[发明专利]一种基于行车记录仪的雨刮控制系统及其方法

权利要求书

1.一种基于行车记录仪的雨刮控制方法，其特征在于：包括以下步骤：

步骤1、通过行车记录仪进行持续性的摄像，并定时对图像进行截取，然后将截取后的图像传输至分析处理模块内，进行画面分析处理；

步骤2、将分析处理后的结果与预先设置的数据进行比对，判断汽车外部是否符合下雨的条件，然后在行车记录仪内设置驱动模块，将驱动模块与汽车雨刮器进行连接，当处理后的结果与预先设置的数据相差较小符合下雨条件时，通过驱动模块控制汽车雨刮器执行刮雨动作；

步骤3、在汽车雨刮器执行过程中，行车记录仪继续定时对图像进行截取，然后将截取后的图像传输至分析处理模块内，进行画面分析处理，当处理后的结果与预先设置的数据相差较大不符合下雨的条件时，驱动模块控制汽车雨刮器停止工作；

步骤4、行车记录仪截取的图像统一传输至存储模块内，并在存储模块内设置自动删除单元，对截取的图像进行定时删除；

步骤5、在驱动模块内设置调节单元，使其能够根据外部雨势的大小调节汽车雨刮器摆动的速度，然后在行车记录仪内安装有摄像头控制单元，使行车记录仪能够在汽车启动时对前挡风玻璃进行全面检测，当检测到一些污垢时，通过驱动模块控制汽车雨刷器进行喷水并进行扫动，对污垢进行清理。

2.根据权利要求1所述的一种基于行车记录仪的雨刮控制方法，其特征在于：对所述图像进行截取的时间间隔为20-50s，所述自动删除单元对截取的图像进行删除的时间间隔为3-5min。

3.根据权利要求1所述的一种基于行车记录仪的雨刮控制方法，其特征在于：所述分析处理模块、驱动模块、存储模块、调节单元和控制单元均集成设置于行车记录仪的内部。

4.根据权利要求1所述的一种基于行车记录仪的雨刮控制方法，其特征在于：所述分析处理模块内预先存储有深度学习卷积神经网络模型，并能够调用所述深度学习卷积神经网络模型与截取后的图像进行比对，并根据比对的结果输出对应的降雨强度信号。

5.根据权利要求4所述的一种基于行车记录仪的雨刮控制方法，其特征在于：所述深度学习卷积神经网络模型为SqueezeDet模型。

6.一种基于行车记录仪的雨刮控制系统，其特征在于：包括行车记录仪、分析处理模块、驱动模块，所述驱动模块内设置有调节单元，所述驱动模块与汽车雨刮器连接，所述行车记录仪内设置有摄像头控制单元和时间控制模块。

7.根据权利要求6所述的一种基于行车记录仪的雨刮控制系统，其特征在于：所述驱动模块通过可拆卸式连接线与汽车雨刮器连接。