[发明专利]一种基于图像处理具有物品监测功能的智能旅行箱在审

专利信息
申请号: 202110266068.4 申请日: 2021-03-11
公开(公告)号: CN113063483A 公开(公告)日: 2021-07-02
发明(设计)人: 谢恩旺 申请(专利权)人: 安徽天恩旅行用品科技有限公司
主分类号: G01G23/35 分类号: G01G23/35;G01G23/37;A45C5/04;A45C15/00
代理公司: 合肥律众知识产权代理有限公司 34147 代理人: 王刘
地址: 230000 安*** 国省代码: 安徽;34
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 基于 图像 处理 具有 物品 监测 功能 智能 旅行
【说明书】:

发明涉及智能旅行箱,具体涉及一种基于图像处理具有物品监测功能的智能旅行箱,包括控制器,安装于旅行箱上的定位模块、重量检测模块、第一图像采集模块、第二图像采集模块和报警提醒模块,控制器通过无线通信模块与用户移动终端建立通信,控制器与用于计算旅行箱位置的位置测算模块相连,控制器与用于拍摄旅行箱周围环境的第一图像采集模块相连;本发明能够有效克服现有技术所存在的无法向用户提供寻找自身信息、无法对忘记将取出物品全部放回进行提醒的缺陷。

技术领域

本发明涉及智能旅行箱,具体涉及一种基于图像处理具有物品监测功能的智能旅行箱。

背景技术

外出旅行,以及出差途中,旅行箱是必不可少的。平时所用的旅行箱一般都是简单箱包,轮子位于箱体底部,在箱体上面有一个拉杆,可容纳各种衣物、电子设备等物品。旅行箱在为人们的出行及物品携带方面提供了极大便利,但从另一方面,仅仅是作为容纳物品的旅行箱已经不能很好地贴合于实际的应用场合。

物品识别是计算机视觉技术的一个重要应用,随着人工智能的不断发展,物品识别已经在日常生活中得到广泛应用。物品识别与深度学习理论密切相关,从深度学习理论出现之前的人工特征提取,到后来逐步使用卷积神经网络结构进行物品特征的提取和分类,再到端对端的模型使用一个网络完成所有任务,最终以更快的速度和更低的资源消耗达到了实时物体检测的效果。同时,卷积神经网络作为深度学习的代表算法之一,是一类包含卷积计算且具有深度结构的深度神经网络,其整体相当于一个从输入到输出的映射函数,大多由如下的一些操作组合而成:加法、减法、乘法、除法以及激活函数。因此,当有一个训练好的神经网络模型后,其可以被直接应用于同态数据集的分析工作中。

在旅行箱的实际使用中,常常会出现遗忘旅行箱的情况,进而导致旅行箱丢失,在这种情况下,旅行箱本身无法进行检测,并发送自身的位置信息,使得寻找旅行箱非常困难。此外,人们在使用物品时会将物品从旅行箱中取出,但是常常忘记将取出的物品全部放回,容易出现丢失贵重物品的情况。

发明内容

(一)解决的技术问题

针对现有技术所存在的上述缺点,本发明提供了一种基于图像处理具有物品监测功能的智能旅行箱,能够有效克服现有技术所存在的无法向用户提供寻找自身信息、无法对忘记将取出物品全部放回进行提醒的缺陷。

(二)技术方案

为实现以上目的,本发明通过以下技术方案予以实现:

一种基于图像处理具有物品监测功能的智能旅行箱,包括控制器,安装于旅行箱上的定位模块、重量检测模块、第一图像采集模块、第二图像采集模块和报警提醒模块,所述控制器通过无线通信模块与用户移动终端建立通信,所述控制器与用于计算旅行箱位置的位置测算模块相连,所述控制器与用于拍摄旅行箱周围环境的第一图像采集模块相连;

所述控制器与用于采集待放置物品图像的第二图像采集模块相连,所述控制器与用于对图像进行分析,并生成物品区域的像素分布直方图的第一图像分析模块相连,所述控制器与用于对图像进行分析,并生成物品区域和环境区域的像素分布直方图的第二图像分析模块相连,所述控制器与用于对像素分布直方图进行处理,并根据处理结果对图像中的物品进行分割的物品分割确定模块相连,所述控制器与用于对分割后物品进行特征提取的特征提取模块相连,所述控制器与用于对提取特征进行融合的特征融合模块相连,所述控制器与用于根据融合特征进行物品识别的物品识别模块相连。

优选地,所述移动终端上的APP每隔一段时间通过无线通信模块向控制器发送位置信息,所述位置测算模块接收该位置信息,并结合定位模块的定位信息,对旅行箱的位置,及旅行箱相对于用户的方位、距离进行测算。

优选地,所述控制器判断位置测算模块的测算结果是否在阈值范围内,若所述控制器判断旅行箱相对用户的距离超过阈值,则启动第一图像采集模块、报警提醒模块。

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安徽天恩旅行用品科技有限公司,未经安徽天恩旅行用品科技有限公司许可,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/202110266068.4/2.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