[發明專利]可行區域識別方法、裝置、設備及計算機可讀存儲介質

有效

• 申請號: 202011369355.X
• 申請日: 2020-11-30
• 公開（公告）號: CN112541408B
• 公開（公告）日: 2022-02-25
• 發明（設計）人: 吳子豐;俞益洲;李一鳴;喬昕
• 申請（專利權）人: 北京深睿博聯科技有限責任公司;杭州深睿博聯科技有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06V20/10;G06V10/764;G06K9/62;G06Q50/26
• 代理公司: 北京天方智力知識產權代理事務所(普通合伙) 11719
• 代理人: 賈耀梅

1.一種可行區域識別方法，其特征在于，所述方法應用于一種智能設備，所述方法包括：

識別目標用戶所處的周圍環境的至少一種環境類型；

關于每一環境類型，分析所述周圍環境在該環境類型下的環境復雜程度；

關于每一環境類型，根據所述目標用戶的視力障礙情況以及所述智能設備的工作性能，確定所述目標用戶在該環境類型下的風險等級；

根據每一環境類型對應的環境復雜程度和風險等級，為所述目標用戶識別出可行進區域；

其中，所述分析所述周圍環境在該環境類型下的環境復雜程度，包括：

實時獲取所述周圍環境的環境數據，所述環境數據為所述周圍環境的圖像或視頻；

在所述圖像或所述視頻的每一幀圖像中，確定該圖像中的各個選定像素位置在該環境類型下的復雜程度指標；

根據確定的復雜程度指標，確定所述周圍環境在該環境類型下的環境復雜程度。

2.根據權利要求1所述的方法，其特征在于，所述至少一種環境類型包括基于光照強度的環境類型、基于人流密度的環境類型、基于天氣情況的環境類型、基于車流密度的環境類型、基于路面情況的環境類型中的至少一種。

3.根據權利要求1所述的方法，其特征在于，所述分析所述周圍環境在該環境類型下的環境復雜程度，包括：

采用基于深度學習的像素級回歸或分類算法的環境分析模型，分析所述周圍環境在該環境類型下的環境復雜程度。

4.根據權利要求1所述的方法，其特征在于，所述方法還包括：

關于每一環境類型，當反映該環境類型下的環境復雜程度的指標數據，大于該環境類型對應的指標閾值時，為所述目標用戶提示該環境類型下的環境復雜程度和/或風險等級。

5.根據權利要求4所述的方法，其特征在于，所述指標閾值是基于所述目標用戶的視力障礙情況以及所述智能設備的工作性能設定的。

6.一種可行區域識別裝置，其特征在于，所述裝置應用于一種智能設備，所述裝置包括：

環境類型識別單元，用于識別目標用戶所處的周圍環境的至少一種環境類型；

復雜度分析單元，用于關于每一環境類型，分析所述周圍環境在該環境類型下的環境復雜程度；

風險等級確定單元，用于關于每一環境類型，根據所述目標用戶的視力障礙情況以及所述智能設備的工作性能，確定所述目標用戶在該環境類型下的風險等級；

可行區域識別單元，用于根據每一環境類型對應的環境復雜程度和風險等級，為所述目標用戶識別出可行進區域；

其中，所述復雜度分析單元在分析所述周圍環境在該環境類型下的環境復雜程度時，具體用于：

實時獲取所述周圍環境的環境數據，所述環境數據為所述周圍環境的圖像或視頻；

在所述圖像或所述視頻的每一幀圖像中，確定該圖像中的各個選定像素位置在該環境類型下的復雜程度指標；

根據確定的復雜程度指標，確定所述周圍環境在該環境類型下的環境復雜程度。

7.一種電子設備，其特征在于，包括：處理器、存儲器；

所述存儲器，用于存儲計算機程序；

所述處理器，用于通過調用所述計算機程序，執行如權利要求1-5中任一項所述的可行區域識別方法。

8.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現權利要求1-5任一項所述的可行區域識別方法。