CN108657029B - 一种基于肢体长度预测的汽车驾驶席座椅智能调节系统及方法 - Google Patents
一种基于肢体长度预测的汽车驾驶席座椅智能调节系统及方法 Download PDFInfo
- Publication number
- CN108657029B CN108657029B CN201810470672.7A CN201810470672A CN108657029B CN 108657029 B CN108657029 B CN 108657029B CN 201810470672 A CN201810470672 A CN 201810470672A CN 108657029 B CN108657029 B CN 108657029B
- Authority
- CN
- China
- Prior art keywords
- driver
- seat
- information
- length
- height
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000011218 segmentation Effects 0.000 claims abstract description 8
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 5
- 210000003414 extremity Anatomy 0.000 claims description 33
- 230000003287 optical effect Effects 0.000 claims description 6
- 210000000544 articulatio talocruralis Anatomy 0.000 claims description 4
- 210000000988 bone and bone Anatomy 0.000 claims description 4
- 210000002310 elbow joint Anatomy 0.000 claims description 4
- 210000000629 knee joint Anatomy 0.000 claims description 4
- 210000003857 wrist joint Anatomy 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 210000001217 buttock Anatomy 0.000 claims description 3
- 210000002414 leg Anatomy 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 6
- 210000003423 ankle Anatomy 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 210000001503 joint Anatomy 0.000 description 2
- 210000003127 knee Anatomy 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 210000000707 wrist Anatomy 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60N—SEATS SPECIALLY ADAPTED FOR VEHICLES; VEHICLE PASSENGER ACCOMMODATION NOT OTHERWISE PROVIDED FOR
- B60N2/00—Seats specially adapted for vehicles; Arrangement or mounting of seats in vehicles
- B60N2/02—Seats specially adapted for vehicles; Arrangement or mounting of seats in vehicles the seat or part thereof being movable, e.g. adjustable
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60N—SEATS SPECIALLY ADAPTED FOR VEHICLES; VEHICLE PASSENGER ACCOMMODATION NOT OTHERWISE PROVIDED FOR
