CN114005103B - 关联车内的人和物的方法及装置、电子设备和存储介质 - Google Patents
关联车内的人和物的方法及装置、电子设备和存储介质Info
- Publication number
- CN114005103B CN114005103B CN202111273085.7A CN202111273085A CN114005103B CN 114005103 B CN114005103 B CN 114005103B CN 202111273085 A CN202111273085 A CN 202111273085A CN 114005103 B CN114005103 B CN 114005103B
- Authority
- CN
- China
- Prior art keywords
- seat
- vehicle
- detection frame
- scene image
- occupant
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
- G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30268—Vehicle interior
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本公开涉及一种关联车内的人和物的方法及装置、电子设备和存储介质,通过获取车舱内第一场景图像,并根据第一场景图像确定车舱内的目标物品匹配的车内座位。获取车舱内至少一个乘员的座位信息,并基于目标物品匹配的车内座位和至少一个乘员的座位信息确定目标物品关联的乘员。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种关联车内的人和物的方法及装置、电子设备和存储介质。
背景技术
在乘车过程中,有时会出现乘员下车后遗落手机、钱包等物品的情况,需要为遗失物品找到失主以其避免财产损失。但是在车内乘员较多的情况下,难以确定遗落物品属于哪个乘员。
发明内容
本公开提出了一种关联车内的人和物的方法及装置、电子设备和存储介质,旨在车内出现遗失物品时匹配到失主。
根据本公开的第一方面,提供了一种关联车内的人和物的方法,包括:
获取车舱内的第一场景图像;
根据所述第一场景图像,确定所述车舱内的目标物品匹配的车内座位;
获取所述车舱内的至少一个乘员的座位信息;
基于所述目标物品匹配的车内座位,以及所述至少一个乘员的座位信息,确定所述目标物品关联的乘员。
在一种可能的实现方式中,所述根据所述第一场景图像,确定所述车舱内的目标物品匹配的车内座位,包括:
基于所述第一场景图像检测所述车舱内的所述目标物品,得到所述目标物品的物品位置信息;
基于所述车辆的座位配置信息和所述物品位置信息,确定所述目标物品匹配的车内座位,其中,所述座位配置信息包括座位的位置分布信息。
在一种可能的实现方式中,所述根据所述第一场景图像,确定所述车舱内的目标物品匹配的车内座位,包括:
在检测到车舱内的乘员下车或车门上锁的情况下,基于第一场景图像检测遗留在车内的所述目标物品;
根据所述目标物品的检测结果确定所述目标物品匹配的车内座位。
在一种可能的实现方式中,在基于第一场景图像检测遗留在车内的所述目标物品之前,所述方法还包括:
基于所述第一场景图像检测所述车舱内的乘员是否下车。
在一种可能的实现方式中,所述根据所述第一场景图像,确定所述车舱内的目标物品匹配的车内座位,包括:
检测所述第一场景图像中的目标物品得到表征所述目标物品所在区域的物品检测框;
确定所述第一场景图像中包括的至少一个车内座位对应的座位检测框;
根据所述物品检测框和每个所述座位检测框的位置确定所述目标物品匹配的车内座位。
在一种可能的实现方式中,所述根据所述物品检测框和每个所述座位检测框的位置确定所述目标物品匹配的车内座位包括:
根据所述物品检测框和每个所述座位检测框的位置,确定与所述物品检测框重叠面积最大的座位检测框为第一候选检测框;
响应于所述物品检测框与所述第一候选检测框的重叠面积大于第一面积阈值,确定所述第一候选检测框对应的车内座位与所述物品检测框对应的目标物品匹配。
在一种可能的实现方式中,所述获取所述车舱内的至少一个乘员的座位信息,包括:
基于所述第一场景图像,确定所述车舱内的至少一个乘员的座位信息。
在一种可能的实现方式中,所述基于所述第一场景图像,确定所述车舱内的至少一个乘员的座位信息,包括:
检测所述第一场景图像中的乘员得到表征所述至少一个乘员所在区域的至少一个乘员检测框;
确定所述第一场景图像中包括的至少一个车内座位对应的座位检测框;
根据所述至少一个乘员检测框的位置和每个所述座位检测框的位置确定所述至少一个乘员的座位信息。
在一种可能的实现方式中,所述根据所述至少一个乘员检测框的位置和每个所述座位检测框的位置确定所述至少一个乘员的座位信息,包括:
对于每个所述乘员检测框,根据所在的位置和每个所述座位检测框的位置,确定与所述乘员检测框重叠面积最大的座位检测框为第二候选检测框;
响应于所述乘员检测框与所述第二候选检测框的重叠面积大于第二面积阈值,确定所述第二候选检测框对应的车内座位为所述乘员乘坐的座位。
在一种可能的实现方式中,所述乘员检测框包括:对所述第一场景图像进行人脸检测得到的表征所述乘员的脸部位置的人脸检测框。
在一种可能的实现方式中,所述第一场景图像包括所述车舱内的视频流中的一帧图像;
所述获取所述车舱内的至少一个乘员的座位信息,包括:
获取基于第二场景图像确定的所述车舱内的至少一个乘员的座位信息,其中,所述第二场景图像包括所述车舱内的视频流中所述第一场景图像的前序帧图像。
在一种可能的实现方式中,所述第一场景图像包括所述车舱内的视频流中的一帧图像;
所述方法还包括:
在根据所述第一场景图像未确定出所述车舱内的目标物品匹配的车内座位的情况下,在所述视频流中重新获取一张前序帧图像作为第一场景图像。
在一种可能的实现方式中,在基于第一场景图像检测到遗留在陈内的所述目标物品的情况下,还包括:
生成用于通知所述目标物品关联的乘员的通知信息。
根据本公开的第二方面,提供了一种关联车内的人和物的装置,包括:
