CN111104910B - 垃圾投递行为监督方法及相关产品 - Google Patents
垃圾投递行为监督方法及相关产品 Download PDFInfo
- Publication number
- CN111104910B CN111104910B CN201911329120.5A CN201911329120A CN111104910B CN 111104910 B CN111104910 B CN 111104910B CN 201911329120 A CN201911329120 A CN 201911329120A CN 111104910 B CN111104910 B CN 111104910B
- Authority
- CN
- China
- Prior art keywords
- target
- garbage
- delivery
- target object
- determining
- 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.)
- Active
Links
- 239000010813 municipal solid waste Substances 0.000 title claims abstract description 431
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000012544 monitoring process Methods 0.000 claims abstract description 48
- 239000012634 fragment Substances 0.000 claims abstract description 10
- 230000006399 behavior Effects 0.000 claims description 92
- 238000011156 evaluation Methods 0.000 claims description 72
- 238000013507 mapping Methods 0.000 claims description 37
- 238000012545 processing Methods 0.000 claims description 32
- 230000015654 memory Effects 0.000 claims description 31
- 238000013441 quality evaluation Methods 0.000 claims description 22
- 210000000746 body region Anatomy 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 230000007613 environmental effect Effects 0.000 claims description 11
- 238000003062 neural network model Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 9
- 238000013473 artificial intelligence Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 230000009471 action Effects 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 description 30
- 230000003749 cleanliness Effects 0.000 description 14
- 230000006870 function Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 8
- 238000010408 sweeping Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 239000002699 waste material Substances 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000645 desinfectant Substances 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 239000002920 hazardous waste Substances 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000010847 non-recyclable waste Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000010819 recyclable waste Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W30/00—Technologies for solid waste management
- Y02W30/10—Waste collection, transportation, transfer or storage, e.g. segregated refuse collecting, electric or hybrid propulsion
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了一种垃圾投递行为监督方法及相关产品,应用于智能垃圾投递监控系统,该智能垃圾投递监控系统包括多个垃圾桶,该方法包括:在目标对象与多个垃圾桶中的任一垃圾桶之间的距离小于预设距离,获取拍摄图像;依据拍摄图像确定目标对象对应的目标行为;在目标行为属于预设行为时,对目标对象进行视频拍摄,得到目标视频片段;依据目标视频片段确定目标对象投递的目标垃圾的目标垃圾类型;依据目标视频片段确定目标垃圾对应的目标投递垃圾桶,目标投递垃圾桶为多个垃圾桶中的一个垃圾桶;在目标垃圾类型与目标投递垃圾桶对应的垃圾类型一致时,确认目标对象投递垃圾合规。采用本申请实施例能够对垃圾投递行为监督。
Description
技术领域
本申请涉及图像处理技术领域,具体涉及一种垃圾投递行为监督方法及相关产品。
背景技术
目前来看,社区环境的维护需要全体业主的共同维护,虽然垃圾分类政策已经实施,但是分类不正确的行为依旧经常发生,因此,如何对社区垃圾投递行为进行有效监督的问题亟待解决。
发明内容
本申请实施例提供了一种垃圾投递行为监督方法及相关产品,能够有效对社区垃圾投递行为进行有效监督。
第一方面,本申请实施例提供一种垃圾投递行为监督方法,应用于智能垃圾投递监控系统,所述智能垃圾投递监控系统包括多个垃圾桶,每一垃圾桶对应一个垃圾类型,所述方法包括:
在目标对象与所述多个垃圾桶中的任一垃圾桶之间的距离小于预设距离,获取拍摄图像;
依据所述拍摄图像确定所述目标对象对应的目标行为;
在所述目标行为属于预设行为时,对所述目标对象进行视频拍摄,得到目标视频片段;
依据所述目标视频片段确定所述目标对象投递的目标垃圾的目标垃圾类型;
