CN109094491A - 车辆部件的调整方法、装置、系统及终端设备 - Google Patents

车辆部件的调整方法、装置、系统及终端设备 Download PDF

Info

Publication number
CN109094491A
CN109094491A CN201810714755.6A CN201810714755A CN109094491A CN 109094491 A CN109094491 A CN 109094491A CN 201810714755 A CN201810714755 A CN 201810714755A CN 109094491 A CN109094491 A CN 109094491A
Authority
CN
China
Prior art keywords
age
driver
gender
result
identified
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.)
Granted
Application number
CN201810714755.6A
Other languages
English (en)
Other versions
CN109094491B (zh
Inventor
刘均
倪巍
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Launch Technology Co Ltd
Original Assignee
Shenzhen Launch Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Launch Technology Co Ltd filed Critical Shenzhen Launch Technology Co Ltd
Priority to CN201810714755.6A priority Critical patent/CN109094491B/zh
Publication of CN109094491A publication Critical patent/CN109094491A/zh
Application granted granted Critical
Publication of CN109094491B publication Critical patent/CN109094491B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
    • B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
    • B60R16/037—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for occupant comfort, e.g. for automatic adjustment of appliances according to personal settings, e.g. seats, mirrors, steering wheel
    • 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
    • G06V40/172—Classification, e.g. identification
    • 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
    • G06V40/178—Human faces, e.g. facial parts, sketches or expressions estimating age from face image; using age information for improving recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本申请实施例适用于车辆技术领域，公开了一种车辆部件的调整方法、装置、系统、车载终端设备及计算机可读存储介质，其中，方法包括：获取驾驶员的待识别人脸图像；根据待识别人脸图像，识别驾驶员的性别和年龄，得出驾驶员的性别评估结果和年龄评估结果；根据性别评估结果和年龄评估结果，调整部件至最优位置。由此，本申请实施例自动识别出驾驶员的性别和年龄，根据驾驶员的性别和年龄，自动将部件调整至最优位置，不用人工调整，智能化程度和便捷性较高。

