(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 202210693228.8 (22)申请日 2022.06.17 (71)申请人 平安银行股份有限公司 地址 518000 广东省深圳市罗湖区深南 东 路5047号 (72)发明人 柳阳　 (74)专利代理 机构 深圳紫藤知识产权代理有限 公司 44570 专利代理师 钱春阳 (51)Int.Cl. G06V 20/56(2022.01) G06V 10/82(2022.01) G06V 10/80(2022.01) G06V 10/764(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 交通事故预测方法、 装置、 电子设备及存储 介质 (57)摘要 本申请公开了一种交通事故预测方法、 装 置、 电子设备及存储介质。 本方法包括： 获取待预 测的目标图像， 以及目标图像对应的历史图像； 通过预设的预测信息生成参数中的区域生成参 数， 根据历史图像的交通事故结果， 预测目标图 像中的事故发生区域； 分别提取事故发生区域的 事故现场特征和目标图像的全局特征； 根据事故 现场特征和全局特征， 对目标图像进行预测处 理， 得到目标图像的交通事故结果。 本方法在预 测时同时基于事故现场特征和全局特征， 突出了 目标图像中事故发生区域的特征， 因此对目标图 像预测得到的交通事故结果更加精确。 此外事故 现场特征对应的事故发生区域由历史图像的交 通事故结果确定， 因此结果更 具有可解释性。 权利要求书2页 说明书15页 附图3页 CN 115205801 A 2022.10.18 CN 115205801 A 1.一种交通事故预测方法， 其特 征在于， 包括： 获取待预测的目标图像， 以及所述目标图像对应的历史图像； 通过预设的预测信息生成参数中的区域生成参数， 根据所述历史图像的交通事故结 果， 预测所述目标图像中的事故 发生区域； 分别提取 所述事故 发生区域的事故现场特 征和所述目标图像的全局特 征； 根据所述事故现场特征和所述全局特征， 对所述目标图像进行预测 处理， 得到所述目 标图像的交通事故结果。 2.根据权利要求1所述的交通事故预测方法， 其特征在于， 所述根据所述事故现场特征 和所述全局特征， 对所述目标图像进行预测处理， 得到所述目标图像的交通事故结果， 包 括： 提取所述目标图像中目标对象的目标对象特征， 其中， 所述目标对象包括行人、 非机动 车、 机动车中的至少一 者； 根据所述预设的预测信 息生成参数中的权重生成参数， 和所述历史图像的交通事故结 果， 确定所述事故现场特 征对应的第一权 重； 根据所述预设的预测信 息生成参数中的权重生成参数， 和所述目标图像中目标对象的 目标对象特 征， 确定所述目标对象特 征对应的第二权 重； 根据所述第 一权重和所述第 二权重， 对所述事故现场特征和所述目标对象特征进行特 征融合， 得到融合特 征； 根据所述融合特征和所述全局特征， 对所述目标图像进行预测 处理， 得到所述目标图 像的交通事故结果。 3.根据权利要求2所述的交通事故预测方法， 其特征在于， 所述根据所述融合特征和所 述全局特 征， 对所述目标图像进行 预测处理， 得到所述目标图像的交通事故结果， 包括： 对所述融合特 征和所述全局特 征进行融合处 理， 得到交通事故特 征； 根据所述交通事故特 征进行预测处理， 得到所述目标图像的交通事故结果。 4.根据权利要求2所述的交通事故预测方法， 其特征在于， 所述提取所述目标图像 中目 标对象的目标对象特 征， 包括： 通过预设的特征提取模型对所述目标图像进行处理， 得到所述目标图像中目标对象的 目标对象特 征； 其中， 所述预设的特 征提取模型通过以下步骤训练得到： 获取第一样本数据， 其中， 所述第一样本数据中包含第一样本 图像和所述第一样本 图 像中目标对象的样本目标 特征； 通过初始的特征提取模型对所述第 一样本图像进行处理， 得到所述第 一样本图像 中目 标对象的目标对象特 征； 根据所述目标对象特征和所述样本目标特征， 对所述初始的特征提取模型中的参数进 行调整， 得到所述预设的特 征提取模型。 5.根据权利要求4所述的交通事故预测方法， 其特征在于， 所述初始的特征提取模型中 的损失函数包括面积损失函数， 其中， 所述面积损失函数用于根据所述第一样本图像中目 标对象对应的图像区域对所述初始的特 征提取模型中的参数进行调整。 6.根据权利要求1所述的交通事故预测方法， 其特征在于， 所述根据所述事故现场特征权　利　要　求　书 1/2 页 2 CN 115205801 A 2和所述全局特征， 对所述目标图像进行预测处理， 得到所述目标图像的交通事故结果， 包 括： 根据所述事故现场特征和所述全局特征， 对所述目标图像进行预测 处理， 得到所述目 标图像对应的事故 发生概率； 根据所述事故 发生概率， 确定所述目标图像的交通事故结果。 7.根据权利要求1 ‑6任一项所述的交通事故预测方法， 其特征在于， 所述通过预设的预 测信息生成参数中的区域生成参数， 根据所述历史图像的交通事故结果， 预测所述 目标图 像中的事故 发生区域之前， 所述方法还 包括： 获取第二样本数据， 其中， 所述第 二样本数据中包含第 二样本图像、 所述第 二样本图像 对应的历史图像和所述第二样本图像中交通事故的实际发生区域； 通过初始的预测信息生成参数中的区域生成参数， 根据所述历史图像的交通事故结 果， 预测所述第二样本图像中的事故 发生区域； 根据所述事故发生区域和所述实际发生区域， 对所述初始的预测信 息生成参数中的区 域生成参数进行调整， 得到所述预设的预测信息生成参数， 以及所述预设的预测信息生成 参数中的区域 生成参数。 8.一种交通事故预测装置， 其特 征在于， 包括： 获取单元， 用于获取待预测的目标图像， 以及所述目标图像对应的历史图像； 第一预测单元， 用于通过预设的预测信息生成参数中的区域生成参数， 根据所述历史 图像的交通事故结果， 预测所述目标图像中的事故 发生区域； 提取单元， 用于分别提取所述事故发生区域的事故现场特征和所述目标图像的全局特 征； 第二预测单元， 用于根据所述事故现场特征和所述全局特征， 对所述目标图像进行预 测处理， 得到所述目标图像的交通事故结果。 9.一种电子设备， 其特征在于， 所述电子设备包括处理器、 存储器以及存储于所述存储 器中并可在所述处理器上运行的计算机程序， 所述处理器执行所述计算机程序时实现如权 利要求1至7任一项所述的交通事故预测方法中的步骤。 10.一种存储介质， 其特征在于， 所述存储介质上存储有计算机程序， 所述计算机程序 被处理器执行时实现权利要求1至7任一项所述的交通事故预测方法中的步骤。权　利　要　求　书 2/2 页 3 CN 115205801 A 3