CN112559858A - 服务信息的推送方法、装置、计算机可读介质及电子设备 - Google Patents
服务信息的推送方法、装置、计算机可读介质及电子设备 Download PDFInfo
- Publication number
- CN112559858A CN112559858A CN202011446253.3A CN202011446253A CN112559858A CN 112559858 A CN112559858 A CN 112559858A CN 202011446253 A CN202011446253 A CN 202011446253A CN 112559858 A CN112559858 A CN 112559858A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- image
- information
- user
- service information
- 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
Images
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
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请的实施例提供了一种服务信息的推送方法、装置、计算机可读介质及电子设备。该服务信息的推送方法包括:采用预先训练的识别模型对包含车辆的待处理图像进行识别,以使所述识别模型输出所述车辆的洁净程度;若所述车辆的洁净程度为需清洁程度,则获取所述车辆对应的用户信息;根据所述用户信息,生成与所述用户信息对应的车辆清洁服务信息;若检测到所述用户信息对应的应用程序账号登陆时,则向登陆所述应用程序账号的终端推送所述车辆清洁服务信息。本申请实施例的技术方案可以基于用户的实际情况生成车辆清洁服务信息并向用户进行推送,保证了服务信息的推送精确度。
Description
技术领域
本申请涉及计算机及通信技术领域,具体而言,涉及一种服务信息的推送方法、装置、计算机可读介质及电子设备。
背景技术
随着互联网技术的发展,用户足不出户即可通过网络实现购买物品或者预订服务等。在目前的技术方案中,应用程序依赖用户的预定行为或者历史记录等触发服务信息的推送。然而,该服务信息无法与用户的实际情况相匹配,容易造成服务信息的无用推送,精确度较低。因此,如何保证服务信息与用户的实际情况相匹配,进而提高服务信息推送的精确度成为了亟待解决的技术问题。
发明内容
本申请的实施例提供了一种服务信息的推送方法、装置、计算机可读介质及电子设备,进而至少在一定程度上可以保证服务信息与用户的实际情况相匹配,进而提高服务信息推送的精确度。
本申请的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本申请的实践而习得。
根据本申请实施例的一个方面,提供了一种服务信息的推送方法,该方法包括:
采用预先训练的识别模型对包含车辆的待处理图像进行识别,以使所述识别模型输出所述车辆的洁净程度;
若所述车辆的洁净程度为需清洁程度,则获取所述车辆对应的用户信息;
根据所述用户信息,生成与所述用户信息对应的车辆清洁服务信息;
若检测到所述用户信息对应的应用程序账号登陆时,则向登陆所述应用程序账号的终端推送所述车辆清洁服务信息。
根据本申请实施例的一个方面,提供了一种服务信息的推送装置,该装置包括:
识别模块,用于采用预先训练的识别模型对包含车辆的所述待处理图像进行识别,以使所述识别模型输出所述车辆的洁净程度;
获取模块,用于若所述车辆的洁净程度为需清洁程度,则获取所述车辆对应的用户信息;
生成模块,用于根据所述用户信息,生成与所述用户信息对应的车辆清洁服务信息;
推送模块,用于若检测到所述用户信息对应的应用程序账号登陆时,则向登陆所述应用程序账号的终端推送所述车辆清洁服务信息。
在本申请的一些实施例中,基于前述方案,该识别模块在采用预先训练的识别模型对包含车辆的所述待处理图像进行识别之前,还被配置为:获取包含车辆的待挑选图像;根据所述待挑选图像中所述车辆的面积占所述待挑选图像的面积的比例,从所述待挑选图像中识别出待处理图像。
在本申请的一些实施例中,基于前述方案,该识别模块被配置为:根据所述待挑选图像进行识别,确定所述车辆在所述待挑选图像中的完整度;基于所述完整度,若所述车辆完整位于所述待挑选图像中,则计算所述车辆的面积;根据所述车辆的面积占所述待挑选图像的面积的比例,从所述待挑选图像中识别出待处理图像。
在本申请的一些实施例中,基于前述方案,该识别模块被配置为:对所述待挑选图像中的所述车辆进行车辆类型识别,确定所述车辆对应的车辆类型;根据所述车辆类型,确定与所述车辆类型对应的比例阈值;若所述待挑选图像中所述车辆的面积占所述待挑选图像的面积的比例大于或等于所述比例阈值,则将所述待挑选图像识别为待处理图像。
在本申请的一些实施例中,基于前述方案,该获取模块被配置为:对所述待处理图像中的所述车辆进行识别,获取所述车辆的标识信息;根据所述车辆的标识信息进行查询,获取所述车辆对应的用户信息。
在本申请的一些实施例中,基于前述方案,该识别模块被配置为:根据包含车辆的待处理图像,截取所述车辆所在区域的目标图像;将所述目标图像输入至基于分类算法构建的分类模型中,以使所述分类模型输出所述车辆的清洁标签,所述清洁标签包括需清洁和无需清洁。
在本申请的一些实施例中,基于前述方案,该识别模块被配置为:根据包含车辆的待处理图像,截取所述车辆所在区域的目标图像;将所述目标图像输入至基于图像分割算法构建的识别模型中,以使所述识别模型识别出所述车辆中的污浊区域;根据所述污浊区域的面积以及所述车辆的面积,计算所述车辆的污浊比例;根据所述污浊比例,输出所述车辆的洁净程度。
在本申请的一些实施例中,基于前述方案,该生成模块被配置为:根据所述用户信息进行查询,获取所述用户信息对应的用户画像,所述用户画像为根据用户的消费记录和车辆养护记录中的至少一个而生成;根据所述用户画像,选取与所述用户画像对应的车辆清洁服务,并对应生成车辆清洁服务信息。
在本申请的一些实施例中,基于前述方案,该推送模块被配置为:若检测到预定事件发生,则向登陆所述应用程序账号的终端推送所述车辆清洁服务信息,其中,所述预定事件包括用户搜索预定内容、洗车周期超过预定周期以及车辆位于预定范围内中的至少一个。
在本申请的一些实施例中,基于前述方案,所述车辆清洁服务信息为洗车服务提供方信息,该生成模块被配置为:基于所述用户信息进行查询,确定所述用户信息对应的常用地址信息;基于所述常用地址信息进行查询,确定位于所述常用地址信息预定范围内的洗车服务提供方;根据所述洗车服务提供方,生成车辆清洁服务信息。
根据本申请实施例的一个方面,提供了一种计算机可读介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述实施例中所述的服务信息的推送方法。
根据本申请实施例的一个方面,提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上述实施例中所述的服务信息的推送方法。
根据本申请实施例的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述实施例中提供的服务信息的推送方法
在本申请的一些实施例所提供的技术方案中,通过采用预先训练的识别模型对包含车辆的待处理图像进行识别,以使识别模型输出车辆的洁净程度,若该车辆的洁净程度为需清洁程度,则获取该车辆对应的用户信息,根据该用户信息,生成与该用户信息对应的车辆清洁服务信息,若检测到用户信息对应的应用程序账号登陆时,则向登陆该应用程序账号的终端推送该车辆清洁服务信息。由此,基于车辆的洁净程度确定是否需要推送车辆清洁服务信息,可以保证所推送的服务信息与车辆的实际情况相匹配,避免了服务信息的无用推送,提高了服务信息推送的精确度。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。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。在附图中:
图1示出了可以应用本申请实施例的技术方案的示例性系统架构的示意图。
图2示出了根据本申请的一个实施例的服务信息的推送方法的流程示意图。
图3示出了根据本申请的一个实施例的服务信息的推送方法中还包括的选取待处理图像的流程示意图。
图4示出了根据本申请的一个实施例的图3的服务信息的推送方法中步骤S320的流程示意图。
图5示出了根据本申请的一个实施例的图3的服务信息的推送方法中步骤S320的流程示意图。
图6示出了根据本申请的一个实施例的图2的服务信息的推送方法中获取用户信息的流程示意图。
图7示出了根据本申请的一个实施例的图2的服务信息的推送方法中步骤S210的流程示意图。
图8示出了根据本申请的另一个实施例的图2的服务信息的推送方法中步骤S210的流程示意图。
图9示出了根据本申请的一个实施例的图2的服务信息的推送方法中步骤S230的流程示意图。
图10示出了根据本申请的一个实施例的图2的服务信息的推送方法中步骤S230的流程示意图。
图11示出了可以应用本申请实施例的技术方案的终端界面示意图。
图12示出了根据本申请的一个实施例的服务信息的推送方法的流程示意图。
图13示出了根据本申请的一个实施例的服务信息的推送装置的框图。
图14示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本申请将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本申请的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本申请的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本申请的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
图1示出了可以应用本申请实施例的技术方案的示例性系统架构的示意图。
如图1所示,系统架构可以包括图像采集装置110、服务器120以及终端设备130。其中,图像采集装置110、服务器120以及终端设备130之间通过网络进行连接。该网络可以包括各种连接类型,例如有线通信链路、无线通信链路等等。
应该理解的,图1中的图像采集装置110、服务器120以及终端设备130的数目仅仅是示意性的。根据实际实现需要,可以具有任意数目的图像采集装置110、服务器120和终端设备130。例如服务器120可以是由多个服务器组成的服务器集群等等。
需要说明的,该终端设备130可以是车载终端、智能手机、平板电脑、便携式计算机或者台式计算机中的一种或多种,其也可以是其他任意具有移动通信功能的电子设备,例如智能手表、智能眼镜等。
在一个具体的应用场景中,该图像采集装置110可以设置于公共区域中,例如停车场摄像头、ETC(Electronic Toll Collection,电子不停车收费系统)摄像头、安防监控摄像头或者交通记录摄像头,等等。图像采集装置110可以获取经过其拍摄区域的车辆的待处理图像,并将该待处理图像通过网络上传至服务器120中,服务器120可以采用预先训练的识别模型对包含车辆的待处理图像进行识别,以使识别模型输出该车辆的洁净程度,若该车辆的洁净程度为需清洁程度,则获取该车辆对应的用户信息,并根据用户信息,生成与该用户信息对应的车辆清洁服务信息,若检测到该用户信息对应的应用程序账号登陆时,则向登陆该应用程序账号的终端设备130推送该车辆清洁服务信息。
以下对本申请实施例的技术方案的实现细节进行详细阐述:
图2示出了根据本申请的一个实施例的服务信息的推送方法的流程示意图。参照图2所示,该服务信息的推送方法至少包括步骤S210至步骤S240,详细介绍如下:
在步骤S210中,采用预先训练的识别模型对包含车辆的待处理图像进行识别,以使所述识别模型输出所述车辆的洁净程度。
其中,识别模型可以是基于机器学习算法而构建的模型,通过对该识别模型进行训练,该识别模型可以基于包含车辆的图像进行图像分析,以以识别出该车辆的洁净程度,并进行输出。
洁净程度可以是用以描述车辆是否需要进行清洁的信息,根据车辆的洁净程度,可以判断该车辆是否需要进行清洁。应该理解的,车辆上的灰尘越多或者车辆不同于自身颜色的色块越多,则可以表示该车辆的洁净程度越低,相应地,车辆上的灰尘越少或者车辆不同于自身颜色的色块越少,则表示该车辆的洁净程度越高。而该车辆的洁净程度较低,则表示需要对该车辆进行清洁,若车辆的洁净程度较高,则表示无需对该车辆进行清洁。
在本申请一示例性实施例中,当车辆进入设置于公共区域的图像采集装置的拍摄区域时,可以触发图像采集装置的拍摄机制,从而获取包含该车辆的待处理图像。应该理解的,所获取的待处理图像中可以包含至少一辆车辆,其可以是两辆、三辆或者四辆等,本申请对此不作特殊限定。
应该理解的,由于车辆的行驶速度较快,为了更好的抓拍效果,因此可以预先配置该图像采集装置具有高速快门以及高清晰度,从而保证车辆的清晰度,便于后续分析。
当图像采集装置获取到该待处理图像后,可以将该待处理图像向服务器进行上传,以供服务器进行分析。服务器根据所接收到的待处理图像,将其输入至预先训练完成的识别模型中,使该识别模型对该待处理图像进行图像分析,以得到并输出该待处理图像中的车辆的洁净程度。应该理解的,若待处理图像中包含多辆车辆,则可以对每一车辆分别进行识别,以输出每一车辆对应的洁净程度。
需要说明的,识别模型所输出的洁净程度可以是各种类型的信息,例如该洁净程度可以包括但不限于比例信息、标签信息以及洁净等级信息等。例如该洁净程度可以用于是车辆的污浊区域的占车辆总面积的比例信息,例如30%、50%或者70%等。应该理解的,洁净程度的比例值越大,则表示车辆越需要进行清洁。该洁净程度也可以是标签信息,该标签信息可以包括需清洁和无需清洁,基于该标签信息则可以对应确定车辆是否需要进行清洁。该洁净程度还可以为洁净程度等级信息,例如可以将车辆的洁净程度划分为三级包括一级、二级和三级,一级表示车辆较脏,需要立即进行清洁,二级表示车辆的洁净程度为普通,可以进行清洁也可以不进行清洁,三级则表示车辆的洁净程度较好,无需进行清洁,等等。以上仅为示例性举例,本领域技术人员可以根据实际实现需要确定对应的洁净程度表达形式,也可以选用其他形式的洁净程度表达形式,以上仅为示例性举例,本申请对此不作特殊限定。
请继续参考图2,在步骤S220中,若所述车辆的洁净程度为需清洁程度,则获取所述车辆对应的用户信息。
其中,用户信息可以是与车辆相对应的驾驶人员相关的信息,其可以包括但不限于用户的身份证编号、联系电话等,基于该用户信息则可以确定车辆对应的驾驶人员的身份信息。需要说明的,本申请所述的驾驶人员可以是车辆的拥有者,也可以是车辆的承租人员,本申请对此不作特殊限定。用户信息还可以是与车辆或车机系统相对应的账号信息,包括但不限于车辆服务账号(如汽车生产商、销售商或服务商提供的服务账号等)、车载系统账号(如车辆所携带的车载系统所对应的账号等)、应用程序账号(如微信账号、QQ账号、导航软件登录账号等)。另一方面,用户信息包括一个前述的编号或账号,也可以包括多个,本申请对具体的账号类型以及种类并不作特殊限定。
在一示例中,在用户驾驶车辆之前,可以将自身的用户信息与车辆的标识信息进行绑定,该标识信息可以用于唯一确定车辆,从而建立车辆与用户信息的对应关系,服务器可以将该对应关系进行存储以便于后续查询。
在本申请一示例性实施例中,若识别模型所输出的车辆的洁净程度为需清洁程度,则服务器可以对该车辆进行识别,以获取该车辆的标识信息。并根据该标识信息查询预先存储的车辆与用户信息的对应关系,从而确定与该车辆对应的用户信息,以保证用户信息的准确性。
在步骤S230中,根据所述用户信息,生成与所述用户信息对应的车辆清洁服务信息。
其中,车辆清洁服务信息可以是与车辆清洁相关的服务信息,其可以包括各种类型的服务信息,例如该车辆清洁服务信息可以包括但不限于洗车服务提供方信息、车辆清洁服务折扣券信息以及车辆清洁用品信息等等。其中,该车辆清洁服务折扣券可以是洗车服务提供方所提供的折扣券,也可以是车辆清洁用品的折扣券,而该车辆清洁用品信息则可以是车辆清洁用品的商品信息,例如车辆清洁液、清洁刷等等。
在本申请一示例性实施例中,服务器根据查询得到的用户信息,可以选取与该用户信息对应的车辆清洁服务,并生成对应的车辆清洁服务信息。应该理解的,不同用户的消费习惯并不相同,例如部分用户经常对车辆进行保养或者清洁,而部分用户则较少对车辆进行保养或清洁。由此,服务器可以根据该用户信息对应的消费习惯,选取与该消费习惯对应的车辆清洁服务,并向该用户进行推送,由此可以保证车辆清洁服务信息与用户的消费习惯相匹配,避免所推送的服务信息超出用户的消费能力,以提高服务信息推送的精确度。
在步骤S240中,若检测到所述用户信息对应的应用程序账号登陆时,则向登陆所述应用程序账号的终端推送所述车辆清洁服务信息。
其中,应用程序可以是车载系统、车辆服务系统或导航、即时通信等应用程序,应用程序账号包括但不限于车辆服务账号(如汽车生产商、销售商或服务商提供的服务账号等)、车载系统账号(如车辆所携带的车载系统所对应的账号等)、应用程序账号(如微信账号、QQ账号、导航软件登录账号等)。应用程序账号可以包括一个上述的编号或账号,也可以包括多个,本申请对此并不作特殊限定。
在一个示例中,应用程序可以是与车辆保养相关的应用程序,用户可以在该应用程序中查询与车辆保养相关的内容或者订购相关服务等。需要说明的,用户在注册该应用程序的账号时,可以将该应用程序账号与该用户的其他身份信息进行绑定,并绑定自身的车辆信息,从而建立应用程序账号与车辆信息的对应关系。
在本申请一示例性实施例中,服务器可以检测用户信息对应的应用程序账号的登陆状态,若检测到用户信息对应的应用程序账号登陆时,则可以将预先生成的车辆清洁服务信息向该应用程序账号的登陆终端进行推送,以供用户进行接收。在一示例中,当用户在登陆应用程序账号时,应用程序可向服务器发送账号登陆信息,服务器在接收到该账号登陆信息之后,即可以将对应的车辆清洁服务信息进行推送,由此服务器无需实时检测应用程序账号的登录状态,以减少功耗。
由此,在图2所示的实施例中,通过识别模型对包含车辆的待处理图像进行识别,从而输出该车辆的洁净程度,服务器根据车辆的洁净程度,确定车辆是否需要进行清洁,若需要,则获取车辆对应的用户信息,再根据用户信息,生成对应的车辆清洁服务信息,并在检测到用户信息对应的应用程序账号登陆时,向登陆终端进行推送。从而可以保证所生成的车辆清洁服务信息能够与车辆的实际情况相匹配,使得车辆清洁服务信息正是该用户所需要的信息,提高了车辆清洁服务信息推送的精确度。
基于图2所示的实施例,图3示出了根据本申请的一个实施例的服务信息的推送方法中还包括的选取待处理图像的流程示意图。参照图3所示,选取待处理图像至少包括步骤S310至步骤S320,详细介绍如下:
在步骤S310中,获取包含车辆的待挑选图像。
其中,待挑选图像可以是由图像采集装置所采集的未经挑选的图像。应该理解的,图像采集装置所采集的图像可能存在模糊、曝光或者车辆不完整等情况。因此可以对图像采集装置所采集到的图像进行筛选,从而得到图像质量较好的待处理图像,从而保证后续的识别效果。
在本申请一示例性实施例中,图像采集装置在获取图像时,可以在短时间内获取多张图像以供挑选,例如在一次拍摄时可以同时拍摄预定数量的图像,例如该预定数量可以为10张或15张等。图像采集装置可以将所获取到的多张图像作为待挑选图像,以将其向服务器进行发送。
在步骤S320中,根据所述待挑选图像中所述车辆的面积占所述待挑选图像的面积的比例,从所述待挑选图像中识别出待处理图像。
在本申请一示例性实施例中,服务器在获取到图像采集装置所上传的待挑选图像之后,可以对该待挑选图像中所包含的车辆进行边缘识别,从而确定车辆的边界信息,若待挑选图像中包含多辆车辆,则可以得到每一车辆的边界信息。
根据每一车辆的边界信息,服务器则可以计算每一车辆在图像中的面积,在一示例中,服务器可以根据每一车辆的边界信息,确定每一车辆对应的像素点的数量以此表示该车辆的面积。在计算得到每一车辆的面积之后,服务器则可以将其除以待挑选图像的面积,从而得到车辆的面积占待挑选图像的面积的比例。应该理解的,车辆在待挑选图像中所占的面积比例越大,则识别模型越容易对该车辆进行识别,得到的识别结果也越准确。
因此,服务器在得到车辆的面积占待挑选图像的面积的比例之后,可以将该比例与预定的比例阈值进行比较,若比例大于或等于该比例阈值,则表示该待挑选图像符合识别要求,因此可以将其识别为待处理图像。若比例小于该比例阈值,则表示该待挑选图像不符合识别要求,可以舍去。
需要说明的,该比例阈值可以是由本领域技术人员根据在先经验所确定的,其可以是20%、25%或者40%等任意数值,以上数值仅为示例性举例,本申请对此不作特殊限定。
需要说明的是,图像采集装置也可以预先对所获取到的待挑选图像采用上述挑选方法进行筛选,从而得到对应的待处理图像,再将筛选过后的待处理图像上传至服务器中进行后续识别,本申请对此不作特殊限定。
由此,服务器将每一待挑选图像中车辆的面积占待挑选图像的面积的比例分别与比例阈值进行比较,从而从待挑选图像中识别出待处理图像。应该理解的,若待挑选图像中包含多辆车辆,则该待挑选图像对应有多个比例,若有至少一个比例大于或等于该比例阈值,则可以将该待挑选图像作为该比例所对应车辆的待处理图像。从而可以保证所挑选的待处理图像均符合识别模型的识别要求,保证识别模型的识别结果的准确性。
基于图2和图3所示的实施例,图4示出了根据本申请的一个实施例的图3的服务信息的推送方法中步骤S320的流程示意图。参照图4所示,步骤S320至少包括步骤S410至步骤S430,详细介绍如下:
在步骤S410中,根据所述待挑选图像进行识别,确定所述车辆在所述待挑选图像中的完整度。
在本申请一示例性实施例中,完整度可以是用于表示车辆在待挑选图像中的面积占其车辆自身面积的比例的信息。应该理解的,车辆在待挑选图像中的部分越多,则其完整度也就越大。若车辆完整位于待挑选图像中,则该车辆的完整度即为1。
在一示例中,可以预先将车辆划分为多个部位,例如可以将一个车辆划分为车头、车身以及车尾。不同部位具有不同的比例,如车头占20%、车身占60%、车尾占20%,由此,服务器可以根据待挑选图像进行识别,以确定车辆在待挑选图像中的部位,并计算该车辆对应的完整度。
在另一示例中,服务器也可以采用深度学习中的目标检测算法(例如YOLOv3等)对待挑选图像中的图像进行检测,若存在一个完整的检测框,则表示该车辆完整处于待挑选图像中,完整度为1。本领域技术人员可以根据实际实现需要,选取对应的完整度计算方式,也可以采用其他完整度计算方式,本申请对此不作特殊限定。
在步骤S420中,基于所述完整度,若所述车辆完整位于所述待挑选图像中,则计算所述车辆的面积。
在本申请一示例性实施例中,根据针对每一车辆的完整度计算结果,若确定该车辆完整位于待挑选图像中,则可以对该车辆进行边缘识别,从而计算该车辆的面积,其中计算车辆面积可以参照上文所述,在此不再赘述。
在步骤S430中,根据所述车辆的面积占所述待挑选图像的面积的比例,从所述待挑选图像中识别出待处理图像。
由此,在图4所示的实施例中,通过计算车辆的完整度,若该车辆完整位于待挑选图像中,再计算该车辆的面积。由此,可以避免对部分在待挑选图像中的车辆进行边缘识别,以节省计算资源。同时将未完整位于待挑选图像中的车辆进行忽略,则可以提高服务器的计算效率。
基于图2和图3所示的实施例,图5示出了根据本申请的一个实施例的图3的服务信息的推送方法中步骤S320的流程示意图。参照图5所示,步骤S320至少包括步骤S510至步骤S530,详细介绍如下:
在步骤S510中,对所述待挑选图像中的所述车辆进行车辆类型识别,确定所述车辆对应的车辆类型。
其中,车辆类型识别可以是识别车辆类型的处理过程。
在本申请一示例性实施例中,本领域技术人员可以预先根据车辆的大小进行划分从而得到车辆类型,例如可以将车辆划分为小轿车、小货车以及大货车等,并基于不同类型的车辆的图片对模型进行训练,以使该模型能够根据车辆的图像输出对应的车辆类型。服务器可以根据该模型对待挑选图像中所包含的车辆进行车辆类型识别,以识别出待挑选图像中包含的每一车辆的车辆类型。
在步骤S520中,根据所述车辆类型,确定与所述车辆类型对应的比例阈值。
在本申请一示例性实施例中,本领域技术人员可以根据不同车辆类型预先设定不同的比例阈值,并建立车辆类型与比例阈值对应关系表。应该理解的,车辆类型所对应的车辆的面积越大,则其对应的比例阈值也就越大。例如小轿车对应的比例阈值可以为20%、小货车对应的比例阈值可以为25%、大货车对应的比例阈值可以为35%,等等。
由此,服务器可以根据识别得到的车辆类型,可以对应查询车辆类型与比例阈值对应关系表,从而确定该车辆类型所应对应的比例阈值。以使所选定的比例阈值能够与车辆类型相适配,避免设定单一比例阈值从而影响后续的待处理图像识别结果。
在步骤S530中,若所述待挑选图像中所述车辆的面积占所述待挑选图像的面积的比例大于或等于所述比例阈值,则将所述待挑选图像识别为待处理图像。
在本申请一示例性实施例中,服务器可以将车辆的面积占待挑选图像的面积的比例与查询得到的比例阈值进行比较,若比例大于或等于该比例阈值,则可以将该待挑选图像识别为待处理图像。
应该理解的,若待挑选图像中包含多种车辆类型的车辆,则可以将每一车辆的面积占待挑选图像的面积的比例与对应车辆类型的比例阈值进行比较,以保证所识别得到的待处理图像的有效性。
基于图2所示的实施例,图6示出了根据本申请的一个实施例的图2的服务信息的推送方法中获取用户信息的流程示意图。参照图6所示,获取用户信息至少包括步骤S610至步骤S620,详细介绍如下:
在步骤S610中,对所述待处理图像中的所述车辆进行识别,获取所述车辆的标识信息。
在本申请一示例性实施例中,车辆的标识信息可以是用于唯一确定车辆的信息,该标识信息可以是车辆的车牌信息。服务器可以根据待处理图像中所包含的车辆,对该车辆进行图像识别,从而获取该车辆对应的标识信息。
在步骤S620中,根据所述标识信息进行查询,获取所述车辆对应的用户信息。
在本申请一示例性实施例中,用户在注册应用程序账号时,可以将车辆的标识信息与该应用程序账号进行绑定。服务器可以根据所识别得到的车辆的标识信息,查询与该标识信息对应绑定的应用程序账号,从而获取该车辆对应的用户信息。由此,通过车辆的标识信息获取对应的用户信息,可以保证所获取到的用户信息的准确性。
在本申请一示例性实施例中,在获取车辆的标识信息时,服务器还可以识别出车辆的标识信息所对应的类型,例如标识信息为车牌信息,则对应有黄色车牌、蓝色车牌、白色车牌或者黑色车牌等等,不同类型的车牌的车辆具有不同用途,因此可以根据标识信息的类型确定是否需要对其进行服务信息推送,例如蓝色车牌为普通的小车车牌,黄色车牌为普通的大型车辆车牌,等等,通常情况下,蓝色车牌所对应的用户对车辆的养护更为看重,因此可以优先对蓝色车牌的车辆的用户进行服务信息推送,以提高服务信息推送的有效性。
基于图2所示的实施例,图7示出了根据本申请的一个实施例的图2的服务信息的推送方法中步骤S210的流程示意图。参照图7所示,步骤S210至少包括步骤S710至步骤S720,详细介绍如下:
在步骤S710中,根据包含车辆的待处理图像,截取所述车辆所在区域的目标图像。
在本申请一示例性实施例中,服务器可以采用目标检测算法对待处理图像进行识别,以确定待处理图像中所包含的车辆在待处理图像中的区域,并截取该车辆所在区域的目标图像,以作后续识别。应该理解的,该目标图像中有且仅包含有一辆车辆。
在步骤S720中,将所述目标图像输入至基于分类算法构建的分类模型中,以使所述分类模型输出所述车辆的清洁标签,所述清洁标签包括需清洁和无需清洁。
在本申请一示例性实施例中,本领域技术人员可以预先构建基于分类算法的分类模型,并对该分类模型进行训练,从而使该分类模型基于车辆的图像输出对应的清洁标签,该标签包括需清洁和无需清洁。需要说明的,本领域技术人员可以选用现有的图像分类算法构建该分类模型,并对其进行训练,以保证该分类模型的分类效果,本申请对此不作特殊限定。
基于图2所示的实施例,图8示出了根据本申请的另一个实施例的图2的服务信息的推送方法中步骤S210的流程示意图。参照图8所示,步骤S210至少包括步骤S810至步骤S840,详细介绍如下:
在步骤S810中,根据包含车辆的待处理图像,截取所述车辆所在区域的目标图像。
在步骤S820中,将所述目标图像输入至基于图像分割算法构建的识别模型中,以使所述识别模型识别出所述车辆中的污浊区域。
在本申请一示例性实施例中,本领域技术人员可以根据图像分割算法构建识别模型,其中,该图像分割算法可以基于目标图像的像素点的灰度值将目标图像(即车辆所在区域的图像)分割为若干个特定的、具有独特性质的区域,从而识别出车辆图像上的污浊区域。
在一示例中,识别模型可以根据目标图像中每个像素点所对应的灰度值进行统计和计算,采用阈值分割的方式识别出车辆图像上的各个区域,类似于车辆的边缘确定,再将车辆图像上存在的不规则区域识别为污浊区域。
在步骤S830中,根据所述污浊区域的面积以及所述车辆的面积,计算所述车辆的污浊比例。
在本申请一示例性实施例中,服务器可以根据所识别得到的污浊区域计算该污浊区域的面积,若存在多个污浊区域,则可以将各个污浊区域的面积进行相加,从而得到多个污浊区域的面积之和。再将所得到的污浊区域的面积除以该车辆的面积,以得到该车辆的污浊比例。应该理解的,污浊比例越大,则表示车辆上存在的污浊区域越多,相应地车辆也就越脏,因此可以根据该污浊比例确定该车辆是否需要进行清洁。
在步骤S840中,根据所述污浊比例,输出所述车辆的洁净程度。
在本申请一示例性实施例中,基于图像分割算法构建的识别模型可以将计算得到的污浊比例与预先设定的污浊比例阈值进行比较,若污浊比例大于或等于该污浊比例阈值,则表示车辆存在较大的污浊区域,需要进行清洁;若污浊比例小于该污浊比例阈值,则表示车辆存在的污浊区域较小,无需进行清洁,从而输出车辆的洁净程度。
在其他示例中,该识别模型也可以直接输出该污浊比例,服务器可以根据识别模型所输出的污浊比例与预定的污浊比例阈值进行比较,从而确定车辆是否需要进行清洁。本领域技术人员可以根据实际实现需要,采用对应的输出方式,本申请对此不作特殊限定。
由此,在图8所示的实施例中,通过识别出车辆图像中的污浊区域并计算车辆对应的污浊比例,从而确定该车辆是否需要进行清洁,可以保证识别结果基于车辆的实际污浊情况而作出,保证了识别结果的准确性。
基于图2所示的实施例,图9示出了根据本申请的一个实施例的图2的服务信息的推送方法中步骤S230的流程示意图。参照图9所示,步骤S230至少包括步骤S910至步骤S920,详细介绍如下:
在步骤S910中,根据所述用户信息进行查询,获取所述用户信息对应的用户画像,所述用户画像为根据用户的消费记录和车辆养护记录中的至少一个而生成。
在本申请一示例性实施例中,服务器可以根据用户在应用程序中的消费记录以及车辆养护记录,分析出用户的消费习惯。例如该用户存在较多的车辆养护记录,且每一次车辆养护达到一定金额,表明该用户注重对车辆进行保养,而若该用户存在较少的车辆养护记录,且每一次车辆养护均未达到一定金额,则表示该用户并不注重对车辆进行养护或者希望节省车辆的养护成本。
因此,服务器可以根据用户在应用程序中的消费记录以及车辆养护记录,分析出用户的消费习惯,并建立与该用户对应的用户画像,再将该用户画像与该用户的用户信息进行绑定及存储,以使服务器在后续可以根据用户信息查询对应的用户画像。
在步骤S920中,根据所述用户画像,选取与所述用户画像对应的车辆清洁服务,并对应生成车辆清洁服务信息。
在本申请一示例性实施例中,服务器可以根据所获取的用户画像,选取该用户画像对应的车辆清洁服务,并对应生成车量清洁服务信息。例如用户想要节省养护成本,则可以选择基础的养护服务向用户进行推送,若用户注重车辆养护,则可以选择全面的养护服务向用户进行推送,等等。
需要说明的,该车辆清洁服务可以包括但不限于洗车服务提供方信息、车辆清洁服务折扣券信息以及车辆清洁用品信息等。该车辆清洁服务信息可以包括一个车辆清洁服务的信息,也可以包括多个车辆清洁服务的信息,例如该车辆清洁服务信息可以包括洗车服务提供方的信息,同时也可以包含车辆清洁用品的信息,供用户进行购买以进行亲自清洁等。
基于图2所示的实施例,在本申请一示例性实施例中,向登陆所述应用程序账号的终端推送所述车辆清洁服务信息,包括:
若检测到预定事件发生,则向登陆所述应用程序账号的终端推送所述车辆清洁服务信息,其中,所述预定事件包括用户搜索预定内容、洗车周期超过预定周期以及车辆位于预定范围内中的至少一个。
在该实施例中,本领域技术人员可以预先设定触发推送服务信息的预定事件,该预定事件可以包括但不限于用户搜索预定内容、洗车周期超过预定周期以及车辆位于预定范围内等。
具体地,本领域技术人员可以设置对应的搜索关键词,例如洗车、养护等,当用户在应用程序中进行搜索时,若检测到用户所搜索的内容包含预先设定的搜索关键词(即预定内容)则向该用户推送车辆清洁服务信息。
或者基于用户的车辆的养护记录,若距离上一次洗车已经超过预定周期(如一个月、二个月等),则可以在用户登陆应用程序账号时,向用户推送该车辆清洁服务信息。
又或者当检测到用户登陆应用程序账号时,可以获取车辆的定位信息,若该车辆的定位信息位于预定范围内,则向用户推送车辆清洁服务信息。其中,该预定范围可以是洗车服务提供方所在位置的预定范围,例如以某一洗车服务提供方为中心,方圆一公里的范围等,以使用户能够知晓车辆所在周围的洗车服务提供方的信息,从而能够更加便捷地对车辆进行清洁。
在本申请一示例性实施例中,当检测到用户开启导航功能时,其中,开启导航功能可以是通过车载系统账号打开其导航功能或者通过导航软件账号登陆导航程序等,应该理解的,其也可以是除上述方式以外的其他方式,本申请对此不作特殊限定。可以根据用户的起始位置、至少一个目的地以及车辆清洁服务信息,推送车辆清洁服务信息。
具体地,根据用户的起始位置和/或目的地、以及车辆清洁服务信息,可以选择与该起始位置和/或目的地相匹配的至少一个洗车服务提供方,例如位于起始位置或目的地预定范围内的洗车服务提供方,或者位于起始位置和目的地之间的洗车服务提供方,等等。并将相匹配的至少一个洗车服务提供方作为路径的途经点,规划车辆的导航路径,再将包含上述途经点的导航路径推送给用户。
在另一示例中,也可以选择多个洗车服务提供方,生成分别途径上述洗车服务提供方的多条导航路径,再将多条导航路径在界面中进行显示,以供用户进行选择。
另外,上述选择相匹配的洗车服务提供方还可以基于该用户的用户画像进行选择,以使所选择的洗车服务提供方能够符合用户的消费习惯,保证车辆清洁服务信息推送的有效性。
在本申请一示例性实施例中,还可以获取用户的常用路径规划需求,例如上班导航、节假日出游、购物休闲等,根据对用户车辆清洁程度的识别结果以及常用路径规划需求,确定对应的洗车服务提供方。具体地,可以根据时间最短原则、路径最短原则、用户画像和/或路况信息等选择因素,选择与用户的常用路径规划需求相匹配的洗车服务提供方,再将所选择的洗车服务提供方作为路径的途经点,提前生成导航路径,并将所生成的导航路径与用户的应用程序账号相关联。
当用户选择常用路径规划时,可以优先将提前生成的至少一条导航路径推送给用户,以供用户进行选择。由此,可以节省导航路径的规划时间,满足用户的使用需求的同时,进一步提升用户体验。
由此,向用户推送车辆清洁服务信息可以基于用户的实际需求,从而提高了车辆清洁服务信息的有效性,避免了无用服务信息的推送,同时用户也不会对服务信息的推送产生抵触情绪,提高了用户体验。
基于图2所示的实施例,图10示出了根据本申请的一个实施例的图2的服务信息的推送方法中步骤S230的流程示意图。参照图10所示,所述车辆清洁服务信息为洗车服务提供方信息,则步骤S230至少包括步骤S1010至步骤S1030,详细介绍如下:
在步骤S1010中,基于所述用户信息进行查询,确定所述用户信息对应的常用地址信息。
在本申请一示例性实施例中,用户在注册应用程序账号时,可以填写自身的常用地址信息,该常用地址信息可以是用户的住址信息,也可以是用户的上班地址信息,并将该常用地址信息与用户的应用程序账号进行绑定。服务器可以根据所获取到的用户信息,查询该用户信息对应常用地址信息。
在步骤S1020中,基于所述常用地址信息进行查询,确定位于所述常用地址信息预定范围内的洗车服务提供方。
在本申请一示例性实施例中,服务器可以根据用户的常用地址信息进行查询,得到位于该常用地址信息预定范围内的洗车服务提供方。应该理解的,该洗车服务提供方位于常用地址信息的预定范围内,由于用户经常位于常用地址附近,所以在短时间内即可到达该洗车服务提供方,方便用户对车辆进行清洁。
在步骤S1030中,根据所述洗车服务提供方,生成车辆清洁服务信息。
在本申请一示例性实施例中,服务器根据所确定的洗车服务提供方,可以对应获取该洗车服务提供方相关的服务信息,例如养护套餐内容以及对应的报价等。服务器可以基于用户的消费习惯进行筛选从而确定目标服务信息,并生成车辆清洁服务信息,以向用户进行推送。
在图10所示的实施例中,通过选取位于用户的常用地址信息的预定范围内的洗车服务提供方,可以方便用户获取对应的洗车服务,提高用户体验,同时也能够保证车辆清洁服务信息的有效性。
基于上述实施例的技术方案,以下介绍本申请实施例的一个具体应用场景:
请参考图11,图11示出了可以应用本申请实施例的技术方案的终端界面示意图(以下以设置于公路的图像采集装置为例进行说明)。
参考图11所示,当设置于公路的图像采集装置,检测到有车辆进入其拍摄区域时,可以触发该图像采集装置进行拍摄,以获取包含车辆的图像,图像采集装置可以将该图像上传至服务器中以供服务器进行分析。
服务器根据图像采集装置所上传的包含车辆的图像,可以采用目标检测算法确定车辆所在的位置,并用检测框进行框选(如图11中1110和1120所示),基于检测框的完整度,服务器可以判断车辆是否完整位于该图像中。如图11中所示,A车辆所对应的检测框为完整的,因此可以判定A车辆完整位于该图像中,而B车辆所对应的检测框不是完整的,因此判定B车辆并不完整位于该图像中。
由此,服务器可以对A车辆进行边缘识别,从而确定A车辆的车辆面积,而B车辆则进行忽略,不对其进行处理。若A车辆的面积占该图像的面积的比例达到预定的比例阈值,则采用预先训练的识别模型对A车辆对应的检测框内的图像(即目标图像)进行识别,以使识别模型输出A车辆的洁净程度。若A车辆的洁净程度为需清洁程度,则服务器可以对A车辆进行识别以获取A车辆的标识信息,再根据该标识信息获取对应的用户信息。从而可以基于该用户信息生成对应的车辆清洁服务信息,以向用户进行推送。由此,可以基于车辆的实际污浊情况,向用户推送车辆清洁服务信息,保证了车辆清洁服务信息的有效性和精确度。
图12示出了根据本申请的一个实施例的服务信息的推送方法的流程示意图。参照图12所示,该服务信息的推送方法至少包括步骤S1210至步骤S1250,详细介绍如下:
在步骤S1210中,位于公共区域的摄像头获取包含车辆的待挑选图像;在步骤S1220中,根据待挑选图像进行筛选,以获取包含车辆的待处理图像,从而获取车辆面积以及车辆完整度符合识别要求的待处理图像;在步骤S1230中,采用预先训练的识别模型对待处理图像进行识别,以输出该车辆的洁净程度;在步骤S1240中,若车辆的洁净程度为需清洁程度,则获取该车辆对应的用户信息;在步骤S1250中,根据该用户信息,生成对应的车辆清洁服务信息以向用户进行推送。
由此,通过对摄像头所获取到的图像进行筛选,以得到符合识别要求的待处理图像,可以保证后续洁净程度识别结果的准确性,进而保证车辆清洁服务信息的有效性和精确度。
以下介绍本申请的装置实施例,可以用于执行本申请上述实施例中的服务信息的推送方法。对于本申请装置实施例中未披露的细节,请参照本申请上述的服务信息的推送方法的实施例。
图13示出了根据本申请的一个实施例的服务信息的推送装置的框图。
参照图13所示,根据本申请的一个实施例的服务信息的推送装置,包括:
识别模块1310,用于采用预先训练的识别模型对包含车辆的所述待处理图像进行识别,以使所述识别模型输出所述车辆的洁净程度;
获取模块1320,用于若所述车辆的洁净程度为需清洁程度,则获取所述车辆对应的用户信息;
生成模块1330,用于根据所述用户信息,生成与所述用户信息对应的车辆清洁服务信息;
推送模块1340,用于若检测到所述用户信息对应的应用程序账号登陆时,则向登陆所述应用程序账号的终端推送所述车辆清洁服务信息。
在本申请的一些实施例中,基于前述方案,该识别模块1310在采用预先训练的识别模型对包含车辆的所述待处理图像进行识别之前,还被配置为:获取包含车辆的待挑选图像;根据所述待挑选图像中所述车辆的面积占所述待挑选图像的面积的比例,从所述待挑选图像中识别出待处理图像。
在本申请的一些实施例中,基于前述方案,该识别模块1310被配置为:根据所述待挑选图像进行识别,确定所述车辆在所述待挑选图像中的完整度;基于所述完整度,若所述车辆完整位于所述待挑选图像中,则计算所述车辆的面积;根据所述车辆的面积占所述待挑选图像的面积的比例,从所述待挑选图像中识别出待处理图像。
在本申请的一些实施例中,基于前述方案,该识别模块1310被配置为:对所述待挑选图像中的所述车辆进行车辆类型识别,确定所述车辆对应的车辆类型;根据所述车辆类型,确定与所述车辆类型对应的比例阈值;若所述待挑选图像中所述车辆的面积占所述待挑选图像的面积的比例大于或等于所述比例阈值,则将所述待挑选图像识别为待处理图像。
在本申请的一些实施例中,基于前述方案,该获取模块1320被配置为:对所述待处理图像中的所述车辆进行识别,获取所述车辆的标识信息;根据所述车辆的标识信息进行查询,获取所述车辆对应的用户信息。
在本申请的一些实施例中,基于前述方案,该识别模块被配置为:根据包含车辆的待处理图像,截取所述车辆所在区域的目标图像;将所述目标图像输入至基于分类算法构建的分类模型中,以使所述分类模型输出所述车辆的清洁标签,所述清洁标签包括需清洁和无需清洁。
在本申请的一些实施例中,基于前述方案,该识别模块1310被配置为:根据包含车辆的待处理图像,截取所述车辆所在区域的目标图像;将所述目标图像输入至基于图像分割算法构建的识别模型中,以使所述识别模型识别出所述车辆中的污浊区域;根据所述污浊区域的面积以及所述车辆的面积,计算所述车辆的污浊比例;根据所述污浊比例,输出所述车辆的洁净程度。
在本申请的一些实施例中,基于前述方案,该生成模块1330被配置为:根据所述用户信息进行查询,获取所述用户信息对应的用户画像,所述用户画像为根据用户的消费记录和车辆养护记录中的至少一个而生成;根据所述用户画像,选取与所述用户画像对应的车辆清洁服务,并对应生成车辆清洁服务信息。
在本申请的一些实施例中,基于前述方案,该推送模块1340被配置为:若检测到预定事件发生,则向登陆所述应用程序账号的终端推送所述车辆清洁服务信息,其中,所述预定事件包括用户搜索预定内容、洗车周期超过预定周期以及车辆位于预定范围内中的至少一个。
在本申请的一些实施例中,基于前述方案,所述车辆清洁服务信息为洗车服务提供方信息,该生成模块1330被配置为:基于所述用户信息进行查询,确定所述用户信息对应的常用地址信息;基于所述常用地址信息进行查询,确定位于所述常用地址信息预定范围内的洗车服务提供方;根据所述洗车服务提供方,生成车辆清洁服务信息。
图14示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
需要说明的是,图14示出的电子设备的计算机系统仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图14所示,计算机系统包括中央处理单元(Central Processing Unit,CPU)1401,其可以根据存储在只读存储器(Read-Only Memory,ROM)1402中的程序或者从储存部分1408加载到随机访问存储器(Random Access Memory,RAM)1403中的程序而执行各种适当的动作和处理,例如执行上述实施例中所述的方法。在RAM 1403中,还存储有系统操作所需的各种程序和数据。CPU 1401、ROM 1402以及RAM 1403通过总线1404彼此相连。输入/输出(Input/Output,I/O)接口1405也连接至总线1404。
以下部件连接至I/O接口1405:包括键盘、鼠标等的输入部分1406;包括诸如阴极射线管(Cathode Ray Tube,CRT)、液晶显示器(Liquid Crystal Display,LCD)等以及扬声器等的输出部分1407;包括硬盘等的储存部分1408;以及包括诸如LAN(Local AreaNetwork,局域网)卡、调制解调器等的网络接口卡的通信部分1409。通信部分1409经由诸如因特网的网络执行通信处理。驱动器1410也根据需要连接至I/O接口1405。可拆卸介质1411,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1410上,以便于从其上读出的计算机程序根据需要被安装入储存部分1408。
特别地,根据本申请的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中,该计算机程序可以通过通信部分1409从网络上被下载和安装,和/或从可拆卸介质1411被安装。在该计算机程序被中央处理单元(CPU)1401执行时,执行本申请的系统中限定的各种功能。
需要说明的是,本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备实现上述实施例中所述的方法。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本申请实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本申请实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的实施方式后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (13)
1.一种服务信息的推送方法,其特征在于,包括:
采用预先训练的识别模型对包含车辆的待处理图像进行识别,以使所述识别模型输出所述车辆的洁净程度;
若所述车辆的洁净程度为需清洁程度,则获取所述车辆对应的用户信息;
根据所述用户信息,生成与所述用户信息对应的车辆清洁服务信息;
若检测到所述用户信息对应的应用程序账号登陆时,则向登陆所述应用程序账号的终端推送所述车辆清洁服务信息。
2.根据权利要求1所述的方法,其特征在于,在采用预先训练的识别模型对包含车辆的待处理图像进行识别之前,所述方法还包括:
获取包含车辆的待挑选图像;
根据所述待挑选图像中所述车辆的面积占所述待挑选图像的面积的比例,从所述待挑选图像中识别出待处理图像。
3.根据权利要求2所述的方法,其特征在于,根据所述待挑选图像中出所述车辆的面积占所述待挑选图像的面积的比例,从所述待挑选图像中识别出待处理图像,包括:
根据所述待挑选图像进行识别,确定所述车辆在所述待挑选图像中的完整度;
基于所述完整度,若所述车辆完整位于所述待挑选图像中,则计算所述车辆的面积;
根据所述车辆的面积占所述待挑选图像的面积的比例,从所述待挑选图像中识别出待处理图像。
4.根据权利要求2所述的方法,其特征在于,根据所述待挑选图像中所述车辆的面积占所述待挑选图像的面积的比例,从所述待挑选图像中识别出待处理图像,包括:
对所述待挑选图像中的所述车辆进行车辆类型识别,确定所述车辆对应的车辆类型;
根据所述车辆类型,确定与所述车辆类型对应的比例阈值;
若所述待挑选图像中所述车辆的面积占所述待挑选图像的面积的比例大于或等于所述比例阈值,则将所述待挑选图像识别为待处理图像。
5.根据权利要求1所述的方法,其特征在于,获取所述车辆对应的用户信息,包括:
对所述待处理图像中的所述车辆进行识别,获取所述车辆的标识信息;
根据所述车辆的标识信息进行查询,获取所述车辆对应的用户信息。
6.根据权利要求1所述的方法,其特征在于,采用预先训练的识别模型对包含车辆的待处理图像进行识别,以使所述识别模型输出所述车辆的洁净程度,包括:
根据包含车辆的待处理图像,截取所述车辆所在区域的目标图像;
将所述目标图像输入至基于分类算法构建的分类模型中,以使所述分类模型输出所述车辆的清洁标签,所述清洁标签包括需清洁和无需清洁。
7.根据权利要求1所述的方法,其特征在于,采用预先训练的识别模型对包含车辆的待处理图像进行识别,以使所述识别模型输出所述车辆的洁净程度,包括:
根据包含车辆的待处理图像,截取所述车辆所在区域的目标图像;
将所述目标图像输入至基于图像分割算法构建的识别模型中,以使所述识别模型识别出所述车辆中的污浊区域;
根据所述污浊区域的面积以及所述车辆的面积,计算所述车辆的污浊比例;
根据所述污浊比例,输出所述车辆的洁净程度。
8.根据权利要求1所述的方法,其特征在于,根据所述用户信息,生成与所述用户信息对应的车辆清洁服务信息,包括:
根据所述用户信息进行查询,获取所述用户信息对应的用户画像,所述用户画像为根据用户的消费记录和车辆养护记录中的至少一个而生成;
根据所述用户画像,选取与所述用户画像对应的车辆清洁服务,并对应生成车辆清洁服务信息。
9.根据权利要求1所述的方法,其特征在于,向登陆所述应用程序账号的终端推送所述车辆清洁服务信息,包括:
若检测到预定事件发生,则向登陆所述应用程序账号的终端推送所述车辆清洁服务信息,其中,所述预定事件包括用户搜索预定内容、洗车周期超过预定周期以及车辆位于预定范围内中的至少一个。
10.根据权利要求1所述的方法,其特征在于,所述车辆清洁服务信息为洗车服务提供方信息;
根据所述用户信息,生成与所述用户信息对应的车辆清洁服务信息,包括:
基于所述用户信息进行查询,确定所述用户信息对应的常用地址信息;
基于所述常用地址信息进行查询,确定位于所述常用地址信息预定范围内的洗车服务提供方;
根据所述洗车服务提供方,生成车辆清洁服务信息。
11.一种服务信息的推送装置,其特征在于,包括:
识别模块,用于采用预先训练的识别模型对包含车辆的所述待处理图像进行识别,以使所述识别模型输出所述车辆的洁净程度;
获取模块,用于若所述车辆的洁净程度为需清洁程度,则获取所述车辆对应的用户信息;
生成模块,用于根据所述用户信息,生成与所述用户信息对应的车辆清洁服务信息;
推送模块,用于若检测到所述用户信息对应的应用程序账号登陆时,则向登陆所述应用程序账号的终端推送所述车辆清洁服务信息。
12.一种计算机可读介质,其上存储有计算机程序,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10中任一项所述的服务信息的推送方法。
13.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1至10中任一项所述的服务信息的推送方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011446253.3A CN112559858A (zh) | 2020-12-08 | 2020-12-08 | 服务信息的推送方法、装置、计算机可读介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011446253.3A CN112559858A (zh) | 2020-12-08 | 2020-12-08 | 服务信息的推送方法、装置、计算机可读介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112559858A true CN112559858A (zh) | 2021-03-26 |
Family
ID=75061373
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011446253.3A Pending CN112559858A (zh) | 2020-12-08 | 2020-12-08 | 服务信息的推送方法、装置、计算机可读介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112559858A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113162809A (zh) * | 2021-04-30 | 2021-07-23 | 腾讯科技(深圳)有限公司 | 驾驶辅助处理方法、装置、计算机可读介质及电子设备 |
CN113689125A (zh) * | 2021-08-26 | 2021-11-23 | 阿波罗智联(北京)科技有限公司 | 信息推送方法和装置 |
CN114900552A (zh) * | 2022-04-13 | 2022-08-12 | 支付宝(杭州)信息技术有限公司 | 驾驶提醒推送处理方法及装置 |
CN116033362A (zh) * | 2021-10-25 | 2023-04-28 | 北京万集科技股份有限公司 | 交通参与对象的绑定方法、装置、计算机设备及介质 |
CN118333614A (zh) * | 2024-06-13 | 2024-07-12 | 杭州雷风新能源科技有限公司 | 电单车运维工作审核方法、程序产品、电子设备及介质 |
CN114900552B (zh) * | 2022-04-13 | 2024-10-29 | 支付宝(杭州)信息技术有限公司 | 驾驶提醒推送处理方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107025576A (zh) * | 2017-03-30 | 2017-08-08 | 北京悦畅科技有限公司 | 洗车服务信息的推送控制方法、装置及系统 |
CN107590461A (zh) * | 2017-09-12 | 2018-01-16 | 广东欧珀移动通信有限公司 | 人脸识别方法及相关产品 |
CN107895281A (zh) * | 2017-10-27 | 2018-04-10 | 深圳市小猫信息技术有限公司 | 一种信息推送方法、装置及存储介质 |
CN108337532A (zh) * | 2018-02-13 | 2018-07-27 | 腾讯科技(深圳)有限公司 | 演出片段的标注方法、视频播放方法、装置及系统 |
CN110217205A (zh) * | 2019-02-26 | 2019-09-10 | 郑永康 | 基于图像识别的车辆清洗方法和系统 |
-
2020
- 2020-12-08 CN CN202011446253.3A patent/CN112559858A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107025576A (zh) * | 2017-03-30 | 2017-08-08 | 北京悦畅科技有限公司 | 洗车服务信息的推送控制方法、装置及系统 |
CN107590461A (zh) * | 2017-09-12 | 2018-01-16 | 广东欧珀移动通信有限公司 | 人脸识别方法及相关产品 |
CN107895281A (zh) * | 2017-10-27 | 2018-04-10 | 深圳市小猫信息技术有限公司 | 一种信息推送方法、装置及存储介质 |
CN108337532A (zh) * | 2018-02-13 | 2018-07-27 | 腾讯科技(深圳)有限公司 | 演出片段的标注方法、视频播放方法、装置及系统 |
CN110217205A (zh) * | 2019-02-26 | 2019-09-10 | 郑永康 | 基于图像识别的车辆清洗方法和系统 |
Non-Patent Citations (1)
Title |
---|
唐健等: "金属表面脏污区域的分割和量化算法研究", 《沈阳理工大学学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113162809A (zh) * | 2021-04-30 | 2021-07-23 | 腾讯科技(深圳)有限公司 | 驾驶辅助处理方法、装置、计算机可读介质及电子设备 |
CN113689125A (zh) * | 2021-08-26 | 2021-11-23 | 阿波罗智联(北京)科技有限公司 | 信息推送方法和装置 |
CN116033362A (zh) * | 2021-10-25 | 2023-04-28 | 北京万集科技股份有限公司 | 交通参与对象的绑定方法、装置、计算机设备及介质 |
CN114900552A (zh) * | 2022-04-13 | 2022-08-12 | 支付宝(杭州)信息技术有限公司 | 驾驶提醒推送处理方法及装置 |
CN114900552B (zh) * | 2022-04-13 | 2024-10-29 | 支付宝(杭州)信息技术有限公司 | 驾驶提醒推送处理方法及装置 |
CN118333614A (zh) * | 2024-06-13 | 2024-07-12 | 杭州雷风新能源科技有限公司 | 电单车运维工作审核方法、程序产品、电子设备及介质 |
CN118333614B (zh) * | 2024-06-13 | 2024-08-30 | 杭州雷风新能源科技有限公司 | 电单车运维工作审核方法、程序产品、电子设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112559858A (zh) | 服务信息的推送方法、装置、计算机可读介质及电子设备 | |
US9195908B2 (en) | Snow classifier context window reduction using class t-scores and mean differences | |
CN112699940B (zh) | 一种车辆清洁关联资源推荐方法、装置及存储介质 | |
CN103383732A (zh) | 图像处理方法和装置 | |
CN114495299A (zh) | 一种车辆停车自动缴费方法、系统及可读存储介质 | |
CN112654999B (zh) | 标注信息的确定方法及装置 | |
CN113674043B (zh) | 商品推荐方法及装置、计算机可读存储介质、电子设备 | |
JP7441848B2 (ja) | ノイズの多いマルチモーダルデータから関心地点についての最適な輸送サービスの場所を自動的に決定する方法 | |
CN109699024B (zh) | 车辆通信方法、装置、电子设备及存储介质 | |
CN112950961B (zh) | 车流量统计方法、装置、设备和存储介质 | |
CN111815394B (zh) | 网约车租车商品方案推荐方法、电子设备及存储介质 | |
CN111582722B (zh) | 风险识别方法、装置、电子设备及可读存储介质 | |
CN112579911A (zh) | 一种车辆洗车信息的推荐方法及系统 | |
CN114462563A (zh) | 一种交易处理方法、装置、设备及存储介质 | |
CN113704643A (zh) | 确定目标物体状态的方法、装置、电子设备以及存储介质 | |
CN113095311A (zh) | 车牌号码识别方法、装置及存储介质 | |
CN110610380A (zh) | 用户画像获取方法、装置、设备和计算机可读存储介质 | |
US11553407B2 (en) | Methods and systems for signal interpretation via image analysis | |
JP7363647B2 (ja) | 情報処理装置、情報処理方法、及び、プログラム | |
CN111882312B (zh) | 管理车辆服务行程的方法、装置、电子设备和存储介质 | |
CN112949752B (zh) | 业务预测系统的训练方法及装置 | |
CN118708817A (zh) | 一种物联网车周边物品推荐方法及系统 | |
CN111028383B (zh) | 车辆行驶数据的处理方法及装置 | |
CN115344788A (zh) | 处理方法、处理装置和电子设备 | |
CN116756424A (zh) | 保险服务推荐方法、装置、服务器及存储介质 |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40040454 Country of ref document: HK |