CN110103820A - 一种检测车辆中人员的异常行为的方法、装置及终端设备 - Google Patents
一种检测车辆中人员的异常行为的方法、装置及终端设备 Download PDFInfo
- Publication number
- CN110103820A CN110103820A CN201910332678.2A CN201910332678A CN110103820A CN 110103820 A CN110103820 A CN 110103820A CN 201910332678 A CN201910332678 A CN 201910332678A CN 110103820 A CN110103820 A CN 110103820A
- Authority
- CN
- China
- Prior art keywords
- target object
- vehicle
- detected
- image
- abnormal behaviour
- 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
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
- B60Q9/00—Arrangement or adaptation of signal devices not provided for in one of main groups B60Q1/00 - B60Q7/00, e.g. haptic signalling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
- G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请适用于安全驾驶技术领域，提供了一种检测车辆中人员的异常行为的方法、装置及终端设备，所述检测车辆中人员的异常行为的方法，包括：获取车辆内部的待检测图像；确定所述待检测图像中的目标物体所在区域，所述目标物体为所述车辆中的驾驶员和/或乘客；根据所述待检测图像中的目标物体所在区域，判断所述目标物体是否存在异常行为；若所述目标物体存在异常行为，则执行预定的提示操作。通过本申请，可以提升防范交通事故的效率，具有较强的实用性和易用性。
Description
技术领域
本申请属于安全驾驶技术领域，尤其涉及一种检测车辆中人员的异常行为的方法、装置及终端设备。
背景技术
车辆的驾驶安全一直是人们十分关注的问题。在实际的车辆驾驶中，驾驶员以及乘客可能会出现一些不文明甚至危险的行为，从而导致严重的交通安全隐患，威胁人们的人身安全。而现有技术中，通常是通过道路监控系统对已发生的交通事故进行处理，同时通过相关的交通法规来制约车辆驾驶中的危险行为，此时，往往不能及时约束车辆中的人员的行为，防范交通事故的效率较低。
发明内容
有鉴于此，本申请实施例提供了一种检测车辆中人员的异常行为的方法、装置及终端设备，可以提升防范交通事故的效率。
本申请实施例提供了一种检测车辆中人员的异常行为的方法，包括：
获取车辆内部的待检测图像；
确定所述待检测图像中的目标物体所在区域，所述目标物体为所述车辆中的驾驶员和/或乘客；
根据所述待检测图像中的目标物体所在区域，判断所述目标物体是否存在异常行为；
若所述目标物体存在异常行为，则执行预定的提示操作。
可选的，所述确定待检测图像中的目标物体所在区域，包括：
将所述待检测图像中的每一个像素点的像素值与预设图像中对应位置的像素点的像素值相减；
若所述相减之后的差值的绝对值大于第一预设阈值，则确定所述待检测图像中的所述像素点属于所述目标物体所在区域。
可选的，所述根据所述待检测图像中的目标物体所在区域，判断所述目标物体是否存在异常行为，包括：
将所述待检测图像中属于所述目标物体所在区域的像素点的像素值，作为待识别图像中的对应位置的像素点的像素值，以得到所述待识别图像；
将所述待识别图像输入预设的神经网络模型，获得所述神经网络模型的输出结果，以根据所述输出结果判断所述目标物体是否存在异常行为。
可选的，所述根据所述待检测图像中的目标物体所在区域，判断所述目标物体是否存在异常行为，包括：
提取所述待检测图像中的目标物体所在区域的区域轮廓，并将所述区域轮廓与预设轮廓数据库中的预设轮廓进行比对，得到比对结果；
根据所述比对结果判断所述目标物体是否存在异常行为。
可选的，在执行预定的提示操作之后，还包括：
根据所述判断，和/或，用户的反馈信息，获得提取到的所述区域轮廓的标记信息；
将提取到的所述区域轮廓和所述区域轮廓所对应的标记信息，存储至所述预设轮廓数据库中。
可选的，所述执行预定的提示操作，包括：
将与所述预定的提示操作相关联的控制指令通过预设通信方式，发送至报警系统，以通过所述报警系统执行所述预定的提示操作，其中，所述报警系统包括设置于车辆外部的警示灯。
本申请实施例提供了一种检测车辆中人员的异常行为的装置，包括：
摄像模块，用于获取车辆内部的待检测图像；
确定模块，用于确定所述待检测图像中的目标物体所在区域，所述目标物体为所述车辆中的驾驶员和/或乘客；
判断模块，用于根据所述待检测图像中的目标物体所在区域，判断所述目标物体是否存在异常行为；
提示模块，用于若所述目标物体存在异常行为，则执行预定的提示操作。
可选的，所述确定模块具体包括：
第一处理单元，用于将所述待检测图像中的每一个像素点的像素值与预设图像中对应位置的像素点的像素值相减；
确定单元，用于若所述相减之后的差值的绝对值大于第一预设阈值，则确定所述待检测图像中的所述像素点属于所述目标物体所在区域。
可选的，判断模块具体包括：