物品确定模块,用于获取车舱内的第一场景图像;
第一座位匹配模块,用于根据所述第一场景图像,确定所述车舱内的目标物品匹配的车内座位;
第二座位匹配模块,用于获取所述车舱内的至少一个乘员的座位信息;
人物匹配模块,用于基于所述目标物品匹配的车内座位,以及所述至少一个乘员的座位信息,确定所述目标物品关联的乘员。
在一种可能的实现方式中,第一座位匹配模块,包括:
位置检测子模块,用于基于所述第一场景图像检测所述车舱内的所述目标物品,得到所述目标物品的物品位置信息;
第一座位匹配子模块,用于基于所述车辆的座位配置信息和所述物品位置信息,确定所述目标物品匹配的车内座位,其中,所述座位配置信息包括座位的位置分布信息。
在一种可能的实现方式中,所述第一座位匹配模块,包括:
物品检测子模块,用于在检测到车舱内的乘员下车或车门上锁的情况下,基于第一场景图像检测遗留在车内的所述目标物品;
第二座位匹配子模块,用于根据所述目标物品的检测结果确定所述目标物品匹配的车内座位。
在一种可能的实现方式中,在基于第一场景图像检测遗留在车内的所述目标物品之前,所述装置还包括:
乘员状态确定模块,用于基于所述第一场景图像检测所述车舱内的乘员是否下车。
在一种可能的实现方式中,所述第一座位匹配模块,包括:
第一检测框确定子模块,用于检测所述第一场景图像中的目标物品得到表征所述目标物品所在区域的物品检测框;
第二检测框确定子模块,用于确定所述第一场景图像中包括的至少一个车内座位对应的座位检测框;
第三座位匹配子模块,用于根据所述物品检测框和每个所述座位检测框的位置确定所述目标物品匹配的车内座位。
在一种可能的实现方式中,所述第三座位匹配子模块包括:
候选框确定单元,用于根据所述物品检测框和每个所述座位检测框的位置,确定与所述物品检测框重叠面积最大的座位检测框为第一候选检测框;
位置匹配单元,用于响应于所述物品检测框与所述第一候选检测框的重叠面积大于第一面积阈值,确定所述第一候选检测框对应的车内座位与所述物品检测框对应的目标物品匹配。
在一种可能的实现方式中,所述第二座位匹配模块,包括:
座位信息确定子模块,用于基于所述第一场景图像,确定所述车舱内的至少一个乘员的座位信息。
在一种可能的实现方式中,所述座位信息确定子模块,包括:
第一检测框确定单元,用于检测所述第一场景图像中的乘员得到表征所述至少一个乘员所在区域的至少一个乘员检测框;
第二检测框确定单元,用于确定所述第一场景图像中包括的至少一个车内座位对应的座位检测框;
座位信息确定单元,用于根据所述至少一个乘员检测框的位置和每个所述座位检测框的位置确定所述至少一个乘员的座位信息。
在一种可能的实现方式中,所述座位信息确定单元,包括:
候选框确定子单元,用于对于每个所述乘员检测框,根据所在的位置和每个所述座位检测框的位置,确定与所述乘员检测框重叠面积最大的座位检测框为第二候选检测框;
乘员座位确定子单元,用于响应于所述乘员检测框与所述第二候选检测框的重叠面积大于第二面积阈值,确定所述第二候选检测框对应的车内座位为所述乘员乘坐的座位。
在一种可能的实现方式中,所述乘员检测框包括:对所述第一场景图像进行人脸检测得到的表征所述乘员的脸部位置的人脸检测框。
在一种可能的实现方式中,所述第一场景图像包括所述车舱内的视频流中的一帧图像;
所述第二座位匹配模块,包括:
前序图像信息确定子模块,用于获取基于第二场景图像确定的所述车舱内的至少一个乘员的座位信息,其中,所述第二场景图像包括所述车舱内的视频流中所述第一场景图像的前序帧图像。
在一种可能的实现方式中,所述第一场景图像包括所述车舱内的视频流中的一帧图像;
所述装置还包括:
图像更新模块,用于在根据所述第一场景图像未确定出所述车舱内的目标物品匹配的车内座位的情况下,在所述视频流中重新获取一张前序帧图像作为第一场景图像。
在一种可能的实现方式中,在基于第一场景图像检测到遗留在陈内的所述目标物品的情况下,所述装置还包括:
通知信息生成模块,用于生成用于通知所述目标物品关联的乘员的通知信息。
根据本公开的第三方面,提供了一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述方法。
根据本公开的第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。
本公开实施例通过获取车舱内第一场景图像,并根据第一场景图像确定车舱内的目标物品匹配的车内座位。获取车舱内至少一个乘员的座位信息,并基于目标物品匹配的车内座位和至少一个乘员的座位信息确定目标物品关联的乘员。本公开实施例可以将车舱内的物品与乘员准确地关联,确定物品与乘员之间的归属关系。
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,而非限制本公开。根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
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,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的一种关联车内的人和物的方法的流程图;
图2示出根据本公开实施例的一种第一场景图像的示意图;
图3示出根据本公开实施例的另一种第一场景图像的示意图;
图4示出根据本公开实施例的一种确定目标物品匹配座位的示意图;
图5示出根据本公开实施例的一种确定乘员匹配座位的示意图;
图6示出根据本公开实施例的一种关联车内的人和物的装置的示意图;
图7示出根据本公开实施例的一种电子设备的示意图;
图8示出根据本公开实施例的另一种电子设备的示意图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外,为了更好地说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
图1示出根据本公开实施例的一种关联车内的人和物的方法的流程图。在一种可能的实现方式中,该关联车内的人和物的方法可以由终端设备或服务器等电子设备执行。其中,终端设备可以为车辆内置的固定或移动车载设备,或者车内乘员使用的用户设备(User Equipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant,PDA)、手持设备、计算设备、可穿戴设备等移动或固定设备。服务器可以单独的服务器或多个服务器组成的服务器集群。电子设备可以通过处理器调用存储器中存储的计算机可读指令的方式来实现关联车内的人和物的方法。
可选地,电子设备可以直接通过摄像装置采集车辆内部的第一场景图像,并根据第一场景图像对车内人物进行关联。或者,还可以通过其他电子设备的摄像装置采集车辆内部的第一场景图像发送,由执行关联车内的人和物的方法的电子设备接收第一场景图像后,根据第一场景图像对车内人物进行关联。
本公开实施例可以应用于任意需要对车内人物进行匹配的应用场景,例如在发现车内出现遗失物品需要通知乘员的场景。或者,在乘员寻找遗失物品时确定物品归属人的场景。
如图1所示,本公开实施例的关联车内的人和物的方法可以包括以下步骤S10-步骤S40。
步骤S10、获取车舱内的第一场景图像。
在一种可能的实现方式中,第一场景图像为表征车辆内部环境的图像,可以为包括需要匹配所关联的乘员的目标物品的图像,第一场景图像还可以是同时包括目标物品和至少一个乘员的图像。可选地,第一场景图像可以在车辆行驶中或停靠状态下采集,例如可以在车辆停靠后车门解锁到锁定过程中采集用于动态记录车舱内环境的视频流,并确定视频流中的一帧作为第一场景图像。视频流或第一场景图像可以通过车辆内部设置的摄像装置采集得到,该摄像装置可以为内安装的乘员监控系统(Occupancy Monitoring System,OMS)中包括的摄像装置,或者驾驶员携带的智能手机等电子设备中包括的摄像装置。
图2示出根据本公开实施例的一种第一场景图像20的示意图。如图2所示,第一场景图像20表征车辆内部环境。可选地,第一场景图像20中可以仅包括乘员携带的目标物品。
图3示出根据本公开实施例的另一种第一场景图像30的示意图。如图3所示,第一场景图像30中包括至少一个乘员31,以及目标物品32。可选地,第一场景图像30中还包括车辆内部的至少一个车内座位,用于进一步与乘员31和目标物品32进行关联。
在一种可能的实现方式中,在确定第一场景图像后,还可以基于第一场景图像检测车舱内的乘员是否下车,例如,当第一场景图像为视频流图像中的一帧时,可以根据视频流中的前几帧相比乘员数量是否减少判断车舱内乘员是否下车。或者,还可以基于第一场景图像或视频流中第一场景图像的前几帧中乘员的下车动作判断乘员是否下车。这样,可以在乘员下车后及时检测遗留物品是否归属于下车的乘员,从而及时地进行提醒。
步骤S20、根据所述第一场景图像,确定所述车舱内的目标物品匹配的车内座位。
在一种可能的实现方式中,可以根据第一场景图像为车舱内的目标物品匹配车内座位。目标物品可以为车内发现的,非车内本身配件的且需要匹配所属乘员的物品,例如手机、钱包以及身份证件等。可选地,车舱内的目标物品可以通过任意可能的方式确定。例如,乘员在下车后发现物品遗失时,发送遗失物品图像至电子设备,电子设备确定遗失物品图像中的物品为目标物品,再获取包括目标物品的第一场景图像以便为目标物品匹配车内座位。或者,还可以在检测到车舱内的乘员下车或车门上锁的情况下,基于第一场景图像检测遗留在车内的物品作为目标物品,再根据目标物品的检测结果确定目标物品匹配的车内座位。其中,乘员上车或下车的动作可以通过检测车门上锁动作确定,或者还可以检测车内乘员数量发生变化确定。
可选地,在通过乘员上车或下车的动作检测车门上锁时,目标物品的确定方式可以为在检测到车门上锁的情况下,获取表征车辆内部环境的环境图像。对第一场景图像检测乘员携带的物品,并在检测结果中包括乘员携带的物品时确定乘员携带的物品为目标物品,乘员携带的物品包括乘员带入车内的物品。该检测方式能够在有乘员上车,或有乘员下车时的情况下均能够检测车内是否存在目标物品。在乘员下车的情况下,检测到存在目标物品时及时匹配并通知对应的乘员,能够通知乘员取回目标物品避免乘员财产损失。同时,在有乘员上车的情况下,还能够检测到存在目标物品时可以及时匹配到对应的乘员,或者可以将该目标物品的存在同时通知匹配的乘员和驾驶员,以便驾驶员可以提示遗留物品的乘员取回物品。
进一步地,在通过乘员上车或下车的动作检测车门上锁时,目标物品的确定方式还可以为在车辆行驶过程中,多次获取表征车辆内部环境的环境图像。确定每次获取的环境图像中的乘员数量,响应于当前获取的环境图像中包括的乘员数量比前序环境图像中的乘员数量少,对当前获取的环境图像检测乘员携带的物品,并在检测结果中包括乘员携带的物品时确定乘员携带的物品为目标物品。也就是说,在检测到车内乘员减少的情况下识别车内是否存在目标物品,以关联对应的乘员,进而可以通知乘员取回目标物品避免乘员财产损失。可选地,还可以在当前获取的环境图像中的乘员数量比前序环境图像中的乘员数量多的情况下,也检测当前获取的环境图像中乘员携带的物品,提升目标物品与乘员关联结果的准确性。
在一种可能的实现方式中,对环境图像进行乘员物品识别的方式可以为将环境图像输入训练得到的物品识别模型,输出识别到的至少一个物品,再从其中去除车内本身携带得到靠枕、水杯等物品。
在一种可能的实现方式中,确定目标物品匹配车内座位的方式可以为,基于第一场景图像检测车舱内的目标物品,得到目标物品的物品位置信息。基于车辆的座位配置信息和物品位置信息,确定目标物品匹配的车内座位,其中,座位配置信息包括座位的位置分布信息。例如,可以确定物品位置信息表征的位置与每个座位配置信息表征位置是否重叠,重叠则确定重叠面积最大的座位配置信息对应的车内座位与目标物品匹配。在一个示例中,位置分布信息可以包括前排左侧、前排右侧、后排左侧、后排中间以及后排右侧等。
可选地,目标物品匹配车内座位的方式还可以为检测第一场景图像中的目标物品得到表征目标物品所在区域的物品检测框,并确定第一场景图像中包括的至少一个车内座位对应的座位检测框。根据物品检测框和每个座位检测框的位置确定目标物品匹配的车内座位。其中,根据物品检测框和检测框确定目标物品匹配车内座位的方式可以为根据物品检测框和每个座位检测框的位置,确定与物品检测框重叠面积最大的座位检测框为第一候选检测框,响应于物品检测框与第一候选检测框的重叠面积大于第一面积阈值,确定第一候选检测框对应的车内座位与物品检测框对应的目标物品匹配。也就是说,可以确定与物品检测框重叠面积最大、且大于阈值的座位检测框对应的车内座位与目标物品匹配。
图4示出根据本公开实施例的一种确定目标物品匹配座位的示意图。如图4所示,可以通过预先设定或识别的方式确定第一场景图像40中每个车内座位对应的座位检测框41。同时,通过乘员物品识别确定目标物品的物品检测框42。根据每个座位检测框41的位置和物品检测框42的位置确定目标物品与座位的匹配关系。即确定与物品检测框42重叠面积最大、且大于阈值的座位检测框41对应的车内座位与目标物品匹配,得到目标物品匹配的车内座位为后排中间座位。
步骤S30、获取所述车舱内的至少一个乘员的座位信息。
在一种可能的实现方式中,可以基于第一场景图像,确定车舱内的至少一个乘员的座位信息。可选地,也可以根据第一场景图像中每个乘员所在的位置和车内座位的位置确定乘员的座位信息,座位信息用于表征与对应乘员匹配的车内座位。例如,检测第一场景图像中的乘员得到表征至少一个乘员所在区域的至少一个乘员检测框,确定第一场景图像中包括的至少一个车内座位对应的座位检测框。根据至少一个乘员检测框的位置和每个座位检测框的位置确定至少一个乘员的座位信息。可选地,乘员检测框框可以包括对第一场景图像进行人脸或人体检测得到的,表征乘员脸部位置的人脸检测框或表征乘员身体位置的人体检测框。
进一步地,根据至少一个乘员检测框的位置和每个座位检测框的位置,确定至少一个乘员的座位信息可以为对于每个乘员检测框,根据所在的位置和每个座位检测框的位置,确定与乘员检测框重叠面积最大的座位检测框为第二候选检测框。响应于乘员检测框与第二候选检测框的重叠面积大于第二面积阈值,确定第二候选检测框对应的车内座位为乘员乘坐的座位。
图5示出了根据本公开实施例的一种确定乘员匹配座位的示意图。如图5所示,可以通过预先设定或识别的方式确定第一场景图像40中每个车内座位对应的座位检测框41。同时,通过乘员识别确定每个乘员的乘员检测框43。根据每个座位检测框41的位置和每个乘员检测框43的位置确定乘员与座位的匹配关系,得到每个乘员的座位信息。即确定与乘员检测框43重叠面积最大、且大于阈值的座位检测框41对应的车内座位与乘员匹配,得到乘员1匹配的车内座位为前排驾驶位,乘员2匹配的车内座位为前排副驾驶位,乘员4匹配的车内座位为后排右侧座位。进一步地,当乘员3的乘员检测框与后排中间座位的座位检测框重叠面积大于阈值时,乘员3匹配的车内座位为后排中间座位。当乘员3的乘员检测框与后排中间座位的座位检测框重叠面积不大于阈值时,乘员3无匹配的车内座位。
在一种可能的实现方式中,当第一场景图像为车舱内视频流中的一帧图像时,还可以通过视频流中第一场景图像的前序帧图像获取车舱内至少一个乘员的座位信息也就是说,可以获取基于第二场景图像确定的车舱内的至少一个乘员的座位信息,其中,第二场景图像包括车舱内的视频流中所述第一场景图像的前序帧图像。可选地,第二场景图像中至少一个乘员的座位信息确定方式可以与上述根据第一场景图像确定至少一个乘员座位信息的方式相同。根据第二场景图像的前序帧图像确定的车舱内至少一个乘员的座位信息可以保存在指定的存储设备中。
步骤S40、基于所述目标物品匹配的车内座位,以及所述至少一个乘员的座位信息,确定所述目标物品关联的乘员。
在一种可能的实现方式中,可以根据目标物品匹配的车内座位和至少一个乘员的座位信息确定目标物品关联的乘员。目标物品关联的乘员为乘坐在目标物品匹配的车内座位的乘员,即该乘员的座位信息表征其与目标物品匹配的车内座位匹配。因此,当存在一个乘员匹配的车内座位为目标物品匹配的车内座位时,确定该乘员与目标物品关联,即确定该乘员为目标物品的所属者。
可选地,在确定目标物品关联的乘员后,可以检测该乘员是否当前还位于车内,若位于车内则不提示乘员。在目标物品关联的乘员不在车内时,可以通过人脸识别的方式匹配该乘员的乘员信息,并生成用于通知目标物品关联的乘员的通知信息。该通知信息可以通过执行关联车内的人和物的方法的电子设备以短信、软件推送或电话的方式发送至乘员。
进一步地,在确定不存在、或存在多于一个乘员匹配的车内座位为目标物品匹配的车内座位时,可以重新确定一个第一场景图像,以重新进行人物匹配直到匹配成功。可选地,重新确定第一场景图像的方式可以为回溯在当前第一场景图像之前采集到的车内环境图像,并在其中获取包括目标物品的车内环境图像作为新的第一场景图像。例如,在根据第一场景图像未确定出车舱内的目标物品匹配的车内座位的情况下,在视频流中重新获取一张前序帧图像作为第一场景图像。在一种可能的实现方式中,回溯在当前第一场景图像之前采集到的车内环境图像确定新的第一场景图像的过程,可以为逐帧回溯。
本公开实施例可以在基于车舱内的第一场景图像得出车舱内的目标物品与车内座位的匹配关系,并根据乘员的座位信息将目标物品与乘员相关联,实现了车内的人和物的自动关联,提升了物品与乘员关联的准确性;通过匹配的车内座位进行人和物关联,还有助于提升车内人和物关联的成功率。
可以理解,本公开提及的上述各个方法实施例,在不违背原理逻辑的情况下,均可以彼此相互结合形成结合后的实施例,限于篇幅,本公开不再赘述。本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
此外,本公开还提供了关联车内的人和物的装置、电子设备、计算机可读存储介质、程序,上述均可用来实现本公开提供的任一种关联车内的人和物的方法,相应技术方案和描述和参见方法部分的相应记载,不再赘述。
图6示出根据本公开实施例的一种关联车内的人和物的装置的示意图。如图6所示,本公开实施例的关联车内的人和物的装置包括:
物品确定模块60,用于获取车舱内的第一场景图像;
第一座位匹配模块61,用于根据所述第一场景图像,确定所述车舱内的目标物品匹配的车内座位;
第二座位匹配模块62,用于获取所述车舱内的至少一个乘员的座位信息;
人物匹配模块63,用于基于所述目标物品匹配的车内座位,以及所述至少一个乘员的座位信息,确定所述目标物品关联的乘员。
在一种可能的实现方式中,第一座位匹配模块61,包括:
位置检测子模块,用于基于所述第一场景图像检测所述车舱内的所述目标物品,得到所述目标物品的物品位置信息;
第一座位匹配子模块,用于基于所述车辆的座位配置信息和所述物品位置信息,确定所述目标物品匹配的车内座位,其中,所述座位配置信息包括座位的位置分布信息。
在一种可能的实现方式中,所述第一座位匹配模块61,包括:
物品检测子模块,用于在检测到车舱内的乘员下车或车门上锁的情况下,基于第一场景图像检测遗留在车内的所述目标物品;
第二座位匹配子模块,用于根据所述目标物品的检测结果确定所述目标物品匹配的车内座位。
在一种可能的实现方式中,在基于第一场景图像检测遗留在车内的所述目标物品之前,所述装置还包括:
乘员状态确定模块,用于基于所述第一场景图像检测所述车舱内的乘员是否下车。
在一种可能的实现方式中,所述第一座位匹配模块61,包括:
第一检测框确定子模块,用于检测所述第一场景图像中的目标物品得到表征所述目标物品所在区域的物品检测框;
第二检测框确定子模块,用于确定所述第一场景图像中包括的至少一个车内座位对应的座位检测框;
第三座位匹配子模块,用于根据所述物品检测框和每个所述座位检测框的位置确定所述目标物品匹配的车内座位。
在一种可能的实现方式中,所述第三座位匹配子模块包括:
候选框确定单元,用于根据所述物品检测框和每个所述座位检测框的位置,确定与所述物品检测框重叠面积最大的座位检测框为第一候选检测框;
位置匹配单元,用于响应于所述物品检测框与所述第一候选检测框的重叠面积大于第一面积阈值,确定所述第一候选检测框对应的车内座位与所述物品检测框对应的目标物品匹配。
在一种可能的实现方式中,所述第二座位匹配模块62,包括:
座位信息确定子模块,用于基于所述第一场景图像,确定所述车舱内的至少一个乘员的座位信息。
在一种可能的实现方式中,所述座位信息确定子模块,包括:
第一检测框确定单元,用于检测所述第一场景图像中的乘员得到表征所述至少一个乘员所在区域的至少一个乘员检测框;
第二检测框确定单元,用于确定所述第一场景图像中包括的至少一个车内座位对应的座位检测框;
座位信息确定单元,用于根据所述至少一个乘员检测框的位置和每个所述座位检测框的位置确定所述至少一个乘员的座位信息。
在一种可能的实现方式中,所述座位信息确定单元,包括:
候选框确定子单元,用于对于每个所述乘员检测框,根据所在的位置和每个所述座位检测框的位置,确定与所述乘员检测框重叠面积最大的座位检测框为第二候选检测框;
乘员座位确定子单元,用于响应于所述乘员检测框与所述第二候选检测框的重叠面积大于第二面积阈值,确定所述第二候选检测框对应的车内座位为所述乘员乘坐的座位。
在一种可能的实现方式中,所述乘员检测框包括:对所述第一场景图像进行人脸检测得到的表征所述乘员的脸部位置的人脸检测框。
在一种可能的实现方式中,所述第一场景图像包括所述车舱内的视频流中的一帧图像;
所述第二座位匹配模块62,包括:
前序图像信息确定子模块,用于获取基于第二场景图像确定的所述车舱内的至少一个乘员的座位信息,其中,所述第二场景图像包括所述车舱内的视频流中所述第一场景图像的前序帧图像。
在一种可能的实现方式中,所述第一场景图像包括所述车舱内的视频流中的一帧图像;
所述装置还包括:
图像更新模块,用于在根据所述第一场景图像未确定出所述车舱内的目标物品匹配的车内座位的情况下,在所述视频流中重新获取一张前序帧图像作为第一场景图像。
在一种可能的实现方式中,在基于第一场景图像检测到遗留在陈内的所述目标物品的情况下,所述装置还包括:
通知信息生成模块,用于生成用于通知所述目标物品关联的乘员的通知信息。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
本公开实施例还提出一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是易失性或非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述方法。
本公开实施例还提供了一种计算机程序产品,包括计算机可读代码,或者承载有计算机可读代码的非易失性计算机可读存储介质,当所述计算机可读代码在电子设备的处理器中运行时,所述电子设备中的处理器执行上述方法。
电子设备可以被提供为终端、服务器或其它形态的设备。
图7示出根据本公开实施例的一种电子设备800的示意图。例如,电子设备800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等终端。
参照图7,电子设备800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)接口812,传感器组件814,以及通信组件816。
处理组件802通常控制电子设备800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当电子设备800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为电子设备800提供各个方面的状态评估。例如,传感器组件814可以检测到电子设备800的打开/关闭状态,组件的相对定位,例如所述组件为电子设备800的显示器和小键盘,传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变,用户与电子设备800接触的存在或不存在,电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如互补金属氧化物半导体(CMOS)或电荷耦合装置(CCD)图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络,如无线网络(WiFi),第二代移动通信技术(2G)或第三代移动通信技术(3G),或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器804,上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
本公开涉及增强现实领域,通过获取现实环境中的目标对象的图像信息,进而借助各类视觉相关算法实现对目标对象的相关特征、状态及属性进行检测或识别处理,从而得到与具体应用匹配的虚拟与现实相结合的AR效果。示例性的,目标对象可涉及与人体相关的脸部、肢体、手势、动作等,或者与物体相关的标识物、标志物,或者与场馆或场所相关的沙盘、展示区域或展示物品等。视觉相关算法可涉及视觉定位、SLAM、三维重建、图像注册、背景分割、对象的关键点提取及跟踪、对象的位姿或深度检测等。具体应用不仅可以涉及跟真实场景或物品相关的导览、导航、讲解、重建、虚拟效果叠加展示等交互场景,还可以涉及与人相关的特效处理,比如妆容美化、肢体美化、特效展示、虚拟模型展示等交互场景。可通过卷积神经网络,实现对目标对象的相关特征、状态及属性进行检测或识别处理。上述卷积神经网络是基于深度学习框架进行模型训练而得到的网络模型。
图8示出根据本公开实施例的一种电子设备1900的示意图。例如,电子设备1900可以被提供为一服务器。参照图8,电子设备1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理,一个有线或无线网络接口1950被配置为将电子设备1900连接到网络,和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统,例如微软服务器操作系统(Windows ServerTM),苹果公司推出的基于图形用户界面操作系统(Mac OSXTM),多用户多进程的计算机操作系统(UnixTM),自由和开放原代码的类Unix操作系统(LinuxTM),开放原代码的类Unix操作系统(FreeBSDTM)或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器1932,上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是(但不限于)电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令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)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、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、程序段或指令的一部分,所述模块、程序段或指令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。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,两个连续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动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。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中,所述计算机程序产品具体体现为计算机存储介质,在另一个可选实施例中,计算机程序产品具体体现为软件产品,例如软件开发包(Software Development Kit,SDK)等等。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (13)
1.一种关联车内的人和物的方法,包括:
获取车舱内的第一场景图像;
根据所述第一场景图像,确定所述车舱内的目标物品匹配的车内座位;
获取所述车舱内的至少一个乘员的座位信息;
基于所述目标物品匹配的车内座位,以及所述至少一个乘员的座位信息,确定所述目标物品关联的乘员;
其中,所述根据所述第一场景图像,确定所述车舱内的目标物品匹配的车内座位,包括:
基于所述第一场景图像检测所述车舱内的所述目标物品,得到所述目标物品的物品位置信息;
基于车辆的座位配置信息和所述物品位置信息,确定所述目标物品匹配的车内座位,其中,所述座位配置信息包括座位的位置分布信息;
其中,所述根据所述第一场景图像,确定所述车舱内的目标物品匹配的车内座位,包括:
检测所述第一场景图像中的目标物品得到表征所述目标物品所在区域的物品检测框;
确定所述第一场景图像中包括的至少一个车内座位对应的座位检测框;
根据所述物品检测框和每个所述座位检测框的位置确定所述目标物品匹配的车内座位;
其中,所述根据所述物品检测框和每个所述座位检测框的位置确定所述目标物品匹配的车内座位包括:
根据所述物品检测框和每个所述座位检测框的位置,确定与所述物品检测框重叠面积最大的座位检测框为第一候选检测框;
响应于所述物品检测框与所述第一候选检测框的重叠面积大于第一面积阈值,确定所述第一候选检测框对应的车内座位与所述物品检测框对应的目标物品匹配。
2.根据权利要求1所述的方法,其中,所述根据所述第一场景图像,确定所述车舱内的目标物品匹配的车内座位,包括:
在检测到车舱内的乘员下车或车门上锁的情况下,基于第一场景图像检测遗留在车内的所述目标物品;
根据所述目标物品的检测结果确定所述目标物品匹配的车内座位。
3.根据权利要求2所述的方法,其中,在基于第一场景图像检测遗留在车内的所述目标物品之前,所述方法还包括:
基于所述第一场景图像检测所述车舱内的乘员是否下车。
4.根据权利要求1所述的方法,其中,所述获取所述车舱内的至少一个乘员的座位信息,包括:
基于所述第一场景图像,确定所述车舱内的至少一个乘员的座位信息。
5.根据权利要求4所述的方法,其中,所述基于所述第一场景图像,确定所述车舱内的至少一个乘员的座位信息,包括:
检测所述第一场景图像中的乘员得到表征所述至少一个乘员所在区域的至少一个乘员检测框;
确定所述第一场景图像中包括的至少一个车内座位对应的座位检测框;
根据所述至少一个乘员检测框的位置和每个所述座位检测框的位置确定所述至少一个乘员的座位信息。
6.根据权利要求5所述的方法,其中,所述根据所述至少一个乘员检测框的位置和每个所述座位检测框的位置确定所述至少一个乘员的座位信息,包括:
对于每个所述乘员检测框,根据所在的位置和每个所述座位检测框的位置,确定与所述乘员检测框重叠面积最大的座位检测框为第二候选检测框;
响应于所述乘员检测框与所述第二候选检测框的重叠面积大于第二面积阈值,确定所述第二候选检测框对应的车内座位为所述乘员乘坐的座位。
7.根据权利要求5或6所述的方法,其中,所述乘员检测框包括:对所述第一场景图像进行人脸检测得到的表征所述乘员的脸部位置的人脸检测框。
8.根据权利要求4至6任一项所述的方法,其中,所述第一场景图像包括所述车舱内的视频流中的一帧图像;
所述获取所述车舱内的至少一个乘员的座位信息,包括:
获取基于第二场景图像确定的所述车舱内的至少一个乘员的座位信息,其中,所述第二场景图像包括所述车舱内的视频流中所述第一场景图像的前序帧图像。
9.根据权利要求1至8任一项所述的方法,所述第一场景图像包括所述车舱内的视频流中的一帧图像;
所述方法还包括:
在根据所述第一场景图像未确定出所述车舱内的目标物品匹配的车内座位的情况下,在所述视频流中重新获取一张前序帧图像作为第一场景图像。
10.根据权利要求2所述的方法,在基于第一场景图像检测到遗留在陈内的所述目标物品的情况下,所述方法还包括:
生成用于通知所述目标物品关联的乘员的通知信息。
11.一种关联车内的人和物的装置,包括:
物品确定模块,用于获取车舱内的第一场景图像;
第一座位匹配模块,用于根据所述第一场景图像,确定所述车舱内的目标物品匹配的车内座位;
第二座位匹配模块,用于获取所述车舱内的至少一个乘员的座位信息;
人物匹配模块,用于基于所述目标物品匹配的车内座位,以及所述至少一个乘员的座位信息,确定所述目标物品关联的乘员;
第一座位匹配模块,包括:
位置检测子模块,用于基于所述第一场景图像检测所述车舱内的所述目标物品,得到所述目标物品的物品位置信息;
第一座位匹配子模块,用于基于车辆的座位配置信息和所述物品位置信息,确定所述目标物品匹配的车内座位,其中,所述座位配置信息包括座位的位置分布信息;
所述第一座位匹配模块,包括:
第一检测框确定子模块,用于检测所述第一场景图像中的目标物品得到表征所述目标物品所在区域的物品检测框;
第二检测框确定子模块,用于确定所述第一场景图像中包括的至少一个车内座位对应的座位检测框;
第三座位匹配子模块,用于根据所述物品检测框和每个所述座位检测框的位置确定所述目标物品匹配的车内座位;
所述第三座位匹配子模块包括:
候选框确定单元,用于根据所述物品检测框和每个所述座位检测框的位置,确定与所述物品检测框重叠面积最大的座位检测框为第一候选检测框;
位置匹配单元,用于响应于所述物品检测框与所述第一候选检测框的重叠面积大于第一面积阈值,确定所述第一候选检测框对应的车内座位与所述物品检测框对应的目标物品匹配。
12.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为调用所述存储器存储的指令,以执行权利要求1至10中任意一项所述的方法。
13.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至10中任意一项所述的方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111273085.7A CN114005103B (zh) | 2021-10-29 | 2021-10-29 | 关联车内的人和物的方法及装置、电子设备和存储介质 |
| PCT/CN2022/095593 WO2023071175A1 (zh) | 2021-10-29 | 2022-05-27 | 关联车内的人和物的方法及装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111273085.7A CN114005103B (zh) | 2021-10-29 | 2021-10-29 | 关联车内的人和物的方法及装置、电子设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114005103A CN114005103A (zh) | 2022-02-01 |
| CN114005103B true CN114005103B (zh) | 2025-09-16 |
Family
ID=79925216
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111273085.7A Active CN114005103B (zh) | 2021-10-29 | 2021-10-29 | 关联车内的人和物的方法及装置、电子设备和存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN114005103B (zh) |
| WO (1) | WO2023071175A1 (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114005103B (zh) * | 2021-10-29 | 2025-09-16 | 上海商汤临港智能科技有限公司 | 关联车内的人和物的方法及装置、电子设备和存储介质 |
| CN117221983A (zh) * | 2022-06-02 | 2023-12-12 | 中兴通讯股份有限公司 | 座舱单元控制方法、系统及计算机存储介质 |
| EP4350644A1 (en) * | 2022-10-05 | 2024-04-10 | Aptiv Technologies AG | Pose detection of persons in a vehicle |
| CN116828042A (zh) * | 2023-07-25 | 2023-09-29 | 中国第一汽车股份有限公司 | 信息推送方法、装置和车辆 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111652114A (zh) * | 2020-05-29 | 2020-09-11 | 深圳市商汤科技有限公司 | 一种对象检测方法、装置、电子设备及存储介质 |
| CN111937050A (zh) * | 2018-03-29 | 2020-11-13 | 华为技术有限公司 | 乘客相关物品丢失减少 |
| CN113486850A (zh) * | 2021-07-27 | 2021-10-08 | 浙江商汤科技开发有限公司 | 一种交通行为识别方法及装置、电子设备和存储介质 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107599971B (zh) * | 2017-09-04 | 2020-08-28 | 驭势(上海)汽车科技有限公司 | 针对性下车提醒方法及装置 |
| CN111986453A (zh) * | 2019-05-21 | 2020-11-24 | 奥迪股份公司 | 提醒系统、包括其的车辆及相应的方法和介质 |
| JP7055785B2 (ja) * | 2019-12-18 | 2022-04-18 | 矢崎総業株式会社 | 車載装置 |
| CN112036303A (zh) * | 2020-08-31 | 2020-12-04 | 上海商汤临港智能科技有限公司 | 遗留物品的提醒方法及装置、电子设备和存储介质 |
| CN114005103B (zh) * | 2021-10-29 | 2025-09-16 | 上海商汤临港智能科技有限公司 | 关联车内的人和物的方法及装置、电子设备和存储介质 |
-
2021
- 2021-10-29 CN CN202111273085.7A patent/CN114005103B/zh active Active
-
2022
- 2022-05-27 WO PCT/CN2022/095593 patent/WO2023071175A1/zh not_active Ceased
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111937050A (zh) * | 2018-03-29 | 2020-11-13 | 华为技术有限公司 | 乘客相关物品丢失减少 |
| CN111652114A (zh) * | 2020-05-29 | 2020-09-11 | 深圳市商汤科技有限公司 | 一种对象检测方法、装置、电子设备及存储介质 |
| CN113486850A (zh) * | 2021-07-27 | 2021-10-08 | 浙江商汤科技开发有限公司 | 一种交通行为识别方法及装置、电子设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023071175A1 (zh) | 2023-05-04 |
| CN114005103A (zh) | 2022-02-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114005103B (zh) | 关联车内的人和物的方法及装置、电子设备和存储介质 | |
| JP7621463B2 (ja) | 遺失物の通知方法、装置、電子機器、記憶媒体及びコンピュータプログラム | |
| CN113486760A (zh) | 对象说话检测方法及装置、电子设备和存储介质 | |
| JP7526897B2 (ja) | 車室内乗員検出方法及び装置、電子機器並びに記憶媒体 | |
| CN110569777B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| CN113486759B (zh) | 危险动作的识别方法及装置、电子设备和存储介质 | |
| CN113920492A (zh) | 车内人员检测方法及装置、电子设备和存储介质 | |
| CN113488043B (zh) | 乘员说话检测方法及装置、电子设备和存储介质 | |
| CN111652107B (zh) | 对象计数方法及装置、电子设备和存储介质 | |
| CN113060144A (zh) | 分心提醒方法及装置、电子设备和存储介质 | |
| CN112270288A (zh) | 活体识别、门禁设备控制方法和装置、电子设备 | |
| CN114550261A (zh) | 人脸识别方法及装置、电子设备和存储介质 | |
| CN114581525B (zh) | 姿态确定方法及装置、电子设备和存储介质 | |
| CN114170586A (zh) | 安全提示方法及装置、电子设备和存储介质 | |
| CN110909203A (zh) | 视频分析方法及装置、电子设备和存储介质 | |
| US20240005636A1 (en) | Method For a Vehicle For Estimating a User Context, Data Processing Device, Vehicle, Computer Program and Computer-Readable Storage Medium | |
| CN111753596B (zh) | 神经网络的训练方法及装置、电子设备和存储介质 | |
| CN112734015B (zh) | 网络生成方法及装置、电子设备和存储介质 | |
| CN109889693B (zh) | 视频处理方法及装置、电子设备和存储介质 | |
| CN114648649A (zh) | 人脸匹配方法及装置、电子设备和存储介质 | |
| CN111046780A (zh) | 神经网络训练及图像识别方法、装置、设备和存储介质 | |
| HK40065248A (zh) | 关联车内的人和物的方法及装置、电子设备和存储介质 | |
| CN114495072A (zh) | 乘员状态检测方法及装置、电子设备和存储介质 | |
| CN113911054A (zh) | 车辆个性化配置方法及装置、电子设备和存储介质 | |
| CN114782656A (zh) | 虚拟对象的显示方法及装置、电子设备和存储介质 |
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: 40065248 Country of ref document: HK |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |