先进的处理器针对运算数据进行分析，更加增加了成本，不宜于在社会上迅速推广。

综上所述，现有技术存在的问题是：

(1)目前，社会中已有的车内空气安全检测系统不能智能的检测与对数据进行精准的存储分析并智能远程报警。

(2)目前用于防止汽车疲劳驾驶的汽车辅助驾驶系统由于技术复杂，依托于高清摄像头的实时监测，成本高，运用卷积神经网络进行深度学习，训练的人体姿势的样本数量有限，还处于初步研发阶段，不宜于在社会上迅速推广。

解决上述技术问题的难度：第一，如何采集车内环境状态数据；第二，如何确定危险阈值；第三，如何针对车内的场景状态数据进行智能决策。