車輛緊急制動方法、裝置、設備和計算機可讀介質與流程
1.本公開的實施例涉及計算機技術領域，具體涉及車輛緊急制動方法、裝置、設備和計算機可讀介質。
背景技術：
2.各種類型的交通事故經常發生在日常生活中。因此，對車輛進行監控，并通過監控查看、檢測車輛是否出現異常行為，以及通過監控預測車輛是否會出現異常行為正在逐漸成為熱點問題。目前，在檢測車輛是否出現異常行為時，通常采用的方式為：通過對車輛行駛的特定行為（預設行為）進行模式識別或者建模分析，當發現車輛行駛數據出現這些特定行為時則被判定為車輛行為異常。
3.然而，當采用上述方式檢測車輛是否出現異常行為時，經常會存在如下技術問題：第一，僅依賴數值的特征、模式進行車輛異常行為識別，獲得的車輛異常行為準確率較低，導致車輛異常行為的誤報或漏報，造成交通事故的無效攔截，反而產生交通事故以及人員傷亡，此外，在發生交通事故后，涉事車輛若因車主判斷損害較輕而繼續行駛，該車輛再次發生交通事故的概率大幅提升，容易引發二次交通事故，進一步造成人員傷亡。
4.第二，交警等工作人員往往會在車流量較大時增派人手、加強巡邏，對于經常發生交通事故的車輛未能有效追蹤，造成事故發生時處理速度慢，影響道路交通，導致道路交通擁堵。
5.該背景技術部分中所公開的以上信息僅用于增強對本發明構思的背景的理解，并因此，其可包含并不形成本國的本領域普通技術人員已知的現有技術的信息。
技術實現要素：
6.本公開的內容部分用于以簡要的形式介紹構思，這些構思將在后面的具體實施方式部分被詳細描述。本公開的內容部分并不旨在標識要求保護的技術方案的關鍵特征或必要特征，也不旨在用于限制所要求的保護的技術方案的范圍。
7.本公開的一些實施例提出了車輛緊急制動方法、裝置、電子設備和計算機可讀介質，來解決以上背景技術部分提到的技術問題中的一項或多項。
8.第一方面，本公開的一些實施例提供了一種車輛緊急制動方法，該方法包括：獲取車輛行為數據；將上述車輛行為數據輸入至車輛行為識別模型，得到至少一個車輛行為識別信息；對上述至少一個車輛行為識別信息進行組合，得到車輛行為識別序列信息；根據上述車輛行為識別序列信息，生成狀態轉移概率信息；響應于上述狀態轉移概率信息滿足預設車輛異常行為條件，向相關聯的終端發送車輛異常行為報警信息以執行相應的報警操作；對于上述車輛行為數據對應的車輛行為信息集合，對上述車輛行為信息集合中車輛行為信息表征的視頻幀進行二值化處理，得到二值車輛行為信息集合；對于上述二值車輛行為信息集合中的每個二值車輛行為信息，采用最小外接矩形法提取上述二值車輛行為信息包括的車輛畫面，得到目標車輛行為信息，以生成對應上述二值車輛行為信息集合的目標
車輛行為信息集合；對于上述目標車輛行為信息集合中的每個目標車輛行為信息，確定上述目標車輛行為信息與預設車輛損害信息集合中各個預設車輛損害信息的相似度，得到車輛相似度組，以得到對應上述目標車輛行為信息集合的車輛相似度組集；響應于上述車輛相似度組集滿足預設車輛損害條件，控制相關聯的車輛緊急制動，其中，上述預設車輛損害條件為上述車輛相似度組集對應的目標車輛相似度數量大于等于預設車輛損害數量閾值，上述目標車輛相似度數量為上述車輛相似度組集包括的大于等于預設相似度閾值的車輛相似度的數量。
9.第二方面，本公開的一些實施例提供了一種車輛緊急制動裝置，裝置包括：獲取單元，被配置成獲取車輛行為數據；輸入單元，被配置成將上述車輛行為數據輸入至車輛行為識別模型，得到至少一個車輛行為識別信息；組合單元，被配置成對上述至少一個車輛行為識別信息進行組合，得到車輛行為識別序列信息；生成單元，被配制成根據上述車輛行為識別序列信息，生成狀態轉移概率信息；發送單元，被配制成響應于上述狀態轉移概率信息滿足預設車輛異常行為條件，向相關聯的終端發送車輛異常行為報警信息以執行相應的報警操作；二值化單元，被配置成對于上述車輛行為數據對應的車輛行為信息集合，對上述車輛行為信息集合中車輛行為信息表征的視頻幀進行二值化處理，得到二值車輛行為信息集合；提取單元，被配置成對于上述二值車輛行為信息集合中的每個二值車輛行為信息，采用最小外接矩形法提取上述二值車輛行為信息包括的車輛畫面，得到目標車輛行為信息，以生成對應上述二值車輛行為信息集合的目標車輛行為信息集合；確定單元，被配置成對于上述目標車輛行為信息集合中的每個目標車輛行為信息，確定上述目標車輛行為信息與預設車輛損害信息集合中各個預設車輛損害信息的相似度，得到車輛相似度組，以得到對應上述目標車輛行為信息集合的車輛相似度組集；控制單元，被配置成響應于上述車輛相似度組集滿足預設車輛損害條件，控制相關聯的車輛緊急制動，其中，上述預設車輛損害條件為上述車輛相似度組集對應的目標車輛相似度數量大于等于預設車輛損害數量閾值，上述目標車輛相似度數量為上述車輛相似度組集包括的大于等于預設相似度閾值的車輛相似度的數量。
10.第三方面，本公開的一些實施例提供了一種電子設備，包括：一個或多個處理器；存儲裝置，其上存儲有一個或多個程序，當一個或多個程序被一個或多個處理器執行，使得一個或多個處理器實現上述第一方面任一實現方式所描述的方法。
11.第四方面，本公開的一些實施例提供了一種計算機可讀介質，其上存儲有計算機程序，其中，程序被處理器執行時實現上述第一方面任一實現方式所描述的方法。
