喻婷

摘 要：行車記錄儀，通常是指記錄車輛行駛途中影像及聲音等相關(guān)資訊的儀器，智能行車記錄儀則是將行車生活有關(guān)的各項(xiàng)數(shù)據(jù)有機(jī)地結(jié)合在一起，通過綜合管理，讓行車生活更舒適、安全、有效和省時(shí)的行車記錄儀。本文利用中國專利檢索系統(tǒng)，檢索了智能行車記錄儀技術(shù)領(lǐng)域的專利申請(qǐng)，從技術(shù)起源、發(fā)展趨勢(shì)、國內(nèi)外專利申請(qǐng)量、產(chǎn)出國、申請(qǐng)人等方面進(jìn)行了分析，在上述統(tǒng)計(jì)分析的基礎(chǔ)上，總結(jié)出智能行車記錄儀技術(shù)的一些規(guī)律，梳理部分技術(shù)分支的發(fā)展路線，為進(jìn)一步研究智能行車記錄儀技術(shù)提供參考資料。

關(guān)鍵詞：行車記錄儀;車道偏移;疲勞駕駛;專利分析

一、智能行車記錄儀簡介

傳統(tǒng)的行車記錄儀只能記錄車輛行駛過程中的音視頻數(shù)據(jù)，隨著車載數(shù)據(jù)及功能的不斷增加，智能行車記錄儀除了基本的音視頻記錄功能，還能夠?qū)⑿熊嚿钣嘘P(guān)的各項(xiàng)數(shù)據(jù)結(jié)合在一起，通過綜合管理，讓行車生活更舒適、安全、有效和省時(shí)。

根據(jù)智能行車記錄儀的改進(jìn)重點(diǎn)，智能行車記錄儀技術(shù)可分為三個(gè)方向：（1）針對(duì)視頻錄制和存儲(chǔ)技術(shù)：改進(jìn)圖像傳感器和圖像處理芯片，優(yōu)化存儲(chǔ)裝置和存儲(chǔ)方式，通過車輛狀態(tài)信號(hào)、環(huán)境信號(hào)、用戶指令等控制視頻的錄制或存儲(chǔ)。（2）針對(duì)車輛與其他設(shè)備的數(shù)據(jù)交互：通過近程通信、局域網(wǎng)、移動(dòng)互聯(lián)網(wǎng)等數(shù)據(jù)傳輸渠道，實(shí)現(xiàn)車-人、車-車、車-服務(wù)器的數(shù)據(jù)交互。（3）針對(duì)行車數(shù)據(jù)的分析處理：獲取車輛行駛數(shù)據(jù)、駕駛員數(shù)據(jù)并與行車記錄儀拍攝的圖像數(shù)據(jù)進(jìn)行綜合分析和處理，實(shí)現(xiàn)多種駕駛輔助功能。

二、智能行車記錄儀專利技術(shù)整體分析

本文對(duì)智能行車記錄儀技術(shù)領(lǐng)域的專利申請(qǐng)趨勢(shì)、專利申請(qǐng)產(chǎn)出國和全球申請(qǐng)人分布進(jìn)行了統(tǒng)計(jì)分析。根據(jù)數(shù)據(jù)庫收集的文獻(xiàn)量及分布特點(diǎn)對(duì)中文和外文數(shù)據(jù)庫進(jìn)行選擇，其中中文數(shù)據(jù)庫選擇CNABS數(shù)據(jù)庫，外文數(shù)據(jù)庫選擇VEN數(shù)據(jù)庫。

（一）專利申請(qǐng)量趨勢(shì)分析

在中文摘要數(shù)據(jù)庫CNABS和英文摘要數(shù)據(jù)庫VEN中分別對(duì)智能行車記錄儀技術(shù)相關(guān)專利文獻(xiàn)進(jìn)行檢索并統(tǒng)計(jì)，得到如圖1所示的專利申請(qǐng)趨勢(shì)圖。

