CN113313023A - 一种智能感知车内有宠物时保障行车安全的方法及系统 - Google Patents
一种智能感知车内有宠物时保障行车安全的方法及系统 Download PDFInfo
- Publication number
- CN113313023A CN113313023A CN202110588725.7A CN202110588725A CN113313023A CN 113313023 A CN113313023 A CN 113313023A CN 202110588725 A CN202110588725 A CN 202110588725A CN 113313023 A CN113313023 A CN 113313023A
- Authority
- CN
- China
- Prior art keywords
- infrared
- image
- rgb
- pet
- vehicle
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000004590 computer program Methods 0.000 claims description 15
- 241000282472 Canis lupus familiaris Species 0.000 claims description 4
- 241000282326 Felis catus Species 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000003708 edge detection Methods 0.000 claims description 3
- 230000004913 activation Effects 0.000 claims 1
- 230000008447 perception Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 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
- G06V20/50—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
- G06V20/593—Recognising seat occupancy
-
- 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
-
- 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
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/10024—Color image
-
- 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
- G06T2207/10048—Infrared image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Toys (AREA)
Abstract
本发明公开了一种智能感知车内有宠物时保障行车安全的方法及系统,通过建立常见的宠物猫、宠物犬、触摸手势图片的识别模型,将车辆内控制区域接受到触控操作时采集到的RGB图片与红外图片进行识别,自动判断车辆是否响应触控操作,有效的提高了行车过程中的安全性。
Description
技术领域
本发明涉及图像识别及车辆控制领域,特别涉及一种智能感知车内有宠物时保障行车安全的方法及系统。
背景技术
目前私家车主将自己的宠物(猫、犬)带入车内一同出行已经成为一种愈来愈普遍的现象。加之目前车内控制由实体按键转向触控的趋势,宠物在车内活动是可能会对部分控制开关(界面)造成误触,随之带来一些干扰如误触空调、音量调节,甚至安全隐患,如打开车窗跌落等。
现有的宠物识别方面的技术通常采用摄像头、麦克风或两者结合的技术方案来对宠物进行识别,这些方案普片存在有这些缺点:1有些宠物平时比较安静不发出声音,所以麦克风可能采集不到;2.摄像头在光线条件不好的情况下(如过亮或过暗)时不能采集可供识别的有效画面;3.图像识别针对如毛绒玩具等特殊场景可能存在误判的情况。同时在车辆控制方面,目前针对车内宠物的场景集中于下车后宠物滞留车内以及宠物爬窗这两个场景,针对宠物在车内等其他安全场景的应用还比较少,因此本申请体出了一种针对宠物在车内时保障行车安全的解决方案。
发明内容
发明目的:本发明的目的是提供一种智能感知车内有宠物时保障行车安全的方法及系统,能够确保宠物在车内时,自动识别车内控制区域内的触碰操作是人进行操作还是宠物误触,提高行车的安全性。
技术方案:本发明所述的一种智能感知车内有宠物时保障行车安全的方法,具体包括以下步骤:
S1:对常见的宠物猫、宠物犬、触摸手势的RGB图片与红外图片进行数据收集,运用神经网络算法进行训练并生成识别模型;
S2:在车辆内部署图像采集组,同时在实体按键上增加触控传感器,采集车辆内控制区域附近图像;
S3:当车辆上实体按键、触控按键或者触控屏的触碰状态激活时,对此时采集到的红外图像及RGB图像结合识别模型做出判断,判断车辆是否响应实体按键、触控按键或者触控屏的触碰状态。
作为优选,所述图像采集组包括有红外采集设备和RGB采集设备,所述红外采集设备选用红外摄像头或者红外传感器,所述RGB采集设备选用高清摄像头。
作为优选,所述同一组图像采集组内的红外采集设备和RGB采集设备的采集图像区域为相同的区域。
作为优选,所述图像采集组采集图像区域覆盖所有车辆内控制区域。
作为优选,所述S4判断车辆是否响应实体按键、触控按键或者触控屏的触碰状态的具体步骤如下:
S3.1:在采集到有效的RGB图像及红外图像时,判断RGB图像与红外图像是否配准、对RGB图像内的实体进行识别判定是否为手、判定是否含有宠物的部分肢体以及宠物部分肢体与手的距离的是否满足阈值,对红外图像中对应识别到的实体温度进行判断是否满足温度阈值,在上述判定均为是的情况下,车辆响应触碰状态;
S3.2:在无法采集到有效RGB图像,能够采集到有效红外图像时,对红外图像中识别到的实体进行判定是否为手以及温度是否大于温度阈值,在上述判定均为是的情况下,车辆响应触碰状态;
S3.3:在其他任意情况下,车辆均不响应。
作为优选,所述判断RGB图像与红外图像是否配准包括以下步骤:
S3.1.1:图像采集组采集红外图像以及RGB图像,对红外图像以及RGB图像分别采用边缘检测算法,分析出红外图像中各主体的边缘及温度以及RGB图像中各主体的边缘;
S3.1.2:选取红外图像和RGB图像中各主体轮廓作为匹配依据,对比相同位置轮廓的面积、边缘曲线、关键转折点的相似程度;
S3.1.3:在相似程度满足本方法预先设定的阈值后,认定选取的红外图像和RGB图像配准。
有益效果:本发明通过图像采集、图像识别、触碰识别技术智能判断当前触发操作的主体是否为人,进而避免宠物在车内活动时对车辆控制进行误触发,提高了车辆在行驶中的安全性。
附图说明
图1是本发明流程示意图。
具体实施方式
下面将结合本申请实施例中的附图1,对本申请实施例中的技术方案进行清楚、完整地描述
本发明的各个步骤如下:
S1:对常见的宠物猫、宠物犬、触摸手势的RGB图片与红外图片进行数据收集,运用神经网络算法进行训练并生成识别模型;
S2:在车辆内部署图像采集组,同时在实体按键上增加触控传感器,采集车辆内控制区域附近图像;
其中图像采集组包括有红外采集设备和RGB采集设备,红外采集设备选用红外摄像头或者红外传感器,RGB采集设备选用高清摄像头,在同一组图像采集组内的红外采集设备和RGB采集设备的采集图像区域为相同的区域,车内图像采集组采集图像的区域覆盖所有车辆内控制区域。
S3:当车辆上实体按键、触控按键或者触控屏的触碰状态激活时,对此时采集到的红外图像及RGB图像结合识别模型做出判断,判断车辆是否响应实体按键、触控按键或者触控屏的触碰状态,具体包括以下步骤:
S3.1:在采集到有效的RGB图像及红外图像时,判断RGB图像与红外图像是否配准、对RGB图像内的实体进行识别判定是否为手、判定是否含有宠物的部分肢体以及宠物部分肢体与手的距离的是否满足阈值,对红外图像中对应识别到的实体温度进行判断是否满足温度阈值,在上述判定均为是的情况下,车辆响应触碰状态,在本实施例中,宠物部分肢体与手的距离的阈值设定在3cm;温度阈值设定在19-29摄氏度之间;
S3.2:在无法采集到有效RGB图像,能够采集到有效红外图像时,对红外图像中识别到的实体进行判定是否为手以及温度是否大于温度阈值,在上述判定均为是的情况下,车辆响应触碰状态;
S3.3:在其他任意情况下,车辆均不响应。
其中判断RGB图像与红外图像是否配准包括以下步骤:
S3.1.1:图像采集组采集红外图像以及RGB图像,对红外图像以及RGB图像分别采用边缘检测算法,分析出红外图像中各主体的边缘及温度以及RGB图像中各主体的边缘;
S3.1.2:选取红外图像和RGB图像中各主体轮廓作为匹配依据,对比相同位置轮廓的面积、边缘曲线、关键转折点的相似程度;
S3.1.3:在相似程度满足本方法预先设定的阈值后,认定选取的红外图像和RGB图像配准。
本实施例还提供了一种智能感知车内有宠物时保障行车安全的系统,包括有RGB采集器、红外采集器、网络接口、存储器和处理器,其中RGB采集器,用于采集RGB图像;红外采集器,用于采集红外图像;网络接口,用于在与其他外部网元之间进行收发信息过程中,实现信号的接收和发送;存储器,用于存储能够在所述处理器上运行的计算机程序指令;处理器,用于在运行所述计算机程序指令时,执行上述智能感知车内有宠物时保障行车安全的系统的步骤。
本实施例还提供了一种计算机存储介质,该计算机存储介质存储有计算机程序,在处理器执行所述计算机程序时可实现以上所描述的方法。所述计算机可读介质可以被认为是有形的且非暂时性的。非暂时性有形计算机可读介质的非限制性示例包括非易失性存储器电路(例如闪存电路、可擦除可编程只读存储器电路或掩膜只读存储器电路)、易失性存储器电路(例如静态随机存取存储器电路或动态随机存取存储器电路)、磁存储介质(例如模拟或数字磁带或硬盘驱动器)和光存储介质(例如CD、DVD或蓝光光盘)等。计算机程序包括存储在至少一个非暂时性有形计算机可读介质上的处理器可执行指令。计算机程序还可以包括或依赖于存储的数据。计算机程序可以包括与专用计算机的硬件交互的基本输入/输出系统(BIOS)、与专用计算机的特定设备交互的设备驱动程序、一个或多个操作系统、用户应用程序、后台服务、后台应用程序等。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:所描述的实施例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做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。
Claims (9)
1.一种智能感知车内有宠物时保障行车安全的方法,其特征在于:具体包括以下步骤:
S1:对常见的宠物猫、宠物犬、触摸手势的RGB图片与红外图片进行数据收集,运用神经网络算法进行训练并生成识别模型;
S2:在车辆内部署图像采集组,同时在实体按键上增加触控传感器,采集车辆内控制区域附近图像;
S3:当车辆上实体按键、触控按键或者触控屏的触碰状态激活时,对此时采集到的红外图像及RGB图像结合识别模型做出判断,判断车辆是否响应实体按键、触控按键或者触控屏的触碰状态。
2.根据权利要求1所述的一种智能感知车内有宠物时保障行车安全的方法,其特征在于:所述图像采集组包括有红外采集设备和RGB采集设备,所述红外采集设备选用红外摄像头或者红外传感器,所述RGB采集设备选用高清摄像头。
3.根据权利要求2所述的一种智能感知车内有宠物时保障行车安全的方法,其特征在于:所述同一组图像采集组内的红外采集设备和RGB采集设备的采集图像区域为相同的区域。
4.根据权利要求1所述的一种智能感知车内有宠物时保障行车安全的方法,其特征在于:所述图像采集组采集图像区域覆盖所有车辆内控制区域。
5.根据权利要求1所述的一种智能感知车内有宠物时保障行车安全的方法,其特征在于:所述S3判断车辆是否响应实体按键、触控按键或者触控屏的触碰状态的具体步骤如下:
S3.1:在采集到有效的RGB图像及红外图像时,判断RGB图像与红外图像是否配准、对RGB图像内的实体进行识别判定是否为手、判定是否含有宠物的部分肢体以及宠物部分肢体与手的距离的是否满足阈值,对红外图像中对应识别到的实体温度进行判断是否满足温度阈值,在上述判定均为是的情况下,车辆响应触碰状态;
S3.2:在无法采集到有效RGB图像,能够采集到有效红外图像时,对红外图像中识别到的实体进行判定是否为手以及温度是否大于温度阈值,在上述判定均为是的情况下,车辆响应触碰状态;
S3.3:在其他任意情况下,车辆均不响应。
6.根据权利要求5所述的一种智能感知车内有宠物时保障行车安全的方法,其特征在于:所述有效的RGB图像和有效的红外图像指的是在触控激活区域RGB采集器和红外图像采集器有采集到识别模型能够识别的实体。
7.根据权利要求5所述的一种智能感知车内有宠物时保障行车安全的方法,其特征在于:所述判断RGB图像与红外图像是否配准包括以下步骤:
S3.1.1:图像采集组采集红外图像以及RGB图像,对红外图像以及RGB图像分别采用边缘检测算法,分析出红外图像中各主体的边缘及温度以及RGB图像中各主体的边缘;
S3.1.2:选取红外图像和RGB图像中各主体轮廓作为匹配依据,对比相同位置轮廓的面积、边缘曲线、关键转折点的相似程度;
S3.1.3:在相似程度满足本方法预先设定的阈值后,认定选取的红外图像和RGB图像配准。
8.一种智能感知车内有宠物时保障行车安全的系统,其特征在于:包括有RGB采集器、红外采集器、网络接口、存储器和处理器,其中:
所述RGB采集器用于采集RGB图像;
所述红外采集器用于采集红外图像;
所述网络接口,用于在与其他外部网元之间进行收发信息过程中,实现信号的接收和发送;
所述存储器,用于存储能够在所述处理器上运行的计算机程序指令;
所述处理器,用于在运行所述计算机程序指令时,执行权利要求1-7中任一项所述的一种智能感知车内有宠物时保障行车安全的方法的步骤。
9.一种计算机存储介质,其特征在于:所述计算机存储介质存储有一种智能感知车内有宠物时保障行车安全的方法,所述一种智能感知车内有宠物时保障行车安全的方法被至少一个处理器执行时实现权利要求1-7中任一项所述的一种智能感知车内有宠物时保障行车安全的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110588725.7A CN113313023A (zh) | 2021-05-28 | 2021-05-28 | 一种智能感知车内有宠物时保障行车安全的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110588725.7A CN113313023A (zh) | 2021-05-28 | 2021-05-28 | 一种智能感知车内有宠物时保障行车安全的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113313023A true CN113313023A (zh) | 2021-08-27 |
Family
ID=77375734
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110588725.7A Pending CN113313023A (zh) | 2021-05-28 | 2021-05-28 | 一种智能感知车内有宠物时保障行车安全的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113313023A (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268853A (zh) * | 2014-03-06 | 2015-01-07 | 上海大学 | 一种红外图像与可见光图像配准方法 |
CN106564461A (zh) * | 2016-11-07 | 2017-04-19 | 深圳市保千里电子有限公司 | 一种车辆内人或宠物安全的智能控制系统及其方法 |
CN106981077A (zh) * | 2017-03-24 | 2017-07-25 | 中国人民解放军国防科学技术大学 | 基于dce和lss的红外图像和可见光图像配准方法 |
CN107578432A (zh) * | 2017-08-16 | 2018-01-12 | 南京航空航天大学 | 融合可见光与红外两波段图像目标特征的目标识别方法 |
CN108074391A (zh) * | 2016-11-14 | 2018-05-25 | 北京加益科技有限公司 | 宠物交互设备及宠物交互系统 |
CN108791119A (zh) * | 2017-05-04 | 2018-11-13 | 奥迪股份公司 | 车辆控制系统及方法 |
CN109523583A (zh) * | 2018-10-09 | 2019-03-26 | 河海大学常州校区 | 一种基于反馈机制的电力设备红外与可见光图像配准方法 |
CN111409550A (zh) * | 2019-01-07 | 2020-07-14 | 上海博泰悦臻电子设备制造有限公司 | 车辆监控方法、车载终端及计算机可读存储介质 |
CN111724573A (zh) * | 2020-06-17 | 2020-09-29 | 深圳市元征科技股份有限公司 | 一种车辆内部监测方法及其相关装置 |
CN112364842A (zh) * | 2020-12-24 | 2021-02-12 | 杭州宇泛智能科技有限公司 | 一种双摄人脸识别方法及装置 |
CN112464782A (zh) * | 2020-11-24 | 2021-03-09 | 惠州华阳通用电子有限公司 | 一种行人识别方法和系统 |
WO2021043073A1 (zh) * | 2019-09-03 | 2021-03-11 | 平安科技(深圳)有限公司 | 基于图像识别的城市宠物活动轨迹监测方法及相关设备 |
-
2021
- 2021-05-28 CN CN202110588725.7A patent/CN113313023A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268853A (zh) * | 2014-03-06 | 2015-01-07 | 上海大学 | 一种红外图像与可见光图像配准方法 |
CN106564461A (zh) * | 2016-11-07 | 2017-04-19 | 深圳市保千里电子有限公司 | 一种车辆内人或宠物安全的智能控制系统及其方法 |
CN108074391A (zh) * | 2016-11-14 | 2018-05-25 | 北京加益科技有限公司 | 宠物交互设备及宠物交互系统 |
CN106981077A (zh) * | 2017-03-24 | 2017-07-25 | 中国人民解放军国防科学技术大学 | 基于dce和lss的红外图像和可见光图像配准方法 |
CN108791119A (zh) * | 2017-05-04 | 2018-11-13 | 奥迪股份公司 | 车辆控制系统及方法 |
CN107578432A (zh) * | 2017-08-16 | 2018-01-12 | 南京航空航天大学 | 融合可见光与红外两波段图像目标特征的目标识别方法 |
CN109523583A (zh) * | 2018-10-09 | 2019-03-26 | 河海大学常州校区 | 一种基于反馈机制的电力设备红外与可见光图像配准方法 |
CN111409550A (zh) * | 2019-01-07 | 2020-07-14 | 上海博泰悦臻电子设备制造有限公司 | 车辆监控方法、车载终端及计算机可读存储介质 |
WO2021043073A1 (zh) * | 2019-09-03 | 2021-03-11 | 平安科技(深圳)有限公司 | 基于图像识别的城市宠物活动轨迹监测方法及相关设备 |
CN111724573A (zh) * | 2020-06-17 | 2020-09-29 | 深圳市元征科技股份有限公司 | 一种车辆内部监测方法及其相关装置 |
CN112464782A (zh) * | 2020-11-24 | 2021-03-09 | 惠州华阳通用电子有限公司 | 一种行人识别方法和系统 |
CN112364842A (zh) * | 2020-12-24 | 2021-02-12 | 杭州宇泛智能科技有限公司 | 一种双摄人脸识别方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3694768B1 (en) | Automatically parking a vehicle in a parking slot | |
KR101543105B1 (ko) | 보행자 인식 장치 및 그의 처리 방법과 이를 지원하는 차량 | |
US9727971B2 (en) | Method and system for updating background model based on depth | |
US9996080B2 (en) | Collision avoidance using auditory data | |
KR20190026116A (ko) | 객체 인식 방법 및 장치 | |
CN111645763B (zh) | 一种充电口盖的控制方法、装置和车辆 | |
US20120304067A1 (en) | Apparatus and method for controlling user interface using sound recognition | |
WO2012147960A1 (ja) | 情報処理装置、情報処理方法及び記録媒体 | |
JP7185419B2 (ja) | 車両のための、対象物を分類するための方法および装置 | |
CN107831987B (zh) | 防手势操作的误触控方法及装置 | |
CN108710828A (zh) | 识别目标物的方法、装置和存储介质以及车辆 | |
US20150183409A1 (en) | Vehicle assistance device and method | |
CN114856363A (zh) | 一种基于神经网络的车窗透气控制方法、装置及车辆 | |
CN113313023A (zh) | 一种智能感知车内有宠物时保障行车安全的方法及系统 | |
KR20210065177A (ko) | 이미지 수집 기기 가림 상태 검출 방법, 장치, 기기 및 저장 매체 | |
CN110388159A (zh) | 用于防止车库门在举升式车门打开时关闭的系统和方法 | |
CN111435422A (zh) | 动作识别方法、控制方法及装置、电子设备和存储介质 | |
KR20210152025A (ko) | 자율주행 자동차의 퍼셉션 네트워크를 학습시키기 위한 온-비히클 액티브 러닝 방법 및 장치 | |
CN113760423A (zh) | 具有智能用户界面的车辆 | |
CN116357198A (zh) | 一种车窗控制方法、系统以及车辆 | |
CN113537123B (zh) | 手势识别方法、装置、电子设备及可读存储介质 | |
JP2018177216A (ja) | 車両が自動的に再び動き出すことを可能にする装置 | |
JP2018177216A5 (zh) | ||
KR102267256B1 (ko) | 장애물 검출 방법, 장치 및 그를 컴퓨터 판독 가능한 기록매체 | |
CN113807292A (zh) | 一种车辆后背门的控制方法、装置、存储介质及系统 |
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 |