12.本公開的上述各個實施例具有如下有益效果：通過本公開的一些實施例的車輛緊急制動方法，可以減少車輛異常行為的誤報或漏報，有效攔截交通事故的發生，從而減少交通事故以及人員傷亡。具體來說，導致車輛異常行為的誤報或漏報，造成交通事故的無效攔截，反而產生交通事故以及人員傷亡的原因在于：僅依賴數值的特征、模式進行車輛異常行為識別，獲得的車輛異常行為準確率較低，導致車輛異常行為的誤報或漏報，造成交通事故的無效攔截，反而產生交通事故以及人員傷亡，此外，在發生交通事故后，涉事車輛若因車主判斷損害較輕而繼續行駛，該車輛再次發生交通事故的概率大幅提升，容易引發二次交通事故，進一步造成人員傷亡。基于此，本公開的一些實施例的車輛緊急制動方法，首先，獲取車輛行為數據。然后，將車輛行為數據輸入至車輛行為識別模型，得到至少一個車輛行為
識別信息。由此，可以識別車輛在道路行駛時的行為動作。其次，對至少一個車輛行為識別信息進行組合，得到車輛行為識別序列信息。由此，可以得到識別車輛的一系列行為的信息。然后，根據車輛行為識別序列信息，生成狀態轉移概率信息。由此，可以得到表征狀態轉移概率的狀態轉移概率信息。之后，響應于狀態轉移概率信息滿足預設車輛異常行為條件，向相關聯的終端發送車輛異常行為報警信息以執行相應的報警操作。由此，可以警告相關工作人員車輛存在異常行為，從而使得相關工作人員采取相應措施。然后，對于車輛行為數據對應的車輛行為信息集合，對車輛行為信息集合中車輛行為信息表征的視頻幀進行二值化處理，得到二值車輛行為信息集合。之后，對于二值車輛行為信息集合中的每個二值車輛行為信息，采用最小外接矩形法提取二值車輛行為信息包括的車輛畫面，得到目標車輛行為信息，以生成對應二值車輛行為信息集合的目標車輛行為信息集合。其次，對于目標車輛行為信息集合中的每個目標車輛行為信息，確定目標車輛行為信息與預設車輛損害信息集合中各個預設車輛損害信息的相似度，得到車輛相似度組，以得到對應目標車輛行為信息集合的車輛相似度組集。最后，響應于車輛相似度組集滿足預設車輛損害條件，控制相關聯的車輛緊急制動，其中，預設車輛損害條件為車輛相似度組集對應的目標車輛相似度數量大于等于預設車輛損害數量閾值，目標車輛相似度數量為車輛相似度組集包括的大于等于預設相似度閾值的車輛相似度的數量。因為在通過車輛行為識別模型識別后，還生成了狀態轉移概率信息，可以通過預設車輛異常行為條件進一步判定是否存在車輛異常行為，相較于僅僅依賴數值的識別而言，提高了判斷是否發生車輛異常行為的準確率，進而可以減少車輛異常行為的誤報或漏報，有效攔截交通事故的發生，從而減少交通事故以及人員傷亡。也因為通過提取得到目標車輛行為信息集合并進行相似度比較，滿足預設車輛損害條件時控制相關聯的車輛緊急制動，從而相對客觀的評判車輛是否發生損害，并且在車輛損害較重時制動車輛，避免因車主的主觀評判而繼續駕駛車輛，從而減小車輛再次發生交通事故的概率，可以有效減少車輛的二次交通事故，進一步減少人員傷亡。
附圖說明
13.結合附圖并參考以下具體實施方式，本公開各實施例的上述和其他特征、優點及方面將變得更加明顯。貫穿附圖中，相同或相似的附圖標記表示相同或相似的元素。應當理解附圖是示意性的，元件和元素不一定按照比例繪制。
14.圖1是根據本公開的車輛緊急制動方法的一些實施例的流程圖；圖2是根據本公開的車輛緊急制動裝置的一些實施例的結構示意圖；圖3是適于用來實現本公開的一些實施例的電子設備的結構示意圖。
具體實施方式
15.下面將參照附圖更詳細地描述本公開的實施例。雖然附圖中顯示了本公開的某些實施例，然而應當理解的是，本公開可以通過各種形式來實現，而且不應該被解釋為限于這里闡述的實施例。相反，提供這些實施例是為了更加透徹和完整地理解本公開。應當理解的是，本公開的附圖及實施例僅用于示例性作用，并非用于限制本公開的保護范圍。
16.另外還需要說明的是，為了便于描述，附圖中僅示出了與有關發明相關的部分。在不沖突的情況下，本公開中的實施例及實施例中的特征可以相互組合。
17.需要注意，本公開中提及的“第一”、“第二”等概念僅用于對不同的裝置、模塊或單元進行區分，并非用于限定這些裝置、模塊或單元所執行的功能的順序或者相互依存關系。
18.需要注意，本公開中提及的“一個”、“多個”的修飾是示意性而非限制性的，本領域技術人員應當理解，除非在上下文另有明確指出，否則應該理解為“一個或多個”。
19.本公開實施方式中的多個裝置之間所交互的消息或者信息的名稱僅用于說明性的目的，而并不是用于對這些消息或信息的范圍進行限制。
20.下面將參考附圖并結合實施例來詳細說明本公開。
21.圖1示出了根據本公開的車輛緊急制動方法的一些實施例的流程100。該車輛緊急制動方法，包括以下步驟：步驟101，獲取車輛行為數據。
22.在一些實施例中，車輛緊急制動方法的執行主體（例如計算設備）可以通過有線連接方式或者無線連接方式從存儲有車輛行為數據的終端獲取車輛行為數據。其中，上述車輛行為數據可以為記錄車輛行為的數據。作為示例，上述車輛行為數據可以為道路上的監控攝像機所拍攝的車輛行駛視頻。作為又一示例，上述車輛行為數據可以為行車記錄儀所拍攝的車輛行駛視頻。作為再一示例，上述車輛行為數據可以為車輛上搭載的系統在車輛行駛過程中所采集的數據。例如，上述車輛行為數據可以為obd（on board diagnostics，車載診斷）數據。需要指出的是，上述無線連接方式可以包括但不限于3g/4g連接、wifi連接、藍牙連接、wimax連接、zigbee連接、uwb（ultra wideband）連接、以及其他現在已知或將來開發的無線連接方式。
23.需要說明的是，上述計算設備可以是硬件，也可以是軟件。當計算設備為硬件時，可以實現成多個服務器或終端設備組成的分布式集，也可以實現成單個服務器或單個終端設備。當計算設備體現為軟件時，可以安裝在上述所列舉的硬件設備中。其可以實現成例如用來提供分布式服務的多個軟件或軟件模塊，也可以實現成單個軟件或軟件模塊。在此不做具體限定。應該理解，根據實現需要，可以具有任意數目的計算設備。
