一种开启汽车尾门的方法、装置以及介质与流程

1.本技术涉及人工智能技术领域，特别是涉及一种开启汽车尾门的方法、装置以及介质。


背景技术：

2.汽车的后备箱常用于放置各种较大的物品，正常情况下，在放置物品时可手动打开汽车的尾门。但是，当目标对象双手提着东西或怀抱小孩时，不便手动打开尾门，则可采用其他方式。例如，目前常见的电动尾门开启方法是使用电容传感器，通过脚踢感应开启汽车的电动尾门，这可以让目标对象在不动手的情况下，通过感应的方式用脚打开后备箱。因此这种打开后备箱的方式就会非常方便，它不仅很好的解决了人们在开关尾门各类场景中遇到的安全、卫生、不便等问题，也满足了人们安全、方便、智能等用车要求。具体做法是在汽车后保险杠处安装一个感应天线，用于检测感应天线相对于地面的电容值，当脚在天线和地面之间做动作时，电容值发生变化，当电容值的变化达到阈值时，驱动整车开启尾门。
3.但是，目前的方案只是单纯的判定电容值是否达到阈值，电容信号受到干扰时，可能会误开启尾门，导致开启尾门的准确率不高。
4.由此可见，如何提高开启汽车尾门的准确率，是本领域技术人员亟待解决的问题。


技术实现要素：

5.本技术的目的是提供一种开启汽车尾门的方法、装置以及介质，以提高开启汽车尾门的准确率。
6.为解决上述技术问题，本技术提供一种开启汽车尾门的方法，包括：
7.接收电容传感器检测的当前电容值，其中，所述电容传感器设置于汽车的尾部以检测自身与地面之间的电容值；
8.采用脚踢动作电容值模型处理所述当前电容值；其中，所述脚踢动作电容值模型为根据历史电容值的变化特征建立，所述历史电容值为开启所述汽车尾门的脚踢动作对应的电容值；
9.若在一段时间内的所述当前电容值的变化特征表征发生了开启所述汽车尾门的脚踢动作，则开启所述汽车尾门。
10.优选地，根据所述历史电容值建立所述脚踢动作电容值模型包括：
11.建立所述历史电容值的数据集；
12.重构所述数据集以将所述数据集划分为训练集和验证集；
13.将所述训练集和所述验证集输入循环神经网络进行训练以得到所述脚踢动作电容值模型。
14.优选地，所述循环神经网络的网络结构为全连接层 gru层 全连接层；所述将所述训练集和所述验证集输入循环神经网络进行训练以得到所述脚踢动作电容值模型包括：
15.将所述训练集和所述验证集输入循环神经网络以调整所述循环神经网络的训练
参数和损失函数。
16.优选地，所述重构所述数据集以将所述数据集划分为训练集和验证集包括：
17.对所述数据集进行正则化处理；
18.将进行所述正则化处理后的所述数据集划分为所述训练集和所述验证集。
19.优选地，建立所述脚踢动作电容值模型之后，还包括：
20.采用所述脚踢动作电容值模型处理开启所述汽车尾门的脚踢动作对应的一段时间内的电容值，并获取所述汽车尾门的开启结果；
21.根据所述开启结果优化所述脚踢动作电容值模型。
22.优选地，所述历史电容值为所述电容传感器检测到的开启所述汽车尾门的脚踢动作对应的一段时间内的电容值。
23.优选地，所述开启所述汽车尾门之后，还包括：
24.若所述电容传感器检测的电容值表征发生了关闭所述汽车尾门的脚踢动作，则关闭所述汽车尾门。
25.为解决上述技术问题，本技术还提供一种开启汽车尾门的装置，包括：
26.接收模块，用于接收电容传感器检测的当前电容值，其中，所述电容传感器设置于汽车的尾部以检测自身与地面之间的电容值；
27.处理模块，用于采用脚踢动作电容值模型处理所述当前电容值；其中，所述脚踢动作电容值模型为根据历史电容值的变化特征建立，所述历史电容值为开启所述汽车尾门的脚踢动作对应的电容值；
28.开启模块，用于若在一段时间内的所述当前电容值的变化特征表征发生了开启所述汽车尾门的脚踢动作，则开启所述汽车尾门。
29.为解决上述技术问题，本技术还提供一种开启汽车尾门的装置，包括：存储器，用于存储计算机程序；
30.处理器，用于执行计算机程序时实现上述开启汽车尾门的方法的步骤。
31.为解决上述技术问题，本技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述开启汽车尾门的方法的步骤。
32.本技术所提供的开启汽车尾门的方法，处理器需要提前根据历史电容值的变化特征建立脚踢动作电容值模型，历史电容值为开启汽车尾门的脚踢动作对应的电容值，电容值的变化特征表征了脚踢动作对应的电容值的变化过程。电容传感器设置于汽车的尾部以检测自身与地面之间的电容值；处理器接收电容传感器检测的当前电容值，然后采用脚踢动作电容值模型处理当前电容值；若在一段时间内的当前电容值的变化特征表征发生了开启汽车尾门的脚踢动作，则开启汽车尾门。本技术所提供的方法，通过开启汽车尾门的脚踢动作对应的历史电容值来训练出模型，然后根据模型来判断是否开启尾门，本方案监测的是一整套的脚踢动作，比目前方案中单纯的判定电容值达到阈值后开启尾门的方式更加可靠，不会出现电容信号受到干扰时而误判的情况。
33.本技术还提供了一种开启汽车尾门的装置和计算机可读存储介质，与上述方法对应，故具有与上述方法相同的有益效果。
附图说明
34.为了更清楚地说明本技术实施例，下面将对实施例中所需要使用的附图做简单的介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
35.图1为本技术实施例提供的一种开启汽车尾门的方法的流程图；
36.图2为本技术实施例提供的开启汽车尾门的装置的结构图；
37.图3为本技术另一实施例提供的开启汽车尾门的装置的结构图。
具体实施方式
38.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下，所获得的所有其他实施例，都属于本技术保护范围。
39.本技术的核心是提供一种开启汽车尾门的方法、装置以及介质，以提高开启汽车尾门的准确率。
40.为了使本技术领域的人员更好地理解本技术方案，下面结合附图和具体实施方式对本技术作进一步的详细说明。
41.本技术应用在汽车尾门开启情景中，一般是在汽车后保险杠处安装一个感应天线，用于检测感应天线相对于地面的电容值，检测电容值的设备类型可任意选择，安装的具体位置也不作限定，这里以感应天线为例进行说明，当脚在感应天线和地面之间做动作时，电容值发生变化，处理器会接收感应天线采集的电容值，然后根据电容值的变化控制尾门的开启动作。目前，在判定电容值达到阈值之后就开启尾门，若在某时刻电容信号受到干扰，信号噪声污染严重的情况下，会出现误开启汽车尾门的情况，即当前的方案准确率不高。为了解决上述技术问题，本技术实施例提供一种开启汽车尾门的方法，本方案涉及人工智能技术领域，更具体而言，涉及一种基于循环神经网络的电动尾门脚踢感应开启的检测方法。图1为本技术实施例提供的一种开启汽车尾门的方法的流程图；如图所示，该方法包括如下步骤：
42.s10：接收电容传感器检测的当前电容值。
43.其中，电容传感器设置于汽车的尾部以检测自身与地面之间的电容值。如上文，电容传感器可以是感应天线，其数量可根据实际情况设备，为了更加准确的对脚踢动作进行检测，可在汽车的尾部设置多个电容传感器，另外，为了保证是人为的动作，而不是其他物体产生的电容值变化，可以增加红外传感器配合电容传感器使用。电容传感器的检测时间不作要求，一般是在完全静止且汽车处于上锁的状态下，启动电容传感器的检测功能，或者电容传感器一直进行检测，但处理器不会对尾门进行控制。因为需要获取电容值的变化特征，则需要获取多个电容值，即电容传感器检测当前电容值的过程和处理器接收当前电容值的过程都可认为是持续性的。
44.s11：采用脚踢动作电容值模型处理当前电容值。
45.其中，脚踢动作电容值模型为根据历史电容值的变化特征建立的，历史电容值为开启汽车尾门的脚踢动作对应的电容值；历史电容值可以是汽车自身的传感器采集的电容
值数据。记录一个完整的脚踢动作对应的电容值的变化特征，根据变化特征训练一个可以控制尾门脚踢开启的脚踢动作电容值模型，脚踢动作电容值模型可有效判断是否存在脚踢动作，从而判断是否应该开启尾门。构建脚踢动作电容值模型的步骤如下：1、构建数据集database，具体为通过电容传感器在某一段时间内采集脚踢动作对应的电容值的数据集d1。2、对数据集中的数据进行预处理，进行数据集重构，将数据集打上标签并将数据集d1按7:3划分为训练集和验证集。还可以对录制的某一段时间内多次脚踢动作的数据集d1进行正则化操作，然后再根据是否有脚踢动作对正则化后的数据集进行打标签处理，标签包括0和1，0代表此时刻没有脚踢动作，1代表此时刻有脚踢动作。3、训练循环神经网络控制电动尾门脚踢开启的模型，将训练集和验证集送入循环神经网络进行训练。训练循环神经网络的过程具体如下：先设计循环神经网络模型的网络结构，可为全连接层 gru层 全连接层；然后将带标签的训练集和验证集送入网络进行训练，并以脚踢动作开启尾门的准确率为指标；经过大量的实验来调整训练参数、损失函数等等，最终训练出一个各方面性能都最好的、能充分控制电动尾门脚踢开启的模型。4、验证脚踢动作电容值模型对实际脚踢电动尾门的开启效果，具体在测试集上验证上述模型的有效性，将训练出的模型作用于测试集，最后进行脚踢动作来实际检测模型的效果。另外，可选地，网络架构由序列输入层、全连接层、gru层和全连接层构成，序列输入层指定输入数据维度为14，输出特征维度为2，gru层的隐含单元个数为12，全连接层特征维度为12。训练参数设置如下：求解器设置为adam，最大迭代次数设置为500，学习率设置为0.001。本示例训练模型的方法只是本技术实施例的其中一种，并不对本技术的其他方案造成限定。本示例通过损失函数对权重参数、偏移参数进行调整更新，完成学习，确定gru模型的参数，提高模型的准确性。