第二处理单元，用于将所述待检测图像中属于所述目标物体所在区域的像素点的像素值，作为待识别图像中的对应位置的像素点的像素值，以得到所述待识别图像；
第一判断单元，用于将所述待识别图像输入预设的神经网络模型，获得所述神经网络模型的输出结果，以根据所述输出结果判断所述目标物体是否存在异常行为。
可选的，判断模块具体包括：
第三处理单元，用于提取所述待检测图像中的目标物体所在区域的区域轮廓，并将所述区域轮廓与预设轮廓数据库中的预设轮廓进行比对，得到比对结果；
第二判断单元，用于根据所述比对结果判断所述目标物体是否存在异常行为。
可选的，所述检测车辆中人员的异常行为的装置还包括：
处理模块，用于根据所述判断，和/或，用户的反馈信息，获得提取到的所述区域轮廓的标记信息；
存储模块，用于将提取到的所述区域轮廓和所述区域轮廓所对应的标记信息，存储至所述预设轮廓数据库中。
可选的，所述提示模块具体用于：
将与所述预定的提示操作相关联的控制指令通过预设通信方式，发送至报警系统，以通过所述报警系统执行所述预定的提示操作，其中，所述报警系统包括设置于车辆外部的警示灯。
本申请实施例提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述方法的步骤。
本申请实施例提供了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，所述计算机程序被处理器执行时实现如上所述方法的步骤。
本申请实施例与现有技术相比存在的有益效果是：本申请实施例中，获取车辆内部的待检测图像；确定所述待检测图像中的目标物体所在区域，所述目标物体为所述车辆中的驾驶员和/或乘客；根据所述待检测图像中的目标物体所在区域，判断所述目标物体是否存在异常行为；若所述目标物体存在异常行为，则执行预定的提示操作。本申请实施例通过确定所述待检测图像中的目标物体所在区域，可以分割出所述待检测图像中的目标物体所在区域，并根据所述目标物体所在区域来判断所述目标物体是否存在异常行为，从而可以减小数据量和后续处理过程的运算量，使得所述判断更有针对性；此外，本申请实施例中，通过摄像头获取所述待检测图像来判断所述目标物体是否存在异常行为，并在所述目标物体存在异常行为时，执行预定的提示操作，可以实现对车辆中人员的异常行为进行预警，使车辆中的人员可以及时提升防范交通事故的效率，具有较强的实用性和易用性。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例一提供的检测车辆中人员的异常行为的方法的实现流程示意图；
图2是本申请实施例二提供的检测车辆中人员的异常行为的方法的实现流程示意图；
图3是本申请实施例三提供的检测车辆中人员的异常行为的装置的示意图；
图4是本申请实施例四提供的终端设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
本申请的技术方案可以用于检测车辆中人员的异常行为。具体的，本申请可以应用于与车辆相关联的终端设备中，所述终端设备可以包括安装于所述车辆中的设备，也可以包括位于所述车辆外部的设备。例如，所述终端设备可以包括安装于车辆内的终端设备(如摄像头和计算设备等)；此外，也可以应用于所述车辆的外接设备，如通过预设接口与所述车辆外接的终端设备，或者通过无线通信方式与所述车辆进行通信的计算设备(如服务器等)。此外，所述终端设备可以不止一个，且可以包括不同种类的设备，如摄像头和服务器或者台式电脑、平板电脑等等。需要说明的是，所述车辆的类型可以有多种，在此不作限制。示例性的，所述车辆可以具有封闭的内部空间，也可以是具有开放式的空间，如敞篷车、三轮车或者电动车等等。
为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。
图1是本申请实施例一提供的检测车辆中人员的异常行为的方法的实现流程示意图，如图1所示该检测车辆中人员的异常行为的方法可以包括以下步骤：
步骤S101，获取车辆内部的待检测图像。
本申请实施例中，所述人员可以处于所述车辆中，所述人员可以包括乘客和/或驾驶员。所述车辆内部可以是封闭的内部，也可以是开放式的内部，在此不作限定。所述车辆中可以包括摄像头，所述摄像头可以是所述车辆中内置的摄像头，也可以是不属于所述车辆的其他设备，此时，所述摄像头可以通过数据线以及指定的接口与所述车辆或者其他数据处理设备进行连接。当然，所述摄像头也可以通过无线通信将其采集的图像传输至指定的数据处理设备。所述摄像头与所述车辆的连接关系、通信方式在此不作限定。
所述待检测图像可以是所述摄像头拍摄的图像；或者，可以是所述摄像头采集的预览画面中的至少一帧图像；或者，也可以是所述摄像头实时采集的视频中的至少一帧图像；或者，也可以是终端设备本地所保存的图像；或者，还可以是本地保存的视频中的至少一帧图像。所述待检测图像的像素值可以根据实际应用场景进行设置，通常来说，所述待检测图像的像素值可以大于预设像素阈值，例如，大于130万像素或者大于500万像素，从而使得所述带检测图像可以包含较多的信息，提高后续图像处理的精度。此外，可选的，所述摄像头可以包括红外补光灯，从而可以进行夜间拍摄。
可选的，所述摄像头的拍摄范围包括车辆中的指定区域。
其中，所述摄像头的安装位置可以是根据所述指定区域来进行确定。示例性的，所述指定区域可以是所述车辆中的一个或多个座位所在的空间区域。
步骤S102，确定所述待检测图像中的目标物体所在区域，所述目标物体为所述车辆中的驾驶员和/或乘客。