- B60N2/00—Seats specially adapted for vehicles; Arrangement or mounting of seats in vehicles
- B60N2/02—Seats specially adapted for vehicles; Arrangement or mounting of seats in vehicles the seat or part thereof being movable, e.g. adjustable
- B60N2/22—Seats specially adapted for vehicles; Arrangement or mounting of seats in vehicles the seat or part thereof being movable, e.g. adjustable the back-rest being adjustable
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60N—SEATS SPECIALLY ADAPTED FOR VEHICLES; VEHICLE PASSENGER ACCOMMODATION NOT OTHERWISE PROVIDED FOR
- B60N2/00—Seats specially adapted for vehicles; Arrangement or mounting of seats in vehicles
- B60N2/90—Details or parts not otherwise provided for
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于肢体长度预测的汽车驾驶席座椅智能调节系统及方法，步骤如下：通过摄像头获取图像信息；对图像中的驾驶员进行人脸比对，如为在库驾驶员，则调取数据库中该驾驶员对应的座椅位置及靠背角度信息自动调节座椅，如无匹配则进行后续步骤；对图像利用卷积神经网络进行人体实例分割及关节点定位，并形成人体骨架模型；根据图像信息、关节点定位及摄像头高度信息，确定图像中像素比例尺，以此预测驾驶员身高及肢体长度；根据驾驶员身高及肢体长度预测值，匹配数据库中肢体长度‑座椅位置及靠背角度信息对应表，得到座椅位置及靠背角度信息，通过控制器控制电机自动调节座椅。该发明无需人为操作即可自动、准确调节汽车驾驶席座椅。
Description
技术领域
本发明涉及汽车座椅调节技术领域，具体涉及一种基于肢体长度预测的汽车驾驶席座椅智能调节系统及方法。
背景技术
汽车座椅是车内与驾驶员肢体接触最多的部分，座椅的位置直接影响驾驶员的驾驶姿态，不合适的座椅位置会使驾驶员以一个难受的姿势驾驶汽车，从而增加驾驶员的疲劳度，甚至影响驾驶员的正常操作，因此汽车座椅调节关系到驾驶的舒适性与安全性，是驾驶员在驾驶汽车前需要重点关注的内容。
汽车座椅调节技术主要经历了三个历史阶段的发展：(1)固定式或少自由度调节式座椅阶段；(2)电机调节式座椅阶段；(3)具有记忆调节功能式座椅阶段。
现阶段，部分车型具有记忆座椅，对于已保存座椅位置信息的驾驶员可以实现自动调节座椅，然而对于初次驾驶某一汽车的驾驶员，必须手动调节座椅前后、高低位置及靠背角度等，调节过程相对繁琐，而且部分驾驶员在开动汽车前往往会忽视座椅位置，直接以一个不适合自己的座椅位置进行驾驶，势必会影响驾驶的舒适性和安全性。
此为现有技术的不足之处。
发明内容
本发明的目的是为了解决现有技术中的上述缺陷，提供一种基于肢体长度预测的汽车驾驶席座椅智能调节系统及方法。
根据公开的实施例，本发明的第一方面公开了一种基于肢体长度预测的汽车驾驶席座椅智能调节方法，所述的汽车驾驶席座椅智能调节方法包括下列步骤：
R1、通过摄像头获取图像信息，所述的图像信息包含直立、完整的驾驶员躯体；
R2、对图像中的驾驶员进行人脸识别，将驾驶员人脸信息与数据库中已有驾驶员信息进行比对，如为在库驾驶员，则调取数据库中该驾驶员对应的座椅位置及靠背角度信息自动调节座椅，同时结束流程，如无匹配，则进行后续步骤；
R3、对图像利用卷积神经网络进行人体实例分割及关节点定位，并形成人体骨架模型；
R4、根据图像信息、关节点定位及摄像头高度信息，确定图像中人体比例尺，以此预测驾驶员身高及肢体长度；
R5、根据驾驶员身高及肢体长度预测值，匹配数据库中肢体长度-座椅位置及靠背角度信息对应表，得到座椅位置及靠背角度信息，通过控制器控制电机自动调节座椅。
进一步地，所述的步骤R2包括：
R21、对图像中的驾驶员进行人脸识别，采用具有多层卷积的深度神经网络用于提取人脸深度特征向量x；
R22、对所提取的人脸深度特征向量x与第j个在库驾驶员人脸特征y(j)进行匹配，计算两者欧式距离，距离小于阈值，即判定为该在库驾驶员，否则与下一个在库驾驶员进行匹配，若全部不匹配则判定为非在库驾驶员。
