(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 202210545701.8 (22)申请日 2022.05.19 (71)申请人 一汽解放汽车有限公司 地址 130011 吉林省长 春市汽车开发区东 风大街2259号 (72)发明人 张海涛　邵亚辉　郑岩　刘传　 赵超　梁亚丽　李木子　王柏淇　 张跃华　陈浩　姜佳成　李新雨　 周婉莹　 (74)专利代理 机构 华进联合专利商标代理有限 公司 44224 专利代理师 聂榕 (51)Int.Cl. G06V 20/40(2022.01) G06V 10/80(2022.01) (54)发明名称 车辆场景预警决策方法、 装置、 计算机设备 和存储介质 (57)摘要 本申请涉及一种车辆场景预警决策方法、 装 置、 计算机设备和存储介质。 所述方法包括： 获取 车辆的车况数据序列和在当前驾驶场景的场景 图像； 将所述场景图像输入已训练好的场景决策 模型的场景特征提取网络， 提取所述场景图像的 空间特征； 将所述车况数据序列输入已训练好的 场景决策模 型的车况预测网络， 得到预测的车辆 运动序列； 将所述场景特征和车辆运动序列融 合， 通过所述场景决策模型的决策器得到车辆在 当前驾驶场景下的预警信息。 采用本方法能够根 据当前场景的空间特征和与时间相关的车辆运 动特征共同预测车辆在当前驾驶场景下的预警 信息， 具备一定的预见性， 能够提升预警的准确 度。 权利要求书2页 说明书14页 附图6页 CN 114863342 A 2022.08.05 CN 114863342 A 1.一种车辆场景 预警决策 方法， 其特 征在于， 所述方法包括： 获取车辆的车 况数据序列和当前驾驶场景的场景图像； 将所述场景图像输入已训练好的场景 决策模型的场景特征提取网络， 提取所述场景图 像的空间特 征； 将所述车况数据序列输入已训练好的场景 决策模型的车况预测网络， 得到预测的车辆 运动序列； 将所述场景特征和车辆运动序列融合， 通过所述场景 决策模型的决策器得到车辆在当 前驾驶场景 下的预警信息 。 2.根据权利要求1所述的方法， 其特征在于， 将所述场景图像输入已训练好的场景 决策 模型的场景 特征提取网络， 提取 所述场景图像的空间特 征， 包括： 将所述场景图像输入已训练好的场景 决策模型的场景特征提取网络， 通过所述场景特 征提取网络的特 征提取结构提取 所述场景图像的场景 特征； 将所述场景图像和所述场景特征融合， 作为场景特征提取网络的注意力结构的输入， 通过所述注意力结构输出注意力权 重； 根据所述场景 特征和所述注意力权 重， 得到所述场景图像的空间特 征。 3.根据权利要求1所述的方法， 其特征在于， 所述将所述车况数据序列输入已训练好的 场景决策模型的车 况预测网络， 得到预测的车辆运动序列， 包括： 将所述车况数据序列输入已训练好的场景 决策模型的车况预测网络， 所述车况预测网 络的编码结构提取 所述车况数据序列的高层信息， 生成特 征向量； 将所述特征向量输入所述车况预测网络的解码结构， 所述解码结构以所述特征向量为 初始状态对编码信息进行解码， 得到预测的车辆运动序列。 4.根据权利要求1所述的方法， 其特征在于， 所述将所述场景特征和车辆运动序列融 合， 通过所述场景决策模型的决策器得到车辆在当前驾驶场景 下的预警信息， 包括： 将所述场景特征和车辆运动序列融合， 通过所述场景 决策模型的决策器得到当前驾驶 场景是否存在安全隐患的预测结果； 当预测结果为当前驾驶场景存在安全隐患 时， 在车辆的人机交互界面显示预警信息， 所述预警信息包括 安全隐患类型和/或针对所述 安全隐患的处 理方式。 5.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 获取训练样本， 每个训练样本包括场景训练样本、 标注的所述场景训练样本的第一空 间特征、 车况训练样本、 标注的所述车况训练样本的第一车辆运动序列以及标注的所述场 景训练样本和所述车 况训练样本对应的第一预警信息； 将所述场景训练样本输入至所述场景特征提取网络， 获取预测的第二空间特征， 根据 所述第一空间特 征和所述第二空间特 征的差异， 调整所述场景 特征提取网络的参数； 将所述车况训练样本输入至所述车况预测网络， 获取预测的第二车辆运动序列， 根据 所述第二车辆运动序列和所述第一车辆运动序列的差异， 调整所述车 况预测网络的参数； 将所述第二空间特征和所述第 二车辆运动序列作为决策器的训练输入， 获取所述决策 器输出的第二预警信息， 根据所述第一预警信息和所述第二预警信息的差异调整 所述决策 器的参数， 完成一次训练； 迭代多次训练过程， 当损 失函数满足目标值时， 停止训练得到已训练好的场景决策模权　利　要　求　书 1/2 页 2 CN 114863342 A 2型。 6.根据权利要求5所述的方法， 其特征在于， 所述场景训练样本为采样周期内的多帧图 像； 所述车况训练样本为采样周期内的车 况数据。 7.一种车辆场景 预警决策装置， 其特 征在于， 所述装置包括： 采集模块， 用于获取 车辆的车 况数据序列和在当前驾驶场景的场景图像； 空间特征提取模块， 用于将所述场景图像输入已训练好的场景 决策模型的场景特征提 取网络， 提取 所述场景图像的空间特 征； 车辆运动序列获取模块， 用于将所述车况数据序列输入已训练好的的场景 决策模型的 车况预测网络， 得到预测的车辆运动序列； 决策模块， 用于将所述场景特征和车辆运动序列融合， 通过所述场景决策模型的决策 器得到车辆在当前驾驶场景 下的预警信息 。 8.一种计算机设备， 包括存储器和处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处 理器执行所述计算机程序时实现权利要求1至 6中任一项所述的方法的步骤。 9.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序被 处理器执行时实现权利要求1至 6中任一项所述的方法的步骤。 10.一种计算机程序产品， 包括计算机程序， 其特征在于， 该计算机程序被处理器执行 时实现权利要求1至 6中任一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 114863342 A 3