本发明涉及智能无线耳机领域，尤其涉及一种基于智能无线耳机的后方来车预警方法、计算机设备及可读存储介质。
背景技术：
随着社会车辆的数量越来越多，车辆交通事故的发生数量也越来越多。无线耳机，是指从电脑的音频出口连接到发射端，再由发射端通过电波发送到接受端的耳机，因其中间的连接线被电波替代，很大程度上提高了其使用的方便性。
在传统方法中，智能无线耳机成为了人们上班、出行和生活中不可缺少的一部分。多数年轻人无论是在坐地铁、公交车，或走路、跑步等都戴着智能无线耳机，在我国的二三线城市中，往往很多道路没有进行人车分离，当用户戴着智能无线耳机，在没有进行人车分离的道路上行走时，其无法察觉后方是否有来车，一旦后方来车刹车或用户避让不及时，很大程度上引发交通事故。
因此，寻找能自动识别后方来车且发出预警的智能无线耳机成为本领域技术人员亟需解决的技术问题。
技术实现要素：
本发明实施例提供一种方法、计算机设备及可读存储介质，以解决当用户戴着智能无线耳机，在没有进行人车分离的道路上行走时，其无法察觉后方是否有来车，一旦后方来车刹车或用户避让不及时，很大程度上引发交通事故的问题。
一种基于智能无线耳机的后方来车预警方法，包括：
获取通过所述智能无线耳机预先采集到的目标车辆图像，其中，所述目标车辆图像为在预设危险范围内距离目标用户最近的车辆图像；
获取通过所述智能无线耳机采集到的所述目标用户的后方来车的第一当前图像；
获取通过所述智能无线耳机采集到的所述目标用户的所述后方来车的第二当前图像，其中，所述第二当前图像的采集时间在所述第一当前图像的采集时间之后；
计算所述目标车辆图像与所述第一当前图像之间的第一图像相似度值；
计算所述目标车辆图像与所述第二当前图像之间的第二图像相似度值；
若所述第一图像相似度值和所述第二图像相似度值大于预设的危险阈值，且所述第二图像相似度值大于所述第一图像相似度值，则确定所述目标用户存在由所述后方来车引发的安全隐患，同时生成躲让安全隐患提示指令，以及将所述躲让安全隐患提示指令发送至所述智能无线耳机，以供所述智能无线耳机基于所述躲让安全隐患提示指令输出躲让安全隐患提示消息。
一种计算机设备，包括存储器、处理器以及存储在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上述方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。
上述基于智能无线耳机的后方来车预警方法、计算机设备及可读存储介质中，通过先自动获取采用智能无线耳机预先采集到的在危险范围内最靠近目标用户的车辆图像、目标用户的后方来车的第一当前图像和采集时间在该第一当前图像之后的第二当前图像，然后自动计算车辆图像与第一当前图像之间的第一图像相似度值、车辆图像与第二当前图像之间的第二图像相似度值，当第一图像相似度值和第二图像相似度值大于预设的危险阈值，且第二图像相似度值大于第一图像相似度值时，代表后方来车距离目标用户越来越近，从而自动确定目标用户存在由后方来车引发的安全隐患的概率越来越大，最后生成躲让安全隐患提示指令，通过智能无线耳机输出躲让安全隐患提示指令对应的躲让安全隐患提示消息，自动提醒目标用户及时避让，因此当目标用户戴着智能无线耳机，在没有进行人车分离的道路上行走，且其无法察觉后方有来车时，自动识别安全隐患，且自动提醒目标用户及时避让，降低交通事故。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例中基于智能无线耳机的后方来车预警方法的一应用环境示意图；
图2是本发明一实施例中基于智能无线耳机的后方来车预警方法的一流程图；
图3是本发明一实施例中方法中采集后方来车喇叭声频率和基于其及图像相似度值确定引发安全隐患的一流程图；
图4是本发明一实施例中方法中采集目标用户的后方环境图像及从其中确定是否有后方来车的一流程图；