本申请实施例中，可以通过多种方式确定所述待检测图像中的目标物体所在区域，例如，可以通过神经网络模型对所述待检测图像进行识别，以识别出所述待检测图像中的不同物体及其所在区域。示例性的，所述神经网络模型可以包括AlexNet模型、ResNet模型、GoogleNet模型等卷积神经网络模型。此外，可以通过将所述待检测图像与预设图像进行比对，来检测出所述目标物体所在区域，所述预设图像可以是预先采集的所述车辆内没有人员时的图像，即背景图像；其中，由于车辆内的环境比较统一、较为固定，因此，通过将所述待检测图像与预设图像进行比对来判断对应像素点的像素值变化情况，可以检测出所述目标物体所在区域。
步骤S103，根据所述待检测图像中的目标物体所在区域，判断所述目标物体是否存在异常行为。
本申请实施例中，所述异常行为可以包括违反法规、准则等规定的行为，也可以包括用户自定义的、可以存储于表格、文本或者数据库中的对驾驶安全造成潜在危害的行为。例如，所述异常行为可以是包括在驾驶过程中驾驶员双手离开方向盘超过预设时长、车内人员(驾驶员和/或乘客)向窗外投掷物品等等。
此外，需要说明的是，本申请实施例中，可以获取至少两帧所述待检测图像，从而获得至少两帧所述待检测图像中的目标物体所在区域，进而可以确定所述目标物体所在区域的变化情况，以根据所述目标物体所在区域的变化情况来判断所述目标物体是否存在异常行为，例如，若在驾驶过程中，检测到驾驶员所在区域在预设时长内的变化程度小于预设程度，则可以认为驾驶员可能睡着了。
步骤S104，若所述目标物体存在异常行为，则执行预定的提示操作。
本申请实施例中，所述提示操作可以包括语音提醒操作、振动提醒操作、文字提醒操作以及动画提醒操作等中的一种或多种。所述提示操作可以包括车辆内提示操作和车辆外提示操作。其中，所述车辆内提示操作可以针对驾驶员、乘客等，而车辆外提示操作则可以提示位于所述车辆周围的其他车辆，以使其他车辆了解到本车辆可能存在危害驾驶安全的行为。
其中，所述车辆外提示操作可以通过预先安装于所述车辆外部的报警系统来执行。相应的，所述步骤S101至S103可以通过指定的监控系统来实现，所述监控系统可以设置于所述车辆中，也可以设置于车辆之外的其他计算设备中(例如服务器或者与所述车辆外接的移动终端)。所述报警系统与所述监控系统之间可以通过预设通信方式进行数据传输。所述报警系统可以包括蜂鸣器、显示屏、警示灯等等中的一个或多个。
可选的，所述执行预定的提示操作，包括：
将与所述预定的提示操作相关联的控制指令通过预设通信方式，发送至报警系统，以通过所述报警系统执行所述预定的提示操作，其中，所述报警系统包括设置于车辆外部的警示灯。
所述预设通信方式可以包括无线通信方式和/或有线通信方式，其中，所述有线通信方式可以包括数据线、指定接口、光纤等来实现，所述无线通信方式可以包括蓝牙通信、Wi-Fi通信、ZigBee通信、近场通信(Near Field Communication，NFC)、第二代移动通信技术(2-Generation wireless telephone technology，2G)、第三代移动通信技术(3rdGeneration mobile communication technology，3G)、第四代移动通信技术(the 4thGeneration mobile communication technology，4G)甚至第五代移动通信技术(the 5thGeneration mobile communication technology，5G)等等中的一种或多种，在此不作限定。
所述设置于车辆外部的警示灯可以提示位于所述车辆周围的其他车辆，以使其他车辆了解到本车辆可能存在危害驾驶安全的行为，从而可以提前做好防御措施。
本申请实施例通过确定所述待检测图像中的目标物体所在区域，可以分割出所述待检测图像中的目标物体所在区域，并根据所述目标物体所在区域来判断所述目标物体是否存在异常行为，从而可以减小数据量和后续处理过程的运算量，使得所述判断更有针对性；此外，本申请实施例中，通过摄像头获取所述待检测图像来判断所述目标物体是否存在异常行为，并在所述目标物体存在异常行为时，执行预定的提示操作，可以实现对车辆中人员的异常行为进行预警，使车辆中的人员可以及时提升防范交通事故的效率，具有较强的实用性和易用性。
图2是本申请实施例二提供的检测车辆中人员的异常行为的方法的实现流程示意图，如图2所示该检测车辆中人员的异常行为的方法可以包括以下步骤：
步骤S201，获取车辆内部的待检测图像。
步骤S202，将所述待检测图像中的每一个像素点的像素值与预设图像中对应位置的像素点的像素值相减。
本申请实施例中，所述预设图像可以是通过所述摄像头预先采集的所述车辆内没有人员时的图像，即背景图像。
可选的，在实际使用中，由于天气，时间的差异，所述车辆内的场景的亮度、色温等往往会不同，因此，在将所述待检测图像中的每一个像素点的像素值与预设图像中对应位置的像素点的像素值相减之前，还可以包括：
检测所述车辆中的背景参数和/或所述待检测图像的背景参数，所述背景参数包括亮度、色温、白平衡等参数中的一个或多个；
根据所述背景参数确定与所述待检测图像对应的预设图像。
具体的，可以通过所述车辆中的传感器检测所述车辆中的背景参数，例如，检测环境亮度、环境色温等等；或者，可以检测所述待检测图像的亮度、色温在不同区域的分布情况等等待检测图像的图像数据，或者，还可以检测所述摄像头拍摄所述待检测图像时的拍摄参数等等，从而根据所述传感器检测到的所述车辆中的背景参数和/或所述待检测图像的图像数据和/或所述拍摄参数，来确定与所述待检测图像对应的预设图像。以使得所述预设图像与所述待检测图像的背景相匹配。
步骤S203，若所述相减之后的差值的绝对值大于第一预设阈值，则确定所述待检测图像中的所述像素点属于所述目标物体所在区域，所述目标物体为所述车辆中的驾驶员和/或乘客。
