【技术实现步骤摘要】
本申请涉及车辆领域，并且更具体地，涉及车辆领域中识别手持物品的方法、装置、车辆及存储介质。
技术介绍
1、随着车辆技术的发展，越来越多的车辆进入人们的生活。但是，随之而来的与车辆相关的问题也越来越多，其中，包括车辆的驾驶安全问题。
2、为了解决在驾驶过程中因驾驶员做诸如接打电话的分心动作而引发的交通事故，现有技术中的手部动作检测算法主要由人为观察来判断驾驶员的手部状态。上述人为观察的方式往往会因为观察者自身分心而导致不准确的检测结果。
3、因此，亟需一种识别手持物品的方法，以提高对驾驶员的手部所持有的物品进行识别的准确率。
技术实现思路
1、本申请提供了识别手持物品的方法、装置、车辆及存储介质，该方法能够提高对手持物品进行识别的速度和准确性。
2、第一方面，提供了一种识别手持物品的方法，该方法包括：在车辆行驶且驾驶位存在驾驶员的情况下，获取该驾驶员的驾驶图像；对该驾驶图像进行区域检测，确定该驾驶员的手部图像，该手部图像中包括该驾驶员的手部所处的图像区域；基于该手部图像，对该驾驶员的手部所持有的物品进行识别。
3、上述技术方案中，在车辆行驶且驾驶位存在驾驶员时，获取该驾驶员的驾驶图像；对该驾驶图像进行区域检测，从驾驶图像中确定出该驾驶员的手部所处的图像区域，即手部图像。进一步地，基于该手部图像，对该驾驶员的手部所持有的物品进行识别，以能够在该物品为危险物品时进行语音警示。该方法通过先从驾驶图像中确定出手部图像，再对手部图像进行处理，以对
4、结合第一方面，在某些可能的实现方式中，对该驾驶图像进行区域检测，确定该驾驶员的手部图像，包括：基于多个目标区域，在该驾驶图像上生成多个外接矩形框，该多个目标区域为多个测试对象手持物品时手部在测试图像中所处的区域，该测试图像和该驾驶图像的图像大小和拍摄条件相同；将该驾驶图像中的该多个外接矩形框所包围的图像区域进行裁剪，并将裁剪出的多个图像区域，确定为该手部图像。
5、上述技术方案中，该方法基于多个测试对象手持物品时手部在测试图像中的目标区域，在该驾驶图像上生成多个外接矩形框。测试对象的数量足够大，且测试图像和驾驶图像的图像大小和拍摄条件相同，因此，该方法能够基于多个目标区域，通过多个外接矩形框准确地捕捉驾驶员的手部图像区域。进一步地，将该多个外接矩形框所包围的图像区域进行裁剪，并将裁剪出的多个图像区域作为手部图像。这样，该方法可基于该手部图像对手持物品进行识别，无需关注驾驶图像中的背景图像区域，能够提高对手持物品进行识别的速度和准确性，进而能够进行准确的语音警示。
6、结合第一方面和上述实现方式，在某些可能的实现方式中，基于多个目标区域，在该驾驶图像上生成多个外接矩形框，包括：在该驾驶图像中，将该多个目标区域所对应的图像区域的边界框确定为该多个外接矩形框；或，在该多个目标区域所对应的图像区域的边界框的基础上，向多个边界框的外侧延伸预设距离，并将延伸该预设距离后的多个边界框确定为该多个外接矩形框。
7、上述技术方案中，在该驾驶图像中，将该多个目标区域所对应的图像区域的边界框确定为该多个外接矩形框。该方法完全依赖于测试过程中确定的多个测试对象的手部持有物品时经常所处的位置，来推测该驾驶员手部在驾驶图像中的区域，能够在不增加手部图像的图像面积的情况下，准确地确定手部所处的图像区域。或，在该多个目标区域所对应的图像区域的边界框的基础上，向多个边界框的外侧延伸预设距离，这增加了手部图像的图像面积，但是，该方法不完全依赖于测试过程中确定的多个测试对象的手部持有物品时经常所处的位置，因此，该方法更能准确地确定驾驶员的手部所处的图像区域。
8、结合第一方面和上述实现方式，在某些可能的实现方式中，基于该手部图像，对该驾驶员的手部所持有的物品进行识别，包括：将该手部图像输入至目标分类模型，由该目标分类模型检测该手部图像中手部所持有的物品种类和对应的概率；基于该手部所持有的物品种类和对应的概率，对该驾驶员的手部所持有的物品进行识别。
9、上述技术方案中，该方法通过目标分类模型对手部图像进行处理，确定该手部图像中手部所持有的物品种类和对应的概率。进一步地，基于物品种类和对应的概率，对该驾驶员的手部所持有的物品进行识别。也就是说，该方法通过神经网络训练的目标分类模型对该驾驶员的手部所持有的物品进行识别，这能够提高对手持物品进行识别的准确性。
10、结合第一方面和上述实现方式，在某些可能的实现方式中，基于该手部所持有的物品种类和对应的概率，对该驾驶员的手部所持有的物品进行识别，包括：在该物品种类满足第一条件的情况下，确定该物品为第一种类物品，该第一条件为该物品种类为第一种类和对应的概率大于等于第一概率阈值；在该物品种类满足第二条件的情况下，确定第一时刻后的多个时刻中各个时刻该驾驶员的手部所持有的物品种类和对应的概率，该第二条件包括该物品种类为该第一种类和对应的概率小于该第一概率阈值且大于等于第二概率阈值，该第一时刻为该驾驶图像获取的时刻；基于该多个时刻中各个时刻该手部所持有的物品种类和对应的概率，以及相邻时刻之间的时间间隔，对该驾驶员的手部所持有的物品进行识别。
11、上述技术方案中，在物品种类为第一种类和对应的概率大于等于第一概率阈值时，确定该物品为第一种类物品。而在物品种类满足第二条件(该第二条件包括包括该物品种类为该第一种类和对应的概率小于该第一概率阈值且大于等于第二概率阈值)时，确定第一时刻后的多个时刻中各个时刻该驾驶员的手部所持有的物品种类和对应的概率；进而基于该多个时刻中各个时刻该手部所持有的物品种类和对应的概率，以及相邻时刻之间的时间间隔，对该驾驶员的手部所持有的物品进行识别。也就是说，能够基于单帧的驾驶图像，对该驾驶员的手部所持有的物品进行识别。该方法为了提高对手持物品进行识别的准确性，还考虑了单帧其后的多帧驾驶图像对应的物品识别结果。也就是说，对多帧驾驶图像中的手部状态进行统计，基于长时间的统计结果确定手持物品。
12、结合第一方面和上述实现方式，在某些可能的实现方式中，基于该多个时刻中各个时刻该手部所持有的物品种类和对应的概率，以及相邻时刻之间的时间间隔，对该驾驶员的手部所持有的物品进行识别，包括：确定该多个时刻该手部所持有的物品种类和对应的概率中连续为该物品种类满足该第一条件的多个时段对应的第一数量，以及连续为该物品种类不满足该第一条件的多个时段对应的第二数量；基于多个时段对应的第一数量和该时间间隔，确定在各个时段该物品为第一种类物品的第一时长；在基于各个时段对应的第一时长确定该物品本文档来自技高网...
【技术保护点】
1.一种识别手持物品的方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述驾驶图像进行区域检测，确定所述驾驶员的手部图像，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于多个目标区域，在所述驾驶图像上生成多个外接矩形框，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于所述手部图像，对所述驾驶员的手部所持有的物品进行识别，包括：
5.根据权利要求4所述的方法，其特征在于，所述基于所述手部所持有的物品种类和对应的概率，对所述驾驶员的手部所持有的物品进行识别，包括：
6.根据权利要求5所述的方法，其特征在于，所述基于所述多个时刻中各个时刻所述手部所持有的物品种类和对应的概率，以及相邻时刻之间的时间间隔，对所述驾驶员的手部所持有的物品进行识别，包括：
7.根据权利要求5所述的方法，其特征在于，所述在所述第一累计时长大于等于所述预设时长的情况下，确定所述物品不是第一种类物品，包括：
8.根据权利要求1所述的方法，其特征在于，所述对所述驾驶图像进行区域检测
9.根据权利要求1-8中任一项所述的方法，其特征在于，所述方法还包括下述中的任一项：
10.一种识别手持物品的装置，其特征在于，所述装置包括：
11.一种车辆，其特征在于，所述车辆包括：
12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有可执行程序代码，当所述可执行程序代码被执行时，实现如权利要求1至9中任意一项所述的方法。
...【技术特征摘要】
1.一种识别手持物品的方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述驾驶图像进行区域检测，确定所述驾驶员的手部图像，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于多个目标区域，在所述驾驶图像上生成多个外接矩形框，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于所述手部图像，对所述驾驶员的手部所持有的物品进行识别，包括：
5.根据权利要求4所述的方法，其特征在于，所述基于所述手部所持有的物品种类和对应的概率，对所述驾驶员的手部所持有的物品进行识别，包括：
6.根据权利要求5所述的方法，其特征在于，所述基于所述多个时刻中各个时刻所述手部所持有的物品种类和对应的概率，以及相邻时刻之间的时间...
【专利技术属性】
技术研发人员：杨帆，吴贤宁，
申请(专利权)人：长城汽车股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。