进一步地，所述的步骤R3包括：
R31、采用预训练好的Mask RCNN模型进行实例分割及关节点定位，将图像中的驾驶员从背景中分割出来，获得驾驶员像素点，并定位人体16个关节点；
R32、构建人体骨架模型，人体骨架模型由16个关节点连接成15段骨骼，其中16个关节点分别是头S1、肩膀中心S2，脊椎中心S3、臀部S4、右肩关节S5、右肘关节S6、右手腕关节S7、左肩关节S8、左肘关节S9、左手腕关节S10、右髋关节S11、右膝关节S12、右踝关节S13、左髋关节S14、左膝关节S15、左踝关节S16。
进一步地，所述的步骤R4包括：
R41、摄像头光轴平行于地面且距离地面高度为m，而驾驶员直立于地面，可知驾驶员最低像素点至图像纵向中轴线的垂直距离为m，而其像素距离为p个像素，由此得到单位像素边长r＝m/p；
R42、对驾驶员像素进行遍历比较像素纵坐标大小，获得驾驶员最高像素点和最低像素点，将最高像素点减去最低像素点得到驾驶员的像素高度为h；
R43、根据驾驶员像素高度h及各段骨骼像素长度li，结合单位像素边长r，计算得到驾驶员的实际身高H＝h×r，各段骨骼实际长度为L＝li×r。
进一步地，所述的肢体长度-座椅位置及靠背角度信息对应表由大量试验数据拟合得到，一组肢体长度组合对应一组座椅上下、前后位置及靠背角度信息；
其中，信息对应表对应逻辑为：根据臀部到头部的高度确定座椅上下位置，根据腿部长度及座椅上下位置确定座椅前后位置，根据手臂长度及座椅前后位置确定座椅靠背角度。
进一步地，所述的摄像头摄像的触发信号是驾驶员拉动左前车门把手。
进一步地，所述的汽车驾驶席座椅智能调节方法在步骤R5之后还包括：
R6、对驾驶员人脸信息及对应的座椅位置与角度信息进行存储。
根据公开的实施例，本发明的第二方面公开了一种基于肢体长度预测的汽车驾驶席座椅智能调节系统，所述的汽车驾驶席座椅智能调节系统包括：
摄像头，与微处理器连接，用于获取驾驶员图像信息，安装在左侧后视镜上，其光轴与地面平行，距地面高度为m；
存储器，与微处理器连接，用于存储驾驶员人脸信息及其对应的座椅位置及靠背角度信息、肢体长度-座椅位置及靠背角度信息对应表；
微处理器，与控制器连接，用于接收摄像头输出的图像信息，经处理后得出人脸信息及人体身高、肢体长度的预测值，通过与存储器中数据库信息进行匹配得出座椅位置及靠背角度信息，并对外输出；
控制器，分别与上下位置电机、前后位置电机和靠背角度电机连接，用于根据座椅位置及靠背角度信息指令控制相应电机调节座椅；
上下位置电机、前后位置电机和靠背角度电机及其内的相应位置传感器，分别用于调节座椅上下位置、前后位置和靠背角度。
进一步地，所述的汽车驾驶席座椅智能调节系统还包括：
触发模块，用于发出摄像头摄像的触发信号，所述的触发信号是驾驶员拉动左前车门把手。
本发明相对于现有技术具有如下的优点及效果：
1、该发明根据驾驶员的图像进行肢体长度预测，通过预测值匹配驾驶席座椅位置信息达到智能调节驾驶席座椅的功能；
2、该发明无需人为操作即可自动、准确调节汽车驾驶席座椅，实现了汽车座椅的智能化调节。
附图说明
图1是本发明中驾驶席座椅智能调节系统的硬件结构图；
图2是本发明中驾驶席座椅智能调节方法的工作流程图；
图3是摄像头获取驾驶员图像的原理示意图；
图4是Mask RCNN模型框架图；
图5是简化的人体骨架模型图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
实施例
本实施例实现汽车驾驶席座椅智能调节的设计思路如下：
通过摄像头获取图像信息，对其中的驾驶员进行人脸识别，将驾驶员人脸信息与数据库中已有驾驶员信息进行比对，如为在库驾驶员，则调取数据库中该驾驶员对应的座椅位置及靠背角度信息自动调节座椅，同时结束流程，如无匹配，则利用卷积神经网络对图像中的人体进行实例分割及关节点定位，并形成人体骨架模型；再根据图像信息、关节点定位及摄像头高度信息，确定图像中像素比例尺，以此预测驾驶员身高及肢体长度，与数据库中肢体长度-座椅位置及靠背角度信息对应表进行匹配，得到座椅位置及靠背角度信息，通过控制器控制电机自动调节座椅；最后对驾驶员人脸信息及对应的座椅位置与角度信息进行存储。更具体的系统方案及实现方法，请参考下面的描述。
如图1所示为本发明基于肢体长度预测的汽车驾驶席座椅智能调节系统的智能硬件结构图。
该汽车驾驶席座椅智能调节系统的智能硬件模块包括：一个摄像头，用于获取驾驶员图像信息，安装在左侧后视镜上，其光轴与地面平行，距地面高度为m；存储器，用于存储驾驶员人脸信息及其对应的座椅位置及靠背角度信息、肢体长度-座椅位置及靠背角度信息对应表；微处理器，用于接收摄像头输出的图像信息，经处理后得出人脸信息及人体身高、肢体长度等预测值，通过与存储器数据库信息进行匹配得出座椅位置及靠背角度信息，并对外输出。