Description

车辆部件的调整方法、装置、系统及终端设备
技术领域
本申请属于车辆技术领域，尤其涉及一种车辆部件的调整方法、装置、系统、车载终端设备及计算机可读存储介质。
背景技术
随着生活水平的提高，车辆普及率也在不断攀升，会驾驶车辆的人也越来越多。
其中，一辆车往往是会有多个不同的人驾驶，不同人的年龄以及性别都会不同，且不同人的驾驶习惯也会相应的不同。即，年龄、性别的不同，对座椅参数以及后视镜角度等车辆设置不尽相同。每次换人驾驶时，需要再次调整座椅位置，比较不方便。
目前，车辆部件均是驾驶员手工调整的。但是，绝大部分的驾驶员并不清楚车辆部件较为合适的调整方案，或者驾驶员根据自身驾驶习惯所调整的车辆部件位置也未必是最合理、最安全的。综上，手工调整车辆部件难以达到最优调整方案，且便捷性较差。
发明内容
有鉴于此，本申请实施例提供了一种车辆部件的调整方法、装置、系统、车载终端设备及计算机可读存储介质，以解决现有技术中手工调整车辆部件导致难以达到最优调整方案和便捷性较差的问题。
为解决上述技术问题，本申请实施例的第一方面提供了一种车辆部件的调整方法，该方法包括：
获取驾驶员的待识别人脸图像；
根据所述待识别人脸图像，识别所述驾驶员的性别和年龄，得出所述驾驶员的性别评估结果和年龄评估结果；
根据所述性别评估结果和所述年龄评估结果，调整部件至最优位置。
可选地，所述根据所述性别评估结果和所述年龄评估结果，调整部件至最优位置，包括：
根据所述性别评估结果和所述年龄评估结果，生成部件调整参数；
将所述部件调整参数发送至调整装置，以使所述调整装置根据所述部件调整参数，调整所述部件至所述最优位置。
可选地，所述部件包括车辆的座椅和后视镜，所述部件调整参数包括座椅调整参数和后视镜调整参数；
在所述根据所述性别评估结果和所述年龄评估结果，调整部件至最优位置之后，还包括：
获取后视镜图像和所述驾驶员的姿势图像；
根据所述姿势图像，利用图像对比算法，判断所述驾驶员的当前姿势是否满足预设的姿势规则；
当所述当前姿势不满足所述预设的姿势规则时，自动调节所述座椅调整参数，以使所述调整装置自动调节所述座椅，直至所述驾驶员的所述当前姿势符合所述预设的姿势规则；
从预存储有后视镜参数的大数据云平台中，获取与所述驾驶员的所述年龄评估结果和所述性别评估结果相符的后视镜参数；
将所述后视镜参数发送至所述调整装置，以使所述调整装置根据所述后视镜参数调整所述后视镜。
可选地，在所述将所述后视镜参数发送至所述调整装置，以使所述调整装置根据所述后视镜参数调整所述后视镜之后，还包括：
在用户对所述座椅和/或所述后视镜进行手工微调后，获取微调后调整参数；
根据所述微调后调整参数，更新所述座椅调整参数和所述后视镜调整参数，得出更新后参数；
建立所述用户与所述更新后参数的一一对应关系，并将所述更新后参数进行存储。
可选地，在所述获取驾驶员的待识别人脸图像之后，还包括：
提取所述待识别人脸图像的人脸特征；
将所述人脸特征与预存储人脸特征一一比对，判断是否一致；
当一致时，获取所述预存储人脸特征对应的调整参数；
将所述预存储人脸特征对应的调整参数发送至所述调整装置，以使所述调整装置根据所述预存储人脸特征对应的调整参数，调整所述部件至最优位置；
当不一致时，执行上述根据所述待识别人脸图像，识别所述驾驶员的性别和年龄，得出所述驾驶员的性别评估结果和年龄评估结果，根据所述性别评估结果和所述年龄评估结果，调整部件至最优位置的步骤。
可选地，所述根据所述待识别人脸图像，识别所述驾驶员的性别和年龄，得出所述驾驶员的性别评估结果和年龄评估结果，包括：
提取所述待识别人脸图像的Gabor小波特征；
通过Adaboost分类器，对所述Gabor小波特征进行降维操作；
根据降维后的所述Gabor小波特征，利用预训练的SVM分类器，得出所述性别评估结果；
根据所述待识别人脸图像，得出所述年龄评估结果。
可选地，所述根据所述待识别人脸图像，得出所述年龄评估结果，包括：
提取所述待识别人脸图像的肌肤纹理特征；
根据所述肌肤纹理特征，得出所述驾驶员的年龄段评估结果，将所述年龄段评估结果作为所述年龄评估结果；
或
提取所述待识别人脸图像的LBP特征和HOG特征；
利用典型相关分析方法，将降维后的所述LBP特征和所述HOG特征融合，得到融合特征；
根据所述融合特征，通过支持向量机回归方法，得出所述年龄评估结果；
或
提取所述待识别人脸图像的肌肤纹理特征、LBP特征以及HOG特征；
根据所述肌肤纹理特征，得出所述驾驶员的年龄段评估结果；
利用典型相关分析方法，将降维后的所述LBP特征和所述HOG特征进行融合，得到融合特征；
根据所述融合特征，通过支持向量机回归方法，得出年龄初步评估结果；
判断所述年龄初步评估结果是否落入所述年龄段评估结果的范围；
若是，将所述年龄初步评估结果作为所述年龄评估结果。
可选地，所述根据所述性别评估结果和所述年龄评估结果，生成部件调整参数，包括：
根据所述性别评估结果和所述年龄评估结果，从预先设置的大数据参数中，获取相应的所述座椅调整参数和所述后视镜调整参数。
本申请实施例的第二方面提供了一种车辆部件的调整装置，该装置包括：
获取模块，用于获取驾驶员的待识别人脸图像；
评估模块，用于根据所述待识别人脸图像，识别所述驾驶员的性别和年龄，得出所述驾驶员的性别评估结果和年龄评估结果；
调整模块，用于根据所述性别评估结果和所述年龄评估结果，调整部件至最优位置。
本申请实施例的第三方面提供了一种车辆部件的调整系统，该系统包括图像采集装置、车载终端设备、调整装置以及通信总线；其中，所述图像采集装置、所述车载终端设备以及所述调整装置通过所述通信总线互连；
所述图像采集装置用于采集驾驶员的待人脸识别图像，并将所述待识别人脸图像发送至所述车载终端设备；
所述车载终端设备用于获取所述待识别人脸图像；根据所述待识别人脸图像，识别所述驾驶员的性别和年龄，得出所述驾驶员的性别评估结果和年龄评估结果；根据所述性别评估结果和所述年龄评估结果，生成部件调整参数，将所述部件调整参数发送至调整装置；
所述调整装置用于根据所述部件调整参数，调整部件至最优位置。
本申请实施例的第四方面提供了一种车载终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面任一项所述方法的步骤。
本申请实施例的第五方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面任一项所述方法的步骤。
本申请实施例提供的一种车辆部件的调整方法、装置、系统、车载终端设备及计算机可读存储介质，通过获取驾驶员的待识别人脸图像；根据待识别人脸图像，识别驾驶员的性别和年龄，得出驾驶员的性别评估结果和年龄评估结果；根据性别评估结果和年龄评估结果，调整部件至最优位置。由此，本申请实施例自动识别出驾驶员的性别和年龄，根据驾驶员的性别和年龄，自动将部件调整至最优位置，不用人工调整，智能化程度和便捷性较高。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的车辆部件的调整方法的一种流程示意图；
图2为本申请实施例提供的步骤102的具体流程示意图；
图3为本申请实施例提供的步骤204的一种具体实现流程示意图；
图4为本申请实施例提供的步骤204的另一种具体实现流程示意图；
图5为本申请实施例提供的步骤204的又一种具体实现流程示意图；
图6为本申请实施例提供的车辆部件的调整方法的另一种流程示意图；
图7为本申请实施例提供的车辆部件的调整方法的又一种流程示意图；
图8为本申请实施例提供的车辆部件的调整方法的再一种流程示意图；
图9为本申请实施例提供的一种车辆部件的调整装置的结构示意框图；
图10为本申请实施例提供的一种车辆部件的调整系统的结构示意框图；
图11为本申请实施例提供的车载终端设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。
实施例一
请参见图1，为本申请实施例提供的一种车辆部件的调整方法的流程示意图，该方法可以包括以下步骤：
步骤101、获取驾驶员的待识别人脸图像。
需要说明，上述驾驶员指的是坐到驾驶座位上的用户，该用户可以是驾驶员，也可以是普通用户，在此不作限定。
具体地，用户坐到车辆驾驶座位上，图像采集装置采集该用户的人脸图像，然后，车载终端设备接收图像采集装置发送的人脸图像。
步骤102、根据待识别人脸图像，识别驾驶员的性别和年龄，得出驾驶员的性别评估结果和年龄评估结果。
需要说明，上述性别评估结果可以表征驾驶员的性别是男性，还是女性。年龄评估结果可以表征驾驶员所处的大致年龄或年龄段，即，该年龄评估结果可以是一个年龄段评估结果，其表征驾驶员的年龄所处的年龄段，例如，20～25岁，也可以是一个具体年龄的评估结果，其表征驾驶员的具体年龄，例如，23岁。
可以理解，基于待识别人脸图像，可以分别利用性别识别算法和年龄识别算法，分别识别驾驶员的性别和年龄。
具体应用中，可以利用Adaboost分类器和支持向量机(Support Vector Machine，SVM)分类器来实现性别识别算法。可以利用人脸肌肤纹理特征进行年龄段估算，也可以基于局部二值模式(Local Binary Pattern，LBP)特征和方向梯度直方图(Histogram ofOriented Gradient,，HOG)特征进行年龄评估。当然，年龄识别算法和性别识别算法还可以具体为其它，不仅限于上述提及的算法。
步骤103、根据性别评估结果和年龄评估结果，调整部件至最优位置。
具体地，可以根据评估结果，生成相应的部件调整参数，然后再将相应的调整参数发送至部件的调整装置，调整装置则会根据相应的参数，对部件进行调整，以调整至最优位置。
在一些实施例中，本步骤可以具体为：根据性别评估结果和年龄评估结果，生成部件调整参数；将部件调整参数发送至调整装置，以使调整装置根据部件调整参数，调整部件至最优位置。
需要说明，上述部件可以包括但不限于车辆的座椅和后视镜，上述部件可以为车辆上的与驾驶员进行体感交互的部件，即针对不同驾驶员有不同的使用习惯或位置姿态，一般来说多为可活动部件。相应地，部件调整参数可以包括但不限于座椅调整参数和后视镜调整参数。
其中，座椅调整参数可以包括但不限于座椅高度、前后距离、椅背倾斜角度以及其它距离参数，其它距离参数可以例如为驾驶员的腿部与刹车、油门、离合器等距离。后视镜调整参数可以包括但不限于后视镜角度等。
调整装置可以包括座椅调整装置和后视镜调整装置，其具体可以为驱动电机。也可以具体为一个整体装置，即，该装置可以调整座椅，也可以调整后视镜。
其中，上述最优位置指的是使得用户感觉舒适、操控性强的位置，即，调整装置根据座椅调整参数，调整座椅的高度、前后距离、倾斜角度等参数，根据后视镜调整参数，将后视镜调整最佳角度，使得用户整体感觉舒适。
具体应用中，可以根据经验，预先设置各个性别、各个年龄段或年龄对应的座椅参数和后视镜参数。例如，20～30岁的女性的座椅高度高一些，靠前一些。然后，根据性别评估结果和年龄评估结果，从这些经验参数中，找到合适的调整参数。
在一些实施例中，上述根据性别评估结果和年龄评估结果，生成部件调整参数的过程可以具体为：根据性别评估结果和年龄评估结果，从预先设置的大数据参数中，获取相应的座椅调整参数和后视镜调整参数。
可以理解，上述部件调整参数可以不限于经验参数，其也可以为其它类型的参数，在此不作限定。
在一些实施例中，参见图2示出的步骤102的具体流程示意图，上述步骤102，即根据待识别人脸图像，识别驾驶员的性别和年龄，得出驾驶员的性别评估结果和年龄评估结果的过程可以具体为：
步骤201、提取待识别人脸图像的Gabor小波特征。
步骤202、通过Adaboost分类器，对Gabor小波特征进行降维操作。
步骤203、根据降维后的Gabor小波特征，利用预训练的SVM分类器，得出性别评估结果。
可以理解，上述Adaboost分类器和SVM分类器均是预先训练好的分类器，其具体的训练过程可以具体为：输入训练样本；对训练样本进行预处理；将预处理后的训练样本进行Gabor滤波；进行Adaboost学习；最后进行SVM训练。
步骤204、根据待识别人脸图像，得出年龄评估结果。
