[发明专利]一种单车状态检测方法、装置及电子设备有效

专利信息
申请号: 201910277524.8 申请日: 2019-04-08
公开(公告)号: CN109993851B 公开(公告)日: 2021-09-21
发明(设计)人: 杨磊;李皓白;曹学军;孙志成;雷可 申请(专利权)人: 上海钧正网络科技有限公司
主分类号: G07C5/08 分类号: G07C5/08
代理公司: 上海唯源专利代理有限公司 31229 代理人: 曾耀先
地址: 201199 上海市*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 单车 状态 检测 方法 装置 电子设备
【权利要求书】:

1.一种单车状态检测方法,其特征在于,应用于电子设备中,所述电子设备与摄像头通信,至少一个所述摄像头设置于对应的停车区域,所述摄像头用于摄取摄像头视场范围内的图像,所述视场范围包括所述停车区域,所述单车状态检测方法包括:

获取所述摄像头发送的视频流,根据预设的时间周期连续的从所述视频流中获取多张图像;

将所述图像输入预设的人体关键点模型以获取关于处于所述停车区域的同一用户的人体关键点特征向量;

根据预设的逻辑回归模型获取与所述人体关键点特征向量对应的动作类别;

根据预设的单车状态判定条件,判定与所述动作类别对应的单车的单车状态;

其中,所述人体关键点模型通过以下步骤获得:预先选取处于不同时间段的多张人体图片;标注所述人体图片中各人体关键点所在的位置;将标注后的所述人体图片基于深度卷积网络模型进行训练,以得到所述人体关键点模型;

其中,所述根据预设的逻辑回归模型获取与所述人体关键点特征向量对应的动作类别的步骤包括:将所述人体关键点特征向量输入所述逻辑回归模型;所述逻辑回归模型计算所述人体关键点特征向量对于预先设置的每种类别的动作的概率;取概率最大的类别为所述人体关键点特征向量所对应的动作类别。

2.根据权利要求1所述的单车状态检测方法,其特征在于,所述人体关键点模型还用以结合人脸识别算法以从所述图像中跟踪获得关于同一用户的人体关键点特征向量。

3.根据权利要求1所述的单车状态检测方法,其特征在于,所述动作类别至少包括以下中的一种或多种:扫码操作、关锁操作、拨锁环操作以及离开停车区域。

4.根据权利要求3所述的单车状态检测方法,其特征在于,根据预设的单车状态判定条件,判定与所述动作类别对应的单车的单车状态的步骤包括:

所述用户依次对第一辆单车执行所述扫码操作和关锁操作,且之后对第二辆单车执行扫码操作,且同所述第二辆单车一起离开所述停车区域,且在预设的时间段内,所述用户没有出现在所述停车区域内,判定所述第一辆单车的单车状态为异常状态,且该异常状态与所述第一辆单车的车锁无关;或

所述用户对第一辆单车执行所述扫码操作,且之后对第二辆单车执行扫码操作,且同所述第二辆单车一起离开所述停车区域,且在预设的时间段内,所述用户没有出现在所述停车区域内,判定所述第一辆单车的单车状态为异常状态,且该异常状态与所述第一辆单车的车锁有关;或

所述用户对第一辆单车执行所述扫码操作,且之后对所述第一辆单车执行所述拨锁环操作,判定所述第一辆单车的单车状态为异常状态,且该异常状态与所述第一辆单车的锁环有关;或

所述用户对第一辆单车执行所述扫码操作,且同所述第一辆单车一起离开所述停车区域,且在预设时间段内,所述用户同所述第一辆单车处于所述停车区域内,且对所述第一辆单车执行所述关锁操作,判定所述第一辆单车的单车状态为异常状态,且该异常状态与所述第一辆单车的车锁无关。

5.根据权利要求1所述的单车状态检测方法,其特征在于,从所述图像中识别所述单车的单车信息,所述单车信息包括所述单车的编号信息和健康评分,且根据所述单车状态,对所述单车的健康评分进行调整。

6.根据权利要求1所述的单车状态检测方法,其特征在于,当判断所述单车状态为异常状态时,不扣除操作处于异常状态的单车的用户的单车使用费用。

7.根据权利要求1所述的单车状态检测方法,其特征在于,当判断所述单车状态为异常状态时,向指定的运维端发送维修提醒信息,且将关于单车的当前视频图像发送至所述运维端。

8.根据权利要求1所述的单车状态检测方法,其特征在于,所述人体关键点特征向量为对预设的人体关键点进行识别以获取的特征向量;其中所述人体关键点包括以下中的一种或多种:头、颈、肩、肘、手、跨、膝、脚和脸部。

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上海钧正网络科技有限公司,未经上海钧正网络科技有限公司许可,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/201910277524.8/1.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