本申请实施例中，所述第一预设阈值可以是根据实际应用场景进行设置。其中，由于车辆内的环境比较统一、较为固定，因此，通过将所述待检测图像与预设图像进行比对来判断对应像素点的像素值变化情况，可以检测出所述目标物体所在区域。
步骤S204，根据所述待检测图像中的目标物体所在区域，判断所述目标物体是否存在异常行为。
步骤S205，若所述目标物体存在异常行为，则执行预定的提示操作。
本实施例步骤S201、S204、S205与上述步骤S101、S103、S104相同，具体可参见步骤S101、S103、S104相关描述，在此不再赘述。
可选的，所述根据所述待检测图像中的目标物体所在区域，判断所述目标物体是否存在异常行为，包括：
将所述待检测图像中属于所述目标物体所在区域的像素点的像素值，作为待识别图像中的对应位置的像素点的像素值，以得到所述待识别图像；
将所述待识别图像输入预设的神经网络模型，获得所述神经网络模型的输出结果，以根据所述输出结果判断所述目标物体是否存在异常行为。
其中，所述待识别图像中包含从所述待检测图像中属于所述目标物体所在区域的信息，此时，可以分割出所述待检测图像中的目标物体所在区域，以有针对性的对该区域进行处理，从而减小了后续处理的数据量和计算量。所述预设的神经网络模型可以是经过训练的神经网络模型，相应的，所述神经网络模型的训练过程可以包括：
获取训练集图像，所述训练集图像中包含所述存在异常行为的目标物体和对应的异常行为标识和/或所述目标物体的所在区域标识；
利用所述神经网络模型对所述训练集图像进行检测，根据检测结果调整所述神经网络模型的参数，直到调整后的所述神经网络模型检测出所述训练集图像中包含的存在异常行为的目标物体和对应的异常行为和/或所在区域的准确率不低于第一预设值，并将该调整后的神经网络模型作为训练后的神经网络模型。
其中，所述训练后的神经网络模型可以为所述预设的神经网络模型。
可选的，在执行预定的提示操作之后，还包括：
根据所述判断，和/或，用户的反馈信息，获得所述待识别图像的标记信息；
将所述待识别图像和所述待识别图像的标记信息，存储至所述训练集图像中。
可选的，所述根据所述待检测图像中的目标物体所在区域，判断所述目标物体是否存在异常行为，包括：
提取所述待检测图像中的目标物体所在区域的区域轮廓，并将所述区域轮廓与预设轮廓数据库中的预设轮廓进行比对，得到比对结果；
根据所述比对结果判断所述目标物体是否存在异常行为。
本申请实施例中，所述预设轮廓数据库可以是预先采集的目标物体做异常行为对应的轮廓。由于车辆中的区域位置较为固定，如车辆内的乘客或者驾驶员将手伸出窗外、双手都没有握住方向盘等行为对应的轮廓的形状往往具有明显的特点，因此，通过将这些轮廓存储为预设轮廓，并将所述区域轮廓与预设轮廓数据库中的预设轮廓进行比对，可以判断所述区域轮廓是否也具有相应的特点，从而判断所述目标物体是否存在异常行为。
示例性的，其具体的比对方式可以有多种，例如，可以是在所述区域轮廓以及预设轮廓上分别确定特征点，并将对应的特征点进行比对，此外，也可以比对所述预设轮廓与所述区域轮廓的差异程度，若所述差异程度小于预设程度，则可以认为所述目标物体存在异常行为。
可选的，在执行预定的提示操作之后，还包括：
根据所述判断，和/或，用户的反馈信息，获得提取到的所述区域轮廓的标记信息；
将提取到的所述区域轮廓和所述区域轮廓所对应的标记信息，存储至所述预设轮廓数据库中。
示例性的，所述用户的反馈信息可以包括用户通过所述车辆的实体按键、触控屏等输入的信息，用户可以通过所述反馈信息来指示所述判断是否准确。所述标记信息可以标记所述区域轮廓所对应的异常行为、对应的目标物体(如乘客或驾驶员)等。
通过将提取到的所述区域轮廓和所述区域轮廓所对应的标记信息，存储至所述预设轮廓数据库中，可以不断拓展、更新所述预设轮廓数据库，使得所述预设轮廓更准确，不断提升检测的效率以及准确性。
本申请实施例中，通过分割出所述待检测图像中的目标物体所在区域，并根据所述目标物体所在区域来判断所述目标物体是否存在异常行为，从而可以减小数据量和后续处理过程的运算量，提高运算速度，并使得所述判断更有针对性，具有较强的实用性和易用性。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
图3是本申请实施例三提供的检测车辆中人员的异常行为的装置的示意图。为了便于说明，仅示出了与本申请实施例相关的部分。
所述检测车辆中人员的异常行为的装置300包括：
摄像模块301，用于获取车辆内部的待检测图像；
确定模块302，用于确定所述待检测图像中的目标物体所在区域，所述目标物体为所述车辆中的驾驶员和/或乘客；
判断模块303，用于根据所述待检测图像中的目标物体所在区域，判断所述目标物体是否存在异常行为；
提示模块304，用于若所述目标物体存在异常行为，则执行预定的提示操作。
可选的，所述确定模块302具体包括：
第一处理单元，用于将所述待检测图像中的每一个像素点的像素值与预设图像中对应位置的像素点的像素值相减；
确定单元，用于若所述相减之后的差值的绝对值大于第一预设阈值，则确定所述待检测图像中的所述像素点属于所述目标物体所在区域。
可选的，判断模块303具体包括：
第二处理单元，用于将所述待检测图像中属于所述目标物体所在区域的像素点的像素值，作为待识别图像中的对应位置的像素点的像素值，以得到所述待识别图像；
第一判断单元，用于将所述待识别图像输入预设的神经网络模型，获得所述神经网络模型的输出结果，以根据所述输出结果判断所述目标物体是否存在异常行为。
可选的，判断模块303具体包括：
第三处理单元，用于提取所述待检测图像中的目标物体所在区域的区域轮廓，并将所述区域轮廓与预设轮廓数据库中的预设轮廓进行比对，得到比对结果；
