CN109766804A - 基于车载场景的物品识别方法、装置、设备和存储介质 - Google Patents
基于车载场景的物品识别方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN109766804A CN109766804A CN201811627449.5A CN201811627449A CN109766804A CN 109766804 A CN109766804 A CN 109766804A CN 201811627449 A CN201811627449 A CN 201811627449A CN 109766804 A CN109766804 A CN 109766804A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- image
- article
- vehicle interior
- identification model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本申请提供一种基于车载场景的物品识别方法、装置、设备和存储介质，该资方法包括：获取车辆内部图像，根据车辆内饰识别模型和物品识别模型对所述车辆内部图像进行识别，确定车辆内部是否存在类似遗失的物品，若存在，则发送告警信息，所述告警信息用于提示车主车辆内存在遗失物品，车辆内饰识别模型用于识别车辆的装饰物品，物品识别模型用于识别车辆内用户的常用物品，通过本方案可以有效的保护用户的财产安全，并且能够极大的节省用户找回物品的时间和人力成本。
Description
技术领域
本申请实施例涉及人工智能技术领域，尤其涉及一种基于车载场景的物品识别方法、装置、设备和存储介质。
背景技术
随着现代生活节奏越来越快，人们将一些贵重物品例如手机，钱包，背包等私人贵重遗落在车上的情况也越来越多。如果丢失在其他出租车，滴滴等汽车上，最后导致寻回物品的成本很大，如果遗漏在自己的汽车上，也可能给一些不法分子可趁之机，增大物品丢失的风险。
现有技术还没有专门的针对车载场景进行物品的识别和预警的技术方案。
发明内容
本申请实施例提供一种基于车载场景的物品识别方法、装置、设备和存储介质，提供一种专门的针对车载场景进行物品的识别和预警的技术方案。
本申请第一方面提供一种基于车载场景的物品识别方法，所述方法包括：
获取车辆内部图像；
根据车辆内饰识别模型和物品识别模型对所述车辆内部图像进行识别，确定车辆内部是否存在类似遗失的物品；
若存在，则发送告警信息，所述告警信息用于提示车主车辆内存在遗失物品；
其中，所述车辆内饰识别模型用于识别车辆的装饰物品，所述物品识别模型用于识别车辆内用户的常用物品。
在一种具体实施方式中，所述方法还包括：
获取第一图像集合，所述第一图像集合中包括多个预先标定了车辆内部的饰品的图像；
根据所述第一图像集合，采用卷积神经网络训练得到所述车辆内饰识别模型。
在一种具体实施方式中，所述方法还包括：
获取第二图像集合，所述第二图像集合中包括多个预先标定了用户的常用物品的图像；
根据所述第二图像集合，采用卷积神经网络训练得到所述物品识别模型。
在一种具体实施方式中，所述根据车辆内饰识别模型和物品识别模型对所述车辆内部图像进行识别，确定车辆内部是否存在类似遗失的物品，包括：
采用所述车辆内饰识别模型对所述车辆内部图像中的车辆内饰进行识别，获取车辆内饰；
将所述车辆内部图像中的所述车辆内饰进行剔除，得到剔除后的车辆内部图像；
根据所述物品识别模型对所述剔除后的车辆内部图像进行物品识别，确定所述车辆内部是否存在类似遗失的物品。
在一种具体实施方式中，所述获取车辆内部图像，包括：
通过设置在车辆内部的摄像头拍摄获取所述车辆内部图像；
或者，
通过设置在车辆内部的红外成像装置获取所述车辆内部图像。
在一种具体实施方式中，所述发送告警信息，包括：
向车主的终端设备发送所述告警信息；
或者，
播放告警语音，所述告警信息包括所述告警语音。
本申请第二方面提供一种基于车载场景的物品识别装置，包括：
获取模块，用于获取车辆内部图像；
处理模块，用于根据车辆内饰识别模型和物品识别模型对所述车辆内部图像进行识别，确定车辆内部是否存在类似遗失的物品；
发送模块，用于若存在，则发送告警信息，所述告警信息用于提示车主车辆内存在遗失物品；
其中，所述车辆内饰识别模型用于识别车辆的装饰物品，所述物品识别模型用于识别车辆内用户的常用物品。
可选的，所述处理模块还用于：
获取第一图像集合，所述第一图像集合中包括多个预先标定了车辆内部的饰品的图像；
根据所述第一图像集合，采用卷积神经网络训练得到所述车辆内饰识别模型。
