CN113378768A - 垃圾桶状态识别方法、装置、设备以及存储介质 - Google Patents

Abstract

本公开提供了一种垃圾桶状态识别方法、装置、设备以及存储介质，涉及人工智能领域，具体涉及计算机视觉和深度学习技术，具体可用于智慧城市和智能云场景下。该方法的一具体实施方式包括：获取待识别图像；确定待识别图像对应的场景类别；利用场景类别对应的状态识别模型对待识别图像中的垃圾桶的状态进行识别，得到识别结果。该实施方式能够更灵活地对垃圾桶状态进行识别，提高了垃圾桶状态识别的准确率。

Description

垃圾桶状态识别方法、装置、设备以及存储介质

技术领域

本公开涉及人工智能领域，具体涉及计算机视觉和深度学习技术，尤其涉及垃圾桶状态识别方法、装置、设备以及存储介质，具体可用于智慧城市和智能云场景下。

背景技术

随着中国城镇化高速增长，每天会产生很多垃圾，用于储存垃圾的垃圾桶、垃圾站也逐渐成为了城市环保管理所必不可少的组成部分。但垃圾桶经常会出现垃圾溢出、歪倒等现象，从而导致垃圾杂乱，影响城市容貌。此外，现有主要靠人工定时巡查来对垃圾桶的状态进行检查，可能会存在清理滞后的情况，或者出现垃圾桶未满(或空桶)造成垃圾收运车白跑一趟的情况，浪费人力以及物力。所以，对垃圾桶以及垃圾站的管理一直都是城市的管理难点。

发明内容

本公开提供了一种垃圾桶状态识别方法、装置、设备以及存储介质。

根据本公开的第一方面，提供了一种垃圾桶状态识别方法，包括：获取待识别图像；确定待识别图像对应的场景类别；利用场景类别对应的状态识别模型对待识别图像中的垃圾桶的状态进行识别，得到识别结果。

根据本公开的第二方面，提供了一种垃圾桶状态识别装置，包括：第一获取模块，被配置成获取待识别图像；确定模块，被配置成确定待识别图像对应的场景类别；识别模块，被配置成利用场景类别对应的状态识别模型对待识别图像中的垃圾桶的状态进行识别，得到识别结果。

根据本公开的第三方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面中任一实现方式描述的方法。

根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。

根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如第一方面中任一实现方式描述的方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是本公开可以应用于其中的示例性系统架构图；

图2是根据本公开的垃圾桶状态识别方法的一个实施例的流程图；

图3是根据本公开的垃圾桶状态识别方法的另一个实施例的流程图；

图4是垃圾桶的各个状态的示意图；

图5是根据本公开的垃圾桶状态识别方法的又一个实施例的流程图；

图6是本公开的垃圾桶状态识别方法的应用场景图；

图7是根据本公开的垃圾桶状态识别装置的一个实施例的结构示意图；

图8是用来实现本公开实施例的垃圾桶状态识别方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

图1示出了可以应用本公开的垃圾桶状态识别方法或垃圾桶状态识别装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送信息等。终端设备101、102、103上可以安装有各种客户端应用。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述电子设备中。其可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以提供各种服务。例如，服务器105可以对从终端设备101、102、103获取到的待识别图像进行分析和处理，并生成处理结果(例如识别结果)。

需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器105为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本公开实施例所提供的垃圾桶状态识别方法一般由服务器105执行，相应地，垃圾桶状态识别装置一般设置于服务器105中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，其示出了根据本公开的垃圾桶状态识别方法的一个实施例的流程200。该垃圾桶状态识别方法包括以下步骤：

步骤201，获取待识别图像。

在本实施例中，垃圾桶状态识别方法的执行主体(例如图1所示的服务器105)可以获取待识别图像。其中，待识别图像可以为通过图像传感器采集的，图像传感器即能够采集图像的传感器，本实施例中的图像传感器为摄像头传感器(以下简称为摄像头)，也可根据实际情况采用其他的图像传感器，本公开对此不做限定。图像传感器采集的待识别图像中包含有需要进行状态识别的垃圾桶。

