[发明专利]一种基于深度学习的交通事故责任评估方法及装置

权利要求书

1.一种基于深度学习的交通事故责任评估方法，其特征在于，包括以下步骤：

S100，数据采集：由行车记录仪获取本车行车数据打包后获得行车记录数据包，由道路监控设备监控车辆行驶并将车辆监控数据打包并标记标签获得车辆监控数据包，并将所有数据包均传送至管理服务器的数据库储存；

S200，数据调取：录入发生事故的车辆信息，从数据库中调取相应的行车记录数据包和道路监控数据包；并将行车记录数据包和道路监控数据包进行分解处理，获得事故车辆数据；

S300，模型构建：将统计的历史交通事故数据和实测的交通事故数据作为训练集，通过神经网络算法训练交通事故责任评估模型；

S400，事故评估：将事故车辆数据输入交通事故责任评估模型，由交通事故责任评估模型输出得到事故责任评估结果；

S500，结果获取：将所述事故责任评估结果和事故车辆数据打包发送给用户端。

2.根据权利要求1所述的一种基于深度学习的交通事故责任评估方法，其特征在于，在步骤S100中，行车记录仪获取本车行车数据打包后获得行车记录数据包，具体包括以下步骤：

S111，通过行车记录仪获取行车过程中的视频数据；

S112，将视频数据通过视频帧进行划分获得行车图像；

S113，通过图像文字识别方法识别行车图像中的车牌号；

S114，将车牌号相同的行车图像所构成的视频数据进行打包处理并由车牌号作为标签标记，获得行车记录数据包。

3.根据权利要求2所述的一种基于深度学习的交通事故责任评估方法，其特征在于，步骤S114中将车牌号相同的行车图像前后的视频帧和行车图像的视频帧一起打包构成行车记录数据包。

4.根据权利要求1所述的一种基于深度学习的交通事故责任评估方法，其特征在于，在步骤S100中，道路监控设备监控车辆行驶并将车辆监控数据打包并标记标签获得车辆监控数据包，具体包括以下步骤：

S121，通过道路监控设备获取监控范围内监控视频数据；

S122，将监控视频数据通过视频帧进行划分获得监控图像；

S123，通过图像文字识别方法识别得监控图像中的车牌号；

S124，将同一车牌号下的监控视频数据进行打包处理并由车牌号作为标签标记，获得车辆监控数据包。

5.根据权利要求4所述的一种基于深度学习的交通事故责任评估方法，其特征在于，步骤S124中将车牌号相同的监控图像前后的视频帧和监控图像的视频帧一起打包构成车辆监控数据包。

6.根据权利要求1所述的一种基于深度学习的交通事故责任评估方法，其特征在于，在步骤S200中数据调取具体包括以下步骤：

S201，当发生交通事故后，通过用户端录入事故车辆的车牌号；

S202，通过车牌号从数据库中调取事故双方的行车记录数据包和与车牌号相匹配的道路监控数据包；

S203，从所调取的行车记录数据包中获取事故车辆的行车视频数据，作为事故车辆数据；

S204，从道路监控数据包中获取事故车辆的监控视频数据，并根据车牌号标签提取出事故车辆双方车辆共有的监控视频数据，作为事故车辆数据。

7.根据权利要求1所述的一种基于深度学习的交通事故责任评估方法，其特征在于，步骤S300中模型构建具体包括以下步骤：

S301，统计的历史交通事故数据，获取实测的交通事故数据，将交通事故数据作为训练集；

S302，根据预先设定的多个事故评估指标变量与交通事故规则的关系构建交通事故责任评估算法，并通过深度学习神经网络算法，由训练集训练获得交通事故责任评估模型。

8.根据权利要求7所述的一种基于深度学习的交通事故责任评估方法，其特征在于，将事故责任评估结果反馈给交通事故责任评估模型，对交通事故责任评估模型进行优化训练。