24.步驟102，將車輛行為數據輸入至車輛行為識別模型，得到至少一個車輛行為識別信息。
25.在一些實施例中，上述執行主體可以將上述車輛行為數據輸入至車輛行為識別模型，得到至少一個車輛行為識別信息。其中，上述車輛行為識別模型可以為以車輛行為數據為輸入，以至少一個車輛行為識別信息為輸出的神經網絡模型。例如，該神經網絡模型可以為cnn（convolutional neural network，卷積神經網絡）模型。上述至少一個車輛行為識別信息中的車輛行為識別信息可以為表征車輛行為、車輛動作的信息。例如，上述車輛行為識別信息可以表征車輛加速。再如，上述車輛行為識別信息可以表征車輛發生減速。又如，上述車輛行為識別信息可以表征車輛緊急剎車。由此，可以識別車輛在道路行駛時的行為動作。
26.在一些實施例的一些可選的實現方式中，首先，上述執行主體可以對上述車輛行為數據進行劃分處理，得到車輛行為信息集合。實踐中，可以將形式為視頻的車輛行為數據按照視頻幀進行劃分，得到車輛行為信息集合。其中，車輛行為信息集合中的每個車輛行為信息包括一幀劃分處理后得到的視頻幀。然后，可以將上述車輛行為信息集合中的各個車輛行為信息依次輸入至車輛行為識別模型，得到至少一個車輛行為識別信息。其中，上述車
輛行為信息集合中的車輛行為信息與上述至少一個車輛行為識別信息中的車輛行為識別信息一一對應。作為示例，車輛行為信息可以為車輛行駛視頻中的其中一個視頻幀。該車輛行為信息對應的車輛行為識別信息可以表征車輛正在加速。
27.可選地，上述車輛行為識別模型可以是通過以下方式訓練得到的：第一步，獲取樣本集。其中，上述樣本集中的樣本包括樣本車輛行為信息，以及與樣本車輛行為信息對應的樣本車輛行為識別結果。其中，上述樣本車輛行為識別結果表征車輛的單一行為。上述單一行為可以為但不限于以下中的任意一項：車輛變道、避讓障礙物、車輛碰撞。換言之，對于表征車輛的復合行為的情況，例如車輛避讓障礙物變道時發生碰撞，則不納入上述樣本集所要求的樣本的范圍內。例如，樣本車輛行為信息可以為車輛行駛視頻中的其中一個視頻幀。與該樣本車輛行為信息對應的樣本車輛行為識別結果可以表征車輛變道。
28.第二步，可以基于樣本集執行以下訓練步驟：第一子步驟，將樣本集中的至少一個樣本的樣本車輛行為信息分別輸入至初始神經網絡，得到上述至少一個樣本中的每個樣本對應的預測車輛行為識別結果。其中，上述初始神經網絡可以是能夠根據樣本車輛行為信息得到預測車輛行為識別結果的各種神經網絡，例如，卷積神經網絡、深度神經網絡等等。
29.第二子步驟，將上述至少一個樣本中的每個樣本對應的預測車輛行為識別結果與對應的樣本車輛行為識別結果進行比較。
30.第三子步驟，根據比較結果確定初始神經網絡是否達到預設的優化目標。其中，上述優化目標可以是指上述初始神經網絡生成的預測車輛行為識別結果的準確率大于預設的準確率閾值。
31.第四子步驟，響應于確定初始神經網絡達到上述優化目標，將初始神經網絡作為訓練完成的車輛行為識別模型。由此，建立的車輛行為識別模型相較于要求訓練使用的樣本表征車輛的復合行為的復雜模型，建模過程較為簡單，可以節約計算資源。
32.可選地，訓練上述車輛行為識別模型的步驟，還可以包括：響應于確定初始神經網絡未達到上述優化目標，調整初始神經網絡的網絡參數，以及使用未用過的樣本組成樣本集，使用調整后的初始神經網絡作為初始神經網絡，再次執行上述訓練步驟。作為示例，可以采用反向傳播算法（back propgation algorithm，bp算法）和梯度下降法（例如隨機小批量梯度下降算法）對上述初始神經網絡的網絡參數進行調整。
33.步驟103，對至少一個車輛行為識別信息進行組合，得到車輛行為識別序列信息。
34.在一些實施例中，上述執行主體可以對上述至少一個車輛行為識別信息進行組合，得到車輛行為識別序列信息。實踐中，上述執行主體可以對上述至少一個車輛行為識別信息按照生成上述至少一個車輛行為識別信息的時間排序并進行組合，得到車輛行為識別序列信息。其中，所得到的車輛行為識別序列信息所記載的（即所表征的）車輛行為按照生成上述至少一個車輛行為識別信息的時間排序。例如，上述至少一個車輛行為識別信息可以為：a、b、c。上述車輛行為識別信息a可以表征車輛加速。上述車輛行為識別信息b可以表征車輛減速。上述車輛行為識別信息c可以表征車輛剎車。生成上述至少一個車輛行為識別信息的時間順序可以為：a、b、c。則得到的車輛行為識別序列信息所表征的車輛行為的序列
可以為：車輛加速-車輛減速-車輛剎車。也就是說，得到的車輛行為識別序列信息記載有車輛加速、車輛減速、車輛剎車三個車輛行為，且記載的車輛行為按照車輛加速-車輛減速-車輛剎車排序。由此，可以得到識別車輛的一系列行為的信息。
35.在一些實施例的一些可選的實現方式中，上述執行主體可以對上述至少一個車輛行為識別信息按照車輛行為發生的時間序列進行組合，得到車輛行為識別序列信息。其中，車輛行為發生的時間序列可以為車輛行為識別信息所記載的車輛行為所發生的時間。實踐中，上述執行主體可以對上述至少一個車輛行為識別信息按照車輛行為發生的時間序列進行組合，得到車輛行為識別序列信息，使得所得到的車輛行為識別序列信息所記載的車輛行為的順序按照車輛行為發生的時間排序。
36.步驟104，根據車輛行為識別序列信息，生成狀態轉移概率信息。