该汽车驾驶席座椅智能调节系统的智能硬件模块还包括：控制器，用于根据座椅位置及靠背角度信息指令控制相应电机调节座椅；三个电机(上下位置电机、前后位置电机和靠背角度电机)及其内的相应位置传感器，分别用于调节座椅上下位置、前后位置和靠背角度。
如图2所示为本发明基于肢体长度预测的汽车驾驶席座椅智能调节系统及方法的一个实施例的流程图。
如图2所示，该实施例智能调节汽车驾驶席座椅的过程具体采用下述步骤来实现：
步骤R1、通过摄像头获取图像信息，该图像包含直立、完整的驾驶员躯体，如图3所示。
摄像头摄像的触发信号是驾驶员拉动左前车门把手；
摄像头安装在左侧外后视镜上，其光轴与地面平行，距地面高度为m，具体高度根据车型确定。
步骤R2、对图像中的驾驶员进行人脸识别，将驾驶员人脸信息与数据库中已有驾驶员信息进行比对，如为在库驾驶员，则调取数据库中该驾驶员对应的座椅位置及靠背角度信息自动调节座椅，同时结束流程，如无匹配，则进行后续步骤。
R21、对图像中的驾驶员进行人脸识别，采用具有多层卷积的深度神经网络用于提取人脸深度特征向量x；
R22、对所提取的人脸深度特征与第j个在库驾驶员人脸特征y(j)进行匹配，计算两者欧式距离，距离小于阈值，即判定为该在库驾驶员，否则与下一个在库驾驶员进行匹配，若全部不匹配则判定为非在库驾驶员。其中，欧式距离如公式(1)所示。
步骤R3、对图像利用卷积神经网络进行人体实例分割及关节点定位，并形成简化的人体骨架模型。
R31、实例分割及关节点定位采用预训练好的Mask RCNN模型，模型框架图如图4所示，将图像中的驾驶员从背景中分割出来，获得驾驶员像素点，并定位人体16个主要关节点。
R32、如图5所示，简化人体骨架模型由16个关节点连接成15段骨骼，其中16个关节点分别是头S1(取头顶)、肩膀中心S2，脊椎中心S3、臀部S4、右肩关节S5、右肘关节S6、右手腕关节S7、左肩关节S8、左肘关节S9、左手腕关节S10、右髋关节S11、右膝关节S12、右踝关节S13、左髋关节S14、左膝关节S15、左踝关节S16。
步骤R4、根据图像信息、关节点定位及摄像头高度信息，确定图像中人体比例尺，以此预测驾驶员身高及肢体长度。
R41、如图3所示，摄像头光轴平行于地面且距离地面高度为m，而驾驶员直立于地面，可知驾驶员最低像素点至图像纵向中轴线的垂直距离为m，而其像素距离为p个像素，由此得到单位像素边长r＝m/p。
R42、对驾驶员像素进行遍历比较像素纵坐标大小，获得驾驶员最高像素点和最低像素点，将最高像素点减去最低像素点得到驾驶员的像素高度为h。
R43、根据上述步骤所获得的驾驶员像素高度h及各段骨骼像素长度li，结合单位像素边长r，计算得到驾驶员的实际身高H＝h×r，各段骨骼实际长度为L＝li×r。
步骤R5、根据驾驶员身高及肢体长度预测值，匹配数据库中肢体长度-座椅位置及靠背角度信息对应表，得到座椅位置及靠背角度信息，通过控制器控制电机自动调节座椅。
其中，肢体长度-座椅位置及靠背角度信息对应表由大量试验数据拟合得到，一组肢体长度组合对应一组座椅上下、前后位置及靠背角度信息。
其中，信息对应表对应逻辑为：根据臀部到头部的高度确定座椅上下位置，根据腿部长度及座椅上下位置确定座椅前后位置，根据手臂长度及座椅前后位置确定座椅靠背角度。
步骤R6、对驾驶员人脸信息及对应的座椅位置与角度信息进行存储。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。
Claims (5)
1.一种基于肢体长度预测的汽车驾驶席座椅智能调节方法，其特征在于，所述的汽车驾驶席座椅智能调节方法包括下列步骤：
R1、通过摄像头获取图像信息，所述的图像信息包含直立、完整的驾驶员躯体；
R2、对图像中的驾驶员进行人脸识别，将驾驶员人脸信息与数据库中已有驾驶员信息进行比对，如为在库驾驶员，则调取数据库中该驾驶员对应的座椅位置及靠背角度信息自动调节座椅，同时结束流程，如无匹配，则进行后续步骤；所述的步骤R2包括：
R21、对图像中的驾驶员进行人脸识别，采用具有多层卷积的深度神经网络用于提取人脸深度特征向量x；
R22、对所提取的人脸深度特征向量x与第j个在库驾驶员人脸特征y(j)进行匹配，计算两者欧式距离，距离小于阈值，即判定为该在库驾驶员，否则与下一个在库驾驶员进行匹配，若全部不匹配则判定为非在库驾驶员；
R3、对图像利用卷积神经网络进行人体实例分割及关节点定位，并形成人体骨架模型；所述的步骤R3包括：
R31、采用预训练好的Mask RCNN模型进行实例分割及关节点定位，将图像中的驾驶员从背景中分割出来，获得驾驶员像素点，并定位人体16个关节点；
