[发明专利]用于深度学习的传感器融合感兴趣区域识别

权利要求书

1.一种用于执行传感器融合以进行高效深度学习处理的系统，所述系统包括：

具有多个就座区的交通工具的计算装置，所述计算装置被编程为

从图像传感器接收相机图像并从一个或多个补充传感器接收补充传感器数据，所述相机图像和所述补充传感器数据包括所述交通工具的舱室的成像；

基于所述相机图像或所述补充传感器数据中的一者或多者来确定所述相机图像中的感兴趣区域，所述感兴趣区域包括所述相机图像的被标记用于进一步图像分析的区域；

利用机器学习模型对所述相机图像的所述感兴趣区域执行对象检测，以识别所述相机图像中的一个或多个对象；以及

将所述对象放置在所述交通工具的所述就座区中。

2.如权利要求1所述的系统，其中所述计算装置还被编程为利用感兴趣区域定位器来根据所述相机图像确定所述相机图像中的所述感兴趣区域。

3.如权利要求2所述的系统，其中所述计算装置还被编程为：

利用占用检测器来识别所述补充传感器数据内的感兴趣位置的三维(3D)检测；

利用检测融合部件来基于加权函数将二维(2D)对象检测和所述3D检测融合成融合的检测；以及

使用所述融合的检测来执行座椅检测。

4.如权利要求1所述的系统，其中所述计算装置还被编程为利用激活的感兴趣区域定位器来根据所述补充传感器数据确定所述相机图像中的所述感兴趣区域。

5.如权利要求4所述的系统，其中所述补充传感器数据包括指示所述交通工具内的对象的运动的雷达传感器数据。

6.如权利要求4所述的系统，其中所述补充传感器数据包括指示所述交通工具中的移动装置的位置的无线收发器数据。

7.如权利要求1所述的系统，其中所述计算装置还被编程为：

利用未激活的感兴趣区域定位器来根据所述相机图像确定所述相机图像中的所述感兴趣区域；

利用激活的感兴趣区域定位器来根据所述补充传感器数据确定所述相机图像中的所述感兴趣区域；以及

利用所述机器学习模型对使用所述未激活的感兴趣区域定位器和所述激活的感兴趣区域定位器两者确定的所述感兴趣区域执行特征提取，以执行所述对象检测。

8.如权利要求7所述的系统，其中所述计算装置还被编程为：

利用结果融合来基于加权函数将所述对象检测和所述补充传感器数据融合成融合的检测；以及

使用所述融合的检测来执行座椅检测。

9.一种用于执行传感器融合以进行高效深度学习处理的方法，所述方法包括：

从图像传感器接收相机图像并从一个或多个补充传感器接收补充传感器数据，所述相机图像和所述补充传感器数据包括交通工具的舱室的成像；

基于所述相机图像或所述补充传感器数据中的一者或多者来确定所述相机图像中的感兴趣区域，所述感兴趣区域包括所述相机图像的被标记用于进一步图像分析的区域；

利用机器学习模型对所述相机图像的所述感兴趣区域执行对象检测，以识别所述相机图像中的一个或多个对象；以及

将所述对象放置在所述交通工具的就座区中。

10.如权利要求9所述的方法，所述方法还包括利用感兴趣区域定位器来根据所述相机图像确定所述相机图像中的所述感兴趣区域。

11.如权利要求10所述的方法，所述方法还包括：

利用占用检测器来识别所述补充传感器数据内的感兴趣位置的三维(3D)检测；

利用检测融合部件来基于加权函数将二维(2D)对象检测和所述3D检测融合成融合的检测；以及

使用所述融合的检测来执行座椅检测。

12.如权利要求9所述的方法，所述方法还包括利用激活的感兴趣区域定位器来根据所述补充传感器数据确定所述相机图像中的所述感兴趣区域。