CN109641562B - 乘员概况分析系统 - Google Patents
乘员概况分析系统 Download PDFInfo
- Publication number
- CN109641562B CN109641562B CN201780051354.0A CN201780051354A CN109641562B CN 109641562 B CN109641562 B CN 109641562B CN 201780051354 A CN201780051354 A CN 201780051354A CN 109641562 B CN109641562 B CN 109641562B
- Authority
- CN
- China
- Prior art keywords
- sensor
- sensor data
- base pad
- height
- backrest
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 claims abstract description 60
- 230000004927 fusion Effects 0.000 claims abstract description 49
- 238000005070 sampling Methods 0.000 claims abstract description 20
- 238000001514 detection method Methods 0.000 claims description 32
- 230000008569 process Effects 0.000 claims description 25
- 230000004931 aggregating effect Effects 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 description 19
- 238000005259 measurement Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000007246 mechanism Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 230000003213 activating effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000010191 image analysis Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000005303 weighing Methods 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
- B60N2/002—Seats provided with an occupancy detection means mounted therein or thereon
- B60N2/0021—Seats provided with an occupancy detection means mounted therein or thereon characterised by the type of sensor or measurement
- B60N2/0024—Seats provided with an occupancy detection means mounted therein or thereon characterised by the type of sensor or measurement for identifying, categorising or investigation of the occupant or object on the seat
-
- 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
- B60N2/002—Seats provided with an occupancy detection means mounted therein or thereon
- B60N2/0021—Seats provided with an occupancy detection means mounted therein or thereon characterised by the type of sensor or measurement
- B60N2/003—Seats provided with an occupancy detection means mounted therein or thereon characterised by the type of sensor or measurement characterised by the sensor mounting location in or on the seat
-
- 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
- B60N2/002—Seats provided with an occupancy detection means mounted therein or thereon
- B60N2/0021—Seats provided with an occupancy detection means mounted therein or thereon characterised by the type of sensor or measurement
- B60N2/0035—Seats provided with an occupancy detection means mounted therein or thereon characterised by the type of sensor or measurement characterised by the sensor data transmission, e.g. wired connections or wireless transmitters therefor; characterised by the sensor data processing, e.g. seat sensor signal amplification or electric circuits for providing seat sensor information
-
- 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
- B60N2/0224—Non-manual adjustments, e.g. with electrical operation
- B60N2/0244—Non-manual adjustments, e.g. with electrical operation with logic circuits
- B60N2/0248—Non-manual adjustments, e.g. with electrical operation with logic circuits with memory of positions
-
- 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
- B60N2/0224—Non-manual adjustments, e.g. with electrical operation
- B60N2/0244—Non-manual adjustments, e.g. with electrical operation with logic circuits
- B60N2/0273—Non-manual adjustments, e.g. with electrical operation with logic circuits taking into account user data, e.g. knee height or physical state
-
- 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
- B60N2/0224—Non-manual adjustments, e.g. with electrical operation
- B60N2/0244—Non-manual adjustments, e.g. with electrical operation with logic circuits
- B60N2/0277—Non-manual adjustments, e.g. with electrical operation with logic circuits characterised by the calculation method or calculation flow chart of sensor data for adjusting the seat
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
- B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
- B60R21/015—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting the presence or position of passengers, passenger seats or child seats, and the related safety parameters therefor, e.g. speed or timing of airbag inflation in relation to occupant position or seat belt use
- B60R21/01512—Passenger detection systems
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
- B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
- B60R21/015—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting the presence or position of passengers, passenger seats or child seats, and the related safety parameters therefor, e.g. speed or timing of airbag inflation in relation to occupant position or seat belt use
- B60R21/01512—Passenger detection systems
- B60R21/0153—Passenger detection systems using field detection presence sensors
- B60R21/01538—Passenger detection systems using field detection presence sensors for image processing, e.g. cameras or sensor arrays
-
- 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
- B60N2/0224—Non-manual adjustments, e.g. with electrical operation
- B60N2/0244—Non-manual adjustments, e.g. with electrical operation with logic circuits
