CN116362267B - 用于车载电瓶的识别方法、装置、电子设备和可读介质 - Google Patents

用于车载电瓶的识别方法、装置、电子设备和可读介质 Download PDF

Info

Publication number
CN116362267B
CN116362267B CN202310191965.2A CN202310191965A CN116362267B CN 116362267 B CN116362267 B CN 116362267B CN 202310191965 A CN202310191965 A CN 202310191965A CN 116362267 B CN116362267 B CN 116362267B
Authority
CN
China
Prior art keywords
radio frequency
identification
information
frequency signal
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.)
Active
Application number
CN202310191965.2A
Other languages
English (en)
Other versions
CN116362267A (zh
Inventor
王三阳
赵娜
陈智兴
罗建萌
隋宗宾
吴迪
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.)
Zhongguancun Smart City Co Ltd
Original Assignee
Zhongguancun Smart City Co Ltd
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 Zhongguancun Smart City Co Ltd filed Critical Zhongguancun Smart City Co Ltd
Priority to CN202310191965.2A priority Critical patent/CN116362267B/zh
Publication of CN116362267A publication Critical patent/CN116362267A/zh
Application granted granted Critical
Publication of CN116362267B publication Critical patent/CN116362267B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/10009—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves
    • G06K7/10297—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves arrangements for handling protocols designed for non-contact record carriers such as RFIDs NFCs, e.g. ISO/IEC 14443 and 18092
    • 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
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • 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
    • G06N3/0499—Feedforward networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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
    • 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
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Molecular Biology (AREA)
  • Toxicology (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Computer Security & Cryptography (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Human Computer Interaction (AREA)
  • Electromagnetism (AREA)
  • Traffic Control Systems (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本公开的实施例公开了用于车载电瓶的识别方法、装置、电子设备和可读介质。该方法的一具体实施方式包括：响应于目标出入口位置安装的第一射频识别装置识别到第一射频信号，执行以下处理步骤：对第一射频信号进行身份识别；开启目标出入口位置对应的图像采集装置进行图像采集；对第一图像进行图像识别；根据第一射频信号、第二射频信号和第三射频信号进行车载电瓶定位；响应于确定识别置信度小于等于预设识别置信度，根据车载电瓶位置信息、第一身份信息和人员识别信息集合，生成识别结果信息。该实施方式提高了针对车载电瓶入楼识别的成功率和准确率。

Description

用于车载电瓶的识别方法、装置、电子设备和可读介质
技术领域
本公开的实施例涉及计算机技术领域，具体涉及用于车载电瓶的识别方法、装置、电子设备和可读介质。
背景技术
近些年，电动自行车以经济便携等特点，逐渐成为居民出行的重要交通工具。其中，电动自行车的保有量逐年递增，由此引发的电动自行车安全问题也日益突出。大部分社区由于缺乏电动自行车的充电设施，导致常有居民在室内进行电动自行车充电的情况发生。使得因电动自行车室内充电所导致的火灾事故频繁发生。目前，在进行电动自行车入楼识别时，通常采用的方式为：采用视频识别的方式进行电动自行车检测。
然而，发明人发现，当采用上述方式时，经常会存在如下技术问题：
第一，对于携带车载电瓶入楼的情形，由于车载电瓶的体积较小，同时，易被遮挡，使得采用视频识别的方式，识别成功率较低；
第二，由于用于视频识别的识别模型，往往需要根据新出现的电动自行车或车载电瓶进行模型更新，模型维护成本较高，同时当未及时更新时，识别准确度难以保障。该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了用于车载电瓶的识别方法、装置、电子设备和可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面，本公开的一些实施例提供了一种用于车载电瓶的识别方法，该方法包括：响应于目标出入口位置安装的第一射频识别装置识别到第一射频信号，执行以下处理步骤：对上述第一射频信号进行身份识别，以生成第一身份信息；开启上述目标出入口位置对应的图像采集装置进行图像采集，得到第一图像；对上述第一图像进行图像识别，以得到图像识别信息，其中，上述图像识别信息包括：车载电瓶识别信息和人员识别信息集合，上述车载电瓶识别信息包括：识别置信度，人员识别信息表征识别得到的、进出上述目标出入口位置的出入人员的人员识别结果；响应于上述目标出入口位置安装的第二射频识别装置识别到第二射频信号，以及第三射频识别装置识别到第三射频识别信号，根据上述第一射频信号、上述第二射频信号和上述第三射频信号进行车载电瓶定位，得到车载电瓶位置信息；响应于确定上述识别置信度小于等于预设识别置信度，根据上述车载电瓶位置信息、上述第一身份信息和上述人员识别信息集合，生成识别结果信息。
第二方面，本公开的一些实施例提供了一种用于车载电瓶的识别装置，装置包括：执行单元，被配置成响应于目标出入口位置安装的第一射频识别装置识别到第一射频信号，执行以下处理步骤：对上述第一射频信号进行身份识别，以生成第一身份信息；开启上述目标出入口位置对应的图像采集装置进行图像采集，得到第一图像；对上述第一图像进行图像识别，以得到图像识别信息，其中，上述图像识别信息包括：车载电瓶识别信息和人员识别信息集合，上述车载电瓶识别信息包括：识别置信度，人员识别信息表征识别得到的、进出上述目标出入口位置的出入人员的人员识别结果；响应于上述目标出入口位置安装的第二射频识别装置识别到第二射频信号，以及第三射频识别装置识别到第三射频识别信号，根据上述第一射频信号、上述第二射频信号和上述第三射频信号进行车载电瓶定位，得到车载电瓶位置信息；响应于确定上述识别置信度小于等于预设识别置信度，根据上述车载电瓶位置信息、上述第一身份信息和上述人员识别信息集合，生成识别结果信息。
第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的用于车载电瓶的识别方法，提高了对车载电瓶入楼的识别成功率和准确率。具体来说，造成识别成功率和准确率较低的原因在于：第一，对于携带车载电瓶入楼的情形，由于车载电瓶的体积较小，同时，易被遮挡，使得采用视频识别的方式，识别成功率较低；第二，由于用于视频识别的识别模型，往往需要根据新出现的电动自行车或车载电瓶进行模型更新，模型维护成本较高，同时当未及时更新时，识别准确度难以保障。基于此，本公开的一些实施例的用于车载电瓶的识别方法，响应于目标出入口位置安装的第一射频识别装置识别到第一射频信号，执行以下处理步骤：首先，对上述第一射频信号进行身份识别，以生成第一身份信息。相较于仅采用视频识别的方式，通过识别预先安装在车载电瓶上的无线射频标签，可以在车载电瓶被遮挡的情况下，识别得到车载电瓶。接着，开启上述目标出入口位置对应的图像采集装置进行图像采集，得到第一图像。其次，对上述第一图像进行图像识别，以得到图像识别信息，其中，上述图像识别信息包括：车载电瓶识别信息和人员识别信息集合，上述车载电瓶识别信息包括：识别置信度，人员识别信息表征识别得到的、进出上述目标出入口位置的出入人员的人员识别结果。实际情况中，在人员进出过程中，往往会存在同时多个人员进出的情形，因此，需要结合图像进行车载电瓶的进一步识别和人员识别。进一步，响应于上述目标出入口位置安装的第二射频识别装置识别到第二射频信号，以及第三射频识别装置识别到第三射频识别信号，根据上述第一射频信号、上述第二射频信号和上述第三射频信号进行车载电瓶定位，得到车载电瓶位置信息。实践中，仅采用单一的射频信号，难以有效对车载电瓶的位置进行有效识别，因此，需要结合第一射频信号、第二射频信号和第三射频信号共同进行车载电瓶的定位。最后，响应于确定上述识别置信度小于等于预设识别置信度，根据上述车载电瓶位置信息、上述第一身份信息和上述人员识别信息集合，生成识别结果信息。使得即使模型识别精度较低时，结合模型识别结果和基于射频信号得到的车载电瓶位置信息综合生成识别结果信息。通过此种方式，能够对车载电瓶被遮挡情况下的车载电瓶进行有效识别和定位，大大提高了对车载电瓶入楼的识别成功率和准确率。有效地降低了因车载电瓶入楼所造成的事故发生。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
图1是根据本公开的用于车载电瓶的识别方法的一些实施例的流程图；
图2是人体骨骼结构特征点集合的生成示意图；
图3是根据本公开的用于车载电瓶的识别装置的一些实施例的结构示意图；
图4是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。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。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
参考图1，示出了根据本公开的用于车载电瓶的识别方法的一些实施例的流程100。该用于车载电瓶的识别方法，包括以下步骤：
步骤101，响应于目标出入口位置安装的第一射频识别装置识别到第一射频信号，执行以下处理步骤：
步骤1011，对第一射频信号进行身份识别，以生成第一身份信息。
在一些实施例中，执行主体（例如，计算设备）可以对第一射频信号进行身份识别，以生成第一身份信息。其中，第一射频识别装置可以是RFID（Radio FrequencyIdentification，射频识别）装置。第一射频信号可以目标车载电瓶上安装的RFID标签对应的、针对第一射频识别装置的射频信号。目标车载电瓶可以是待进入上述目标出入口位置、且安装有RIFD标签的车载电瓶。实践中，目标出入口位置可以是单元楼的出入口。第一身份信息可以是预先录制的与上述目标车载电瓶对应的身份信息。实践中，第一身份信息可以包括：目标车载电瓶对应的电瓶标识、目标车载电瓶对应的所属者身份信息。
需要说明的是，上述计算设备可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的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。应该理解，计算设备的数目根据实现需要，可以具有任意数目的计算设备。
步骤1012，开启目标出入口位置对应的图像采集装置进行图像采集，得到第一图像。
在一些实施例中，上述执行主体可以开启目标出入口位置对应的图像采集装置进行图像采集，得到第一图像。其中，上述图像采集装置可以是安装于上述目标出入口位置的、用于采集目标出入口位置的图像的装置。实践中，图像采集装置可以是摄像头。具体的，上述图像采集装置可以不间断地进行视频图像采集，当识别到第一身份信息时，上述执行主体可以将对应时间采集得到的帧图像作为第一图像。
步骤1013，对第一图像进行图像识别，以得到图像识别信息。
在一些实施例中，上述执行主体可以对第一图像进行图像识别，以得到图像识别信息。其中，上述图像识别信息包括：车载电瓶识别信息和人员识别信息集合。上述车载电瓶识别信息包括：识别置信度。人员识别信息表征识别得到的、进出上述目标出入口位置的出入人员的人员识别结果。车载电瓶识别信息表征从第一图像识别得到的车载电瓶对应的信息。识别置信度表征识别得到的车载电瓶的置信度。实践中，上述执行主体可以通过多目标识别模型，对上述第一图像进行图像识别。例如，上述多目标识别模型可以是YOLO模型。实践中，人员身份信息可以包括：人员位置，人员身份标识。其中，人员位置表征识别得到的人员在第一图像中的位置。人员身份标识表征识别得到的人员的身份标识。
在一些实施例的一些可选的实现方式中，上述执行主体对第一图像进行图像识别，以得到图像识别信息，可以包括以下步骤：
第一步，对上述第一图像进行图像二值化处理，以生成二值化后图像。
实践中，上述执行主体可以通过最大值最小值二值化，对第一图像进行图像二值化处理，以生成二值化后图像。
第二步，通过预先训练的识别模型包括的人员识别模型，对上述二值化后图像进行人员识别，以生成人体骨骼结构特征点，得到人体骨骼结构特征点集合。
作为示例，如图2所示的人体骨骼结构特征点集合的生成示意图，其中，人员识别模型包括：头部关键点提取模型202、躯干关键点提取模型203和肢体关键点提取模型204。上述执行主体可以将二值化后图像201分别输入上述头部关键点提取模型202、躯干关键点提取模型203和肢体关键点提取模型204。同时，头部关键点提取模型202的输出会和二值化后图像201同时输入躯干关键点提取模型203。躯干关键点提取模型203的输出会和二值化后图像201同时输入肢体关键点提取模型204。最后，根据头部关键点提取模型202的输出、躯干关键点提取模型203的输出和肢体关键点提取模型204的输出，得到人体骨骼结构特征点集合205。其中，头部关键点提取模型202、躯干关键点提取模型203和肢体关键点提取模型204均采用U-Net网络结构。头部关键点提取模型202的网络层数少于躯干关键点提取模型203。躯干关键点提取模型203的网络层数少于肢体关键点提取模型204。
第三步，对上述人体骨骼结构特征点集合中的每个人体骨骼结构特征点进行手掌结构特征点提取，得到人员信息包括的手掌结构特征点位置组。
第四步，通过上述识别模型包括的车载电瓶识别模型，对上述二值化后图像进行车载电瓶识别，以生成车载电瓶识别信息包括的识别置信度和车载电瓶识别位置。
实践中，上述车载电瓶识别模型为RFBNet模型。
上述识别模型作为本公开的一个发明点，实践中，在进行车载电瓶识别时，除需要对车载电瓶进行识别以外，往往还需要对携带车载电瓶入楼的人员进行识别。基于此，本公开将识别模型细化为人员识别模型和车载电瓶识别模型。具体的，首先，通过头部关键点提取模型、躯干关键点提取模型和肢体关键点提取模型分别进行头部关键点、躯干关键点和肢体关键点的识别。考虑到人员的肢体较小，由此，本公开将头部关键点提取模型的输出作为躯干关键点提取模型的输入的一部分、以及将躯干关键点提取模型的输出作为肢体关键点提取模型的输入的一部分，以进行特征的深度提取。同时，对肢体关键点提取模型设置更深网络层数的网络结构，以提高肢体关键点的提取准确度。此外，考虑到车载电瓶的体积较小，因此将车载电瓶识别转换为小目标识别任务，选取RFBNet模型进行小目标（车载电瓶识别）的识别，以保证识别精度。
可选地，上述车载电瓶识别信息还包括：车载电瓶识别位置。其中，车载电瓶识别位置表征识别得到的车载电瓶在上述第一图像中的位置。人员识别信息包括：手掌结构特征点位置组。其中，手掌结构特征点位置组表征人员识别信息对应的人员的两个手掌关键点的位置。
在一些实施例的一些可选的实现方式中，在上述对上述第一图像进行图像识别，以得到图像识别信息之后，上述方法还包括：
第一步，对于上述人员识别信息集合中的每个人员识别信息，响应于确定上述识别置信度大于上述预设识别置信度，确定上述车载电瓶识别位置和上述人员识别信息包括的手掌结构特征点位置组中的每个手掌结构特征点位置的位置相近度，得到位置相近度组。
实践中，预设识别置信度可以是95%。位置相近度可以是车载电瓶识别位置和手掌结构特征点位置的距离值。
第二步，从上述人员识别信息集合中筛选出对应的位置相近度组满足筛选条件的人员识别信息，作为匹配后身份信息。
其中，筛选条件为：位置相近度组中存在与得到的位置相近度组集合中最大的位置相近度相同的位置相近度。
第三步，响应于确定上述第一身份信息与上述匹配后身份信息不一致，向上述第一身份信息对应的客户端发送第一事件提醒信息。
其中，上述第一事件提醒信息可以是用于提醒车载电瓶所属人员、车载电瓶被非本人携带入楼的提示信息。
第四步，响应于确定上述第一身份信息与上述匹配后身份信息一致，生成与上述第一身份信息对应的记录结果，以及向上述第一身份信息对应的客户端发送第二事件提醒信息。
实践中，考虑到人员携带车载电瓶入楼时，由于车载电瓶重量较大，往往采用手提的方式携带入楼。因此，本公开通过设计计算车载电瓶识别位置和手掌结构特征点位置的位置相近度的方式，来判断和确定携带车载电瓶入楼的人员。
其中，上述第一事件提醒信息可以是用于提醒车载电瓶所属人员（即第一人员信息对应的人员），车载电瓶违规入楼的提醒信息。
步骤1014，响应于目标出入口位置安装的第二射频识别装置识别到第二射频信号，以及第三射频识别装置识别到第三射频识别信号，根据第一射频信号、第二射频信号和第三射频信号进行车载电瓶定位，得到车载电瓶位置信息。
在一些实施例中，响应于目标出入口位置安装的第二射频识别装置识别到第二射频信号，以及第三射频识别装置识别到第三射频识别信号，上述执行主体可以根据第一射频信号、第二射频信号和第三射频信号进行车载电瓶定位，得到车载电瓶位置信息。其中，第二射频识别装置和第三射频识别装置均可以是RFID装置。第二射频信号可以目标车载电瓶上安装的RFID标签对应的、针对第二射频识别装置的射频信号。第三射频信号可以目标车载电瓶上安装的RFID标签对应的、针对第三射频识别装置的射频信号。实践中，第一射频信号、第二射频信号和第三射频信号可以是目标车载电瓶上安装的RIFD标签同时激发第一射频识别装置、第二射频识别装置和第三射频识别装置得到的射频信号。具体的，第一射频识别装置、第二射频识别装置和第三射频识别装置可以安装于同侧。
作为示例，上述执行主体可以根据第一射频信号、第二射频信号和第三射频信号的信号强度，通过质心定位法，确定车载电瓶位置信息。实践中，车载电瓶位置信息可以是三维空间中的位置坐标。
在一些实施例的一些可选的实现方式中，上述执行主体根据上述第一射频信号、上述第二射频信号和上述第三射频信号进行车载电瓶定位，得到车载电瓶位置信息，可以包括以下步骤：
第一步，分别对上述第一射频信号、上述第二射频信号和上述第三射频信号进行调制解调，以得到第一射频信号对应的相位信息、上述第二射频信号对应的相位信息和上述第三射频信号对应的相位信息。
实践中，上述执行主体可以分别对上述第一射频信号、上述第二射频信号和上述第三射频信号进行I/Q调制解调，以得到第一射频信号对应的相位信息、上述第二射频信号对应的相位信息和上述第三射频信号对应的相位信息。
第二步，根据上述第一射频信号的信号角频率、上述第一射频信号对应的相位信息和光速，确定第一距离。
其中，第一射频信号对应的相位信息=第一射频信号在传播过程中的相位变化值+2πk1，其中，k1表示第一射频信号的相位周期数。实践中，第一距离=（第一射频信号对应的相位信息/第一射频信号的信号角频率）*光速。
第三步，根据上述第二射频信号的信号角频率、上述第二射频信号对应的相位信息和光速，确定第二距离；
其中，第二射频信号对应的相位信息=第二射频信号在传播过程中的相位变化值+2πk2，其中，k2表示第二射频信号的相位周期数。实践中，第二距离=（第二射频信号对应的相位信息/第二射频信号的信号角频率）*光速。
第四步，根据上述第三射频信号的信号角频率、上述第三射频信号对应的相位信息和光速，确定第三距离；
其中，第三射频信号对应的相位信息=第三射频信号在传播过程中的相位变化值+2πk3，其中，k3表示第一射频信号的相位周期数。实践中，第三距离=（第三射频信号对应的相位信息/第三射频信号的信号角频率）*光速。
第五步，根据上述第一射频识别装置的装置位置、上述第一射频信号对应的信号到达角和上述第一距离，确定第一位置。
实践中，第一射频信号对应的信号到达角可以是第一射频信号发射方向与水平方向的夹角。
第六步，根据上述第二射频识别装置的装置位置、上述第二射频信号对应的信号到达角和上述第二距离，确定第二位置。
实践中，第二射频信号对应的信号到达角可以是第二射频信号发射方向与水平方向的夹角。
第七步，根据上述第三射频识别装置的装置位置、上述第三射频信号对应的信号到达角和上述第三距离，确定第三位置。
实践中，第三射频信号对应的信号到达角可以是第三射频信号发射方向与水平方向的夹角。
第八步，对上述第一位置、上述第二位置和上述第三位置进行位置融合，以生成上述车载电瓶位置信息。
实践中，上述执行主体可以将第一位置、上述第二位置和上述第三位置的算数平均值，确定为车载电瓶位置信息。
上述第一步至第七步，作为本公开的一个发明点，实际情况中，在依据射频信号进行定位时，常采用的方式如基于信号强度进行定位，此种方式需要依据环境模拟不同的信号损失模型，以保证依据射频信号强度进行定位的准确性。然而，信号在环境中会随着距离的增加产生衰减，同时较复杂的环境，会对信号产生遮挡等，进一步增加信号的衰减。由此，基于信号强度的定位方式，定位精度较差，且实施应用的难度较高。基于此，本公开考虑到相位信稳定性较强，由此采用相位信息进行定位。具体实施过程中，考虑到相位信息具有周期性，同时，硬件（RFID阅读器）得到的相位信息是单周期内的数值，因此，需要结合第二射频信号在传播过程中的相位变化值和相位周期数，确定射频信号的真实相位。然后，再根据角频率、相位信息和光速之间的关系，确定车载电瓶距离射频识别装置的距离。接着，本公开引入信号到达角，从而得到车载电瓶在空间内的位置。此时仅依赖一个信号到达角即可确定车载电瓶在空间内的位置，但本公开考虑到射频识别装置的机械误差，以及射频信号传播过程中的信号误差，可能会影响得到的信号到达角的角度准确度，由此，本公开结合三个射频识别装置和对应的信号到达角，综合计算最终的车载电瓶位置信息，使得提高了得到的车载电瓶位置信息的准确度。
步骤1015，响应于确定所识别置信度小于等于预设识别置信度，根据车载电瓶位置信息、第一身份信息和人员识别信息集合，生成识别结果信息。
在一些实施例中，上述执行主体可以响应于确定所识别置信度小于等于预设识别置信度，根据车载电瓶位置信息、第一身份信息和人员识别信息集合，生成识别结果信息。
作为示例，上述执行主体可以根据车载电瓶位置、第一身份信息和人员识别信息集合进行组合，得到数据记录，作为识别结果信息。实践中，当人员识别信息集合中存在与第一身份信息匹配的人员身份信息时，在识别结果信息中进行标记。
在一些实施例的一些可选的实现方式中，上述执行主体响应于确定上述识别置信度小于等于预设识别置信度，根据上述车载电瓶位置信息、上述第一身份信息和上述人员识别信息集合，生成识别结果信息，包括：
第一步，对上述车载电瓶位置信息对应的位置进行位置映射，以生成映射后位置。
实践中，上述执行主体可以将车载电瓶位置信息对应的位置从三维坐标系下映射至图像坐标系下，即第一图像中像素点所处的坐标系下。
第二步，对上述映射后位置和上述车载电瓶识别位置进行位置融合，以生成融合位置。
实践中，上述执行主体可以对映射后位置和上述车载电瓶识别位置加权求和，得到上述融合位置。
第三步，响应于确定上述人员识别信息集合中存在与上述第一身份信息一致的人员识别信息，根据上述融合位置，生成与上述第一身份信息对应的识别结果信息。
实践中，识别结果信息可以是“第一身份信息对应的人员在融合位置携带车载电瓶”。
在一些实施例的一些可选的实现方式中，上述方法还包括：
第一步，对上述识别结果信息进行信息存储。
第二步，响应于存储成功，对上述第一身份信息对应的目标计数器进行累加。
其中，目标计数器是用于计数第一身份信息对应的人员携带车载电瓶入楼的计数器。
第三步，响应于确定累加后的目标计数器的计数值大于等于第一预设计数器阈值、且小于第二预设计数器阈值，向上述第一身份信息对应的客户端发送第三事件提醒信息。
其中，第一易俗河计数器阈值小于第二预设计数器阈值。第三事件提醒信息用于提醒人员违规次数较多，即将被拉入黑名单。
第四步，响应于确定上述累加后的目标计数器的计数值大于等于上述第二预设计数器阈值，将上述第一身份信息对应的人员添加至黑名单。
实践中，黑名单内的身份信息对应的人员可以被拒绝入楼。具体的，针对黑名单内的身份人员信息对应的人员的操作，可以依场景灵活设定。
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的用于车载电瓶的识别方法，提高了对车载电瓶入楼的识别成功率和准确率。具体来说，造成识别成功率和准确率较低的原因在于：第一，对于携带车载电瓶入楼的情形，由于车载电瓶的体积较小，同时，易被遮挡，使得采用视频识别的方式，识别成功率较低；第二，由于用于视频识别的识别模型，往往需要根据新出现的电动自行车或车载电瓶进行模型更新，模型维护成本较高，同时当未及时更新时，识别准确度难以保障。基于此，本公开的一些实施例的用于车载电瓶的识别方法，响应于目标出入口位置安装的第一射频识别装置识别到第一射频信号，执行以下处理步骤：首先，对上述第一射频信号进行身份识别，以生成第一身份信息。相较于仅采用视频识别的方式，通过识别预先安装在车载电瓶上的无线射频标签，可以在车载电瓶被遮挡的情况下，识别得到车载电瓶。接着，开启上述目标出入口位置对应的图像采集装置进行图像采集，得到第一图像。其次，对上述第一图像进行图像识别，以得到图像识别信息，其中，上述图像识别信息包括：车载电瓶识别信息和人员识别信息集合，上述车载电瓶识别信息包括：识别置信度，人员识别信息表征识别得到的、进出上述目标出入口位置的出入人员的人员识别结果。实际情况中，在人员进出过程中，往往会存在同时多个人员进出的情形，因此，需要结合图像进行车载电瓶的进一步识别和人员识别。进一步，响应于上述目标出入口位置安装的第二射频识别装置识别到第二射频信号，以及第三射频识别装置识别到第三射频识别信号，根据上述第一射频信号、上述第二射频信号和上述第三射频信号进行车载电瓶定位，得到车载电瓶位置信息。实践中，仅采用单一的射频信号，难以有效对车载电瓶的位置进行有效识别，因此，需要结合第一射频信号、第二射频信号和第三射频信号共同进行车载电瓶的定位。最后，响应于确定上述识别置信度小于等于预设识别置信度，根据上述车载电瓶位置信息、上述第一身份信息和上述人员识别信息集合，生成识别结果信息。使得即使模型识别精度较低时，结合模型识别结果和基于射频信号得到的车载电瓶位置信息综合生成识别结果信息。通过此种方式，能够对车载电瓶被遮挡情况下的车载电瓶进行有效识别和定位，大大提高了对车载电瓶入楼的识别成功率和准确率。有效地降低了因车载电瓶入楼所造成的事故发生。
进一步参考图3，作为对上述各图所示方法的实现，本公开提供了一种用于车载电瓶的识别装置的一些实施例，这些装置实施例与图1所示的那些方法实施例相对应，该用于车载电瓶的识别装置具体可以应用于各种电子设备中。
如图3所示，一些实施例的用于车载电瓶的识别装置300包括：执行单元301。其中，执行单元301，被配置成响应于目标出入口位置安装的第一射频识别装置识别到第一射频信号，执行以下处理步骤：对上述第一射频信号进行身份识别，以生成第一身份信息；开启上述目标出入口位置对应的图像采集装置进行图像采集，得到第一图像；对上述第一图像进行图像识别，以得到图像识别信息，其中，上述图像识别信息包括：车载电瓶识别信息和人员识别信息集合，上述车载电瓶识别信息包括：识别置信度，人员识别信息表征识别得到的、进出上述目标出入口位置的出入人员的人员识别结果；响应于上述目标出入口位置安装的第二射频识别装置识别到第二射频信号，以及第三射频识别装置识别到第三射频识别信号，根据上述第一射频信号、上述第二射频信号和上述第三射频信号进行车载电瓶定位，得到车载电瓶位置信息；响应于确定上述识别置信度小于等于预设识别置信度，根据上述车载电瓶位置信息、上述第一身份信息和上述人员识别信息集合，生成识别结果信息。
可以理解的是，该用于车载电瓶的识别装置300中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于用于车载电瓶的识别装置300及其中包含的单元，在此不再赘述。
下面参考图4，其示出了适于用来实现本公开的一些实施例的电子设备（例如，计算设备）400的结构示意图。图4示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图4所示，电子设备400可以包括处理装置（例如中央处理器、图形处理器等）401，其可以根据存储在只读存储器402中的程序或者从存储装置408加载到随机访问存储器403中的程序而执行各种适当的动作和处理。在随机访问存储器403中，还存储有电子设备400操作所需的各种程序和数据。处理装置401、只读存储器402以及随机访问存储器403通过总线404彼此相连。输入/输出接口405也连接至总线404。
通常，以下装置可以连接至I/O接口405：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406；包括例如液晶显示器（LCD）、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408；以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图4中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的一些实施例，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，本公开的一些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程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置408被安装，或者从只读存储器402被安装。在该计算机程序被处理装置401执行时，执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是，本公开的一些实施例中记载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（EPROM或闪存）、光纤、便携式紧凑磁盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，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。而在本公开的一些实施例中，计算机可读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程序代码。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，该计算机可读信号介质可以发送、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程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF（射频）等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP（Hyper Text TransferProtocol，超文本传输协议）之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信（例如，通信网络）互连。通信网络的示例包括局域网（“LAN”），广域网（“WAN”），网际网（例如，互联网）以及端对端网络（例如，ad hoc端对端网络），以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述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该电子设备执行时，使得该电子设备：响应于目标出入口位置安装的第一射频识别装置识别到第一射频信号，执行以下处理步骤：对上述第一射频信号进行身份识别，以生成第一身份信息；开启上述目标出入口位置对应的图像采集装置进行图像采集，得到第一图像；对上述第一图像进行图像识别，以得到图像识别信息，其中，上述图像识别信息包括：车载电瓶识别信息和人员识别信息集合，上述车载电瓶识别信息包括：识别置信度，人员识别信息表征识别得到的、进出上述目标出入口位置的出入人员的人员识别结果；响应于上述目标出入口位置安装的第二射频识别装置识别到第二射频信号，以及第三射频识别装置识别到第三射频识别信号，根据上述第一射频信号、上述第二射频信号和上述第三射频信号进行车载电瓶定位，得到车载电瓶位置信息；响应于确定上述识别置信度小于等于预设识别置信度，根据上述车载电瓶位置信息、上述第一身份信息和上述人员识别信息集合，生成识别结果信息。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网（LAN）或广域网（WAN）——连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、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。在这点上，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，该模块、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，框图和/或流程图中的每个方框、以及框图和/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。
描述于本公开的一些实施例中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，例如，可以描述为：一种处理器包括执行单元。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，例如，执行单元还可以被描述为“响应于目标出入口位置安装的第一射频识别装置识别到第一射频信号，执行以下处理步骤：对上述第一射频信号进行身份识别，以生成第一身份信息；开启上述目标出入口位置对应的图像采集装置进行图像采集，得到第一图像；对上述第一图像进行图像识别，以得到图像识别信息，其中，上述图像识别信息包括：车载电瓶识别信息和人员识别信息集合，上述车载电瓶识别信息包括：识别置信度，人员识别信息表征识别得到的、进出上述目标出入口位置的出入人员的人员识别结果；响应于上述目标出入口位置安装的第二射频识别装置识别到第二射频信号，以及第三射频识别装置识别到第三射频识别信号，根据上述第一射频信号、上述第二射频信号和上述第三射频信号进行车载电瓶定位，得到车载电瓶位置信息；响应于确定上述识别置信度小于等于预设识别置信度，根据上述车载电瓶位置信息、上述第一身份信息和上述人员识别信息集合，生成识别结果信息的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、片上系统（SOC）、复杂可编程逻辑设备（CPLD）等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (6)

1.一种用于车载电瓶的识别方法，包括：
响应于目标出入口位置安装的第一射频识别装置识别到第一射频信号，执行以下处理步骤：
对所述第一射频信号进行身份识别，以生成第一身份信息；
开启所述目标出入口位置对应的图像采集装置进行图像采集，得到第一图像；
对所述第一图像进行图像识别，以得到图像识别信息，其中，所述图像识别信息包括：车载电瓶识别信息和人员识别信息集合，所述车载电瓶识别信息包括：识别置信度和车载电瓶识别位置，人员识别信息表征识别得到的、进出所述目标出入口位置的出入人员的人员识别结果，人员识别信息包括：手掌结构特征点位置组；
响应于所述目标出入口位置安装的第二射频识别装置识别到第二射频信号，以及第三射频识别装置识别到第三射频信号，根据所述第一射频信号、所述第二射频信号和所述第三射频信号进行车载电瓶定位，得到车载电瓶位置信息；
响应于确定所述识别置信度小于等于预设识别置信度，根据所述车载电瓶位置信息、所述第一身份信息和所述人员识别信息集合，生成识别结果信息；
对所述识别结果信息进行信息存储；
响应于存储成功，对所述第一身份信息对应的目标计数器进行累加；
响应于确定累加后的目标计数器的计数值大于等于第一预设计数器阈值、且小于第二预设计数器阈值，向所述第一身份信息对应的客户端发送第三事件提醒信息；
响应于确定所述累加后的目标计数器的计数值大于等于所述第二预设计数器阈值，将所述第一身份信息对应的人员添加至黑名单，其中，在所述对所述第一图像进行图像识别，以得到图像识别信息之后，所述方法还包括：
对于所述人员识别信息集合中的每个人员识别信息，响应于确定所述识别置信度大于所述预设识别置信度，确定所述车载电瓶识别位置和所述人员识别信息包括的手掌结构特征点位置组中的每个手掌结构特征点位置的位置相近度，得到位置相近度组；
从所述人员识别信息集合中筛选出对应的位置相近度组满足筛选条件的人员识别信息，作为匹配后身份信息；
响应于确定所述第一身份信息与所述匹配后身份信息不一致，向所述第一身份信息对应的客户端发送第一事件提醒信息；
响应于确定所述第一身份信息与所述匹配后身份信息一致，生成与所述第一身份信息对应的记录结果，以及向所述第一身份信息对应的客户端发送第二事件提醒信息。
2.根据权利要求1所述的方法，其中，所述响应于确定所述识别置信度小于等于预设识别置信度，根据所述车载电瓶位置信息、所述第一身份信息和所述人员识别信息集合，生成识别结果信息，包括：
对所述车载电瓶位置信息对应的位置进行位置映射，以生成映射后位置；
对所述映射后位置和所述车载电瓶识别位置进行位置融合，以生成融合位置；
响应于确定所述人员识别信息集合中存在与所述第一身份信息一致的人员识别信息，根据所述融合位置，生成与所述第一身份信息对应的识别结果信息。
3.根据权利要求2所述的方法，其中，所述对所述第一图像进行图像识别，以得到图像识别信息，包括：
对所述第一图像进行图像二值化处理，以生成二值化后图像；
通过预先训练的识别模型包括的人员识别模型，对所述二值化后图像进行人员识别，以生成人体骨骼结构特征点，得到人体骨骼结构特征点集合；
对所述人体骨骼结构特征点集合中的每个人体骨骼结构特征点进行手掌结构特征点提取，得到人员信息包括的手掌结构特征点位置组；
通过所述识别模型包括的车载电瓶识别模型，对所述二值化后图像进行车载电瓶识别，以生成车载电瓶识别信息包括的识别置信度和车载电瓶识别位置。
4.根据权利要求3所述的方法，其中，所述根据所述第一射频信号、所述第二射频信号和所述第三射频信号进行车载电瓶定位，得到车载电瓶位置信息，包括：
分别对所述第一射频信号、所述第二射频信号和所述第三射频信号进行调制解调，以得到第一射频信号对应的相位信息、所述第二射频信号对应的相位信息和所述第三射频信号对应的相位信息；
根据所述第一射频信号的信号角频率、所述第一射频信号对应的相位信息和光速，确定第一距离；
根据所述第二射频信号的信号角频率、所述第二射频信号对应的相位信息和光速，确定第二距离；
根据所述第三射频信号的信号角频率、所述第三射频信号对应的相位信息和光速，确定第三距离；
根据所述第一射频识别装置的装置位置、所述第一射频信号对应的信号到达角和所述第一距离，确定第一位置；
根据所述第二射频识别装置的装置位置、所述第二射频信号对应的信号到达角和所述第二距离，确定第二位置；
根据所述第三射频识别装置的装置位置、所述第三射频信号对应的信号到达角和所述第三距离，确定第三位置；
对所述第一位置、所述第二位置和所述第三位置进行位置融合，以生成所述车载电瓶位置信息。
5.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至4中任一所述的方法。
6.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至4中任一所述的方法。
CN202310191965.2A 2023-03-02 2023-03-02 用于车载电瓶的识别方法、装置、电子设备和可读介质 Active CN116362267B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310191965.2A CN116362267B (zh) 2023-03-02 2023-03-02 用于车载电瓶的识别方法、装置、电子设备和可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310191965.2A CN116362267B (zh) 2023-03-02 2023-03-02 用于车载电瓶的识别方法、装置、电子设备和可读介质

Publications (2)

Publication Number Publication Date
CN116362267A CN116362267A (zh) 2023-06-30
CN116362267B true CN116362267B (zh) 2023-09-19

Family

ID=86932010

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310191965.2A Active CN116362267B (zh) 2023-03-02 2023-03-02 用于车载电瓶的识别方法、装置、电子设备和可读介质

Country Status (1)

Country Link
CN (1) CN116362267B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113702833A (zh) * 2021-06-30 2021-11-26 中国电信集团工会上海市委员会 一种楼道电瓶车监测系统及方法
CN114187718A (zh) * 2021-02-04 2022-03-15 苏州飞易智能系统有限公司 一种楼道电瓶车管理系统推送方法及装置
CN114332764A (zh) * 2021-12-27 2022-04-12 北京科技大学 一种防遮挡的电瓶进入封闭空间的识别检测方法及系统
CN114639043A (zh) * 2022-03-17 2022-06-17 青岛大学 一种基于TensorRT加速推理的电动车及电动车电瓶检测方法
CN114999141A (zh) * 2022-06-02 2022-09-02 杭州海康威视系统技术有限公司 电瓶车停放管理方法、装置、设备、系统及可读存储介质
CN115049982A (zh) * 2022-06-22 2022-09-13 北京声智科技有限公司 监控方法、装置、电子设备和计算机存储介质
CN115690765A (zh) * 2022-10-21 2023-02-03 中关村科学城城市大脑股份有限公司 车牌识别方法、装置、电子设备、可读介质和程序产品

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114187718A (zh) * 2021-02-04 2022-03-15 苏州飞易智能系统有限公司 一种楼道电瓶车管理系统推送方法及装置
CN113702833A (zh) * 2021-06-30 2021-11-26 中国电信集团工会上海市委员会 一种楼道电瓶车监测系统及方法
CN114332764A (zh) * 2021-12-27 2022-04-12 北京科技大学 一种防遮挡的电瓶进入封闭空间的识别检测方法及系统
CN114639043A (zh) * 2022-03-17 2022-06-17 青岛大学 一种基于TensorRT加速推理的电动车及电动车电瓶检测方法
CN114999141A (zh) * 2022-06-02 2022-09-02 杭州海康威视系统技术有限公司 电瓶车停放管理方法、装置、设备、系统及可读存储介质
CN115049982A (zh) * 2022-06-22 2022-09-13 北京声智科技有限公司 监控方法、装置、电子设备和计算机存储介质
CN115690765A (zh) * 2022-10-21 2023-02-03 中关村科学城城市大脑股份有限公司 车牌识别方法、装置、电子设备、可读介质和程序产品

Also Published As

Publication number Publication date
CN116362267A (zh) 2023-06-30

Similar Documents

Publication Publication Date Title
CN112419516B (zh) 一种信息处理方法、系统、装置及存储介质
CN109145680A (zh) 一种获取障碍物信息的方法、装置、设备和计算机存储介质
CN113177968A (zh) 目标跟踪方法、装置、电子设备及存储介质
CN112364843A (zh) 插拔式航拍图像目标定位检测方法、系统、设备
CN115761702B (zh) 车辆轨迹生成方法、装置、电子设备和计算机可读介质
CN114993328B (zh) 车辆定位评估方法、装置、设备和计算机可读介质
CN112037142A (zh) 一种图像去噪方法、装置、计算机及可读存储介质
CN111967332A (zh) 用于自动驾驶的能见度信息生成方法和装置
CN112990017B (zh) 一种智慧城市大数据分析方法及监控系统
CN116362267B (zh) 用于车载电瓶的识别方法、装置、电子设备和可读介质
CN111310595B (zh) 用于生成信息的方法和装置
CN115512336B (zh) 基于路灯光源的车辆定位方法、装置和电子设备
CN112102398B (zh) 一种定位方法、装置、设备及存储介质
CN115115597A (zh) 一种目标检测方法、装置、设备及介质
CN112560700B (zh) 一种基于动作分析的信息关联方法、装置及电子设备
CN111353470B (zh) 图像的处理方法、装置、可读介质和电子设备
CN117636290A (zh) 图像处理方法、装置、电子设备及存储介质
CN111339226B (zh) 一种基于分类检测网络构建地图方法及装置
CN114445711A (zh) 图像检测方法、装置、电子设备和存储介质
CN112070022A (zh) 人脸图像识别方法、装置、电子设备和计算机可读介质
CN111833253A (zh) 兴趣点空间拓扑构建方法和装置、计算机系统和介质
CN111383337A (zh) 用于识别对象的方法和装置
CN113806361B (zh) 电子监控设备与道路的关联方法、装置及存储介质
CN117392596B (zh) 数据处理方法、电子设备和计算机可读介质
CN118038334B (zh) 事故处理方法、装置、电子设备和计算机可读介质

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
GR01 Patent grant
GR01 Patent grant