本技术涉及物联网，尤其涉及一种碰撞预警方法、装置、电子设备及存储介质。
背景技术：
1、叉车是常见的工业搬运车辆，被广泛应用于货物仓储及物流运输。由于视野受限，如果叉车司机不能充分观察周围环境，容易在作业时与其他设备或工人发生碰撞事故，这是一个经常发生的问题。相关技术中针对叉车的碰撞预警通常采用两类方法：第一类是采用雷达、射频识别(radio frequency identification，rfid)的方法判断是否存在障碍物，此类方法由于设备性能限制和先天智能性不足导致车辆对碰撞预警的检测准确度较低；第二类是采用人工智能(artificial intelligence，ai)视觉技术，此类方法将ai模型部署至边缘侧或云侧，识别叉车摄像头采集图像中的人或物，由于ai模型训练采用的图像与应用时输入的图像存在差异，已部署的ai模型可能无法实现碰撞预警的高精度检测。所以技术问题是现阶段针对车辆的碰撞预警的检测准确度低。
技术实现思路
1、本技术实施例提供的一种碰撞预警方法、装置、电子设备及存储介质，可以提高客户端从服务器获取待交易物品集内的物品信息的效率。
2、本技术的技术方案是这样实现的：
3、本技术实施例提供了一种碰撞预警方法，包括：
4、利用当前图像处理模型对采集的视频数据处理得到对应的检测结果；
5、其中，所述当前图像处理模型是前一个图像处理模型基于更新参数更新得到的，所述更新参数是服务器基于多个模型属性联合确定后发送的，多个所述模型属性是多个车辆中每一所述车辆利用采集的样本视频数据进行模型训练后得到的；
6、基于所述检测结果进行预警。
7、上述方案中，所述模型属性包括：模型参数和模型精度；所述利用当前图像处理模型对采集的视频数据处理得到对应的检测结果之前，所述方法还包括：
8、基于预定周期内采集的所述样本视频数据针对前一个图像处理模型进行训练，直至达到预定训练条件时停止，得到最高精度的目标子图像处理模型，以及所述目标子图像处理模型对应的模型参数和模型精度；
9、将所述目标子图像处理模型对应的所述模型参数和所述模型精度发送给所述服务器；
10、接收所述服务器发送的所述更新参数，基于所述更新参数对所述前一个图像处理模型进行更新得到所述当前图像处理模型；其中，所述更新参数是所述服务器基于多个所述车辆分别发送的所述模型参数和所述模型精度的乘积求加权平均值得到的。
11、上述方案中，所述基于预定周期内采集的所述样本视频数据针对前一个图像处理模型进行训练，直至达到预定训练条件时停止，得到最高精度的目标子图像处理模型，包括：
12、利用所述样本视频数据和有标记样本视频数据训练所述前一个图像处理模型的副本n次，得到每一次训练之后的子图像处理模型，以及所述子图像处理模型对应的子模型参数和子模型精度；其中，所述有标记样本视频数据用于训练得到车辆一侧的第一个图像处理模型；n为大于1的整数；
13、在n个所述子图像处理模型中确定所述子模型精度最高的所述目标子图像处理模型。
14、上述方案中，所述利用当前图像处理模型对采集的视频数据处理得到对应的检测结果，包括：
15、利用所述当前图像处理模型处理所述视频数据得到所述视频数据中的多个检测目标，以及每一所述检测目标对应的距离。
16、上述方案中，所述基于所述检测结果进行预警，包括：
17、基于每一所述检测目标对应的所述距离与预设距离阈值的比较结果确定预警等级；其中，所述预警等级用于表征所述视频数据中任一所述检测目标对应的碰撞概率；
18、基于所述预警等级控制车辆进行预警。
19、上述方案中，所述预设距离阈值包括：第一预设距离阈值和第二预设距离阈值；所述第一预设距离阈值小于所述第二预设距离阈值；所述预警等级包括等级依次下降的第一等级、第二等级和第三等级；
20、所述基于每一所述检测目标对应的所述距离与预设距离阈值的比较结果确定预警等级，包括以下之一：
21、若所述比较结果表征任一所述检测目标对应的所述距离不大于所述第一预设距离阈值，则确定所述预警等级为所述第一等级；