R32、构建人体骨架模型，人体骨架模型由16个关节点连接成15段骨骼，其中16个关节点分别是头S1、肩膀中心S2，脊椎中心S3、臀部S4、右肩关节S5、右肘关节S6、右手腕关节S7、左肩关节S8、左肘关节S9、左手腕关节S10、右髋关节S11、右膝关节S12、右踝关节S13、左髋关节S14、左膝关节S15、左踝关节S16
R4、根据图像信息、关节点定位及摄像头高度信息，确定图像中人体比例尺，以此预测驾驶员身高及肢体长度；
R5、根据驾驶员身高及肢体长度预测值，匹配数据库中肢体长度-座椅位置及靠背角度信息对应表，得到座椅位置及靠背角度信息，通过控制器控制电机自动调节座椅，其中，所述的信息对应表对应逻辑为：根据臀部到头部的高度确定座椅上下位置，根据腿部长度及座椅上下位置确定座椅前后位置，根据手臂长度及座椅前后位置确定座椅靠背角度。
2.根据权利要求1所述的一种基于肢体长度预测的汽车驾驶席座椅智能调节方法，其特征在于，所述的步骤R4包括：
R41、摄像头光轴平行于地面且距离地面高度为m，而驾驶员直立于地面，可知驾驶员最低像素点至图像纵向中轴线的垂直距离为m，而其像素距离为p个像素，由此得到单位像素边长r＝m/p；
R42、对驾驶员像素进行遍历比较像素纵坐标大小，获得驾驶员最高像素点和最低像素点，将最高像素点减去最低像素点得到驾驶员的像素高度为h；
R43、根据驾驶员像素高度h及各段骨骼像素长度li，结合单位像素边长r，计算得到驾驶员的实际身高H＝h×r，各段骨骼实际长度为L＝li×r。
3.根据权利要求1所述的一种基于肢体长度预测的汽车驾驶席座椅智能调节方法，其特征在于，所述的肢体长度-座椅位置及靠背角度信息对应表由大量试验数据拟合得到，一组肢体长度组合对应一组座椅上下、前后位置及靠背角度信息。
4.根据权利要求1所述的一种基于肢体长度预测的汽车驾驶席座椅智能调节方法，其特征在于，所述的摄像头摄像的触发信号是驾驶员拉动左前车门把手。
5.根据权利要求1所述的一种基于肢体长度预测的汽车驾驶席座椅智能调节方法，其特征在于，所述的汽车驾驶席座椅智能调节方法在步骤R5之后还包括：
R6、对驾驶员人脸信息及对应的座椅位置与角度信息进行存储。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810470672.7A CN108657029B (zh) | 2018-05-17 | 2018-05-17 | 一种基于肢体长度预测的汽车驾驶席座椅智能调节系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810470672.7A CN108657029B (zh) | 2018-05-17 | 2018-05-17 | 一种基于肢体长度预测的汽车驾驶席座椅智能调节系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108657029A CN108657029A (zh) | 2018-10-16 |
| CN108657029B true CN108657029B (zh) | 2020-04-28 |
Family
ID=63779856
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810470672.7A Expired - Fee Related CN108657029B (zh) | 2018-05-17 | 2018-05-17 | 一种基于肢体长度预测的汽车驾驶席座椅智能调节系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108657029B (zh) |
Families Citing this family (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111071113A (zh) * | 2018-10-19 | 2020-04-28 | 上海商汤智能科技有限公司 | 车辆座椅智能调节方法和装置、车辆、电子设备、介质 |
| CN111071187A (zh) * | 2018-10-19 | 2020-04-28 | 上海商汤智能科技有限公司 | 驾驶环境智能调整及驾驶员注册方法和装置、车辆、设备 |
| CN109455117A (zh) * | 2018-11-06 | 2019-03-12 | 安徽机电职业技术学院 | 带记忆功能的智能调节座椅 |
| JP7081447B2 (ja) * | 2018-11-06 | 2022-06-07 | トヨタ自動車株式会社 | 車両用制御装置 |
| CN111375198A (zh) * | 2018-12-28 | 2020-07-07 | 宏碁股份有限公司 | 计算机座舱 |
| US10821897B2 (en) * | 2019-01-31 | 2020-11-03 | StradVision, Inc. | Method and device for adjusting driver assistance apparatus automatically for personalization and calibration according to driver's status |
| CN109920208A (zh) * | 2019-01-31 | 2019-06-21 | 深圳绿米联创科技有限公司 | 跌倒预测方法、装置、电子设备及系统 |
| CN111717147A (zh) * | 2019-03-22 | 2020-09-29 | 上海博泰悦臻网络技术服务有限公司 | 车辆座椅自动调节系统及方法 |
| US11458915B2 (en) * | 2019-07-15 | 2022-10-04 | International Business Machines Corporation | Vehicle setting adjustment |
| CN110370996B (zh) * | 2019-07-15 | 2021-08-31 | 浙江宏立至信汽车部件制造有限公司 | 智能汽车电动座椅 |
| CN110843614B (zh) * | 2019-11-30 | 2022-07-08 | 的卢技术有限公司 | 一种汽车座椅自适应调节方法及系统 |
| CN111267681B (zh) * | 2020-03-25 | 2024-05-24 | 吉林大学 | 一种基于人机工程学的共享汽车智能座椅调节方法 |
| CN111605443A (zh) * | 2020-05-27 | 2020-09-01 | 禾多科技（北京）有限公司 | 基于传感器识别的自动座舱记忆调节系统 |
| CN111942236A (zh) * | 2020-08-25 | 2020-11-17 | 湖南汽车工程职业学院 | 一种汽车座椅自动调节控制方法及汽车座椅 |
| CN112248886A (zh) * | 2020-10-30 | 2021-01-22 | 西南交通大学 | 一种座椅自动调节方法 |
| CN112477707B (zh) * | 2020-12-15 | 2022-05-10 | 四川长虹电器股份有限公司 | 一种基于tof的可自动调节的汽车座椅控制系统及方法 |
| CN115158203B (zh) * | 2021-03-19 | 2024-03-19 | 广州汽车集团股份有限公司 | 一种基于乘员身形测量的车内设备调控方法及系统 |
| CN112918337A (zh) * | 2021-04-02 | 2021-06-08 | 东风汽车集团股份有限公司 | 一种识别眼部位置的智能座舱调节系统及方法 |
| US20230019157A1 (en) * | 2021-07-19 | 2023-01-19 | Motional Ad Llc | Automatically adjusting a vehicle seating area based on the characteristics of a passenger |
| CN113665440A (zh) * | 2021-08-31 | 2021-11-19 | 东风汽车集团股份有限公司 | 一种自适应式乘坐空间调节系统及调节方法 |
| CN114906021A (zh) * | 2022-05-31 | 2022-08-16 | 东风汽车集团股份有限公司 | 车辆座椅的控制方法、系统及车辆 |
| CN115782709B (zh) * | 2023-01-31 | 2023-05-05 | 张家港市宏博机械有限公司 | 一种自动化座椅调整系统 |
| CN115984970B (zh) * | 2023-03-13 | 2023-08-18 | 浙江宇视科技有限公司 | 行人身高确定方法、装置、电子设备和存储介质 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106004735B (zh) * | 2016-06-27 | 2019-03-15 | 京东方科技集团股份有限公司 | 车载系统及车辆设施的调整方法 |
| CN106335408A (zh) * | 2016-10-25 | 2017-01-18 | 辽宁工程技术大学 | 一种用于汽车驾驶员座椅的自适调整系统 |
| CN106740596A (zh) * | 2016-11-30 | 2017-05-31 | 北京汽车集团有限公司 | 驾驶位置调整方法、装置和车辆 |
| CN107170039A (zh) * | 2017-05-12 | 2017-09-15 | 西安蒜泥电子科技有限责任公司 | 人体三维数据模型库的生成方法 |
| CN107423690B (zh) * | 2017-06-26 | 2020-11-13 | 广东工业大学 | 一种人脸识别方法及装置 |
| CN107451563B (zh) * | 2017-07-31 | 2020-03-17 | Oppo广东移动通信有限公司 | 汽车座椅的调整方法、系统、汽车、存储介质和电子设备 |
| CN107451568A (zh) * | 2017-08-03 | 2017-12-08 | 重庆邮电大学 | 使用深度卷积神经网络的姿态检测方法及设备 |
-
2018
- 2018-05-17 CN CN201810470672.7A patent/CN108657029B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN108657029A (zh) | 2018-10-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108657029B (zh) | 一种基于肢体长度预测的汽车驾驶席座椅智能调节系统及方法 | |
| CN110466458B (zh) | 一种可电动调节的车载装置的控制方法、系统及车辆 | |
| US20160368509A1 (en) | Method for adjusting a position of a component of a vehicle | |
| CN109017602B (zh) | 一种基于人体姿态识别的自适应中控台及其控制方法 | |
| CN112918337A (zh) | 一种识别眼部位置的智能座舱调节系统及方法 | |
| CN107139927A (zh) | 一种自适应驾驶人体态的智能驾驶室控制方法和装置 | |
| US20130329960A1 (en) | Method for determining a body parameter of a person | |
| CN103612632A (zh) | 驾驶操作系统的调节方法和装置 | |
| EP4114692B1 (de) | Verfahren und vorrichtung zur einstellung oder steuerung einer fahrzeugkomponente | |
| CN108454517A (zh) | 一种车辆后视镜调节系统和具有其的车辆 | |
| CN109334573B (zh) | 汽车外后视镜的调节方法、装置及汽车 | |
| CN112109659B (zh) | 自动设定安全带的躯干部分的高度的系统和方法 | |
| CN110281848B (zh) | 一种汽车内后视镜自适应调整方法、系统以及汽车 | |
| CN112572295B (zh) | 一种基于dms摄像头自动控制汽车后视镜的系统及方法 | |
| US20220063448A1 (en) | Method for the automatic adjustment of a cockpit inside a road vehicle and relative road vehicle | |
| US10882478B2 (en) | Movement-based comfort adjustment | |
| CN111881886A (zh) | 基于姿态识别的智能座椅控制方法及装置 | |
| CN111717147A (zh) | 车辆座椅自动调节系统及方法 | |
| CN112308012A (zh) | 一种基于云端的智能驾驶坐姿预测系统 | |
| CN112622765A (zh) | 一种全时视觉辅助后视镜系统 | |
| CN109334517B (zh) | 一种汽车座椅位置的方法和装置 | |
| CN114475434B (zh) | 一种倒车外后视镜控制调节方法及其系统、存储介质 | |
| KR20120024225A (ko) | 영상 정보를 이용한 탑승자 신체조건에 적응하는 자동차시트 자동조절시스템 | |
| CN114506273A (zh) | 一种调整电子侧后视镜视野的方法和系统 | |
| CN115195540B (zh) | 一种汽车座椅自适应调节系统和方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200428 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |