(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 20221047070 6.9 (22)申请日 2022.04.28 (71)申请人 珠海市魅族科技有限公司 地址 519000 广东省珠海市科技创新海岸 魅族科技楼 (72)发明人 由帅　 (74)专利代理 机构 北京市京大律师事务所 11321 专利代理师 胡安 (51)Int.Cl. G06V 20/52(2022.01) G06F 16/25(2019.01) G06F 16/9537(2019.01) G06K 9/62(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G06V 10/774(2022.01) G06V 10/82(2022.01) (54)发明名称 车辆落水监控方法、 装置、 设备及存 储介质 (57)摘要 本发明涉及智能控制领域， 公开了一种车辆 落水监控 方法、 装置、 设备及存储介质。 所述方法 包括： 基于预置频率获取车辆所在的地理位置， 并判断车辆所在的地理位置是否为非常规地点； 若为非常规地点， 则对车辆进行落水检测； 若检 测到车辆落水， 则调用车载 终端向电解水装置发 送控制信号以进行电解水反应， 生成氧气和氢 气， 将生成的氧气通过预设的第一管路传输至车 辆座舱的内部以供氧和平衡车内外压强， 将生成 的氢气通过预设的第二管路传输至车辆底部预 置的气囊或车辆轮胎以提升车辆的浮力。 本发明 通过检测车辆是否在非常规地点， 从而进行落水 检测， 若确定落水则通过向电解水装置发送控制 信号以进行电解水反应， 从而生成氧气为车内人 员供氧。 权利要求书2页 说明书12页 附图6页 CN 114821475 A 2022.07.29 CN 114821475 A 1.一种车辆落水监控方法， 应用于远程服务器， 其特征在于， 所述车辆落水监控方法包 括： 基于预置的频率获取车辆所在的地理位置， 并判断车辆所在的地理位置是否为非常规 地点； 若确定车辆所在的地理位置为非常规 地点， 则对所述车辆进行落水检测； 若检测到所述车辆落水， 则调用预置的车载终端向车辆底部预置的电解水装置发送控 制信号以进行电解水反应， 生成氧气和氢气； 将生成的氧气通过预设的第 一管路传输至车辆座舱的内部以供氧和平衡车内外压强， 将生成的氢气通过 预设的第二管路传输 至车辆底部预置的浮力装置以提升车辆的浮力。 2.根据权利要求1所述的车辆落水监控方法， 其特征在于， 所述基于预置的频率获取车 辆所在的地理位置， 并判断车辆所在的地理位置是否为非常规 地点包括： 基于预置的频率获取车辆所在的地理位置， 其中， 所述地理位置 中包括城市信 息、 街道 信息、 经度值以及纬度值； 根据所述城市信 息和所述街道信息， 获取所述地理位置对应的网格地图， 其中， 所述网 格地图中包括多个含有标注信息的网格区域， 所述标注信息包括常规 地点和非常规 地点； 根据所述经度值和所述纬度值， 计算所述车辆在所述网格地图中当前所在的目标网格 区域； 获取并根据所述目标网格区域对应的标注信 息， 确定车辆所在地理位置是否为非常规 地点。 3.根据权利要求1所述的车辆落水监控方法， 其特征在于， 所述若确定车辆所在的地理 位置为非常规 地点， 则对所述车辆进行落水检测包括： 若确定车辆所在的地理位置为非常规地点， 则获取所述车辆的行车轨迹数据， 其中， 所 述行车轨迹数据由所述车辆中预置的GP S定位仪所记录； 基于预置的检测策略对所述行 车轨迹进行异常检测； 若检测到所述行车轨迹异常， 则调用所述车辆 中预置的水浸传感器检测所述车辆当前 是否已浸水； 若确定所述车辆当前已浸水， 则确定所述车辆已落水。 4.