1995年至1999年，行車記錄儀技術(shù)處于萌芽期，由于受到傳感器、處理器等硬件方面和圖像處理算法等軟件方面的限制，技術(shù)發(fā)展緩慢，專利申請(qǐng)量整體較少; 2000年至2008年，得益于圖像傳感器和圖像處理算法的發(fā)展，行車記錄儀采集的圖像質(zhì)量與圖像處理能力都得到了提升，同時(shí)隨著各種傳感器小型化和集成化，汽車數(shù)據(jù)傳輸技術(shù)的不斷發(fā)展，在行車記錄儀中配置多種行車數(shù)據(jù)相關(guān)的傳感器或與汽車總線進(jìn)行數(shù)據(jù)傳輸變得容易實(shí)現(xiàn)，車輛駕駛輔助技術(shù)也在快速發(fā)展，帶動(dòng)各類車載電子設(shè)備的功能改進(jìn)，智能行車記錄儀技術(shù)得到穩(wěn)定的發(fā)展，專利申請(qǐng)量呈現(xiàn)逐年上升的態(tài)勢(shì);在2009年出現(xiàn)了轉(zhuǎn)折，該年全球?qū)＠暾?qǐng)量較去年下降了8.6%， 并于2010年開始回升，而國內(nèi)申請(qǐng)量則持續(xù)保持上升的態(tài)勢(shì)，主要因?yàn)?007年全球經(jīng)濟(jì)逐漸出現(xiàn)不景氣現(xiàn)象，對(duì)該領(lǐng)域也帶來了沖擊，由于該技術(shù)國外發(fā)展得比中國早，在2006年智能行車記錄儀剛開始在國內(nèi)發(fā)展，受經(jīng)濟(jì)的影響較小; 2010年至2015年，隨著移動(dòng)網(wǎng)絡(luò)通信的發(fā)展、汽車市場的不斷擴(kuò)張、自動(dòng)駕駛技術(shù)的發(fā)展、智能終端的普及，人們需求智能化、多功能化、操作簡單、娛樂性強(qiáng)的行車記錄儀，因此智能行車記錄儀朝多個(gè)方向同時(shí)發(fā)展，專利申請(qǐng)量持續(xù)快速上升，在2015-2016年，國內(nèi)外專利申請(qǐng)量激增，主要原因是4G網(wǎng)絡(luò)技術(shù)的普及和人工智能的興起，一些社會(huì)熱點(diǎn)事件提升了人們對(duì)行車記錄儀的關(guān)注;2017年和2018年由于部分文獻(xiàn)還未公開，導(dǎo)致目前的統(tǒng)計(jì)得到的申請(qǐng)量不多。

（二）專利申請(qǐng)產(chǎn)出國分析

專利申請(qǐng)產(chǎn)出國一般是指一項(xiàng)技術(shù)的原創(chuàng)技術(shù)國，一般而言，一個(gè)國家擁有的原創(chuàng)技術(shù)越多，說明其在該技術(shù)領(lǐng)域的研發(fā)能力和技術(shù)實(shí)力越強(qiáng)。圖2和圖3分別是CNABS數(shù)據(jù)庫和VEN數(shù)據(jù)庫中相關(guān)檢索結(jié)果的專利文獻(xiàn)產(chǎn)出國進(jìn)行的統(tǒng)計(jì)分析結(jié)果。

CNABS庫中排名靠前的國家和地區(qū)依次為中國、日本和美國，VEN庫中排名靠前的國家和地區(qū)依次為日本、中國和美國。其中，中國在該領(lǐng)域的國外專利申請(qǐng)量占比雖然不少，但是與在CNABS庫中占比極高的情況相比，我國申請(qǐng)人在國外申請(qǐng)專利的數(shù)量并不多，表明我國申請(qǐng)人應(yīng)更加重視對(duì)于該領(lǐng)域國外的專利布局，需要進(jìn)一步加強(qiáng)在國外進(jìn)行相關(guān)專利的申請(qǐng)。