第二判断单元，用于根据所述比对结果判断所述目标物体是否存在异常行为。
可选的，所述检测车辆中人员的异常行为的装置300还包括：
处理模块，用于根据所述判断，和/或，用户的反馈信息，获得提取到的所述区域轮廓的标记信息；
存储模块，用于将提取到的所述区域轮廓和所述区域轮廓所对应的标记信息，存储至所述预设轮廓数据库中。
可选的，所述提示模块304具体用于：
将与所述预定的提示操作相关联的控制指令通过预设通信方式，发送至报警系统，以通过所述报警系统执行所述预定的提示操作，其中，所述报警系统包括设置于车辆外部的警示灯。
图4是本申请实施例四提供的终端设备的示意图。如图4所示，该实施例的终端设备4包括：处理器40、存储器41以及存储在所述存储器41中并可在所述处理器40上运行的计算机程序42。所述处理器40执行所述计算机程序42时实现上述各个检测车辆中人员的异常行为的方法实施例中的步骤，例如图1所示的步骤101至104。或者，所述处理器40执行所述计算机程序42时实现上述各装置实施例中各模块/单元的功能，例如图3所示模块301至304的功能。
示例性的，所述计算机程序42可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器41中，并由所述处理器40执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序42在所述终端设备4中的执行过程。例如，所述计算机程序42可以被分割成摄像模块、确定模块、判断模块、提示模块，各模块具体功能如下：
摄像模块，用于获取车辆内部的待检测图像；
确定模块，用于确定所述待检测图像中的目标物体所在区域，所述目标物体为所述车辆中的驾驶员和/或乘客；
判断模块，用于根据所述待检测图像中的目标物体所在区域，判断所述目标物体是否存在异常行为；
提示模块，用于若所述目标物体存在异常行为，则执行预定的提示操作。
本申请实施例通过确定所述待检测图像中的目标物体所在区域，可以分割出所述待检测图像中的目标物体所在区域，并根据所述目标物体所在区域来判断所述目标物体是否存在异常行为，从而可以减小数据量和后续处理过程的运算量，使得所述判断更有针对性；此外，本申请实施例中，通过摄像头获取所述待检测图像来判断所述目标物体是否存在异常行为，并在所述目标物体存在异常行为时，执行预定的提示操作，可以实现对车辆中人员的异常行为进行预警，使车辆中的人员可以及时提升防范交通事故的效率，具有较强的实用性和易用性。
所述终端设备4可以是车载设备、桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器40、存储器41。本领域技术人员可以理解，图4仅仅是终端设备4的示例，并不构成对终端设备4的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器40可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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。
所述存储器41可以是所述终端设备4的内部存储单元，例如终端设备4的硬盘或内存。所述存储器41也可以是所述终端设备4的外部存储设备，例如所述终端设备4上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器41还可以既包括所述终端设备4的内部存储单元也包括外部存储设备。所述存储器41用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上所述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精神和范围，均应包含在本申请的保护范围之内。
Claims (10)
1.一种检测车辆中人员的异常行为的方法，其特征在于，包括：
获取车辆内部的待检测图像；
确定所述待检测图像中的目标物体所在区域，所述目标物体为所述车辆中的驾驶员和/或乘客；
根据所述待检测图像中的目标物体所在区域，判断所述目标物体是否存在异常行为；
若所述目标物体存在异常行为，则执行预定的提示操作。
2.如权利要求1所述的检测车辆中人员的异常行为的方法，其特征在于，所述确定待检测图像中的目标物体所在区域，包括：
将所述待检测图像中的每一个像素点的像素值与预设图像中对应位置的像素点的像素值相减；
若所述相减之后的差值的绝对值大于第一预设阈值，则确定所述待检测图像中的所述像素点属于所述目标物体所在区域。
3.如权利要求2所述的检测车辆中人员的异常行为的方法，其特征在于，所述根据所述待检测图像中的目标物体所在区域，判断所述目标物体是否存在异常行为，包括：
将所述待检测图像中属于所述目标物体所在区域的像素点的像素值，作为待识别图像中的对应位置的像素点的像素值，以得到所述待识别图像；
将所述待识别图像输入预设的神经网络模型，获得所述神经网络模型的输出结果，以根据所述输出结果判断所述目标物体是否存在异常行为。
4.如权利要求2所述的检测车辆中人员的异常行为的方法，其特征在于，所述根据所述待检测图像中的目标物体所在区域，判断所述目标物体是否存在异常行为，包括：
提取所述待检测图像中的目标物体所在区域的区域轮廓，并将所述区域轮廓与预设轮廓数据库中的预设轮廓进行比对，得到比对结果；
根据所述比对结果判断所述目标物体是否存在异常行为。
5.如权利要求4所述的检测车辆中人员的异常行为的方法，其特征在于，在执行预定的提示操作之后，还包括：
根据所述判断，和/或，用户的反馈信息，获得提取到的所述区域轮廓的标记信息；
将提取到的所述区域轮廓和所述区域轮廓所对应的标记信息，存储至所述预设轮廓数据库中。
6.如权利要求1至5任意一项所述的检测车辆中人员的异常行为的方法，其特征在于，所述执行预定的提示操作，包括：
将与所述预定的提示操作相关联的控制指令通过预设通信方式，发送至报警系统，以通过所述报警系统执行所述预定的提示操作，其中，所述报警系统包括设置于车辆外部的警示灯。
7.一种检测车辆中人员的异常行为的装置，其特征在于，包括：
摄像模块，用于获取车辆内部的待检测图像；
确定模块，用于确定所述待检测图像中的目标物体所在区域，所述目标物体为所述车辆中的驾驶员和/或乘客；
判断模块，用于根据所述待检测图像中的目标物体所在区域，判断所述目标物体是否存在异常行为；
提示模块，用于若所述目标物体存在异常行为，则执行预定的提示操作。
8.如权利要求7所述的装置，其特征在于，所述提示模块具体用于：
将与所述预定的提示操作相关联的控制指令通过预设通信方式，发送至报警系统，以通过所述报警系统执行所述预定的提示操作，其中，所述报警系统包括设置于车辆外部的警示灯。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述方法的步骤。
10.一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，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910332678.2A CN110103820A (zh) | 2019-04-24 | 2019-04-24 | 一种检测车辆中人员的异常行为的方法、装置及终端设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910332678.2A CN110103820A (zh) | 2019-04-24 | 2019-04-24 | 一种检测车辆中人员的异常行为的方法、装置及终端设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110103820A true CN110103820A (zh) | 2019-08-09 |
Family
ID=67486484
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910332678.2A Pending CN110103820A (zh) | 2019-04-24 | 2019-04-24 | 一种检测车辆中人员的异常行为的方法、装置及终端设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110103820A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110853272A (zh) * | 2019-09-29 | 2020-02-28 | 五邑大学 | 公交车安全监测方法、装置、设备及存储介质 |
| CN111932822A (zh) * | 2020-07-11 | 2020-11-13 | 广州融康汽车科技有限公司 | 一种乘员身体位置报警装置 |
| CN112395917A (zh) * | 2019-08-15 | 2021-02-23 | 纳恩博（北京）科技有限公司 | 区域的识别方法及装置、存储介质、电子装置 |
| CN112818839A (zh) * | 2021-01-29 | 2021-05-18 | 北京市商汤科技开发有限公司 | 驾驶员违章行为识别方法、装置、设备及介质 |
| CN112906515A (zh) * | 2021-02-03 | 2021-06-04 | 珠海研果科技有限公司 | 车内异常行为识别方法、系统、电子设备及存储介质 |
| CN113868337A (zh) * | 2021-09-27 | 2021-12-31 | 泰州蝶金软件有限公司 | 应用区块链的双参数协同判断系统及方法 |
| CN114312580A (zh) * | 2021-12-31 | 2022-04-12 | 上海商汤临港智能科技有限公司 | 确定车辆内乘员的座位及车辆控制方法及装置 |
| CN115457253A (zh) * | 2022-11-11 | 2022-12-09 | 浪潮金融信息技术有限公司 | 一种基于多摄像模组的物体检测方法、系统、设备及介质 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009265827A (ja) * | 2008-04-23 | 2009-11-12 | Sanyo Electric Co Ltd | 対象物検出装置及び方法、対象物検出システム、プログラム |
| CN104299355A (zh) * | 2014-09-28 | 2015-01-21 | 厦门蓝斯通信股份有限公司 | 一种基于视频智能识别的车辆监控方法及系统 |
| CN104392210A (zh) * | 2014-11-13 | 2015-03-04 | 海信集团有限公司 | 一种手势识别方法 |
| CN104442566A (zh) * | 2014-11-13 | 2015-03-25 | 长安大学 | 一种车内乘员危险状态报警装置及报警方法 |
| CN104709164A (zh) * | 2015-02-09 | 2015-06-17 | 浙江吉利汽车研究院有限公司 | 基于驾驶行为的驾驶员状态提示方法和系统 |
| CN105235590A (zh) * | 2015-10-12 | 2016-01-13 | 周仁勇 | 一种车窗安全语音提示方法 |
| CN105701467A (zh) * | 2016-01-13 | 2016-06-22 | 河海大学常州校区 | 一种基于人体形态特征的多人异常行为识别方法 |
| CN105835799A (zh) * | 2016-03-28 | 2016-08-10 | 乐视控股（北京）有限公司 | 检测身体伸出车窗外的方法、装置及系统 |
| CN106570444A (zh) * | 2015-10-10 | 2017-04-19 | 腾讯科技（深圳）有限公司 | 基于行为识别的车载智能提醒方法及系统 |
| CN106682602A (zh) * | 2016-12-16 | 2017-05-17 | 深圳市华尊科技股份有限公司 | 一种驾驶员行为识别方法及终端 |
| CN107273866A (zh) * | 2017-06-26 | 2017-10-20 | 国家电网公司 | 一种基于监控系统的人体异常行为识别方法 |
| CN107330378A (zh) * | 2017-06-09 | 2017-11-07 | 湖北天业云商网络科技有限公司 | 一种基于嵌入式图像处理的驾驶员行为检测系统 |
| US20180232588A1 (en) * | 2017-02-10 | 2018-08-16 | Toyota Jidosha Kabushiki Kaisha | Driver state monitoring device |
-
2019
- 2019-04-24 CN CN201910332678.2A patent/CN110103820A/zh active Pending
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009265827A (ja) * | 2008-04-23 | 2009-11-12 | Sanyo Electric Co Ltd | 対象物検出装置及び方法、対象物検出システム、プログラム |
| CN104299355A (zh) * | 2014-09-28 | 2015-01-21 | 厦门蓝斯通信股份有限公司 | 一种基于视频智能识别的车辆监控方法及系统 |
| CN104392210A (zh) * | 2014-11-13 | 2015-03-04 | 海信集团有限公司 | 一种手势识别方法 |
| CN104442566A (zh) * | 2014-11-13 | 2015-03-25 | 长安大学 | 一种车内乘员危险状态报警装置及报警方法 |
| CN104709164A (zh) * | 2015-02-09 | 2015-06-17 | 浙江吉利汽车研究院有限公司 | 基于驾驶行为的驾驶员状态提示方法和系统 |
| CN106570444A (zh) * | 2015-10-10 | 2017-04-19 | 腾讯科技（深圳）有限公司 | 基于行为识别的车载智能提醒方法及系统 |
| CN105235590A (zh) * | 2015-10-12 | 2016-01-13 | 周仁勇 | 一种车窗安全语音提示方法 |
| CN105701467A (zh) * | 2016-01-13 | 2016-06-22 | 河海大学常州校区 | 一种基于人体形态特征的多人异常行为识别方法 |
| CN105835799A (zh) * | 2016-03-28 | 2016-08-10 | 乐视控股（北京）有限公司 | 检测身体伸出车窗外的方法、装置及系统 |
| CN106682602A (zh) * | 2016-12-16 | 2017-05-17 | 深圳市华尊科技股份有限公司 | 一种驾驶员行为识别方法及终端 |
| US20180232588A1 (en) * | 2017-02-10 | 2018-08-16 | Toyota Jidosha Kabushiki Kaisha | Driver state monitoring device |
| CN107330378A (zh) * | 2017-06-09 | 2017-11-07 | 湖北天业云商网络科技有限公司 | 一种基于嵌入式图像处理的驾驶员行为检测系统 |
| CN107273866A (zh) * | 2017-06-26 | 2017-10-20 | 国家电网公司 | 一种基于监控系统的人体异常行为识别方法 |
Non-Patent Citations (2)
| Title |
|---|
| 刘煜: "《稀疏表示基础理论与典型应用》", 31 October 2014, 国防科学技术大学出版社 * |
| 高仕斌，陈维荣，谭永东: "《2008全国博士生学术论坛：电气工程论文集 下》", 30 November 2008, 西南交通大学出版社 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112395917A (zh) * | 2019-08-15 | 2021-02-23 | 纳恩博（北京）科技有限公司 | 区域的识别方法及装置、存储介质、电子装置 |
| CN112395917B (zh) * | 2019-08-15 | 2024-04-12 | 纳恩博（北京）科技有限公司 | 区域的识别方法及装置、存储介质、电子装置 |
| CN110853272A (zh) * | 2019-09-29 | 2020-02-28 | 五邑大学 | 公交车安全监测方法、装置、设备及存储介质 |
| CN111932822A (zh) * | 2020-07-11 | 2020-11-13 | 广州融康汽车科技有限公司 | 一种乘员身体位置报警装置 |
| CN112818839A (zh) * | 2021-01-29 | 2021-05-18 | 北京市商汤科技开发有限公司 | 驾驶员违章行为识别方法、装置、设备及介质 |
| CN112906515A (zh) * | 2021-02-03 | 2021-06-04 | 珠海研果科技有限公司 | 车内异常行为识别方法、系统、电子设备及存储介质 |
| CN113868337A (zh) * | 2021-09-27 | 2021-12-31 | 泰州蝶金软件有限公司 | 应用区块链的双参数协同判断系统及方法 |
| CN114312580A (zh) * | 2021-12-31 | 2022-04-12 | 上海商汤临港智能科技有限公司 | 确定车辆内乘员的座位及车辆控制方法及装置 |
| CN114312580B (zh) * | 2021-12-31 | 2024-03-22 | 上海商汤临港智能科技有限公司 | 确定车辆内乘员的座位及车辆控制方法及装置 |
| CN115457253A (zh) * | 2022-11-11 | 2022-12-09 | 浪潮金融信息技术有限公司 | 一种基于多摄像模组的物体检测方法、系统、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110103820A (zh) | 一种检测车辆中人员的异常行为的方法、装置及终端设备 | |
| US20210009150A1 (en) | Method for recognizing dangerous action of personnel in vehicle, electronic device and storage medium | |
| CN109584507B (zh) | 驾驶行为监测方法、装置、系统、交通工具和存储介质 | |
| AU2018217437B2 (en) | System for identifying a defined object | |
| CN109670441A (zh) | 一种实现安全帽穿戴识别的方法、系统、终端以及计算机可读存储介质 | |
| CN112016457A (zh) | 驾驶员分神以及危险驾驶行为识别方法、设备和存储介质 | |
| CN109153359A (zh) | 一种汽车盲区的监测方法及系统 | |
| CN109311425A (zh) | 一种汽车盲区的监测报警方法、装置、设备及存储介质 | |
| CN106515725A (zh) | 一种车辆防碰撞的方法及终端 | |
| CN105006089B (zh) | 一种基于图像的安全监控报警方法及系统 | |
| CN104091354A (zh) | 一种基于视频图像的火灾检测方法及其火灾检测装置 | |
| CN105389948A (zh) | 一种预防司机疲劳驾驶的系统及方法 | |
| CN110889351A (zh) | 视频检测方法、装置、终端设备及可读存储介质 | |
| CN106355838A (zh) | 一种疲劳驾驶检测方法和系统 | |
| CN206162736U (zh) | 一种基于人脸识别的门禁系统 | |
| CN109291794A (zh) | 驾驶员状态监测方法、汽车以及存储介质 | |
| CN109606065A (zh) | 环境控制方法、装置及汽车 | |
| CN106652356B (zh) | 驾驶员疲劳判断方法以及装置 | |
| CN107122743A (zh) | 安防监控方法、装置和电子设备 | |
| CN105892664B (zh) | 一种信息处理方法及电子设备 | |
| CN109711289A (zh) | 乘车提醒方法、装置、电子设备和存储介质 | |
| CN106126042A (zh) | 一种环境提醒方法和系统 | |
| Chang et al. | An implementation of smartphone-based driver assistance system using front and rear camera | |
| CN109637089A (zh) | 用户安全的预警方法及装置 | |
| CN107547826A (zh) | 图框分析装置 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: Bantian street, Longgang District of Shenzhen City, Guangdong province 518000 yuan and five Avenue sign technology plant No. 1 building 4 floor Applicant after: SHENZHEN GOLO CHELIAN DATA TECHNOLOGY Co.,Ltd. Address before: Bantian street, Longgang District of Shenzhen City, Guangdong province 518000 yuan and five Avenue sign technology plant No. 1 building 4 floor Applicant before: GOLO IOV DATA TECHNOLOGY Co.,Ltd. |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190809 |