[发明专利]一种车辆门锁的控制方法及装置

权利要求书

1.一种车辆门锁的控制方法，其特征在于，包括：

分别从图像采集设备采集到的当前时间范围内的各待识别图像中，检测获得各区域图像，以及各区域图像在对应的待识别图像中的位置信息，其中，所述区域图像中包含有目标对象，所述图像采集设备朝向于所述目标对象的行进方向；

分别根据各位置信息，计算各目标对象与所述图像采集设备之间的距离值；

根据计算出的各距离值，确定是否对所述车辆的车门进行关锁控制。

2.如权利要求1所述的方法，其特征在于，若所述目标对象为人体，则分别根据各位置信息，计算各目标对象与所述图像采集设备之间的距离值之前，进一步包括：

分别针对所述各区域图像，对任意一张区域图像进行人体关键点识别，获得该区域图像中包含的各人体关键点，以及所述各人体关键点对应的关键点坐标，其中，所述关键点坐标表征人体关键点在待识别图像中的二维坐标；

分别针对各人体，根据任意一个人体在各区域图像中的各人体关键点的关键点坐标，确定出该人体在所述当前时间范围内的运动轨迹，并根据所述运动轨迹，预测获得该人体在下一时间范围内的预测运动轨迹；

根据所述各人体的预测运动轨迹，从所述各人体中选择出满足预设的预测运动轨迹条件的人体；

保留选择出的各人体的各区域图像在对应的待识别图像中的位置信息。

3.如权利要求1所述的方法，其特征在于，分别从图像采集设备采集到的当前时间范围内的各待识别图像中，检测获得各区域图像，具体包括：

分别针对图像采集设备采集到的当前时间范围内的各待识别图像，基于已训练的目标对象识别模型，以任意一张待识别图像为输入参数，对该待识别图像进行目标对象检测，获得各包含有目标对象的区域图像。

4.如权利要求3所述的方法，其特征在于，对该待识别图像进行目标对象检测，具体包括：

通过所述目标对象识别模型中的骨干网络层，对该待识别图像进行特征提取，获得该待识别图像的特征图；

通过所述目标对象识别模型中的空洞卷积层，对所述特征图进行空洞卷积，确定所述空洞卷积特征；

根据所述空洞卷积特征，确定该待识别图像中是否包含有目标对象。

5.如权利要求2所述的方法，其特征在于，对任意一张区域图像进行人体关键点识别，获得该区域图像中包含的各人体关键点，以及所述各人体关键点对应的关键点坐标，具体包括：

基于已训练的人体关键点检测模型，以任意一张区域图像为输入参数，对该区域图像进行人体关键点识别，获得对应识别出的各人体关键点，以及所述各人体关键点对应的关键点坐标，其中，所述人体关键点检测模型的模型结构至少包括骨干网络层、卷积层、深度可分离卷积层、沙漏结构层和全连接层，所述骨干网络层、所述卷积层、所述深度可分离卷积层和所述沙漏结构层用于对所述区域图像进行特征提取。

6.如权利要求5所述的方法，其特征在于，所述人体关键点检测模型的训练方式为：

获取图像样本集，其中，所述图像样本集中包括多类区域图像样本和对应的各人体关键点样本；

将所述图像样本集输入至人体关键点检测模型进行训练，输出为区域图像中包含的各人体关键点，以及对应的关键点坐标，直至所述人体关键点检测模型的损失函数最小化，获得训练完成的人体关键点检测模型，其中，所述损失函数为根据区域图像样本的数量、人体关键点类别的数量、检测获得的关键点坐标和预设的标准关键点坐标之间的误差值，以及各类区域图像样本对应的权重确定出的。