依据所述目标视频片段确定所述目标垃圾对应的目标投递垃圾桶,所述目标投递垃圾桶为所述多个垃圾桶中的一个垃圾桶;
在所述目标垃圾类型与所述目标投递垃圾桶对应的垃圾类型一致时,确认所述目标对象投递垃圾合规。
第二方面,本申请实施例提供一种垃圾投递行为监督装置,应用于智能垃圾投递监控系统,所述智能垃圾投递监控系统包括多个垃圾桶,每一垃圾桶对应一个垃圾类型,所述装置包括:
获取单元,用于在目标对象与所述多个垃圾桶中的任一垃圾桶之间的距离小于预设距离,获取拍摄图像;
确定单元,用于依据所述拍摄图像确定所述目标对象对应的目标行为;
拍摄单元,用于在所述目标行为属于预设行为时,对所述目标对象进行视频拍摄,得到目标视频片段;
所述确定单元,还具体用于依据所述目标视频片段确定所述目标对象投递的目标垃圾的目标垃圾类型;依据所述目标视频片段确定所述目标垃圾对应的目标投递垃圾桶,所述目标投递垃圾桶为所述多个垃圾桶中的一个垃圾桶;以及在所述目标垃圾类型与所述目标投递垃圾桶对应的垃圾类型一致时,确认所述目标对象投递垃圾合规。
第三方面,本申请实施例提供了一种控制平台,包括处理器、存储器、通信接口以及一个或多个程序,其中,上述一个或多个程序被存储在上述存储器中,并且被配置由上述处理器执行,上述程序包括用于执行本申请实施例第一方面中的步骤的指令。
第四方面,本申请实施例提供了一种计算机可读存储介质,其中,上述计算机可读存储介质存储用于电子数据交换的计算机程序,其中,上述计算机程序使得计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。
第五方面,本申请实施例提供了一种计算机程序产品,其中,上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,上述计算机程序可操作来使计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
实施本申请实施例,具备如下有益效果:
可以看出,本申请实施例中所描述的垃圾投递行为监督方法及相关产品,应用于智能垃圾投递监控系统,智能垃圾投递监控系统包括多个垃圾桶,每一垃圾桶对应一个垃圾类型,目标对象与多个垃圾桶中的任一垃圾桶之间的距离小于预设距离,获取拍摄图像,依据拍摄图像确定目标对象对应的目标行为,在目标行为属于预设行为时,对目标对象进行视频拍摄,得到目标视频片段,依据目标视频片段确定目标对象投递的目标垃圾的目标垃圾类型,依据目标视频片段确定目标垃圾对应的目标投递垃圾桶,目标投递垃圾桶为多个垃圾桶中的一个垃圾桶,在目标垃圾类型与目标投递垃圾桶对应的垃圾桶一致时,确认目标对象投递垃圾合规,如此,可以对用户投递垃圾的视频进行分析,确定投递的垃圾是否被投递到与其相对应的垃圾桶中,从而,实现有效对社区垃圾投递行为进行有效监督。
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1A是本申请实施例提供的一种人工智能芯片的结构示意图;
图1B是本申请实施例提供的智能垃圾投递监控系统的架构示意图;
图1C是本申请实施例提供的一种垃圾分类处理方法的流程示意图;
图2是本申请实施例提供的另一种垃圾分类处理方法的流程示意图;
图3是本申请实施例提供的一种控制平台的结构示意图;
图4是本申请实施例提供的一种垃圾分类处理装置的功能单元组成框图。
具体实施方式
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本申请实施例所涉及到的电子设备可以包括各种具有无线通信功能的手持设备、车载设备、可穿戴设备(智能手表、智能手环、无线耳机、增强现实/虚拟现实设备、智能眼镜)、计算设备或连接到无线调制解调器的其他处理设备,以及各种形式的用户设备(userequipment,UE),移动台(mobile station,MS),控制平台,终端设备(terminal device)等等。为方便描述,上面提到的设备统称为电子设备。
为了使本技术领域的人员更好地理解本申请方案,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,所描述的实施例仅仅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他实施例,都属于本申请保护的范围。
下面对本申请实施例进行详细介绍。
参阅图1A,图1A为本申请提供的一种人工智能芯片的结构示意图,该人工智能芯片应用于电子设备,该电子设备可以包括智能垃圾投递监控系统,所述智能垃圾投递监控系统除了包括人工智能芯片之外,还可以包括:获取电路、图像处理电路和多个垃圾桶,所述电子设备的人工智能芯片可以用于执行图像识别运算,人工智能芯片其包括:核心处理电路、传输处理电路、普通处理电路、数据访问单元、第一存储器和多个第二存储器,每个传输处理电路与对应的一个第二存储器连接,数据访问单元与第一存储器和多个第二存储器分别连接。如图1A所示的结构,具有如下的优点,在运算前,数据访问单元从外部器件(即人工智能芯片外,例如智能手机的存储器)读取片外数据,然后将片外数据发送至第一存储器和/或第二存储器;在运算完毕后,数据访问单元将运算结果从第一存储器和/或第二存储器中发送至外部器件。这样可以在运算时,将待运算数据和中间结果保存在片上的第一存储器和/或第二存储器中,从而减少人工智能芯片与外部器件的交互次数。另外,每个传输处理电路分配一个第二存储器,能够避免所有普通处理电路和传输处理电路共享同一个第二存储器,无法有效利用数据局部性而导致额外的访存开销。
外部器件在针对不同的场景可能有所不同,例如图像识别场景,其对应的外部器件可以为图像采集器,具体的,例如摄像头,该摄像头可以为单摄像头或者多摄像头,单摄像头可以为红外摄像头、可见光摄像头、广角摄像头,双摄像头可以为可见光摄像头+红外摄像头,或者,广角可见光摄像头+普通可见光摄像头,在此不做限定。对于图像识别场景,其实现的方式具体可以包括:图像采集器采集图像数据,数据转换器(例如模数转换器)将图像数据转换成输入数据传输给核心处理电路,核心处理电路将该接收到的输入数据分发至传输处理电路(可选的),传输处理电路将数据转发至各个普通处理电路,各个普通处理电路执行各自计算后得到中间结果,将中间结果通过传输处理电路转发至核心处理电路,核心处理电路依据中间结果处理得到最终计算结果,依据该最终计算结果得到图像识别的结果。
进一步地,请参阅图1B,图1B是本申请实施例提供的用于实现一种智能垃圾投递监控系统的架构示意图,该智能垃圾投递监控系统包括控制平台,且通过控制平台连接至少一个摄像头。其中,获取电路可以包括一个或者多个摄像头,还可以包括处理器,用于对多个摄像头的数据进行数据转换和数据预处理;图像处理器电路可以包括通用处理器,用于实现图像处理功能。处理器可以为控制平台的部分或者全部处理功能。上述垃圾桶可以用于盛放垃圾。上述处理器可以为以下至少一种:中央处理器(Central Processing Unit/Processor,CPU)、图形处理器(Graphics Processing Unit,GPU)或者图1A所描述的人工智能芯片等等,在此不做限定。
本申请实施例中,智能垃圾投递监控系统可以包括图1A所示的人工智能芯片,基于该智能垃圾投递监控系统可以实现如下功能:
所述获取电路在目标对象与所述多个垃圾桶中的任一垃圾桶之间的距离小于预设距离,获取拍摄图像;
所述图像处理电路依据所述拍摄图像确定所述目标对象对应的目标行为;