（三）專利申請(qǐng)人分布

進(jìn)一步對(duì)CNABS和VEN數(shù)據(jù)庫中智能行車記錄儀技術(shù)領(lǐng)域中申請(qǐng)人進(jìn)行排名和分析，具體分布圖如圖4、圖5所示。

全球范圍內(nèi)智能行車記錄儀技術(shù)專利的重要申請(qǐng)人主要分布于日本、韓國、德國和美國。我國申請(qǐng)人在全球范圍內(nèi)的申請(qǐng)量排名靠后，這與行車記錄儀進(jìn)入我國市場的時(shí)間較晚有關(guān)，早期核心技術(shù)都掌握在外國公司手中，使我國申請(qǐng)人在國外進(jìn)行專利布局的難度較大。結(jié)合圖3可知，我國的申請(qǐng)量并不少，但是重要申請(qǐng)人的申請(qǐng)量卻不多，這也反映了在該領(lǐng)域我國的申請(qǐng)多而不精的特點(diǎn)。

從圖5可以看出，在國外該領(lǐng)域處于領(lǐng)先地位的公司在中國進(jìn)行了一定的專利布局，并且國外公司的申請(qǐng)量比我國申請(qǐng)人的申請(qǐng)量更多。國外的重要申請(qǐng)人主要是汽車（零配件）公司、導(dǎo)航公司、互聯(lián)網(wǎng)公司，對(duì)上述幾個(gè)公司在該領(lǐng)域的專利進(jìn)行分析，發(fā)現(xiàn)導(dǎo)航公司提交的申請(qǐng)主要與車輛行駛路徑相關(guān)，如路徑規(guī)劃與導(dǎo)航、歷史路線回放、實(shí)景地圖繪制等;互聯(lián)網(wǎng)公司提交的申請(qǐng)主要與行車記錄儀視頻錄制和管理相關(guān)，如視頻錄制的控制方式、視頻數(shù)據(jù)傳輸方式、視頻數(shù)據(jù)的處理方式，而汽車公司則更重視車輛行駛數(shù)據(jù)的采集與處理。

三、智能行車記錄儀技術(shù)路線梳理

（一）智能行車記錄儀技術(shù)分支

智能行車記錄儀技術(shù)可以分為三個(gè)大的方向：一是針對(duì)視頻錄制和存儲(chǔ)技術(shù)的改進(jìn)，二是針對(duì)車輛與其他設(shè)備進(jìn)行數(shù)據(jù)交互的改進(jìn)，三是針對(duì)車輛行車數(shù)據(jù)的分析處理的改進(jìn)。其中，針對(duì)車輛行車數(shù)據(jù)的分析處理主要包含：車道偏離檢測預(yù)警技術(shù)、前車碰撞檢測預(yù)警技術(shù)、疲勞駕駛檢測預(yù)警技術(shù)、倒車輔助技術(shù)等。近年來，隨著人工智能的興起，自動(dòng)駕駛技術(shù)成為眾多研發(fā)人員的研究重點(diǎn)，而自動(dòng)駕駛技術(shù)離不開對(duì)車輛駕駛輔助技術(shù)，在各類車輛駕駛輔助技術(shù)中，車道偏離檢測預(yù)警技術(shù)和疲勞駕駛檢測預(yù)警技術(shù)以其能夠有效減少駕駛員的危險(xiǎn)駕駛，提升行車安全的特點(diǎn)受到人們的關(guān)注，也成為智能行車記錄儀領(lǐng)域的研究熱點(diǎn)。

結(jié)合上述技術(shù)發(fā)展方向和發(fā)展熱點(diǎn)，本文主要對(duì)智能行車記錄儀中車道偏離檢測預(yù)警技術(shù)路線和疲勞駕駛檢測預(yù)警技術(shù)進(jìn)行梳理，通過整理該技術(shù)分支從1995年至2017的專利申請(qǐng)，并對(duì)其該領(lǐng)域的重點(diǎn)專利申請(qǐng)進(jìn)行分析，根據(jù)相關(guān)重點(diǎn)專利申請(qǐng)梳理技術(shù)發(fā)展路線。

（二）智能行車記錄儀中車道偏離檢測預(yù)警技術(shù)

首先，對(duì)車道偏離檢測預(yù)警技術(shù)進(jìn)行梳理，該技術(shù)的發(fā)展趨勢(shì)是結(jié)合更多車輛行駛相關(guān)的數(shù)據(jù)進(jìn)行更加準(zhǔn)確及時(shí)的判斷，并輔助其他系統(tǒng)實(shí)現(xiàn)自動(dòng)駕駛。通過梳理車道偏離檢測預(yù)警技術(shù)專利申請(qǐng)，發(fā)現(xiàn)該領(lǐng)域中的熱點(diǎn)問題主要集中在兩方面：一方面，車道偏離的準(zhǔn)確識(shí)別，主要通過提升圖像處理算法剔除影響車道偏離判斷的信息，并結(jié)合其他車輛數(shù)據(jù)，如車速、偏轉(zhuǎn)角、GPS定位信息來進(jìn)行車道偏離的檢測;另一方面，檢測出車道偏離后的預(yù)警操作，主要通過結(jié)合車輛行駛數(shù)據(jù)、環(huán)境數(shù)據(jù)等信息判斷適合車輛的輔助控制操作。

下面對(duì)從1995年至2017的重點(diǎn)專利申請(qǐng)進(jìn)行分析：

第一階段（1995-2000）：在這一階段，受限于當(dāng)時(shí)圖像采集和處理技術(shù)，只能利用較簡單的圖像處理技術(shù)得到車輛與車道上標(biāo)記線之間的距離，當(dāng)車道附近存在障礙物或車道不是直線時(shí)，容易發(fā)生誤判。代表性的專利有申請(qǐng)?zhí)朌E59607148A（1995年）：通過車輛后視鏡中的紅外發(fā)射器和CCD陣列，計(jì)算車輛一側(cè)與車道白線間的距離。申請(qǐng)?zhí)朘R19990008036A（1999年）：攝像機(jī)采集車輛前方的車道圖像，利用圖像處理算法提取類似車道的直線并進(jìn)行車道寬度計(jì)算。

第二階段（2001-2008）：在這一階段，得益于各類檢測傳感器和車輛數(shù)據(jù)處理算法的發(fā)展，車輛偏移檢測預(yù)警不再是單純地檢測出車輛偏移后進(jìn)行提醒，而是根據(jù)車輛行駛數(shù)據(jù)以及車輛相對(duì)車道的關(guān)系判斷是否存在車輛偏移的趨勢(shì)，并進(jìn)行對(duì)應(yīng)的輔助控制，圖像處理算法的改進(jìn)則在于從圖像中計(jì)算車道的相關(guān)信息。代表性的專利有：申請(qǐng)?zhí)朖P2003372852A（2003年），通過圖像得到車道參數(shù)，結(jié)合車輛行駛狀況判斷車道偏移趨勢(shì)并進(jìn)行偏移修正。申請(qǐng)?zhí)朥S20030373150A（2003年），通過前后兩個(gè)攝像機(jī)拍攝的圖像確定車輛距車道邊界的距離。申請(qǐng)?zhí)朖P2004163405A（2004年），根據(jù)巡航控制裝置的工作狀態(tài)和車速，在有偏離車道趨勢(shì)時(shí)判斷車輛是否需要開啟車道偏離報(bào)警裝置或車道報(bào)紙裝置。申請(qǐng)?zhí)朖P2008181869A（2008年），通過照相機(jī)識(shí)別車道邊界檢測車輛前方障礙物，并根據(jù)障礙物的大小得到虛擬車道寬度，判斷是否需要進(jìn)行回避操作。

第三階段（2009-2017）：在這一階段，圖像采集傳感器和圖像處理算法都得到了極大的改進(jìn)，能夠從復(fù)雜的動(dòng)態(tài)的外部環(huán)境中篩選出有助于確定車道類型和位置的信息，使得車道檢測的速度和準(zhǔn)確率大幅提高，對(duì)車輛進(jìn)行的輔助控制能夠適應(yīng)更復(fù)雜的情況。代表性的專利有：申請(qǐng)?zhí)朌E102009007342A（2009年），利用連續(xù)照片序列確定前方行駛車輛的位置，以便獲取有效車道。申請(qǐng)?zhí)朖P2010544108A（2009年），車輛偏移時(shí)結(jié)合并行車輛的行駛狀態(tài)調(diào)整角度修正值。申請(qǐng)?zhí)朥S20100308497P（2010年），通過環(huán)境圖像，檢測公路標(biāo)線和/或尾燈，確定車道線類型并計(jì)算車輛與車道線的偏離。申請(qǐng)?zhí)朥S20100840058A（2010年），使用前、后視攝像機(jī)圖像、數(shù)字地圖和前方車輛相對(duì)偏移計(jì)算使本車輛不偏移的轉(zhuǎn)角。申請(qǐng)?zhí)朖P2011037669A（2011年），針對(duì)已檢測出的車道劃分線推測未檢測出的另一側(cè)的劃分線。申請(qǐng)?zhí)朘R20120073429A（2012年），根據(jù)不同天氣進(jìn)行不同的噪聲處理，去除噪聲后識(shí)別車道線并判斷是否偏離車道。申請(qǐng)?zhí)朖P2014073027A（2014年），根據(jù)一組立體圖像擬合車道線，并根據(jù)車輛行駛數(shù)據(jù)判斷需要選擇的輔助控制模式。

（三）智能行車記錄儀中疲勞駕駛檢測預(yù)警技術(shù)

對(duì)疲勞駕駛檢測預(yù)警技術(shù)進(jìn)行梳理，該技術(shù)的發(fā)展趨勢(shì)是將疲勞駕駛檢測預(yù)警與人工智能、車輛駕駛輔助技術(shù)結(jié)合，全方面保障行車安全。通過梳理疲勞駕駛檢測預(yù)警技術(shù)專利申請(qǐng)，發(fā)現(xiàn)該領(lǐng)域中的熱點(diǎn)問題主要集中在兩方面：一是疲勞駕駛檢測方式的多元化;二是將疲勞駕駛檢測預(yù)警技術(shù)與其他車輛行駛控制技術(shù)結(jié)合。

第一階段（1995-2004），在這一階段，對(duì)駕駛員疲勞駕駛檢測的手段雖然有多種，但是都只利用了單一種類的參數(shù)進(jìn)行疲勞駕駛檢測，并且檢測的算法都很簡單。代表性的專利有：申請(qǐng)?zhí)朥S19990334960A（1999年），通過駕駛員臉部圖像，確定駕駛員眼睛的縱向?qū)挾龋?jì)算瞌睡因子并判斷駕駛員是否在打瞌睡。申請(qǐng)?zhí)朖P2002198776A（2002年），實(shí)時(shí)檢測車輛速度，在預(yù)定時(shí)間內(nèi)有預(yù)定監(jiān)視速度減速了預(yù)定速度以上時(shí)判斷為瞌睡狀態(tài)并對(duì)駕駛者發(fā)出警告。申請(qǐng)?zhí)朖P2003149630A（2003年），檢測心跳信號(hào)，獲取心跳信號(hào)的譜信號(hào)，通過使用譜信號(hào)的峰頻率估計(jì)駕駛員清醒狀態(tài)峰頻率并計(jì)算表示駕駛員困倦程度的評(píng)估參數(shù)。

第二階段（2005-2010）：在這一階段，隨著圖像處理技術(shù)的發(fā)展，對(duì)駕駛者眼睛的檢測算法變得更加豐富，并且將車輛行駛數(shù)據(jù)與圖像識(shí)別數(shù)據(jù)結(jié)合，提高了疲勞駕駛檢測的可靠性。代表性的專利有：申請(qǐng)?zhí)朖P2006051189A（2006年），使用由車載照相機(jī)拍攝的圖像來檢測駕駛員的面部位置改變，檢測車輛的行駛狀態(tài)，基于臉部位置改變和車輛的駕駛狀態(tài)來確定駕駛員是否入睡。申請(qǐng)?zhí)朖P2007152076A（2007年），根據(jù)多個(gè)差值圖像去掉圖像中的干擾光影響，使圖像ECU能夠辨別車輛外部的環(huán)境，判斷駕駛者縮小眼睛是否由困倦引起。申請(qǐng)?zhí)朖P2009068281A（2009年），提取眼瞼開度的時(shí)序數(shù)據(jù)，求出眨眼間隔，檢測頻發(fā)性眨眼，從而判定困倦狀態(tài)。

第三階段（2011-2017）：在這一階段，利用更多類型的參數(shù)通過更加復(fù)雜的算法共同判定駕駛員的疲勞狀態(tài)，提高了疲勞駕駛檢測算法的適應(yīng)性，隨著車輛駕駛輔助技術(shù)的發(fā)展，車輛行駛數(shù)據(jù)、駕駛員生理狀態(tài)數(shù)據(jù)、環(huán)境數(shù)據(jù)等與車輛駕駛息息相關(guān)的信息都被納入車輛駕駛輔助系統(tǒng)的分析處理范圍，因而疲勞駕駛檢測技術(shù)逐漸與車輛駕駛輔助技術(shù)結(jié)合。代表性的專利有：申請(qǐng)?zhí)朇N201210235887（2012年），獲取駕駛時(shí)長、季節(jié)信息、壓線頻率、道路類型、方向盤操作數(shù)據(jù)、油門控制數(shù)據(jù)并與預(yù)先存儲(chǔ)的防疲勞駕駛模型對(duì)比判斷駕駛員是否處于疲勞狀態(tài)。申請(qǐng)?zhí)朖P2014526769A（2013年），基于駕駛員的身體信息和車輛的速度，檢測穩(wěn)定值收斂變化度，推定駕駛者的疲勞度。申請(qǐng)?zhí)朖P2009068281A（2015年），檢測車輛周圍環(huán)境并定義目標(biāo)行為，當(dāng)檢測到駕駛員打瞌睡時(shí)，啟用駕駛員輔助功能。申請(qǐng)?zhí)朇N201610186487（2016年），將采集的車道線信息和方向盤轉(zhuǎn)角信息進(jìn)行分析處理，與基礎(chǔ)疲勞指數(shù)進(jìn)行對(duì)比，獲取初始匹配疲勞指數(shù)，分析處理駕駛員身份信息和駕駛時(shí)間信息得到修正系數(shù)，進(jìn)而計(jì)算出駕駛員的實(shí)際疲勞系數(shù)，并在疲勞系數(shù)達(dá)到預(yù)設(shè)值時(shí)進(jìn)行提示。

四、總結(jié)

通過了解和分析智能行車記錄儀總體發(fā)展歷程、專利申請(qǐng)狀況、部分技術(shù)分支發(fā)展路線，可以看出智能行車記錄儀的發(fā)展與硬件設(shè)備、軟件算法、用戶需求等息息相關(guān)，隨著科技的發(fā)展，行車記錄儀日后必將集成更多智能模塊或與其他設(shè)備組合為方便用戶使用、提升行車安全的智能車載系統(tǒng)。

參考文獻(xiàn)

[1] 劉寬.基于ARM的在智能行車記錄儀的研制[D].安徽理工大學(xué)，2017.

[2] 阮天波.基于移動(dòng)智能終端的行車監(jiān)控系統(tǒng)研究與實(shí)現(xiàn)[D].浙江工商大學(xué)，2015.

[3] 易琨.智能行車記錄儀的功能、原理及使用[J].汽車科技，2017（3）：18-24.