可选的，所述处理模块还用于：
获取第二图像集合，所述第二图像集合中包括多个预先标定了用户的常用物品的图像；
根据所述第二图像集合，采用卷积神经网络训练得到所述物品识别模型。
可选的，所述处理模块具体用于：
采用所述车辆内饰识别模型对所述车辆内部图像中的车辆内饰进行识别，获取车辆内饰；
将所述车辆内部图像中的所述车辆内饰进行剔除，得到剔除后的车辆内部图像；
根据所述物品识别模型对所述剔除后的车辆内部图像进行物品识别，确定所述车辆内部是否存在类似遗失的物品。
可选的，所述获取模块具体用于：
通过设置在车辆内部的摄像头拍摄获取所述车辆内部图像；
或者，
通过设置在车辆内部的红外成像装置获取所述车辆内部图像。
可选的，所述发送模块包括：
发送子模块，用于向车主的终端设备发送所述告警信息；
或者，
播放子模块，用于播放告警语音，所述告警信息包括所述告警语音。
本申请第三方面提供一种电子设备，包括：
处理器、存储器、图像获取装置以及计算机程序；所述计算机程序存储在所述存储器中，所述处理器执行所述计算机程序实现第一方面任一项所述的基于车载场景的物品识别方法。
本申请第四方面提供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，所述计算机程序用于实现第一方面任一项所述的基于车载场景的物品识别方法。
本申请提供的基于车载场景的物品识别方法、装置、设备和存储介质，通过车载设备或者车辆的控制设备等电子设备获取车辆内部图像，根据车辆内饰识别模型和物品识别模型对所述车辆内部图像进行识别，确定车辆内部是否存在非车辆内饰的物品，若存在，则发送告警信息，用于提示车主车辆内存在遗失物品，通过本方案可以有效的保护用户的财产安全，并且能够极大的节省用户找回物品的时间和人力成本。。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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它的附图。
图1为本申请实施例提供的基于车载场景的物品识别方法实施例一的流程图；
图2为本申请实施例提供的基于车载场景的物品识别方法实施例二的流程图；
图3为本申请实施例提供的基于车载场景的物品识别装置实施例一的结构示意图；
图4为本申请实施例提供的基于车载场景的物品识别装置实施例二的结构示意图；
图5为本申请实施例提供的电子设备实施例一的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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它实施例，都属于本申请保护的范围。
用户将贵重物品遗失在车辆的情况越来越多，随着5G，大数据，云计算，人工智能等新一代技术和汽车交通等领域的深度融合，汽车软硬件不断的升级给解决此问题提供了良好的环境，所以本申请将实现一种基于深度学习图像识别技术的车载场景物品防遗失方案，也就是通过监控车内有无物品遗落，从而给车主进行提醒报警，从源头上杜绝此类行为的发生，能有效的保护人们的财产安全。
该方案可以实现在车载设备，或者车辆的控制设备，或者智能汽车本身中，对此本方案不做限制。下面通过几个具体实施例对本申请提供的基于车载场景的物品识别方法进行详细说明。
图1为本申请实施例提供的基于车载场景的物品识别方法实施例一的流程图，如图1所示，该基于车载场景的物品识别方法具体包括以下步骤：
S101：获取车辆内部图像。
在本步骤中，为了实现对车辆内部的图像的识别，确定用户是否遗失了物品在车内，需要获取车辆内部的图像，一般来说可以通过设置在车辆内部的一个或者多个摄像头拍摄获取该车辆内部图像，车辆内部图像的数量可以是多张或者一张图像，对此本方案不做限制。由于车辆内部光线收到环境的影响，在天气不好或者夜间时车辆内部比较黑暗，因此该车辆内部图像还可以是红外图像，即通过设置在车辆内部的红外摄像头拍摄获取的红外图像。
获取车辆内部图像至少包括以下两种实现方式：
1、通过设置在车辆内部的摄像头拍摄获取所述车辆内部图像；
2、通过设置在车辆内部的红外成像装置获取所述车辆内部图像。
S102：根据车辆内饰识别模型和物品识别模型对车辆内部图像进行识别，确定车辆内部是否存在类似遗失的物品。
在本步骤中，车载设备或者车辆获取到车辆内部图像之后，需要根据预先获取到的车辆内饰识别模型以及物品识别模型对得到的车辆内部图像进行识别处理，识别出其中不是车辆内饰的物品，也就是类似遗失的物品。该方案中的车辆内饰识别模型是用来识别车辆的装饰物品的模型。物品识别模型是用来是被车辆内用户的常用物品的，该常用物品可以是手机、钥匙、钱包以及包等物品，对此本方案不做限制。