需要说明，年龄评估结果的具体不同，所使用的年龄评估算法也会相应的不同。其中，可以根据所需的评估结果的精确程度，来选择所需的年龄评估算法。例如，如果所需的年龄评估结果的精确度不高，可以进行年龄段预估即可，如果所需精确度较高，则可以选择具体年龄评估。
上述步骤201～203与步骤204间的执行顺序可以是任意的，即，可以先进行性别评估，再进行年龄评估；也可以先进行年龄评估，再进行性别评估。当然，也可以并行执行性别评估和年龄评估。
其中，参见图3示出的步骤204的一种具体实现流程示意图，上述根据待识别人脸图像，得出年龄评估结果的过程可以具体为：
步骤301、提取待识别人脸图像的肌肤纹理特征。
步骤302、根据肌肤纹理特征，得出驾驶员的年龄段评估结果，将年龄段评估结果作为年龄评估结果。
可以理解，肌肤纹理特征的提取过程，以及根据肌肤纹理特征进行年龄段评估的过程均为本领域技术人员所熟知，在此不再赘述。
此处所得到的是一个大致年龄段评估结果，可以应用在一些精度要求不高的场景。而实际应用中，判断出驾驶员所处的年龄段即可满足大部分场景的要求，且年龄段评估的用时较短，效率较高。
在另一些实施例中，参见图4示出的步骤204的另一种具体实现流程示意图，上述根据待识别人脸图像，得出年龄评估结果的过程也可以具体为：
步骤401、提取待识别人脸图像的LBP特征和HOG特征。
步骤402、利用典型相关分析方法CCA，将降维后的LBP特征和HOG特征融合，得到融合特征。
步骤403、根据融合特征，通过支持向量机回归方法SVR，得出年龄评估结果。
可以理解，此处得到的年龄评估结果是一个具体的年龄值。其相较于上述步骤301～302的年龄段估算过程，用时较长，效率较低，但精度较高。
在又一些实施例中，参见图5示出的本申请实施例提供的步骤204的又一种具体实现流程示意图，上述根据待识别人脸图像，得出年龄评估结果的过程还可以具体为：
步骤501、提取待识别人脸图像的肌肤纹理特征、LBP特征以及HOG特征。
步骤502、根据肌肤纹理特征，得出驾驶员的年龄段评估结果。
步骤503、利用典型相关分析方法，将降维后的LBP特征和HOG特征进行融合，得到融合特征。
步骤504、根据融合特征，通过支持向量机回归方法，得出年龄初步评估结果。
步骤505、判断年龄初步评估结果是否落入年龄段评估结果的范围。
步骤506、若是，将年龄初步评估结果作为年龄评估结果。若否，则重新采集新的待识别人脸图像，返回步骤501。
可以理解，步骤501～502为年龄预估阶段，其得出的年龄段评估结果可以作为后续的参考标准。步骤503～503为详细评估阶段。步骤501～502与上述步骤301～302的过程相同，步骤503～503与上述步骤401～403的过程相同，具体可以参见上文相应内容，在此不再赘述。
在得出年龄段评估结果和年龄初步评估结果之后，则可以判定该年龄初步评估结果是否落入相应的年龄段，例如，年龄初步评估结果为23岁，年龄段评估结果为20～30岁，此时，23岁落入20～30岁年龄段的范围内，则将23岁作为年龄评估结果。
利用年龄段评估结果和年龄评估结果的相互参照，可以进一步提高处理精度，但也牺牲了一定的效率。
实际应用中，可以根据实际需求，例如，处理效率和处理精度，选用合适年龄识别算法。
本申请实施例中，自动识别出驾驶员的性别和年龄，根据驾驶员的性别和年龄，自动将部件调整至最优位置，且不用人工调整，智能化程度和便捷性较高。
实施例二
在性别评估和年龄评估的过程中，可能会存在误差，且根据性别评估结果和年龄评估结果，生成的调整参数也有可能不适合当前用户。为了进一步调整精度，使得所调整的部件更适合用户，提高用户的舒适度和可操控性，可以在根据调整参数进行相应调整之后，再根据驾驶员的姿势和后视镜中的车身面积，再相应地调整部件。
下面本实施例将对根据调整参数进行相应调整之后，再根据驾驶员的姿势和后视镜中的车身面积，再相应地调整部件的过程进行相应介绍。
基于上述实施例，参见图6示出的车辆部件的调整方法的另一流程示意图，在上述步骤103之后，即，在根据性别评估结果和年龄评估结果，调整部件至最优位置之后，该方法还可以包括以下步骤：
步骤601、获取后视镜图像和驾驶员的姿势图像。
需要说明，上述姿势图像指的是在驾驶员坐在驾驶座上，双手握住方向盘时所采集的图像。上述后视镜图像所反射或者是所能照到的图像，例如，汽车后视镜可以照到汽车的一部分车身图像。
步骤602、根据姿势图像，利用图像对比算法，判断驾驶员的当前姿势是否满足预设的姿势规则。
需要说明，上述预设的姿势规则可以包括但不限于：用户手臂位置在握方向盘两侧时，大小臂接近90度，手握方向盘高度低于肩部10～15厘米；座椅高度应使用户头部离车顶10～15厘米；后视镜内的车身占到整个镜面面积的四分之一。当然，此处的具体数值，例如，10～15厘米等均可以根据实际情况、需求进行设定。
其中，图像对比算法可以具体通过python&Opencv实现，其具体过程可以具体为：将所采集的姿势图像缩放至预设尺寸，然后进行灰度处理，再计算该姿势图像的方差，最后，比较该姿势图像和标准图像间方差的大小，以确定两者间的相似度，从而判断驾驶员的当前姿势是否满足上述的姿势规则。当相似度达到预设阈值时，则驾驶员的当前姿势满足上述姿势规则，反之，则不满足。
步骤603、当前姿势不满足预设的姿势规则时，自动调节座椅调整参数，以使调整装置自动调节座椅，直至驾驶员的当前姿势符合预设的姿势规则。
具体地，如果当前姿势不满足姿势规则，则会自适应地调整座椅调整参数，然后将调节之后的调整参数发送至调整装置，调整装置再根据该参数进行自适应调节座椅的高度、椅背倾斜度等。反之，如果当前姿势满足上述预设规则，则进行后视镜角度调整或者结束进程。
步骤604、从预存储有后视镜参数的大数据云平台中，获取与驾驶员的年龄评估结果和性别评估结果相符的后视镜参数。
步骤605、将后视镜参数发送至调整装置，以使调整装置根据后视镜参数调整后视镜。
需要说明，上述大数据云平台中存储有大量的后视镜参数。其中，大量用户将自身的车型、年龄、性别以及自身的后视镜参数上传至大数据云平台，大数据云平台将用户上传的这些信息进行记录。