22、若所述比较结果表征多个所述检测目标对应的最小的所述距离大于所述第一预设距离阈值，且不大于所述第二预设距离阈值，则确定所述预警等级为所述第二等级；
23、若所述比较结果表征多个所述检测目标对应的最小的所述距离大于所述第二预设距离阈值，则确定所述预警等级为所述第三等级。
24、上述方案中，所述基于每一所述检测目标对应的所述距离与预设距离阈值的比较结果确定预警等级之后，所述方法还包括：
25、将所述预警等级发送给所述服务器，供所述服务器一侧的用户基于所述预警等级对所述车辆进行远程控制。
26、上述方案中，所述利用当前图像处理模型对采集的视频数据处理得到对应的检测结果之前，所述方法还包括：
27、采集初始样本视频数据，对所述初始样本视频数据进行去噪处理得到有标记样本视频数据；其中，所述有标记样本视频数据中的目标是用户手动标记的；
28、将所述有标记样本视频数据发送给所述服务器；
29、接收所述服务器基于所述有标记样本视频数据训练得到的模型中间格式文件；
30、基于所述模型中间格式文件构建第一个图像处理模型。
31、本技术实施例还提供了一种碰撞预警方法，包括：
32、基于多个车辆分别发送的模型属性联合确定每一所述车辆的更新参数，并发送给每一所述车辆，供每一所述车辆基于所述更新参数更新前一个图像处理模型得到当前图像处理模型，利用所述当前图像处理模型基于采集的视频数据进行碰撞预警；
33、其中，每一所述模型属性是对应的所述车辆利用采集的样本视频数据进行模型训练后得到的。
34、上述方案中，所述基于多个车辆分别发送的模型属性联合确定每一所述车辆的更新参数，并发送给每一所述车辆，包括：
35、接收多个所述车辆分别发送的模型参数和模型精度；
36、确定每一所述车辆发送的所述模型参数和所述模型精度的乘积，并将多个所述乘积之和比上多个所述模型精度之和得到的所述更新参数；
37、将所述更新参数发送给每一所述车辆。
38、上述方案中，所述基于多个车辆分别发送的模型属性联合确定每一所述车辆的更新参数，并发送给每一所述车辆之后，所述方法还包括：
39、接收所述车辆发送的预警等级进行展示，供用户基于所述预警等级对所述车辆进行远程控制。
40、上述方案中，所述基于多个车辆分别发送的模型属性联合确定每一所述车辆的更新参数，并发送给每一所述车辆之前，所述方法还包括：
41、接收每一所述车辆发送的有标记样本视频数据；
42、基于每一所述车辆发送的有标记样本视频数据对初始图像处理模型进行训练，直至达到训练条件时停止，得到联合图像处理模型；
43、生成所述联合图像处理模型的第一计算图，并剔除所述第一计算图中的冗余计算节点得到第二计算图；其中，所述第一计算图中包括了所述联合图像处理模型中算子信息对应的多个计算节点；
44、将所述第二计算图转换为模型中间格式文件，并将所述模型中间格式文件发送给每一所述车辆。
45、本技术实施例还提供了一种碰撞预警装置，包括：
46、视频处理单元，用于利用当前图像处理模型对采集的视频数据处理得到对应的检测结果；
47、其中，所述当前图像处理模型是前一个图像处理模型基于更新参数更新得到的，所述更新参数是服务器基于多个模型属性联合确定后发送的，多个所述模型属性是多个车辆中每一所述车辆利用采集的样本视频数据进行模型训练后得到的；
48、预警单元，用于基于所述检测结果进行预警。
49、本技术实施例还提供了一种碰撞预警装置，包括：
50、确定单元，用于基于多个车辆分别发送的模型属性联合确定每一所述车辆的更新参数，并发送给每一所述车辆，供每一所述车辆基于所述更新参数更新前一个图像处理模型得到当前图像处理模型，利用所述当前图像处理模型基于采集的视频数据进行碰撞预警；
51、其中，每一所述模型属性是对应的所述车辆利用采集的样本视频数据进行模型训练后得到的。
52、本技术实施例还提供了一种电子设备，包括第一存储器和第一处理器，所述第一存储器存储有可在第一处理器上运行的计算机程序，所述第一处理器执行所述程序时实现车辆一侧方法中的步骤。
53、本技术实施例还提供了一种电子设备，包括第二存储器和第二处理器，所述第二存储器存储有可在第二处理器上运行的计算机程序，所述第二处理器执行所述程序时实现服务器一侧所述方法中的步骤。
54、本技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被第一处理器执行时实现车辆一侧所述方法中的步骤。
55、本技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被第二处理器执行时实现服务器一侧所述方法中的步骤。
56、本技术实施例中，利用当前图像处理模型对采集的视频数据处理得到对应的检测结果；其中，当前图像处理模型是前一个图像处理模型基于更新参数更新得到的，更新参数是服务器基于多个模型属性联合确定后发送的，多个模型属性是多个车辆中每一车辆利用采集的样本视频数据进行模型训练后得到的；基于检测结果进行预警。本技术实施例中，由于更新参数是服务器基于多个车辆利用分别采集的样本视频数据进行模型训练后得到的模型属性联合确定的，这样使得每一车辆的训练的视频数据和应用的视频数据都是同一个场景内的视频数据，保证了样本的多样性以及训练样本与应用场景的匹配度，进而基于拥有多样性和高匹配度的样本确定的当前图像处理模型可以学习到各种各样的车辆场景，提高了当前图像处理模型的性能，所以通过当前图像处理模型对视频数据处理可以提高对车辆碰撞预警的检测准确度。
1.一种碰撞预警方法，其特征在于，包括：
2.根据权利要求1所述的碰撞预警方法，其特征在于，所述模型属性包括：模型参数和模型精度；所述利用当前图像处理模型对采集的视频数据处理得到对应的检测结果之前，所述方法还包括：
3.根据权利要求2所述的碰撞预警方法，其特征在于，所述基于预定周期内采集的所述样本视频数据针对前一个图像处理模型进行训练，直至达到预定训练条件时停止，得到最高精度的目标子图像处理模型，包括：
4.根据权利要求1至3任一项所述的碰撞预警方法，其特征在于，所述利用当前图像处理模型对采集的视频数据处理得到对应的检测结果，包括：
5.根据权利要求4所述的碰撞预警方法，其特征在于，所述基于所述检测结果进行预警，包括：
6.根据权利要求5所述的碰撞预警方法，其特征在于，所述预设距离阈值包括：第一预设距离阈值和第二预设距离阈值；所述第一预设距离阈值小于所述第二预设距离阈值；所述预警等级包括等级依次下降的第一等级、第二等级和第三等级；
7.根据权利要求5所述的碰撞预警方法，其特征在于，所述基于每一所述检测目标对应的所述距离与预设距离阈值的比较结果确定预警等级之后，所述方法还包括：
8.根据权利要求1至3任一项所述的碰撞预警方法，其特征在于，所述利用当前图像处理模型对采集的视频数据处理得到对应的检测结果之前，所述方法还包括：
9.一种碰撞预警方法，其特征在于，包括：
10.根据权利要求9所述的碰撞预警方法，其特征在于，所述基于多个车辆分别发送的模型属性联合确定每一所述车辆的更新参数，并发送给每一所述车辆，包括：
11.根据权利要求9所述的碰撞预警方法，其特征在于，所述基于多个车辆分别发送的模型属性联合确定每一所述车辆的更新参数，并发送给每一所述车辆之后，所述方法还包括：
12.根据权利要求9所述的碰撞预警方法，其特征在于，所述基于多个车辆分别发送的模型属性联合确定每一所述车辆的更新参数，并发送给每一所述车辆之前，所述方法还包括：
13.一种碰撞预警装置，其特征在于，包括：
14.一种碰撞预警装置，其特征在于，包括：
15.一种电子设备，其特征在于，包括存储器和处理器，所述存储器存储有可在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权利要求1至8任一项所述方法中的步骤，或者实现权利要求9至12任一项所述方法中的步骤。
16.一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8任一项所述方法中的步骤，或者实现权利要求9至12任一项所述方法中的步骤。
