本技术涉及车载专用视频处理，更具体地说，涉及一种车载专用视频处理系统。
背景技术：
1、汽车已经进入千家万户，在对于车载视频的获取设置，可以增加形式过程中的可视范围，增加安全性，同时可以作为有效的证据提供责任划分。
2、现有技术公开号为cn214756554u的文献提供一种车载智能视频图像处理设备，该装置通过主要采集组件以及两个活动安装于主要采集组件两侧的辅助采集组件，主要采集组件包括壳体一以及固定安装于壳体一内一侧的蓄电池一，所述壳体一内远离蓄电池一的一侧固定安装有支撑板，且支撑板远离蓄电池一一侧的中心固定安装有摄像头一，所述摄像头一远离支撑板的一端延伸出壳体一，辅助采集组件包括壳体二以及固定安装于壳体二内一侧的蓄电池二，所述壳体二内的顶端远离蓄电池二的一侧居中开设有供支撑杆活动设置的通孔，且支撑杆外缘面上居中设置有连接板，所述连接板远离支撑杆的一端固定安装有摄像头二，且壳体二远离蓄电池二的一侧居中设置有罩设于摄像头二上的防护壳，所述防护壳远离壳体二的一侧居中开设有供弧形pc板固定设置的安装槽。
3、上述中的现有技术方案虽然通过现有技术的结构可以实现与有关的有益效果，但是仍存在以下缺陷：该设置了承载体并设置前后的摄像头进行前后方向情况的获取，然而在使用的过程中，车辆两侧也是较为重要的范围，同时，在停车的过程中对两侧的获取也即为重要。
4、针对上述中的相关技术中，发明人认为在进行车载专用视频的设置过程中，可以让摄像头进行多方位的获取图像，同时让摄像头可以对不同的区域位置进行预判，从而进行每个位置不同时长的停留，从而减少安全隐患的发生。
5、鉴于此，我们提出一种车载专用视频处理系统。
技术实现思路
1、1.要解决的技术问题
2、本技术的目的在于提供一种车载专用视频处理系统，解决了上述背景技术中的设置了承载体并设置前后的摄像头进行前后方向情况的获取，然而在使用的过程中，车辆两侧也是较为重要的范围，同时，在停车的过程中对两侧的获取也即为重要技术问题，实现了技术效果。
3、2.技术方案
4、本技术技术方案提供了一种车载专用视频处理系统，包括：
5、采集车外环境数据，采集车辆外侧各个区域对应方向的环境车辆等数据；
6、标注车外环境数据，对车外环境数据的情况进行预判发生的结果进行标记；
7、车外环境数据预处理，对车外环境数据进行图像加载、标签编缺及失值处理等预处理；
8、建立车外环境模型并训练，利用外环境数据模型进行训，通过学习图像中的特征来识别不同类型的车辆、道路情况、交通标识等情况；
9、车外环境模型评估优化，对建立的车外环境模型的表现进行评估准确性和稳定性并进行训练；
10、车外环境模型部署监测，将训练好的车外环境模型整合到车辆系统中进行应用；
11、执行换位设备，根据预测结果对于预测结果安全的位置进行切换另外的位置。
12、通过采用上述技术方案，通过车外环境模型的建立，以在进行车载专用视频的设置过程中，让摄像头可以对不同的区域位置进行预判，从而进行每个位置不同时长的停留，从而可以对于我不撞人，而人撞我的情况的发生进行预防减少概率，从而，减少安全隐患的发生。
13、作为本技术文件技术方案的一种可选方案，所述采集车外环境数据，对车外环境数据的获取包括道路路况，其他车辆，行人，及不同天气的道路路况，其他车辆情况。
14、作为本技术文件技术方案的一种可选方案，所述标注车外环境数据，对不同的路路况，其他车辆，行人，及不同天气的道路路况，其他车辆情况，可能发生交通事故的情况，或打滑的情况进行标记，对于不会发生事故的情况进行标记。
15、作为本技术文件技术方案的一种可选方案，所述车外环境数据预处理，对车外环境数据图像进行加载，使用图像处理库来加载和处理图像数据，在python中的过程为：
16、python
17、import cv2#使用opencv库
18、#定义图像文件路径
19、image_path＝'path/to/your/image.jpg'
20、#通过opencv加载图像
21、image＝cv2.imread(image_path)
22、#确保图像成功加载if image is not none:
23、#打印图像的形状
24、print("image shape:",image.shape)
25、#可以进行其他的图像处理操作或显示图像等else:
26、print("failed to load image.")
27、定义图像文件的路径，然后使用opencv的imread函数加载图像。
28、处理图像中可能存在的缺失值或异常值，通过填充、剔除或其他方法来实现。
29、作为本技术文件技术方案的一种可选方案，所述建立车外环境模型并训练，选择卷积神经网络构架，首先：
30、导入必要的库：
31、python
32、import tensorflow as tffrom tensorflow.keras import layers,models
33、定义模型架构：
34、python
35、model＝models.sequential()
36、#添加卷积层和池化层
37、model.add(layers.conv2d(32,(3,3),activation＝'relu',input_shape＝(height,width,channels)))
38、model.add(layers.maxpooling2d((2,2)))
39、model.add(layers.conv2d(64,(3,3),activation＝'relu'))
40、model.add(layers.maxpooling2d((2,2)))
41、model.add(layers.conv2d(128,(3,3),activation＝'relu'))
42、model.add(layers.maxpooling2d((2,2)))
43、#添加全连接层
44、model.add(layers.flatten())
45、model.add(layers.dense(128,activation＝'relu'))
46、#输出层
47、model.add(layers.dense(num_classes,activation＝'softmax'))。
48、作为本技术文件技术方案的一种可选方案，所述车外环境模型评估优化，根据性能评估结果，对外环境模型进行调整和优化，从而，根据性能评估结果，需要增加或减少模型中的卷积层、池化层、全连接层等，以调整模型的复杂度；
49、使用学习率衰减或优化器中的自适应学习率机制，过程如下：
50、from tensorflow.keras.optimizers import adamfromtensorflow.keras.callbacks import reducelronplateau
51、optimizer＝adam(learning_rate＝0.001)
52、reduce_lr＝reducelronplateau(monitor＝'val_loss',factor＝0.2,patience＝3,min_lr＝0.0001)
53、model.compile(optimizer＝optimizer,loss＝'categorical_crossentropy',metrics＝['accuracy'])。
54、作为本技术文件技术方案的一种可选方案，所述执行换位设备，包括
55、承重块，所述承重块通过移动轨组件设置于车壳内壁；
56、采集处理头，所述采集处理头固定设置于承重块内部，且呈对称结构设置；
57、所述承重块通过转动组件进行转动采集处理头的方向，通过摆动驱动增大采集范围，通过伸缩驱动进一步调整位置。
58、3.有益效果
59、本技术技术方案中提供的一个或多个技术方案，至少具有如下技术效果或优点：
60、1.本技术通过车外环境模型的建立，以在进行车载专用视频的设置过程中，让摄像头可以对不同的区域位置进行预判，从而进行每个位置不同时长的停留，从而可以对于我不撞人，而人撞我的情况的发生进行预防减少概率，从而，减少安全隐患的发生。
61、2.本技术通过移动轨组件的设置，可以让两侧的摄像头进行多方位的获取图像，并在移动半周后可以对两侧的图像进行同时的获取的，减少获取的时间，从而减少延长而出事故的概率。
62、3.本技术通过转动组件的设置，可以在移动的过程中，进行调整摄像头的角度，从而通过多角度的方式进行有效的获取视频，同时可以进行及时的调整获取更具有有效性的图像。
63、4.本技术通过摆动驱动的设置，可以让摄像头进行上下的摆动，从而可以让扩大获取范围，进一步的提高数据的多样性。
64、5.本技术通过伸缩驱动的设置，可以让摄像头进行上下的运动进行扩大范围，同时，可以在不用时，提升摄像头。
1.一种车载专用视频处理系统，其特征在于：包含：
2.根据权利要求1所述的车载专用视频处理系统，其特征在于：所述采集车外环境数据，对车外环境数据的获取包括道路路况，其他车辆，行人，及不同天气的道路路况，其他车辆情况。
3.根据权利要求1所述的车载专用视频处理系统，其特征在于：所述标注车外环境数据，对不同的路路况，其他车辆，行人，及不同天气的道路路况，其他车辆情况，可能发生交通事故的情况，或打滑的情况进行标记，对于不会发生事故的情况进行标记。
4.根据权利要求1所述的车载专用视频处理系统，其特征在于：所述车外环境数据预处理，对车外环境数据图像进行加载，使用图像处理库来加载和处理图像数据，在python中的过程为：
5.根据权利要求1所述的车载专用视频处理系统，其特征在于：所述建立车外环境模型并训练，选择卷积神经网络构架，首先：
6.根据权利要求1所述的车载专用视频处理系统，其特征在于：所述车外环境模型评估优化，根据性能评估结果，对外环境模型进行调整和优化，从而，根据性能评估结果，需要增加或减少模型中的卷积层、池化层、全连接层等，以调整模型的复杂度；
7.根据权利要求1所述的车载专用视频处理系统，其特征在于：所述执行换位设备，包括