具体地，根据当前驾驶员的年龄评估结果、性别评估结果以及车型，从存储的大数据中，匹配寻找出符合驾驶员的年龄、性别和车型的后视镜参数。然后调整装置则会相应地调整后视镜的参数。
本实施例中，根据调整参数进行相应调整之后，再根据驾驶员的姿势和大数据参数，再相应地调整部件，可以进一步调整精度，使得所调整的部件更适合用户，提高用户的舒适度和可操控性。
实施例三
在根据调整参数对座椅、后视镜等部件进行相应调整之后，或者在根据调整参数进行相应调整后，再根据驾驶员的姿势和后视镜中的车身面积，再相应地调整部件之后，驾驶员可能还是不适应或者不满意当前的座椅调整和后视镜角度等，此时，驾驶员可以自身手动微调座椅或者是后视镜，以使得部件处于最适合当前驾驶员的位置。
基于上述任意实施例，参见图7示出的车辆部件的调整方法的又一流程示意图，在上述步骤650之后，即，在上述将后视镜参数发送至调整装置，以使调整装置根据后视镜参数调整后视镜之后，该方法还可以包括以下步骤：
步骤701、在用户对座椅和/或后视镜进行手工微调后，获取微调后调整参数。
步骤702、根据微调后调整参数，更新部件调整参数，得出更新后参数。
步骤703、建立用户与更新后参数的一一对应关系，并将更新后参数进行存储。
具体地，在用户手工对座椅、后视镜或部件调整后，更新调整参数，并将更新后的调整参数进行关联存储，这样，后续再次检测到该用户时，则可以直接用与该用户相关联的调整参数调整部件即可。
需要说明，上述用户可以是驾驶员，也可以是非驾驶员，在此不作限定。
其中，用户手工调整不仅可以在根据调整参数进行相应调整之后进行，也可以在根据驾驶员的姿势和后视镜图像作进一步调整之后进行。
可以看出，用户手工微调座椅、后视镜，以使得部件的调整更适应用户的个性需求，提高用户体验。
在一些实施例中，可以将调整参数与用户进行关联存储，后续直接用存储的调整参数为该用户调整部件。参见图8示出的车辆部件的调整方法的再一流程示意图，在上述步骤101之后，即，在上述获取驾驶员的待识别人脸图像之后，还可以包括以下步骤：
步骤801、提取待识别人脸图像的人脸特征。
其中，利用人脸识别模型，提取出该待识别人脸图像的人脸特征。该人脸识别模块可以采用卷积神经网络进行训练，其具体结构可以包括卷积层、两个子采样层、全连接层和输出层。
可以理解，人脸特征的提取过程为本领域技术人员所熟知，在此不再赘述。
步骤802、将人脸特征与预存储人脸特征一一比对，判断是否一致。
也就是说，将当前采集的人脸特征和预存储人脸特征进行一一比对，查看是否有与当前采集的人脸特征一致的人脸特征，即，判断当前用户是否为老用户。
步骤803、当一致时，获取预存储人脸特征对应的调整参数。
步骤804、将预存储人脸特征对应的调整参数发送至调整装置，以使调整装置根据预存储人脸特征对应的调整参数，调整部件至最优位置。
具体地，当判断出当前用户为老用户时，则可以获取与该老用户相关联的调整参数，将这些调整参数发送至调整装置，对部件进行相应调整。
步骤805、当不一致时，执行上述根据待识别人脸图像，识别驾驶员的性别和年龄，得出驾驶员的性别评估结果和年龄评估结果，根据性别评估结果和年龄评估结果，调整部件至最优位置的步骤。
具体地，当判断出当前用户为新用户，即，没有该用户的记录信息时，则识别当前用户的性别、年龄，生成相应的调整参数，对部件进行相应调整。
可以看出，记录用户的调整参数，相当于提供记忆功能，可以进一步提高智能化程度和便捷性。
应理解，上述各个实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
实施例四
下面将对本申请实施例提供的一种车辆部件的调整装置进行介绍，车辆部件的调整装置可以与上述车辆部件的调整方法进相互参照。
请参见图9，为本申请实施例提供的一种车辆部件的调整装置的结构示意框图，该装置可以包括：
获取模块91，用于获取驾驶员的待识别人脸图像；
评估模块92，用于根据待识别人脸图像，识别驾驶员的性别和年龄，得出驾驶员的性别评估结果和年龄评估结果；
调整模块93，用于根据性别评估结果和年龄评估结果，调整部件至最优位置。
在一些实施例中，所述调整模块包括：
生成单元，用于根据所述性别评估结果和所述年龄评估结果，生成部件调整参数；
发送单元，用于将所述部件调整参数发送至调整装置，以使所述调整装置根据所述部件调整参数，调整所述部件至所述最优位置。
在一些实施例中，所述部件包括车辆的座椅和后视镜，所述部件调整参数包括座椅调整参数和后视镜调整参数；上述装置还可以包括：
姿势图像获取模块，用于获取所述驾驶员的姿势图像；
第一判断模块，用于根据所述姿势图像，利用图像对比算法，判断所述驾驶员的当前姿势是否满足预设的姿势规则；
调节模块，用于当所述当前姿势不满足所述预设的姿势规则时，自动调节所述座椅调整参数，以使所述调整装置自动调节所述座椅，直至所述驾驶员的所述当前姿势符合所述预设的姿势规则；
后视镜参数获取模块，用于从预存储有后视镜参数的大数据云平台中，获取与所述驾驶员的所述年龄评估结果和所述性别评估结果相符的后视镜参数；
后视镜参数发送模块，用于将所述后视镜参数发送至所述调整装置，以使所述调整装置根据所述后视镜参数调整所述后视镜。
在一些实施例中，上述装置还可以包括：
微调参数获取模块，用于在用户对所述座椅和/或所述后视镜进行手工微调后，获取微调后调整参数；
更新模块，用于根据所述微调后调整参数，更新所述座椅调整参数和所述后视镜调整参数，得出更新后参数；
对应关系建立模块，用于建立所述用户与所述更新后参数的一一对应关系，并将所述更新后参数进行存储。
在一些实施例中，上述装置还可以包括：
第一提取模块，用于提取所述待识别人脸图像的人脸特征；
第二判断模块，用于将所述人脸特征与预存储人脸特征一一比对，判断是否一致；
调整参数获取模块，用于当一致时，获取所述预存储人脸特征对应的调整参数；
调整参数发送模块，用于将所述预存储人脸特征对应的调整参数发送至所述调整装置，以使所述调整装置根据所述预存储人脸特征对应的调整参数，调整所述部件至最优位置；