根据权利要求1 ‑3中任一项所述的车辆落水监控方法， 其特征在于， 所述基于预置的 检测策略对所述行 车轨迹进行异常检测包括： 根据所述车辆所在地理位置， 确定所述车辆所在的路段信息； 从预置的轨 迹数据库中获取与所述路段信息对应的多个标准轨 迹数据； 对所述多个标准轨 迹数据进行聚类， 得到 至少一个轨 迹群落； 基于每个轨迹群落对所述行车轨迹进行归类， 若所述行车轨迹不为任何轨迹群落所容 纳， 则确定所述行 车轨迹异常。 5.根据权利要求1 ‑3中任一项所述的车辆落水监控方法， 其特征在于， 所述基于预置的 检测策略对所述行 车轨迹进行异常检测包括： 对预置的轨 迹数据集进行 数据预处 理和样本标注； 基于所述轨迹数据集， 对预置的深度神经网络模型执行二分类训练任务， 得到异常轨 迹识别模型， 其中， 所述 二分类训练任务用于识别正常轨 迹和异常轨 迹；权　利　要　求　书 1/2 页 2 CN 114821475 A 2调用所述异常轨 迹识别模型对所述行 车轨迹进行识别， 确定所述行 车轨迹是否异常。 6.根据权利要求5所述的车辆落水监控方法， 其特征在于， 所述基于预置的轨迹数据 集， 对预置的深度神经网络模型 执行二分类训练任务， 得到异常轨 迹识别模型包括： 初始化所述深度神经网络模型的网络参数， 其中， 所述深度神经网络模型中包括多层 循环神经网络和多层卷积神经网络， 每层循环神经网络与每层卷积神经网络交替分布； 依次调用每一层循环神经网络和每一层卷积神经网络对所述轨迹数据集中的各轨迹 进行特征提取， 得到所述轨 迹数据集中各轨 迹的深度异常特 征； 基于各轨迹的深度异常特征与预置的异常轨迹概率矩阵， 计算所述轨迹数据集中各轨 迹为异常轨 迹的概率值； 根据预置的损失函数和样本标注的结果， 计算所述 概率值对应的损失值； 根据所述损 失值， 调整所述深度神经网络模型的网络参数， 直至所述深度神经网络模 型的网络收敛， 得到所述异常轨 迹识别模型。 7.根据权利要求6所述的车辆落水监控方法， 其特征在于， 所述根据所述损 失值， 调整 所述深度神经网络模型 的网络参数， 直至所述深度神经网络模型 的网络收敛， 得到所述异 常轨迹识别模型包括： 将所述损失值由所述深度神经网络模型的输出层向隐藏层反向传播； 当所述损 失值被传播至所述 隐藏层时， 则根据所述损 失值， 并采用随机梯度下降算法 对所述深度神经网络模型的网络参数进行迭代更新； 当所述深度神经网络模型的网络收敛时， 确定当前所述深度神经网络模型的网络参数 为目标网络参数， 以及保存所述目标网络参数， 得到所述异常轨 迹识别模型。 8.一种车辆落水监控 装置， 其特 征在于， 所述车辆落水监控 装置包括： 异常位置判定模块， 用于基于预置的频率获取车辆所在的地理位置， 并判断车辆所在 的地理位置是否为非常规 地点； 落水检测模块， 用于若确定车辆所在的地理位置为非常规地点， 则对所述车辆进行落 水检测； 电解水模块， 用于若检测到所述车辆落水， 则调用预置的车载终端向车辆底部预置的 电解水装置发送控制信号以进行电解水反应， 生成氧气和氢气； 气体输送模块， 用于将生成的氧气通过预设的第 一管路传输至车辆座舱的内部以供氧 和平衡车内外压强， 将生成的氢气通过预设的第二管路传输至车辆底部预置的浮力装置以 提升车辆的浮力。 9.一种车辆落水监控设备， 其特征在于， 所述车辆落水监控设备包括： 存储器和至少一 个处理器， 所述存 储器中存 储有指令； 所述至少一个处理器调用所述存储器中的所述指令， 以使得所述车辆落水监控设备执 行如权利要求1 ‑7中任意一项所述的车辆落水监控方法。 10.一种计算机可读存储介质， 所述计算机可读存储介质上存储有指令， 其特征在于， 所述指令被处 理器执行时实现如权利要求1 ‑7中任一项所述的车辆落水监控方法。权　利　要　求　书 2/2 页 3 CN 114821475 A 3