CN108487820A - 一种新型电子检测闭合装置 - Google Patents

Abstract

本发明提供一种新型电子检测闭合装置，包括：检测模块，用于检测车辆门窗的开闭状态；摄像头模块，用于当检测到车辆门窗状态为打开时，获取车厢内图像；处理模块，用于对所述车厢内图像进行处理，检测车厢内是否存在乘员，若否，发出相应的关闭门窗指令；执行模块，与车辆的门窗驱动机构连接，用于根据接收到的关闭门窗指令控制车辆门窗闭合。本发明装置能够自动检测车辆门窗的开闭状态，并自动闭合车辆门窗，提高了车辆的安全性和智能化水平。

Description

一种新型电子检测闭合装置

技术领域

本发明涉及智能交互技术领域，特别是一种新型电子检测闭合装置。

背景技术

在目前社会中，汽车已经得到全面的普及，很多人都是以汽车作为代步工具，但是，在使用车辆的时候，很多时候会因为匆忙或需要短时间离开车辆，出现在驾驶员匆忙离开汽车时忘记锁车门或者关闭车窗的情况，容易造成安全隐患，导致车中的贵重物品丢失。

现有技术中，出现了一些对车辆门窗状态的检测装置，但是此类装置仅仅对检测车辆门窗的开闭状态进行检测并在车中的显示屏活仪表盘中进行显示，一旦驾驶员或乘员离开了车辆，便无法起到提醒乘员关闭车辆门窗的效果，依然存在安全隐患。

发明内容

针对上述问题，本发明旨在提供一种新型电子检测闭合装置。

本发明的目的采用以下技术方案来实现：

一种新型电子检测闭合装置，包括：

检测模块，用于检测车辆门窗的开闭状态；

摄像头模块，用于当检测到车辆门窗状态为打开时，获取车厢内图像；

处理模块，用于对车厢内图像进行处理，检测车厢内是否存在乘员，若否，发出相应的关闭门窗指令；

执行模块，与车辆的门窗驱动机构连接，用于根据接收到的关闭门窗指令控制车辆门窗闭合。

优选的，还包括发动机检测模块和定时模块；

发动状态检测模块，用于检测车辆的发动状态；

定时模块，用于当发动机为非发动状态时启动计时，当到达设定的时间后向检测模块发送启动指令，控制检测模块检测车辆门窗的开闭状态。

优选的，检测模块包括：

车门检测单元，用于检测车门锁的开关状态；

车窗检测单元，用于检测车窗的开闭状态。

本发明的有益效果为：在车辆为非发动状态时，通过检测车辆门窗开闭状态，并通过摄像头检测车内是否有乘坐人员，进而自动检测判断车辆门窗是否存在异常的开闭状态，并生成相应的门窗闭合指令控制执行模块闭合车辆门窗，能够有效地解决车辆停靠后，车上乘员离开车辆时忘记关闭车辆门窗的带来的安全隐患，从而提高车辆的安全性能和智能化水平。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1为本发明的框架结构图；

图2为本发明检测模块的框架结构图；

图3为本发明处理模块的框架结构图。

附图标记：

检测模块100、车门检测单元110、车窗检测单元120、摄像头模块200、处理模块300、图像预处理单元310、人脸检测单元320、活体判断单元330、分类器单元340和执行模块400

具体实施方式

结合以下应用场景对本发明作进一步描述。

参见图1，其示出一种新型电子检测闭合装置，包括：

检测模块100，用于检测车辆门窗的开闭状态；

摄像头模块200，用于当检测到车辆门窗状态为打开时，获取车厢内图像；

处理模块300，用于对车厢内图像进行处理，检测车厢内是否存在乘员，若否，发出相应的关闭门窗指令；

执行模块400，与车辆的门窗驱动机构连接，用于根据接收到的关闭门窗指令控制车辆门窗闭合。

优选的，还包括发动机检测模块100和定时模块；

发动状态检测模块100，用于检测车辆的发动状态；

定时模块，用于当发动机为非发动状态时启动计时，当到达设定的时间后向检测模块100发送启动指令，控制检测模块100检测车辆门窗的开闭状态。

优选的，参见图2，检测模块100包括：

车门检测单元110，用于检测车门锁的开关状态；

车窗检测单元120，用于检测车窗的开闭状态。

本发明上述实施例，在车辆为非发动状态时，通过检测车辆门窗开闭状态，并通过摄像头检测车内是否有乘坐人员，进而自动检测判断车辆门窗是否存在异常的开闭状态，并生成相应的门窗闭合指令控制执行模块闭合车辆门窗，能够有效地解决车辆停靠后，车上乘员离开车辆时忘记关闭车辆门窗的带来的安全隐患，从而提高车辆的安全性能；同时，处理模块还还用于检测车厢内是否存在乘员，如果存在乘员的话，可以认为车辆的门窗依然处于用户能够处理或控制的范围内，则暂不执行自动闭合车窗和锁定车门的操作，智能化水平高，能够解决现有技术中车辆门窗闭合装置不能判断车内是否存在乘员，仅能盲目地执行单一操作的问题。

优选的，参见图3，处理模块300包括：图像预处理单元310、人脸检测单元320、活体判断单元330；

图像预处理单元310，用于对获取的车厢内图像进行预处理；

人脸检测单元320，用于检测预处理后的车厢内图像中的人脸；

活体判断单元330，用于判断检测到的人脸是否为活体。

本发明上述实施例，通过对摄像头模块采集的车厢内图像进行预处理，能够提高获取的车厢内图像的质量，有效地为之后的人脸识别和活体识别提供保证；由于当车辆处于，通过检测图像中的人脸来达到检测车厢内是否存在乘员，由于人脸是可以用来检测是否存在乘员最显著的特征，因此通过检测是否存在人脸来检测车厢内是否存在乘员，可靠性高，而且能够提高检测的效率；最后通过检测获取的人脸是否为活体，能够有效地避免车厢内可能存放的杂志、照片中所包含有人脸图像而被误检测的问题，进一步提高装置的智能化水平。

优选的，人脸检测单元320，包括：对获取的车厢内图像通过彩色空间变换建立肤色模型，计算肤色似然值，运用肤色特征分析实现人脸初步检测，获取车厢内图像的人脸候选区域，对人脸候选区域利用积分快速计算Haar-Like特征值，并应用到预先训练好的分类器中，判断是否存在人脸；

其中，Haar-Like特征值，即Haar-Like矩形特征，用于描述人脸区域的灰度分布特性；

其中，获取车厢内图像的人脸候选区域具体包括：

将获取的车厢内图像转换到YC_bC_r颜色空间，其中Y表示亮度，C_b和C_r分别表示蓝色分量和红色分量；

通过对肤色样本进行训练，建立高斯肤色模型，并计算车厢内图像中所有像素点与肤色的相似度大小，即肤色的似然值大小，其中采用的肤色似然值计算函数为：

式中，表示肤色似然值，μ和Φ分别表示经过统计分析得到的肤色均值和协方差矩阵，其中和分别表示肤色样本在C_b-C_r空间中蓝色分量和红色分量的均值，C_bn和C_rn分别表示车厢内图像中第n个像素点的蓝色分量值和红色分量值，X表示像素点的总数，Φ＝E[(y-μ)(y-μ)^T]，y表示像素点的颜色向量(C_b,C_r)^T，E表示单位矩阵，C_r和C_b分别表示像素点的红色分量和蓝色分量；

根据每个像素点的肤色似然值组成似然值矩阵，再利用似然值矩阵中的最大值进行归一化处理，经过二值化、形态学处理后，将肤色区域和背景分离，获取可能含有人脸的候选区域。

本发明上述实施例，采用上述的方法对获取的车厢内图像进行处理，检测车厢内图像中可能存在人脸的区域，能够准确地根据人脸的肤色特征获取图像中的人脸候选区域，适应性强，准确性高；同时，通过对人脸候选区域的检测，将不可能存在人脸的背景区域从图像中剔除，能够有效地降低装置后续通过分类器检测是否存在人脸的复杂度，提高了装置对车厢内是否存在乘员的检测效率。

优选的，处理模块300还包括：分类器单元340；

分类器单元340用于根据预先录入的人脸图像样本训练分类器，供人脸检测单元320检测人脸时使用，具体包括：

获取预先录入的人脸图像样本作为训练样本(α₁,β₁),(α₂,β₂),…(α_n,β_n),…(α_c,β_c)，其中α_n表示第n个人脸训练样本，β_n＝1时表示为人脸样本，β_n＝0时表示为非人脸样本，c表示训练样本的总数，

其中采用的分类器模型为：

式中，k_i表示评价因子，r_i(α)表示简单分类器，根据加权后的样本数据训练r_i(α)和k_i，通过提高分类错误的样本的权重，降低分类正确样本的权重来调整样本权重，其中H表示设定的最大迭代训练次数，R(α)表示由简单分类器组成的强分类器；

初始化阶段：分别初始化人脸样本和非人脸样本的权重为和η_i(n)表示第i次迭代训练循环中第n个样本的误差权重，则当第n个样本为人脸样本时，否则其中v和v’分别表示人脸样本和非人脸样本的个数；

训练阶段：对人脸图像样本的权重进行归一化处理，其中采用的归一化函数为：

式中，q_i(n)表示第n个样本的归一化误差权重；

对于每个人脸图像样本，获取该人脸图像样本的Haar-Like矩形特征，并根据每个Haar-Like矩形特征z生成简单分类器：

式中，θ_z表示设定的阈值，ε_z表示偏置系数，ε_z＝±1，用于控制不等式方向；其中阈值θ_z和偏置系数ε_z的设定使得加权错误率函数ε_z＝∑q_i|r_z(α_n)-β_n|最小；

从生成的简单分类器中选取具有最小错误率w_i的简单分类器r_i；

更新所有人脸图像样本的权重：

式中，e_i表示人脸图像样本在第i次训练中的分类结果，如果该人脸图像样本被正确分类，则e_i＝0，否则e_i＝1；

将训练阶段的得到的具有最小错误率的简单分类器组合成强分类器：

式中，r(α)表示由简单分类器组成的强分类器，k_i表示评价因子，

级联分类器构建阶段：为了提高检测速度，利用级联的组织方式，将上述训练过程中获得的各个强分类器串行连接成级联分类器，获取的人脸候选区域图像依此通过级联分类器中每一层强分类器的判定，若判定为人脸，则进入下一层继续判定，若判定为非人脸，则将获取的人脸候选区域图像标记为非人脸，直到获取的人脸候选区域图像通过该级联分类器中每一层的判定，则标记该获取的人脸候选区域图像为人脸；其中，从第T-t层起，第T-t层级联分类器函数为：

式中，γ_T-t-1表示加权系数，表示该层结构变化的大小；

则该层的级联分类器为：

式中，θ_T-t表示第T-t层级联分类器设定的分类阈值，θ_T-t＝min(d_T-t(αⁿ))(n＝1,…,v’)，

对被第T-t层级联分类器拒绝的样本采用二次分类器进行二次判定，若样本通过该二次分类器，则进入下一层的判定，其中采用的二次分类器为：

式中，R’_T-t(α)表示二次分类器，d’_T-t(α)表示二次判定函数，ω表示判定系数，σ表示样本被前面所有层的级联分类器拒绝的次数；

其中，T表示设定的级联分类器的总层数，t＝T_d,T_d-1,…,0，T_d表示设定的级联分类器中开始进行二次判定的层数。

本发明上述实施例，采用上述的方式根据预先录入的人脸样本构建人脸分类器，能够自适应地根据预先录入的人脸样本训练不同特征的分类器，获取最准确的分类阈值，提高了人脸检测的精确度；同时，采用级联的方式构建级联分类器，能够有助于同时对不同的人脸候选区域图像进行分类处理，提高分类器的工作效率，同时降低了分类器的复杂度；在实际的操作中，由于随着级联分类器层数的增加，分类器的复杂度随着层数的增加而增加，可以说后一层的分类器的条件更为苛刻，只要输入的图像被其中一层的分类器判定为非人脸，则没有任何补救的措施，误识率便会增多，因此，对级联分类器的最后基层分类器进行了二次分类器的设置，能够有效针对在苛刻条件下被误判的情况，能够进行补救，从而提高检测精度。

