[发明专利]危险提醒方法、装置、存储介质及移动终端在审

专利信息
申请号: 201810909332.X 申请日: 2018-08-10
公开(公告)号: CN109166141A 公开(公告)日: 2019-01-08
发明(设计)人: 陈岩;方攀 申请(专利权)人: OPPO广东移动通信有限公司
主分类号: G06T7/246 分类号: G06T7/246;G06K9/00
代理公司: 北京品源专利代理有限公司 11332 代理人: 孟金喆
地址: 523860 广东*** 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: 移动终端 预设 环境图像数据 场景识别 存储介质 危险指数 运动数据 运动传感器 基于机器 情况评估 输出结果 提醒功能 提醒条件 用户使用 摄像头 准确度 申请 学习
【权利要求书】:

1.一种危险提醒方法,其特征在于,包括:

通过移动终端的摄像头获取环境图像数据,以及通过运动传感器获取所述移动终端的运动数据;

将所述环境图像数据输入至基于机器学习的预设场景识别模型中;

根据所述预设场景识别模型的输出结果以及所述运动数据得到当前危险指数;

在所述当前危险指数满足预设提醒条件时,进行相应的危险提醒操作。

2.根据权利要求1所述的方法,其特征在于,所述根据所述预设场景识别模型的输出结果以及所述运动数据得到当前危险指数,包括:

根据所述运动数据确定所述移动终端的运动信息和姿态信息;

根据所述预设场景识别模型的输出结果、所述运动信息和所述姿态信息得到当前危险指数;所述输出结果包括场景信息、路况信息和障碍物信息中的至少一种。

3.根据权利要求1所述的方法,其特征在于,所述预设场景识别模型通过以下方式得到:

获取包含目标物的图像数据,所述目标物包括道路、坑、楼梯、电梯、人和障碍物中的至少一种;

对所述图像数据进行标注,得到样本图像数据;

将所述样本图像数据输入至基于深度学习框架的预设初始模型中进行模型训练,得到预设场景识别模型。

4.根据权利要求3所述的方法,其特征在于,所述将所述样本图像数据输入至基于深度学习框架的预设初始模型中进行模型训练,得到预设场景识别模型,包括:

将所述样本图像数据中的部分数据输入至基于深度学习框架的预设初始模型中进行模型训练,得到原始预设场景识别模型;

利用所述样本图像数据中的剩余数据对所述原始预设场景识别模型进行模型测试,以对所述原始预设场景识别模型进行优化调整,将调整后的原始预设场景识别模型记为预设场景识别模型。

5.根据权利要求1所述的方法,其特征在于,所述通过移动终端的摄像头获取环境图像数据,以及通过运动传感器获取所述移动终端的运动数据,包括:

在检测到危险评估事件被触发时,通过移动终端的摄像头获取环境图像数据,以及通过运动传感器获取所述移动终端的运动数据。

6.根据权利要求5所述的方法,其特征在于,所述检测到危险评估事件被触发,包括:

获取移动终端的使用状态,当所述使用状态与预设使用状态匹配时,确定检测到危险评估事件被触发;其中,所述使用状态包括所述移动终端是否处于亮屏状态、所述移动终端被注视的时长、所述移动终端正在运行的应用程序以及所述移动终端被操作的频率中的至少一种。

7.根据权利要求1所述的方法,其特征在于,所述根据所述预设场景识别模型的输出结果以及所述运动数据得到当前危险指数,包括:

获取辅助数据;其中,所述辅助数据包括环境声音数据、时间信息和定位信息中的至少一种;

根据所述预设场景识别模型的输出结果、所述运动数据以及所述辅助数据得到当前危险指数。

8.一种危险提醒装置,其特征在于,包括:

数据获取模块,用于通过移动终端的摄像头获取环境图像数据,以及通过运动传感器获取所述移动终端的运动数据;

模型输入模块,用于将所述环境图像数据输入至基于机器学习的预设场景识别模型中;

危险评估模块,用于根据所述预设场景识别模型的输出结果以及所述运动数据得到当前危险指数;

危险提醒模块,用于在所述当前危险指数满足预设提醒条件时,进行相应的危险提醒操作。

9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一所述的危险提醒方法。

10.一种移动终端,其特征在于,包括摄像头,运动传感器,存储器,处理器及存储在存储器上并可在处理器运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1-7任一所述的危险提醒方法。

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OPPO广东移动通信有限公司,未经OPPO广东移动通信有限公司许可,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/201810909332.X/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