在实现该方案之前，首先需要进行模型的训练，该方案中则需要分别训练车辆内饰识别模型以及物品识别模型。一种具体的模型训练方案如下：
车辆内饰识别模型训练方案：终端设备或者其他的智能设备，或者车辆的控制设备，车载设备需要获取第一图像集合，该图像集合中包括多个车辆内部的图像，并且该些图像已经进行标定，即标定出了图像中的车辆的饰品，根据该第一图像集合采用卷积神经网络训练得到车辆内饰识别模型，对图像中的车辆饰品进行识别。
物品识别模型训练方案：获取第二图像集合，该第二图像集合中包括多个车辆内部的图像，并且该些图像已经进行了常用物品的标定，即标定出了图像中的车辆的饰品，根据该第二图像集合，采用卷积神经网络进行训练，得到能够识别出车辆中用户的常用物品的物品识别模型。
S103：若存在，则发送告警信息，告警信息用于提示车主车辆内存在遗失物品。
在本步骤中，按照上述步骤对车辆内部图像进行识别处理，确认车辆内部确实存在不是车辆内饰的物品之后，需要向车主发送告警信息，该告警信息可以是报警提示，也可以是发送到车主的终端设备上的提示信息，对此本方案不做限制，能够让车主知道车辆内部存在遗失物品即可。
在本方案的具体实现中，应理解，车辆、或者车载设备或者车辆的控制设备不能一直持续的进行该过程，会增加能耗或者影响车辆的其他性能，因此该车辆内的物品识别方案可以在乘客或者车主下车关闭车门时触发，根据具体实现的情况，也可以分别对车辆前后排进行识别，均可以进行设置。对后排的图像识别预警过程可以在后排乘客下车或者关闭车门的操作下触发，对于前排的图像识别预警过程可以在驾驶位车门关闭的操作下触发，对此本方案不做限制。
本实施例提供的基于车载场景的物品识别方法，通过获取车辆内部图像，采用预先训练的车辆内饰识别模型以及物品识别模型识别车辆中是否有遗失的物品，如果有则向车主推送告警信息，提示车辆内存在遗失物品，通过本方案可以有效的保护用户的财产安全，并且能够极大的节省用户找回物品的时间和人力成本。
图2为本申请实施例提供的基于车载场景的物品识别方法实施例二的流程图，如图2所示，在上述实施例一的基础上，步骤S102中根据车辆内饰识别模型和物品识别模型对车辆内部图像进行识别，确定车辆内部是否存在非车辆内饰的物品，具体可以包括以下几个步骤：
S1021：采用车辆内饰识别模型对车辆内部图像中的车辆内饰进行识别，获取车辆内饰。
在本步骤中，终端设备，车载设备或者车辆的控制设备等首先需要采用车辆内饰识别模型对车辆内部图像中的车辆内饰进行识别，识别出该车辆内部图像中的一个或者多个车辆内饰。
S1022：将车辆内部图像中的车辆内饰进行剔除，得到剔除后的车辆内部图像。
在该步骤中，对一个或者多个车辆内部图像中的车辆内饰进行剔除，即对图像进行处理，将图中识别出的车辆内饰剔除，得到剔除后的车辆内部图像。
S1023：根据物品识别模型对剔除后的车辆内部图像进行物品识别，确定车辆内部是否存在类似遗失的物品。
在本步骤中，将剔除了车辆内部饰品之后的车辆内部图像，采用该物品识别模型进行识别处理，如果识别出车辆内部图像中存在一个或者多个非车辆内饰的物品，也就是类似遗失的物品，则确定需要向车主推送告警信息。如果识别出车辆内部图像中不存在除了内饰之外的物品，则不需要推送告警信息。
在该方案中应理解，执行主体还可以直接对图像进行常用物品识别，即在训练模型的过程中，集合中只进行常用物品的标定，需要内饰物品进行提出，得到能够识别用户的常用物品的物品识别模型，在触发了该过程之后，直接采用物品识别模型识别出车辆中是否存在遗失的物品，确定是否需要发送告警信息。
结合上述两个实施例，本申请提供的就似乎方案，需要预先构建车载场景图像训练库，通过搜集汽车内饰物品数据集和常用物品数据集并进行人工标注，然后基于卷机神经网络(Convolutional Neural Networks，CNN)提取汽车内饰物品特征进行训练并通过支持向量机(Support Vector Machine，SVM)分类器对物品进行分类，之后通过对车内图像剔除掉识别出的汽车内饰物品等噪声，将剩余图像输入已有的常用物品识别训练模型识别出物品。
通过识别车内无人的情况下，进行遗漏物品识别，如果出现遗漏物品则向车主发出报警信息；通过识别出车内后排无人的情况下，进行遗漏物品识别，如果出现遗漏物品则向车主发出报警信息。
本申请的技术方案可以有效的保护用户的财产安全，并且能够极大的节省用户找回物品的时间和人力成本，可以极大的提升用户的使用频次，增强用户的使用黏性，也可以丰富图像识别训练库，提高车载场景下的物品识别的准确率和召回率，进一步提升用户体验。
图3为本申请实施例提供的基于车载场景的物品识别装置实施例一的结构示意图；如图3所示，该基于车载场景的物品识别装置10，包括：
