本申请涉及计算机程序，具体涉及一种车窗玻璃起雾的识别方法、装置、电子设备、以及计算机可读存储介质。
背景技术：
1、随着汽车技术的发展和人们生活水平的提高，人们对汽车智能化的要求以及用户体验的要求也越来越高。车窗玻璃例如前挡风玻璃作为用户驾驶汽车中与外界进行信息感知的重要通道，其重要程度不言而喻，车窗玻璃起雾影响驾驶员的视觉判断等情况也成为影响用户的行车安全的重要原因。
2、在现有的技术方案中，主要是通过车内的空调以及湿度，计算车内空气的露点温度，并将计算得到的露点温度与挡风玻璃的温度比较，以此控制车载空调对挡风玻璃进行除雾，但是此种方案并不能准确的车窗是否起雾，或者导致除雾不够彻底等，影响用户的使用体验。
技术实现思路
1、为解决上述技术问题，本申请的实施例提供了一种车窗玻璃起雾的识别方法及装置、电子设备、计算机可读存储介质以及计算机程序产品。
2、根据本申请实施例的一个方面，提供了一种车窗玻璃起雾的识别方法，包括：获取所述车窗的内外温度差以及车辆内部对应的湿度信息；若所述内外温度差达到预设温度差阈值且所述湿度信息达到预设湿度阈值，则获取所述车窗玻璃对应的车窗图像；获取所述车辆对应的配置信息，并基于所述配置信息以及所述车窗图像确定目标卷积神经网络模型；基于所述卷积神经网络模型提取所述车窗图像中的图像特征，若所述图像特征表征所述车窗图像为有雾图像，则判定所述车窗玻璃起雾。
3、根据本申请实施例的一个方面，所述配置信息包括所述车辆的车载终端运行负荷，所述基于所述配置信息以及所述车窗图像确定目标卷积神经网络模型，包括：基于所述车载终端运行负荷确定所述目标卷积神经网络模型的卷积核；基于所述车窗图像对应的图像参数确定所述目标神经网络的图像输入参数；基于所述卷积核以及所述图像输入参数确定相匹配的目标卷积神经网络模型。
4、根据本申请实施例的一个方面，所述基于所述车载终端运行负荷确定所述目标卷积神经网络模型的卷积核，包括：若所述车载终端运行负荷大于预设运行负荷阈值，则基于所述车载终端运行负荷确定所述目标卷积神经网络模型的卷积核；若所述车载终端运行负荷不大于预设运行负荷阈值，则将预设卷积核作为所述目标卷积神经网络模型的卷积核。
5、根据本申请实施例的一个方面，所述图像参数包括像素尺寸，所述基于所述车窗图像对应的图像参数确定所述目标神经网络的图像输入参数，包括：若所述车窗图像对应的像素尺寸大于预设像素尺寸，则对所述车窗图像进行压缩处理，以得到与所述预设像素尺寸相匹配的车窗图像；若所述车窗图像对应的像素尺寸小于所述预设像素尺寸，则对所述车窗图像进行像素填充，以得到与所述预设像素尺寸相匹配的车窗图像。
6、根据本申请实施例的一个方面，所述对所述车窗图像进行压缩处理，包括：基于所述预设像素尺寸确定所述车窗图像对应的插值参数；基于所述插值参数对所述车窗图像进场插值处理，以得到与所述预设像素尺寸相匹配的车窗图像。
7、根据本申请实施例的一个方面，所述方法还包括：基于所述图像特征确定所述车窗图像的通透等级；若所述通透等级小于预设通透等级阈值，则判定所述车窗图像为有雾图像。
8、根据本申请实施例的一个方面，所述方法还包括：获取所述车辆的外部温度，基于所述外部温度以及所述通透等级确定所述车窗玻璃的除雾策略；控制所述车辆执行除雾策略，并获取除雾后车窗图像；若所述除雾后车窗图像对应的通透等级达到预设通透等级阈值，则确定所述车辆除雾完成。
9、根据本申请实施例的一个方面，提供了一种车窗玻璃起雾的识别装置，包括：获取模块，用于获取所述车窗的内外温度差以及车辆内部对应的湿度信息；图像获取模块，用于若所述内外温度差达到预设温度差阈值且所述湿度信息达到预设湿度阈值，则获取所述车窗玻璃对应的车窗图像；确定模块，用于获取所述车辆对应的配置信息，并基于所述配置信息以及所述车窗图像确定目标卷积神经网络模型；提取模块，用于基于所述卷积神经网络模型提取所述车窗图像中的图像特征，若所述图像特征表征所述车窗图像为有雾图像，则判定所述车窗玻璃起雾。
10、根据本申请实施例的一个方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述电子设备实现如前所述的车窗玻璃起雾的处方法。
11、根据本申请实施例的一个方面，提供了一种计算机可读存储介质，其上存储有计算机可读指令，当所述计算机可读指令被计算机的处理器执行时，使计算机执行如上所述的车窗玻璃起雾的处方法。
12、根据本申请实施例的一个方面，还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如上所述的车窗玻璃起雾的识别方法中的步骤。
13、在本申请的实施例所提供的技术方案中，通过湖区车窗的内外温度差以及车辆内部的湿度信息，可以及时准确的确保车窗在开始起雾是就能够被理解检测到，并且通过基于车辆配置信息和车窗图像自动选择合适的卷积神经网络模型进行分析，极大地减轻了驾驶者的负担，并提升了驾驶体验，另一方面，通过基于车辆配置信息和车窗图像选择合适的卷积神经网络模型，本申请能够适应不同品牌和型号的车辆，以及不同环境条件下的车窗起雾情况，提高了其适用性和灵活性，提升了车辆对环境的感知能力。
14、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
1.一种车窗玻璃起雾的识别方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述配置信息包括所述车辆的车载终端运行负荷，所述基于所述配置信息以及所述车窗图像确定目标卷积神经网络模型，包括：
3.如权利要求2所述的方法，其特征在于，所述基于所述车载终端运行负荷确定所述目标卷积神经网络模型的卷积核，包括：
4.如权利要求2所述的方法，其特征在于，所述图像参数包括像素尺寸，所述基于所述车窗图像对应的图像参数确定所述目标神经网络的图像输入参数，包括：
5.如权利要求4所述的方法，其特征在于，所述对所述车窗图像进行压缩处理，包括：
6.如权利要求1所述方法，其特征在于，所述方法还包括：
7.如权利要求6所述的方法，其特征在于，所述方法还包括：
8.一种车窗玻璃起雾的识别装置，其特征在于，所述装置包括：
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，其上存储有计算机可读指令，当所述计算机可读指令被计算机的处理器执行时，使计算机执行权利要求1至7中任一项所述的车窗玻璃起雾的识别方法。
