基于人工智能的电池检测方法、装置和电子设备制造方法及图纸

本公开提供了基于人工智能的电池检测方法、装置和电子设备，涉及人工智能技术领域，具体为图像识别和深度学习技术领域，具体实现方案为：获取视频流，对视频流进行目标检测，以识别视频流中是否存在电池，响应于存在电池，对电池进行跟踪，以判断电池是否进入目标区域，本公开基于深度学习算法，可以对电池进入目标区域行为进行实时识别，并降低了成本，提升了识别电池进入目标区域的准确性和可靠性。识别电池进入目标区域的准确性和可靠性。识别电池进入目标区域的准确性和可靠性。

【技术实现步骤摘要】
基于人工智能的电池检测方法、装置和电子设备


[0001]本公开涉及人工智能
，具体为图像识别和深度学习
，尤其涉及一种基于人工智能的电池检测方法、装置和电子设备。

技术介绍

[0002]近年来，电动自行车以其便捷、环保、经济等优势，已经成为居民的主要交通出行方式之一，电动自行车管理尤为重要，特别地，针对电动自行车中的电池进入目标区域行为，往往存在火灾隐患，事故造成的影响十分严重。
[0003]相关技术中，针对识别电池进入目标区域行为时，往往是对电池张贴可远程识别的射频识别(Radio Frequency Identification，简称RFID)标签，在进入目标区域之地安装识别装置，当RFID信号采集器收到电池RFID标签信号后，则确定电池进入目标区域，然而上述方法，需要给每台电动车电池贴上RFID标签，若有遗漏则无法识别电池是否进入目标区域，实际操作性难，成本比较大。因此，如何提高识别电池进入目标区域行为的准确性和可靠性，并降低成本，已成为亟待解决的问题。

技术实现思路

[0004]本公开提供了一种基于人工智能的电池检测方法、装置、电子设备、存储介质及程序产品。
[0005]根据第一方面，提供了一种基于人工智能的电池检测方法，包括：获取视频流；对所述视频流进行目标检测，以识别所述视频流中是否存在电池；响应于存在所述电池，对所述电池进行跟踪，以判断所述电池是否进入目标区域。
[0006]根据第二方面，提供了一种基于人工智能的电池检测装置，包括：获取模块，用于获取视频流；检测模块，用于对所述视频流进行目标检测，以识别所述视频流中是否存在电池；判断模块，用于响应于存在所述电池，对所述电池进行跟踪，以判断所述电池是否进入目标区域。
[0007]根据第三方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开第一方面所述的基于人工智能的电池检测方法。
[0008]根据第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据本公开第一方面所述的基于人工智能的电池检测方法。
[0009]根据第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据本公开第一方面所述的基于人工智能的电池检测方法。
[0010]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0011]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0012]图1是根据本公开第一实施例的基于人工智能的电池检测方法的流程示意图；
[0013]图2是根据本公开第二实施例的基于人工智能的电池检测方法的流程示意图；
[0014]图3是根据本公开第三实施例的基于人工智能的电池检测方法的流程示意图；
[0015]图4是根据本公开第四实施例的流程示意图；
[0016]图5是根据本公开第五实施例的流程示意图；
[0017]图6是根据本公开基于人工智能的电池检测方法的流程示意图；
[0018]图7是是用来实现本公开实施例的基于人工智能的电池检测装置的框图；
[0019]图8是用来实现本公开实施例的基于人工智能的电池检测方法的电子设备的框图。
具体实施方式
[0020]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0021]人工智能(Artificial Intelligence，简称AI)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。目前，AI技术具有自动化程度高、精确度高、成本低的优点，得到了广泛的应用。
[0022]图像识别(image identification)是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，是应用深度学习算法的一种实践应用。
[0023]深度学习(Deep Learning，简称DL)，是机器学习(Machine Learning，简称ML)领域中一个新的研究方向，学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。就具体研究内容而言，主要包括基于卷积运算的神经网络系统，即卷积神经网络；基于多层神经元的自编码神经网络；以多层自编码神经网络的方式进行预训练，进而结合鉴别信息进一步优化神经网络权值的深度置信网络。深度学习在搜索技术、数据挖掘、机器学习、机器翻译、自然语言处理、多媒体学习、语音、推荐和个性化技术，以及其他相关领域都取得了很多成果。深度学习使机器模仿视听和思考等人类的活动，解决了很多复杂的模式识别难题，使得人工智能相关技术取得了很大进步。
[0024]下面结合附图描述本公开实施例的一种基于人工智能的电池检测方法。
[0025]图1是根据本公开第一实施例的基于人工智能的电池检测方法的流程示意图。
[0026]如图1所示，本公开实施例的基于人工智能的电池检测方法具体可包括以下步骤：
[0027]S101，获取视频流。
[0028]具体的，本公开实施例的基于人工智能的电池检测方法的执行主体可为本公开实施例提供的基于人工智能的电池检测装置，该基于人工智能的电池检测的装置可为具有数据信息处理能力的硬件设备和/或驱动该硬件设备工作所需必要的软件。可选的，执行主体
可包括工作站、服务器，计算机、用户终端及其他设备。其中，用户终端包括但不限于手机、电脑、智能语音交互设备、智能家电、车载终端等。
[0029]需要说明的是，由于要识别电池是否进入目标区域，因此，可以获取视频流，以对对户外视频流进行分析处理，识别电池是否进入目标区域。
[0030]需要说明的是，本公开对于获取视频流的具体方式不作限定，可以根据实际情况进行选取。
[0031]可选地，可以通过摄像头进行采集视频流，以获取视频流。
[0032]举例而言，可以在单元楼设置一定数量的摄像头，进行采集视频流。
[0033]S102，对视频流进行目标检测，以识别视频流中是否存在电池。
[0034]可选地，当视频流中，用户出现携带电池行为，例如：用户手拎电池，当用户处于移动状态时，电池也处于移动状态。
[0035]在本公开实施例中，在获取到视本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的电池检测方法，包括：获取视频流；对所述视频流进行目标检测，以识别所述视频流中是否存在电池；响应于存在所述电池，对所述电池进行跟踪，以判断所述电池是否进入目标区域。2.根据权利要求1所述的电池检测方法，其中，所述响应于存在所述电池，对所述电池进行跟踪，以判断所述电池是否进入目标区域，包括：基于跟踪算法对所述电池进行跟踪，以得到所述电池对应的轨迹信息；根据所述轨迹信息，判断所述电池是否进入目标区域。3.根据权利要求2所述的电池检测方法，其中，所述根据所述轨迹信息，判断所述电池是否进入目标区域，包括：根据所述轨迹信息，识别所述电池的移动方向；从所述视频流中识别目标区域的所在方向；获取所述电池与所述目标区域的距离；响应于所述移动方向为朝向所述目标区域的所在方向，且所述距离逐渐减小，确定所述电池进入目标区域。4.根据权利要求2所述的电池检测方法，其中，所述根据所述轨迹信息，判断所述电池是否进入目标区域，包括：从所述视频流中，识别目标区域的位置信息；根据所述轨迹信息和所述移动方向，预测所述电池的预测位置；判断所述预测位置与所述目标区域的位置是否存在交集；响应于所述预测位置与所述目标区域的位置存在交集，确定所述电池进入目标区域。5.根据权利要求2所述的电池检测方法，其中，所述根据所述轨迹信息，判断所述电池是否进入目标区域，包括：对所述目标区域进行标注，以获取所述目标区域的对应的边界框，并在所述边界框上标注方向；根据所述轨迹信息、所述边界框和所述方向，判断所述电池是否进入目标区域。6.根据权利要求5所述的电池检测方法，其中，所述根据所述轨迹信息、所述边界框和所述方向，判断所述电池是否进入目标区域，包括：响应于所述边界框与所述轨迹信息存在交集，且所述方向与所述轨迹信息相同...

【专利技术属性】
技术研发人员：冯霞，姬东飞，陆勤，龚建，孙珂，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：