获取模块11，用于获取车辆内部图像；
处理模块12，用于根据车辆内饰识别模型和物品识别模型对所述车辆内部图像进行识别，确定车辆内部是否存在类似遗失的物品；
发送模块13，用于若存在，则发送告警信息，所述告警信息用于提示车主车辆内存在遗失物品；
其中，所述车辆内饰识别模型用于识别车辆的装饰物品，所述物品识别模型用于识别车辆内用户的常用物品。
本实施例提供的基于车载场景的物品识别装置用于实现前述任一方法实施例中的基于车载场景的物品识别方法，其实现原理和技术效果类似，通过对车辆中除了车辆内饰之外的其他的物品进行识别，并提示车主车辆内存在遗失物品，有效的保护用户的财产安全，并且能够极大的节省用户找回物品的时间和人力成本。
在上述实施例的基础上，所述处理模块12还用于：
获取第一图像集合，所述第一图像集合中包括多个预先标定了车辆内部的饰品的图像；
根据所述第一图像集合，采用卷积神经网络训练得到所述车辆内饰识别模型。
可选的，所述处理模块12还用于：
获取第二图像集合，所述第二图像集合中包括多个预先标定了用户的常用物品的图像；
根据所述第二图像集合，采用卷积神经网络训练得到所述物品识别模型。
可选的，所述处理模块12具体用于：
采用所述车辆内饰识别模型对所述车辆内部图像中的车辆内饰进行识别，获取车辆内饰；
将所述车辆内部图像中的所述车辆内饰进行剔除，得到剔除后的车辆内部图像；
根据所述物品识别模型对所述剔除后的车辆内部图像进行物品识别，确定所述车辆内部是否存在类似遗失的物品。
可选的，所述获取模块11具体用于：
通过设置在车辆内部的摄像头拍摄获取所述车辆内部图像；
或者，
通过设置在车辆内部的红外成像装置获取所述车辆内部图像。
上述任一实施方式提供的基于车载场景的物品识别装置用于实现前述任一方法实施例中的基于车载场景的物品识别方法，其实现原理和技术效果类似，在此不再赘述。
图4为本申请实施例提供的基于车载场景的物品识别装置实施例二的结构示意图；如图4所示，在上述图3所示的实施例的基础上，发送模块13具体包括：
发送子模块131，用于向车主的终端设备发送所述告警信息；
或者，
播放子模块132，用于播放告警语音，所述告警信息包括所述告警语音。
本实施例提供的基于车载场景的物品识别装置用于实现前述任一方法实施例中的基于车载场景的物品识别方法，其实现原理和技术效果类似，在此不再赘述。
图5为本申请实施例提供的电子设备实施例一的结构示意图，如图5所示，该电子设备，包括：
处理器、存储器、图像获取装置以及计算机程序；所述计算机程序存储在所述存储器中，所述处理器执行所述计算机程序实现前述任一方法实施例提供的基于车载场景的物品识别方法的技术方案。
本申请还提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，所述计算机程序用于实现前述任一方法实施例提供的基于车载场景的物品识别方法的技术方案。
在上述电子设备的具体实现中，应理解，处理器可以是中央处理单元(英文：Central Processing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：Digital Signal Processor，简称：DSP)、专用集成电路(英文：Application SpecificIntegrated Circuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：只读存储器(英文：read-only memory，缩写：ROM)、RAM、快闪存储器、硬盘、固态硬盘、磁带(英文：magnetictape)、软盘(英文：floppy disk)、光盘(英文：optical disc)及其任意组合。
最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，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，或者对其中部分或者全部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申请各实施例技术方案的范围。
Claims (14)
1.一种基于车载场景的物品识别方法，其特征在于，所述方法包括：
获取车辆内部图像；
根据车辆内饰识别模型和物品识别模型对所述车辆内部图像进行识别，确定车辆内部是否存在类似遗失的物品；
若存在，则发送告警信息，所述告警信息用于提示车主车辆内存在遗失物品；
其中，所述车辆内饰识别模型用于识别车辆的装饰物品，所述物品识别模型用于识别车辆内用户的常用物品。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取第一图像集合，所述第一图像集合中包括多个预先标定了车辆内部的饰品的图像；
根据所述第一图像集合，采用卷积神经网络训练得到所述车辆内饰识别模型。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取第二图像集合，所述第二图像集合中包括多个预先标定了用户的常用物品的图像；
根据所述第二图像集合，采用卷积神经网络训练得到所述物品识别模型。
4.根据权利要求1至3中任意一项所述的方法，其特征在于，所述根据车辆内饰识别模型和物品识别模型对所述车辆内部图像进行识别，确定车辆内部是否存在类似遗失的物品，包括：
采用所述车辆内饰识别模型对所述车辆内部图像中的车辆内饰进行识别，获取车辆内饰；
将所述车辆内部图像中的所述车辆内饰进行剔除，得到剔除后的车辆内部图像；
根据所述物品识别模型对所述剔除后的车辆内部图像进行物品识别，确定所述车辆内部是否存在类似遗失的物品。
5.根据权利要求1至4中任意一项所述的方法，其特征在于，所述获取车辆内部图像，包括：
通过设置在车辆内部的摄像头拍摄获取所述车辆内部图像；
或者，
通过设置在车辆内部的红外成像装置获取所述车辆内部图像。
6.根据权利要求1所述的方法，其特征在于，所述发送告警信息，包括：
向车主的终端设备发送所述告警信息；
或者，
播放告警语音，所述告警信息包括所述告警语音。
7.一种基于车载场景的物品识别装置，其特征在于，包括：
获取模块，用于获取车辆内部图像；
处理模块，用于根据车辆内饰识别模型和物品识别模型对所述车辆内部图像进行识别，确定车辆内部是否存在类似遗失的物品；
发送模块，用于若存在，则发送告警信息，所述告警信息用于提示车主车辆内存在遗失物品；
其中，所述车辆内饰识别模型用于识别车辆的装饰物品，所述物品识别模型用于识别车辆内用户的常用物品。
8.根据权利要求7所述的装置，其特征在于，所述处理模块还用于：
获取第一图像集合，所述第一图像集合中包括多个预先标定了车辆内部的饰品的图像；
根据所述第一图像集合，采用卷积神经网络训练得到所述车辆内饰识别模型。
9.根据权利要求7所述的装置，其特征在于，所述处理模块还用于：
获取第二图像集合，所述第二图像集合中包括多个预先标定了用户的常用物品的图像；
根据所述第二图像集合，采用卷积神经网络训练得到所述物品识别模型。
10.根据权利要求7至9中任意一项所述的装置，其特征在于，所述处理模块具体用于：
采用所述车辆内饰识别模型对所述车辆内部图像中的车辆内饰进行识别，获取车辆内饰；
将所述车辆内部图像中的所述车辆内饰进行剔除，得到剔除后的车辆内部图像；
根据所述物品识别模型对所述剔除后的车辆内部图像进行物品识别，确定所述车辆内部是否存在类似遗失的物品。
11.根据权利要求7至10中任意一项所述的装置，其特征在于，所述获取模块具体用于：
通过设置在车辆内部的摄像头拍摄获取所述车辆内部图像；
或者，
通过设置在车辆内部的红外成像装置获取所述车辆内部图像。
12.根据权利要求7所述的装置，其特征在于，所述发送模块包括：
发送子模块，用于向车主的终端设备发送所述告警信息；
或者，
播放子模块，用于播放告警语音，所述告警信息包括所述告警语音。
13.一种电子设备，其特征在于，包括：
处理器、存储器、图像获取装置以及计算机程序；所述计算机程序存储在所述存储器中，所述处理器执行所述计算机程序实现权利要求1至6任一项所述的基于车载场景的物品识别方法。
14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序用于实现权利要求1至6任一项所述的基于车载场景的物品识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811627449.5A CN109766804A (zh) | 2018-12-28 | 2018-12-28 | 基于车载场景的物品识别方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811627449.5A CN109766804A (zh) | 2018-12-28 | 2018-12-28 | 基于车载场景的物品识别方法、装置、设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109766804A true CN109766804A (zh) | 2019-05-17 |
Family
ID=66452303