所述获取电路在所述目标行为属于预设行为时,对所述目标对象进行视频拍摄,得到目标视频片段;
所述人工智能芯片依据所述目标视频片段确定所述目标对象投递的目标垃圾的目标垃圾类型;
所述人工智能芯片依据所述目标视频片段确定所述目标垃圾对应的目标投递垃圾桶,所述目标投递垃圾桶为所述多个垃圾桶中的一个垃圾桶;
所述人工智能芯片在所述目标垃圾类型与所述目标投递垃圾桶对应的垃圾类型一致时,确认所述目标对象投递垃圾合规。
在一个可能的示例中,在所述依据所述拍摄图像确定所述目标对象对应的目标行为方面,所述图像处理电路具体用于:
对所述目标图像进行目标分割,得到人体区域图像和所述目标垃圾对应的目标垃圾区域;
依据预设的人体模型结构从所述人体区域图像中选取多个关节点;
依据所述多个关节点以及所述目标垃圾区域的位置进行行为识别,得到所述目标行为。
在一个可能的示例中,所述智能垃圾投递监控系统包括多个摄像头,在所述对所述目标对象进行视频拍摄,得到目标视频片段方面,所述获取电路具体用于:
确定所述多个摄像头中每一摄像头与所述目标对象之间的距离,得到多个距离值,每一摄像头对应一个距离值;
确定所述多个摄像头中每一摄像头与所述目标对象之间的人脸角度,得到多个人脸角度;
按照预设的距离值与第一评价值之间的映射关系,确定所述多个距离值中每一距离值对应的目标第一评价值,得到多个目标第一评价值;
按照预设的人脸角度与第二评价值之间的映射关系,确定所述多个人脸角度中每一人脸角度对应的目标第二评价值,得到多个目标第二评价值;
获取所述第一评价值对应的第一权重值、所述第二评价值对应的第二权重值;
依据所述多个目标第一评价值、所述多个目标第二评价值、所述第一权重值和所述第二权重值进行加权运算,得到多个最终得分,每一摄像头对应一个最终得分;
从所述多个最终得分中选取最大值,并获取该最大值对应的目标摄像头对所述目标对象进行拍摄,得到所述目标视频片段。
在一个可能的示例中,在所述从所述多个最终得分中选取最大值,并获取该最大值对应的目标摄像头对所述目标对象进行拍摄,得到所述目标视频片段方面,所述获取电路具体用于:
获取所述目标摄像头对应的该目标摄像头与所述目标对象之间的目标距离值;
按照预设的距离值与焦距之间的映射关系,确定所述目标距离值对应的目标焦距;
获取目标环境参数;
按照预设的环境参数与拍摄参数之间的映射关系,确定所述目标环境参数对应的目标拍摄参数;
依据所述目标焦距、所述目标拍摄参数对所述目标对象进行拍摄,得到所述目标视频片段。
在一个可能的示例中,在所述依据所述目标视频片段确定所述目标对象投递的目标垃圾的目标垃圾类型方面,所述人工智能芯片具体用于:
对所述目标视频片段进行解析,得到多帧视频图像;
对所述多帧视频图像中每一帧视频图像进行目标提取,得到所述目标垃圾对应的多个垃圾区域图像;
对所述多个垃圾区域图像中的每一垃圾区域图像进行图像质量评价,得到多个图像质量评价值;
从所述多个图像质量评价值中选取最大值,并获取该最大值对应的目标垃圾区域图像;
将所述目标垃圾区域图像输入到预设神经网络模型中,得到所述目标垃圾类型。
基于上述电子设备,当然,还可以实现与上述功能相应的方法,在此不再赘述。
请参阅图1C,图1C是本申请实施例提供的一种垃圾投递行为监督方法的流程示意图,如图所示,应用于图1B所示的智能垃圾投递监控系统,所述智能垃圾投递监控系统包括多个垃圾桶,每一垃圾桶对应一个垃圾类型,本垃圾投递行为监督方法包括:
101、在目标对象与所述多个垃圾桶中的任一垃圾桶之间的距离小于预设距离,获取拍摄图像。
其中,目标对象可以为人。上述预设距离可以由用户自行设置或者系统默认。本申请实施例中,社区垃圾递监控系统可以包括至少一个摄像头,通过该至少一个摄像头对多个垃圾桶进行监控,每一垃圾桶对应一个垃圾类型。具体地,在目标对象与多个垃圾桶中的任一垃圾桶之间的距离小于预设距离时,则可以获取拍摄图像,如此,可以在一定程度上,降低系统内存以及功耗。
102、依据所述拍摄图像确定所述目标对象对应的目标行为。
其中,可以通过拍摄图像提取出目标对象的区域图像,依据该区域图像分析目标对象对应的目标行为。
在一个可能的示例中,上述步骤102,依据所述拍摄图像确定所述目标对象对应的目标行为,可以包括如下步骤:
21、对所述目标图像进行目标分割,得到人体区域图像和所述目标垃圾对应的目标垃圾区域;
22、依据预设的人体模型结构模型从所述人体区域图像中选取多个关节点;
23、依据所述多个关节点以及所述目标垃圾区域的位置进行行为识别,得到所述目标行为。
其中,本申请实施例中,可以预先存储预设的人体模型结构,该预设的人体模型结构可以为神经网络模型,通过该预设的人体模型结构可以提取出任一人的关节点,具体实现中,可以对目标图像进行图像分割,得到人体区域图像和目标垃圾对应的目标垃圾区域,进一步地,依据预设的人体模型结构从人体区域图像中选取多个关节点,通过该多个关节点,以及目标垃圾区域的位置可以进行行为识别,得到目标行为,由于行为对应姿势,不同的姿势对应的关节点不一样,通过该方式可以提取关节点,通过关节点与垃圾位置之间的关系,可以确定用户的具体行为。
103、在所述目标行为属于预设行为时,对所述目标对象进行视频拍摄,得到目标视频片段。
其中,预设行为可以由用户自行设置,或者,系统默认。预设行为可以为投递垃圾行为。
其中,所述智能垃圾投递监控系统包括多个摄像头,上述步骤103,对所述目标对象进行视频拍摄,得到目标视频片段,可以包括如下步骤:
31、确定所述多个摄像头中每一摄像头与所述目标对象之间的距离,得到多个距离值,每一摄像头对应一个距离值;
32、确定所述多个摄像头中每一摄像头与所述目标对象之间的人脸角度,得到多个人脸角度;
33、按照预设的距离值与第一评价值之间的映射关系,确定所述多个距离值中每一距离值对应的目标第一评价值,得到多个目标第一评价值;
34、按照预设的人脸角度与第二评价值之间的映射关系,确定所述多个人脸角度中每一人脸角度对应的目标第二评价值,得到多个目标第二评价值;
35、获取所述第一评价值对应的第一权重值、所述第二评价值对应的第二权重值;
36、依据所述多个目标第一评价值、所述多个目标第二评价值、所述第一权重值和所述第二权重值进行加权运算,得到多个最终得分,每一摄像头对应一个最终得分;
37、从所述多个最终得分中选取最大值,并获取该最大值对应的目标摄像头对所述目标对象进行拍摄,得到所述目标视频片段。
其中,上述第一权重值、第二权重值均处于0~1,第一权重值、第二权重值均可以由用户自行设置或者系统默认。智能垃圾投递监控系统可以包括多个摄像头,该摄像头可以为单摄像头或者多摄像头,单摄像头可以为红外摄像头、可见光摄像头、广角摄像头等等,多摄像头可以为双摄像头或者三摄像头等等,在此不做限定。
具体实现中,可以确定多个摄像头中每一摄像头与目标对象之间的距离,得到多个距离值,每一摄像头对应一个距离值,还可以确定多个摄像头中每一摄像头与目标对象之间的人脸角度,得到多个人脸角度,智能垃圾投递监控系统的存储器中可以预设存储按照预设的距离值与第一评价值之间的映射关系,进而,可以依据该预设的距离值与第一评价值之间的映射关系,确定多个距离值中每一距离值对应的目标第一评价值,得到多个目标第一评价值,智能垃圾投递监控系统的村存储器中还可以预先存储预设的人脸角度与第二评价值之间的映射关系,进而,可以按照预设的人脸角度与第二评价值之间的映射关系,确定多个人脸角度中每一人脸角度对应的目标第二评价值,得到多个目标第二评价值,进而,可以获取第一评价值对应的第一权重值、第二评价值对应的第二权重值,进一步地,依据多个目标第一评价值、多个目标第二评价值、第一权重值和第二权重值进行加权运算,得到多个最终得分,每一摄像头对应一个最终得分,最终得分=目标第一评价值*第一权重值+目标第二评价值*第二权重值,进而,可以从多个最终得分中选取最大值,并获取该最大值对应的目标摄像头对目标对象进行拍摄,得到目标视频片段,如此,可以选取最合适的摄像头对目标对象进行拍摄,有助于拍摄出清晰的用户丢垃圾行为视频片段,有助于对用户行为进行精准监督。
进一步地,在一个可能的示例中,上述步骤37,从所述多个最终得分中选取最大值,并获取该最大值对应的目标摄像头对所述目标对象进行拍摄,得到所述目标视频片段,可以包括如下步骤:
371、依据所述目标摄像头对应的该目标摄像头与所述目标对象之间的目标距离值;
372、按照预设的距离值与焦距之间的映射关系,确定所述目标距离值对应的目标焦距;
373、获取目标环境参数;
374、按照预设的环境参数与拍摄参数之间的映射关系,确定所述目标环境参数对应的目标拍摄参数;
375、依据所述目标焦距、所述目标拍摄参数对所述目标对象进行拍摄,得到所述目标视频片段。
其中,本申请实施例中,环境参数可以包括以下至少一种:环境亮度值、环境色温、温度、湿度、天气、地理位置、目标对象的心跳参数、磁场干扰强度等等,在此不做限定,其中,心跳参数可以包括以下至少一种:心跳次数、心跳频率、心跳曲线、心电图等等,在此不做限定。拍摄参数可以包括以下至少一种:曝光时长、感光度、白平衡参数、降噪系数、去雾参数、去反光参数等等,在此不做限定。
具体实现中,可以获取目标摄像头对应的该目标摄像头与目标对象之间的目标距离值,智能垃圾投递监控系统的存储器中可以预先存储预设的距离值与焦距之间的映射关系,进而,可以按照预设的距离值与焦距之间的映射关系,确定目标距离值对应的目标焦距,还可以获取目标环境参数,智能垃圾投递监控系统的存储器中可以预先存储预设的环境参数与拍摄参数之间的映射关系,进而,可以按照预设的环境参数与拍摄参数之间的映射关系,确定目标环境参数对应的目标拍摄参数,依据目标焦距、目标拍摄参数对所述目标对象进行拍摄,得到目标视频片段。
104、依据所述目标视频片段确定所述目标对象投递的目标垃圾的目标垃圾类型。
其中,由于目标视频片段中包括垃圾对应的图像,因此,可以依据该图像进行分析,进而,可以确定目标垃圾对应的目标垃圾类型。本申请实施例中,垃圾类型可以为以下至少一种:干垃圾、湿垃圾、有害垃圾、无害垃圾、可回收垃圾、不可回收垃圾等等,在此不做限定,不同的垃圾分类标准,可以对应不同的垃圾类型,在此不做限定。
在一个可能的示例中,上述步骤104,依据所述目标视频片段确定所述目标对象投递的目标垃圾的目标垃圾类型,可以包括如下步骤:
41、对所述目标视频片段进行解析,得到多帧视频图像;
42、对所述多帧视频图像中每一帧视频图像进行目标提取,得到所述目标垃圾对应的多个垃圾区域图像;
43、对所述多个垃圾区域图像中的每一垃圾区域图像进行图像质量评价,得到多个图像质量评价值;
44、从所述多个图像质量评价值中选取最大值,并获取该最大值对应的目标垃圾区域图像;
45、将所述目标垃圾区域图像输入到预设神经网络模型中,得到所述目标垃圾类型。
其中,上述预设神经网络模型可以为以下至少一种:卷积神经网络模型、循环神经网络模型、脉冲神经网络模型等等,在此不做限定。可以对目标视频片段进行解析,得到多帧视频图像,可以对该多帧视频图像中的每一帧视频图像中进行目标提取,得到目标垃圾对应的多个垃圾区域图像,通过对多个垃圾区域图像中的每一垃圾区域图像进行图像质量评价,可以得到多个图像质量评价值,图像质量评价的话,可以采取至少一个图像质量评价指标对图像进行图像质量评价,图像质量评价指标可以为以下至少一种:平均灰度、信息熵、边缘保持度、均方差等等,在此不做限定。进一步地,可以从多个图像质量评价值中选取最大值,并获取该最大值对应的目标垃圾区域图像,将该目标垃圾区域图像输入到预设神经网络模型中,可以得到目标垃圾类型,由于选取最为清晰的目标用作类型识别,可以实现精准类型识别。
105、依据所述目标视频片段确定所述目标垃圾对应的目标投递垃圾桶,所述目标投递垃圾桶为所述多个垃圾桶中的一个垃圾桶。
具体实现中,还可以确定目标垃圾最终被投递到哪一垃圾桶,即依据目标视频片段确定目标垃圾对应的目标投递垃圾桶,该目标投递垃圾桶为上述多个垃圾桶中的任一垃圾桶。
106、在所述目标垃圾类型与所述目标投递垃圾桶对应的垃圾类型一致时,确认所述目标对象投递垃圾合规。
其中,在目标垃圾类型与目标投递垃圾桶对应的垃圾类型一致时,则说明目标对象投递垃圾合规,反之,在目标垃圾类型与目标投递垃圾桶对应的垃圾类型不一致时,则说明目标对象投递垃圾不合规。当然,进一步地,不合规则可以提示目标对象再次投递,或者,对该目标对象进行警告或者处罚。
在一个可能的示例中,所述多个垃圾桶中每一垃圾桶对应一个显示屏;
上述步骤104,依据所述目标视频片段确定所述目标对象投递的目标垃圾的目标垃圾类型之后,还可以包括如下步骤:
A1、在所述多个垃圾桶中选取与所述目标垃圾类型对应的目标垃圾桶;
A2、向所述目标垃圾桶发送控制指令,所述控制指令用于指示所述目标垃圾桶打开垃圾桶盖,并高亮显示所述显示屏以引导所述目标对象将所述目标垃圾投递到该目标垃圾桶。
其中,可以在多个垃圾桶中选取与目标垃圾类型对应的目标垃圾桶,进而,可以建立智能垃圾投递监控系统与垃圾桶之间的连接,进而,可以向该目标垃圾桶发送控制指令,通过该控制指令可以指示目标垃圾桶打开垃圾桶盖,并高亮显示显示屏,以引导目标对象将目标垃圾投递到该目标垃圾桶,提升了用户垃圾投递精准度,
在一个可能的示例中,在所述智能垃圾投递监控系统与扫地机器人建立连接时,上述步骤106之后,还可以包括如下步骤:
B1、获取针对预设区域的第一图像,所述预设区域为所述多个垃圾桶附近范围;
B2、依据所述第一图像确定所述预设区域的目标洁净度;
B3、按照预设的洁净度与清理参数之间的映射关系,确定所述目标洁净度对应的目标清理参数;
B4、依据所述目标清理参数生成清洁指令;
B5、向所述扫地机器人发送所述清洁指令,以指示所述扫地机器人对所述预设区域进行清洁处理。
其中,本申请实施例中,清理参数可以包括以下至少一种:清理方式、清洁剂量、清洁温度、清洁湿度、消毒液剂量等等,在此不做限定。智能垃圾投递监控系统可以对地面进行清洁,具体地,可以获取该预设区域的第一图像,并依据该第一图像确定该预设区域对应的目标洁净度。智能垃圾投递监控系统中可以预先存储预设的洁净度与清理参数之间的映射关系,进而,可以依据该映射关系确定目标洁净度多余土办法的目标清理参数,进而,可以依据该目标清理参数生成清洁指令,并向扫地机器人发送该清洁指令,以指示扫地机器人对预设区域进行清洁处理,有助于地面的洁净程度。
进一步地,上述步骤B2,依据所述第一图像确定所述预设区域的目标洁净度,可以包括如下步骤:
B21、对所述预设区域进行边缘提取,得到多个边缘;
B22、确定由所述多个边缘构成的闭合区域,得到至少一个闭合区域;
B23、对所述至少一个闭合区域进行放大处理,得到放大后的所述至少一个闭合区域;
B24、对放大后的所述至少一个闭合区域进行特征提取,得到特征点集;
B25、对所述特征点集进行筛选,得到目标特征点集;
B26、依据所述目标特征点集的数量、放大后的所述至少一个闭合区域的面积确定特征点分布密度;
B27、按照预设的特征点分布密度与洁净度之间的映射关系,确定所述至少一个闭合区域的特征点分布密度对应的所述目标洁净度。