优选的，活体判断单元330包括：

获取人脸区域上下文线索比对得分：对于获取的人脸区域图像序列参考场景图片提取的特征点集合为将人脸区域上下文线索比对得分定义为：

式中，表示上下文线索对比得分，q表示每帧特征点的个数，和分别表示在图像和图像为特征像素点(x,y)相邻n×n局部内每个像素点LBP值的统计直方图，表示直方图和之间的距离，其中和分别表示直方图和中第b个分量，

其中，

Ω表示中以像素点(x,y)为中心的γ×γ局部区域，P表示以(x,y)为圆心，R为半径的圆上的特征点的个数，ξ(·)表示判断函数，当·为正确时，ξ(·)＝1，否则ξ(·)＝0，K表示获取人脸区域图像序列的时间，用帧数表示，表示第c帧获取的人脸区域图像；

将上下文线索对比得分和设定的阈值ω进行比较，如果判断获取的人脸区域图像为活体。

本发明上述实施例，采用上述的方式判断获取的人脸区域是否为活体，通过对比上下文的LBP纹理线索，能够有效地反映出获取的人脸图像中人脸区域的是否为活体，能够通过捕捉车厢内乘员人脸中细微的变化进行判断，适应性强，准确度高，有效地将获取的图像中的乘员的人脸和车厢内杂志、照片等人脸区分开来，提高了装置对乘员检测的智能化水平。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当分析，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (6)

1.一种新型电子检测闭合装置，其特征在于，包括：

检测模块，用于检测车辆门窗的开闭状态；

摄像头模块，用于当检测到车辆门窗状态为打开时，获取车厢内图像；

处理模块，用于对所述车厢内图像进行处理，检测车厢内是否存在乘员，若否，发出相应的关闭门窗指令；

执行模块，与车辆的门窗驱动机构连接，用于根据接收到的关闭门窗指令控制车辆门窗闭合。

2.根据权利要求1所述的一种新型电子检测闭合装置，其特征在于，还包括发动机检测模块和定时模块；

所述发动状态检测模块，用于检测车辆的发动状态；

所述定时模块，用于当发动机为非发动状态时启动计时，当到达设定的时间后向所述检测模块发送启动指令，控制所述检测模块检测车辆门窗的开闭状态。

3.根据权利要求1所述的一种新型电子检测闭合装置，其特征在于，所述检测模块包括：

车门检测单元，用于检测车门锁的开关状态；

车窗检测单元，用于检测车窗的开闭状态。

4.根据权利要求1所述的一种新型电子检测闭合装置，其特征在于，所述处理模块包括：

图像预处理单元，用于对获取的车厢内图像进行预处理；

人脸检测单元，用于检测预处理后的车厢内图像中的人脸；

活体判断单元，用于判断检测到的人脸是否为活体。

5.根据权利要求4所述的一种新型电子检测闭合装置，其特征在于，所述人脸检测单元包括：对获取的车厢内图像通过彩色空间变换建立肤色模型，计算肤色似然值，运用肤色特征分析实现人脸初步检测，获取所述车厢内图像的人脸候选区域，对所述人脸候选区域利用积分快速计算Haar-Like特征值，并应用到预先训练好的分类器中，判断是否存在人脸；

其中，获取所述车厢内图像的人脸候选区域具体包括：

将获取的车厢内图像转换到YC_bC_r颜色空间，其中Y表示亮度，C_b和C_r分别表示蓝色分量和红色分量；

通过对肤色样本进行训练，建立高斯肤色模型，并计算车厢内图像中所有像素点与肤色的相似度大小，即肤色的似然值大小，其中采用的肤色似然值计算函数为：

式中，表示肤色似然值，μ和Φ分别表示经过统计分析得到的肤色均值和协方差矩阵，其中 和分别表示肤色样本在C_b-C_r空间中蓝色分量和红色分量的均值，C_bn和C_rn分别表示车厢内图像中第n个像素点的蓝色分量值和红色分量值，X表示像素点的总数，Φ＝E[(y-μ)(y-μ)^T]，y表示像素点的颜色向量(C_b,C_r)^T，E表示单位矩阵，C_r和C_b分别表示像素点的红色分量和蓝色分量；

根据每个像素点的肤色似然值组成似然值矩阵，再利用似然值矩阵中的最大值进行归一化处理，经过二值化、形态学处理后，将肤色区域和背景分离，获取可能含有人脸的候选区域。

6.根据权利要求5所述的一种新型电子检测闭合装置，其特征在于，所述处理模块还包括：分类器单元；

所述分类器单元用于根据预先录入的人脸图像样本训练分类器，供所述人脸检测单元检测人脸时使用，具体包括：

获取预先录入的人脸图像样本作为训练样本(α₁,β₁),(α₂,β₂),…(α_n,β_n),…(α_c,β_c)，其中α_n表示第n个人脸训练样本，β_n＝1时表示为人脸样本，β_n＝0时表示为非人脸样本，c表示训练样本的总数，

其中采用的分类器模型为：

式中，k_i表示评价因子，r_i(α)表示简单分类器，根据加权后的样本数据训练r_i(α)和k_i，通过提高分类错误的样本的权重，降低分类正确样本的权重来调整样本权重，其中H表示设定的最大迭代训练次数，R(α)表示由简单分类器组成的强分类器；

初始化阶段：分别初始化人脸样本和非人脸样本的权重为和η_i(n)表示第i次迭代训练循环中第n个样本的误差权重，则当第n个样本为人脸样本时，否则其中v和v’分别表示人脸样本和非人脸样本的个数；

训练阶段：对人脸图像样本的权重进行归一化处理，其中采用的归一化函数为：

式中，q_i(n)表示第n个样本的归一化误差权重；

对于每个人脸图像样本，获取该人脸图像样本的Haar-Like矩形特征，并根据每个Haar-Like矩形特征z生成简单分类器：

式中，θ_z表示设定的阈值，ε_z表示偏置系数，ε_z＝±1，用于控制不等式方向；其中阈值θ_z和偏置系数ε_z的设定使得加权错误率函数ε_z＝∑q_i|r_z(α_n)-β_n|最小；

从生成的简单分类器中选取具有最小错误率w_i的简单分类器r_i；

更新所有人脸图像样本的权重：

式中，e_i表示人脸图像样本在第i次训练中的分类结果，如果该人脸图像样本被正确分类，则e_i＝0，否则e_i＝1；

将训练阶段的得到的具有最小错误率的简单分类器组合成强分类器：

式中，r(α)表示由简单分类器组成的强分类器，k_i表示评价因子，

级联分类器构建阶段：利用级联的组织方式，将上述训练过程中获得的各个强分类器串行连接成级联分类器，获取的人脸候选区域图像依此通过级联分类器中每一层强分类器的判定，若判定为人脸，则进入下一层继续判定，若判定为非人脸，则将获取的人脸候选区域图像标记为非人脸，直到获取的人脸候选区域图像通过所述级联分类器中每一层的判定，则标记该获取的人脸候选区域图像为人脸；其中，从第T-t层起，第T-t层级联分类器函数为：

式中，γ_T-t-1表示加权系数，表示该层结构变化的大小，d_T-t(α)表示第T-t层级联分类器函数；

则该层的级联分类器为：

式中，θ_T-t表示第T-t层级联分类器设定的分类阈值，θ_T-t＝min(d_T-t(αⁿ))(n＝1,…,v’)，

对被第T-t层级联分类器拒绝的样本采用二次分类器进行二次判定，若样本通过所述二次分类器，则进入下一层的判定，其中采用的二次分类器为：

式中，R’_T-t(α)表示二次分类器，d’_T-t(α)表示二次判定函数，ω表示判定系数，σ表示样本被前面所有层的级联分类器拒绝的次数；

其中，T表示设定的级联分类器的总层数，t＝T_d,T_d-1,…,0，T_d表示设定的级联分类器中开始进行二次判定的层数。