执行模块，用于当不一致时，执行上述根据所述待识别人脸图像，识别所述驾驶员的性别和年龄，得出所述驾驶员的性别评估结果和年龄评估结果，根据所述性别评估结果和所述年龄评估结果，调整部件至最优位置的步骤。
在一些实施例中，所述评估模块包括：
提取单元，用于提取所述待识别人脸图像的Gabor小波特征；
第一降维单元，用于通过Adaboost分类器，对所述Gabor小波特征进行降维操作；
性别评估单元，用于根据降维后的所述Gabor小波特征，利用预训练的SVM分类器，得出所述性别评估结果；
年龄评估单元，用于根据所述待识别人脸图像，得出所述年龄评估结果。
在一些实施例中，所述年龄评估单元包括：
第一提取子单元，用于提取所述待识别人脸图像的肌肤纹理特征；
第一年龄评估子单元，用于根据所述肌肤纹理特征，得出所述驾驶员的年龄段评估结果，将所述年龄段评估结果作为所述年龄评估结果；
或
第二提取子单元，用于提取所述待识别人脸图像的LBP特征和HOG特征；
第一融合子单元，用于利用典型相关分析方法，将降维后的所述LBP特征和所述HOG特征融合，得到融合特征；
第二年龄评估子单元，用于根据所述融合特征，通过支持向量机回归方法，得出所述年龄评估结果；
或
第三提取子单元，用于提取所述待识别人脸图像的肌肤纹理特征、LBP特征以及HOG特征；
年龄段评估子单元，用于根据所述肌肤纹理特征，得出所述驾驶员的年龄段评估结果；
第二融合子单元，用于利用典型相关分析方法，将降维后的所述LBP特征和所述HOG特征进行融合，得到融合特征；
年龄初步评估子单元，用于根据所述融合特征，通过支持向量机回归方法，得出年龄初步评估结果；
判断子单元，用于判断所述年龄初步评估结果是否落入所述年龄段评估结果的范围；
最终评估子单元，用于若是，将所述年龄初步评估结果作为所述年龄评估结果。
在一些实施例中，上述生成单元包括：
大数据参数获取子单元，用于根据所述性别评估结果和所述年龄评估结果，从预先设置的大数据参数中，获取相应的所述座椅调整参数和所述后视镜调整参数。
需要说明，本实施例与上述各个实施例间的相似或相同之处，可以相互参见，在此不再赘述。
本实施例中，自动识别出驾驶员的性别和年龄，根据驾驶员的性别和年龄，自动将部件调整至最优位置，且不用人工调整，智能化程度和便捷性较高。
实施例五
下面将对本申请实施例的一种车辆部件的调整系统进行介绍，参见图10示出的一种车辆部件的调整系统的结构示意框图，该系统可以包括图像采集装置101、车载终端设备102、调整装置103以及通信总线104；其中，图像采集装置101、车载终端设备102以及调整装置103通过通信总线104互连；
图像采集装置用于采集驾驶员的待识别人脸图像，并将待识别人脸图像发送至车载终端设备。
车载终端设备用于获取待识别人脸图像；根据待识别人脸图像，识别驾驶员的性别和年龄，得出驾驶员的性别评估结果和年龄评估结果；根据性别评估结果和年龄评估结果，生成部件调整参数，将部件调整参数发送至调整装置。
调整装置用于根据部件调整参数，调整部件至最优位置。
需要说明，通信总线可以为但不限于CAN总线，车载终端设备可以为但不限于车载中控、TBOX、智能液晶仪表以及原车屏升级盒子中的任一种。
本实施例与上述各个实施例间的相同或相似之处，可以相互参见，在此不再赘述。
本实施例中，该系统自动识别出驾驶员的性别和年龄，根据驾驶员的性别和年龄，自动将部件调整至最优位置，且不用人工调整，智能化程度和便捷性较高。
实施例六
图11是本申请一实施例提供的车载终端设备的示意图。如图11所示，该实施例的车载终端设备11包括：处理器110、存储器111以及存储在所述存储器111中并可在所述处理器110上运行的计算机程序112，例如，车辆部件的调整程序。所述处理器110执行所述计算机程序112时实现上述各个车辆部件的调整方法实施例中的步骤，例如图1所示的步骤101至103。或者，所述处理器110执行所述计算机程序112时实现上述各装置实施例中各模块或单元的功能，例如图9所示模块91至93的功能。
示例性的，所述计算机程序112可以被分割成一个或多个模块/单元，例如，所述计算机程序112可以被分割成获取模块、评估模块以及调整模块，各模块具体功能如下：
获取模块，用于获取驾驶员的待识别人脸图像；评估模块，用于根据待识别人脸图像，识别驾驶员的性别和年龄，得出驾驶员的性别评估结果和年龄评估结果；调整模块，用于根据性别评估结果和年龄评估结果，调整部件至最优位置。
所述车载终端设备11可以是，但不限于车载中控、TBOX、智能液晶仪表以及原车屏升级盒子等计算设备。所述车载终端设备可包括，但不仅限于，处理器110、存储器111。本领域技术人员可以理解，图11仅仅是车载终端设备11的示例，并不构成对车载终端设备11的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述车载终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器110可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器111可以是所述车载终端设备11的内部存储单元，例如车载终端设备11的硬盘或内存。所述存储器111也可以是所述车载终端设备11的外部存储设备，例如所述车载终端设备11上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器111还可以既包括所述车载终端设备11的内部存储单元也包括外部存储设备。所述存储器111用于存储所述计算机程序以及所述车载终端设备所需的其他程序和数据。所述存储器111还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置或终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块或单元如果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，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (11)

1.一种车辆部件的调整方法，其特征在于，包括：
获取驾驶员的待识别人脸图像；
根据所述待识别人脸图像，识别所述驾驶员的性别和年龄，得出所述驾驶员的性别评估结果和年龄评估结果；
根据所述性别评估结果和所述年龄评估结果，调整部件至最优位置。
2.如权利要求1所述的方法，其特征在于，所述根据所述性别评估结果和所述年龄评估结果，调整部件至最优位置，包括：
根据所述性别评估结果和所述年龄评估结果，生成部件调整参数；
将所述部件调整参数发送至调整装置，以使所述调整装置根据所述部件调整参数，调整所述部件至所述最优位置。
3.如权利要求2所述的方法，其特征在于，所述部件包括车辆的座椅和后视镜，所述部件调整参数包括座椅调整参数和后视镜调整参数；
在所述根据所述性别评估结果和所述年龄评估结果，调整部件至最优位置之后，还包括：
获取所述驾驶员的姿势图像；
根据所述姿势图像，利用图像对比算法，判断所述驾驶员的当前姿势是否满足预设的姿势规则；
当所述当前姿势不满足所述预设的姿势规则时，自动调节所述座椅调整参数，以使所述调整装置自动调节所述座椅，直至所述驾驶员的所述当前姿势符合所述预设的姿势规则；
从预存储有后视镜参数的大数据云平台中，获取与所述驾驶员的所述年龄评估结果和所述性别评估结果相符的后视镜参数；
将所述后视镜参数发送至所述调整装置，以使所述调整装置根据所述后视镜参数调整所述后视镜。
4.如权利要求3所述的方法，其特征在于，在所述将所述后视镜参数发送至所述调整装置，以使所述调整装置根据所述后视镜参数调整所述后视镜之后，还包括：
在用户对所述座椅和/或所述后视镜进行手工微调后，获取微调后调整参数；
根据所述微调后调整参数，更新所述座椅调整参数和所述后视镜调整参数，得出更新后参数；
建立所述用户与所述更新后参数的一一对应关系，并将所述更新后参数进行存储。
5.如权利要求2至4任一项所述的方法，其特征在于，在所述获取驾驶员的待识别人脸图像之后，还包括：
提取所述待识别人脸图像的人脸特征；
将所述人脸特征与预存储人脸特征一一比对，判断是否一致；
当一致时，获取所述预存储人脸特征对应的调整参数；
将所述预存储人脸特征对应的调整参数发送至所述调整装置，以使所述调整装置根据所述预存储人脸特征对应的调整参数，调整所述部件至最优位置；
当不一致时，执行上述根据所述待识别人脸图像，识别所述驾驶员的性别和年龄，得出所述驾驶员的性别评估结果和年龄评估结果，根据所述性别评估结果和所述年龄评估结果，调整部件至最优位置的步骤。
6.如权利要求5所述的方法，其特征在于，所述根据所述待识别人脸图像，识别所述驾驶员的性别和年龄，得出所述驾驶员的性别评估结果和年龄评估结果，包括：
提取所述待识别人脸图像的Gabor小波特征；
通过Adaboost分类器，对所述Gabor小波特征进行降维操作；
根据降维后的所述Gabor小波特征，利用预训练的支持向量机SVM分类器，得出所述性别评估结果；
根据所述待识别人脸图像，得出所述年龄评估结果。
7.如权利要求6所述的方法，其特征在于，所述根据所述待识别人脸图像，得出所述年龄评估结果，包括：
提取所述待识别人脸图像的肌肤纹理特征；
根据所述肌肤纹理特征，得出所述驾驶员的年龄段评估结果，将所述年龄段评估结果作为所述年龄评估结果；
或
提取所述待识别人脸图像的局部二值模式LBP特征和方向梯度直方图HOG特征；
利用典型相关分析方法，将降维后的所述LBP特征和所述HOG特征融合，得到融合特征；
根据所述融合特征，通过支持向量机回归方法，得出所述年龄评估结果；
或
提取所述待识别人脸图像的肌肤纹理特征、LBP特征以及HOG特征；
根据所述肌肤纹理特征，得出所述驾驶员的年龄段评估结果；
利用典型相关分析方法，将降维后的所述LBP特征和所述HOG特征进行融合，得到融合特征；
根据所述融合特征，通过支持向量机回归方法，得出年龄初步评估结果；
判断所述年龄初步评估结果是否落入所述年龄段评估结果的范围；
若是，将所述年龄初步评估结果作为所述年龄评估结果。
8.如权利要求7所述的方法，其特征在于，所述根据所述性别评估结果和所述年龄评估结果，生成部件调整参数，包括：
根据所述性别评估结果和所述年龄评估结果，从预先设置的大数据参数中，获取相应的所述座椅调整参数和所述后视镜调整参数。
9.一种车辆部件的调整装置，其特征在于，包括：
获取模块，用于获取驾驶员的待识别人脸图像；
评估模块，用于根据所述待识别人脸图像，识别所述驾驶员的性别和年龄，得出所述驾驶员的性别评估结果和年龄评估结果；
调整模块，用于根据所述性别评估结果和所述年龄评估结果，调整部件至最优位置。
10.一种车辆部件的调整系统，其特征在于，包括图像采集装置、车载终端设备、调整装置以及通信总线；其中，所述图像采集装置、所述车载终端设备以及所述调整装置通过所述通信总线互连；
所述图像采集装置用于采集驾驶员的待识别人脸图像，并将所述待识别人脸图像发送至所述车载终端设备；
所述车载终端设备用于获取所述待识别人脸图像；根据所述待识别人脸图像，识别所述驾驶员的性别和年龄，得出所述驾驶员的性别评估结果和年龄评估结果；根据所述性别评估结果和所述年龄评估结果，生成部件调整参数，将所述部件调整参数发送至调整装置；
所述调整装置用于根据所述部件调整参数，调整部件至最优位置。
11.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述方法的步骤。
CN201810714755.6A 2018-06-29 2018-06-29 车辆部件的调整方法、装置、系统及终端设备 Active CN109094491B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810714755.6A CN109094491B (zh) 2018-06-29 2018-06-29 车辆部件的调整方法、装置、系统及终端设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810714755.6A CN109094491B (zh) 2018-06-29 2018-06-29 车辆部件的调整方法、装置、系统及终端设备

Publications (2)

Publication Number Publication Date
CN109094491A true CN109094491A (zh) 2018-12-28
CN109094491B CN109094491B (zh) 2021-02-05

Family

ID=64845429

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810714755.6A Active CN109094491B (zh) 2018-06-29 2018-06-29 车辆部件的调整方法、装置、系统及终端设备

Country Status (1)

Country Link
CN (1) CN109094491B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109703495A (zh) * 2019-01-03 2019-05-03 深圳壹账通智能科技有限公司 基于生物识别的辅助驾驶方法及装置、介质和电子设备
CN110826469A (zh) * 2019-11-01 2020-02-21 Oppo广东移动通信有限公司 一种人物检测方法、装置及计算机可读存储介质
CN111967413A (zh) * 2020-08-21 2020-11-20 广州市微智联科技有限公司 一种猪脸识别方法
CN112140948A (zh) * 2020-09-25 2020-12-29 恒大新能源汽车投资控股集团有限公司 汽车座椅调节方法、系统及汽车
CN113221071A (zh) * 2021-05-31 2021-08-06 北京乐驾科技有限公司 车载hud虚像高度的自动调节方法、装置及电子设备
CN115065654A (zh) * 2022-05-25 2022-09-16 天翼爱音乐文化科技有限公司 一种视频彩铃生成方法、装置、设备及存储介质
WO2023020138A1 (zh) * 2021-08-18 2023-02-23 浙江吉利控股集团有限公司 车辆悬架特性调节方法、装置、设备、介质及程序产品
CN116132949A (zh) * 2023-04-17 2023-05-16 江西科技学院 面向智能车的车云实时数据通信方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102298709A (zh) * 2011-09-07 2011-12-28 江西财经大学 复杂环境下多特征融合的节能型智能识别数字标牌
CN105117688A (zh) * 2015-07-29 2015-12-02 重庆电子工程职业学院 基于纹理特征融合和svm的人脸识别方法
DE102016008339A1 (de) * 2016-06-21 2017-02-09 Daimler Ag Verfahren zur Identifikation eines Fahrzeugnutzers in einem Fahrzeug
US20170057436A1 (en) * 2015-08-25 2017-03-02 International Business Machines Corporation Vehicle operations based on biometric fingerprint analysis
CN107545245A (zh) * 2017-08-14 2018-01-05 中国科学院半导体研究所 一种年龄估计方法及设备
CN107878370A (zh) * 2017-01-25 2018-04-06 问众智能信息科技（北京）有限公司 一种车辆的控制方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102298709A (zh) * 2011-09-07 2011-12-28 江西财经大学 复杂环境下多特征融合的节能型智能识别数字标牌
CN105117688A (zh) * 2015-07-29 2015-12-02 重庆电子工程职业学院 基于纹理特征融合和svm的人脸识别方法
US20170057436A1 (en) * 2015-08-25 2017-03-02 International Business Machines Corporation Vehicle operations based on biometric fingerprint analysis
DE102016008339A1 (de) * 2016-06-21 2017-02-09 Daimler Ag Verfahren zur Identifikation eines Fahrzeugnutzers in einem Fahrzeug
CN107878370A (zh) * 2017-01-25 2018-04-06 问众智能信息科技（北京）有限公司 一种车辆的控制方法及装置
CN107545245A (zh) * 2017-08-14 2018-01-05 中国科学院半导体研究所 一种年龄估计方法及设备

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109703495A (zh) * 2019-01-03 2019-05-03 深圳壹账通智能科技有限公司 基于生物识别的辅助驾驶方法及装置、介质和电子设备
CN110826469A (zh) * 2019-11-01 2020-02-21 Oppo广东移动通信有限公司 一种人物检测方法、装置及计算机可读存储介质
CN111967413A (zh) * 2020-08-21 2020-11-20 广州市微智联科技有限公司 一种猪脸识别方法
CN111967413B (zh) * 2020-08-21 2024-04-09 广州市微智联科技有限公司 一种猪脸识别方法
CN112140948A (zh) * 2020-09-25 2020-12-29 恒大新能源汽车投资控股集团有限公司 汽车座椅调节方法、系统及汽车
CN113221071A (zh) * 2021-05-31 2021-08-06 北京乐驾科技有限公司 车载hud虚像高度的自动调节方法、装置及电子设备
WO2023020138A1 (zh) * 2021-08-18 2023-02-23 浙江吉利控股集团有限公司 车辆悬架特性调节方法、装置、设备、介质及程序产品
CN115065654A (zh) * 2022-05-25 2022-09-16 天翼爱音乐文化科技有限公司 一种视频彩铃生成方法、装置、设备及存储介质
CN116132949A (zh) * 2023-04-17 2023-05-16 江西科技学院 面向智能车的车云实时数据通信方法及系统
CN116132949B (zh) * 2023-04-17 2024-01-09 江西科技学院 面向智能车的车云实时数据通信方法及系统

Also Published As

Publication number Publication date
CN109094491B (zh) 2021-02-05

Similar Documents

Publication Publication Date Title
CN109094491A (zh) 车辆部件的调整方法、装置、系统及终端设备
KR102391380B1 (ko) 운전 환경의 스마트 조정 및 운전자 등록 방법 및 장치, 차량, 기기
RU2737672C2 (ru) Идентификация водителя транспортного средства
CN111507170A (zh) 通过车对车连接警告驾驶员的异常状态的方法和装置
US20220084316A1 (en) Method and electronic device for recognizing abnormal sitting posture, and storage medium
CN103612632A (zh) 驾驶操作系统的调节方法和装置
EP0849699A2 (en) System and method for image recognition
CN111742342A (zh) 图像生成方法、图像生成装置以及图像生成系统
WO2016169160A1 (zh) 一种驾驶环境的调整方法和装置
CN104317397A (zh) 车载人机交互方法
US20230316783A1 (en) Computer-implemented method for analysing the interior of a vehicle
DE102013225503A1 (de) System und Verfahren zum Bedienen einer Benutzerschnittstelle unter Verwendung eines Handgelenkwinkels in einem Fahrzeug
CN113920491A (zh) 基于面部骨架模型的疲劳检测系统、方法、介质、检测设备
CN114248666A (zh) 基于人脸识别的座椅调整方法、装置、介质及设备
CN107264469B (zh) 一种基于人脸识别的车辆防盗系统
CN114435196A (zh) 一种座椅调节方法、装置及系统
CN113320449B (zh) 一种驾驶座椅自动调节方法、系统、介质及电子终端
Panicker et al. Open-eye detection using iris–sclera pattern analysis for driver drowsiness detection
CN113128295A (zh) 一种车辆驾驶员危险驾驶状态识别方法及装置
CN113420683A (zh) 人脸图像识别方法、装置、设备以及计算机可读存储介质
KR20200069585A (ko) 지능형 차량 편의 제어 장치 및 방법
CN114120634B (zh) 基于WiFi的危险驾驶行为识别方法、装置、设备及存储介质
Watta et al. Nonparametric approaches for estimating driver pose
CN113561988A (zh) 一种基于视线追踪的语音控制方法、汽车及可读存储介质
US10796147B1 (en) Method and apparatus for improving the match performance and user convenience of biometric systems that use images of the human eye

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