其中,智能垃圾投递监控系统可以对预设区域进行边缘提取,得到多个边缘,边缘提取算法可以为以下至少一种:canny算子、Roberts算子、差分边缘检测、Sobel算子、Prewitt算子等等,在此不做限定。进而,可以确定多个边缘构成的闭合区域,得到至少一个闭合区域,并对该至少一个闭合区域进行放大处理,可以得到放大后的至少一个闭合区域,进而,可以对放大后的至少一个闭合区域进行特征提取,得到多个特征点集,对特征点集进行筛选,得到目标特征点集,筛选之后,可以得到稳定的特征点,特征点可以视作一个向量,其包括大小和方向,例如,可以通过特征点的模值进行筛选,选取模值处于预设范围的特征点,预设范围可以由用户自行设置或者系统默认。依据该目标特征点集的数量、放大后的至少一个闭合区域的面积,可以确定该至少一个闭合区域对应的特征点分布密度,即特征点分布密度=目标特征点集的数量/放大后的至少一个闭合区域的面积,智能垃圾投递监控系统中可以预先存储预设的特征点分布密度与洁净度之间的映射关系,进而,依据该映射关系可以确定该至少一个闭合区域的特征点分布密度对应的目标洁净度。
可以看出,本申请实施例中所描述的垃圾投递行为监督方法,应用于智能垃圾投递监控系统,智能垃圾投递监控系统包括多个垃圾桶,每一垃圾桶对应一个垃圾类型,目标对象与多个垃圾桶中的任一垃圾桶之间的距离小于预设距离,获取拍摄图像,依据拍摄图像确定目标对象对应的目标行为,在目标行为属于预设行为时,对目标对象进行视频拍摄,得到目标视频片段,依据目标视频片段确定目标对象投递的目标垃圾的目标垃圾类型,依据目标视频片段确定目标垃圾对应的目标投递垃圾桶,目标投递垃圾桶为多个垃圾桶中的一个垃圾桶,在目标垃圾类型与目标投递垃圾桶对应的垃圾桶一致时,确认目标对象投递垃圾合规,如此,可以对用户投递垃圾的视频进行分析,确定投递的垃圾是否被投递到与其相对应的垃圾桶中,从而,实现有效对社区垃圾投递行为进行有效监督,还可以依据该目标清理参数生成清洁指令,并向扫地机器人发送该清洁指令,以指示扫地机器人对预设区域进行清洁处理,有助于提升地面的洁净程度。
与上述图1C所示的实施例一致地,请参阅图2,图2是本申请实施例提供的一种垃圾投递行为监督方法的流程示意图,如图所示,应用于图1B所示的智能垃圾投递监控系统,所述智能垃圾投递监控系统包括多个垃圾桶,每一垃圾桶对应一个垃圾类型,本垃圾投递行为监督方法包括:
201、在目标对象与所述多个垃圾桶中的任一垃圾桶之间的距离小于预设距离,获取拍摄图像;
202、依据所述拍摄图像确定所述目标对象对应的目标行为;
203、在所述目标行为属于预设行为时,对所述目标对象进行视频拍摄,得到目标视频片段;
204、依据所述目标视频片段确定所述目标对象投递的目标垃圾的目标垃圾类型;
205、依据所述目标视频片段确定所述目标垃圾对应的目标投递垃圾桶,所述目标投递垃圾桶为所述多个垃圾桶中的一个垃圾桶;
206、在所述目标垃圾类型与所述目标投递垃圾桶对应的垃圾类型一致时,确认所述目标对象投递垃圾合规。
207、在所述智能垃圾投递监控系统与扫地机器人建立连接时,获取针对预设区域的第一图像,所述预设区域为所述多个垃圾桶附近范围;
208、依据所述第一图像确定所述预设区域的目标洁净度;
209、按照预设的洁净度与清理参数之间的映射关系,确定所述目标洁净度对应的目标清理参数;
210、依据所述目标清理参数生成清洁指令;
211、向所述扫地机器人发送所述清洁指令,以指示所述扫地机器人对所述预设区域进行清洁处理。
其中,上述步骤201-步骤211的具体描述可以参照上述图1C所描述的垃圾投递行为监督方法的相应步骤,在此不再赘述。
可以看出,本申请实施例中所描述的垃圾投递行为监督方法,应用于智能垃圾投递监控系统,智能垃圾投递监控系统包括多个垃圾桶,每一垃圾桶对应一个垃圾类型,目标对象与多个垃圾桶中的任一垃圾桶之间的距离小于预设距离,获取拍摄图像,依据拍摄图像确定目标对象对应的目标行为,在目标行为属于预设行为时,对目标对象进行视频拍摄,得到目标视频片段,依据目标视频片段确定目标对象投递的目标垃圾的目标垃圾类型,依据目标视频片段确定目标垃圾对应的目标投递垃圾桶,目标投递垃圾桶为多个垃圾桶中的一个垃圾桶,在目标垃圾类型与目标投递垃圾桶对应的垃圾桶一致时,确认目标对象投递垃圾合规,如此,可以对用户投递垃圾的视频进行分析,确定投递的垃圾是否被投递到与其相对应的垃圾桶中,从而,实现有效对社区垃圾投递行为进行有效监督。
与上述实施例一致地,请参阅图3,图3是本申请实施例提供的一种控制平台的结构示意图,如图所示,该控制平台包括处理器、存储器、通信接口以及一个或多个程序,应用于智能垃圾投递监控系统,所述智能垃圾投递监控系统还包括多个垃圾桶,每一垃圾桶对应一个垃圾类型,其中,上述一个或多个程序被存储在上述存储器中,并且被配置由上述处理器执行,本申请实施例中,上述程序包括用于执行以下步骤的指令:
在目标对象与所述多个垃圾桶中的任一垃圾桶之间的距离小于预设距离,获取拍摄图像;
依据所述拍摄图像确定所述目标对象对应的目标行为;
在所述目标行为属于预设行为时,对所述目标对象进行视频拍摄,得到目标视频片段;
依据所述目标视频片段确定所述目标对象投递的目标垃圾的目标垃圾类型;
依据所述目标视频片段确定所述目标垃圾对应的目标投递垃圾桶,所述目标投递垃圾桶为所述多个垃圾桶中的一个垃圾桶;
在所述目标垃圾类型与所述目标投递垃圾桶对应的垃圾类型一致时,确认所述目标对象投递垃圾合规。
可以看出,本申请实施例中所描述的控制平台,应用于智能垃圾投递监控系统,智能垃圾投递监控系统包括多个垃圾桶,每一垃圾桶对应一个垃圾类型,目标对象与多个垃圾桶中的任一垃圾桶之间的距离小于预设距离,获取拍摄图像,依据拍摄图像确定目标对象对应的目标行为,在目标行为属于预设行为时,对目标对象进行视频拍摄,得到目标视频片段,依据目标视频片段确定目标对象投递的目标垃圾的目标垃圾类型,依据目标视频片段确定目标垃圾对应的目标投递垃圾桶,目标投递垃圾桶为多个垃圾桶中的一个垃圾桶,在目标垃圾类型与目标投递垃圾桶对应的垃圾桶一致时,确认目标对象投递垃圾合规,如此,可以对用户投递垃圾的视频进行分析,确定投递的垃圾是否被投递到与其相对应的垃圾桶中,从而,实现有效对社区垃圾投递行为进行有效监督。
在一个可能的示例中,在所述依据所述拍摄图像确定所述目标对象对应的目标行为方面,上述程序包括用于执行以下步骤的指令:
对所述目标图像进行目标分割,得到人体区域图像和所述目标垃圾对应的目标垃圾区域;
依据预设的人体模型结构从所述人体区域图像中选取多个关节点;
依据所述多个关节点以及所述目标垃圾区域的位置进行行为识别,得到所述目标行为。
在一个可能的示例中,所述智能垃圾投递监控系统包括多个摄像头,在所述对所述目标对象进行视频拍摄,得到目标视频片段方面,上述程序包括用于执行以下步骤的指令:
确定所述多个摄像头中每一摄像头与所述目标对象之间的距离,得到多个距离值,每一摄像头对应一个距离值;
确定所述多个摄像头中每一摄像头与所述目标对象之间的人脸角度,得到多个人脸角度;
按照预设的距离值与第一评价值之间的映射关系,确定所述多个距离值中每一距离值对应的目标第一评价值,得到多个目标第一评价值;
按照预设的人脸角度与第二评价值之间的映射关系,确定所述多个人脸角度中每一人脸角度对应的目标第二评价值,得到多个目标第二评价值;
获取所述第一评价值对应的第一权重值、所述第二评价值对应的第二权重值;
依据所述多个目标第一评价值、所述多个目标第二评价值、所述第一权重值和所述第二权重值进行加权运算,得到多个最终得分,每一摄像头对应一个最终得分;