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811627449.5A Pending CN109766804A (zh) | 2018-12-28 | 2018-12-28 | 基于车载场景的物品识别方法、装置、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109766804A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110796017A (zh) * | 2019-09-30 | 2020-02-14 | 北京三快在线科技有限公司 | 物品遗落的确定方法和装置、模型训练方法和装置 |
| CN111931734A (zh) * | 2020-09-25 | 2020-11-13 | 深圳佑驾创新科技有限公司 | 识别遗落物体的方法、装置、车载终端和存储介质 |
| CN112183461A (zh) * | 2020-10-21 | 2021-01-05 | 广州市晶华精密光学股份有限公司 | 一种车辆内部监控方法、装置、设备及存储介质 |
| CN112785359A (zh) * | 2019-11-05 | 2021-05-11 | 北京地平线机器人技术研发有限公司 | 控制可移动设备的方法、装置及计算机可读存储介质 |
| CN113065425A (zh) * | 2021-03-19 | 2021-07-02 | 东风汽车集团股份有限公司 | 基于环境信息的车内遗落物提醒方法、系统及存储介质 |
| CN113920576A (zh) * | 2020-07-07 | 2022-01-11 | 奥迪股份公司 | 车上人员的丢物行为识别方法、装置、设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101937609A (zh) * | 2010-09-20 | 2011-01-05 | 奇瑞汽车股份有限公司 | 一种提醒乘客物品遗失的方法及装置 |
| CN202394343U (zh) * | 2011-12-12 | 2012-08-22 | 浙江金刚汽车有限公司 | 一种用于出租车防遗忘物品的语音提示系统 |
| CN203276510U (zh) * | 2013-06-08 | 2013-11-06 | 安徽工程大学 | 出租车乘客物品防丢提示系统 |
| CN105667427A (zh) * | 2015-12-31 | 2016-06-15 | 宇龙计算机通信科技(深圳)有限公司 | 一种报警提示输出方法、车载终端及车载终端系统 |
| CN107585096A (zh) * | 2016-07-08 | 2018-01-16 | 奥迪股份公司 | 防遗忘提醒系统、方法及车辆 |
| CN108416871A (zh) * | 2018-03-07 | 2018-08-17 | 贺连芳 | 一种监控车内遗失物的装置 |
-
2018
- 2018-12-28 CN CN201811627449.5A patent/CN109766804A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101937609A (zh) * | 2010-09-20 | 2011-01-05 | 奇瑞汽车股份有限公司 | 一种提醒乘客物品遗失的方法及装置 |
| CN202394343U (zh) * | 2011-12-12 | 2012-08-22 | 浙江金刚汽车有限公司 | 一种用于出租车防遗忘物品的语音提示系统 |
| CN203276510U (zh) * | 2013-06-08 | 2013-11-06 | 安徽工程大学 | 出租车乘客物品防丢提示系统 |
| CN105667427A (zh) * | 2015-12-31 | 2016-06-15 | 宇龙计算机通信科技(深圳)有限公司 | 一种报警提示输出方法、车载终端及车载终端系统 |
| CN107585096A (zh) * | 2016-07-08 | 2018-01-16 | 奥迪股份公司 | 防遗忘提醒系统、方法及车辆 |
| CN108416871A (zh) * | 2018-03-07 | 2018-08-17 | 贺连芳 | 一种监控车内遗失物的装置 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110796017A (zh) * | 2019-09-30 | 2020-02-14 | 北京三快在线科技有限公司 | 物品遗落的确定方法和装置、模型训练方法和装置 |
| CN112785359A (zh) * | 2019-11-05 | 2021-05-11 | 北京地平线机器人技术研发有限公司 | 控制可移动设备的方法、装置及计算机可读存储介质 |
| CN112785359B (zh) * | 2019-11-05 | 2024-03-05 | 北京地平线机器人技术研发有限公司 | 控制可移动设备的方法、装置及计算机可读存储介质 |
| CN113920576A (zh) * | 2020-07-07 | 2022-01-11 | 奥迪股份公司 | 车上人员的丢物行为识别方法、装置、设备及存储介质 |
| CN111931734A (zh) * | 2020-09-25 | 2020-11-13 | 深圳佑驾创新科技有限公司 | 识别遗落物体的方法、装置、车载终端和存储介质 |
| CN112183461A (zh) * | 2020-10-21 | 2021-01-05 | 广州市晶华精密光学股份有限公司 | 一种车辆内部监控方法、装置、设备及存储介质 |
| CN113065425A (zh) * | 2021-03-19 | 2021-07-02 | 东风汽车集团股份有限公司 | 基于环境信息的车内遗落物提醒方法、系统及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109766804A (zh) | 基于车载场景的物品识别方法、装置、设备和存储介质 | |
| CN106682602B (zh) | 一种驾驶员行为识别方法及终端 | |
| JP7366921B2 (ja) | 乗客関連物品の紛失軽減 | |
| CN108021933B (zh) | 神经网络识别装置及识别方法 | |
| US9501693B2 (en) | Real-time multiclass driver action recognition using random forests | |
| KR20220066155A (ko) | 차량의 도어 제어 방법 및 장치, 시스템, 차량, 전자 기기 및 기억 매체 | |
| CN110290945A (zh) | 记录操作员和周围视场的视频 | |
| CN108351968A (zh) | 一种针对犯罪活动的告警方法、装置、存储介质及服务器 | |
| CN109800682B (zh) | 驾驶员属性识别方法及相关产品 | |
| JP7403546B2 (ja) | 遺留対象検出 | |
| US10752213B2 (en) | Detecting an event and automatically obtaining video data | |
| CN109766755B (zh) | 人脸识别方法及相关产品 | |
| CN104573622B (zh) | 人脸检测装置、方法 | |
| CN104392611B (zh) | 一种识别高价汽车方法及系统 | |
| CN111091044B (zh) | 一种面向网约车的车内危险场景识别方法 | |
| CN110866451A (zh) | 一种车内生命体检测方法、装置、系统以及存储介质 | |
| CN108156219A (zh) | 一种设备找回的方法及服务器 | |
| CN109523749A (zh) | 一种防疲劳驾驶的方法、设备及存储介质 | |
| CN107918392B (zh) | 一种自动驾驶车辆个性化行车及获取行车执照的方法 | |
| Al Shalfan et al. | Detecting Driver Distraction Using Deep-Learning Approach. | |
| GB2541478A (en) | Vehicle based system for managing personal items | |
| CN113706842B (zh) | 车内物品防遗留提醒方法、设备、存储介质及装置 | |
| CN111862529A (zh) | 报警方法及设备 | |
| JP7068156B2 (ja) | 情報処理装置及びプログラム | |
| CN108875651A (zh) | 物品摆放评估方法、装置及计算机可读存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190517 |
|
| RJ01 | Rejection of invention patent application after publication |