37.在一些實施例中，上述執行主體可以根據上述車輛行為識別序列信息，生成狀態轉移概率信息。實踐中，可以將上述車輛行為識別序列信息所記載的車輛行為的轉變過程視為馬爾可夫過程，對于上述車輛行為識別序列信息所記載的任意兩個相鄰的車輛行為，求取馬爾可夫一次轉移概率，以將對應上述車輛行為識別序列信息的至少一個馬爾可夫一次轉移概率的和確定為狀態轉移概率，得到狀態轉移概率信息。由此，可以得到表征狀態轉移概率的狀態轉移概率信息。
38.在一些實施例的一些可選的實現方式中，首先，上述執行主體可以根據上述車輛行為識別序列信息，生成車輛行為識別馬爾科夫鏈。實踐中，可以按照行為鏈節對應關系表，將上述車輛行為識別序列信息中的每個車輛行為替換為鏈節點標識，得到鏈節點標識序列作為車輛行為識別馬爾科夫鏈。其中，上述行為鏈節對應關系表可以為表征車輛行為與鏈節點標識的對應關系。上述鏈節點標識可以為字符串或數字。例如，上述鏈節點標識可以為“1”。然后，可以確定上述車輛行為識別馬爾科夫鏈的轉移概率作為狀態轉移概率信息。實踐中，對于上述車輛行為識別馬爾科夫鏈，可以通過chapman-kolmogorov（查普曼-科爾莫戈洛夫）等式求取上述車輛行為識別馬爾科夫鏈的n步轉移概率，得到n步轉移概率作為狀態轉移概率信息。由此，可以通過上述等式生成狀態轉移概率信息。
39.在一些實施例的一些可選的實現方式中，上述執行主體可以根據車輛行為識別序列信息，通過下式生成狀態轉移概率，以得到狀態轉移概率信息：。
40.其中，表示上述車輛行為識別序列信息中記載的車輛行為進行轉移的次數。例如，車輛行為識別序列信息可以記載車輛行為：車輛加速-車輛減速-剎車。從車輛加速至車輛減速為進行的第一次車輛行為的轉移。從車輛減速至剎車為進行的第二次車輛行為的轉移。則車輛行為進行轉移的次數為2。表示上述車輛行為識別序列信息中記載的車輛行為。表示車輛行為的轉移概率矩陣。其中，上述轉移概率矩陣可以為表征每兩個車輛行為先后順序發生的概率的矩陣。上述轉移概率矩陣中的每個元素均為概率值。上述轉移概率矩陣可以預先獲取或由相關工作人員設定。例如，上述轉移概率矩陣可以為5行5列的概率矩陣，其中，第一行與第一列表示加速，第二行與第二列表示減速，第三行與第三列表示剎車，第四行與第四列表示車輛變道，第五行與第五列表示車輛碰撞。對于該轉移概率矩陣中位
于第一行第二列的元素，該元素可以為表示車輛加速后再進行減速的概率值。對于該轉移概率矩陣中位于第四行第五列的元素，該元素可以為表示車輛變道后發生碰撞的概率值。可以表示對進行乘積次。例如，為2時，。表示對于上述車輛行為識別序列信息中記載的每兩個相鄰的車輛行為，提取運算后得到的矩陣中對應上述兩個相鄰的車輛行為的位置的元素，并將所提取到的全部元素進行求和，得到求和值。例如，車輛行為識別序列信息記載的車輛行為是：車輛加速-車輛減速-剎車時，車輛加速對應矩陣的第一行或第一列，車輛減速對應矩陣的第二行或第二列，車輛剎車對應矩陣的第三行或第三列。上述車輛行為識別序列信息中記載的第一個相鄰的車輛行為是：車輛加速-車輛減速，對應矩陣的第一行第二列。上述車輛行為識別序列信息中記載的第二個相鄰的車輛行為是：車輛減速-剎車，對應矩陣的第二行第三列。此時，提取運算后得到的矩陣中第一行第二列的元素和第二行第三列的元素并求和，得到求和值。
41.上述內容作為本公開的實施例的一個發明點，進一步解決了背景技術提及的技術問題一中的“僅依賴數值的特征、模式進行車輛異常行為識別，獲得的車輛異常行為準確率較低，導致車輛異常行為的誤報或漏報，造成交通事故的無效攔截，反而產生交通事故以及人員傷亡”。導致車輛異常行為的誤報或漏報，造成交通事故的無效攔截，反而產生交通事故以及人員傷亡的因素如下：僅依賴數值的特征、模式進行車輛異常行為識別，獲得的車輛異常行為準確率較低。如果解決了上述因素，就能達到提高調查交通事故效率，提早完成交通事故的調查的效果。為了達到這一效果，本公開通過上式生成狀態轉移概率并得到狀態轉移概率信息，可以提高生成的狀態轉移概率表征車輛是否異常的準確率，從而進一步提高了判斷是否發生車輛異常行為的準確率，進而可以減少車輛異常行為的誤報或漏報，有效攔截交通事故的發生，從而減少交通事故以及人員傷亡。
42.步驟105，響應于狀態轉移概率信息滿足預設車輛異常行為條件，向相關聯的終端發送車輛異常行為報警信息以執行相應的報警操作。
43.在一些實施例中，上述執行主體可以響應于上述狀態轉移概率信息滿足預設車輛異常行為條件，向相關聯的終端發送車輛異常行為報警信息以執行相應的報警操作。其中，上述預設車輛異常行為條件可以為上述狀態轉移概率信息表征的狀態轉移概率小于預設狀態轉移概率閾值。上述預設狀態轉移概率閾值可以為預先設定的狀態轉移概率的閾值。上述相關聯的終端可以為通信連接的終端，上述終端可以包括但不限于：智能手機、平板電腦、筆記本電腦。上述車輛異常行為報警信息可以為表征警告車輛存在異常行為的信息。例如，上述車輛異常行為報警信息可以為：“該車輛存在異常行駛數據，請及時采取應對措施！”。上述報警操作可以為警告車輛存在異常行為的操作。例如，上述報警操作可以為語音播放上述車輛異常行為報警信息。又如，上述報警操作可以為閃爍醒目燈光并加以震動以警告相關工作人員車輛存在異常行為。這里，對于執行上述報警操作的執行主體，不做限定。例如，可以為上述執行主體執行上述報警操作。又如，可以為上述終端執行上述報警操作。由此，可以警告相關工作人員車輛存在異常行為，從而使得相關工作人員采取相應措施。
44.步驟106，對于車輛行為數據對應的車輛行為信息集合，對車輛行為信息集合中車輛行為信息表征的視頻幀進行二值化處理，得到二值車輛行為信息集合。
45.在一些實施例中，對于上述車輛行為數據對應的車輛行為信息集合，上述執行主體可以對上述車輛行為信息集合中車輛行為信息表征的視頻幀進行二值化處理，得到二值車輛行為信息集合。