从所述多个最终得分中选取最大值,并获取该最大值对应的目标摄像头对所述目标对象进行拍摄,得到所述目标视频片段。
在一个可能的示例中,在所述从所述多个最终得分中选取最大值,并获取该最大值对应的目标摄像头对所述目标对象进行拍摄,得到所述目标视频片段方面,上述程序包括用于执行以下步骤的指令:
获取所述目标摄像头对应的该目标摄像头与所述目标对象之间的目标距离值;
按照预设的距离值与焦距之间的映射关系,确定所述目标距离值对应的目标焦距;
获取目标环境参数;
按照预设的环境参数与拍摄参数之间的映射关系,确定所述目标环境参数对应的目标拍摄参数;
依据所述目标焦距、所述目标拍摄参数对所述目标对象进行拍摄,得到所述目标视频片段。
在一个可能的示例中,在所述依据所述目标视频片段确定所述目标对象投递的目标垃圾的目标垃圾类型方面,上述程序包括用于执行以下步骤的指令:
对所述目标视频片段进行解析,得到多帧视频图像;
对所述多帧视频图像中每一帧视频图像进行目标提取,得到所述目标垃圾对应的多个垃圾区域图像;
对所述多个垃圾区域图像中的每一垃圾区域图像进行图像质量评价,得到多个图像质量评价值;
从所述多个图像质量评价值中选取最大值,并获取该最大值对应的目标垃圾区域图像;
将所述目标垃圾区域图像输入到预设神经网络模型中,得到所述目标垃圾类型。
上述主要从方法侧执行过程的角度对本申请实施例的方案进行了介绍。可以理解的是,控制平台为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本文中所提供的实施例描述的各示例的单元及算法步骤,本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,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。
本申请实施例可以根据上述方法示例对控制平台进行功能单元的划分,例如,可以对应各个功能划分各个功能单元,也可以将两个或两个以上的功能集成在一个处理单元中。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。需要说明的是,本申请实施例中对单元的划分是示意性的,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。
图4是本申请实施例中所涉及的垃圾投递行为监督装置400的功能单元组成框图。该垃圾投递行为监督装置400,应用于智能垃圾投递监控系统,所述智能垃圾投递监控系统包括多个垃圾桶,每一垃圾桶对应一个垃圾类型,所述装置400包括:获取单元401、确定单元402和拍摄单元403,其中,
获取单元401,用于在目标对象与所述多个垃圾桶中的任一垃圾桶之间的距离小于预设距离,获取拍摄图像;
确定单元402,用于依据所述拍摄图像确定所述目标对象对应的目标行为;
拍摄单元403,用于在所述目标行为属于预设行为时,对所述目标对象进行视频拍摄,得到目标视频片段;
所述确定单元402,还用于依据所述目标视频片段确定所述目标对象投递的目标垃圾的目标垃圾类型;以及依据所述目标视频片段确定所述目标垃圾对应的目标投递垃圾桶,所述目标投递垃圾桶为所述多个垃圾桶中的一个垃圾桶;以及在所述目标垃圾类型与所述目标投递垃圾桶对应的垃圾类型一致时,确认所述目标对象投递垃圾合规。
可以看出,本申请实施例中所描述的垃圾投递行为监督装置,应用于智能垃圾投递监控系统,智能垃圾投递监控系统包括多个垃圾桶,每一垃圾桶对应一个垃圾类型,目标对象与多个垃圾桶中的任一垃圾桶之间的距离小于预设距离,获取拍摄图像,依据拍摄图像确定目标对象对应的目标行为,在目标行为属于预设行为时,对目标对象进行视频拍摄,得到目标视频片段,依据目标视频片段确定目标对象投递的目标垃圾的目标垃圾类型,依据目标视频片段确定目标垃圾对应的目标投递垃圾桶,目标投递垃圾桶为多个垃圾桶中的一个垃圾桶,在目标垃圾类型与目标投递垃圾桶对应的垃圾桶一致时,确认目标对象投递垃圾合规,如此,可以对用户投递垃圾的视频进行分析,确定投递的垃圾是否被投递到与其相对应的垃圾桶中,从而,实现有效对社区垃圾投递行为进行有效监督。
在一个可能的示例中,在所述依据所述拍摄图像确定所述目标对象对应的目标行为方面,所述确定单元402具体用于:
对所述目标图像进行目标分割,得到人体区域图像和所述目标垃圾对应的目标垃圾区域;
依据预设的人体模型结构从所述人体区域图像中选取多个关节点;
依据所述多个关节点以及所述目标垃圾区域的位置进行行为识别,得到所述目标行为。
在一个可能的示例中,所述智能垃圾投递监控系统包括多个摄像头,在所述对所述目标对象进行视频拍摄,得到目标视频片段方面,所述拍摄单元403具体用于:
确定所述多个摄像头中每一摄像头与所述目标对象之间的距离,得到多个距离值,每一摄像头对应一个距离值;
确定所述多个摄像头中每一摄像头与所述目标对象之间的人脸角度,得到多个人脸角度;
按照预设的距离值与第一评价值之间的映射关系,确定所述多个距离值中每一距离值对应的目标第一评价值,得到多个目标第一评价值;
按照预设的人脸角度与第二评价值之间的映射关系,确定所述多个人脸角度中每一人脸角度对应的目标第二评价值,得到多个目标第二评价值;
获取所述第一评价值对应的第一权重值、所述第二评价值对应的第二权重值;
依据所述多个目标第一评价值、所述多个目标第二评价值、所述第一权重值和所述第二权重值进行加权运算,得到多个最终得分,每一摄像头对应一个最终得分;
从所述多个最终得分中选取最大值,并获取该最大值对应的目标摄像头对所述目标对象进行拍摄,得到所述目标视频片段。
进一步地,在所述从所述多个最终得分中选取最大值,并获取该最大值对应的目标摄像头对所述目标对象进行拍摄,得到所述目标视频片段方面,所述拍摄单元403具体用于:
获取所述目标摄像头对应的该目标摄像头与所述目标对象之间的目标距离值;
按照预设的距离值与焦距之间的映射关系,确定所述目标距离值对应的目标焦距;
获取目标环境参数;
按照预设的环境参数与拍摄参数之间的映射关系,确定所述目标环境参数对应的目标拍摄参数;
依据所述目标焦距、所述目标拍摄参数对所述目标对象进行拍摄,得到所述目标视频片段。
在一个可能的示例中,在所述依据所述目标视频片段确定所述目标对象投递的目标垃圾的目标垃圾类型方面,所述确定单元402具体用于:
对所述目标视频片段进行解析,得到多帧视频图像;
对所述多帧视频图像中每一帧视频图像进行目标提取,得到所述目标垃圾对应的多个垃圾区域图像;
对所述多个垃圾区域图像中的每一垃圾区域图像进行图像质量评价,得到多个图像质量评价值;
从所述多个图像质量评价值中选取最大值,并获取该最大值对应的目标垃圾区域图像;
将所述目标垃圾区域图像输入到预设神经网络模型中,得到所述目标垃圾类型。
可以理解的是,本实施例的垃圾投递行为监督装置的各程序模块的功能可根据上述方法实施例中的方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
本申请实施例还提供一种计算机存储介质,其中,该计算机存储介质存储用于电子数据交换的计算机程序,该计算机程序使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤,上述计算机包括控制平台。
本申请实施例还提供一种计算机程序产品,上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包,上述计算机包括控制平台。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
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的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如上述单元的划分,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信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。
上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。
上述集成的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器中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储器中,存储器可以包括:闪存盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取器(英文:Random Access Memory,简称:RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (8)
1.一种垃圾投递行为监督方法,其特征在于,应用于智能垃圾投递监控系统,所述智能垃圾投递监控系统包括获取电路、图像处理电路、人工智能芯片和多个垃圾桶,每一垃圾桶对应一个垃圾类型,所述方法包括:
所述获取电路在目标对象与所述多个垃圾桶中的任一垃圾桶之间的距离小于预设距离,获取拍摄图像;
所述图像处理电路依据所述拍摄图像确定所述目标对象对应的目标行为;
所述获取电路在所述目标行为属于预设行为时,对所述目标对象进行视频拍摄,得到目标视频片段;
所述人工智能芯片依据所述目标视频片段确定所述目标对象投递的目标垃圾的目标垃圾类型;
所述人工智能芯片依据所述目标视频片段确定所述目标垃圾对应的目标投递垃圾桶,所述目标投递垃圾桶为所述多个垃圾桶中的一个垃圾桶;
所述人工智能芯片在所述目标垃圾类型与所述目标投递垃圾桶对应的垃圾类型一致时,确认所述目标对象投递垃圾合规;
其中,所述智能垃圾投递监控系统包括多个摄像头,在所述对所述目标对象进行视频拍摄,得到目标视频片段方面,所述获取电路具体用于:
确定所述多个摄像头中每一摄像头与所述目标对象之间的距离,得到多个距离值,每一摄像头对应一个距离值;
确定所述多个摄像头中每一摄像头与所述目标对象之间的人脸角度,得到多个人脸角度;
按照预设的距离值与第一评价值之间的映射关系,确定所述多个距离值中每一距离值对应的目标第一评价值,得到多个目标第一评价值;
按照预设的人脸角度与第二评价值之间的映射关系,确定所述多个人脸角度中每一人脸角度对应的目标第二评价值,得到多个目标第二评价值;
获取所述第一评价值对应的第一权重值、所述第二评价值对应的第二权重值;
依据所述多个目标第一评价值、所述多个目标第二评价值、所述第一权重值和所述第二权重值进行加权运算,得到多个最终得分,每一摄像头对应一个最终得分;
从所述多个最终得分中选取最大值,并获取该最大值对应的目标摄像头对所述目标对象进行拍摄,得到所述目标视频片段。
2.根据权利要求1所述的方法,其特征在于,在所述依据所述拍摄图像确定所述目标对象对应的目标行为方面,所述图像处理电路具体用于:
对所述拍摄图像进行目标分割,得到人体区域图像和所述目标垃圾对应的目标垃圾区域;
依据预设的人体模型结构从所述人体区域图像中选取多个关节点;
依据所述多个关节点以及所述目标垃圾区域的位置进行行为识别,得到所述目标行为。
3.根据权利要求1所述的方法,其特征在于,在所述从所述多个最终得分中选取最大值,并获取该最大值对应的目标摄像头对所述目标对象进行拍摄,得到所述目标视频片段方面,所述获取电路具体用于:
获取所述目标摄像头对应的该目标摄像头与所述目标对象之间的目标距离值;
按照预设的距离值与焦距之间的映射关系,确定所述目标距离值对应的目标焦距;
获取目标环境参数;
按照预设的环境参数与拍摄参数之间的映射关系,确定所述目标环境参数对应的目标拍摄参数;
依据所述目标焦距、所述目标拍摄参数对所述目标对象进行拍摄,得到所述目标视频片段。
4.根据权利要求1或2所述的方法,其特征在于,在所述依据所述目标视频片段确定所述目标对象投递的目标垃圾的目标垃圾类型方面,所述人工智能芯片具体用于:
对所述目标视频片段进行解析,得到多帧视频图像;
对所述多帧视频图像中每一帧视频图像进行目标提取,得到所述目标垃圾对应的多个垃圾区域图像;
对所述多个垃圾区域图像中的每一垃圾区域图像进行图像质量评价,得到多个图像质量评价值;
从所述多个图像质量评价值中选取最大值,并获取该最大值对应的目标垃圾区域图像;
将所述目标垃圾区域图像输入到预设神经网络模型中,得到所述目标垃圾类型。
5.一种垃圾投递行为监督装置,其特征在于,应用于智能垃圾投递监控系统,所述智能垃圾投递监控系统包括多个垃圾桶,每一垃圾桶对应一个垃圾类型,所述装置包括:
获取单元,用于在目标对象与所述多个垃圾桶中的任一垃圾桶之间的距离小于预设距离,获取拍摄图像;
确定单元,用于依据所述拍摄图像确定所述目标对象对应的目标行为;
拍摄单元,用于在所述目标行为属于预设行为时,对所述目标对象进行视频拍摄,得到目标视频片段;
所述确定单元,还具体用于依据所述目标视频片段确定所述目标对象投递的目标垃圾的目标垃圾类型;依据所述目标视频片段确定所述目标垃圾对应的目标投递垃圾桶,所述目标投递垃圾桶为所述多个垃圾桶中的一个垃圾桶;以及在所述目标垃圾类型与所述目标投递垃圾桶对应的垃圾类型一致时,确认所述目标对象投递垃圾合规;
其中,所述智能垃圾投递监控系统包括多个摄像头,在所述对所述目标对象进行视频拍摄,得到目标视频片段方面,所述拍摄单元具体用于:
确定所述多个摄像头中每一摄像头与所述目标对象之间的距离,得到多个距离值,每一摄像头对应一个距离值;
确定所述多个摄像头中每一摄像头与所述目标对象之间的人脸角度,得到多个人脸角度;
按照预设的距离值与第一评价值之间的映射关系,确定所述多个距离值中每一距离值对应的目标第一评价值,得到多个目标第一评价值;
按照预设的人脸角度与第二评价值之间的映射关系,确定所述多个人脸角度中每一人脸角度对应的目标第二评价值,得到多个目标第二评价值;
获取所述第一评价值对应的第一权重值、所述第二评价值对应的第二权重值;
依据所述多个目标第一评价值、所述多个目标第二评价值、所述第一权重值和所述第二权重值进行加权运算,得到多个最终得分,每一摄像头对应一个最终得分;
从所述多个最终得分中选取最大值,并获取该最大值对应的目标摄像头对所述目标对象进行拍摄,得到所述目标视频片段。
6.根据权利要求5所述的装置,其特征在于,在所述依据所述拍摄图像确定所述目标对象对应的目标行为方面,所述确定单元具体用于:
对所述拍摄图像进行目标分割,得到人体区域图像和所述目标垃圾对应的目标垃圾区域;
依据预设的人体模型结构从所述人体区域图像中选取多个关节点;
依据所述多个关节点以及所述目标垃圾区域的位置进行行为识别,得到所述目标行为。
7.一种控制平台,其特征在于,包括处理器、存储器,所述存储器用于存储一个或多个程序,并且被配置由所述处理器执行,所述程序包括用于执行如权利要求1-4任一项所述的方法中的步骤的指令。
8.一种计算机可读存储介质,其特征在于,存储用于电子数据交换的计算机程序,其中,所述计算机程序使得计算机执行如权利要求1-4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911329120.5A CN111104910B (zh) | 2019-12-20 | 2019-12-20 | 垃圾投递行为监督方法及相关产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911329120.5A CN111104910B (zh) | 2019-12-20 | 2019-12-20 | 垃圾投递行为监督方法及相关产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111104910A CN111104910A (zh) | 2020-05-05 |
CN111104910B true CN111104910B (zh) | 2023-05-23 |
Family
ID=70422991
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911329120.5A Active CN111104910B (zh) | 2019-12-20 | 2019-12-20 | 垃圾投递行为监督方法及相关产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111104910B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111814757B (zh) * | 2020-08-20 | 2024-01-09 | 许昌学院 | 基于计算机软件的垃圾分类模拟系统 |
CN113083701A (zh) * | 2021-03-03 | 2021-07-09 | 浙江博城机器人科技有限公司 | 一种基于室外垃圾图像大数据分析的垃圾自动分类分拣方法 |
CN113128397B (zh) * | 2021-04-16 | 2024-01-05 | 广州中大中鸣科技有限公司 | 一种垃圾分类投放的监控方法、系统、装置及存储介质 |
CN114120126A (zh) * | 2021-11-30 | 2022-03-01 | 北京百度网讯科技有限公司 | 事件检测方法、装置、设备、存储介质以及程序产品 |
CN115147920A (zh) * | 2022-05-18 | 2022-10-04 | 福州大学 | 垃圾投放点的信息处理方法、装置、设备、介质及产品 |
CN115830545B (zh) * | 2022-12-13 | 2023-10-03 | 苏州市伏泰信息科技股份有限公司 | 面向垃圾分类的智能督导方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018228168A1 (zh) * | 2017-06-14 | 2018-12-20 | Oppo广东移动通信有限公司 | 图像处理方法及相关产品 |
CN109766779A (zh) * | 2018-12-20 | 2019-05-17 | 深圳云天励飞技术有限公司 | 徘徊人员识别方法及相关产品 |
CN110525823A (zh) * | 2019-08-27 | 2019-12-03 | 深兰科技(上海)有限公司 | 一种监控垃圾分类投放的方法、装置以及系统 |
-
2019
- 2019-12-20 CN CN201911329120.5A patent/CN111104910B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018228168A1 (zh) * | 2017-06-14 | 2018-12-20 | Oppo广东移动通信有限公司 | 图像处理方法及相关产品 |
CN109766779A (zh) * | 2018-12-20 | 2019-05-17 | 深圳云天励飞技术有限公司 | 徘徊人员识别方法及相关产品 |
CN110525823A (zh) * | 2019-08-27 | 2019-12-03 | 深兰科技(上海)有限公司 | 一种监控垃圾分类投放的方法、装置以及系统 |
Non-Patent Citations (1)
Title |
---|
张方超 ; 董振 ; 张栋 ; 武涛 ; 李卫国 ; .基于图像视觉的垃圾分类机器人识别控制系统算法设计.电子测量技术.2019,(20),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN111104910A (zh) | 2020-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111104910B (zh) | 垃圾投递行为监督方法及相关产品 | |
CN108154078A (zh) | 食材管理装置及方法 | |
CN111160202B (zh) | 基于ar设备的身份核验方法、装置、设备及存储介质 | |
CN112699808B (zh) | 密集目标检测方法、电子设备及相关产品 | |
CN111160186B (zh) | 智能垃圾分类处理方法及相关产品 | |
CN110798592B (zh) | 基于视频图像的物体移动侦测方法、装置、设备及存储介质 | |
CN111339831B (zh) | 一种照明灯控制方法和系统 | |
CN109685709A (zh) | 一种智能机器人的照明控制方法及装置 | |
CN104820995A (zh) | 一种面向大型公共场所的人流密度监测预警方法 | |
CN108600806A (zh) | 一种播放控制系统 | |
CN109784256A (zh) | 人脸识别方法和装置、存储介质及电子装置 | |
CN107172349B (zh) | 移动终端拍摄方法、移动终端及计算机可读存储介质 | |
CN107454353B (zh) | 一种智能自动关闭电视机的方法 | |
CN109579934A (zh) | 水浸多重监测方法及系统 | |
CN113326754A (zh) | 基于卷积神经网络的吸烟行为检测方法、系统及相关设备 | |
US20120092519A1 (en) | Gesture recognition using chroma-keying | |
CN116320321A (zh) | 农业信息传输方法、装置、电子设备及存储介质 | |
CN107734275A (zh) | 电视自动关闭系统 | |
CN113657154A (zh) | 活体检测方法、装置、电子装置和存储介质 | |
CN112561957A (zh) | 一种目标对象的状态跟踪方法及装置 | |
CN112507798A (zh) | 活体检测方法、电子设备与存储介质 | |
CN107979729A (zh) | 一种显示预览图像的方法及设备 | |
WO2023001110A1 (zh) | 神经网络训练方法、装置及电子设备 | |
CN113055743B (zh) | 一种智能推送视频的方法及系统 | |
CN110177256B (zh) | 一种追踪视频数据获取方法和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |