CN101318493A - 一种车辆乘员体征的识别方法 - Google Patents

Abstract

本发明涉及一种车辆乘员体征的识别方法。包括以下步骤：a)压力敏感点获取步骤：通过车载体压分布测量系统获得不同乘员类型及不同坐姿下的乘员体征数据，通过分析，找到压力敏感区域，并布置压力测量传感器阵列，b)识别用压力值获取及处理步骤：通过测量系统车辆传感器整列在不同乘员类型和不同坐姿下的压力值；c)乘员体征识别步骤：按照具体法规要求，建立不同典型体征的特征数据库，获得分类器模型，将体压分布数据输入已经训练好的分类器中进行分类，将最后将获得的乘员体征信息输送到智能安全气囊控制器供其智能控制使用。本发明供了一种有效的识别乘员体征的手段，可将在汽车碰撞时气囊的二次伤害降到最低，提高汽车的被动安全性能。

Description

一种车辆乘员体征的识别方法

技术领域

本发明涉及车辆运行安全措施，特别是涉及一种车辆乘员体征的识别方法。

背景技术

安全气囊系统研发主要目的是尽量避免在碰撞过程中人体与车身内饰件发生二次碰撞，减少对人体造成的伤害。近些年来，汽车座椅安全带和汽车安全气囊的广泛使用，大大降低了在交通事故时伤亡率。但是，由于常规的安全气囊系统是按第五十百分位正常位置乘员设计的气囊，为此，常规的安全气囊极有可能对离位乘员和小身材妇女甚至儿童造成伤害。

为了有效降低因气囊展开造成不同类型乘员伤害的可能性，目前已提出了不同种类的智能乘员约束系统。这些系统大多采用视觉传感器、压力传感器和超声波传感器等实现乘员的类型、位置及坐姿等体征检测，并根据汽车碰撞的严重程度来确定是否张开安全气囊，以及采用多大的弹开强度。

因此，开发智能乘员识别系统，利用传感器系统感知乘员的体征，给安全气囊系统提供乘员体征信息，具有十分重要的意义。

附图说明

图1车辆乘员体征的识别系统工作流程图；

图2座椅体压分布测试系统压力传感器安装位置示意图。

图中：1.汽车座椅，2.传感器

发明内容

本发明的目的在于提供一种车辆乘员体征的识别方法，其利用座椅体压分布及智能识别技术获取乘员体征信息，提供给智能安全气囊系统用于安全气囊的智能控制。

为实现上述目的，本发明主要包括以下步骤，结合附图说明如下：

a)压力敏感点获取步骤：通过车载体压分布测量系统获得不同乘员类型及不同坐姿下的乘员体征数据，通过分析这些数据，找到压力敏感区域，在这些敏感区域内的布置压力测量传感器阵列，将布置的压力测量传感器阵列获得的系列压力值作为训练及检验用于识别的特征值；

b)识别用压力值获取及处理步骤：通过测量系统测量这些传感器整列在不同乘员类型，不同坐姿下的压力值；

c)乘员体征识别步骤：按照具体法规要求，将通过以上步骤获得n种不同典型乘员类型不同坐姿的体压分布数据，建立不同典型体征的特征数据库用于对分类器进行训练，获得乘员类型和体征的分类器模型，在实时处理过程中获得实时体压分布数据，然后将体压分布数据输入已经训练好的分类器中进行分类，最终获得乘员体征信息，最后将获得的乘员体征信息输送到智能安全气囊控制器供其智能控制使用。

其识别用特征值使用座椅压力分布传感器压力值获得。

本发明的有益效果是：提供了一种有效的识别乘员体征的手段，可以将在汽车碰撞过程中由于乘员体征不同导致的气囊对乘员的二次伤害降到最低，从而提高汽车的被动安全性能

具体实施方式

参阅图2：在步骤S00中，将已有的座椅体压分布测量系统(该系统有一套体压分布坐垫式传感器，用于测量人体臀部在座椅上的压力分布)布置于座椅上。

在步骤S11中，直接从座椅压力分布测试系统中读取压力分布数据。建立不同类型及不同坐姿下乘员体压原始分布数据库。

所说的压力敏感区域用系列点的样本方差的方法获得，具体步骤是：

在步骤S21中，对压力分布敏感区域进行分析。

设(X₁，X₂，…，X_n)是每个采集点采集到的一系列压力值，将统计量

$S^2=\frac{1}{n-1}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(X_i-\stackrel{\‾}{X})}^2$

作为样本方差，其中

$\stackrel{\‾}{X}=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{X}_i$

则S²越大，该采集点敏感度越大。绘制出S²的分布图即体压敏感度分布图。

在步骤S22中，在S²偏大的区域布置低密度传感器阵列。

在步骤S23中，系统获得了大量的不同类型不同坐姿情况下乘员这些低密度传感器压力值及带有类型及坐姿类别信息的文件，建立不同类型及坐姿下的乘员体压分布数据库。

在步骤S31中，将获得的矩进行归一化处理。

我们使用的下面公式进行归一化，S是原始数据，而S*是经过转换后的数据。

在步骤S32中，使用上一步骤获得的归一化的不同类型及坐姿下的体压分布数据分布对不同模型参数下的乘员类型及坐姿支持向量机模型进行训练及检验，找到最优化的模型参数。

在步骤S33中，用获得的最优化参数和训练数据对系统进行训练，然后使用检验数据进行预测并计算出正确率。如果不满意再次重复步骤一。

通过以上步骤分别对不同乘员类型分类器和不同乘员坐姿进行训练，并获得了乘员类型和乘员坐姿分类器模型。

在实时分类过程中，步骤S33中获得的归一化后的实时采集的低密度传感器矩阵获得的压力值输入到预处理过程中的分类器模型中。最后计算出乘员类型和坐姿信息，送入智能安全气囊中供其控制安全气囊使用。

Claims (3)

1、一种车辆乘员体征的识别方法，其特征在于包括以下步骤：

a)压力敏感点获取步骤：通过车载体压分布测量系统获得不同乘员类型及不同坐姿下的乘员体征数据，通过分析这些数据，找到压力敏感区域，在这些敏感区域内的布置压力测量传感器阵列，将布置的压力测量传感器阵列获得的系列压力值作为训练及检验用于识别的特征值；

b)识别用压力值获取及处理步骤：通过测量系统测量这些传感器整列在不同乘员类型，不同坐姿下的压力值；

c)乘员体征识别步骤：按照具体法规要求，将通过以上步骤获得n种不同典型乘员类型不同坐姿的体压分布数据，建立不同典型体征的特征数据库用于对分类器进行训练，获得乘员类型和体征的分类器模型，在实时处理过程中获得实时体压分布数据，然后将体压分布数据输入已经训练好的分类器中进行分类，最终获得乘员体征信息，最后将获得的乘员体征信息输送到智能安全气囊控制器供其智能控制使用。

2、根据权利要求1所述的一种车辆乘员体征的识别方法，其特征在于所说的压力敏感区域用系列点的样本方差的方法获得：设(x₁，X₂，…，X_n)是每个采集点采集到的一系列压力值，

将统计量 $S^2=\frac{1}{n-1}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(X_i-\stackrel{\‾}{X})}^2$ 作为样本方差，其中

则S²越大，该采集点敏感度越大，绘制出S²的分布图即体压敏感度分布图，在S²偏大的区域布置低密度传感器阵列。

3、根据权利要求1所述的一种车辆乘员体征的检测方法，其识别用特征值使用座椅压力分布传感器压力值获得。

Images