[發(fā)明專利]防占座方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202010423132.0
• 申請(qǐng)日: 2020-05-19
• 公開（公告）號(hào): CN111598173A
• 公開（公告）日: 2020-08-28
• 發(fā)明（設(shè)計(jì)）人: 賴文星
• 申請(qǐng)（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06K9/00;G06N3/04;G06N3/08;G06Q50/20
• 代理公司: 北京派特恩知識(shí)產(chǎn)權(quán)代理有限公司 11270
• 代理人: 劉星雨;張穎玲

1.一種防占座方法，其特征在于，所述方法包括：

從目標(biāo)場(chǎng)所中識(shí)別被占用的座位中用戶的身份信息，根據(jù)所述用戶的身份信息記錄所述座位的已使用狀態(tài)；

當(dāng)檢測(cè)到所述用戶離開所述座位、且所述座位被物品占據(jù)時(shí)，根據(jù)所述用戶的身份信息獲取所述用戶的離開位置和離開時(shí)長(zhǎng)，并

根據(jù)所述離開位置和所述離開時(shí)長(zhǎng)記錄所述座位的狀態(tài)；

其中，所述狀態(tài)的類型包括：未使用狀態(tài)；所述已使用狀態(tài)；已過(guò)期狀態(tài)；

響應(yīng)于針對(duì)所述座位的查詢請(qǐng)求，根據(jù)所述座位的實(shí)時(shí)的狀態(tài)響應(yīng)所述查詢請(qǐng)求。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述從目標(biāo)場(chǎng)所中識(shí)別被占用的座位中用戶的身份信息，包括：

檢測(cè)所述目標(biāo)場(chǎng)所中處于已使用狀態(tài)的座位；

從座位圖像中識(shí)別出所述處于已使用狀態(tài)的座位中所述用戶的人臉特征，根據(jù)所述人臉特征檢索對(duì)應(yīng)的身份信息；或者

從座位圖像中識(shí)別出所述處于已使用狀態(tài)的座位中所述用戶的人體特征，在多個(gè)人臉特征中確定與識(shí)別出的所述人體特征屬于同一用戶的人臉特征，查詢與所述屬于同一用戶的人臉特征綁定的身份信息；

其中，所述多個(gè)人臉特征是在所述目標(biāo)場(chǎng)所的出入?yún)^(qū)域進(jìn)行識(shí)別得到，與所述多個(gè)人臉綁定的身份信息是基于每個(gè)所述人臉特征進(jìn)行檢索得到。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，

所述在多個(gè)人臉特征中確定與識(shí)別出的所述人體特征屬于同一用戶的人臉特征，包括：

調(diào)用第一神經(jīng)網(wǎng)絡(luò)模型執(zhí)行以下處理：

將識(shí)別出的所述人體特征與每個(gè)所述人臉特征進(jìn)行匹配，得到識(shí)別出的所述人體特征屬于不同用戶的概率；

確定最大概率對(duì)應(yīng)的人臉特征與識(shí)別出的所述人體特征屬于同一用戶；

其中，所述第一神經(jīng)網(wǎng)絡(luò)模型是以不同樣本用戶的人臉摳圖和人體摳圖為訓(xùn)練集訓(xùn)練得到。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述檢測(cè)所述目標(biāo)場(chǎng)所中處于已使用狀態(tài)的座位，包括：

周期性檢測(cè)所述目標(biāo)場(chǎng)所中的每個(gè)座位，當(dāng)?shù)趎次檢測(cè)到所述座位坐有用戶，第n-1次檢測(cè)到所述座位未坐有用戶，則確定所述座位處于已使用狀態(tài)；其中，n為正整數(shù)；

所述方法還包括：

當(dāng)?shù)趍次檢測(cè)到所述座位未坐有用戶，第m-1次檢測(cè)到所述座位未坐有用戶，且第m次檢測(cè)有物品占據(jù)所述座位時(shí)，確定所述座位處于被占座狀態(tài)；其中，m為正整數(shù)；

當(dāng)?shù)趖次檢測(cè)所述座位未坐有用戶，第t-1次檢測(cè)到所述座位坐有用戶，且第t次檢測(cè)沒(méi)有物品占據(jù)所述座位時(shí)，確定所述座位處于未使用狀態(tài)；其中，t為正整數(shù)。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，

通過(guò)第二神經(jīng)網(wǎng)絡(luò)模型執(zhí)行以下處理：

針對(duì)座位圖像中的多個(gè)候選框，預(yù)測(cè)每個(gè)所述候選框中包括T個(gè)類型中任一類型物品的位置的置信度、以及每個(gè)所述候選框中包括所述任一類型物品的條件概率；

將所述任一類型物品的置信度和對(duì)應(yīng)的條件概率的乘積作為得分，將得分最高的類型以及位置對(duì)應(yīng)作為占據(jù)所述座位的物品類型和位置；

其中，所述第二神經(jīng)網(wǎng)絡(luò)模型是以不同樣本座位圖像、所述樣本座位圖像中物品的摳圖、以及所述樣本座位圖像是否被物品占據(jù)的標(biāo)注作為訓(xùn)練集訓(xùn)練得到。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述用戶的身份信息獲取所述用戶的離開位置和離開時(shí)長(zhǎng)，包括：

當(dāng)檢測(cè)到所述用戶離開所述座位時(shí)，以所述用戶的身份信息為索引并開始計(jì)時(shí)，得到所述用戶的離開時(shí)長(zhǎng)；

根據(jù)所述用戶的身份信息，從監(jiān)控系統(tǒng)查詢所述用戶在所述目標(biāo)場(chǎng)所所屬的區(qū)域中的位置。