- B60N2/0268—Non-manual adjustments, e.g. with electrical operation with logic circuits using sensors or detectors for adapting the seat or seat part, e.g. to the position of an occupant
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60N—SEATS SPECIALLY ADAPTED FOR VEHICLES; VEHICLE PASSENGER ACCOMMODATION NOT OTHERWISE PROVIDED FOR
- B60N2210/00—Sensor types, e.g. for passenger detection systems or for controlling seats
- B60N2210/10—Field detection presence sensors
- B60N2210/16—Electromagnetic waves
- B60N2210/22—Optical; Photoelectric; Lidar [Light Detection and Ranging]
- B60N2210/24—Cameras
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60N—SEATS SPECIALLY ADAPTED FOR VEHICLES; VEHICLE PASSENGER ACCOMMODATION NOT OTHERWISE PROVIDED FOR
- B60N2210/00—Sensor types, e.g. for passenger detection systems or for controlling seats
- B60N2210/10—Field detection presence sensors
- B60N2210/26—Ultrasonic, e.g. sonar
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60N—SEATS SPECIALLY ADAPTED FOR VEHICLES; VEHICLE PASSENGER ACCOMMODATION NOT OTHERWISE PROVIDED FOR
- B60N2210/00—Sensor types, e.g. for passenger detection systems or for controlling seats
- B60N2210/40—Force or pressure sensors
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60N—SEATS SPECIALLY ADAPTED FOR VEHICLES; VEHICLE PASSENGER ACCOMMODATION NOT OTHERWISE PROVIDED FOR
- B60N2220/00—Computerised treatment of data for controlling of seats
- B60N2220/10—Computerised treatment of data for controlling of seats using a database
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60N—SEATS SPECIALLY ADAPTED FOR VEHICLES; VEHICLE PASSENGER ACCOMMODATION NOT OTHERWISE PROVIDED FOR
- B60N2220/00—Computerised treatment of data for controlling of seats
- B60N2220/20—Computerised treatment of data for controlling of seats using a deterministic algorithm
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60N—SEATS SPECIALLY ADAPTED FOR VEHICLES; VEHICLE PASSENGER ACCOMMODATION NOT OTHERWISE PROVIDED FOR
- B60N2230/00—Communication or electronic aspects
- B60N2230/10—Wired data transmission
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60N—SEATS SPECIALLY ADAPTED FOR VEHICLES; VEHICLE PASSENGER ACCOMMODATION NOT OTHERWISE PROVIDED FOR
- B60N2230/00—Communication or electronic aspects
- B60N2230/20—Wireless data transmission
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Aviation & Aerospace Engineering (AREA)
- Transportation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Seats For Vehicles (AREA)
- Air Bags (AREA)
Abstract
本文中描述了用于提供乘员概况分析系统的各种系统和方法。一种用于对交通工具乘员进行概况分析的系统包括交通工具控制系统,该交通工具控制系统包括:传感器融合电路,耦合至安装在交通工具座位的多个传感器,该传感器融合电路用于:确定人类乘员在交通工具座位中就座;当确定人类乘员在交通工具座位中就座时,对该交通工具座位的靠背传感器布置和底座垫传感器布置进行采样,以获得靠背传感器数据和底座垫传感器数据;当确定人类乘员在交通工具座位中就座时,对高度传感器进行采样,以获得高度传感器值;以及从靠背传感器数据、底座垫传感器数据以及高度传感器数据来统计地判定该人类乘员是否匹配参考简档。
Description
优先权申请
本申请要求2017年9月21日提交的美国申请序列第15/271,959号的优先权的权益,该申请通过引用整体结合于此。
技术领域
本文中所描述的实施例总体上涉及交通工具控制系统,并且具体而言,涉及乘员概况分析系统。
背景技术
在许多交通工具中,可基于乘员检测系统来自动地配置各种安全性和便捷性系统。例如,可基于当前的驾驶员来调整驾驶员的座位。可基于当前驾驶员来配置对镜子、座位位置、加热和冷却设置、无线电设置等等的其他调整。交通工具的其他乘员也可拥有基于乘员的存在或乘员的其他特性而配置的安全性或便捷性选择。作为示例,可基于人是否处于由安全气囊保护的座位中来激活安全气囊。
附图说明
在附图中(这些附图不一定是按比例绘制的),相同的数字可描述不同视图中的类似的组件。具有不同的字母后缀的相同的数字可表示类似组件的不同实例。在所附附图的图中通过示例的方式而非限制性地图示出一些实施例,其中:
图1是图示出根据实施例的用于对交通工具乘员进行概况分析的系统的示意图;
图2是根据实施例的交通工具的示意性视图;
图3是根据实施例的交通工具座位和周围环境的示意性视图;
图4是图示出根据实施例的用于对乘员进行概况分析的过程中的数据和控制流的示图;
图5是图示出根据实施例的对乘员进行概况分析的过程的流程图;
图6是图示出根据实施例的对交通工具乘员进行概况分析的方法的流程图;以及
图7是图示出根据示例实施例的示例机器的框图,可对该示例机器执行本文中所讨论的技术(例如,方法)中的任何一种或多种。
具体实施方式
在下列描述中,出于解释的目的,阐述了众多具体细节,以便提供对一些示例实施例的全面理解。然而,对本领域技术人员将显而易见的是,可在没有这些具体细节的情况下实施本公开。
本文中所描述的系统和方法提供了一种乘员概况分析系统。为了针对特定的人恰当地配置交通工具,应当首先以某个置信度水平来标识该人。在不具有此种阈值操作的情况下,被设计成是便捷性和安全性特征的部分变成交通工具驾驶员或乘员的负担。所需要的是用于准确地标识交通工具乘员的机制。
本公开包含被设计成用于交通工具的乘员概况分析系统,该交通工具诸如,汽车、厢式货车、公共汽车、飞机、船等。该系统可对交通工具乘员进行分类或标识。该系统可与其他交通工具系统结合使用以配置各种交通工具子系统。例如,可配置个性化的驾驶员设置。可基于所标识的人来改变座位高度、镜子位置、气候控制和其他设置。可基于其他乘员来配置附加子系统。例如,当儿童在前排座位时,可重新配置安全气囊系统的操作,以将儿童的体型或重量考虑在内。作为另一示例,乘员的数量和分类(例如,成人或儿童)可被确定并用于确定最佳安全性系统配置,诸如,安全带张紧程度和位置、安全气囊激活定时或者其他主动和被动安全性措施。可利用由乘员概况分析系统获得的信息来实现的其他操作包括但不限于,实时采集每个乘客简档、在旅程之前标识与乘客安全性相关的风险、提供对抗进入交通工具中的入侵的安保措施、驾驶设置和安全性系统的个性化、以及记录每一个经授权驾驶员的交通工具使用。
图1是图示出根据实施例的用于对交通工具乘员进行概况分析的系统100的示意图。图1包括经由网络106通信地耦合的交通工具控制系统102和交通工具104。
交通工具104可以是任何类型的交通工具,诸如,商用交通工具、消费者交通工具或娱乐交通工具。交通工具104包括机载诊断系统,以记录交通工具操作和交通工具性能、维护或状态的其他方面。交通工具104还可包括各种其他传感器,诸如驾驶员标识传感器(例如,座椅传感器、眼睛跟踪和标识传感器、指纹扫描仪、语音识别模块等等)、乘员传感器、或者用于检测风速、室外温度、气压计压力、雨水/湿度等等的各种环境传感器。
网络106可包括局域网(LAN)、广域网(WAN)、无线网络(例如,802.11或蜂窝网络)、公共交换电话网(PSTN)网络、自组织网络、个域网(例如,蓝牙)、或网络协议和网络类型的其他组合或排列。网络106可包括单个局域网(LAN)或广域网(WAN)、或者LAN或WAN的组合(诸如,因特网)。耦合至网络106的各种设备(例如,交通工具控制系统102和交通工具104)可经由一个或多个有线或无线连接耦合至网络106。网络106还可包括交通工具中网络,诸如,机载诊断网络(例如,OBD II)、CAN总线、蓝牙(IEEE 802.15.1)、或者其他交通工具中的短程的小区域或个人网络。
交通工具控制系统102可与安装在交通工具104中或其周围的各种传感器对接。传感器包括但不限于压力传感器、光学传感器、超声传感器等等。传感器可被安装在交通工具104中的座垫、座位靠背、头枕、顶篷、仪表板或其他位置中。交通工具控制系统102还可与交通工具中信息娱乐系统对接,以向交通工具104的乘员提供信息并从该交通工具104的乘员接收输入。另外,交通工具控制系统102可与交通工具104的各子系统对接,这些子系统诸如,安全性子系统(例如,安全带系统、安全气囊系统、防抱死制动系统等)、安保子系统(例如,入侵者警报器)、配件系统(例如,座位位置控制器、音频系统控制器、气候控制等)、或遥测系统(例如,导航系统)。交通工具控制系统102可被设置在交通工具104中,或者诸如例如移动电话、远程服务器系统、可穿戴设备或钥匙坠之类的分开的系统中。
出于乘员检测和标识的目的,交通工具控制系统102包括相机阵列接口106、图像处理器108、传感器融合电路110以及通信系统112。相机阵列接口106从安装在交通工具104中的一个或多个相机接收数据。相机可被安装以使得每个相机被定向成朝向交通工具104的一个座位,或者多个座位可以在单个相机的框架内以使得存在的所使用的相机少于存在的座位。相机阵列接口106用于判定人是否正坐在特定位置中。相机阵列接口106可将信息传递至图像处理器108,以对由相机阵列接口106从相机获取的一个或多个图像或者视频帧执行图像分析。在本系统中,图像处理器108用于判定人是否处于座位中,但是不用于确定人的身份。因此,图像处理器108可执行面部检测(例如,是否存在任何面部),这是比面部识别(例如,通过他们的面部来标识特定的人)计算上成本更低的操作。
当人被检测为正处于特定座位中时,传感器融合电路110用于从该特定座位获取座位传感器数据。传感器可被并入到座位的底座和座位的靠背中。由此,座位传感器数据包括两个组分:底座垫传感器值和靠背传感器值。传感器融合电路110还可从高度检测器获取数据。高度检测器可位于特定座位上方。可使用多个高度检测器,例如,针对交通工具104中的每个座位使用一个高度检测器。另外,每一个座位可使用多个高度检测器。例如,高度检测器可以是在座位处于中间位置(例如,不滑动到极端向前或向后方的位置)时定位在座位上方的超声传感器。当向前或向后移动座位时,高度检测器与人的头顶成一定角度,可能不那么准确。由此,可使用多个高度检测器,以使得在座位被向前设置时使用向前定位的高度检测器,并且在座位被向后设置时使用向后方定位的高度检测器。可使用附加的或替代的高度检测器位置(例如,用于像处于轿车后排的那些座位之类的静止座位的一个高度检测器、以及用于像处于轿车前排的那些座位之类的可移动座位的多个高度检测器)。通过使用座位传感器数据和高度检测器数据,传感器融合电路110能够确定对人的可能的标识。
因此,在实施例中,用于对交通工具乘员进行概况分析的系统包括交通工具控制系统102,该交通工具控制系统102可包括耦合至安装在交通工具座位的多个传感器的传感器融合电路110,该传感器融合电路110用于确定人类乘员在交通工具座位中就座。在实施例中,为了确定人类乘员在交通工具座位中就座,传感器融合电路110用于与图像处理器108对接,图像处理器108耦合至相机阵列接口106并且可操作以获取交通工具座位的图像并对该图像使用面部检测过程,以判定在该图像中是否存在面部。在进一步的实施例中,图像处理器108用于在底座垫传感器数据指示超过阈值的重量在交通工具座位上时有条件地使用面部检测过程。
传感器融合电路110可进一步可操作以在确定人类乘员在交通工具座位中就座时对交通工具座位的靠背传感器布置和底座垫传感器布置进行采样,从而获得靠背传感器数据和底座垫传感器数据。
传感器融合电路110可进一步可操作以在确定人类乘员在交通工具座位中就座时对高度传感器进行采样,从而获得高度传感器值。在实施例中,高度传感器包括超声传感器。在实施例中,高度传感器值包括高度传感器与人类乘员的上部之间的距离。
传感器融合电路110可进一步可操作以从靠背传感器数据、底座垫传感器数据和高度传感器数据来统计地判定人类乘员是否匹配参考简档。
在实施例中,参考简档包括参考靠背传感器数据集、参考底座垫传感器数据集以及参考高度传感器数据集。在此类实施例中,为了统计地判定人类乘员是否匹配参考简档,传感器融合电路110用于获得指示靠背传感器数据对应于参考靠背传感器数据集的可能性的靠背置信度值;获得指示底座垫传感器数据对应于参考底座垫传感器数据集的可能性的底座垫置信度值;获得指示座位高度传感器数据对应于参考高度传感器数据集的可能性的高度置信度值;并且对靠背置信度值、底座垫置信度值和高度置信度值进行聚合,以获得总置信度值。在实施例中,为了对靠背、底座垫和高度置信度值进行聚合,传感器融合电路110用于在加权函数中对靠背、底座垫和高度置信度值进行聚合。
在实施例中,靠背传感器数据包括对应于靠背传感器布置中的多个传感器的传感器值的集合。在进一步的实施例中,为了获得靠背置信度值,传感器融合电路110用于计算对应于靠背传感器布置中的多个传感器的传感器值的集合与对应于参考靠背传感器数据集的传感器值的集合的点积之和的总和,并且将该和的总和同对应于参考靠背传感器数据集的传感器值的集合与其自身的点积之和的总和进行比较。
在实施例中,底座垫传感器数据包括对应于底座垫传感器布置中的多个传感器的传感器值的集合。在进一步的实施例中,为了获得底座垫置信度值,传感器融合电路110用于计算对应于底座垫传感器布置中的多个传感器的传感器值的集合与对应于参考底座垫传感器数据集的传感器值的集合的点积之和的总和,并且将该和的总和同对应于参考底座垫传感器数据集的传感器值的集合与其自身的点积之和的总和进行比较。
在实施例中,为了获得高度置信度值,传感器融合电路110用于计算高度传感器数据与参考高度传感器数据的差,并使用该差来确定高度置信度值。
图2是根据实施例的交通工具104的示意性视图。图2中所图示的交通工具104是具有常规的五座布置(例如,两个前排斗式座位和能够容纳附加的三个人的后排长排座位)的轿车。具体而言,交通工具104包括驾驶员的座位200、前排乘客座位202、后排左侧座位204、后排中间座位206、以及后排右侧座位208。每个座位200-208包括安装在底座垫中的一组传感器和安装在靠背中的一组传感器。在图2所示出的示例中,传感器被布置为针对底座垫和靠背中的每一个的3x3的传感器矩阵。理解可在底座或靠背中、在一个座位相对于另一座位中、或者在其他配置或布置中使用更多或更少的传感器。
图3是根据实施例的交通工具座位和周围环境的示意性视图。图3中所图示的交通工具座位是驾驶员的座位300(例如,图2的驾驶员的座位200)。图3中图示出仅一个座位以简化讨论。理解附加座位可装配有类似的传感器,以及本文中所描述的系统和方法可利用此类类似地装配的座位来操作。
座位300包括底座垫传感器布置302和靠背传感器布置304。取决于所安装的传感器的数量,底座垫传感器布置302能以诸如3x3或4x4矩阵之类的模式来布置。该模式对于提供更精细的传感器签名而言可能是有用的。虽然不是最佳,但可以在底座垫传感器布置302中使用单个传感器。类似地,在靠背传感器布置304中,数个传感器能以诸如3x3、4x3、5x5或其他矩阵之类的模式来布置。而且,底座垫传感器布置302或靠背传感器布置304可使用非对称的传感器布置。
环境包括相机系统306,该相机系统306可包括一个或多个相机。相机系统306中的相机可包括可见光相机、红外相机、深度相机或其他成像机制。一个相机系统306可用于观察交通工具的所有乘员。替代地,可安装多个相机系统306以提供覆盖。
环境还包括一个或多个高度检测器308。对于每个就座位置,交通工具可包括至少一个高度检测器308。可使用各种技术来实现高度检测器308,这些技术包括但不限于,超声传感器、红外传感器、相机、雷达、基于光的雷达(例如,LIDAR)或其他距离测量机制。高度检测器308确定从安装点(例如,交通工具的顶篷)到处于高度检测器308下方的座位中的对象的顶部的距离。该距离用于确定座位中的对象的近似高度。
传感器融合电路310可被通信地耦合至底座垫传感器布置302中的传感器、靠背传感器布置304中的传感器、以及高度检测器308。可使用诸如CAN总线之类的有线总线或者诸如蓝牙网络之类的无线总线来连接传感器融合电路310。通过使用来自各传感器的值,传感器融合电路310将所测量的传感器值与参考值进行比较,以试图标识坐在特定座位中的人。
图4是图示出根据实施例的用于对乘员进行概况分析的过程中的数据和控制流的示图。在操作400处,数据和控制流启动,并且交通工具开始监视其环境。监视可至少部分地使用安装在该交通工具上或该交通工具中的传感器来实现。
如果座位被人占用(决定402),则从监视该座位的传感器收集传感器信息(操作404)。可使用相机(例如,利用面部检测)、底座垫座位传感器(例如,检测座位上的重量)或通过其他机制(例如,热传感器、音频感测等)来执行对座位是否被人占用的判定。在实施例中,占用检测利用两个操作来执行,第一操作用于检测座位上的重量,第二操作用于激活相机并执行面部检测。通过首先使用重量检测,面部检测的计算上更昂贵的操作可被避免。通过使用面部检测,系统能够肯定地判定人处于座位中,并且不仅仅是盒子或某个其他物体。
高度传感器数据、靠背座位数据以及底座垫座位数据用于构建坐在座位中的人的简档(操作406)。将该简档与参考简档进行比较(操作408),该参考简档可从简档数据库410访问。
参考简档是用于标识人的基线。当人首次使用系统时,可测量或初始化参考简档。例如,可由交通工具的娱乐信息系统指令人坐在舒适的、自然的位置中,在该点处,传感器融合电路(例如,电路310)可测量座位传感器和高度传感器数据,以构建针对该人的参考简档。然后在后来该人再次使用该交通工具时使用该参考简档。诸如当人增加或减轻重量、变老或以其他方式需要重新创建参考简档时,人可修订或替换参考简档。
如果处于座位中的人被识别(例如,简档与参考简档相关),则发起动作(操作412)。该动作可以具有各种类型,诸如将驾驶员控制设置为预设配置、调整气候控制、加载无线电台、激活或去激活安全气囊或其他约束系统、或者以其他方式配置交通工具。
图5是图示出根据实施例的对乘员进行概况分析的过程的流程图。在500处,执行面部检测。该操作的目的是检测存在人类乘员处的座位位置,以便避免冗余的处理。面部检测过程是计算上高成本的操作。因此,在一些实施例中,为了提高检测过程的整体效率,如果底座垫传感器、靠背传感器或高度检测器传感器指示空座位,则针对该特定座位的面部检测操作可被跳过,由此节省计算开销。
面部检测可包括若干子操作,这些子操作包括激活相机、使用相机来获取图像、对该图像执行面部检测、存储具有人类乘员的座位的索引、以及对相机进行去激活。交通工具的就座位置可被预配置并与索引相关联,诸如——0=驾驶员的座位,1=前排乘客座位,2=后排左侧座位,3=后排中央座位,并且4=后排右侧座位。
选择第一被占用的座位(操作502)。读取底座垫传感器布置的压力传感器并处理数据(操作504)。出于本讨论的目的,底座垫传感器布置将被称为底座垫矩阵(BCM)。如以上所讨论,BCM可以是传感器的任何布置,诸如,3x3矩阵、4x4矩阵等。注意,这些压力值可通过校准函数被转化为重量,这未在此处解释。
在说明性示例中,假定BCM被布置为每一个座位3x3传感器阵列。假定在每个座位中,参考简档对于每个乘员是可用的。例如,人“戴夫”可通过坐在交通工具中的每个座位中并为每个座位存储参考简档来校准系统。替代地,戴夫可仅为最频繁使用的座位存储参考简档,诸如例如,驾驶员的座位,如果戴夫独自生活或者仅由他自己兜风。
使表示针对某个用户n的BCM参考简档,其中,n是集合N的元素,集合N是对于该交通工具已知的所有用户的集合。在典型汽车中,n在范围[1,5]中。取决于进入交通工具的人数、交通工具中的座位的数量等,上限可以是更高的。按最大值对参考简档进行缩放,以将矩阵元素标准化为1。使Kij为乘员在被评估时所采样的BCM。同样,Kij的元素也被标准化为1。如等式1所示,使用点积之和来组合采样简档Kij和参考简档其中x和y是传感器矩阵中的行和列的上限。
等式1
在具有3x3矩阵的传感器的示例布置中,x和y将被设置为值2,以使得该和对于矩阵中的行和列中的每一个在范围[0,2]上进行迭代。理解可采用各种布置对传感器进行布置,以及x和y的值将基于该布置而被相应地调整。
操作504中的最后处理部分用于将所捕获的压力/重量测量与参考相关,以获得“相似度”。以上讨论了产生参考的初始化或校准。对于该示例,简单假定针对乘员的校准参考已经是可用的。
读取靠背传感器布置的压力传感器并处理数据(操作506)。出于本讨论的目的,靠背传感器布置将被称为靠背矩阵(BRM)。如以上所讨论,BRM可以是传感器的任何布置,诸如,3x3矩阵、4x4矩阵等。注意,这些压力值可通过校准函数被转化为重量,这未在此处解释。
对传感器值的处理类似于操作504中所描述的处理。然而,对于BRM,针对用户n的参考值由表示。当对BRM进行采样时,另一矩阵简档Lij被创建。和Lij中的每一个被标准化到1。如等式2所示,使用点积之和来组合采样简档和参考简档其中x和y是传感器矩阵中的行和列的上限。
等式2
在操作508处,捕获高度测量。该高度测量可通过测量人的头部的顶部与顶板(或传感器的位置)之间的距离被表示,并且对于本讨论被称为“HED”。该测量可使用超声传感器或其他类型的距离测量传感器来获得。
参考阵列Cn包括针对测试下的特定座位中的每个用户n的距离测量。使M表示在操作508处获得的所采样的距离测量。对于参考阵列Cn中的每个值可计算差阵列Wn。在对Wn的计算之前,可基于最大值(M,Cn)将M和Cn标准化到1。使用等式3来计算差阵列。
Wn=|M-Cn|
等式3
在操作510处,作出对标识乘员的尝试。在操作510中,计算针对每个座位/乘员分配场景的置信度值。存在贡献于置信度值的三个组分:BCM置信度(Cnf(BCM))、BRM置信度(Cnf(BRM))和HED置信度(Cnf(HED))。如等式4中所表达,在加权公式中组合针对BCM、BRM和HED中的每一个的置信度值。
Cnf(TOT)=K1Cnf(BCM)+K2Cnf(BRM)
+K3Cnf(HED)
等式4
系数K1、K2和K3提供了用于对性能进行调整并校准置信度输出的方式。典型地,这些系数全部相等,并且因为它们的和需要等于一,例如,K1=K2=K3=1/3。可针对特定的交通工具、乘员、传感器类型或其他特征来修改系数,以将测量、就座位置的变化或其他变量考虑在内。
对Cnf(BCM)和Cnf(BRM)的计算是类似的。对于Cnf(BMC),使用等式5来计算完美相关(例如,自相关(autocorrelation))情况,并且用于被分析的样本的BCM的置信度利用下文的等式6来表示。针对Cnf(BCM)的自相关情况为
等式5
,其中,x和y是传感器矩阵中的行和列的上限,并且置信度利用以下等式来表达
等式6
类似地,对于Cnf(BRM),自相关情况采用以下等式来表达
等式7
,其中,x和y是传感器矩阵中的行和列的上限,并且置信度利用以下等式来表达
等式8
例如,在对特定座位的首次使用期间,自相关值可由乘员初始化。系统可提示人坐在舒适的位置中,随后对传感器值(高度、座位等)进行采样并创建值的基线集。可进行若干次测量,并对这些测量求平均。当人改变座位位置(例如,升高或降低座位、斜倚或向前/向后移动座位等)时,系统可请求该人创建新的座位位置中的值的新的基线集。类似地,如果人的物理属性改变(例如,变老、增加/减轻重量),则该人可发起新的基线初始化程序。此类重新初始化对于随着儿童成长、随着成人减轻体重、或者其他类似情形可能是有用的。针对所有用户的自相关值可被存储,以用于在执行以上所讨论的操作时更容易的访问。
对于处于特定座位中的乘员n,利用等式9来确定对Cnf(HED)的计算。对于不同的座位,使用针对该座位所测量的距离度量来执行对等式9的同一计算。由此,利用以下等式来计算高度测量的置信度
Cnf(HED)n=1-Wn
等式9
在操作512处,判定是否已经处理所有被占用的座位。如果是,则过程结束。否则,过程移动到操作514,其中,对下一被占用的座位进行分析,并且操作504-510被执行。
作为说明性示例,假定该交通工具存在三个经常的乘员。在该示例中,N=3。每个乘员具有代表性的BCM参考简档。在根据上文的操作504中,来自集合N的用户n的所采样的简档为Kij,并且与每个乘员简档一起使用,以根据等式1来计算对应的Un。每个Un随后在等式6中被使用,以针对N={1,2,3}中的每个n来确定当前采样简档是否为乘员简档的置信度。
类似地,每个乘员具有代表性的BRM参考简档。在根据上文的操作506中,所采样的简档Lij与每个乘员简档一起使用,以根据等式2来计算对应的Vn。每个Vn随后在等式8中被使用,以针对N={1,2,3}中的每个n来确定当前采样简档是否为乘员简档的置信度。
随后对BCM、BRM和HED的置信度进行聚合,以确定被分析的所采样的乘员是集合N的特定用户n的总置信度(等式4)。具有最高总置信度值的参考简档随后被推断为是最可能在交通工具座位中就座的人。
图6是图示出根据实施例的对交通工具乘员进行概况分析的方法600的流程图。在框602处,确定人类乘员在交通工具座位中就座。在实施例中,确定人类乘员在交通工具座位中就座包括获取该交通工具座位的图像,并对该图像使用面部检测过程来判定该图像中是否存在面部。使用面部检测比使用面部识别在计算上成本更低。然而,仍然存在计算成本。由此,在一些实现方式中,根据某种前置条件来有条件地执行图像分析,诸如使用座位中的重量传感器来判定座位中是否存在任何东西。因此,在进一步的实施例中,方法600包括在底座垫传感器数据指示超过阈值的重量在交通工具座位上时有条件地使用面部检测过程。该阈值重量可以是用户定义的。在示例中,阈值重量可以是20磅,这对应于在汽车座位中至少是婴儿。出于该分析起见,称重小于阈值重量的对象可被忽视,并且假定不是人。
在框604处,在确定人类乘员在交通工具座位中就座时,传感器融合电路对交通工具座位的靠背传感器布置和底座垫传感器布置进行采样,以获得靠背传感器数据和底座垫传感器数据。靠背传感器布置可以是网格或矩阵布置或任何数量的行和列,诸如,3x3、4x4、2x4或5x4传感器布置。类似地,底座垫传感器布置可在该布置中使用任何数量的行或列来布置为网格或矩阵。底座垫传感器被布置在交通工具座位的底部或基本上水平的部分上,并且靠背传感器被布置在交通工具座位的背部或基本上垂直的部分上。
在框606处,当确定人类乘员在交通工具座位中就座时,传感器融合电路对高度传感器进行采样,以获得高度传感器值。在实施例中,高度传感器包括超声传感器。也可使用诸如红外传感器之类的其他类型的传感器。在实施例中,高度传感器值包括高度传感器与人类乘员的上部之间的距离。
在框608处,从靠背传感器数据、底座垫传感器数据和高度传感器数据来统计地判定人类乘员是否匹配参考简档。
在实施例中,参考简档包括参考靠背传感器数据集、参考底座垫传感器数据集以及参考高度传感器数据集。在此类实施例中,统计地判定人类乘员是否匹配参考简档包括:1)获得指示靠背传感器数据对应于参考靠背传感器数据集的可能性的靠背置信度值;2)获得指示底座垫传感器数据对应于参考底座垫传感器数据集的可能性的底座垫置信度值;3)获得指示座位高度传感器数据对应于参考高度传感器数据集的可能性的高度置信度值;以及4)对靠背置信度值、底座垫置信度值和高度置信度值进行聚合,以获得总置信度值。
在实施例中,靠背传感器数据包括对应于靠背传感器布置中的多个传感器的传感器值的集合。在进一步的实施例中,获得靠背置信度值包括:计算对应于靠背传感器布置中的多个传感器的传感器值的集合与对应于参考靠背传感器数据集的传感器值的集合的点积之和的总和,并且将该和的总和同对应于参考靠背传感器数据集的传感器值的集合与其自身的点积之和的总和进行比较。示例在以上等式2、7和8中进行说明。
在实施例中,底座垫传感器数据包括对应于底座垫传感器布置中的多个传感器的传感器值的集合。在进一步的实施例中,获得底座垫置信度值包括:计算对应于底座垫传感器布置中的多个传感器的传感器值的集合与对应于参考底座垫传感器数据集的传感器值的集合的点积之和的总和,并且将该和的总和同对应于参考底座垫传感器数据集的传感器值的集合与其自身的点积之和的总和进行比较。示例在以上等式1、5和6中进行说明。
在实施例中,获得高度置信度值包括计算高度传感器数据与参考高度传感器数据的差,并且使用该差来确定高度置信度值。示例在以上等式3和9中进行说明。
在实施例中,对靠背、底座垫和高度置信度值进行聚合包括在加权函数中对靠背、底座垫和高度置信度值进行聚合。示例在以上等式4中进行说明。
各实施例能以硬件、固件和软件中的一者或其组合实现。实施例也可被实现为存储在机器可读存储设备上的指令,这些指令可由至少一个处理器读取并执行,以执行本文中所描述的操作。机器可读存储设备可包括用于以可由机器(例如,计算机)读取的形式存储信息的任何非瞬态机制。例如,机器可读存储设备可包括只读存储器(ROM)、随机存取存储器(RAM)、磁盘存储介质、光存储介质、闪存设备、以及其他存储设备和介质。
处理器子系统可用于执行机器可读介质上的指令。处理器子系统可以包括一个或多个处理器,每个处理器具有一个或多个核。另外,处理器子系统可被设置在一个或多个物理设备上。处理器子系统可包括一个或多个专用处理器,诸如图形处理单元(GPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)或固定功能处理器。
如本文中所描述的示例可包括逻辑或者数个组件、模块或机制,或可在逻辑或者数个组件、模块或机制上进行操作。模块可以是通信地耦合至一个或多个处理器以实现本文中所描述的操作的硬件、软件或固件。模块可以是硬件模块,并且由此,模块可被认为是能够执行指定操作的有形实体且可按某种方式来配置或布置。在示例中,能以指定的方式将电路(例如,内部地或者相对于诸如其他电路之类的外部实体)布置为模块。在示例中,一个或多个计算机系统(例如,独立的客户机或服务器计算机系统)或一个或多个硬件处理器的全部或部分可由固件或软件(例如,指令、应用部分、或者应用)配置为操作用于执行规定操作的模块。在示例中,软件可驻留在机器可读介质上。在示例中,软件在由模块的底层硬件执行时,使得该硬件执行指定的操作。因此,术语硬件模块被理解为涵盖有形实体,该有形实体是被物理地构造、具体地配置(例如,硬连线)、或者临时地(例如,瞬态地)配置(例如,编程)成以指定的方式操作或者执行本文中所描述的任何操作的部分或全部的实体。考虑到其中临时配置模块的示例,这些模块中的每一个不需要在任何一个时刻进行实例化。例如,在模块包括使用软件而配置的通用硬件处理器的情况下,通用硬件处理器可以在不同时间被配置为相应的不同模块。软件可相应地配置硬件处理器,例如以便在一个时间实例处构造特定的模块,并且在不同的时间实例处构造不同的模块。各模块也可以是软件或固件模块,这些模块操作以执行本文中所描述的方法。
图7是图示出根据示例实施例的以计算机系统700的示例形式的机器的框图,在该机器内可执行指令集合或指令序列以使该机器执行本文中所讨论的方法中的任何一种。在替代实施例中,该机器作为独立设备进行操作,或可被连接(例如,联网)到其他机器。在联网的部署中,该机器可在服务器-客户机网络环境中作为服务器或客户机来进行操作,或者其可在对等(或分布式)网络环境中充当对等机。该机器可以是交通工具机载系统、机顶盒、可穿戴设备、个人计算机(PC)、平板PC、混合平板、个人数字助理(PDA)、移动电话、或能够执行指定将由该机器采取的动作的指令(顺序的或以其他方式)的任何机器。此外,虽然仅图示出单个机器,但是,术语“机器”也应当认为包括单独地或联合地执行一组(或多组)指令以执行本文中所讨论的方法中的任何一种或更多种方法的机器的任何集合。类似地,术语“基于处理器的系统”应当认为包括由处理器(例如,计算机)控制或操作以单独地或联合地执行指令来执行本文中所讨论的方法中的任何一种或多种方法的一个或多个机器的任何集合。
示例计算机系统700包括至少一个处理器702(例如,中央处理单元(CPU)、图形处理单元(GPU)或这两者、处理器核、计算节点等)、主存储器704和静态存储器706,这些组件经由链路708(例如,总线)彼此通信。计算机系统700可进一步包括视频显示单元710、字母数字输入设备712(例如,键盘)、以及用户界面(UI)导航设备714(例如,鼠标)。在一个实施例中,视频显示单元710、输入设备712和UI导航设备714被并入到触屏显示器中。计算机系统700可附加地包括存储设备716(例如,驱动单元)、信号生成设备718(例如,扬声器)、网络接口设备720、以及一个或多个传感器(未示出),该传感器诸如全球定位系统(GPS)传感器、罗盘、加速度计或其他传感器。
存储设备716包括机器可读介质722,在该机器可读介质722上存储有一组或多组数据结构和指令724(例如,软件),这些数据结构和指令具体化本文中所描述的方法或功能中的一者或多者,或者由本文中所描述的方法或功能中的一者或多者利用。在由计算机系统700执行指令724期间,指令724也可完全地或至少部分地驻留在主存储器704、静态存储器706内,和/或驻留在处理器702内,主存储器704、静态存储器706和处理器702也构成机器可读介质。
虽然机器可读介质722在示例实施例中被图示为单个介质,但术语“机器可读介质”可包括存储一个或多个指令724的单个介质或多个介质(例如,集中式或分布式数据库和/或相关联的高速缓存和服务器)。术语“机器可读介质”也应当被认为包括任何有形介质,该有形介质能够存储、编码或携带由机器执行并且使机器执行本公开的任何一种或多种方法的指令,或者能够储存、编码或携带由此类指令利用或与此类指令相关联的数据结构。术语“机器可读介质”应当相应地被认为包括但不限于:固态存储器以及光和磁介质。机器可读介质的特定示例包括非易失性存储器,作为示例,包括但不限于:半导体存储器设备(例如,电可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)和闪存设备;诸如内部硬盘及可移动盘之类的磁盘;磁光盘;以及CD-ROM和DVD-ROM盘。
可使用传输介质,经由网络接口设备720,利用数个公知的传输协议中的任何一种协议(例如,HTTP),进一步在通信网络726上传送或接收指令724。通信网络的示例包括:局域网(LAN)、广域网(WAN)、因特网、移动电话网络、普通老式电话(POTS)网络及无线数据网络(例如,Wi-Fi、3G及4G LTE/LTE-A或WiMAX网络)。术语“传输介质”应当被认为包括能够存储、编码或携带由机器执行的指令的任何无形的介质,并且包括用于促进此类软件的通信的数字或模拟通信信号或者其他无形的介质。
附加注释和示例:
示例1是一种用于对交通工具乘员进行概况分析的系统,该系统包括:交通工具控制系统,该交通工具控制系统包括:传感器融合电路,耦合至安装在交通工具座位的多个传感器,该传感器融合电路用于:确定人类乘员在交通工具座位中就座;当确定人类乘员在交通工具座位中就座时,对该交通工具座位的靠背传感器布置和底座垫传感器布置进行采样,以获得靠背传感器数据和底座垫传感器数据;当确定人类乘员在交通工具座位中就座时,对高度传感器进行采样,以获得高度传感器值;以及从靠背传感器数据、底座垫传感器数据以及高度传感器数据来统计地判定该人类乘员是否匹配参考简档。
在示例2中,如示例1所述的主题任选地包括:其中,为了确定人类乘员在交通工具座位中就座,传感器融合电路用于:与图像处理器对接,该图像处理器耦合至相机阵列接口并且可操作以:获得交通工具座位的图像;以及对该图像使用面部检测过程,以判定在该图像中是否存在面部。
在示例3中,如示例2所述的主题任选地包括:其中,图像处理器用于在底座垫传感器数据指示超过阈值重量的重量在交通工具座位上时有条件地使用面部检测过程。
在示例4中,如示例1-3中任何一项或多项所述的主题任选地包括:其中,高度传感器包括超声传感器。
在示例5中,如示例1-4中任何一项或多项所述的主题任选地包括:其中,高度传感器值包括高度传感器与人类乘员的上部之间的距离。
在示例6中,如示例1-5中任何一项或多项所述的主题任选地包括:其中,参考简档包括参考靠背传感器数据集、参考底座垫传感器数据集以及参考高度传感器数据集,并且其中,为了统计地判定人类乘员是否匹配参考简档,传感器融合电路用于:获得指示靠背传感器数据对应于参考靠背传感器数据集的可能性的靠背置信度值;获得指示底座垫传感器数据对应于参考底座垫传感器数据集的可能性的底座垫置信度值;获得指示座位高度传感器数据对应于参考高度传感器数据集的可能性的高度置信度值;以及对靠背置信度值、底座垫置信度值以及高度置信度值进行聚合,以获得总置信度值。
在示例7中,如示例6所述的主题任选地包括:其中,靠背传感器数据包括对应于靠背传感器布置中的多个传感器的传感器值的集合。
在示例8中,如示例7所述的主题任选地包括:其中,为了获得靠背置信度值,传感器融合电路用于:计算对应于靠背传感器布置中的多个传感器的传感器值的集合与对应于参考靠背传感器数据集的传感器值的集合的点积之和的总和;以及将该和的总和同对应于参考靠背传感器数据集的传感器值的集合与其自身的点积之和的总和进行比较。
在示例9中,如示例6-8中任何一项或多项所述的主题任选地包括:其中,底座垫传感器数据包括对应于底座垫传感器布置中的多个传感器的传感器值的集合。
在示例10中,如示例9所述的主题任选地包括:其中,为了获得底座垫置信度值,传感器融合电路用于:计算对应于底座垫传感器布置中的多个传感器的传感器值的集合与对应于参考底座垫传感器数据集的传感器值的集合的点积之和的总和;以及将该和的总和同对应于参考底座垫传感器数据集的传感器值的集合与其自身的点积之和的总和进行比较。
在示例11中,如示例6-10中任何一项或多项所述的主题任选地包括:其中,为了获得高度置信度值,传感器融合电路用于:计算高度传感器数据与参考高度传感器数据的差;以及使用该差来确定高度置信度值。
在示例12中,如示例1-11中任何一项或多项所述的主题任选地包括:其中,为了对靠背、底座垫以及高度置信度值进行聚合,传感器融合电路用于:在加权函数中对靠背、底座垫以及高度置信度值进行聚合。
示例13是一种用于对交通工具乘员进行概况分析的方法,该方法包括:确定人类乘员在交通工具座位中就座;当确定人类乘员在交通工具座位中就座时,在传感器融合电路处对该交通工具座位的靠背传感器布置和底座垫传感器布置进行采样,以获得靠背传感器数据和底座垫传感器数据;当确定人类乘员在交通工具座位中就座时,在传感器融合电路处对高度传感器进行采样,以获得高度传感器值;以及从靠背传感器数据、底座垫传感器数据以及高度传感器数据来统计地判定该人类乘员是否匹配参考简档。
在示例14中,如示例13所述的主题任选地包括:其中,确定人类乘员在交通工具座位中就座包括:获得该交通工具座位的图像;以及对该图像使用面部检测过程,以判定该图像中是否存在面部。
在示例15中,如示例14所述的主题任选地包括:当底座垫传感器数据指示超过阈值重量的重量在交通工具座位上时,有条件地使用面部检测过程。
在示例16中,如示例13-15中任何一项或多项所述的主题任选地包括:其中,高度传感器包括超声传感器。
在示例17中,如示例13-16中任何一项或多项所述的主题任选地包括:其中,高度传感器值包括高度传感器与人类乘员的上部之间的距离。
在示例18中,如示例13-17中任何一项或多项所述的主题任选地包括:其中,参考简档包括参考靠背传感器数据集、参考底座垫传感器数据集以及参考高度传感器数据集,并且其中,统计地判定人类乘员是否匹配参考简档包括:获得指示靠背传感器数据对应于参考靠背传感器数据集的可能性的靠背置信度值;获得指示底座垫传感器数据对应于参考底座垫传感器数据集的可能性的底座垫置信度值;获得指示座位高度传感器数据对应于参考高度传感器数据集的可能性的高度置信度值;以及对靠背置信度值、底座垫置信度值以及高度置信度值进行聚合,以获得总置信度值。
在示例19中,如示例18所述的主题任选地包括:其中,靠背传感器数据包括对应于靠背传感器布置中的多个传感器的传感器值的集合。
在示例20中,如示例19所述的主题任选地包括:其中,获得靠背置信度值包括:计算对应于靠背传感器布置中的多个传感器的传感器值的集合与对应于参考靠背传感器数据集的传感器值的集合的点积之和的总和;以及将该和的总和同对应于参考靠背传感器数据集的传感器值的集合与其自身的点积之和的总和进行比较。
在示例21中,如示例18-20中任何一项或多项所述的主题任选地包括:其中,底座垫传感器数据包括对应于底座垫传感器布置中的多个传感器的传感器值的集合。
在示例22中,如示例21所述的主题任选地包括:其中,获得底座垫置信度值包括:计算对应于底座垫传感器布置中的多个传感器的传感器值的集合与对应于参考底座垫传感器数据集的传感器值的集合的点积之和的总和;以及将该和的总和同对应于参考底座垫传感器数据集的传感器值的集合与其自身的点积之和的总和进行比较。
在示例23中,如示例18-22中任何一项或多项所述的主题任选地包括:其中,获得高度置信度值包括:计算高度传感器数据与参考高度传感器数据的差;以及使用该差来确定高度置信度值。
在示例24中,如示例13-23中任何一项或多项所述的主题任选地包括:其中,对靠背、底座垫以及高度置信度值进行聚合包括:在加权函数中对靠背、底座垫以及高度置信度值进行聚合。
示例25是包括指令的至少一种机器可读介质,这些指令在由机器执行时使该机器执行如示例13-24所述的方法中的任一项的操作。
示例26是一种设备,该设备包括用于执行如示例13-24所述的方法中的任一项的装置。
示例27是包括指令的至少一种机器可读介质,这些指令用于对交通工具乘员进行概况分析,这些指令在由机器执行时使得该机器:确定人类乘员在交通工具座位中就座;当确定人类乘员在交通工具座位中就座时,在传感器融合电路处对该交通工具座位的靠背传感器布置和底座垫传感器布置进行采样,以获得靠背传感器数据和底座垫传感器数据;当确定人类乘员在交通工具座位中就座时,在传感器融合电路处对高度传感器进行采样,以获得高度传感器值;以及从靠背传感器数据、底座垫传感器数据以及高度传感器数据来统计地判定该人类乘员是否匹配参考简档。
在示例28中,如示例27所述的主题任选地包括:其中,用于确定人类乘员在交通工具座位中就座的指令包括用于以下操作的指令:获得该交通工具座位的图像;以及对该图像使用面部检测过程,以判定该图像中是否存在面部。
在示例29中,如示例28所述的主题任选地包括用于在底座垫传感器数据指示超过阈值重量的重量在交通工具座位上时有条件地使用面部检测过程的指令。
在示例30中,如示例27-29中任何一项或多项所述的主题任选地包括:其中,高度传感器包括超声传感器。
在示例31中,如示例27-30中任何一项或多项所述的主题任选地包括:其中,高度传感器值包括高度传感器与人类乘员的上部之间的距离。
在示例32中,如示例27-31中任何一项或多项所述的主题任选地包括:其中,参考简档包括参考靠背传感器数据集、参考底座垫传感器数据集以及参考高度传感器数据集,并且其中,用于统计地判定人类乘员是否匹配参考简档的指令包括用于以下操作的指令:获得指示靠背传感器数据对应于参考靠背传感器数据集的可能性的靠背置信度值;获得指示底座垫传感器数据对应于参考底座垫传感器数据集的可能性的底座垫置信度值;获得指示座位高度传感器数据对应于参考高度传感器数据集的可能性的高度置信度值;以及对靠背置信度值、底座垫置信度值以及高度置信度值进行聚合,以获得总置信度值。
在示例33中,如示例32所述的主题任选地包括:其中,靠背传感器数据包括对应于靠背传感器布置中的多个传感器的传感器值的集合。
在示例34中,如示例33所述的主题任选地包括:其中,用于获得靠背置信度值的指令包括用于以下操作的指令:计算对应于靠背传感器布置中的多个传感器的传感器值的集合与对应于参考靠背传感器数据集的传感器值的集合的点积之和的总和;以及将该和的总和同对应于参考靠背传感器数据集的传感器值的集合与其自身的点积之和的总和进行比较。
在示例35中,如示例32-34中任何一项或多项所述的主题任选地包括:其中,底座垫传感器数据包括对应于底座垫传感器布置中的多个传感器的传感器值的集合。
在示例36中,如示例35所述的主题任选地包括:其中,用于获得底座垫置信度值的指令包括用于以下操作的指令:计算对应于底座垫传感器布置中的多个传感器的传感器值的集合与对应于参考底座垫传感器数据集的传感器值的集合的点积之和的总和;以及将该和的总和同对应于参考底座垫传感器数据集的传感器值的集合与其自身的点积之和的总和进行比较。
在示例37中,如示例32-36中任何一项或多项所述的主题任选地包括:其中,用于获得高度置信度值的指令包括用于以下操作的指令:计算高度传感器数据与参考高度传感器数据的差;以及使用该差来确定高度置信度值。
在示例38中,如示例27-37中任何一项或多项所述的主题任选地包括:其中,用于对靠背、底座垫以及高度置信度值进行聚合的指令包括用于以下操作的指令:在加权函数中对靠背、底座垫以及高度置信度值进行聚合。
示例39是一种用于对交通工具乘员进行概况分析的设备,该设备包括:用于确定人类乘员在交通工具座位中就座的装置;用于在确定人类乘员在交通工具座位中就座时在传感器融合电路处对该交通工具座位的靠背传感器布置和底座垫传感器布置进行采样以获得靠背传感器数据和底座垫传感器数据的装置;用于在确定人类乘员在交通工具座位中就座时在传感器融合电路处对高度传感器进行采样以获得高度传感器值的装置;以及用于从靠背传感器数据、底座垫传感器数据以及高度传感器数据来统计地判定该人类乘员是否匹配参考简档的装置。
在示例40中,如示例39所述的主题任选地包括:其中,确定人类乘员在交通工具座位中就座包括:用于获得该交通工具座位的图像的装置;以及用于对该图像使用面部检测过程以判定该图像中是否存在面部的装置。
在示例41中,如示例40所述的主题任选地包括用于在底座垫传感器数据指示超过阈值重量的重量在交通工具座位上时有条件地使用面部检测过程的装置。
在示例42中,如示例39-41中任何一项或多项所述的主题任选地包括:其中,高度传感器包括超声传感器。
在示例43中,如示例39-42中任何一项或多项所述的主题任选地包括:其中,高度传感器值包括高度传感器与人类乘员的上部之间的距离。
在示例44中,如示例39-43中任何一项或多项所述的主题任选地包括:其中,参考简档包括参考靠背传感器数据集、参考底座垫传感器数据集以及参考高度传感器数据集,并且其中,用于统计地判定人类乘员是否匹配参考简档的装置包括:用于获得指示靠背传感器数据对应于参考靠背传感器数据集的可能性的靠背置信度值的装置;用于获得指示底座垫传感器数据对应于参考底座垫传感器数据集的可能性的底座垫置信度值的装置;用于获得指示座位高度传感器数据对应于参考高度传感器数据集的可能性的高度置信度值的装置;以及用于对靠背置信度值、底座垫置信度值以及高度置信度值进行聚合以获得总置信度值的装置。
在示例45中,如示例44所述的主题任选地包括:其中,靠背传感器数据包括对应于靠背传感器布置中的多个传感器的传感器值的集合。
在示例46中,如示例45所述的主题任选地包括:其中,用于获得靠背置信度值的装置包括:用于计算对应于靠背传感器布置中的多个传感器的传感器值的集合与对应于参考靠背传感器数据集的传感器值的集合的点积之和的总和的装置;以及用于将该和的总和同对应于参考靠背传感器数据集的传感器值的集合与其自身的点积之和的总和进行比较的装置。
在示例47中,如示例44-46中任何一项或多项所述的主题任选地包括:其中,底座垫传感器数据包括对应于底座垫传感器布置中的多个传感器的传感器值的集合。
在示例48中,如示例47所述的主题任选地包括:其中,用于获得底座垫置信度值的装置包括:用于计算对应于底座垫传感器布置中的多个传感器的传感器值的集合与对应于参考底座垫传感器数据集的传感器值的集合的点积之和的总和的装置;以及用于将该和的总和同对应于参考底座垫传感器数据集的传感器值的集合与其自身的点积之和的总和进行比较的装置。
在示例49中,如示例44-48中任何一项或多项所述的主题任选地包括:其中,用于获得高度置信度值的装置包括:用于计算高度传感器数据与参考高度传感器数据的差的装置;以及用于使用该差来确定高度置信度值的装置。
在示例50中,如示例39-49中任何一项或多项所述的主题任选地包括:其中,用于对靠背、底座垫以及高度置信度值进行聚合的装置包括:用于在加权函数中对靠背、底座垫以及高度置信度值进行聚合的装置。
以上具体实施方式包括对附图的引用,附图形成具体实施方式的部分。附图通过例示方式示出可被实施的具体实施例。这些实施例在本文中也被称为“示例”。此类示例可包括除所示出或所描述的那些元素以外的元素。然而,还构想了包括所示出或所描述的元素的示例。而且,还构想了使用所示出或所描述的那些元素(或其一个或多个方面)的任何组合或排列的示例,或参照本文中所示出或所描述的特定示例(或其一个或多个方面),或参照本文中所示出或所描述的其他示例(或其一个或多个方面)。
在此文档中引用的出版物、专利和专利文档通过引用被整体结合在本文中,就好像通过引用单独地被结合那样。在本文档与通过引用结合在的那些文档之间不一致的用法的情况下,所结合的(多个)引用文档中的用法是对此文档的用法的补充;对于不可调和的不一致性,此文档中的用法占主导。
在此文档中,如在专利文档中常见的那样,使用术语“一(a或an)”以包括一个或多于一个,这独立于“至少一个”或“一个或多个”的任何其他实例或用法。在此文档中,使用术语“或”来指非排他性的或,使得除非另外指示,否则“A或B”包括“A但非B”、“B但非A”、以及“A和B”。在所附权利要求书中,术语“包括(including)”和“其中(in which)”被用作相应的术语“包括(comprising)”和“其中(wherein)”的普通英语等价词。此外,在所附权利要求书中,术语“包括”和“包含”是开放式的,也就是说,在权利要求中包括除此类术语之后列举的那些元件之外的元件的系统、设备、制品或过程仍被视为落在那项权利要求的范围内。此外,在所附权利要求书中,术语“第一”、“第二”和“第三”等仅被用作标记,并且不旨在表明对它们的对象的数字次序。
以上描述旨在是说明性的,而非限制性的。例如,可结合其他实施例来使用以上所描述的示例(或者其一个或多个方面)。也可使用诸如由本领域普通技术人员在仔细阅读以上描述之后实施的其他实施例。摘要允许读者快速地确定本技术公开的性质。提交该摘要应当理解,该摘要将不用于解释或限制权利要求的范围或含义。而且,在以上具体实施方式中,各种特征可共同成组以使本公开流畅。然而,权利要求可以不陈述本文中所公开的每一特征,因为实施例的特征可以是所述特征的子集。进一步地,实施例可包括比特定示例中所公开的那些特征更少的特征。因此,所附权利要求书由此被结合到具体实施方式中,一项权利要求作为单独的实施例而独立存在。本文中所公开的实施例的范围应当参照所附权利要求书连同此类权利要求所赋予权利的等价方案的完整范围来确定。
Claims (25)
1.一种用于对交通工具乘员进行概况分析的系统,所述系统包括:
交通工具控制系统,所述交通工具控制系统包括:
传感器融合电路,耦合至安装在交通工具座位的多个传感器,所述传感器融合电路用于:
确定人类乘员在所述交通工具座位中就座;
当确定所述人类乘员在所述交通工具座位中就座时,对所述交通工具座位的靠背传感器布置和底座垫传感器布置进行采样,以获得靠背传感器数据和底座垫传感器数据;
当确定所述人类乘员在所述交通工具座位中就座时,对高度传感器进行采样,以获得高度传感器数据;以及
从所述靠背传感器数据、所述底座垫传感器数据和所述高度传感器数据来统计地判定所述人类乘员是否匹配参考简档,所述参考简档用作标识所述人类乘员的基线。
2.如权利要求1所述的系统,其中,为了确定所述人类乘员在所述交通工具座位中就座,所述传感器融合电路用于:
与图像处理器对接,所述图像处理器耦合至相机阵列接口并且能操作以:
获得所述交通工具座位的图像;以及
对所述图像使用面部检测过程,以判定在所述图像中是否存在面部。
3.如权利要求2所述的系统,其中,所述图像处理器用于在所述底座垫传感器数据指示超过阈值重量的重量在所述交通工具座位上时有条件地使用所述面部检测过程。
4.如权利要求1所述的系统,其中,所述高度传感器包括超声传感器。
5.如权利要求1所述的系统,其中,所述高度传感器数据包括所述高度传感器与所述人类乘员的上部之间的距离。
6.如权利要求1所述的系统,其中,所述参考简档包括参考靠背传感器数据集、参考底座垫传感器数据集以及参考高度传感器数据集,并且其中,为了统计地判定所述人类乘员是否匹配所述参考简档,所述传感器融合电路用于:
获得指示所述靠背传感器数据对应于所述参考靠背传感器数据集的可能性的靠背置信度值;
获得指示所述底座垫传感器数据对应于所述参考底座垫传感器数据集的可能性的底座垫置信度值;
获得指示座位的所述高度传感器数据对应于所述参考高度传感器数据集的可能性的高度置信度值;以及
对所述靠背置信度值、所述底座垫置信度值以及所述高度置信度值进行聚合,以获得总置信度值。
7.如权利要求6所述的系统,其中,所述靠背传感器数据包括对应于所述靠背传感器布置中的多个传感器的传感器值的集合。
8. 如权利要求7所述的系统,其中,为了获得所述靠背置信度值,所述传感器融合电路用于:
计算对应于所述靠背传感器布置中的多个传感器的传感器值的集合与对应于所述参考靠背传感器数据集的传感器值的集合的点积之和的总和;以及
将所述和的总和同对应于所述参考靠背传感器数据集的传感器值的集合与其自身的点积之和的总和进行比较。
9.如权利要求6所述的系统,其中,所述底座垫传感器数据包括对应于所述底座垫传感器布置中的多个传感器的传感器值的集合。
10. 如权利要求9所述的系统,其中,为了获得所述底座垫置信度值,所述传感器融合电路用于:
计算对应于所述底座垫传感器布置中的多个传感器的传感器值的集合与对应于所述参考底座垫传感器数据集的传感器值的集合的点积之和的总和;以及
将所述和的总和同对应于所述参考底座垫传感器数据集的传感器值的集合与其自身的点积之和的总和进行比较。
11. 如权利要求6所述的系统,其中,为了获得所述高度置信度值,所述传感器融合电路用于:
计算所述高度传感器数据与所述参考高度传感器数据的差;以及
使用所述差来确定所述高度置信度值。
12.如权利要求6所述的系统,其中,为了对所述靠背置信度值、所述底座垫置信度值以及所述高度置信度值进行聚合,所述传感器融合电路用于:
在加权函数中对所述靠背置信度值、所述底座垫置信度值以及所述高度置信度值进行聚合。
13.一种用于对交通工具乘员进行概况分析的方法,所述方法包括:
确定人类乘员在交通工具座位中就座;
当确定所述人类乘员在所述交通工具座位中就座时,在传感器融合电路处对所述交通工具座位的靠背传感器布置和底座垫传感器布置进行采样,以获得靠背传感器数据和底座垫传感器数据;
当确定所述人类乘员在所述交通工具座位中就座时,在所述传感器融合电路处对高度传感器进行采样,以获得高度传感器数据;以及
从所述靠背传感器数据、所述底座垫传感器数据和所述高度传感器数据来统计地判定所述人类乘员是否匹配参考简档,所述参考简档用作标识所述人类乘员的基线。
14. 如权利要求13所述的方法,其中,确定所述人类乘员在所述交通工具座位中就座包括:
获得所述交通工具座位的图像;以及
对所述图像使用面部检测过程,以判定在所述图像中是否存在面部。
15.如权利要求14所述的方法,进一步包括:当所述底座垫传感器数据指示超过阈值重量的重量在所述交通工具座位上时,有条件地使用所述面部检测过程。
16.如权利要求13所述的方法,其中,所述高度传感器包括超声传感器。
17.如权利要求13所述的方法,其中,所述高度传感器数据包括所述高度传感器与所述人类乘员的上部之间的距离。
18.如权利要求13所述的方法,其中,所述参考简档包括参考靠背传感器数据集、参考底座垫传感器数据集以及参考高度传感器数据集,并且其中,统计地判定所述人类乘员是否匹配所述参考简档包括:
获得指示所述靠背传感器数据对应于所述参考靠背传感器数据集的可能性的靠背置信度值;
获得指示所述底座垫传感器数据对应于所述参考底座垫传感器数据集的可能性的底座垫置信度值;
获得指示座位的所述高度传感器数据对应于所述参考高度传感器数据集的可能性的高度置信度值;以及
对所述靠背置信度值、所述底座垫置信度值以及所述高度置信度值进行聚合,以获得总置信度值。
19.如权利要求18所述的方法,其中,所述靠背传感器数据包括对应于所述靠背传感器布置中的多个传感器的传感器值的集合。
20. 如权利要求19所述的方法,其中,获得所述靠背置信度值包括:
计算对应于所述靠背传感器布置中的多个传感器的传感器值的集合与对应于所述参考靠背传感器数据集的传感器值的集合的点积之和的总和;以及
将所述和的总和同对应于所述参考靠背传感器数据集的传感器值的集合与其自身的点积之和的总和进行比较。
21.如权利要求18所述的方法,其中,所述底座垫传感器数据包括对应于所述底座垫传感器布置中的多个传感器的传感器值的集合。
22. 如权利要求21所述的方法,其中,获得所述底座垫置信度值包括:
计算对应于所述底座垫传感器布置中的多个传感器的传感器值的集合与对应于所述参考底座垫传感器数据集的传感器值的集合的点积之和的总和;以及
将所述和的总和同对应于所述参考底座垫传感器数据集的传感器值的集合与其自身的点积之和的总和进行比较。
23. 如权利要求18所述的方法,其中,获得所述高度置信度值包括:
计算所述高度传感器数据与所述参考高度传感器数据的差;以及
使用所述差来确定所述高度置信度值。
24.至少一种机器可读介质,包括指令,所述指令在由机器执行时使所述机器执行如权利要求13-23中所述的方法中的任一项的操作。
25.一种用于对交通工具乘员进行概况分析的设备,所述设备包括:
用于确定人类乘员在交通工具座位中就座的装置;
用于在确定所述人类乘员在所述交通工具座位中就座时在传感器融合电路处对所述交通工具座位的靠背传感器布置和底座垫传感器布置进行采样以获得靠背传感器数据和底座垫传感器数据的装置;
用于在确定所述人类乘员在所述交通工具座位中就座时在所述传感器融合电路处对高度传感器进行采样以获得高度传感器数据的装置;以及
用于从所述靠背传感器数据、所述底座垫传感器数据和所述高度传感器数据来统计地判定所述人类乘员是否匹配参考简档的装置,所述参考简档用作标识所述人类乘员的基线。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/271,959 | 2016-09-21 | ||
US15/271,959 US10112505B2 (en) | 2016-09-21 | 2016-09-21 | Occupant profiling system |
PCT/US2017/051795 WO2018057422A1 (en) | 2016-09-21 | 2017-09-15 | Occupant profiling system |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109641562A CN109641562A (zh) | 2019-04-16 |
CN109641562B true CN109641562B (zh) | 2022-05-27 |
Family
ID=61617383
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780051354.0A Active CN109641562B (zh) | 2016-09-21 | 2017-09-15 | 乘员概况分析系统 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10112505B2 (zh) |
CN (1) | CN109641562B (zh) |
DE (1) | DE112017004754B4 (zh) |
WO (1) | WO2018057422A1 (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102452537B1 (ko) * | 2016-12-07 | 2022-10-07 | 현대자동차주식회사 | 체압 분포를 이용한 시트 평가 장치 및 방법 |
DE102017201965A1 (de) * | 2017-02-08 | 2018-08-09 | Robert Bosch Gmbh | Verfahren zur Erkennung einer Sitzbelegung |
US10640008B2 (en) * | 2017-10-03 | 2020-05-05 | Ford Global Technologies, Llc | Systems and methods for vehicle seat occupancy detection |
US10647282B2 (en) * | 2017-11-06 | 2020-05-12 | Magna Electronics Inc. | Vehicle vision system with undercarriage cameras |
CN111601736B (zh) | 2018-01-25 | 2022-06-28 | 三菱电机株式会社 | 乘客检测装置、乘客检测系统以及乘客检测方法 |
US11089636B2 (en) * | 2018-02-07 | 2021-08-10 | Moj.Io, Inc. | Vehicle-based wireless hotspot management |
WO2019180876A1 (ja) | 2018-03-22 | 2019-09-26 | 三菱電機株式会社 | 体格推定装置および体格推定方法 |
US20190322233A1 (en) * | 2018-04-24 | 2019-10-24 | Ford Global Technologies, Llc | Controlling Airbag Activation Status At A Motor Vehicle |
US11241934B2 (en) * | 2018-12-28 | 2022-02-08 | Intel Corporation | Techniques to optimize vehicular systems for occupant presence and condition |
US11543511B2 (en) * | 2019-03-11 | 2023-01-03 | Panasonic Intellectual Property Management Co., Ltd. | Radar apparatus and vehicle |
JP7289070B2 (ja) * | 2019-03-11 | 2023-06-09 | パナソニックIpマネジメント株式会社 | レーダー装置および車両 |
KR20210021797A (ko) * | 2019-08-19 | 2021-03-02 | 현대자동차주식회사 | 차량의 승객 탐지 장치 및 그 방법 |
EP3796209A1 (en) * | 2019-09-17 | 2021-03-24 | Aptiv Technologies Limited | Method and system for determining an activity of an occupant of a vehicle |
US20210346556A1 (en) * | 2020-05-07 | 2021-11-11 | Waymo Llc | Internal cleaning for autonomous vehicles |
AT523727B1 (de) * | 2020-08-18 | 2021-11-15 | Emotion3D Gmbh | Computerimplementiertes Verfahren zur Analyse des Innenraums eines Fahrzeugs |
KR20220071121A (ko) * | 2020-11-23 | 2022-05-31 | 주식회사 에이치엘클레무브 | 차량에서 도어 록을 활성화시키는 방법 및 시스템 |
US20220185069A1 (en) * | 2020-12-11 | 2022-06-16 | Lear Corporation | Vehicle zone heating system |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5670853A (en) * | 1994-12-06 | 1997-09-23 | Trw Vehicle Safety Systems Inc. | Method and apparatus for controlling vehicle occupant position |
US5848661A (en) * | 1996-10-22 | 1998-12-15 | Lear Corporation | Vehicle seat assembly including at least one occupant sensing system and method of making same |
CN1639705A (zh) * | 2001-10-31 | 2005-07-13 | 汽车系统实验室公司 | 乘车人安全检测系统 |
WO2005090118A1 (de) * | 2004-03-19 | 2005-09-29 | Robert Bosch Gmbh | Vorrichtung zur einstellung von sitzkomponenten |
CN101826121A (zh) * | 2008-11-12 | 2010-09-08 | 通用汽车环球科技运作公司 | 用于乘客的基于性能的分类方法和算法 |
CN101916323A (zh) * | 2008-11-12 | 2010-12-15 | 通用汽车环球科技运作公司 | 用于驾驶员的基于性能的分类方法和算法 |
CN103057503A (zh) * | 2013-01-11 | 2013-04-24 | 浙江吉利汽车研究院有限公司杭州分公司 | 一种智能气囊装置及其控制方法 |
CN204309734U (zh) * | 2014-11-21 | 2015-05-06 | 中国汽车技术研究中心 | 一种自动适应车内乘员类型的约束系统 |
CN105793116A (zh) * | 2013-12-20 | 2016-07-20 | 奥迪股份公司 | 用于运行汽车的方法和系统 |
Family Cites Families (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080234899A1 (en) * | 1992-05-05 | 2008-09-25 | Automotive Technologies International, Inc. | Vehicular Occupant Sensing and Component Control Techniques |
US6968263B1 (en) * | 1993-11-23 | 2005-11-22 | Peter Norton | Vehicle occupant presence and position sensing system |
US7766383B2 (en) * | 1998-11-17 | 2010-08-03 | Automotive Technologies International, Inc. | Vehicular component adjustment system and method |
US7359527B2 (en) * | 1995-06-07 | 2008-04-15 | Automotive Technologies International, Inc. | Combined occupant weight and spatial sensing in a vehicle |
US7762582B2 (en) * | 1995-06-07 | 2010-07-27 | Automotive Technologies International, Inc. | Vehicle component control based on occupant morphology |
US6345839B1 (en) * | 1997-01-13 | 2002-02-12 | Furukawa Electronics Co., Ltd. | Seat fitted with seating sensor, seating detector and air bag device |
US5954360A (en) | 1997-09-18 | 1999-09-21 | Breed Automotive Technology, Inc. | Vehicle occupant sensing apparatus and method |
EP1410955A3 (en) * | 1999-09-02 | 2006-03-29 | Honda elesys Co., Ltd. | Passenger detection system and detection method |
US6960841B2 (en) * | 1999-09-13 | 2005-11-01 | Honda Elesys Co., Ltd. | Passenger detection system and detection method |
DE10007014C2 (de) | 2000-02-16 | 2002-09-19 | Bosch Gmbh Robert | Verfahren und Vorrichtung zur Sitzbelegungserkennung |
JP2003040078A (ja) * | 2001-08-01 | 2003-02-13 | Denso Corp | エアバッグ作動制御システム |
DE10144878A1 (de) | 2001-09-12 | 2002-09-19 | Bosch Gmbh Robert | Insassenerkennungssystem |
JP2003252127A (ja) * | 2001-12-28 | 2003-09-10 | Pioneer Electronic Corp | 駆動制御装置および駆動制御方法 |
DE10246055A1 (de) * | 2002-10-02 | 2004-04-15 | Robert Bosch Gmbh | Vorrichtung zum Schutz von einem Fahrzeuginsassen |
KR20050027306A (ko) | 2003-09-15 | 2005-03-21 | 현대자동차주식회사 | 3차원 정보를 이용한 승객보호장치 및 그 제어방법 |
EP1870294B1 (en) * | 2006-06-23 | 2012-05-23 | Hitachi Computer Products (Europe) S.A.S. | Improved method using capacitive sensors for morphology discrimination of a passenger seating in an automotive seat |
DE102006038140A1 (de) | 2006-08-16 | 2008-02-21 | Siemens Ag | Detektionsvorrichtung und Detektionsverfahren zur Detektion von Fahrzeuginsassen in einem Kraftfahrzeug |
JP4922715B2 (ja) * | 2006-09-28 | 2012-04-25 | タカタ株式会社 | 乗員検出システム、警報システム、制動システム、車両 |
US20090289780A1 (en) * | 2008-05-21 | 2009-11-26 | Danette Sue Tenorio-Fox | SenCora print system |
US9511683B2 (en) * | 2010-08-25 | 2016-12-06 | GM Global Technology Operations LLC | Occupant recognition and verification system |
US20130030645A1 (en) * | 2011-07-28 | 2013-01-31 | Panasonic Corporation | Auto-control of vehicle infotainment system based on extracted characteristics of car occupants |
US9442888B2 (en) * | 2012-03-07 | 2016-09-13 | Zipcar, Inc. | Apparatus and methods for renting and controlling occupancy of a vehicle |
US9193359B2 (en) * | 2013-08-12 | 2015-11-24 | GM Global Technology Operations LLC | Vehicle systems and methods for identifying a driver |
US10007478B2 (en) * | 2015-06-26 | 2018-06-26 | Ford Global Technologies, Llc | System and methods for voice-controlled seat adjustment |
JP2017111469A (ja) * | 2015-12-14 | 2017-06-22 | 富士通株式会社 | 道路標識視認判定システム、道路標識視認判定方法、及びプログラム |
US10008058B2 (en) * | 2015-12-15 | 2018-06-26 | Continental Automotive Systems, Inc. | Vehicle garage door opener security |
US10632866B2 (en) * | 2016-06-03 | 2020-04-28 | Faurecia Automotive Seating, Llc | Movement system for a vehicle seat |
-
2016
- 2016-09-21 US US15/271,959 patent/US10112505B2/en active Active
-
2017
- 2017-09-15 DE DE112017004754.4T patent/DE112017004754B4/de active Active
- 2017-09-15 WO PCT/US2017/051795 patent/WO2018057422A1/en active Application Filing
- 2017-09-15 CN CN201780051354.0A patent/CN109641562B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5670853A (en) * | 1994-12-06 | 1997-09-23 | Trw Vehicle Safety Systems Inc. | Method and apparatus for controlling vehicle occupant position |
US5848661A (en) * | 1996-10-22 | 1998-12-15 | Lear Corporation | Vehicle seat assembly including at least one occupant sensing system and method of making same |
CN1639705A (zh) * | 2001-10-31 | 2005-07-13 | 汽车系统实验室公司 | 乘车人安全检测系统 |
WO2005090118A1 (de) * | 2004-03-19 | 2005-09-29 | Robert Bosch Gmbh | Vorrichtung zur einstellung von sitzkomponenten |
CN101826121A (zh) * | 2008-11-12 | 2010-09-08 | 通用汽车环球科技运作公司 | 用于乘客的基于性能的分类方法和算法 |
CN101916323A (zh) * | 2008-11-12 | 2010-12-15 | 通用汽车环球科技运作公司 | 用于驾驶员的基于性能的分类方法和算法 |
CN103057503A (zh) * | 2013-01-11 | 2013-04-24 | 浙江吉利汽车研究院有限公司杭州分公司 | 一种智能气囊装置及其控制方法 |
CN105793116A (zh) * | 2013-12-20 | 2016-07-20 | 奥迪股份公司 | 用于运行汽车的方法和系统 |
CN204309734U (zh) * | 2014-11-21 | 2015-05-06 | 中国汽车技术研究中心 | 一种自动适应车内乘员类型的约束系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109641562A (zh) | 2019-04-16 |
US10112505B2 (en) | 2018-10-30 |
DE112017004754T5 (de) | 2019-06-19 |
WO2018057422A1 (en) | 2018-03-29 |
US20180079322A1 (en) | 2018-03-22 |
DE112017004754B4 (de) | 2024-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109641562B (zh) | 乘员概况分析系统 | |
CN113556975B (zh) | 检测车辆中的对象并获得对象信息的系统、装置和方法 | |
EP3690720B1 (en) | Method and device for estimating height and weight of passengers using body part length and face information based on human's status recognition | |
US10949659B2 (en) | Vehicle occupant detection | |
US7477758B2 (en) | System and method for detecting objects in vehicular compartments | |
US7768380B2 (en) | Security system control for monitoring vehicular compartments | |
CN110435538A (zh) | 远程车辆空间感知通知系统 | |
US20070025597A1 (en) | Security system for monitoring vehicular compartments | |
US20070156317A1 (en) | System for Obtaining Information about Vehicular Components | |
US20070135984A1 (en) | Arrangement and Method for Obtaining Information Using Phase Difference of Modulated Illumination | |
SE523753C2 (sv) | Metod för att utveckla ett system för att identi fiera ett objekts närvaro och position i ett fordon | |
CN106467078B (zh) | 用于乘员高度的系统和方法 | |
US11794675B2 (en) | Technologies for using image analysis to facilitate adjustments of vehicle components | |
US20070168941A1 (en) | Subclass partitioning in a pattern recognition classifier system | |
CN114475511B (zh) | 基于视觉的气囊启动 | |
US11726651B2 (en) | Vehicle occupant detection system | |
EP3501886B1 (en) | Vehicle and method of associating vehicle settings with a user of the vehicle | |
US20060161321A1 (en) | Method and devcie for detecting the occupancy state of a seat | |
CN109948679A (zh) | 一种车辆座椅对象分类方法、装置及电子设备 | |
US12036894B2 (en) | Seat adjustment | |
CN115891895A (zh) | 增强的乘员碰撞安全性系统 | |
CN115703420A (zh) | 用于安全和定制应用的多模态乘员座位映射 | |
US20230342023A1 (en) | Vehicle occupant detection system | |
JP2024120207A (ja) | 警告装置 | |
CN117657060A (zh) | 用于个性化主动安全控制的方法及装置 |
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 |