(19)中华 人民共和国 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 202111674143.7 (22)申请日 2021.12.31 (71)申请人 成都路行通信息技 术有限公司 地址 610041 四川省成 都市中国 （四川） 自 由贸易试验区成都高新区天府大道中 段530号1幢14层1402号 (72)发明人 唐溢　丁文忠　陈剑波　 (74)专利代理 机构 成都九鼎天元知识产权代理 有限公司 51214 代理人 阳佑虹 (51)Int.Cl. G06K 9/00(2022.01) G06K 9/62(2022.01) G08G 1/01(2006.01) (54)发明名称 一种基于特征时域匹配的车辆碰撞检测方 法及系统 (57)摘要 本发明提供了一种基于特征时域匹配的车 辆碰撞检测方法及系统， 方法包括S1： 采用自适 应数据采样算法， 获取实时上传的高频数据包； S2： 局部异常检测， 判断是否有局部异常点， 当存 在局部异常点时， 对数据进行多维度特征处理， 获得特征集合； S3： 通过构建的历史特征数据库 进行特征匹配， 计算相似距离； S4： 获得最小相似 距离输入到碰撞评估模型中输出碰撞检测结果； 系统包括至少一个 设备端、 碰撞检测端和历史特 征数据库。 本发 明通过自适应数据采集算法采集 数据， 减少数据采集压力， 通过不同维度进行特 征的提取和融合， 解决了特征提取维度单一问 题， 并通过构建历史特征数据库进行匹配检测， 提高车辆 碰撞检测的精确度。 权利要求书2页 说明书5页 附图3页 CN 114330449 A 2022.04.12 CN 114330449 A 1.一种基于特 征时域匹配的车辆 碰撞检测方法， 其特 征在于， 包括： S1： 采用自适应数据采样算法， 获取实时上传的高频 数据包； S2： 根据所述高频数据包， 进行局部异常检测， 判断是否有局部异常点， 当存在局部异 常点时， 对数据进行多维度特 征处理， 获得特征集合， 否则结束； S3： 基于所述特征集合， 与预先构建的历史特征数据库中的数据进行特征匹配， 计算相 似距离， 获取 所述历史特 征数据库中相似度最高的历史数据； S4： 将与所述历史特征数据库进行计算匹配得到的最小相似距离输入到碰撞评估模型 中输出碰撞检测结果。 2.根据权利要求1所述的车辆碰撞检测方法， 其特征在于， 步骤S2中， 所述多维度特征 处理包括第一预处理和第二预 处理， 所述第一预 处理采用不同特征提取方法获得多维度的 特征， 所述第二预处理对所述第一预处理输出 的多维度特征进行融合和降维操作， 构建输 出特征集合。 3.根据权利要求2所述的车辆碰撞检测方法， 其特征在于， 所述第 一预处理的特征提取 方法， 包括深度学习自编码、 统计方法、 线性变换。 4.根据权利要求2所述的车辆碰撞检测方法， 其特征在于， 所述第二预处理采用PCA主 成分分析算法将所述第一预处 理得到的不同类特 征进行特征融合。 5.根据权利要求1所述的车辆碰撞检测方法， 其特征在于， 所述历史特征数据库， 构建 过程如下： 在各个车辆所属设备进行局部异常检测， 获取 预设时间段内相对异常的高频 数据包； 并对得到的高频数据包进行特征处理， 提取每个异常的高频数据包特征集合， 进行存 储， 得到历史特 征数据库。 6.根据权利要求1所述的车辆碰撞检测方法， 其特征在于， 所述自适应数据采样算法， 具体如下： 实时检测采样装置或车辆 碰撞检测装置， 是否 输出碰撞信号； 若未输出碰撞信号， 则进行低频采样， 若输出碰撞信号， 则进行高频采样。 7.根据权利要求1所述的车辆碰撞检测方法， 其特征在于， 在步骤S4中， 所述碰撞检测 结果， 具体 计算过程如下： S401： 获取最小相似距离在历史异常数据库中从大到小的排名rank、 rank所处的分位 数rankq， 以及车辆在预设时间段内的平均速度avg_spe ed； S402： 将所述排名rank以及对应分位数rankq， 计算获得评估 参数size， 并计算碰撞检测 分值， 计算公式如下： 其中， a为设定的比例参数， 取值 为10。 8.根据权利要求1 ‑7任一所述的车辆碰撞检测方法， 其特征在于， 步骤S2中， 获得实时 高频数据包后， 解析处预定时长轨迹段中各高频采样点的传感器数据， 并分别对解析结果权　利　要　求　书 1/2 页 2 CN 114330449 A 2进行向量 化处理。 9.一种基于特征时域匹配的车辆碰撞检测系统， 其特征在于， 包括至少一个设备端、 碰 撞检测端和历史特征数据库， 所述设备端与所述碰撞检测端数据连接， 实时上传设备端采 集的数据包， 所述设备端设有至少一个碰撞检测装置， 根据所述碰撞检测装置的检测结果， 进行高频采样或低频采样， 并将高频采样的数据上传至所述碰撞检测端； 所述碰撞检测端包括特 征提取和融合模块、 特 征匹配模块以及碰撞评估 模块； 所述特征提取和融合模块， 存储有深度 学习自编码模型算法、 统计算法、 线性变换算法 以及PCA主成分分析算法， 用于解析并提取设备端上传的高频采样数据， 获得多维度特征， 并对所述多维度特 征进行融合； 所述特征匹配模块用于将特征融合数据与 所述历史特征数据库中的数据进行匹配， 并 计算相似距离； 所述历史特征数据库存储有预设时间段的异常数据， 离线在数据端， 所述数据端与所 述碰撞检测端连接 。权　利　要　求　书 2/2 页 3 CN 114330449 A 3