[发明专利]行车记录仪的信息处理方法和装置在审

专利信息
申请号: 201711133820.8 申请日: 2017-11-15
公开(公告)号: CN108156406A 公开(公告)日: 2018-06-12
发明(设计)人: 李硕;张汉颖;刘星 申请(专利权)人: 珠海格力电器股份有限公司
主分类号: H04N5/76 分类号: H04N5/76;H04N5/92;H04N7/18;G07C5/00;G07C5/08;G06K9/00;G06K9/62
代理公司: 北京康信知识产权代理有限责任公司 11240 代理人: 赵囡囡
地址: 519070 *** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 目标物体 行车记录 图像 方法和装置 特征信息 信息处理 图像识别算法 行车记录仪 存储空间 视频存储 文本格式 预设 采集 占用 转换
【权利要求书】:

1.一种行车记录仪的信息处理方法,其特征在于,包括:

获取行车记录仪采集的图像;

通过预设图像识别算法识别所述图像中存在的所有目标物体;

确定所述图像中存在的所有目标物体分别对应的特征信息;

将所述图像中所有目标物体分别对应的特征信息转换为文本格式的信息。

2.根据权利要求1所述的方法,其特征在于,通过预设图像识别算法识别所述图像中存在的所有目标物体包括:

对所述图像执行图像分割处理,其中,所述图像分割处理用于根据像素值的特征将所述图像分割为多个区块;

对每个所述区块采用所述预设图像识别算法进行识别,以分别确定每个所述区块是否存在所述目标物体。

3.根据权利要求2所述的方法,其特征在于,对每个所述区块采用所述预设图像识别算法进行识别,以分别确定每个所述区块是否存在所述目标物体包括:

获取至少一个神经网络模型,其中,每个所述神经网络模型用于识别一种目标物体,每个所述神经网络模型为通过训练样本集所训练出的神经网络模型;

将所述图像分别输入每个所述神经网络模型以得到所述图像中是否存在对应的目标物体的判断结果。

4.根据权利要求1所述的方法,其特征在于,确定所述图像中存在的所有目标物体分别对应的特征信息包括:

分别确定所述图像中存在的每个所述目标物体的当前位置;

获取每个所述目标物体的历史位置,其中,所述历史位置为对应的所述目标物体根据历史图像确定的位置;

根据每个所述目标物体的历史位置和当前位置确定对应的所述目标物体的运动轨迹;

根据每个所述目标物体的运动轨迹预测对应的所述目标物体在下一帧图像中的位置,其中,对每个所述目标物体预测的在下一帧图像中的位置用于作为识别对应的所述目标物体的依据。

5.根据权利要求1所述的方法,其特征在于,在将所述图像中所有目标物体分别对应的特征信息转换为文本格式的信息之后,所述方法还包括以下至少之一:

存储所述文本格式的信息;

将所述文本格式的信息上传至远程服务器;

通过社交平台分享所述文本格式的信息。

6.一种行车记录仪的信息处理装置,其特征在于,包括:

获取单元,用于获取行车记录仪采集的图像;

识别单元,用于通过预设图像识别算法识别所述图像中存在的所有目标物体;

确定单元,用于确定所述图像中存在的所有目标物体分别对应的特征信息;

转换单元,用于将所述图像中所有目标物体分别对应的特征信息转换为文本格式的信息。

7.根据权利要求6所述的装置,其特征在于,所述识别单元包括:

分割模块,用于对所述图像执行图像分割处理,其中,所述图像分割处理用于根据像素值的特征将所述图像分割为多个区块;

第一确定模块,用于对每个所述区块采用所述预设图像识别算法进行识别,以分别确定每个所述区块是否存在所述目标物体。

8.根据权利要求7所述的装置,其特征在于,所述第一确定模块包括:

获取子模块,用于获取至少一个神经网络模型,其中,每个所述神经网络模型用于识别一种目标物体,每个所述神经网络模型为通过训练样本集所训练出的神经网络模型;

处理子模块,用于将所述图像分别输入每个所述神经网络模型以得到所述图像中是否存在对应的目标物体的判断结果。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于珠海格力电器股份有限公司,未经珠海格力电器股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201711133820.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top