CN112968946A - 网联车的场景识别方法、装置及电子设备 - Google Patents

Abstract

本发明提供一种网联车的场景识别方法、装置、电子设备、计算机可读存储介质及网联车服务提供方法。其中，网联车的场景识别方法包括：步骤S1，获取依赖信号，所述依赖信号包括***信号、应用信号及云端服务信号中的一种或多种；步骤S2，对所述依赖信号进行流式计算，并基于所述依赖信号与场景状态之间的配置关系，输出所述场景状态；步骤S3，对所述场景状态进行流式计算，并基于场景状态与场景之间的配置关系，识别得到场景。根据本发明的网联车的场景识别方法，能够降低开发难度，且便于实现动态的更新和扩展场景的计算。

Description

网联车的场景识别方法、装置及电子设备

技术领域

本发明涉及网联车领域，具体涉及一种网联车的场景识别方法、装置及电子设备。

背景技术

目前实现网联车上的场景计算门槛和复杂度较高，车辆到用户手上后场景化功能持续迭代的成本高。

要实现网联车上的场景计算，需要专业的研发人员对场景计算依赖的车辆底层信号或者其他来源信号的细节非常了解，在实现了某一个场景化功能(如：停车场景下提醒用户贴条风险功能)后，如果车辆已出厂，之后这个功能要想做优化升级，比如对停车场景的计算实现的更细致，可能需要升级车机***，成本会比较高。

发明内容

有鉴于此，本发明提供一种网联车的场景识别方法、装置、电子设备及计算机可读存储介质，能够降低开发难度，且便于实现动态的更新和扩展场景计算。

为解决上述技术问题，第一方面，本发明提供网联车的场景识别方法，包括如下步骤：

步骤S1，获取依赖信号，所述依赖信号包括***信号、应用信号及云端服务信号中的一种或多种；

步骤S2，对所述依赖信号进行流式计算，并基于所述依赖信号与场景状态之间的配置关系，输出所述场景状态；

步骤S3，对所述场景状态进行流式计算，并基于场景状态与场景之间的配置关系，识别得到场景。

进一步地，所述***信号包括车机信号、车速信号、摄像头信号及车辆部件状态信号中的一种或多种，

所述应用信号包括导航信号和/或音乐信号，

所述云端服务信号包括天气状况信号和/或停车订单信号，

所述场景包括加油场景、停车场景、修车场景中的一种或多种。

进一步地，所述依赖信号包括监听信号和/或查询信号，其中，所述监听信号为主动接收的信号，所述查询信号为主动查询的信号。

进一步地，所述步骤S2包括：

对所述监听信号进行流式计算，

当所述监听信号满足预定条件时，触发与该监听信号相对应的场景状态所需要的查询信号；

对所述监听信号和所述查询信号进行流式计算，并对结果进行聚合计算，得到所述场景状态。

进一步地，所述场景状态包括高、中、低三种场景状态。

进一步地，网联车的场景识别方法还包括：

步骤S4，根据用户对所识别得到的场景的反馈，更新所述依赖信号与场景状态之间的配置关系。

进一步地，通过可扩展标记语言实现所述流式计算。

第二方面，本发明提供一种网联车服务提供方法，包括基于上述任一项所述的方法识别得到的场景，提供网联车服务。

第三方法，本发明提供一种网联车的场景识别装置，包括：

获取模块，用于获取依赖信号，所述依赖信号包括***信号、应用信号及云端服务信号中的一种或多种；

场景状态输出模块，用于对所述依赖信号进行流式计算，并基于所述依赖信号与场景状态之间的配置关系，输出所述场景状态；

场景识别模块，对所述场景状态进行流式计算，并基于场景状态与场景之间的配置关系，识别得到场景。

第四方面，本发明提供一种用于识别网联车的场景的电子设备，包括：

一个或多个处理器；

一个或多个存储器，其中存储了计算机可读代码，所述计算机可读代码当由所述一个或多个处理器运行时，使得所述处理器执行如下步骤：

步骤S1，获取依赖信号，所述依赖信号包括***信号、应用信号及云端服务信号中的一种或多种；

步骤S2，对所述依赖信号进行流式计算，并基于所述依赖信号与场景状态之间的配置关系，输出所述场景状态；

步骤S3，对所述场景状态进行流式计算，并基于场景状态与场景之间的配置关系，识别得到场景。

第四方面，本发明提供一种计算机可读存储介质，其特征在于，其中存储了计算机可读代码，所述计算机可读代码当由一个或多个处理器运行时，使得所述处理器执行如下步骤：

步骤S1，获取依赖信号，所述依赖信号包括***信号、应用信号及云端服务信号中的一种或多种；

步骤S2，对所述依赖信号进行流式计算，并基于所述依赖信号与场景状态之间的配置关系，输出所述场景状态；

步骤S3，对所述场景状态进行流式计算，并基于场景状态与场景之间的配置关系，识别得到场景。

本发明的上述技术方案至少具有如下有益效果之一：

根据本发明的网联车的场景识别方法，能够降低开发难度，且便于实现动态的更新和扩展场景计算。

附图说明

图1为根据本发明实施例的网联车的场景识别方法的流程图；

图2为根据本发明实施例的流式计算的示意图；

图3为根据本发明实施例的算子链示意图；

图4为根据本发明实施例的场景配置定义的示意图；

图5为根据本发明实施例的网联车的场景识别方法的架构图；

图6为根据本发明实施例的网联车的场景识别装置的示意图；

图7为根据本发明实施例的用于识别网联车的场景的电子设备的示意图。

具体实施方式

下面将结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

本发明人发现，现有的技术的一般做法是使用计算机高级编程语言实现场景计算的过程，或者使用动态脚本语言实现，这些方式的缺陷在于：

1.实现门槛高，只能由专业的、非常了解车机底层信号和其他依赖信号的研发人员来实施，开发成本高，开发周期长。

2.升级成本高，对于已发布的场景化功能升级，可能需要伴随车机***一起升级。

3.无法向三方开发者开放，高级语言或者动态脚本容易引入***稳定性的风险，对外开放困难。

针对这些缺点，本发明的目的在于降低场景计算的门槛，提供动态更新的机制，能够让不是非常了解车机底层信号机制的应用开发人员，甚至产品运营人员也能够参与进来实现场景识别的功能。在车辆出厂后，可以动态的更新和扩展场景计算的实现，达到持续优化和增强场景化功能的目的。

下面，结合图1，说明根据本发明实施例的网联车的场景识别方法。

如图1所示，本发明实施例的网联车的场景识别方法包括如下步骤：

步骤S1，获取依赖信号，所述依赖信号包括***信号、应用信号及云端服务信号中的一种或多种。例如，可以通过有线或无线的方式获取依赖信号。

其中，所述***信号可以包括车机信号、车速信号、摄像头信号及车辆部件状态信号中的一种或多种，所述应用信号可以包括导航信号和/或音乐信号，所述云端服务信号可以包括天气状况信号和/或停车订单信号。

可以通过常用高级语言，使用适配器模式实现对不同来源的信号适配，比如车身信号、地图信号、云服务信号等等，这种实现是一种比较常见的做法，此处不予详细描述实现过程，对于适配的信号需要描述出信号的字段信息，对于需要查询的信号，需要描述查询入参和出参信息。

步骤S2，对所述依赖信号进行流式计算，并基于所述依赖信号与场景状态之间的配置关系，输出所述场景状态。

对于场景状态的计算，往往输出的目的是状态机的某一个状态项，输出的值是该状态当前计算出来的结果值。

网联车上信号是以数据流的形式过来的，识别网联车场景是对多个数据流进行计算，可以很好地对大规模流动数据在不断变化的运动过程中实时地进行分析，捕捉到可能有用的信息，并把结果发送到下一计算节点。基于原始的依赖信号和场景状态的定义，识别出需要加工出的高阶的场景状态，可以提高复用性，对后续的场景编排屏蔽底层的实现细节。

如图2所示，以加油为例说明流式计算，根据一定的规则判断出某个时刻，场景依赖的信号已经满足一定的计算规则。接收可续航里程信号，过滤掉可续航里程600KM以上的信号且300秒接收一次信号，获取用户距离目的地的里程和用户的加油预期，当可续航里程减去距离目的地里程小于用户加油预期，则认为需要加油，如可续航里程440减去距离目的地里程小于50KM，则认为需要加油。

步骤S3，对所述场景状态进行流式计算，并基于场景状态与场景之间的配置关系，识别得到场景。

对于场景识别的计算，往往输出的目的是一个应用的入口，输出的值是应用入口所需入参值。

本发明使用了业界成熟的流式计算算子，来完成车联网上原始信号的处理工作。在信号和聚合计算中对于原始数据的处理主要通过算子链完成，算子链由多个算子依次串联而成，数据会按照算子的顺序依次进行处理，每一个算子都代表了一种对数据的操作，例如，如图3所示的算子链的示意。

通过高阶的场景状态之间的编排来定义一个场景的识别，这一步可以不需要专业的开发人员来实现。对于信号加工成场景状态，场景状态编排成一个场景，整个过程使用符合流式计算模型的领域语言来描述，领域语言可以动态分发到车机，车机上场景引擎生成程序实例并执行。而且，后续的更新可以通过更新依赖信号与场景状态之间的配置关系和/或场景状态与场景之间的配置关系实现场景识别的更新。由此，能够降低开发难度，且便于实现动态的更新和扩展场景计算。

可选地，通过可扩展标记语言实现所述流式计算。场景计算过程遵循流式计算模型设计的领域语言可以使用不同的形式来实现，例如，通过可扩展标记语言(XML)实现的遵循流式计算模型的领域语言等。

以下通过具体示例说明上述网联车的场景识别方法。

例如，依赖信号为油量信号，获取油量的原始信号(油量的百分比)，对油量信号进行流式计算，当油量在70％以上，输出油量状态(场景状态)为高油量状态，当行车一段路程，油量在30％～70％之间，输出油量状态为中油量状态，继续行车一段路程，油量低于30％，输出油量状态为低油量状态。这样的状态屏蔽了底层很多的细节，如去除原始信号的抖动等情况，对于后续定义场景会容易很多。

对油量状态和车辆行程附近加油站进行流式计算，当车辆刚好要经过一个加油站且处于低油量状态的情况，识别出加油场景，可以推荐用户在该加油站进行加油。

根据本发明一些实施例，所述依赖信号包括监听信号和/或查询信号，其中，所述监听信号为主动接收的信号，所述查询信号为主动查询的信号。

输入信号部分的配置描述了场景计算依赖的原始信号类别，获取原始信号的方式，原始信号结果的处理步骤，根据信号的类型，依赖的信号分为两种：

监听信号(主动)，监听信号是事件驱动的，由外部主动传入的信号，例如车辆状态信号，天气异常信号，订单事件信号等。

查询信号(被动)，查询信号是场景计算所依赖的，在某一个场景下，需要在计算过程中主动去查询信号的值，如用户的性别状态等。

进一步地，所述步骤S2包括：

对所述监听信号进行流式计算，

当所述监听信号满足预定条件时，触发与该监听信号相对应的场景状态所需要的查询信号；

对所述监听信号和所述查询信号进行流式计算，并对结果进行聚合计算，得到所述场景状态。

由此，能够更加准确全面的计算出场景状态。

例如，对车辆连续行驶的时间进行流式计算，当车辆连续行驶的时间超过3小时，触发获取用户的性别年龄，当用户为高龄女性，则输出用户高度疲劳驾驶状态，而当用户为青年男性，则输出用户中度疲劳驾驶状态，从而使得场景状态更具有针对性。

根据本发明一些实施例，网联车的场景识别方法还包括步骤S4，根据用户对所识别得到的场景的反馈，更新所述依赖信号与场景状态之间的配置关系。

例如识别到的加油场景，而用户并未加油，而是在另一个场景状态进行加油，则更新油量信号与油量状态之间的配置关系。

如图4所示，在状态计算和场景识别的配置定义完成后，可以将配置发布到云端存储上，车机会到云端端同步获取最新的场景计算配置，并解析配置文件，当场景引擎监听到相应的信号则会执行配置定义的计算过程。

下面，结合如图5说明本发明实施例的网联车的场景计算方法的实现架构。

网联车的场景计算方法的实现架构包括应用层、连接层、计算层、感知层级数据层。

数据层用于接收车辆信号、环境信号、视觉信号、订单信号、地图信号及用户信号。

感知层包括***信号对接器、应用信号对接器及云服务信号对接器。信号对接器主要负责对接依赖的信号。***信号对接器可以对接车辆的***信号，如车速、部件状态信号等；应用信号对接器主要负责接入车机上应用产生的信号，如果导航信号；云服务对接器主要负责接入云端服务的信号，如天气状况、停车订单状态等。

计算层包括场景识别引擎。场景识别引擎主要负责解析场景计算配置和以流式计算的方式运行场景计算配置定义的计算过程。

连接层包括应用触发器。应用触发器主要负责向订阅场景的应用通知其场景计算结果。

应用层包括地图、音乐、电台、加油、停车等应用。

下面说明本发明实施例的网联车服务提供方法，基于上述任一项所述的网联车的场景识别方法识别得到的场景，提供网联车服务。由此，能够提高用户的使用体验，准确地获取所需要的服务。

下面，结合图6，说明根据本发明实施例的网联车的场景识别装置。

如图6所示，本发明实施例的网联车的场景识别装置1000包括：获取模块1001，场景状态输出模块1002及场景识别模块1003。

获取模块1001用于获取依赖信号，所述依赖信号包括***信号、应用信号及云端服务信号中的一种或多种。

场景状态输出模块1002用于对所述依赖信号进行流式计算，并基于所述依赖信号与场景状态之间的配置关系，输出所述场景状态。

场景识别模块1003对所述场景状态进行流式计算，并基于场景状态与场景之间的配置关系，识别得到场景。

进一步地，网联车的场景识别装置还可以分别用于网联车的场景识别方法中的相应步骤，在此省略其详细说明。

此外，结合图7，说明根据本发明实施例的用于识别网联车的场景的电子设备1400。

如图7所示，本发明实施例的用于识别网联车的场景的电子设备1400包括：

处理器1401和存储器1402，在存储器1402中存储有计算机程序指令，其中，在计算机程序指令被处理器运行时，使得处理器1401执行以下步骤：

步骤S1，获取依赖信号，所述依赖信号包括***信号、应用信号及云端服务信号中的一种或多种；

步骤S2，对所述依赖信号进行流式计算，并基于所述依赖信号与场景状态之间的配置关系，输出所述场景状态；

步骤S3，对所述场景状态进行流式计算，并基于场景状态与场景之间的配置关系，识别得到场景。

进一步地，处理器1401还可以网联车的场景识别方法中的相应步骤，在此省略其详细说明。

上述各个接口和设备之间可以通过总线架构互连。总线架构可以是可以包括任意数量的互联的总线和桥。具体由处理器1401代表的一个或者多个中央处理器(CPU)，以及由存储器1402代表的一个或者多个存储器的各种电路连接在一起。总线架构还可以将诸如***设备、稳压器和功率管理电路等之类的各种其它电路连接在一起。可以理解，总线架构用于实现这些组件之间的连接通信。总线架构除包括数据总线之外，还包括电源总线、控制总线和状态信号总线，这些都是本领域所公知的，因此本文不再对其进行详细描述。

所述网络接口1403，可以连接至网络(如因特网、局域网等)，从网络中获取相关数据，并可以保存在硬盘1405中。

所述输入设备1404，可以接收操作人员输入的各种指令，并发送给处理器1401以供执行。所述输入设备1404可以包括键盘或者点击设备(例如，鼠标，轨迹球(trackball)、触感板或者触摸屏等。

所述显示设备1406，可以将处理器1401执行指令获得的结果进行显示。

所述存储器1402，用于存储操作***运行所必须的程序和数据，以及处理器1401计算过程中的中间结果等数据。

可以理解，本发明实施例中的存储器1402可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(ROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)或闪存。易失性存储器可以是随机存取存储器(RAM)，其用作外部高速缓存。本文描述的装置和方法的存储器1402旨在包括但不限于这些和任意其它适合类型的存储器。

在一些实施方式中，存储器1402存储了如下的元素，可执行模块或者数据结构，或者他们的子集，或者他们的扩展集：操作***14021和应用程序14014。

其中，操作***14021，包含各种***程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序14014，包含各种应用程序，例如浏览器(Browser)等，用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序14014中。

上述处理器1401，当调用并执行所述存储器1402中所存储的应用程序和数据，具体的，可以是应用程序14014中存储的程序或指令时，首先，获取依赖信号，所述依赖信号包括***信号、应用信号及云端服务信号中的一种或多种；接着，对所述依赖信号进行流式计算，并基于所述依赖信号与场景状态之间的配置关系，输出所述场景状态；最后，对所述场景状态进行流式计算，并基于场景状态与场景之间的配置关系，识别得到场景。

本发明上述实施例揭示的方法可以应用于处理器1401中，或者由处理器1401实现。处理器1401可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器1401中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器1401可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件，可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器1402，处理器1401读取存储器1402中的信息，结合其硬件完成上述方法的步骤。

可以理解的是，本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现，处理单元可以实现在一个或多个专用集成电路(ASIC)、数字信号处理器DSP)、数字信号处理设备(DSPD)、可编程逻辑设备(PLD)、现场可编程门阵列(FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。

对于软件实现，可通过执行本文所述功能的模块(例如过程、函数等)来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。

另外，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器运行时，使得所述处理器执行以下步骤：

步骤S1，获取依赖信号，所述依赖信号包括***信号、应用信号及云端服务信号中的一种或多种；

步骤S2，对所述依赖信号进行流式计算，并基于所述依赖信号与场景状态之间的配置关系，输出所述场景状态；

步骤S3，对所述场景状态进行流式计算，并基于场景状态与场景之间的配置关系，识别得到场景。

进一步地，所述处理器还可以执行网联车的场景识别方法中的相应步骤，在此省略其详细说明。

更进一步地，本发明还提供一种程序产品，该程序产品包括执行指令，该执行指令存储在可读存储介质中。电子设备(例如可以是服务器、云服务器、或者服务器的一部分等)的至少一个处理器可以从可读存储介质读取该执行指令，至少一个处理器执行该执行指令使得网联车的场景识别装置1000实施上述各种实施方式提供的网联车的场景识别方法。

在本申请所提供的几个实施例中，应该理解到，所揭露方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理包括，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述收发方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁盘或者光盘等各种可以存储程序代码的介质。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (11)

1.一种网联车的场景识别方法，其特征在于，包括如下步骤：

步骤S1，获取依赖信号，所述依赖信号包括***信号、应用信号及云端服务信号中的一种或多种；

步骤S2，对所述依赖信号进行流式计算，并基于所述依赖信号与场景状态之间的配置关系，输出所述场景状态；

步骤S3，对所述场景状态进行流式计算，并基于场景状态与场景之间的配置关系，识别得到场景。

2.根据权利要求1所述的网联车的场景识别方法，其特征在于，

所述***信号包括车机信号、车速信号、摄像头信号及车辆部件状态信号中的一种或多种，

所述应用信号包括导航信号和/或音乐信号，

所述云端服务信号包括天气状况信号和/或停车订单信号，

所述场景包括加油场景、停车场景、修车场景中的一种或多种。

3.根据权利要求1所述的网联车的场景识别方法，其特征在于，所述依赖信号包括监听信号和/或查询信号，其中，所述监听信号为主动接收的信号，所述查询信号为主动查询的信号。

4.根据权利要求3所述的方法，其特征在于，所述步骤S2包括：

对所述监听信号进行流式计算，

当所述监听信号满足预定条件时，触发与该监听信号相对应的场景状态所需要的查询信号；

对所述监听信号和所述查询信号进行流式计算，并对结果进行聚合计算，得到所述场景状态。

5.根据权利要求1所述的网联车的场景识别方法，其特征在于，所述场景状态包括高、中、低三种场景状态。

6.根据权利要求1所述的网联车的场景识别方法，其特征在于，还包括：

步骤S4，根据用户对所识别得到的场景的反馈，更新所述依赖信号与场景状态之间的配置关系。

7.根据权利要求1所述的网联车的场景识别方法，其特征在于，通过可扩展标记语言实现所述流式计算。

8.一种网联车服务提供方法，其特征在于，基于权利要求1至7任一项所述的方法识别得到的场景，提供网联车服务。

9.一种网联车的场景识别装置，其特征在于，包括：

获取模块，用于获取依赖信号，所述依赖信号包括***信号、应用信号及云端服务信号中的一种或多种；

场景状态输出模块，用于对所述依赖信号进行流式计算，并基于所述依赖信号与场景状态之间的配置关系，输出所述场景状态；

场景识别模块，对所述场景状态进行流式计算，并基于场景状态与场景之间的配置关系，识别得到场景。

10.一种用于识别网联车的场景的电子设备，其特征在于，包括：

一个或多个处理器；

一个或多个存储器，其中存储了计算机可读代码，所述计算机可读代码当由所述一个或多个处理器运行时，使得所述处理器执行如下步骤：

步骤S1，获取依赖信号，所述依赖信号包括***信号、应用信号及云端服务信号中的一种或多种；

步骤S2，对所述依赖信号进行流式计算，并基于所述依赖信号与场景状态之间的配置关系，输出所述场景状态；

步骤S3，对所述场景状态进行流式计算，并基于场景状态与场景之间的配置关系，识别得到场景。

11.一种计算机可读存储介质，其特征在于，其中存储了计算机可读代码，所述计算机可读代码当由一个或多个处理器运行时，使得所述处理器执行如下步骤：

步骤S1，获取依赖信号，所述依赖信号包括***信号、应用信号及云端服务信号中的一种或多种；

步骤S2，对所述依赖信号进行流式计算，并基于所述依赖信号与场景状态之间的配置关系，输出所述场景状态；

步骤S3，对所述场景状态进行流式计算，并基于场景状态与场景之间的配置关系，识别得到场景。

Images