CN111159529B - 信息处理系统、服务器、非暂时性计算机可读存储介质和用于处理信息的方法 - Google Patents

信息处理系统、服务器、非暂时性计算机可读存储介质和用于处理信息的方法 Download PDF

Info

Publication number
CN111159529B
CN111159529B CN201910913293.5A CN201910913293A CN111159529B CN 111159529 B CN111159529 B CN 111159529B CN 201910913293 A CN201910913293 A CN 201910913293A CN 111159529 B CN111159529 B CN 111159529B
Authority
CN
China
Prior art keywords
user
vehicle
apparel
information
server
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
Application number
CN201910913293.5A
Other languages
English (en)
Other versions
CN111159529A (zh
Inventor
远藤淳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toyota Motor Corp
Original Assignee
Toyota Motor Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Toyota Motor Corp filed Critical Toyota Motor Corp
Publication of CN111159529A publication Critical patent/CN111159529A/zh
Application granted granted Critical
Publication of CN111159529B publication Critical patent/CN111159529B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • G06F16/535—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5854—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using shape and object relationship
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • 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
    • 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
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • 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
    • G06V40/172—Classification, e.g. identification
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
    • H04L63/0861—Network architectures or network communication protocols for network security for authentication of entities using biometrical features, e.g. fingerprint, retina-scan
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/06—Authentication
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • 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
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/60—Context-dependent security
    • H04W12/65—Environment-dependent, e.g. using captured environmental data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Biomedical Technology (AREA)
  • Multimedia (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Security & Cryptography (AREA)
  • Computational Linguistics (AREA)
  • Library & Information Science (AREA)
  • Computer Hardware Design (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Image Analysis (AREA)
  • Traffic Control Systems (AREA)

Abstract

信息处理系统(1)包括：车辆(10)，其配置为当用户进入车辆时捕获用户的服饰的图像，以生成服饰图像；以及服务器(20)，其配置为与车辆(10)和用户的终端装置(30)通信。服务器(20)配置为：通过使用用户的日程信息和天气信息中的至少一者作为输入数据，并使用服饰信息作为训练数据，训练监督式学习模型；通过使用经训练的监督式学习模型，估计根据用户下一次进入车辆(10)时的用户的日程信息和天气信息中的至少一者的服饰；并且将指示所估计的服饰的服饰推荐信息发送至用户的终端装置30。

Description

信息处理系统、服务器、非暂时性计算机可读存储介质和用于 处理信息的方法
技术领域
本发明涉及信息处理系统、服务器、非暂时性计算机可读存储介质和用于处理信息的方法。
背景技术
最近，在现有技术中已经知道向用户推荐服饰的技术。例如，日本专利申请公开第2002-215770号(JP 2002-215770 A)描述了一种系统，该系统将个人拥有的服饰的图像数据登记在其中，基于用户的日程、天气、用户的偏好、流行趋势等对服饰的项目进行组合，并向用户提供指示所组合的项目的协调信息。
发明内容
然而，在向用户推荐服饰的相关技术中，用户需要利用成像装置拍摄他或她自己的服饰的图片，然后操作终端装置，以将服饰的图像数据从成像装置导入至终端装置，并将图像数据从终端装置发送至服务器。因此，对用户的操作负担有时很重，且操作有时是耗时的。因此，期望提高向用户推荐服饰的技术的便利性。
本发明提高了向用户推荐服饰的技术的便利性。
根据本发明的第一方面的信息处理系统包括：车辆，其配置为当用户进入车辆时捕获所述用户的服饰的图像，以生成服饰图像；以及服务器，其配置为与所述车辆和所述用户的终端装置通信。所述车辆或所述服务器配置为：从所述服饰图像中识别所述用户的所述服饰。所述服务器配置为：通过使用所述用户进入所述车辆时的所述用户的日程信息和天气信息中的至少一者作为输入数据，并使用指示所识别的服饰的服饰信息作为训练数据，训练监督式学习模型；所述服务器配置为：通过使用经训练的监督式学习模型，估计根据所述用户下一次进入所述车辆时的所述用户的日程信息和天气信息中的至少一者的服饰。所述服务器配置为：将指示所估计的服饰的服饰推荐信息发送至所述用户的所述终端装置。
在根据本发明的第一方面的信息处理系统中，所述服饰图像可以包括所述用户的面部，并且所述车辆或所述服务器可以配置为：如果从所述服饰图像中并通过面部认证确定所述用户是已预先注册的注册用户，则从所述服饰图像识别所述用户的所述服饰。
在根据本发明的第一方面的信息处理系统中，所述服务器可以配置为：如果基于所述用户的所述日程信息确定到了所述用户下一次进入所述车辆之前的预定时间，则将所述服饰推荐信息发送至所述终端装置。
在根据本发明的第一方面的信息处理系统中，所述服饰信息和所述服饰推荐信息中的每一种信息可以包括：服饰标识信息或所述服饰的属性信息，所述服饰标识信息允许用户唯一地标识所述服饰。
在根据本发明的第一方面的信息处理系统中，所述日程信息可以包括：使用所述车辆的目的、出发点、目的地、出发日期和时间，以及到达日期和时间中的至少一者；并且所述服务器可以配置为：基于所述用户过去在所述车辆中行驶时的日期及时间信息和所述车辆的位置信息，估计所述用户进入所述车辆时的所述日程信息的至少一部分。
根据本发明第二方面的服务器包括：通信装置，其配置为与车辆和用户的终端装置通信，所述车辆配置为当所述用户进入所述车辆时捕获用户的服饰的图像，以生成服饰图像；以及处理器。该处理器配置为：通过使用所述用户进入所述车辆时的所述用户的日程信息和天气信息中的至少一者作为输入数据，并使用指示所识别的服饰的服饰信息作为训练数据，训练监督式学习模型。该处理器配置为通过使用经训练的监督式学习模型，估计根据所述用户下一次进入所述车辆时的所述用户的日程信息和天气信息中的至少一者的服饰。该处理器配置为将指示所估计的服饰的服饰推荐信息经由所述通信装置发送至所述用户的所述终端装置。
根据本发明的第三方面的非暂时性计算机可读存储介质，其具有存储在所述非暂时性计算机可读存储介质中的程序，该程序使信息处理装置执行所述信息处理装置的信息处理过程。所述信息处理装置配置为与车辆和用户的终端装置通信。所述车辆配置为当所述用户进入所述车辆时捕获所述用户的服饰的图像，以生成服饰图像。所述程序使所述信息处理装置执行所述信息处理过程，并且所述信息处理过程包括：所述信息处理装置通过使用所述用户进入所述车辆时的所述用户的日程信息和天气信息中的至少一者作为输入数据，并使用指示所识别的服饰的服饰信息作为训练数据，训练监督式学习模型；所述信息处理装置通过使用经训练的监督式学习模型，估计根据所述用户下一次进入所述车辆时的所述用户的日程信息和天气信息中的至少一者的服饰；以及将指示所估计的服饰的服饰推荐信息从所述信息处理装置发送至所述用户的所述终端装置。
根据本发明第四方面的用于处理信息的方法由信息处理系统进行，该信息处理系统包括车辆和服务器。所述车辆包括捕获所述车辆的用户的图像的成像装置，所述服务器配置为与所述车辆和所述车辆的所述用户的终端装置通信。该方法包括：当所述用户进入所述车辆时，所述车辆捕获所述用户的服饰的图像，以生成服饰图像；所述车辆或所述服务器从所述服饰图像识别所述用户的所述服饰；所述服务器通过使用所述用户进入所述车辆时的所述用户的日程信息和天气信息中的至少一者作为输入数据，并使用指示所识别的服饰的服饰信息作为训练数据，训练监督式学习模型；所述服务器通过使用经训练的监督式学习模型，估计根据所述用户下一次进入所述车辆时的所述用户的日程信息和天气信息中的至少一者的服饰；以及将指示所估计的服饰的服饰推荐信息发送至所述用户的所述终端装置。
本发明因此提高了向用户推荐服饰的技术的便利性。
附图说明
本发明的示例实施例的特征、优点和技术及工业显著性，将在下文中参考附图而加以描述，其中相似标号表示相似要素，且其中：
图1是示意性地示出了根据本发明的实施例的信息处理系统的配置的图；
图2是示意性地示出车辆的配置的框图；
图3是示意性地示出服务器的配置的框图；
图4是示出存储在服务器中的信息的示例的图；
图5是示意性地示出终端装置的配置的框图；
图6是说明车辆操作的流程图；
图7是说明服务器的第一操作的流程图；以及
图8是说明服务器的第二操作的流程图。
具体实施方式
如下将描述本发明的实施例。
信息处理系统的配置
将参考图1大致描述根据本发明的实施例的信息处理系统1。信息处理系统1包括车辆10、服务器20和终端装置30。车辆10、服务器20和终端装置30连接至网络40(包括例如移动通信网络、互联网等)，使得它们能够与网络40通信。
车辆10的示例包括但不限于机动车。车辆10可以是用户可以使用的任何车辆。服务器20包括一个服务器装置或多个可以彼此通信的服务器装置。终端装置30的示例包括但不限于智能手机、智能音箱和个人计算机(PC)。终端装置30可以是用户使用的任何装置。
将首先大致地描述本实施例，后面将详细描述本实施例。当用户进入车辆10时，车辆10捕获他或她的服饰等的图像，并通过使用例如能够捕获车厢的内部的图像的车载摄像头来生成服饰图像。车辆10或服务器20从服饰图像中识别用户的服饰。服务器20通过使用用户进入车辆10时的日程信息、天气信息等作为输入数据，并使用指示所识别的服饰的服饰信息作为训练数据，训练监督式学习模型。即，服务器20基于用户根据日程信息、天气信息等穿着什么样的服饰类型，训练监督式学习模型。基于经训练的监督式学习模型，服务器20估计根据用户下一次用户进入车辆10时的日程信息等的服饰，并将指示所估计的服饰的服饰推荐信息发送至所述终端装置30。终端装置30通知用户所接收的服饰推荐信息。
如上所述，根据本实施例，通过使用用户进入车辆10时的日程信息、天气信息等作为输入数据和并使用指示所识别的服饰的服饰信息作为输出数据，训练监督式学习模型，并基于经训练的监督式学习模型，推荐根据用户的未来日程信息、天气信息等的服饰。因此，用户不需要操作摄像头以拍摄他或她自己的服饰的图片，也不需要手动地将他或她的服饰与他或她的日程一起登记。因此，本实施例提高了向用户推荐服饰的技术的便利性。
接下来，将详细说明信息处理系统1的每个配置。
车辆配置
如图2所示，车辆10包括通信单元11、存储单元12、位置信息获得单元13、成像单元14、输出单元15、输入单元16和控制单元17。通信单元11、存储单元12、位置信息获得单元13、成像单元14、输出单元15、输入单元16和控制单元17连接，使得它们能够经由例如车载网络(例如控制器区域网络(controller area network，CAN))或专用线路彼此通信。
例如，通信单元11是车载通信装置，例如数据通信模块(DCM)。具体地，通信单元11包括处理器、存储器和连接到网络40的通信模块。例如，该通信模块与第四代(4G)和第五代(5G)等移动通信标准兼容，但不限于此。通信模块可以与任何期望的通信标准兼容。在本实施例中，车辆10经由通信单元11连接至网络40。
存储单元12包括一个或多个存储器。在本实施例中，“存储器”的示例包括但不限于半导体存储器、磁性存储器和光学存储器。包括在存储单元12中的每个存储器可以用作例如主存储装置、辅助存储装置或缓存存储器。存储单元12存储用于车辆10的操作的任何信息。例如，存储单元12可以存储系统程序、应用程序、嵌入式软件等。例如，存储在存储单元12中的信息可以利用经由通信单元11从网络40获取的信息而被更新。
位置信息获得单元13是获得车辆10的位置信息的装置。具体地，位置信息获得单元13包括与卫星定位系统兼容的接收器。例如，接收器与全球定位系统(GPS)兼容，但不限于此。接收器可以与任何期望的卫星定位系统兼容。在本实施例中，车辆10通过位置信息获得单元13获得其位置信息。
成像单元14是捕获并生成位于其视场内的物体的图像的摄像头。成像单元14设置在车辆10中，以使其能够捕捉已经进入车辆10的用户的面部、服饰的图像。例如，成像单元14可以是用于驾驶辅助的车载摄像头(向内摄像头)。在本实施例中，车辆10捕获已进入车辆10的用户的服饰图像，并通过成像单元14生成服饰图像。除了他或她的服饰，服饰图像可以包括用户的面部。
输出单元15包括一个或多个输出接口，该一个或多个输出接口输出信息以通知用户该信息。包括在输出单元15中的输出接口的示例包括但不限于以图像或视频的形式输出信息的显示器和以声音的形式输出信息的扬声器。
输入单元16包括一个或多个检测用户输入的输入接口。包括在输入单元16中的输入接口的示例包括但不限于物理键、电容键、与输出单元15的显示器集成的触摸屏以及接收语音输入的麦克风。
控制单元17包括一个或多个处理器。在本实施例中，“处理器”是通用处理器或专门用于特定处理的特定处理器，但不限于此。例如，安装在车辆10上的电子控制单元(ECU)可用作控制单元17。控制单元17控制车辆10的整体操作。由控制单元17控制的车辆10的操作将在后面详细描述。
服务器的配置
如图3所示，服务器20包括服务器通信单元21、服务器存储单元22和服务器控制单元23。
服务器通信单元21包括连接至网络40的一个或多个通信模块。例如，服务器通信单元21可以包括与有线局域网(local area network，LAN)标准兼容的通信模块。在本实施例中，服务器20经由服务器通信单元21连接至网络40。
服务器存储单元22包括一个或多个存储器。包括在服务器存储单元22中的每个存储器可以用作例如主存储装置、辅助存储装置或缓存存储器。服务器存储单元22存储用于服务器20操作的任何信息。例如，服务器存储单元22可以存储系统程序、应用程序、数据库、后面描述的监督式学习模型等。例如，存储在服务器存储单元22中的信息可以利用经由服务器通信单元21从网络40获取的信息而被更新。
将参照图4描述存储在服务器存储单元22的数据库中的信息。在本实施例中，日程信息、天气信息、服饰图像以及服饰信息存储在数据库中。
日程信息包括与用户乘坐车辆10所涉及的过去和未来日程相关的任何期望的信息。例如，日程信息包括使用车辆10的目的、出发点、目的地、出发日期和时间以及到达日期和时间中的至少一者。使用车辆10的目的指示使用车辆10的任何目的，例如，“购物”或“通勤”。出发点是指示车辆10开始行驶的地点的信息，并通过例如位置信息、设施名称等来指示。目的地是指示车辆10完成行驶的地点的信息，并通过例如位置信息、设施名称等表示。出发日期和时间是车辆10开始行驶的日期和时间的信息。到达日期和时间是车辆10完成行驶的日期和时间的信息。
至少部分日程信息可以例如由用户预先输入至车辆10或终端装置30，并可以经由网络40从车辆10或终端装置30发送至服务器20。至少一部分日程信息可以经由网络40从例如提供由用户使用的日程管理服务的外部服务器发送至服务器20。可以由服务器控制单元23基于例如存储在数据库中的用户的过去的日程信息来估计日程信息的至少一部分。例如，在用户过去的日程信息指示用户在每周的同一时间范围内从特定出发点行驶到特定目的地的情况下，在用户将在下周的该时间范围从该出发点行驶到该目的地的假设下，可以估计下周的该时间范围的日程信息。服务器控制单元23可以基于用户在车辆10中行驶时获得的探测数据，估计与过去日程有关的至少一部分日程信息。例如，探测数据包括但不限于日期和时间信息、车辆10的位置信息等。探测数据可以包括与车辆10有关的任何数据，例如开启或关闭配件或点火。
天气信息是指示与日程信息相对应的天气描述(例如晴朗、雨天)、温度、湿度、风速等的信息。具体地，天气信息是指示在由日程信息所示的从出发日期和时间至到达日期和时间的时间段内包括从出发点到目的地的行驶路线的区域的天气描述等的信息。气象信息可以从例如由提供商(例如气象机构)管理的外部服务器经由网络40发送至服务器20。
服饰图像是如上文所述由车辆10生成的图像，包括已进入车辆10的用户的面部和服饰。服饰图像从车辆10经由网络40发送至服务器20。
服饰信息是指示从服饰图像中识别出的用户服饰的信息。在本实施例中，服务器控制单元23通过图像识别处理从服饰图像中识别用户的服饰。任何期望的图像识别算法(例如模式匹配、特征点提取或机器学习)可以用于图像识别处理。在本实施例中，服饰信息包括允许用户唯一地标识所识别的服饰的服饰标识信息。服饰标识信息的示例包括但不限于服饰的名称、图像和ID。
监督式学习模型是这样的数学模型：其使用用户进入车辆10时的日程信息和天气信息中的至少一者作为输入数据，并使用指示从服饰图像中识别的用户的服饰的服饰信息作为训练数据，来训练监督式学习模型。例如，监督式学习模型是包括输入层、一个或多个中间层和输出层的神经网络，但不限于此。例如，监督式学习模型基于以下假设来设计：用户根据日程信息和天气信息中的至少一者选择他或她认为合适的服饰，作为他或她将要穿的服饰。因此，监督式学习模型的输入数据不仅限于日程信息和天气信息，并且可以是有助于用户选择服饰的任何数据。
监督式学习模型的训练由服务器控制单元23执行。监督式学习模型的训练可以是批量训练或在线训练。具有完成的批量训练或已进行了一定程度在线训练的监督式学习模型在下文中也称为经训练的监督式学习模型。在在线学习的情况下，即使在监督式学习模型进行了一定程度的在线训练之后，监督式学习模型也可能继续进行训练。
如果用户下一次进入车辆10时的日程信息和天气信息(即未来日程信息和未来天气信息)中的至少一者被输入至经训练的监督式学习模型，经训练的监督式学习模型估计根据日程信息和天气信息中的至少一者的服饰，并输出指示所估计的服饰的服饰信息。从已接收用户下一次进入车辆10时的日程信息和天气信息至少一者的监督式学习模型输出的服饰信息也被称为服饰推荐信息。例如，服饰推荐信息在用户下一次进入车辆10之前的预定时间从服务器20经由网络40发送至终端装置30。例如，终端装置30通过输出图像或声音通知用户服饰推荐信息。
图3所示的服务器控制单元23包括一个或多个处理器。服务器控制单元23控制服务器20的整体操作。由服务器控制单元23控制的服务器20的操作将在后面详细描述。
终端装置的配置
如图5所示，终端装置30包括通信单元31、存储单元32、输出单元33、输入单元34和控制单元35。
通信单元31包括连接至网络40的通信模块。例如，通信单元31可以包括与移动通信标准(例如4G和5G)兼容的通信模块。在本实施例中，终端装置30经由通信单元31连接至网络40。
存储单元32包括一个或多个存储器。包括在存储单元32中的每个存储器可以用作例如主存储装置、辅助存储装置或缓存存储器。存储单元32存储用于终端装置30的操作的任何信息。例如，存储单元32可以存储系统程序、应用程序等。例如，存储单元32中存储的信息可以利用经由通信单元31从网络40获得的信息而被更新。
输出单元33包括一个或多个输出接口，该一个或多个输出接口输出信息以通知用户该信息。包括在输出单元33中的输出接口的示例包括但不限于以图像或视频的形式输出信息的显示器和以声音的形式输出信息的扬声器。
输入单元34包括一个或多个检测用户输入的输入接口。输入单元34中包括的输入接口的示例包括但不限于物理键、电容键、与输出单元33的显示器集成的触摸屏以及接收语音输入的麦克风。
控制单元35包括一个或多个处理器。控制单元35控制终端装置30的整体操作。
例如，当控制单元35检测到用户进入车辆10时经由输入单元34的日程信息的输入时，控制单元35将日程信息存储在存储单元32中。
例如，控制单元35将存储在存储单元32中的日程信息经由通信单元31和网络40发送至服务器20或提供由用户使用的日程管理服务的外部服务器。
例如，当控制单元35经由通信单元31和网络40从服务器20接收服饰推荐信息时，控制单元35经由输出单元33以图像或视频或声音的形式输出服饰推荐信息。如上所述，服饰推荐信息是指示根据用户下一次进入车辆10时的日程信息和天气信息中的至少一者的服饰的信息。由于控制单元35以图像或视频或声音的形式输出服饰推荐信息，因此向用户推荐了由服饰推荐信息指示的服饰。
车辆操作流程
将参照图6描述车辆10的操作流程。
步骤S100：控制单元17检测到用户已进入车辆10。例如，控制单元17可以在其检测到配件的开启、点火的开启、门的打开和关闭，以及从安装在车辆10上的传感器检测到的施加到座椅上的负载中的至少一者时，确定用户已进入车辆10。然而，检测用户已经进入车辆10的方法不限于此示例，并且可以使用任何期望的方法。
步骤S101：控制单元17捕获用户服饰的图像，并通过使用成像单元14生成服饰图像。如上文所述，除了他或她的服饰，服饰图像可以进一步包括用户的面部。
步骤S102：控制单元17将服饰图像发送至服务器20。
服务器操作流程
将参考图7描述服务器20的第一操作的流程。第一操作通常是训练监督式学习模型的操作。
步骤S200：服务器控制单元23经由服务器通信单元21和网络40获得用户进入车辆10时的日程信息、天气信息以及服饰图像，并将它们存储在服务器存储单元22的数据库中。
例如，服务器控制单元23可以经由网络40和服务器通信单元21从车辆10、终端装置30或外部服务器获得至少一部分日程信息。服务器控制单元23可以基于存储在服务器存储单元22的数据库中的用户的过去的日程信息，通过估计而获得至少一部分日程信息。服务器控制单元23可以基于经由网络40和服务器通信单元21接收的车辆10的探测数据，通过估计而获得至少一部分日程信息。服务器控制单元23可以经由网络40和服务器通信单元21从外部服务器获取天气信息。服务器控制单元23可以经由网络40和服务器通信单元21从车辆10接收服饰图像。
步骤S201：服务器控制单元23从服饰图像中识别用户的服饰。当服饰图像包括用户的面部时，服务器控制单元23可以通过面部认证确定用户是否是注册用户，即已预先注册的用户。如果确定用户是注册用户，则服务器控制单元23从服饰图像中识别服饰。如果确定用户不是注册用户，则可以终止第一操作，而不从服饰图像中识别服饰。
步骤S202：服务器控制单元23通过使用用户进入车辆时的用户的日程信息和天气信息中的至少一者作为输入数据，并使用指示服饰的服饰信息为训练数据，训练监督式学习模型。如上文所述，监督式学习模型的训练可以是批量训练或在线训练。
将参考图8描述服务器20的第二操作的流程。第二操作通常是生成和发送服饰推荐信息的操作。
步骤S300：服务器控制单元23获取用户下一次进入车辆10时的日程信息。
例如，服务器控制单元23可以经由网络40和服务器通信单元21从车辆10、终端装置30或外部服务器获得至少一部分日程信息。服务器控制单元23可以基于存储在服务器存储单元22的数据库中的用户的过去的日程信息，通过估计而获得至少一部分日程信息。
步骤S301：服务器控制单元23参考日程信息中的出发日期和时间，并确定是否是用户下一次进入车辆10前的预定时间。如果确定是在用户下一次进入车辆10前的预定时间(步骤S301，是)，则处理继续至步骤S302。如果确定不是用户下一次进入车辆10前的预定时间(步骤S301，否)，则处理重复步骤S301。
步骤S302：服务器控制单元23获得用户下一次进入车辆10时的天气信息。例如，服务器控制单元23可以经由网络40和服务器通信单元21从外部服务器获得天气信息。
步骤S303：服务器控制单元23通过使用经训练(即，基于使用监督式学习模型的学习结果)的学习模型估计根据用户下一次进入车辆10时日程信息和天气信息中的至少一者的服饰。
步骤S304：服务器控制单元23经由服务器通信单元21和网络40将指示所估计的服饰的服饰推荐信息发送至用户的终端装置。
如上所述，在根据本实施例的信息处理系统1中，当用户进入车辆10时，车辆10捕获用户的服饰图像以生成服饰图像。服务器20从服饰图像中识别用户的服饰。服务器20使用用户进入车辆10时的用户的日程信息和天气信息中的至少一者作为输入数据，并使用指示所识别的服饰的服饰信息作为训练数据，来训练监督式学习模型。服务器20基于使用监督式学习模型的学习结果，估计根据用户下一次进入车辆时的日程信息和天气信息中的至少一者的服饰。然后，服务器20将指示所估计的服饰的服饰推荐信息发送至用户的终端装置30。
利用这种配置，通过使用用户进入车辆10时的用户的日程信息和天气信息等作为输入数据，并使用指示所识别的服饰的服饰信息作为训练数据，训练了监督式学习模型，并且，基于学习结果推荐了根据用户的未来的日程信息的服饰。用户因此不需要操作摄像头以拍摄他或她自己的服饰的图片，也不需要手动地将他或她的服饰与他或她的日程一起登记。因此，这种配置提高了向用户推荐服饰的技术的便利性。
尽管以上基于附图和示例描述了本发明，但应当理解，本领域技术人员将容易根据本发明的公开内容作出各种修改和变更，因此这种修改和变更属于本发明的范围。例如，包括在配置单元、步骤等中的功能可以被重新排列，使得在逻辑上一致，并且多个配置单元、步骤等可以被组合为一个配置单元、步骤等，或者多个配置单元、步骤等可以被划分为多个配置单元、步骤等。
例如，在上述实施例中，描述了由服务器20执行从服饰图像中识别用户的服饰的处理的配置。然而，车辆10(而不是服务器20)可以执行该处理。在这种情况下，车辆10将指示所识别的服饰的服饰信息而不是将服饰图像或与服饰图像一起发送至服务器。
例如，终端装置30可以具有服务器20的配置和功能。
例如，在上述实施例中，描述了服饰信息包括允许用户唯一地标识从服饰图像中识别的服饰的服饰标识信息的配置。在这种配置中，在用户在他或她过去进入车辆10时所穿的多个服装/配饰物品(例如物品A、B或C)之中，服装/配件物品A、B或C被推荐为用户在他或她下一次进入车辆10时穿的服装/配件项目。然而，服饰信息不限于服饰标识信息，还可以包括从服饰图像中识别的服饰的属性信息。属性信息是指示服饰的任何属性(例如类型、材料、颜色等)的信息。利用该配置，例如，向用户推荐服饰的属性(例如，“黑色外套”、“红色围巾”等)。这可以激励用户选择除了用户在过去进入车辆10时所穿的服饰以外的服饰。
一个或多个通用信息处理装置(例如智能手机或计算机)可用作根据上述实施例的服务器20。具体地，描述实现根据本实施例的服务器20的功能的处理的程序被存储在(一个或多个)信息处理装置的(一个或多个)存储器中，并且信息处理装置的(一个或多个)处理器读取和执行该程序。因此，根据本实施例的本发明可以实现为可以由处理器执行的程序。

Claims (7)

1.信息处理系统，包括：
车辆，其配置为当用户进入车辆时捕获所述用户的服饰的图像，以生成服饰图像；以及
服务器，其配置为与所述车辆和所述用户的终端装置通信，其中：
所述车辆或所述服务器配置为：从所述服饰图像中识别所述用户的所述服饰；
所述服务器配置为：通过至少使用所述用户进入所述车辆时的天气信息作为输入数据，并使用指示所识别的服饰的服饰信息作为训练数据，训练监督式学习模型；
所述服务器配置为：至少基于从所述车辆获得的探测数据，确定所述用户下一次进入所述车辆时的所述用户的日程信息；
所述服务器配置为：如果基于所述用户下一次进入所述车辆时的所述用户的日程信息确定是在所述用户下一次进入所述车辆前的预定时间，获取所述用户下一次进入所述车辆时的天气信息；
所述服务器配置为：通过使用经训练的监督式学习模型，至少根据所述用户下一次进入所述车辆时的所述天气信息估计服饰；并且
所述服务器配置为：将指示所估计的服饰的服饰推荐信息发送至所述用户的所述终端装置。
2.根据权利要求1所述的信息处理系统，其特征在于：
所述服饰图像包括所述用户的面部；以及
所述车辆或所述服务器配置为：如果从所述服饰图像中并通过面部认证确定所述用户是已预先注册的注册用户，则从所述服饰图像识别所述用户的所述服饰。
3.根据权利要求1或2所述的信息处理系统，其特征在于，所述服饰信息和所述服饰推荐信息中的每一种信息包括：服饰标识信息或所述服饰的属性信息，所述服饰标识信息允许用户唯一地标识所述服饰。
4.根据权利要求1或2所述的信息处理系统，其特征在于：
所述日程信息包括：使用所述车辆的目的、出发点、目的地、出发日期和时间，以及到达日期和时间中的至少一者。
5.服务器，包括：
通信装置，其配置为与车辆和用户的终端装置通信，所述车辆配置为当所述用户进入所述车辆时捕获用户的服饰的图像，以生成服饰图像；以及
处理器，其配置为：通过至少使用所述用户进入所述车辆时的天气信息作为输入数据，并使用指示所识别的服饰的服饰信息作为训练数据，训练监督式学习模型；至少基于从所述车辆获得的探测数据，确定所述用户下一次进入所述车辆时的所述用户的日程信息；如果基于所述用户下一次进入所述车辆时的所述用户的日程信息确定是在所述用户下一次进入所述车辆前的预定时间，获取所述用户下一次进入所述车辆时的天气信息；通过使用经训练的监督式学习模型，至少根据所述用户下一次进入所述车辆时的所述天气信息估计服饰；将指示所估计的服饰的服饰推荐信息经由所述通信装置发送至所述用户的所述终端装置。
6.非暂时性计算机可读存储介质，其具有存储在所述非暂时性计算机可读存储介质中的程序，该程序使信息处理装置执行所述信息处理装置的信息处理过程，所述信息处理装置配置为与车辆和用户的终端装置通信，所述车辆配置为当所述用户进入所述车辆时捕获所述用户的服饰的图像，以生成服饰图像，所述程序使所述信息处理装置执行所述信息处理过程，所述信息处理过程包括：
所述信息处理装置通过至少使用所述用户进入所述车辆时的天气信息作为输入数据，并使用指示所识别的服饰的服饰信息作为训练数据，训练监督式学习模型；
所述信息处理装置至少基于从所述车辆获得的探测数据，确定所述用户下一次进入所述车辆时的所述用户的日程信息；
如果基于所述用户下一次进入所述车辆时的所述用户的日程信息确定是在所述用户下一次进入所述车辆前的预定时间，所述信息处理装置获取所述用户下一次进入所述车辆时的天气信息；
所述信息处理装置通过使用经训练的监督式学习模型，至少根据所述用户下一次进入所述车辆时的所述天气信息估计服饰；以及
将指示所估计的服饰的服饰推荐信息从所述信息处理装置发送至所述用户的所述终端装置。
7.用于处理信息的方法，所述方法由信息处理系统进行，所述信息处理系统包括车辆和服务器，所述车辆包括捕获所述车辆的用户的图像的成像装置，所述服务器配置为与所述车辆和所述车辆的所述用户的终端装置通信，所述方法包括：
当所述用户进入所述车辆时，所述车辆捕获所述用户的服饰的图像，以生成服饰图像；
所述车辆或所述服务器从所述服饰图像识别所述用户的所述服饰；
所述服务器通过至少使用所述用户进入所述车辆时的天气信息作为输入数据，并使用指示所识别的服饰的服饰信息作为训练数据，训练监督式学习模型；
所述服务器至少基于从所述车辆获得的探测数据，确定所述用户下一次进入所述车辆时的所述用户的日程信息；
如果基于所述用户下一次进入所述车辆时的所述用户的日程信息确定是在所述用户下一次进入所述车辆前的预定时间，所述服务器获取所述用户下一次进入所述车辆时的天气信息；
所述服务器通过使用经训练的监督式学习模型，至少根据所述用户下一次进入所述车辆时的所述天气信息估计服饰；以及
将指示所估计的服饰的服饰推荐信息从所述服务器发送至所述用户的所述终端装置。
CN201910913293.5A 2018-11-08 2019-09-25 信息处理系统、服务器、非暂时性计算机可读存储介质和用于处理信息的方法 Active CN111159529B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018210860A JP2020077262A (ja) 2018-11-08 2018-11-08 情報処理システム、サーバ、プログラム、及び情報処理方法
JP2018-210860 2018-11-08

Publications (2)

Publication Number Publication Date
CN111159529A CN111159529A (zh) 2020-05-15
CN111159529B true CN111159529B (zh) 2024-02-23

Family

ID=70550343

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910913293.5A Active CN111159529B (zh) 2018-11-08 2019-09-25 信息处理系统、服务器、非暂时性计算机可读存储介质和用于处理信息的方法

Country Status (3)

Country Link
US (1) US11379547B2 (zh)
JP (1) JP2020077262A (zh)
CN (1) CN111159529B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7388294B2 (ja) * 2020-05-29 2023-11-29 トヨタ自動車株式会社 サーバ装置、情報処理システム、プログラム、制御装置、車両、及び情報処理システムの動作方法
EP3975088A1 (en) * 2020-09-29 2022-03-30 Ningbo Geely Automobile Research & Development Co. Ltd. Clothes and route recommendation based on weather forecast

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008120289A (ja) * 2006-11-14 2008-05-29 Toyota Motor Corp 服装対応サービス提供装置
JP2014164454A (ja) * 2013-02-25 2014-09-08 Osaka Gas Co Ltd 衣類選択システム
CN106447291A (zh) * 2016-09-27 2017-02-22 宇龙计算机通信科技(深圳)有限公司 一种待办事件的智能提醒方法及系统
CN108764485A (zh) * 2011-01-06 2018-11-06 电子湾有限公司 计算建议工具中的兴趣度推荐

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4021149B2 (ja) 2001-01-15 2007-12-12 株式会社リコー コーディネートサービス方法、コンピュータ及びプログラム
JP5223645B2 (ja) * 2008-12-15 2013-06-26 三菱自動車工業株式会社 駐車位置案内システムおよび駐車位置案内方法
US8682738B2 (en) * 2009-10-29 2014-03-25 At&T Intellectual Property I, Lp System and method for using a digital inventory of clothing
WO2017152096A1 (en) * 2016-03-04 2017-09-08 Axon Vibe AG Systems and methods for predicting user behavior based on location data
US10592551B2 (en) * 2016-06-16 2020-03-17 Optim Corporation Clothing information providing system, clothing information providing method, and program
US10614506B2 (en) * 2017-01-27 2020-04-07 Color Butler, Inc. System and method for fashion recommendations
US10949667B2 (en) * 2017-09-14 2021-03-16 Ebay Inc. Camera platform and object inventory control
KR102506866B1 (ko) * 2017-12-13 2023-03-08 현대자동차주식회사 차량 환경에서 선발화 안내 장치, 방법 및 시스템
CN110182172A (zh) * 2018-02-23 2019-08-30 福特环球技术公司 车辆驾驶员认证系统及方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008120289A (ja) * 2006-11-14 2008-05-29 Toyota Motor Corp 服装対応サービス提供装置
CN108764485A (zh) * 2011-01-06 2018-11-06 电子湾有限公司 计算建议工具中的兴趣度推荐
JP2014164454A (ja) * 2013-02-25 2014-09-08 Osaka Gas Co Ltd 衣類選択システム
CN106447291A (zh) * 2016-09-27 2017-02-22 宇龙计算机通信科技(深圳)有限公司 一种待办事件的智能提醒方法及系统

Also Published As

Publication number Publication date
JP2020077262A (ja) 2020-05-21
US20200151230A1 (en) 2020-05-14
US11379547B2 (en) 2022-07-05
CN111159529A (zh) 2020-05-15

Similar Documents

Publication Publication Date Title
US7454216B2 (en) in-facility information provision system and in-facility information provision method
CN107924523A (zh) 通过感测车辆乘员的人口统计信息来选择性地显示广告的广告牌显示器和方法
US20170180489A1 (en) Electronic device and server for providing service related to internet of things device
US11527158B2 (en) Information providing system, server, onboard device, and information providing method
CN111159529B (zh) 信息处理系统、服务器、非暂时性计算机可读存储介质和用于处理信息的方法
WO2018012044A1 (ja) エレベーターシステム及びかご呼び推定方法
CN109887268B (zh) 车辆调度方法、装置及存储介质
US20200342503A1 (en) Evaluation device, evaluation system, vehicle, and program
JP2020086659A (ja) 情報処理システム、プログラム、及び情報処理方法
US11435201B2 (en) Information processing system and information processing device
CN111325088B (zh) 信息处理系统、记录介质以及信息处理方法
CN115002279A (zh) 在终端设备上提供信息的方法和系统
CN112585957A (zh) 车站监控系统及车站监控方法
JP6390689B2 (ja) マッチング装置、端末、センサネットワークシステム、マッチング方法、およびマッチングプログラム
US20200029009A1 (en) System, image capturing apparatus, communication terminal, and computer-readable storage medium
CN113496446A (zh) 物品归还方法、装置、计算机设备和存储介质
US20220318822A1 (en) Methods and systems for rideshare implicit needs and explicit needs personalization
JP2022136917A (ja) 制御装置、システム、車両、及び制御方法
CN113222635A (zh) 服务器装置、控制装置、介质、移动店铺以及信息处理系统的工作方法
CN116347347A (zh) 补票方法、补票装置及存储介质
CN117236600A (zh) 订单调度方法、装置、设备、介质和程序产品
CN113344654A (zh) 控制装置、车辆、非临时性的计算机可读取介质以及控制方法
CN111199334A (zh) 信息处理系统、记录介质以及信息处理方法
JP2013171516A (ja) 予測情報提示システム、予測情報提示装置、予測情報提示方法および予測情報提示プログラム
KR20200067054A (ko) 아바타를 이용한 카셰어링 서비스 시스템 및 방법

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