46.s12：判断在一段时间内的当前电容值的变化特征是否表征发生了开启汽车尾门的脚踢动作，若是，则进入步骤s13。
47.s13：开启汽车尾门。
48.通过训练出的模型处理处理电容传感器采集的当前电容值，若一段时间内的当前电容值的变化特征表征发生了开启汽车尾门的脚踢动作，则可驱动电机开启汽车尾门。实际上，电容值的变化特征就是这段时间内电容值的变化情况。处理器持续性的接收到电容传感器检测的电容值，根据一段时间多个电容值的变化情况可以判断是否发生了开启汽车尾门的脚踢动作。另外，在开启汽车尾门之后，还可以继续检测电容值，若此时的电容值表征发生了关闭汽车尾门的脚踢动作，则继续驱动电机关闭汽车尾门。
49.本技术实施例所提供的开启汽车尾门的方法，处理器需要提前根据历史电容值的变化特征建立脚踢动作电容值模型，历史电容值为开启汽车尾门的脚踢动作对应的电容值，电容值的变化特征表征了脚踢动作对应的电容值的变化过程。电容传感器设置于汽车的尾部以检测自身与地面之间的电容值；处理器接收电容传感器检测的当前电容值，然后采用脚踢动作电容值模型处理当前电容值；若在一段时间内的当前电容值的变化特征表征发生了开启汽车尾门的脚踢动作，则开启汽车尾门。本技术实施例所提供的方法，通过开启汽车尾门的脚踢动作对应的历史电容值来训练出模型，然后根据模型来判断是否开启尾门，本方案监测的是一整套的脚踢动作，比目前方案中单纯的判定电容值达到阈值后开启尾门的方式更加可靠，不会出现电容信号受到干扰时而误判的情况。
50.本技术实施例提供一种建立脚踢动作电容值模型的具体方案，根据历史电容值建
立脚踢动作电容值模型包括：建立历史电容值的数据集；重构数据集以将数据集划分为训练集和验证集；将训练集和验证集输入循环神经网络进行训练以得到脚踢动作电容值模型。另外，循环神经网络的网络结构可设置为全连接层 gru层 全连接层；将训练集和验证集输入循环神经网络进行训练以得到脚踢动作电容值模型包括：将训练集和验证集输入循环神经网络以调整循环神经网络的训练参数和损失函数。本实施例提供的方法可得到较好效果的模型。其中，重构数据集以将数据集划分为训练集和验证集包括：对数据集进行正则化处理；将进行正则化处理后的数据集划分为训练集和验证集。在训练数据不够多时，常常会导致过拟合。正则化即在此时向原始模型引入额外信息，以便防止过拟合和提高模型泛化性能。
51.理论上得出的脚踢动作电容值模型在实际应用时的效果并不一定十分理想，而在上述实施例中提到，建立脚踢动作电容值模型之后，还包括：采用脚踢动作电容值模型处理开启汽车尾门的脚踢动作对应一段时间内的电容值，并获取汽车尾门的开启结果；根据开启结果优化脚踢动作电容值模型。本技术实施例提供的方法，通过实际情况对脚踢动作电容值模型进行优化，保证了脚踢动作电容值模型在实际应用时的准确率。
52.在开启汽车尾门之后，放置完物品或者取出物品之后，还需要将汽车尾门关闭，因此，作为一种优选的方案，开启汽车尾门之后，还包括：若电容传感器检测的电容值表征发生了关闭汽车尾门的脚踢动作，则关闭汽车尾门。这里表征发生了关闭汽车尾门的脚踢动作电容值可以是检测的一段时间内的电容值，和本技术中开启汽车尾门的方式相同，训练一个关闭汽车尾门的模型，通过该模型对电容传感器采集的电容值进行处理。也可以单纯的判定电容值达到阈值后，关闭汽车尾门，这里不对关闭汽车尾门的判定方式作限定。
53.在上述实施例中，对于开启汽车尾门的方法进行了详细描述，本技术还提供开启汽车尾门的装置对应的实施例。需要说明的是，本技术从两个角度对装置部分的实施例进行描述，一种是基于功能模块的角度，另一种是基于硬件的角度。
54.基于功能模块的角度，本实施例提供一种开启汽车尾门的装置，图2为本技术实施例提供的开启汽车尾门的装置的结构图，如图2所示，该装置包括：
55.接收模块10，用于接收电容传感器检测的当前电容值，其中，电容传感器设置于汽车的尾部以检测自身与地面之间的电容值；
56.处理模块11，用于采用脚踢动作电容值模型处理当前电容值；其中，脚踢动作电容值模型为根据历史电容值的变化特征建立，历史电容值为开启汽车尾门的脚踢动作对应的电容值；
57.开启模块12，用于若在一段时间内的当前电容值的变化特征表征发生了开启汽车尾门的脚踢动作，则开启汽车尾门。
58.由于装置部分的实施例与方法部分的实施例相互对应，因此装置部分的实施例请参见方法部分的实施例的描述，这里暂不赘述。
59.本实施例提供的开启汽车尾门的装置，与上述方法对应，故具有与上述方法相同的有益效果。
60.基于硬件的角度，本实施例提供了另一种开启汽车尾门的装置，图3为本技术另一实施例提供的开启汽车尾门的装置的结构图，如图3所示，开启汽车尾门的装置包括：存储器20，用于存储计算机程序；
61.处理器21，用于执行计算机程序时实现如上述实施例中所提到的开启汽车尾门的方法的步骤。
62.其中，处理器21可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器21可以采用数字信号处理器(digital signal processor，dsp)、现场可编程门阵列(field－programmable gate array，fpga)、可编程逻辑阵列(programmable logic array，pla)中的至少一种硬件形式来实现。处理器21也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称中央处理器(central processing unit，cpu)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器21可以集成有图像处理器(graphics processing unit，gpu)，gpu用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器21还可以包括人工智能(artificial intelligence，ai)处理器，该ai处理器用于处理有关机器学习的计算操作。
63.存储器20可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器20还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。本实施例中，存储器20至少用于存储以下计算机程序201，其中，该计算机程序被处理器21加载并执行之后，能够实现前述任一实施例公开的开启汽车尾门的方法的相关步骤。另外，存储器20所存储的资源还可以包括操作系统202和数据203等，存储方式可以是短暂存储或者永久存储。其中，操作系统202可以包括windows、unix、linux等。数据203可以包括但不限于开启汽车尾门的方法涉及到的数据等。
64.在一些实施例中，开启汽车尾门的装置还可包括有显示屏22、输入输出接口23、通信接口24、电源25以及通信总线26。
65.本领域技术人员可以理解，图中示出的结构并不构成对开启汽车尾门的装置的限定，可以包括比图示更多或更少的组件。
66.本技术实施例提供的开启汽车尾门的装置，包括存储器和处理器，处理器在执行存储器存储的程序时，能够实现如下方法：开启汽车尾门的方法。
67.本实施例提供的开启汽车尾门的装置，与上述方法对应，故具有与上述方法相同的有益效果。
68.最后，本技术还提供一种计算机可读存储介质对应的实施例。计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上述方法实施例中记载的步骤。
69.可以理解的是，如果上述实施例中的方法以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，执行本技术各个实施例描述的方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
70.本实施例提供的计算机可读存储介质，与上述方法对应，故具有与上述方法相同的有益效果。
71.以上对本技术所提供的一种开启汽车尾门的方法、装置以及介质进行了详细介绍。说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。应当指出，对于本技术领域的普通技术人员来说，在不脱离本技术原理的前提下，还可以对本技术进行若干改进和修饰，这些改进和修饰也落入本技术权利要求的保护范围内。
72.还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括上述要素的过程、方法、物品或者设备中还存在另外的相同要素。