46.步驟107，對于二值車輛行為信息集合中的每個二值車輛行為信息，采用最小外接矩形法提取二值車輛行為信息包括的車輛畫面，得到目標車輛行為信息，以生成對應二值車輛行為信息集合的目標車輛行為信息集合。
47.在一些實施例中，對于上述二值車輛行為信息集合中的每個二值車輛行為信息，可以采用最小外接矩形法提取上述二值車輛行為信息包括的車輛畫面，得到目標車輛行為信息，以生成對應上述二值車輛行為信息集合的目標車輛行為信息集合。
48.步驟108，對于目標車輛行為信息集合中的每個目標車輛行為信息，確定目標車輛行為信息與預設車輛損害信息集合中各個預設車輛損害信息的相似度，得到車輛相似度組，以得到對應目標車輛行為信息集合的車輛相似度組集。
49.在一些實施例中，對于上述目標車輛行為信息集合中的每個目標車輛行為信息，可以確定上述目標車輛行為信息與預設車輛損害信息集合中各個預設車輛損害信息的相似度，得到車輛相似度組，以得到對應上述目標車輛行為信息集合的車輛相似度組集。其中，上述預設車輛損害信息集合中的預設車輛損害信息可以為存在損害的車輛的圖片。
50.步驟109，響應于車輛相似度組集滿足預設車輛損害條件，控制相關聯的車輛緊急制動。
51.在一些實施例中，響應于上述車輛相似度組集滿足預設車輛損害條件，可以控制相關聯的車輛緊急制動。其中，上述預設車輛損害條件為上述車輛相似度組集對應的目標車輛相似度數量大于等于預設車輛損害數量閾值，上述目標車輛相似度數量為上述車輛相似度組集包括的大于等于預設相似度閾值的車輛相似度的數量。上述預設相似度閾值可以為預先設定的相似度閾值。上述預設車輛損害數量閾值可以為預先設定的表征車輛損害的車輛相似度的數量閾值。上述相關聯的車輛可以為上述車輛行為數據對應的車輛。
52.可選地，上述相關聯的終端可以包括攝像頭。在執行上述步驟105之后，首先，上述執行主體可以根據上述車輛行為數據，確定車輛標識信息。實踐中，上述執行主體可以采用目標識別技術，對上述車輛行為數據進行車輛號碼識別處理，得到車輛號碼作為車輛標識信息。其次，可以將上述車輛標識信息發送至相關聯的攝像頭，使得上述攝像頭確定所捕獲的畫面中是否包括上述車輛標識信息所表征的車輛。然后，可以響應于接收到相關聯的攝像頭發送的車輛捕獲信息，從上述攝像頭獲取車輛數據記載信息。其中，上述車輛捕獲信息可以為表征上述攝像頭所捕獲的畫面中包括上述車輛標識信息所表征的車輛的信息。上述車輛數據記載信息可以為上述攝像頭所捕獲包括上述車輛標識信息所表征的車輛的畫面。之后，可以根據所獲取的至少一個車輛數據記載信息，生成車輛駕駛路線信息。實踐中，可以對所獲取的至少一個車輛數據記載信息進行路標識別，并將識別到的各個路標按照時間順序排列作為車輛駕駛路線，得到車輛駕駛路線信息。最后，可以將上述車輛駕駛路線信息發送至相關聯的工作人員終端，使得上述工作人員終端對上述車輛駕駛路線信息進行顯示，以供相關工作人員查看上述車輛駕駛路線信息。上述工作人員終端可以為相關聯的工作人員的終端。由此，可以通過車輛標識信息和車輛數據記載信息生成車輛駕駛路線信息，以供相關工作人員查看，從而可以加快交通事故的調查，避免大量調取和一一確認，提高了
調查交通事故效率，進而可以實現提早完成交通事故的調查。
53.可選地，首先，上述執行主體可以確定交通事故車輛頻次信息。其中，上述交通事故車輛頻次信息可以為表征曾經發生過交通事故的車輛，以及車輛發生交通事故的次數的信息。上述交通事故車輛頻次信息可以包括過往涉事車輛標識集合和過往車輛涉事次數集合。上述過往涉事車輛標識集合中的過往涉事車輛標識與上述過往車輛涉事次數集合中的過往車輛涉事次數一一對應。上述過往涉事車輛標識可以為車輛號碼。實踐中，上述執行主體可以從有線連接或無線連接的存儲有交通事故車輛頻次信息的終端獲取交通事故車輛頻次信息。然后，可以確定上述交通事故車輛頻次信息是否包括上述車輛行為數據對應的車輛號碼。之后，響應于上述交通事故車輛頻次信息包括上述車輛行為數據對應的車輛號碼，確定上述車輛號碼對應的過往車輛涉事次數是否大于預設涉事次數閾值。其中，上述車輛號碼對應的過往車輛涉事次數可以為，上述交通事故車輛頻次信息包括的與上述車輛號碼相同的過往涉事車輛標識對應的過往車輛涉事次數。最后，響應于上述車輛號碼對應的過往車輛涉事次數大于預設涉事次數閾值，可以向相關聯的巡邏人員的終端發送請求巡邏加強信息。其中，上述請求巡邏加強信息可以為表征請求加強對于道路的巡邏力度的信息。例如，上述請求巡邏加強信息可以為：請求增派人手用于加強路段巡邏。上述巡邏人員可以為巡邏道路的人員。例如，上述巡邏人員可以為交警。
54.上述內容作為本公開的實施例的一個發明點，解決了背景技術提及的技術問題二“交警等工作人員往往會在車流量較大時增派人手、加強巡邏，對于經常發生交通事故的車輛未能有效追蹤，造成事故發生時處理速度慢，影響道路交通，導致道路交通擁堵”。造成事故發生時處理速度慢，影響道路交通，導致道路交通擁堵的因素如下：交警等工作人員往往會在車流量較大時增派人手、加強巡邏，對于經常發生交通事故的車輛未能有效追蹤，造成事故發生時處理速度慢，影響道路交通，導致道路交通擁堵。如果解決了上述因素，就能達到提升交通事故的處理速度，減少對于道路交通的影響，減少道路交通擁堵的效果。為了達到這一效果，本公開通過交通事故車輛頻次信息，確定車輛行為數據對應的車輛是否為頻繁發生交通事故的車輛，并在確定該車輛頻發交通事故時提示相關工作人員加強巡邏，從而在發生交通事故時可以快速處理，提高了交通事故的處理速度，進而可以減少對于道路交通的影響，從而減少道路交通擁堵。
55.繼續參考圖2，作為對上述各圖所示方法的實現，本公開提供了一種車輛緊急制動裝置的一些實施例，這些裝置實施例與圖1所示的那些方法實施例相對應，該裝置具體可以應用于各種電子設備中。
56.如圖2所示，一些實施例的車輛緊急制動裝置200包括：獲取單元201、輸入單元202、組合單元203、生成單元204、發送單元205、二值化單元206、提取單元207、確定單元208和控制單元209。其中，獲取單元201被配置成獲取車輛行為數據；輸入單元202被配置成將上述車輛行為數據輸入至車輛行為識別模型，得到至少一個車輛行為識別信息；組合單元203被配置成對上述至少一個車輛行為識別信息進行組合，得到車輛行為識別序列信息；生成單元204被配制成根據上述車輛行為識別序列信息，生成狀態轉移概率信息；發送單元205被配制成響應于上述狀態轉移概率信息滿足預設車輛異常行為條件，向相關聯的終端發送車輛異常行為報警信息以執行相應的報警操作；二值化單元206被配置成對于上述車輛行為數據對應的車輛行為信息集合，對上述車輛行為信息集合中車輛行為信息表征的視
頻幀進行二值化處理，得到二值車輛行為信息集合；提取單元207被配置成對于上述二值車輛行為信息集合中的每個二值車輛行為信息，采用最小外接矩形法提取上述二值車輛行為信息包括的車輛畫面，得到目標車輛行為信息，以生成對應上述二值車輛行為信息集合的目標車輛行為信息集合；確定單元208被配置成對于上述目標車輛行為信息集合中的每個目標車輛行為信息，確定上述目標車輛行為信息與預設車輛損害信息集合中各個預設車輛損害信息的相似度，得到車輛相似度組，以得到對應上述目標車輛行為信息集合的車輛相似度組集；控制單元209被配置成響應于上述車輛相似度組集滿足預設車輛損害條件，控制相關聯的車輛緊急制動，其中，上述預設車輛損害條件為上述車輛相似度組集對應的目標車輛相似度數量大于等于預設車輛損害數量閾值，上述目標車輛相似度數量為上述車輛相似度組集包括的大于等于預設相似度閾值的車輛相似度的數量。
57.可以理解的是，該車輛緊急制動裝置200中記載的諸單元與參考圖1描述的方法中的各個步驟相對應。由此，上文針對方法描述的操作、特征以及產生的有益效果同樣適用于車輛緊急制動裝置200及其中包含的單元，在此不再贅述。
58.下面參考圖3，其示出了適于用來實現本公開的一些實施例的電子設備300（例如計算設備）的結構示意圖。圖3示出的電子設備僅僅是一個示例，不應對本公開的實施例的功能和使用范圍帶來任何限制。
59.如圖3所示，電子設備300可以包括處理裝置301（例如中央處理器、圖形處理器等），其可以根據存儲在只讀存儲器（rom）302中的程序或者從存儲裝置308加載到隨機訪問存儲器（ram）303中的程序而執行各種適當的動作和處理。在ram 303中，還存儲有電子設備300操作所需的各種程序和數據。處理裝置301、rom 302以及ram 303通過總線304彼此相連。輸入/輸出（i/o）接口305也連接至總線304。
60.通常，以下裝置可以連接至i/o接口305：包括例如觸摸屏、觸摸板、鍵盤、鼠標、攝像頭、麥克風、加速度計、陀螺儀等的輸入裝置306；包括例如液晶顯示器（lcd）、揚聲器、振動器等的輸出裝置307；包括例如磁帶、硬盤等的存儲裝置308；以及通信裝置309。通信裝置309可以允許電子設備300與其他設備進行無線或有線通信以交換數據。雖然圖3示出了具有各種裝置的電子設備300，但是應理解的是，并不要求實施或具備所有示出的裝置。可以替代地實施或具備更多或更少的裝置。圖3中示出的每個方框可以代表一個裝置，也可以根據需要代表多個裝置。
61.特別地，根據本公開的一些實施例，上文參考流程圖描述的過程可以被實現為計算機軟件程序。例如，本公開的一些實施例包括一種計算機程序產品，其包括承載在計算機可讀介質上的計算機程序，該計算機程序包含用于執行流程圖所示的方法的程序代碼。在這樣的一些實施例中，該計算機程序可以通過通信裝置309從網絡上被下載和安裝，或者從存儲裝置308被安裝，或者從rom 302被安裝。在該計算機程序被處理裝置301執行時，執行本公開的一些實施例的方法中限定的上述功能。
62.需要說明的是，本公開的一些實施例中記載的計算機可讀介質可以是計算機可讀信號介質或者計算機可讀存儲介質或者是上述兩者的任意組合。計算機可讀存儲介質例如可以是——但不限于——電、磁、光、電磁、紅外線、或半導體的系統、裝置或器件，或者任意以上的組合。計算機可讀存儲介質的更具體的例子可以包括但不限于：具有一個或多個導線的電連接、便攜式計算機磁盤、硬盤、隨機訪問存儲器（ram）、只讀存儲器（rom）、可擦式可
編程只讀存儲器（eprom或閃存）、光纖、便攜式緊湊磁盤只讀存儲器（cd-rom）、光存儲器件、磁存儲器件、或者上述的任意合適的組合。在本公開的一些實施例中，計算機可讀存儲介質可以是任何包含或存儲程序的有形介質，該程序可以被指令執行系統、裝置或者器件使用或者與其結合使用。而在本公開的一些實施例中，計算機可讀信號介質可以包括在基帶中或者作為載波一部分傳播的數據信號，其中承載了計算機可讀的程序代碼。這種傳播的數據信號可以采用多種形式，包括但不限于電磁信號、光信號或上述的任意合適的組合。計算機可讀信號介質還可以是計算機可讀存儲介質以外的任何計算機可讀介質，該計算機可讀信號介質可以發送、傳播或者傳輸用于由指令執行系統、裝置或者器件使用或者與其結合使用的程序。計算機可讀介質上包含的程序代碼可以用任何適當的介質傳輸，包括但不限于：電線、光纜、rf（射頻）等等，或者上述的任意合適的組合。
63.在一些實施方式中，客戶端、服務器可以利用諸如http（hyper text transfer protocol，超文本傳輸協議）之類的任何當前已知或未來研發的網絡協議進行通信，并且可以與任意形式或介質的數字數據通信（例如，通信網絡）互連。通信網絡的示例包括局域網（“lan”），廣域網（“wan”），網際網（例如，互聯網）以及端對端網絡（例如，ad hoc端對端網絡），以及任何當前已知或未來研發的網絡。
64.上述計算機可讀介質可以是上述電子設備中所包含的；也可以是單獨存在，而未裝配入該電子設備中。上述計算機可讀介質承載有一個或者多個程序，當上述一個或者多個程序被該電子設備執行時，使得該電子設備：獲取車輛行為數據；將上述車輛行為數據輸入至車輛行為識別模型，得到至少一個車輛行為識別信息；對上述至少一個車輛行為識別信息進行組合，得到車輛行為識別序列信息；根據上述車輛行為識別序列信息，生成狀態轉移概率信息；響應于上述狀態轉移概率信息滿足預設車輛異常行為條件，向相關聯的終端發送車輛異常行為報警信息以執行相應的報警操作；對于上述車輛行為數據對應的車輛行為信息集合，對上述車輛行為信息集合中車輛行為信息表征的視頻幀進行二值化處理，得到二值車輛行為信息集合；對于上述二值車輛行為信息集合中的每個二值車輛行為信息，采用最小外接矩形法提取上述二值車輛行為信息包括的車輛畫面，得到目標車輛行為信息，以生成對應上述二值車輛行為信息集合的目標車輛行為信息集合；對于上述目標車輛行為信息集合中的每個目標車輛行為信息，確定上述目標車輛行為信息與預設車輛損害信息集合中各個預設車輛損害信息的相似度，得到車輛相似度組，以得到對應上述目標車輛行為信息集合的車輛相似度組集；響應于上述車輛相似度組集滿足預設車輛損害條件，控制相關聯的車輛緊急制動，其中，上述預設車輛損害條件為上述車輛相似度組集對應的目標車輛相似度數量大于等于預設車輛損害數量閾值，上述目標車輛相似度數量為上述車輛相似度組集包括的大于等于預設相似度閾值的車輛相似度的數量。
65.可以以一種或多種程序設計語言或其組合來編寫用于執行本公開的一些實施例的操作的計算機程序代碼，上述程序設計語言包括面向對象的程序設計語言—諸如java、smalltalk、c++，還包括常規的過程式程序設計語言—諸如“c”語言或類似的程序設計語言。程序代碼可以完全地在用戶計算機上執行、部分地在用戶計算機上執行、作為一個獨立的軟件包執行、部分在用戶計算機上部分在遠程計算機上執行、或者完全在遠程計算機或服務器上執行。在涉及遠程計算機的情形中，遠程計算機可以通過任意種類的網絡——包括局域網（lan）或廣域網（wan）——連接到用戶計算機，或者，可以連接到外部計算機（例如
利用因特網服務提供商來通過因特網連接）。
66.附圖中的流程圖和框圖，圖示了按照本公開各種實施例的系統、方法和計算機程序產品的可能實現的體系架構、功能和操作。在這點上，流程圖或框圖中的每個方框可以代表一個模塊、程序段、或代碼的一部分，該模塊、程序段、或代碼的一部分包含一個或多個用于實現規定的邏輯功能的可執行指令。也應當注意，在有些作為替換的實現中，方框中所標注的功能也可以以不同于附圖中所標注的順序發生。例如，兩個接連地表示的方框實際上可以基本并行地執行，它們有時也可以按相反的順序執行，這依所涉及的功能而定。也要注意的是，框圖和/或流程圖中的每個方框、以及框圖和/或流程圖中的方框的組合，可以用執行規定的功能或操作的專用的基于硬件的系統來實現，或者可以用專用硬件與計算機指令的組合來實現。
67.描述于本公開的一些實施例中的單元可以通過軟件的方式實現，也可以通過硬件的方式來實現。所描述的單元也可以設置在處理器中，例如，可以描述為：一種處理器包括獲取單元、輸入單元、組合單元、生成單元、發送單元、二值化單元、提取單元、確定單元和控制單元。其中，這些單元的名稱在某種情況下并不構成對該單元本身的限定，例如，獲取單元還可以被描述為“獲取車輛行為數據的單元”。
68.本文中以上描述的功能可以至少部分地由一個或多個硬件邏輯部件來執行。例如，非限制性地，可以使用的示范類型的硬件邏輯部件包括：現場可編程門陣列（fpga）、專用集成電路（asic）、專用標準產品（assp）、片上系統（soc）、復雜可編程邏輯設備（cpld）等等。
69.以上描述僅為本公開的一些較佳實施例以及對所運用技術原理的說明。本領域技術人員應當理解，本公開的實施例中所涉及的發明范圍，并不限于上述技術特征的特定組合而成的技術方案，同時也應涵蓋在不脫離上述發明構思的情況下，由上述技術特征或其等同特征進行任意組合而形成的其它技術方案。例如上述特征與本公開的實施例中公開的（但不限于）具有類似功能的技術特征進行互相替換而形成的技術方案。
技術特征：
1.一種車輛緊急制動方法，包括：獲取車輛行為數據；將所述車輛行為數據輸入至車輛行為識別模型，得到至少一個車輛行為識別信息，其中，所述車輛行為識別模型是通過以下方式訓練得到的：獲取樣本集，其中，所述樣本集中的樣本包括樣本車輛行為信息，以及與樣本車輛行為信息對應的樣本車輛行為識別結果，其中，所述樣本車輛行為識別結果表征車輛的單一行為；基于樣本集執行以下訓練步驟：將樣本集中的至少一個樣本的樣本車輛行為信息分別輸入至初始神經網絡，得到所述至少一個樣本中的每個樣本對應的預測車輛行為識別結果；將所述至少一個樣本中的每個樣本對應的預測車輛行為識別結果與對應的樣本車輛行為識別結果進行比較；根據比較結果確定初始神經網絡是否達到預設的優化目標；響應于確定初始神經網絡達到所述優化目標，將初始神經網絡作為訓練完成的車輛行為識別模型；對所述至少一個車輛行為識別信息進行組合，得到車輛行為識別序列信息；根據所述車輛行為識別序列信息，生成狀態轉移概率信息；響應于所述狀態轉移概率信息滿足預設車輛異常行為條件，向相關聯的終端發送車輛異常行為報警信息以執行相應的報警操作；對于所述車輛行為數據對應的車輛行為信息集合，對所述車輛行為信息集合中車輛行為信息表征的視頻幀進行二值化處理，得到二值車輛行為信息集合；對于所述二值車輛行為信息集合中的每個二值車輛行為信息，采用最小外接矩形法提取所述二值車輛行為信息包括的車輛畫面，得到目標車輛行為信息，以生成對應所述二值車輛行為信息集合的目標車輛行為信息集合；對于所述目標車輛行為信息集合中的每個目標車輛行為信息，確定所述目標車輛行為信息與預設車輛損害信息集合中各個預設車輛損害信息的相似度，得到車輛相似度組，以得到對應所述目標車輛行為信息集合的車輛相似度組集；響應于所述車輛相似度組集滿足預設車輛損害條件，控制相關聯的車輛緊急制動，其中，所述預設車輛損害條件為所述車輛相似度組集對應的目標車輛相似度數量大于等于預設車輛損害數量閾值，所述目標車輛相似度數量為所述車輛相似度組集包括的大于等于預設相似度閾值的車輛相似度的數量。2.根據權利要求1所述的方法，其中，所述將所述車輛行為數據輸入至車輛行為識別模型，得到至少一個車輛行為識別信息，包括：對所述車輛行為數據進行劃分處理，得到車輛行為信息集合；將所述車輛行為信息集合中的各個車輛行為信息依次輸入至車輛行為識別模型，得到至少一個車輛行為識別信息。3.根據權利要求1所述的方法，其中，訓練所述車輛行為識別模型的步驟，還包括：響應于確定初始神經網絡未達到所述優化目標，調整初始神經網絡的網絡參數，以及使用未用過的樣本組成樣本集，使用調整后的初始神經網絡作為初始神經網絡，再次執行
所述訓練步驟。4.根據權利要求1所述的方法，其中，所述對所述至少一個車輛行為識別信息進行組合，得到車輛行為識別序列信息，包括：對所述至少一個車輛行為識別信息按照車輛行為發生的時間序列進行組合，得到車輛行為識別序列信息。5.根據權利要求1所述的方法，其中，所述根據所述車輛行為識別序列信息，生成狀態轉移概率信息，包括：根據所述車輛行為識別序列信息，生成車輛行為識別馬爾科夫鏈；確定所述車輛行為識別馬爾科夫鏈的轉移概率作為狀態轉移概率信息。6.根據權利要求1-5之一所述的方法，其中，所述相關聯的終端包括攝像頭；以及所述方法還包括：根據所述車輛行為數據，確定車輛標識信息；將所述車輛標識信息發送至相關聯的攝像頭，使得所述攝像頭確定所捕獲的畫面中是否包括所述車輛標識信息所表征的車輛；響應于接收到相關聯的攝像頭發送的車輛捕獲信息，從所述攝像頭獲取車輛數據記載信息；根據所獲取的至少一個車輛數據記載信息，生成車輛駕駛路線信息；將所述車輛駕駛路線信息發送至相關聯的工作人員終端，使得所述工作人員終端對所述車輛駕駛路線信息進行顯示。7.一種車輛緊急制動裝置，包括：獲取單元，被配置成獲取車輛行為數據；輸入單元，被配置成將所述車輛行為數據輸入至車輛行為識別模型，得到至少一個車輛行為識別信息；組合單元，被配置成對所述至少一個車輛行為識別信息進行組合，得到車輛行為識別序列信息；生成單元，被配置成根據所述車輛行為識別序列信息，生成狀態轉移概率信息；發送單元，被配置成響應于所述狀態轉移概率信息滿足預設車輛異常行為條件，向相關聯的終端發送車輛異常行為報警信息以執行相應的報警操作；二值化單元，被配置成對于所述車輛行為數據對應的車輛行為信息集合，對所述車輛行為信息集合中車輛行為信息表征的視頻幀進行二值化處理，得到二值車輛行為信息集合；提取單元，被配置成對于所述二值車輛行為信息集合中的每個二值車輛行為信息，采用最小外接矩形法提取所述二值車輛行為信息包括的車輛畫面，得到目標車輛行為信息，以生成對應所述二值車輛行為信息集合的目標車輛行為信息集合；確定單元，被配置成對于所述目標車輛行為信息集合中的每個目標車輛行為信息，確定所述目標車輛行為信息與預設車輛損害信息集合中各個預設車輛損害信息的相似度，得到車輛相似度組，以得到對應所述目標車輛行為信息集合的車輛相似度組集；控制單元，被配置成響應于所述車輛相似度組集滿足預設車輛損害條件，控制相關聯的車輛緊急制動，其中，所述預設車輛損害條件為所述車輛相似度組集對應的目標車輛相
似度數量大于等于預設車輛損害數量閾值，所述目標車輛相似度數量為所述車輛相似度組集包括的大于等于預設相似度閾值的車輛相似度的數量。8.一種電子設備，包括：一個或多個處理器；存儲裝置，其上存儲有一個或多個程序；當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如權利要求1-6中任一所述的方法。9.一種計算機可讀介質，其上存儲有計算機程序，其中，所述程序被處理器執行時實現如權利要求1-6中任一所述的方法。
技術總結
本公開的實施例公開了車輛緊急制動方法、裝置、設備和計算機可讀介質。該方法的一具體實施方式包括：獲取車輛行為數據；將車輛行為數據輸入車輛行為識別模型，得到至少一個車輛行為識別信息；對至少一個車輛行為識別信息進行組合，得到車輛行為識別序列信息；根據車輛行為識別序列信息，生成狀態轉移概率信息；向終端發送車輛異常行為報警信息以執行報警操作；對車輛行為信息集合進行二值化處理，得到二值車輛行為信息集合；提取每個二值車輛行為信息包括的車輛畫面，以生成目標車輛行為信息集合；確定每個目標車輛行為信息對應的相似度，以得到車輛相似度組集；控制相關聯的車輛緊急制動。該實施方式可以減少車輛異常行為的誤報或漏報。誤報或漏報。誤報或漏報。