图5是本发明一实施例中方法中对后方环境图像进行预处理的一流程图；
图6是本发明一实施例中方法中步骤s802的一流程图；
图7是本发明一实施例中方法中比对第一和第二图像相似度值的一流程图；
图8是本发明一实施例中计算机设备的一示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本申请提供的方法，可应用如图1的应用环境中，该应用环境包括服务端和客户端，其中，客户端通过有线网络或无线网络与服务端进行通信。其中，客户端可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务端可以用独立的服务端或者是多个服务端组成的服务端集群来实现。客户端用于采集目标车辆图像、第一当前图像、第二当前图像、后方环境图像、第一喇叭声和第二喇叭声，服务端用于接收目标车辆图像、第一当前图像、第二当前图像、后方环境图像、第一喇叭声和第二喇叭声，识别第一频率、第二频率，及计算第一图像相似度值、第二图像相似度值和基于其确定目标用户是否有后方来车。
在一实施例中，如图2所示，提供一种基于智能无线耳机的后方来车预警方法，以该基于智能无线耳机的后方来车预警方法应用在图1中的服务端为例进行说明，包括如下步骤：
s10、获取通过智能无线耳机预先采集到的目标车辆图像，其中，目标车辆图像为在预设危险范围内距离目标用户最近的车辆图像。
在本实施例中，为了能够识别出目标用户的后方是否有来车，需要采用智能无线耳机预先在预设的认定存在危险范围内采集目标车辆图像，也即，需要采用智能无线耳机预先在预设的认定存在危险范围内距离目标用户最近的车辆图像，然后将采集到的目标车辆图像发送至服务端，当服务端接收到该目标车辆图像时，将其存储至图像数据库中。
具体地，为了快速地获取到该目标车辆图像，服务端需要先在图像数据库中获取该目标车辆图像的存储路径，然后根据该存储路径提取该目标车辆图像，以便与距离目标用户更远的车辆图像进行相似度比较。
需要说明的是，该图像数据库可以为mysql数据库或oracle数据库等，该图像数据库的具体内容，可以根据实际应用进行设定，此处不做限制。
s20、获取通过智能无线耳机采集到的目标用户的后方来车的第一当前图像。
具体地，为了能够实时地识别出目标用户的后方是否有来车，需要采用智能无线耳机的摄像头采集该目标用户的后方来车的第一当前图像，当智能无线耳机采集到该第一当前图像时，通过无线网络将该第一当前图像发送至服务端，服务端实时地或在预设的时间段内接收该第一当前图像，其中，该第一当前图像为后方来车的当前的第一时刻的图像。
s30、获取通过智能无线耳机采集到的目标用户的后方来车的第二当前图像，其中，第二当前图像的采集时间在第一当前图像的采集时间之后。
在本实施例中，为了清楚目标用户的后方车辆是正在靠近其还是正在远离其，需要采用智能无线耳机的摄像头采集该目标用户的后方来车的第二当前图像，当智能无线耳机采集到该第二当前图像时，通过无线网络将该第二当前图像发送至服务端，服务端实时地或在预设的时间段内接收该第二当前图像，其中，该第二当前图像为后方来车的当前的第二时刻的图像，第二时刻在第一时刻之后。
s40、计算车辆图像与第一当前图像之间的第一图像相似度值。
具体地，为了能够识别出目标用户的后方是否有来车，且清楚目标用户的后方车辆是正在靠近其还是正在远离其，服务端需要采用图像相似度计算方法，计算步骤s10中获取到的目标车辆图像与步骤s20中获取到的第一当前图像之间的第一图像相似度值。
需要说明的是，图像相似度计算方法可以为余弦相似度计算方法，图像相似度计算方法的具体内容，可以根据实际应用进行设定，此处不做限制。
s50、计算车辆图像与第二当前图像之间的第二图像相似度值。
具体地，为了能够识别出目标用户的后方是否有来车，且清楚目标用户的后方车辆是正在靠近其还是正在远离其，服务端需要采用图像相似度计算方法，计算步骤s10中获取到的目标车辆图像与步骤s30中获取到的第二当前图像之间的第二图像相似度值。
需要说明的是，本步骤s50中图像相似度计算方法的内容与步骤s40中图像相似度计算方法的内容一致，此处不再阐述。
s60、若第一图像相似度值和第二图像相似度值大于预设的危险阈值，且第二图像相似度值大于第一图像相似度值，则确定目标用户存在由后方来车引发的安全隐患，同时生成躲让安全隐患提示指令，以及将躲让安全隐患提示指令发送至智能无线耳机，以供智能无线耳机基于躲让安全隐患提示指令输出躲让安全隐患提示消息。
具体地，为了清楚目标用户的后方车辆是正在靠近其还是正在远离其，需要采用智能无线耳机的摄像头采集该目标用户的后方来车的第二当前图像，服务端需要先获取预设的危险阈值，然后将该危险阈值与步骤s40中计算出的第一图像相似度值、步骤s50中计算出的第二图像相似度值进行大小对比处理，和将该第一图像相似度值与该第二图像相似度值进行大小对比处理，若该第一图像相似度值和该第二图像相似度值大于该危险阈值，且该第二图像相似度值大于该第一图像相似度值，则服务端确定目标用户存在由后方来车引发的安全隐患，同时生成躲让安全隐患提示指令，以及通过无线网络将该躲让安全隐患提示指令发送至智能无线耳机，当智能无线耳机接收到该安全隐患提示指令时，输出躲让安全隐患提示消息。比如，智能无线耳机采用喇叭输出“用户，您好，您的后方有来车，且正在向您靠近，请及时避让，以免发生意外”。
需要说明的是，安全隐患提示消息的具体内容，可以根据实际应用进行设定，此处不做限制。
在图2对应的实施例中，通过上述步骤s10至步骤s60，先自动获取采用智能无线耳机预先采集到的在危险范围内最靠近目标用户的车辆图像、目标用户的后方来车的第一当前图像和采集时间在该第一当前图像之后的第二当前图像，然后自动计算车辆图像与第一当前图像之间的第一图像相似度值、车辆图像与第二当前图像之间的第二图像相似度值，当第一图像相似度值和第二图像相似度值大于预设的危险阈值，且第二图像相似度值大于第一图像相似度值时，代表后方来车距离目标用户越来越近，从而自动确定目标用户存在由后方来车引发的安全隐患的概率越来越大，最后生成躲让安全隐患提示指令，通过智能无线耳机输出躲让安全隐患提示指令对应的躲让安全隐患提示消息，自动提醒目标用户及时避让，因此当目标用户戴着智能无线耳机，在没有进行人车分离的道路上行走，且其无法察觉后方有来车时，自动识别安全隐患，且自动提醒目标用户及时避让，降低交通事故。
在一具体实施例中，如图3所示，在步骤s60之前，还包括采集后方来车喇叭声频率和基于其及图像相似度值确定引发安全隐患，具体包括如下步骤：
s701、获取通过智能无线耳机采集的目标用户的后方来车的第一喇叭声。
在本实施例中，单通过图像识别后方来车，有时因采集设备出现故障，无法准确地完成车辆图像采集时，为了能够识别出目标用户的后方是否有来车，且清楚目标用户的后方车辆是正在靠近其还是正在远离其，需要采用智能无线耳机的麦克风采集的目标用户的后方来车的第一喇叭声。
s702、获取通过智能无线耳机采集的目标用户的后方来车的第二喇叭声。
具体地，单通过图像识别后方来车，有时因采集设备出现故障，无法准确地完成车辆图像采集时，为了能够识别出目标用户的后方是否有来车，且清楚目标用户的后方车辆是正在靠近其还是正在远离其，需要采用智能无线耳机的麦克风采集的目标用户的后方来车的第二喇叭声。
s703、识别第一喇叭声的第一频率。
具体地，当在步骤s701中采集到的第一喇叭声之后，通过无线网络将该第一喇叭声发送至服务端，当服务端接收到该第一喇叭声时，将该第一喇叭声输入至声波频率分析仪进行频率分析处理，得到该第一喇叭声对应的第一频率。
需要说明的是，声波频率分析仪可以为tc-100khz-手持式声波频率测试仪，声波频率分析仪的具体内容，可以根据实际应用进行设定，此处不做限制。
s704、识别第二喇叭声的第二频率。
具体地，当在步骤s702中采集到的第二喇叭声之后，通过无线网络将该第一喇叭声发送至服务端，当服务端接收到该第二喇叭声时，将该第二喇叭声输入至声波频率分析仪进行频率分析处理，得到该第二喇叭声对应的第二频率。
需要说明的是，本步骤s704中波频率分析仪的内容与步骤s703中波频率分析仪的内容一致，此处不再阐述。
进一步地，步骤s60具体为：
若步骤s40中计算出的第一图像相似度值和步骤s50中计算出的第二图像相似度值大于预设的危险阈值，且步骤s50中计算出的第二图像相似度值大于步骤s40中计算出的第一图像相似度值，以及步骤s704中计算出的第二频率大于步骤s703中计算出的第一频率，则服务端确定目标用户存在由后方来车引发的安全隐患，同时生成躲让安全隐患提示指令，以及通过无线网络将该躲让安全隐患提示指令发送至智能无线耳机，当智能无线耳机接收到该安全隐患提示指令时，输出躲让安全隐患提示消息。
在图3对应的实施例中，通过上述步骤s701至步骤s704，因为第二频率在第一频率的采集时间之后，当第二频率大于第一频率时，则代表后方来车距离目标用户越来越小，也即后方来车正在向目标用户靠近，所以只有当第一图像相似度值和第二图像相似度值大于预设的危险阈值，且第二图像相似度值大于第一图像相似度值，以及第二频率大于第一频率，才确定目标用户存在由后方来车引发的安全隐患。
在一具体实施例中，如图4所示，在步骤s20之前，还包括采集目标用户的后方环境图像及从其中确定是否有后方来车，具体包括如下步骤：
s801、获取通过智能无线耳机采集到的目标用户的后方环境图像。
具体地，为了识别出目标用户的后方是否有车辆，需要采用智能无线耳机的摄像头采集其后方环境图像，当智能无线耳机采集到该后方环境图像时，通过无线网络将该后方环境图像发送至服务端，服务端实时或在预设的时间段内接收该后方环境图像。
其中，该后方环境图像为目标用户的后方的周围环境的图像。
s802、将后方环境图像输入至预先训练好的车辆识别模型中进行识别处理，得到识别结果。
具体地，为了识别出目标用户的后方是否有车辆，服务端需要预先训练车辆识别模型，也即，采用历史后方环境图像和历史识别结果作为训练样本，将历史后方环境图像输入至深度学习模型中进行车辆识别处理，得到临时结果，不断地调整深度学习模型的隐含层因素，至到临时结果与历史识别结果之间的误差最小化，从而将训练好的深度学习模型作为该车辆识别模型。
将步骤s801中获取到的后方环境图像输入至该车辆识别模型中进行识别处理，得到识别结果。
其中，识别结果为预设的第一字符或预设的第二字符，第一字符与第二字符不相同，第一字符为预设的代表后方环境图像中有车辆图像的结果，第二字符为预设的代表后方环境图像中无车辆图像的结果，比如，第一字符为“是”，第二字符为“否”，第一字符为“车辆”，第二字符为“非车辆”等。
需要说明的是，第一字符与第二字符的具体内容，可以根据实际应用进行设定，此处不做限制。
s803、若识别结果为预设的第一字符，则确定目标用户的后方有来车，同时执行获取通过智能无线耳机采集到的目标用户的后方来车的第一当前图像的步骤。
具体地，当步骤s802中确定出的识别结果为预设的第一字符，则代表后方环境图像中有车辆图像，服务端确定后方有来车，同时执行步骤s20。
需要说明的是，本步骤s803中第一字符和第二字符的内容与步骤s801中第一字符和第二字符的内容一致，此处不再阐述。
s804、若识别结果为预设的第二字符，则确定目标用户的后方无来车，其中，第一字符与第二字符不相同。
具体地，当步骤s802中确定出的识别结果为预设的第二字符，则代表后方环境图像中无车辆图像，服务端确定后方无来车。
需要说明的是，本步骤s804中第一字符和第二字符的内容与步骤s801中第一字符和第二字符的内容一致，此处不再阐述。
在图4对应的实施例中，通过上述步骤s801至步骤s804，通过车辆识别模型自动地识别后方环境图像，因为车辆识别模型由历史后方环境图像和历史识别结果作为训练样本训练得到，所以通过车辆识别模型的识别结果更加准确，从而提高了识别车辆的效率和准确性。
在一具体实施例中，如图5所示，在步骤s802之前，还包括对后方环境图像进行预处理，具体包括如下步骤：
s901、对后方环境图像进行滤波处理，得到滤波后的后方环境图像。
具体地，为了准确地从后方环境图像中识别是否有车辆图像存在，需要去除掉高频噪音信号，所以服务端需要采用图像滤波法，对步骤s801中获取到的后方环境图像进行滤波处理，得到干净的后方环境图像。
需要说明的是，图像滤波法可以为非线性滤波器、中值滤波和/或双边滤波，图像滤波法的具体内容，可以根据实际应用进行设定，此处不做限制。
s902、对滤波后的后方环境图像进行域转换处理，得到域转换后的后方环境图像。
具体地，为了准确地从后方环境图像中识别是否有车辆图像存在，服务端需要采用时频转换方法，对滤波后的后方环境图像进行域转换处理，得到频域的后方环境图像，从而更方便地分析后方环境图像。
需要说明的是，时频转换方法可以为傅里叶变换或拉普拉斯变换，时频转换方法的具体内容，可以根据实际应用进行设定，此处不做限制。
s903、对域转换后的后方环境图像进行二值化处理，得到目标环境图像作为后方环境图像。
具体地，为了能够准确地从后方环境图像中识别是否有车辆图像存在，服务端需要对域转换后的rgb颜色的后方环境图像进行黑白二值化处理，得到目标环境图像，也即，将黑白色的目标环境图像确定为后方环境图像。
在图5对应的实施例中，通过上述步骤s901至步骤s903，对后方环境图像进行噪音去除和二值化处理，得到干净的后方环境图像，从而提高后方环境图像的识别准确性。
在一具体实施例中，如图6所示，步骤s802(即，将后方环境图像输入至预先训练好的车辆识别模型中进行识别处理，得到识别结果)，具体包括如下步骤：
s8021、采用预设的车辆边缘检测法，对后方环境图像进行车辆边缘检测处理，得到检测后的后方环境图像。
具体地，为了能够准确地从后方环境图像中识别是否有车辆图像存在，服务端需要采用预设的车辆边缘检测法，对后方环境图像进行车辆边缘检测处理，得到检测后的后方环境图像。
比如，服务端采用log算法对后方环境图像中图像灰度值的二阶微分过零点来检测边缘点，将像素值发生断崖式改变的点作为边缘。
需要说明的是，该车辆边缘检测法还可以为模糊c均值法，该车辆边缘检测法的具体内容，可以根据实际应用进行设定，此处不做限制。
s8022、采用预设的图像分割法，按照检测出的车辆边缘对检测后的后方环境图像进行分割处理，得到分割后的后方环境图像。
具体地，为了准确地从后方环境图像中识别是否有车辆图像存在，服务端需要采用预设的图像分割法，按照检测出的车辆边缘将边缘线以内的后方环境图像进行分割处理，得到分割后的后方环境图像。
比如，采用直方图分析法，基于检测出的车辆边缘，通过某一约束函数，选取边缘线以内的后方环境图像进行区域分割。
需要说明的是，该图像分割法可以为直方图分析法或最佳熵自动门限法，该图像分割法的具体内容，可以根据实际应用进行设定，此处不做限制。
s8023、采用预设车辆识别法，对分割后的后方环境图像进行车辆识别处理，得到目标结果作为识别结果。
具体地，为了能够准确地从后方环境图像中识别是否有车辆图像存在，服务端需要采用预设车辆识别法，对分割后的后方环境图像进行车辆识别处理，得到目标结果作为识别结果，也即，提取汽车外部轮廓特征，对二值图像进行轮廓跟踪，可以理解为对二值图像先根据探测准则找出目标物体轮廓上的像素，再根据像素特征找出分割后的后方环境图像上的其他像素点，从而得到轮廓曲线形状图，最后将轮廓曲线形状图与预设的车辆外形图进行相似度比对，若轮廓曲线形状图与预设的车辆外形图的相似度值大于或等于预设的外形相似度值，则确定后方环境图像存在车辆图像，将目标结果确定为是；若轮廓曲线形状图与预设的车辆外形图的相似度值小于预设的外形相似度值，则确定后方环境图像不存在车辆图像，将目标结果确定为否。
在图6对应的实施例中，通过上述步骤s8021至步骤s8023，检测轮廓线，轮廓线内需要的那部分图像进行分割，减少了待识别的像素，最后识别分割后的图像，减少了轮廓线外的像素影响，从而既提高了车辆图像识别的效率，也提高了车辆图像识别的准确性。
在一具体实施例中，如图7所示，在步骤s60之前，还包括计算第一和第二图像相似度值，具体包括如下步骤：
s1001、判断第一图像相似度值和第二图像相似度值是否大于危险阈值。
具体地，为了能够准确地从后方环境图像中识别是否有车辆图像存在，服务端需要先获取危险阈值，然后判断步骤s40中计算出的第一图像相似度值和步骤s50中计算出的第二图像相似度值是否大于该危险阈值，若步骤s40中计算出的第一图像相似度值和步骤s50中计算出的第二图像相似度值大于该危险阈值，则执行步骤s1002。
若步骤s40中计算出的第一图像相似度值和步骤s50中计算出的第二图像相似度值小于或等于该危险阈值，则服务端输出安全提示指令，且通过无线网络将安全提示指令发送至智能无线耳机，当智能无线耳机接收到安全提示指令时，基于安全提示指令通过喇叭语音式输出安全提示信息。
需要说明的是，输出安全提示信息可以为“您好，您目前处在安全状态”，输出安全提示信息的具体内容，可以根据实际应用进行设定，此处不做限制。
s1002、若第一图像相似度值和第二图像相似度值大于危险阈值，则判断第二图像相似度值是否大于第一图像相似度值。
具体地，若步骤s40中计算出的第一图像相似度值和步骤s50中计算出的第二图像相似度值大于该危险阈值，则判断步骤s50中计算出的第二图像相似度值是否大于步骤s40中计算出的第一图像相似度值，若步骤s50中计算出的第二图像相似度值大于步骤s40中计算出的第一图像相似度值，则执行步骤s60。
若步骤s50中计算出的第二图像相似度值小于或等于步骤s40中计算出的第一图像相似度值，则服务端生成后方车辆正在远离提示指令，同时通过无线网络将后方车辆正在远离提示指令发送至智能无线耳机，当智能无线耳机接收到后方车辆正在远离提示指令时，基于后方车辆正在远离提示指令令通过喇叭语音式输出后方车辆正在远离提示指令信息。
需要说明的是，后方车辆正在远离提示指令信息可以为“您好，您后方车辆正在远离您，暂时处在安全状态”，后方车辆正在远离提示指令信息的具体内容，可以根据实际应用进行设定，此处不做限制。
s1003、若第二图像相似度值大于第一图像相似度值，则执行步骤s60。
具体地，若步骤s50中计算出的第二图像相似度值大于步骤s40中计算出的第一图像相似度值，则执行步骤s60，也即，若后方来车距离目标用户越来越近，存在安全隐患的可能性越来越大，则执行步骤s60。
在图7对应的实施例中，通过上述步骤s1001至步骤s1003，先判断第一图像相似度值和第二图像相似度值是否大于危险阈值，若是，才执行判断第二图像相似度值是否大于第一图像相似度值的步骤，若否，直接输出安全提示信息，从而可以必须执行判断第二图像相似度值是否大于第一图像相似度值的步骤，和判断第一图像相似度值和第二图像相似度值是否大于危险阈值的步骤，减少了计算量，从而提高了确定出判断结果的效率。
在一具体实施例中，步骤s40(即，计算目标车辆图像与第一当前图像之间的第一图像相似度值)，具体包括如下步骤：
s401、将目标车辆图像与第一当前图像输入至图像相似度值计算公式，得到第一图像相似度值。
具体地，为了能够准确地计算出第一图像相似度值，服务端需要将步骤s10中获取到的目标车辆图像与步骤s20中获取到的第一当前图像输入至如下图像相似度值计算公式，得到第一图像相似度值。
该图像相似度值计算公式具体为：
其中，r为第一图像相似度值，pi为目标车辆图像的第i个分量，
通过上述步骤s100111，从而自动快速地计算出第一图像相似度值，提高了计算第一图像相似度值的效率。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务端，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性可读存储介质、内存储器。该非易失性可读存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性可读存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储方法所涉及到的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种方法。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例方法的步骤，例如图2所示的步骤s10至步骤s60。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例中方法。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取可读存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
1.一种基于智能无线耳机的后方来车预警方法，其特征在于，所述基于智能无线耳机的后方来车预警方法包括：
获取通过所述智能无线耳机预先采集到的目标车辆图像，其中，所述目标车辆图像为在预设危险范围内距离目标用户最近的车辆图像；
获取通过所述智能无线耳机采集到的所述目标用户的后方来车的第一当前图像；
获取通过所述智能无线耳机采集到的所述目标用户的所述后方来车的第二当前图像，其中，所述第二当前图像的采集时间在所述第一当前图像的采集时间之后；
计算所述目标车辆图像与所述第一当前图像之间的第一图像相似度值；
计算所述目标车辆图像与所述第二当前图像之间的第二图像相似度值；
若所述第一图像相似度值和所述第二图像相似度值大于预设的危险阈值，且所述第二图像相似度值大于所述第一图像相似度值，则确定所述目标用户存在由所述后方来车引发的安全隐患，同时生成躲让安全隐患提示指令，以及将所述躲让安全隐患提示指令发送至所述智能无线耳机，以供所述智能无线耳机基于所述躲让安全隐患提示指令输出躲让安全隐患提示消息。
2.如权利要求1所述的基于智能无线耳机的后方来车预警方法，其特征在于，在所述确定所述目标用户存在由所述后方来车引发的安全隐患，同时生成躲让安全隐患提示指令，以及将所述躲让安全隐患提示指令发送至所述智能无线耳机，以供所述智能无线耳机基于所述躲让安全隐患提示指令输出躲让安全隐患提示消息之前，所述基于智能无线耳机的后方来车预警方法还包括：
获取通过所述智能无线耳机采集的所述目标用户的后方来车的第一喇叭声；
获取通过所述智能无线耳机采集的所述目标用户的后方来车的第二喇叭声，其中，所述第二喇叭声在所述第一喇叭声的采集时间之后；
识别所述第一喇叭声的第一频率；
识别所述第二喇叭声的第二频率；
若所述第一图像相似度值和所述第二图像相似度值大于预设的危险阈值，且所述第二图像相似度值大于所述第一图像相似度值，则确定所述目标用户存在由所述后方来车引发的安全隐患，同时生成躲让安全隐患提示指令，以及将所述躲让安全隐患提示指令发送至所述智能无线耳机，以供所述智能无线耳机基于所述躲让安全隐患提示指令输出躲让安全隐患提示消息具体为：
若满足第一条件或第二条件，则确定所述目标用户存在由所述后方来车引发的安全隐患，同时生成躲让安全隐患提示指令，以及将所述躲让安全隐患提示指令发送至所述智能无线耳机，以供所述智能无线耳机基于所述躲让安全隐患提示指令输出躲让安全隐患提示消息，则确定所述目标用户存在由所述后方来车引发的安全隐患，同时生成躲让安全隐患提示指令，以及将所述躲让安全隐患提示指令发送至所述智能无线耳机，以供所述智能无线耳机基于所述躲让安全隐患提示指令输出躲让安全隐患提示消息，其中，所述满足第一条件为所述第一图像相似度值和所述第二图像相似度值大于预设的危险阈值，且所述第二图像相似度值大于所述第一图像相似度值，所述第二条件为所述第二频率大于所述第一频率。
3.如权利要求1所述的基于智能无线耳机的后方来车预警方法，其特征在于，在所述获取通过所述智能无线耳机采集到的所述目标用户的后方来车的第一当前图像之前，所述基于智能无线耳机的后方来车预警方法还包括：
获取通过所述智能无线耳机采集到的所述目标用户的后方环境图像；
将所述后方环境图像输入至预先训练好的车辆识别模型中进行识别处理，得到识别结果；
若所述识别结果为预设的第一字符，则确定所述目标用户的后方有来车，同时执行所述获取通过所述智能无线耳机采集到的所述目标用户的后方来车的第一当前图像的步骤；
若所述识别结果为预设的第二字符，则确定所述目标用户的后方无来车，其中，所述第一字符与所述第二字符不相同。
4.如权利要求3所述的基于智能无线耳机的后方来车预警方法，其特征在于，在所述将所述后方环境图像输入至预先训练好的车辆识别模型中进行识别处理，得到识别结果之前，所述基于智能无线耳机的后方来车预警方法还包括：
对所述后方环境图像进行滤波处理，得到滤波后的后方环境图像；
对所述滤波后的后方环境图像进行域转换处理，得到域转换后的后方环境图像；
对所述域转换后的后方环境图像进行二值化处理，得到目标环境图像作为所述后方环境图像。
5.如权利要求3所述的基于智能无线耳机的后方来车预警方法，其特征在于，所述将所述后方环境图像输入至预先训练好的车辆识别模型中进行识别处理，得到识别结果包括：
采用预设的车辆边缘检测法，对所述后方环境图像进行车辆边缘检测处理，得到检测后的所述后方环境图像；
采用预设的图像分割法，按照检测出的车辆边缘对检测后的所述后方环境图像进行分割处理，得到分割后的后方环境图像；
采用预设车辆识别法，对分割后的后方环境图像进行车辆识别处理，得到目标结果作为识别结果。
6.如权利要求1所述的基于智能无线耳机的后方来车预警方法，其特征在于，在所述确定所述目标用户存在由所述后方来车引发的安全隐患，同时生成躲让安全隐患提示指令，以及将所述躲让安全隐患提示指令发送至所述智能无线耳机，以供所述智能无线耳机基于所述躲让安全隐患提示指令输出躲让安全隐患提示消息之前，所述基于智能无线耳机的后方来车预警方法还包括：
判断所述第一图像相似度值和所述第二图像相似度值是否大于所述危险阈值；
若所述第一图像相似度值和所述第二图像相似度值大于所述危险阈值，则判断所述第二图像相似度值是否大于所述第一图像相似度值；
若所述第二图像相似度值大于所述第一图像相似度值，则执行所述确定所述目标用户存在由所述后方来车引发的安全隐患，同时生成躲让安全隐患提示指令，以及将所述躲让安全隐患提示指令发送至所述智能无线耳机，以供所述智能无线耳机基于所述躲让安全隐患提示指令输出躲让安全隐患提示消息的步骤。
7.如权利要求1所述的基于智能无线耳机的后方来车预警方法，其特征在于，若所述第一图像相似度值和所述第二图像相似度值小于所述危险阈值，则输出安全提示指令，且将所述安全提示指令发送至所述智能无线耳机，以供所述智能无线耳机基于所述安全提示指令输出安全提示信息。
8.如权利要求1至7中任一项所述的基于智能无线耳机的后方来车预警方法，其特征在于，所述计算所述目标车辆图像与所述第一当前图像之间的第一图像相似度值包括：
将所述目标车辆图像与所述第一当前图像输入至图像相似度值计算公式，得到所述第一图像相似度值；
所述图像相似度值计算公式具体为：
其中，r为所述第一图像相似度值，pi为所述目标车辆图像的第i个分量，
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8中任一项所述的基于智能无线耳机的后方来车预警方法。
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如权利要求1至8中任一项所述的基于智能无线耳机的后方来车预警方法。
技术总结