页面数据处理方法、装置、车辆及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114998885A(43)申请公布日2022.09.02(21)申请号202210725386.7(22)申请日2022.06.23(71)申请人小米汽车科技有限公司地址100176北京市大兴区北京经济技术开发区科创十街15号院5号楼6层618室(72)发明人张琼(74)专利代理机构北京英创嘉友知识产权代理事务所(普通合伙)11447专利代理师卢夏子(51)Int.Cl.G06V20/62(2022.01)G06V30/19(2022.01)G10L13/08(2013.01)权利要求书3页说明书15页附图4页(54)发明名称页面数据处理方法、装置、车辆及存储介质(57)摘要本公开涉及自动驾驶领域，涉及一种页面数据处理方法、装置、车辆及存储介质，该页面数据处理方法，通过响应于用户的触发操作，获取当前页面对应的目标图像，目标图像包括指定文字方向的文字内容；获取目标图像中该文字内容对应的多个目标文字框区域；根据该指定文字方向确定该多个目标文字框区域中每个目标文字框区域的阅读优先级；按照每个该目标文字框区域的该阅读优先级将该目标文字框区域内的文字内容转换为音频数据，并播放该音频数据，这样通过将页面中的文字内容转换为符合阅读习惯的音频数据进行播放，能够有效减少用户在驾车过程中观看终端屏幕的现象，从而能够有效提升用户体验，降低行车过程中不安全事故的发生概率。CN114998885ACN114998885A权利要求书1/3页1.一种页面数据处理方法，其特征在于，包括：响应于用户的触发操作，获取当前页面对应的目标图像，所述目标图像包括指定文字方向的文字内容；获取所述目标图像中所述文字内容对应的多个目标文字框区域；根据所述指定文字方向确定所述多个目标文字框区域中每个所述目标文字框区域的阅读优先级；按照每个所述目标文字框区域的所述阅读优先级将所述目标文字框区域内的文字内容转换为音频数据，并播放所述音频数据。2.根据权利要求1所述的方法，其特征在于，所述获取所述目标图像中所述文字内容对应的多个目标文字框区域，包括：对所述目标图像进行文字框位置检测，以得到所述文字内容对应的多个文字框位置；对所述多个文字框位置进行聚类处理，以得到多个待定文字框区域；从所述多个待定文字框区域中确定所述目标文字框区域。3.根据权利要求2所述的方法，其特征在于，所述从所述多个待定文字框区域中确定所述目标文字框区域，包括：获取所述目标图像中的图像位置区域；在确定所述待定文字框区域与所述图像位置区域不存在交集的情况下，将所述待定文字框区域作为所述目标文字框区域。4.根据权利要求3所述的方法，其特征在于，所述从所述多个待定文字框区域中确定所述目标文字框区域，还包括：在确定所述待定文字框区域与所述图像位置区域存在交集的情况下，获取所述待定文字框区域与所述图像位置区域的重叠区域；若所述重叠区域大于或者等于预设重叠阈值的情况下，将存在交集的所述待定文字框区域作为所述目标文字框区域；若所述重叠区域小于所述预设重叠阈值的情况下，将存在交集的所述待定文字框区域作为非目标文字框区域。5.根据权利要求1‑4任一项所述的方法，其特征在于，所述指定文字方向包括水平文字方向和垂直文字方向，所述根据所述指定文字方向确定所述多个目标文字框区域中每个所述目标文字框区域的阅读优先级，包括：获取每个所述目标文字框区域对应标志点的目标位置，其中，在所述指定文字方向为所述水平文字方向的情况下，所述标志点为所述目标文字框区域的左上角顶点，在所述指定文字方向为所述垂直文字方向的情况下，所述标志点为所述目标文字框区域的右上角顶点；根据所述多个目标文字框区域中每个所述目标文字框区域对应的所述目标位置确定每个所述目标文字框区域的所述阅读优先级。6.根据权利要求5所述的方法，其特征在于，所述根据所述多个目标文字框区域中每个所述目标文字框区域对应的所述目标位置确定每个所述目标文字框区域的所述阅读优先级，包括：在所述指定文字方向为所述水平文字方向的情况下，将所述多个目标文字框区域对应2CN114998885A权利要求书2/3页的多个所述目标位置中，位于最顶端，且位于最左侧的所述目标位置对应的所述目标文字框区域作为优先级最高的目标文字框区域；在所述指定文字方向为所述垂直文字方向的情况下，将所述多个目标文字框区域对应的多个所述目标位置中，位于最顶端，且位于最右侧的所述目标位置对应的所述目标文字框区域作为优先级最高的目标文字框区域；根据所述优先级最高的目标文字框区域确定所述多个目标文字框区域中除所述优先级最高的目标文字框区域之外其他所述目标文字框区域对应的阅读优先级。7.根据权利要求6所述的方法，其特征在于，所述根据所述优先级最高的目标文字框区域确定所述多个目标文字框区