在实际应用中，本公开提供的垃圾桶状态识别方法可以应用在智慧城市中，上述待识别图像可为固定摄像头采集的，固定摄像头为智慧城市中遍布在任意地方的摄像头，例如街道上、小区内等等。

在本实施例中，还可以按照实际需要来灵活设置和选取需要进行处理的摄像头，例如经过统计分析发现，有些摄像头所采集的区域内并没有设置垃圾桶，那么就可以不选取这些摄像头，相应的，选取那些采集区域内有垃圾桶的摄像头，并对这些摄像头采集的图像进行识别，从而可以根据实际情况与实际需要来灵活选取摄像头。

步骤202，确定待识别图像对应的场景类别。

在本实施例中，上述执行主体可以确定待识别图像对应的场景类别。其中，场景类别为上述待识别图像中的垃圾桶所处的场景。

需要说明的是，经过大量统计分析发现，不同的场景所设置的垃圾桶的材质形状是不同的。

所以，本实施例中，在获取到待识别图像后，会先确定待识别图像对应的场景类别，也即待识别图像中的垃圾桶所放置的场景。例如，场景类别可以为商场内、街道上等等。

步骤203，利用场景类别对应的状态识别模型对待识别图像中的垃圾桶的状态进行识别，得到识别结果。

在本实施例中，上述执行主体可以利用与步骤202确定的场景类别对应的状态识别模型来对待识别图像中的垃圾桶的状态进行识别，从而得到对应的识别结果。由于不同场景下的垃圾桶形状和材质可能都不相同，所以，本实施例中预先为每种场景训练了对应的状态识别模型。在确定了待识别图像对应的场景类别后，会采用与场景类别对应的状态识别模型来对待识别图像中的垃圾桶的状态进行识别，从而更灵活、更准确地对垃圾桶的状态进行识别。

此外，识别结果中包括垃圾桶的状态信息，例如，当垃圾桶的盖子未盖上时，垃圾桶的状态为“未合盖”；当垃圾桶的垃圾洒落在地上时，垃圾桶的状态为“洒落垃圾”等等，可以根据实际情况来为垃圾桶设置其他的状态，本实施例中对此不做具体限定。

例如，确定了待识别图像对应的场景类别为街道时，上述执行主体会使用场景“街道”对应的状态识别模型来对待识别图像中的垃圾桶的状态进行识别，得到识别结果，识别结果中可以包括垃圾桶的状态为洒落垃圾。

本公开实施例提供的垃圾桶状态识别方法，首先使用城市中现有的摄像头来采集待识别图像，从而不需增加额外的设备，只增加服务器即可完成对待识别图像进行采集，高效地利用了现有资源，成本低。然后确定待识别图像对应的场景类别；并使用场景类别对应的状态识别模型对待识别图像中的垃圾桶的状态进行识别，得到识别结果，本实施例中使用与场景类别对应的状态识别模型来进行垃圾桶状态的识别，能够更灵活地对不同场景下不同形状或材质的垃圾桶进行识别，进而提高了垃圾桶状态识别结果的准确性。

本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。

继续参考图3，图3示出了根据本公开的垃圾桶状态识别方法的另一个实施例的流程300。该垃圾桶状态识别方法包括以下步骤：

步骤301，获取待识别图像。

步骤301与前述实施例的步骤201基本一致，具体实现方式可以参考前述对步骤201的描述，此处不再赘述。

步骤302，将待识别图像输入至预先训练的场景识别模型中，得到待识别图像对应的场景类别。

在本实施例中，垃圾桶状态识别方法的执行主体(例如图1所示的服务器105)可以将待识别图像输入至预先训练好的场景类别模型中，由场景识别模型来对待识别图像的场景进行识别，从而得到待识别图像对应的场景类别。

需要说明的是，在本实施例中，会预先训练场景识别模型，训练过程包括：针对每个场景，采集该场景下的不同垃圾桶的图像，并对采集的图像进行人工标注，可以标注出图像中的垃圾桶区域，从而将垃圾桶与背景图像进行区分，并标注上该图像对应的场景类别信息，然后使用标注后的图像对模型进行训练，从而得到训练完成的场景识别模型。

将待识别图像输入至该训练好的场景识别模型中后，场景识别模型会确定待识别图像中的背景图像，背景图像即为待识别图像中除去垃圾桶的其余部分图像。然后，基于背景图像来对垃圾桶所处的场景(也即待识别图像对应的场景)进行识别，从而提高了确定的场景类别信息的准确性。

在本实施例的一些可选实施方式中，场景类别包括：室内公共场所或室外公共场所，室外公共场所包括但不限于：社区、街道或景区。首先，场景类别可以包括室内公共场所，本实现方式中的室内公共场所包括商场、博物馆等所有室内公共场所；此外，场景类别还可以包括室外公共场所，本实现方式中的室外公共场所包括社区、街道、景区等所有室外公共场所。

步骤303，获取场景类别对应的状态识别模型。

在本实施例中，上述执行主体可以获取场景类别对应的状态识别模型。在本实施例中，为每个场景类别预先训练了对应的状态识别模型，当确定了待识别图像对应的场景类别后，上述执行主体会获取该场景类别对应的状态识别模型。

例如，当确定待识别图像对应的场景类别为“社区”后，上述执行主体会获取与“社区”对应的状态识别模型。

步骤304，将待识别图像输入至状态识别模型中，确定垃圾桶在待识别图像中的位置信息。

在本实施例中，上述执行主体可以将待识别图像输入至步骤303获取的状态识别模型中，从而确定垃圾桶在待识别图像中的位置信息。将待识别图像输入至状态识别模型中，状态识别模型会提取待识别图像中各个部分的特征，然后由RPN(RegionProposalNetwork，区域生成网络)来将待识别图像中的垃圾桶与背景图像进行分离，从而确定垃圾桶在待识别图像中的位置信息，其中，垃圾桶在待识别图像中的位置信息可以为垃圾桶在待识别图像中的坐标信息。

步骤305，基于位置信息生成候选区域，对候选区域内的垃圾桶的状态进行识别，输出得到识别结果。

在本实施例中，上述执行主体可以基于步骤304确定的位置信息来生成候选区域，并对候选区域内的垃圾桶的状态进行识别，输出得到识别结果。

由上述内容可知，位置信息即为垃圾桶在待识别图像中的位置信息，基于该位置信息可以生成待识别图像中候选区域，候选区域即为待识别图像中仅包含垃圾桶的区域。

需要说明的是，当待识别图像中包含多个垃圾桶时，会生成多个候选区域，每个候选区域内包含一个垃圾桶，从而可以对每个垃圾桶的状态进行识别。

生成候选区域后，状态识别模型会对候选区域内的垃圾桶的状态进行识别，具体的，会对每个候选区域内的垃圾桶的特征进行池化操作，之后由全卷积网络对候选区域进行像素分割，以得到固定长度的特征向量，再进行分类，从而得到最终的识别结果，并将该识别结果进行输出。

在本实施例的一些可选实施方式中，识别结果包括垃圾桶的状态信息，其中，垃圾桶的状态信息包括：正常状态或异常状态，异常状态包括但不限于以下至少一种：满溢、歪倒、未合盖、洒落垃圾。正常状态即垃圾桶没有任何异常，异常状态可以包括垃圾桶自身的异常，如歪倒、未合盖、满溢(即垃圾溢出垃圾桶)等，异常状态还可以包括垃圾的异常，如洒落垃圾(垃圾洒落在地上)等。图4是垃圾桶的各个状态的示意图，如图4所示，图4(a)为垃圾桶的正常状态的示意图，图4(b)为垃圾桶的满溢状态的示意图，图4(c)为垃圾桶的歪倒状态的示意图，图4(d)为垃圾桶的未合盖状态的示意图，图4(e)为垃圾桶的洒落垃圾状态的示意图。

从图3中可以看出，与图2对应的实施例相比，本实施例中的垃圾桶状态识别方法突出了使用预先训练的场景识别模型来确定场景类别的步骤，提高了确定的场景类别信息的准确性；此外，通过与场景类别对应的状态识别模型来确定垃圾桶在待识别图像中的位置信息，再基于位置信息生成候选区域，对候选区域内的垃圾桶的状态进行识别，输出得到识别结果，从而更灵活、更准确地对垃圾桶的状态进行识别，应用范围更广。

继续参考图5，图5示出了根据本公开的垃圾桶状态识别方法的又一个实施例的流程500。该垃圾桶状态识别方法包括以下步骤：

步骤501，获取待识别图像。

步骤501与前述实施例的步骤301基本一致，具体实现方式可以参考前述对步骤301的描述，此处不再赘述。

步骤502，获取采集待识别图像的图像传感器的属性信息。

在本实施例中，垃圾桶状态识别方法的执行主体(例如图1所示的服务器105)可以获取采集待识别图像的图像传感器的属性信息。待识别图像是由图像传感器(摄像头)采集的，现在的摄像头一般为IP(Internet Protocol，网际互连协议)摄像头，IP摄像头一般指的就是网络摄像机，它包括一个普通摄像机、视频服务器、网卡、应用软件等，有的还包括云台和变倍镜头。IP摄像头在采集图像时，会产生采集的时间信息、该摄像头的标识信息、该摄像头的经纬度信息等等。上述执行主体可以获取摄像头的上述属性信息。

步骤503，基于属性信息确定待识别图像对应的场景类别。

在本实施例中，上述执行主体可以基于步骤502获取的属性信息确定待识别图像对应的场景类别。例如，可以基于摄像头的经纬度信息来确定该摄像头是在社区内还是在街道上或是在其他场景下，在确定了摄像头对应的场景类别后，就可以基于摄像头的场景类别来确定待识别图像对应的场景类别。

步骤504，获取场景类别对应的状态识别模型。

步骤505，将待识别图像输入至状态识别模型中，确定垃圾桶在待识别图像中的位置信息。

步骤506，基于位置信息生成候选区域，对候选区域内的垃圾桶的状态进行识别，输出得到识别结果。

步骤504-506与前述实施例的步骤303-305基本一致，具体实现方式可以参考前述对步骤303-305的描述，此处不再赘述。

步骤507，响应于垃圾桶的状态信息为异常状态，基于状态信息生成状态提醒信息。

在本实施例中，上述执行主体可以在垃圾桶的状态信息为异常状态的情况下，基于该状态信息来生成状态提醒信息。由于识别结果中除了垃圾桶的状态信息还可以包括其他信息，例如垃圾桶的材质、垃圾桶在待识别图像中的位置信息等，但是在生成状态提醒信息时，只需要包括垃圾桶的状态信息，所以，可将识别结果中的各个信息映射为垃圾桶的状态信息，从而基于该状态信息生成状态提醒信息，并将该状态提醒信息发送给相关工作人员，以及时、准确地对异常垃圾桶进行处理。

步骤508，获取状态提醒信息对应的反馈信息。

在本实施例中，上述执行主体可以获取状态提醒信息对应的反馈信息。若相关工作人员接收到状态提醒信息后，发现垃圾桶的状态与状态提醒信息中的状态不符，说明状态识别模型对垃圾桶的状态的识别结果是错误的，相关工作人员会反馈错误信息，然后，上述执行主体会获取状态提醒信息对应的反馈信息。

步骤509，基于反馈信息对状态识别模型进行更新。

在本实施例中，上述执行主体可以基于步骤508获取的反馈信息对状态识别模型进行更新。

在获取到状态错误的反馈信息后，上述执行主体会将该反馈信息添加至状态识别模型中，以使状态识别模型基于该反馈信息进行更新迭代，从而提高状态识别模型的识别准确率。

从图5中可以看出，与图3对应的实施例相比，本实施例中的垃圾桶状态识别方法可以基于采集待识别图像的图像传感器的属性信息来确定待识别图像对应的场景类别，该方法能够更简单、直接地确定场景类别；此外，还可以在垃圾桶状态为异常的情况下，生成状态提醒信息，以提醒相关工作人员及时进行处理，而且还可以基于相关工作人员反馈的错误信息来对状态识别模型进行更新迭代，从而使得识别结果更加准确。

继续参考图6，图6是本公开的垃圾桶状态识别方法的一个应用场景。如图6所示，首先获取包含垃圾桶的待识别图像。然后确定待识别图像对应的场景类别为商场内，也即为室内公共场所，具体地，可利用预先训练的场景识别模型来确定待识别图像对应的场景类别。之后，获取与场景类别“商场”对应的状态识别模型，将待识别图像输入至该状态识别模型中，以对待识别图像中的垃圾桶的状态进行识别，从而得到识别结果，并将该识别结果进行输出，识别结果中包括垃圾桶的状态信息为“洒落垃圾”。

进一步参考图7，作为对上述各图所示方法的实现，本公开提供了一种垃圾桶状态识别装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图7所示，本实施例的垃圾桶状态识别装置700包括：第一获取模块701、确定模块702和识别模块703。其中，第一获取模块701，被配置成获取待识别图像；确定模块702，被配置成确定待识别图像对应的场景类别；识别模块703，被配置成利用场景类别对应的状态识别模型对待识别图像中的垃圾桶的状态进行识别，得到识别结果。

在本实施例中，垃圾桶状态识别装置700中：第一获取模块701、确定模块702和识别模块703的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201-203的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，确定模块包括：第一确定子模块，被配置成将待识别图像输入至预先训练的场景识别模型中，得到待识别图像对应的场景类别。

在本实施例的一些可选的实现方式中，确定模块还包括：第一获取子模块，被配置成获取采集待识别图像的图像传感器的属性信息；第二确定子模块，被配置成基于属性信息确定待识别图像对应的场景类别。

在本实施例的一些可选的实现方式中，识别模块包括：第二获取子模块，被配置成获取场景类别对应的状态识别模型；第三确定子模块，被配置成将待识别图像输入至状态识别模型中，确定垃圾桶在待识别图像中的位置信息；识别子模块，被配置成基于位置信息生成候选区域，对候选区域内的垃圾桶的状态进行识别，输出得到识别结果。

在本实施例的一些可选的实现方式中，识别结果包括垃圾桶的状态信息，其中，垃圾桶的状态信息包括：正常状态或异常状态，异常状态包括以下至少一种：满溢、歪倒、未合盖、洒落垃圾。

在本实施例的一些可选的实现方式中，上述垃圾桶状态识别装置还包括：生成模块，被配置成响应于垃圾桶的状态信息为异常状态，基于状态信息生成状态提醒信息。

在本实施例的一些可选的实现方式中，上述垃圾桶状态识别装置还包括：第二获取模块，被配置成获取状态提醒信息对应的反馈信息；更新模块，被配置成基于反馈信息对状态识别模型进行更新。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图8所示，设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。

设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的垃圾桶状态识别器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理，例如垃圾桶状态识别方法。例如，在一些实施例中，垃圾桶状态识别方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的垃圾桶状态识别方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行垃圾桶状态识别方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程垃圾桶状态识别装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户垃圾桶状态识别信息的垃圾桶状态识别装置(例如，CRT(阴极射线管)或者LCD(液晶垃圾桶状态识别器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (18)

1.一种垃圾桶状态识别方法，包括：

获取待识别图像；

确定所述待识别图像对应的场景类别；

利用所述场景类别对应的状态识别模型对所述待识别图像中的垃圾桶的状态进行识别，得到识别结果。

2.根据权利要求1所述的方法，其中，所述确定所述待识别图像对应的场景类别，包括：

将所述待识别图像输入至预先训练的场景识别模型中，得到所述待识别图像对应的场景类别。

3.根据权利要求1所述的方法，其中，所述确定所述待识别图像对应的场景类别，还包括：

获取采集所述待识别图像的图像传感器的属性信息；

基于所述属性信息确定所述待识别图像对应的场景类别。

4.根据权利要求1-3中任一项所述的方法，其中，所述场景类别包括：室内公共场所或室外公共场所，所述室外公共场所包括：社区、街道或景区。

5.根据权利要求1-4中任一项所述的方法，其中，所述利用所述场景类别对应的状态识别模型对所述待识别图像中的垃圾桶的状态进行识别，得到识别结果，包括：

获取所述场景类别对应的状态识别模型；

将所述待识别图像输入至所述状态识别模型中，确定垃圾桶在所述待识别图像中的位置信息；

基于所述位置信息生成候选区域，对所述候选区域内的垃圾桶的状态进行识别，输出得到识别结果。

6.根据权利要求5所述的方法，其中，所述识别结果包括垃圾桶的状态信息，其中，所述垃圾桶的状态信息包括：正常状态或异常状态，所述异常状态包括以下至少一种：满溢、歪倒、未合盖、洒落垃圾。

7.根据权利要求6所述的方法，所述方法还包括：

响应于所述垃圾桶的状态信息为异常状态，基于所述状态信息生成状态提醒信息。

8.根据权利要求7所述的方法，所述方法还包括：

获取所述状态提醒信息对应的反馈信息；

基于所述反馈信息对所述状态识别模型进行更新。

9.一种垃圾桶状态识别装置，包括：

第一获取模块，被配置成获取待识别图像；

确定模块，被配置成确定所述待识别图像对应的场景类别；

识别模块，被配置成利用所述场景类别对应的状态识别模型对所述待识别图像中的垃圾桶的状态进行识别，得到识别结果。

10.根据权利要求9所述的装置，其中，所述确定模块包括：

第一确定子模块，被配置成将所述待识别图像输入至预先训练的场景识别模型中，得到所述待识别图像对应的场景类别。

11.根据权利要求9所述的装置，其中，所述确定模块还包括：

第一获取子模块，被配置成获取采集所述待识别图像的图像传感器的属性信息；

第二确定子模块，被配置成基于所述属性信息确定所述待识别图像对应的场景类别。

12.根据权利要求9-11中任一项所述的装置，其中，所述识别模块包括：

第二获取子模块，被配置成获取所述场景类别对应的状态识别模型；

第三确定子模块，被配置成将所述待识别图像输入至所述状态识别模型中，确定垃圾桶在所述待识别图像中的位置信息；

识别子模块，被配置成基于所述位置信息生成候选区域，对所述候选区域内的垃圾桶的状态进行识别，输出得到识别结果。

13.根据权利要求12所述的装置，其中，所述识别结果包括垃圾桶的状态信息，其中，所述垃圾桶的状态信息包括：正常状态或异常状态，所述异常状态包括以下至少一种：满溢、歪倒、未合盖、洒落垃圾。

14.根据权利要求13所述的装置，所述装置还包括：

生成模块，被配置成响应于所述垃圾桶的状态信息为异常状态，基于所述状态信息生成状态提醒信息。

15.根据权利要求14所述的装置，所述装置还包括：

第二获取模块，被配置成获取所述状态提醒信息对应的反馈信息；

更新模块，被配置成基于所述反馈信息对所述状态识别模型进行更新。

16.一种终端设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。

17.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1-8中任一项所述的方法。

18.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-8中任一项所述的方法。

Images