CN108592915A - 导航方法、购物车及导航*** - Google Patents
导航方法、购物车及导航*** Download PDFInfo
- Publication number
- CN108592915A CN108592915A CN201810353072.2A CN201810353072A CN108592915A CN 108592915 A CN108592915 A CN 108592915A CN 201810353072 A CN201810353072 A CN 201810353072A CN 108592915 A CN108592915 A CN 108592915A
- Authority
- CN
- China
- Prior art keywords
- user
- shopping cart
- parking stall
- module
- parking
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3626—Details of the output of route guidance instructions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
- G06V40/173—Classification, e.g. identification face re-identification, e.g. recognising unknown faces across different face tracks
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及导航方法、购物车及导航***。该导航方法包括:在用户选择购物车后,关联所述用户与所述购物车;获取所述购物车的实时位置和所述用户的车辆停靠的停车位;根据所述购物车的实时位置和所述停车位的位置生成导航路线。本发明通过与同一个用户关联的购物车的实时位置和停车位的位置生成导航路线,可以使用户快速找到停车位,减少寻找时间,提升用户的停车体验和购物体验。并且,本发明还可以极大的节省用户的体力。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种导航方法、购物车及导航***。
背景技术
目前,很多用户会驾车去商场购物。然而,商场与停车位之间会存在较长的距离,导致用户花费较长时间寻找停车位。另外,商场较大时会分别设置入口和出口,在购物结束后,很多用户无法确定方向。此情况下用户会重新找到入口,然后按照原路返回找到停车位,同样会浪费较长时间。并且,在寻找过程停车位的过程中,用户还需要推着购物车,需要用户浪费较大的体力。
发明内容
本发明提供一种导航方法、购物车及导航***,以解决相关技术中的不足。
根据本发明实施例的第一方面,提供一种导航方法,所述方法包括:
关联所述用户与所述购物车;
在所述用户结账后,获取所述购物车的实时位置和所述用户的车辆停靠的停车位;
根据所述购物车的实时位置和所述停车位的位置生成导航路线。
可选地,获取所述用户的车辆停靠的停车位之前,所述方法还包括:
在所述用户将车辆停靠在停车位后,确定所述车位停靠的停车位;
识别所述用户的身份信息;
关联所述用户和所述车辆停靠的停车位。
可选地,确定所述车位停靠的停车位包括:
获取设定区域的图像;所述设定区域包括至少一个停车位;
从所述图像中识别出所述用户;
获取所述用户和所述至少一个停车位中各停车位的距离,并将距离最小的停车位作为所述车辆停靠的停车位。
可选地,识别所述用户的身份信息包括:
获取所述用户的人脸图像;
将所述用户的人脸图像输入到图像识别模型,获取所述用户的人脸特征;
匹配所述人脸特征和特征数据库中的人脸特征模板,得到所述人脸特征与所述人脸特征模板的匹配度;
在所述匹配度大于或者等于匹配度阈值时,确定人脸特征模板的身份信息作为所述用户的身份信息;
在所述匹配度小于所述匹配度阈值时,保存所述人脸特征。
可选地,关联所述用户与所述购物车包括:
识别所述用户的身份信息;
获取所述购物车的识别码;
基于所述用户的身份信息和所述识别码关联所述用户和所述购物车。
可选地,关联所述用户与所述购物车包括:
获取所述用户输入的账号;
基于所述账号确定所述用户的身份信息;
基于所述用户的身份信息和所述识别码关联所述用户和所述购物车。
可选地,获取所述购物车的实时位置和所述用户的车辆停靠的停车位之前,所述方法还包括:
监测是否接收到所述用户的结账信息;
若接收到结账信息,则获取所述购物车的实时位置和所述用户的车辆停靠的停车位;若未接收到结账信息,则继续监测。
根据本发明实施例的第二方面,提供一种购物车,所述购物车包括结构体、通信模组和定位模组;
所述定位模组与所述通信模组分别设置在所述结构体上;所述定位模组与所述通信模组连接;
所述定位模组用于获取与所述购物车位置有关的数据,并将所述数据发送给所述通信模组;
所述通信模组用于将所述数据上传至所述服务器,并接收所述服务器发送的导航路线。
可选地,所述购物车还包括摄像头模组:所述摄像头模组设置在所述结构体上且与所述通信模组连接,用于获取用户图像,并将所述用户图像发送给所述通信模组;
所述通信模组还用于将所述用户图像上传至所述服务器。
可选地,所述定位模组包括蓝牙模组;所述蓝牙模组固定在所述结构体上,并与所述通信模组连接;
所述蓝牙模组与所述购物车所在商场内的其他蓝牙模组进行通信得到通信数据,所述通信数据通过所述通信模组转发至所述服务器;所述服务器基于所述通信数据确定所述购物车的实时位置。
可选地,所述购物车还包括显示器模组;所述显示器模组固定在所述结构体上,且与所述通信模组连接,用于显示所述通信模组接收的导航路线。
根据本发明实施例的第三方面,提供一种导航***,所述***包括:服务器,设置在停车场内的多个摄像头模组,如第二方面所述的购物车。
可选地,所述***还包括设置在商场内的多个蓝牙模组。
根据上述实施例可知,通过与同一个用户关联的购物车的实时位置和停车位的位置生成导航路线,可以使用户快速找到停车位,减少寻找时间,提升用户的停车体验和购物体验。并且,本实施例还可以极大的节省用户的体力。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1是本发明实施例示出的一种导航方法的流程示意图;
图2是本发明实施例示出的另一种导航方法的流程示意图;
图3是本发明实施例示出的关联用户和购物车的流程示意图;
图4是本发明实施例示出的又一种导航方法的流程示意图;
图5是本发明实施例示出的关联用户和停车位的流程示意图;
图6是本发明一实施例示出的一应用场景下关联用户和停车位的流程示意图;
图7是本发明一实施例示出的一应用场景下摄像头模组的设定区域的示意图;
图8是本发明一实施例示出的一应用场景下训练图像识别模型的流程示意图;
图9是本发明一实施例示出的一应用场景下关联用户和购物车以及生成导航路线的流程示意图;
图10是本发明一实施例示出的一种购物车的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
目前,用户驾车去商场购物的过程中,需要获取较长时间寻找停车位。并且,在寻找过程停车位的过程中,用户还需要推着购物车,需要用户浪费较大的体力。
为解决上述技术问题,本发明实施例提供了一种导航方法,该导航方法可以应用于服务器、设置显示器模组的购物车、停车场内的多个摄像头模组等设备构成的导航***,该导航方法可以由购物车内处理器、摄像头模组中的处理器或者服务器中处理器执行,后续各实施例中以服务器中的处理器执行为例进行说明。
本实施例中,处理器根据多个摄像头模组获取的停车位图像确定用户车辆所在的停车位,使用户与停车位匹配。在用户进入商场内选择购物车后,再匹配用户和购物车。并且,在购物期间或者户结账后会定位购物车。在用户结账后,处理器根据购物车和车辆的停车位生成导航路线,这样用户可以沿着导航路线直接找到停车位和车辆,从而节省寻找时间,提升用户的购物体验。
图1是本发明实施例示出的一种导航方法的流程示意图。参见图1,一种导航方法,所述方法包括:
101,在用户选择购物车后,关联所述用户与所述购物车。
用户进入商场后,通常会选择一个购物车。本实施例中处理器关联用户和购物车。关联方式可以包括:
方式一,用户需要登陆的场景。参见图2,购物车上可以设置显示器模组,通过键盘或者显示器触摸方式,用户利用自己的账户和密码登陆至导航***。在用户登陆后,处理器可以获取用户的账户(对应步骤201),基于账户确定用户的身份信息(或者用户的账户)(对应步骤202),然后关联用户的身份信息与购物车的识别码,也可以将购物车的识别码存储至账户对应的关联信息中(对应步骤203)。本方式通过用户的账号即可关联用户和购物车,快捷简单。
可理解的是,步骤201和步骤202的顺序可以根据具体场景进行设定,例如,步骤201先于步骤202,步骤201后于步骤202或者同时执行步骤201和步骤202,本申请不作限定。
方式二,用户无需登陆的场景。参见图3,处理器基于获取的数据识别用户的身份信息(对应步骤301)。其中上述数据可以是用户的图像。处理器获取购物车的识别码(对应步骤302)。最后,基于用户的身份信息和识别码关联用户和购物车(对应步骤303)。后续实施例会作详细说明,在此先介绍。
可理解的是,步骤301和步骤302的顺序可以根据具体场景进行设定,例如,步骤301先于步骤302,步骤301后于步骤302或者同时执行步骤301和步骤302,本申请不作限定。
方式三,用户未注册的场景。处理器利用图像识别模型提取图像中的用户特征,利用用户特征作为其身份信息;或者,处理器根据用户特征生成临时识别码作为该用户的身份信息。
102,获取所述购物车的实时位置和所述用户的车辆停靠的停车位。
本实施例中,处理器从用户的关联信息中获取到购物车的实时位置和用户车辆所停靠的停车位的位置。其中后续实施例会详细说明获取购物车的实时位置和停车位的位置的内容,在此先不描述。
103,根据所述购物车的实时位置和所述停车位的位置生成导航路线。
本实施例中,基于预先设置的导航路线算法,处理器根据购物车的位置和停车场的位置生成导航路线。其中导航路线算法可以采用相关技术中的算法实现,在此不作限定。
可见,本发明通过与同一个用户关联的购物车的实时位置和停车位的位置生成导航路线,可以使用户快速找到停车位,减少寻找时间,提升用户的停车体验和购物体验。并且,本发明还可以极大的节省用户的体力。
图4是本发明实施例示出的另一种导航方法的流程示意图,参见图4,一种导航方法包括:
401,在用户选择购物车后,关联所述用户与所述购物车。
步骤401和步骤101的具体方法和原理一致,详细描述请参考图1及步骤101的相关内容,此处不再赘述。
402,关联用户与所述用户车辆所停靠的停车位。
在用户将车辆停靠到停车位后,处理器还确定用户的身份信息、用户的车辆以及车辆停靠的停车位。然后,处理器关联用户的身份信息和停车位,或者将停车位的位置存储至用户身份信息的关联信息中。
在一实施例中,用户通过购物车上的显示器模组输入账户和密码登陆到导航***中,然后用户再输入停车位的编号。处理器可以获取账户对应的身份信息,以及根据停车位的编号获取停车位的位置,然后将停车位的位置存储至用户的关联信息中。
在另一实施例中,停车场设置多个摄像头模组,每个摄像头模组可以获取设定区域的图像。其中设定区域包括至少一个停车位。
用户在停车过程中摄像头模组实时采集车辆的图像、用户在车辆中的图像、用户下车的图像等图像,处理器根据上述图像确定用户的身份信息、用户的车辆和车辆所在停车位,然后处理器将停车位信息存储至用户的身份信息的关联信息中。
可理解的是,上述用户的身份信息可以是用户注册时填写的信息,还可以是处理器利用图像识别算法提取图像中的用户特征,以及处理器根据用户特征生成临时识别码作为该用户的身份信息,本实施例不作限定。
参见图5,处理器利用Adaboost算法从图像中识别出用户的面部区域,在面部区域设置外切矩形框,则外切矩形框内的图像即是用户的人脸图像。然后,处理器将人脸图像输入到预先设置的图像识别模型中,提取人脸图像的人脸特征。之后处理器基于上述人脸特征匹配特征数据库(可以基于用户注册时上传图像提取人脸特征)中的人脸特征模板,得到两者的匹配度。在匹配度大于或者等于匹配度阈值时,确定人脸特征模板的身份信息作为用户的身份信息(对应步骤501)。在匹配度小于匹配度阈值时,则处理器保存人脸特征作为用户的身份信息,或者基于人脸特征生成的临时识别码作为该用户的身份信息。
继续参见图5,处理器计算用户的面部区域和图像中各车辆的距离,将距离最小的车辆作为用户的车辆。在计算面部区域与车辆的距离时,可以采用面部区域的中心位置来计算,这样可以提高计算的准确率。
需要说明的是,处理器尽量选择用户离开停车位之前所拍摄的图像确定哪一辆车属于用户,这样有利于提高关联的准确率。处理器确定用户的车辆后,将该车辆停靠的停车位(编号或位置)存储至用户的关联信息中(对应步骤502和步骤503)。步骤501和步骤502的顺序不作限定。
需要说明的是,本实施例中,步骤401和步骤402的顺序不作限定。步骤401可以先于步骤402执行,步骤401可以后于步骤402执行,或者同时执行步骤401和步骤402,在此不作限定。
403,获取所述购物车的实时位置和所述用户的车辆停靠的停车位。
在购物车行进的过程中,处理器可以实时获取购物车的位置,还可以在用户结账后才获取购物车的位置。技术人员可以根据处理器的性能和获取位置的计算量选择获取购物车位置的时机,在此不作限定。
本实施例中,处理器获取购物车的位置的方式可以包括:
方式一,购物车上的定位模组可以是GPS设备,通过GPS设备可以获取购物车的实时位置,然后购物车将上述实时位置发送给处理器。GPS设备的工作原理可以参见相关技术中的文献,在此不作赘述。
方式二,购物车上的定位模组可以是蓝牙模组,在商场的多个设定位置同样设置蓝牙模组。上述多个设定位置需要满足,在购物车行进到商场内的任意位置,购物车上的蓝牙模组可以与商场内邻近的蓝牙模组通信。购物车上的蓝牙模组可以通过购物车上的通信模组将通信数据上传至服务器,服务器可以根据通信数据确定购物车的位置。这样,本方案可以解决商场设置在地下时GPS设备的信号较差的问题。基于多个蓝牙模组之间的通信数据确定某一个蓝牙模组的位置的方案可以参见相关技术中的文献,在此不作赘述。
方式三,定位模组还可以是设置在商场出口和停车场之间区域内的摄像头模组,摄像头模组实时采集用户的图像,处理器利用上述图像实时跟踪用户,并确定用户的实时位置。当然,用户的初始位置可以由柜台经由通信模组发送给处理器。图像定位方法可以参见相关技术中的文献,在此不作赘述。
本实施例中,处理器获取用户车辆停靠的停车位。在用户的关联信息中为停车位的编号时,处理器可以根据预先存储的编号和位置的对应关系,查询到该停车位的位置。或者,处理器直接从关联信息中直接读取停车位的位置。
在一实施例中,在获取实时位置和停车位之前,处理器还监测是否接收到用户的结账信息。例如购物车靠近柜台时,购物车的通信模组可以与柜台的通信模组通信,在结账完成时,购物车的通信模组可以接收到柜台的通信模组发送的结账信息,并将结账信息发送给处理器。若未接收到结账信息,则处理器继续监测结账信息,直到监测到接收到结账信息。处理器在监测到接收到结账信息时,才获取购物车的实时位置和用户的车辆停靠的停车位。404,根据所述购物车的实时位置和所述停车位的位置生成导航路线。
步骤404和步骤103的具体方法和原理一致,详细描述请参考图1及步骤103的相关内容,此处不再赘述。
可见,本实施例中通过图像识别确定用户的身份信息,可以提高识别准确度。并且,本实施例中将与用户距离最小的车辆作为用户的车辆,将该车辆停靠的停车位与用户关联,这样可以在用户停车过程(最晚用户下车离开停车位之前)中关联用户和停车位,无需用户参与,降低用户的参与度,节省用户的时间。
可理解的是,图1~图5所示实施例示出的导航方法中各特征可以根据具体场景进行组合调整,在各特征不冲突的情况下,可以得到不同的方案。上述各方案同样落入本申请的保护范围。图6~图9是本发明实施例示出的一种导航方法的流程示意图。参见图6,停车场内的多个摄像头模组拍摄各自的设定区域的图像并上传至服务器。其中多个摄像头模组按照一定的顺序进行编号,然后根据编号和各摄像头的地理位置形成编号和位置的对应关系表,并将编号和位置的对应关系表预先存储在服务器中。其中每个摄像头模组可以拍摄设定区域的停车位,参见图7,在一实施例中,每个摄像头模组701可以拍摄3个停车位702构成区域的图像,之后摄像头模组再将图像上传至服务器701。
继续参见图6,服务器的处理器处理图像,识别图像中的用户、车辆和停车位。首先处理器判断图像中是否有车辆停靠在停车位中,若没有,则获取下一张图像进行处理。若图像中有车辆停靠在停车位,则处理器利用Adaboost算法进行人脸检测,得到面部区域和人脸图像。处理器计算面部区域的中心位置,之后计算中心位置与图像中3个停车位中心位置的距离,并将距离最小的停车位作为车辆停靠的停车位。处理器将人脸图像输入到预先设置的图像识别模型中并提取人脸特征,将人脸特征与特征数据库中各人脸特征模板匹配,得到两者的匹配度,之后确定匹配度大于或者等于匹配度阈值的人脸特征模板的身份信息作为用户的身份信息,将停车位的编号存储至用户的关联信息中。
可理解的是,上述图像识别模型可以预先训练好并存储在服务器中。参见图8,用户注册至导航***时,采集多角度的人脸图像,使用1000甚至更多个用户的多角度的人脸图像和用户的ID(账户或者身份信息)生成训练集,即ID为样本标签,对VGG16深度神经网络模型进行训练,使VGG16深度神经网络模型作分类任务,能够完成1000类的分类任务。训练完成后,去掉最后的3个全连接层,利用前13个卷积层形成的模型提取人脸特征,并将提取的特征保存至特征数据库中用户的目录下。当有新用户注册时,采集多角度的人脸图像后,利用该VGG16深度神经网络模型提取人脸特征并保存至特征数据库中,即可完成注册。
参见图9,用户选择购物车后,购物车上的摄像头模组获取图像,并监测图像中是否存在人脸。若不存在人脸,则继续获取图像;若存在人脸,则将包含人脸的图像上传至服务器。服务器的处理器利用Adaboost算法进行人脸检测,得到人脸图像,然后处理器将人脸图像输入到预先设置的图像识别模型中并提取人脸特征,将人脸特征与特征数据库中各人脸特征模板匹配,得到两者的匹配度,之后确定匹配度大于或者等于匹配度阈值的人脸特征模板的身份信息作为用户的身份信息。
处理器监测用户是否结账,若未结账则继续监测,若已完成结账,则根据购物车上蓝牙模组的通信数据计算购物车的实时位置并获取停车位的位置,根据两个位置生成导航路线,并发送给购物车,由购物车上的显示器模组展示给用户。
在用户去往停车位的过程中,处理器继续计算购物车的实时位置并实时导航,期间处理器判断用户是否到达停车位,若没有到达则继续计算购物车的实时位置,若到达停车位则结束导航。
本发明实施例还提供了一种购物车,图10是本发明实施例示出的一种购物车的框图。参见图10,一种购物车1000包括结构体(图中未示出)、通信模组1001和定位模组1002;定位模组1002与通信模组1001分别设置在结构体上。定位模组1002与通信模组1001连接。
定位模组1002用于获取与所述购物车1000位置有关的数据,并将所述数据发送给通信模组1001;
通信模组1001用于将所述数据上传至服务器(图中未示出),并接收服务器发送的导航路线。
可理解的是,该通信模组1001还可以与用户的智能终端连接,将接收的导航路线发送给智能终端显示。当然,通信模组1001还可以将智能终端的位置作为购物车的实时位置上传给服务器。技术人员可以根据具体场景选择合适的方案,在此不作限定。
继续参见图10,在一实施例中,购物车1000还包括摄像头模组1003;所述摄像头模组1003设置在所述结构体上且与所述通信模组1001连接,用于获取用户图像,并将所述用户图像发送给所述通信模组1001;
所述通信模组1001还用于将所述用户图像上传至所述服务器。
在一实施例中,定位模组1002可以包括蓝牙模组、GPS设备、惯性定位设备、RFID定位设备以及多个摄像头模组构成的图像跟踪设备等,在能够定位购物车1000的位置的情况下,相应的方案落入本申请的保护范围。
在一实施例中,定位模组1002包括蓝牙模组;蓝牙模组固定在所述结构体上,并与所述通信模组1001连接;
所述蓝牙模组与所述购物车所在商场内的其他蓝牙模组进行通信得到通信数据,所述通信数据通过所述通信模组转发至服务器;所述服务器基于所述通信数据确定所述购物车的实时位置。
继续参见图10,在一实施例中,所述购物车1000还包括显示器模组1004;所述显示器模组1004固定在结构体上,且所述显示器模组1004与所述通信模组1001连接,用于显示所述通信模组接收的导航路线。
本发明实施例还提供了一种导航***,所述***包括:执行图1~图9所示实施例示出的导航方法的服务器,设置在停车场内的多个摄像头模组和如图10所示实施例示出的购物车。
在一实施例中,在购物车上的定位模组为蓝牙模组时,所述导航***还包括设置在商场内的多个蓝牙模组,所述多个蓝牙模组与购物车上的蓝牙模组可以通信。可理解的是,导航***中各部分的工作原理已经在图1~图10所示实施例的内容中详细说明,技术人员可以参见相关的内容,在此不再赘述。
在本发明中,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性。术语“多个”指两个或两个以上,除非另有明确的限定。
本领域技术人员在考虑说明书及实践这里公开的公开后,将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (13)
1.一种导航方法,其特征在于,所述方法包括:
在用户选择购物车后,关联所述用户与所述购物车;
获取所述购物车的实时位置和所述用户的车辆停靠的停车位;
根据所述购物车的实时位置和所述停车位的位置生成导航路线。
2.根据权利要求1所述的导航方法,其特征在于,获取所述用户的车辆停靠的停车位之前,所述方法还包括:
在所述用户将车辆停靠在停车位后,确定所述车位停靠的停车位;
识别所述用户的身份信息;
关联所述用户和所述车辆停靠的停车位。
3.根据权利要求2所述的导航方法,其特征在于,确定所述车位停靠的停车位包括:
获取设定区域的图像;所述设定区域包括至少一个停车位;
从所述图像中识别出所述用户;
获取所述用户和所述至少一个停车位中各停车位的距离,并将距离最小的停车位作为所述车辆停靠的停车位。
4.根据权利要求2所述的导航方法,其特征在于,识别所述用户的身份信息包括:
获取所述用户的人脸图像;
将所述用户的人脸图像输入到图像识别模型,获取所述用户的人脸特征;
匹配所述人脸特征和特征数据库中的人脸特征模板,得到所述人脸特征与所述人脸特征模板的匹配度;
在所述匹配度大于或者等于匹配度阈值时,确定人脸特征模板的身份信息作为所述用户的身份信息;
在所述匹配度小于所述匹配度阈值时,保存所述人脸特征。
5.根据权利要求1所述的导航方法,其特征在于,关联所述用户与所述购物车包括:
识别所述用户的身份信息;
获取所述购物车的识别码;
基于所述用户的身份信息和所述识别码关联所述用户和所述购物车。
6.根据权利要求1所述的导航方法,其特征在于,关联所述用户与所述购物车包括:
获取所述用户输入的账号;
基于所述账号确定所述用户的身份信息;
基于所述用户的身份信息和所述识别码关联所述用户和所述购物车。
7.根据权利要求1所述的导航方法,其特征在于,获取所述购物车的实时位置和所述用户的车辆停靠的停车位之前,所述方法还包括:
监测是否接收到所述用户的结账信息;
若接收到结账信息,则获取所述购物车的实时位置和所述用户的车辆停靠的停车位;若未接收到结账信息,则继续监测。
8.一种购物车,其特征在于,所述购物车包括结构体、通信模组和定位模组;所述定位模组与所述通信模组分别设置在所述结构体上;所述定位模组与所述通信模组连接;
所述定位模组用于获取与所述购物车位置有关的数据,并将所述数据发送给所述通信模组;
所述通信模组用于将所述数据上传至服务器,并接收所述服务器发送的导航路线。
9.根据权利要求8所述的购物车,其特征在于,所述购物车还包括摄像头模组;所述摄像头模组设置在所述结构体上且与所述通信模组连接,用于获取用户图像,并将所述用户图像发送给所述通信模组;
所述通信模组还用于将所述用户图像上传至所述服务器。
10.根据权利要求8所述的购物车,其特征在于,所述定位模组包括蓝牙模组;所述蓝牙模组固定在所述结构体上,并与所述通信模组连接;
所述蓝牙模组与所述购物车所在商场内的其他蓝牙模组进行通信得到通信数据,所述通信数据通过所述通信模组转发至所述服务器;所述服务器基于所述通信数据确定所述购物车的实时位置。
11.根据权利要求8所述的购物车,其特征在于,所述购物车还包括显示器模组;所述显示器模组固定在所述结构体上,且与所述通信模组连接,用于显示所述通信模组接收的导航路线。
12.一种导航***,其特征在于,所述***包括:服务器,设置在停车场内的多个摄像头模组,如权利要求8-11任一项所述的购物车。
13.根据权利要求12所述的导航***,其特征在于,所述***还包括设置在商场内的多个蓝牙模组。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810353072.2A CN108592915A (zh) | 2018-04-19 | 2018-04-19 | 导航方法、购物车及导航*** |
US16/214,032 US10948309B2 (en) | 2018-04-19 | 2018-12-07 | Navigation method, shopping cart and navigation system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810353072.2A CN108592915A (zh) | 2018-04-19 | 2018-04-19 | 导航方法、购物车及导航*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108592915A true CN108592915A (zh) | 2018-09-28 |
Family
ID=63613813
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810353072.2A Pending CN108592915A (zh) | 2018-04-19 | 2018-04-19 | 导航方法、购物车及导航*** |
Country Status (2)
Country | Link |
---|---|
US (1) | US10948309B2 (zh) |
CN (1) | CN108592915A (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108592915A (zh) * | 2018-04-19 | 2018-09-28 | 京东方科技集团股份有限公司 | 导航方法、购物车及导航*** |
WO2019213418A1 (en) * | 2018-05-02 | 2019-11-07 | Walmart Apollo, Llc | Systems and methods for transactions at a shopping cart |
US10628688B1 (en) * | 2019-01-30 | 2020-04-21 | Stadvision, Inc. | Learning method and learning device, and testing method and testing device for detecting parking spaces by using point regression results and relationship between points to thereby provide an auto-parking system |
US20210103966A1 (en) * | 2019-10-04 | 2021-04-08 | Lujean J. CUMMINGS | Retail drone |
WO2022061298A1 (en) * | 2020-09-21 | 2022-03-24 | Bemis Manufacturing Company | Shopping cart tracking system |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012185584A (ja) * | 2011-03-03 | 2012-09-27 | Toshiba Tec Corp | 情報端末装置及び制御プログラム |
CN106204240A (zh) * | 2016-07-23 | 2016-12-07 | 山东华旗新能源科技有限公司 | 智慧购物管理*** |
WO2016206062A1 (zh) * | 2015-06-26 | 2016-12-29 | 深圳市赛亿科技开发有限公司 | 一种智能导购*** |
KR20170008634A (ko) * | 2015-07-14 | 2017-01-24 | 창원대학교 산학협력단 | 사물인터넷 기반 스마트카트, 스마트 쇼핑 시스템 및 이의 제어 방법 |
CN206265111U (zh) * | 2016-11-29 | 2017-06-20 | 上海电力学院 | 带有导航功能的智能购物手推车 |
US20170293991A1 (en) * | 2016-04-08 | 2017-10-12 | Wal-Mart Stores, Inc. | Systems and methods for drone dispatch and operation |
CN107504975A (zh) * | 2017-09-29 | 2017-12-22 | 联想(北京)有限公司 | 一种导航方法及导航*** |
CN107730993A (zh) * | 2017-11-17 | 2018-02-23 | 大连海事大学 | 基于图像再识别的停车场智能寻车***及方法 |
CN107845287A (zh) * | 2017-10-11 | 2018-03-27 | 安徽特旺网络科技有限公司 | 一种楼宇停车管理平台 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040143505A1 (en) * | 2002-10-16 | 2004-07-22 | Aram Kovach | Method for tracking and disposition of articles |
US20120123826A1 (en) * | 2007-09-13 | 2012-05-17 | French John R | Shopping Cart Accountability Using Coupon Incentives with Participation Option |
US9513127B2 (en) * | 2011-12-22 | 2016-12-06 | AppLabz, LLC | Systems, methods, and apparatus for providing indoor navigation |
US9243918B2 (en) * | 2011-12-22 | 2016-01-26 | AppLabz, LLC | Systems, methods, and apparatus for providing indoor navigation using magnetic sensors |
US20190073656A1 (en) * | 2014-01-20 | 2019-03-07 | Cust2mate Ltd. | Shopping Cart and System |
CN108592915A (zh) * | 2018-04-19 | 2018-09-28 | 京东方科技集团股份有限公司 | 导航方法、购物车及导航*** |
CN108764412A (zh) * | 2018-05-31 | 2018-11-06 | 京东方科技集团股份有限公司 | 数据处理方法、装置及存储介质 |
-
2018
- 2018-04-19 CN CN201810353072.2A patent/CN108592915A/zh active Pending
- 2018-12-07 US US16/214,032 patent/US10948309B2/en active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012185584A (ja) * | 2011-03-03 | 2012-09-27 | Toshiba Tec Corp | 情報端末装置及び制御プログラム |
WO2016206062A1 (zh) * | 2015-06-26 | 2016-12-29 | 深圳市赛亿科技开发有限公司 | 一种智能导购*** |
KR20170008634A (ko) * | 2015-07-14 | 2017-01-24 | 창원대학교 산학협력단 | 사물인터넷 기반 스마트카트, 스마트 쇼핑 시스템 및 이의 제어 방법 |
US20170293991A1 (en) * | 2016-04-08 | 2017-10-12 | Wal-Mart Stores, Inc. | Systems and methods for drone dispatch and operation |
CN106204240A (zh) * | 2016-07-23 | 2016-12-07 | 山东华旗新能源科技有限公司 | 智慧购物管理*** |
CN206265111U (zh) * | 2016-11-29 | 2017-06-20 | 上海电力学院 | 带有导航功能的智能购物手推车 |
CN107504975A (zh) * | 2017-09-29 | 2017-12-22 | 联想(北京)有限公司 | 一种导航方法及导航*** |
CN107845287A (zh) * | 2017-10-11 | 2018-03-27 | 安徽特旺网络科技有限公司 | 一种楼宇停车管理平台 |
CN107730993A (zh) * | 2017-11-17 | 2018-02-23 | 大连海事大学 | 基于图像再识别的停车场智能寻车***及方法 |
Also Published As
Publication number | Publication date |
---|---|
US10948309B2 (en) | 2021-03-16 |
US20190323851A1 (en) | 2019-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108592915A (zh) | 导航方法、购物车及导航*** | |
CN108319930B (zh) | 身份认证方法、***、终端和计算机可读存储介质 | |
US9224037B2 (en) | Apparatus and method for controlling presentation of information toward human object | |
KR102387495B1 (ko) | 이미지 처리 방법 및 장치, 전자 기기 및 기억 매체 | |
CN111241932A (zh) | 汽车展厅客流检测与分析***、方法及存储介质 | |
CN110378219B (zh) | 活体检测方法、装置、电子设备及可读存储介质 | |
KR20180042802A (ko) | 정의된 영역 내의 객체를 추적하기 위한 방법 및 시스템 | |
CN110298221B (zh) | 自助健身方法、***、电子设备、存储介质 | |
US20200134701A1 (en) | Associating shoppers together | |
CN111985348B (zh) | 人脸识别方法和*** | |
CN114067358A (zh) | 一种基于关键点检测技术的人体姿态识别方法及*** | |
CN111539991B (zh) | 目标跟踪方法及装置、存储介质 | |
CN110633004B (zh) | 基于人体姿态估计的交互方法、装置和*** | |
CN108446687B (zh) | 一种基于移动端和后台互联的自适应人脸视觉认证方法 | |
CN110135245B (zh) | 到店确认方法、装置、电子设备及可读存储介质 | |
CN108846912A (zh) | 考勤方法、终端及服务器 | |
JP2017151832A (ja) | 待ち時間算出システム | |
CN113688794A (zh) | 身份识别方法、装置、电子设备和计算机可读存储介质 | |
CN111382655A (zh) | 一种举手行为识别方法及装置、电子设备 | |
CN110175553B (zh) | 基于步态识别与人脸识别建立特征库的方法及装置 | |
CN110992500A (zh) | 考勤方法、装置及存储介质、服务器 | |
CN115761470A (zh) | 游泳场景下的运动轨迹追踪方法及*** | |
CN111242714A (zh) | 产品推荐方法及装置 | |
EP3629228B1 (en) | Image processing for determining relationships between tracked objects | |
CN210933642U (zh) | 一种健身指导*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |