CN111931621A - 一种基于人体识别的减轻交通事故的车窗系统及控制方法 - Google Patents
一种基于人体识别的减轻交通事故的车窗系统及控制方法 Download PDFInfo
- Publication number
- CN111931621A CN111931621A CN202010760012.XA CN202010760012A CN111931621A CN 111931621 A CN111931621 A CN 111931621A CN 202010760012 A CN202010760012 A CN 202010760012A CN 111931621 A CN111931621 A CN 111931621A
- Authority
- CN
- China
- Prior art keywords
- module
- window
- human body
- vehicle
- recognition
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 206010039203 Road traffic accident Diseases 0.000 title claims abstract description 33
- 238000009423 ventilation Methods 0.000 claims abstract description 78
- 238000012544 monitoring process Methods 0.000 claims abstract description 29
- 230000003139 buffering effect Effects 0.000 claims abstract description 6
- 239000013598 vector Substances 0.000 claims description 33
- 238000001914 filtration Methods 0.000 claims description 11
- 230000000116 mitigating effect Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 230000007246 mechanism Effects 0.000 claims description 6
- 238000013135 deep learning Methods 0.000 claims description 5
- 238000009499 grossing Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- B60R16/023—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 transmission of signals between vehicle parts or subsystems
- B60R16/0231—Circuits relating to the driving or the functioning of the vehicle
- B60R16/0232—Circuits relating to the driving or the functioning of the vehicle for measuring vehicle parameters and indicating critical, abnormal or dangerous conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
-
- 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
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Window Of Vehicle (AREA)
Abstract
本发明属于车窗技术领域,公开了一种基于人体识别的减轻交通事故的车窗系统及控制方法,所述基于人体识别的减轻交通事故的车窗系统包括:人体扫描模块、主控模块、车速监测模块、识别模块、缓冲模块、减速模块、通风模块、关闭模块、显示模块。本发明通过通风模块根据对应当前车速的通风模式自动调节各车窗的位置;从而,用户无需再通过多次操作来获得最合适的通风位置,提高了调节效率;同时,通过关闭模块对车内生命迹象进行检测,用以判断车内是否存在幼儿或者其他人员,从而能够根据车内有无人员来采取相应的车窗自动关闭策略,使得在保护用户财产的同时,避免安全事故发生。
Description
技术领域
本发明属于车窗技术领域,尤其涉及一种基于人体识别的减轻交通事故的车窗系统及控制方法。
背景技术
目前,电动车窗系统是由车窗,车窗升降器,电动机,继电器,开关等装置组成。一般的电动车窗系统都装有两套控制开关。一套装在仪表板或驾驶员侧车门扶手上,为主开关,它由驾驶员控制每个车窗的升降。另一套分别装在每一个乘客门上,为分开关,可由乘客进行操纵。一般在主开关上还装有断路开关,如果它断开,分开关就不起作用。然而,现有基于人体识别的减轻交通事故的车窗系统及方法通风操作率很低,用户可能需要花费很多时间调节电动车窗的位置才能获得满意的通风效果;同时,不能自动关闭车窗。
综上所述,现有技术存在的问题是:现有基于人体识别的减轻交通事故的车窗系统及方法通风操作率很低,用户可能需要花费很多时间调节电动车窗的位置才能获得满意的通风效果;同时,不能自动关闭车窗。
发明内容
针对现有技术存在的问题,本发明提供了一种基于人体识别的减轻交通事故的车窗系统及控制方法。
本发明是这样实现的,一种基于人体识别的减轻交通事故的车窗控制方法,其特征在于,所述基于人体识别的减轻交通事故的车窗控制方法,具体包括:
步骤一,通过人体扫描模块利用摄像扫描器对人体进行扫描采集人体图像,车速监测模块利用车速传感器监测车行驶速度数据;
步骤二,根据扫描采集人体图像和行驶速度数据,主控模块对数据进行处理分析,主控模块分别控制人体扫描模块、车速监测模块、识别模块、缓冲模块、减速模块、通风模块、关闭模块和显示模块各个模块的正常运行;
步骤三,主控模块控制识别模块利用识别程序根据人体图像识别人体信息;
步骤四,主控模块控制缓冲模块利用缓冲机构对碰撞进行缓冲;
步骤五,主控模块控制减速模块利用减速阀对车辆进行减速,通风模块控制车窗通风,关闭模块对车窗进行自动关闭操作;
步骤六,通过显示模块利用显示器显示扫描采集的人体图像、车速监测结果、识别结果;
根据人体图像识别人体信息,对人体进行识别的过程为:
(1)图像的提取;
对于图像,采用深度学习技术,训练神经网络识别,识别结果为类别概率序列(C1,P1),(C2,P2),……(Cn,Pn),所述类别概率序列按照概率排序,具体为P1≥P2≥……≥Pn;采用的神经网络有但不限于AlexNet,GoogLeNet,VGG, Inception,ResNet;
(2)图像识别,取前m项识别结果(C1,P1),(C2,P2),……(Cm,Pm) (m≤n),参与后续处理;
(3)采用向量近似度对图像识别结果进行过滤提升识别准确性:
记两个姿态向量V1,V2之间的近似度为dv1,v2;近似度越近,表示两个词意义越相近;对于每一个类别序列的姿态向量VCi,计算离VCi最近的姿态量序列的姿态向量Vnj,最近距离为dvci,nj;
(4)设定距离阈值t,当dvci,nj大于t时,表示dvci,nj大于t的类别与图像描述文本关联度低,丢弃该类别;
(5)余下的序列以最近距离为依据进行排序,最近距离小的类别排在前面,作为最终的图像识别结果;
所述人体扫描模块对采集的人体图像进行去噪过程为:
将采集的人体图像,建立相应的人体去噪集;在人体图像集中选择需要处理的去噪图像,确定相应的圆形邻域;
确定圆形邻域中的像素灰度值,并对像素灰度值进行排序;选择像素的中间值,作为该圆形邻域中的像素灰度值;
将重新确定的像素灰度值圆形邻域,在获取的人体图像中,按照顺序进行移动,利用中值滤波对图像进行平滑处理。
进一步,所述步骤(3)中,计算离VCi最近的姿态量序列的姿态向量Vnj,最近距离为dvci,nj,具体包括:
选择余弦距离方法或欧氏距离方法计算姿态向量间距离;姿态量序列 N1,N2,…Nk的姿态向量,记为Vn1,Vn2,…Vnk;假定候选结果Cm的姿态向量为Vcm;分别计算Vcm和Vn1,Vn2,…Vnk的距离,记为dvcm,n1,dvcm,n2,…,dvcm,nk;则,最近距离dvcm,vn=min(dvcm,n1,dvcm,n2,…,dvcm,nk)。
进一步,所述通风模块通风方法如下:
(1)通过车速传感器在确定用户调节车窗通风的需求后,获取车辆当前车速;
(2)在车辆当前车速未超过禁用车窗通风的速度阈值时,根据对应当前车速的通风模式调节各车窗的位置,所述通风模式为交叉开启不同侧的前后窗。
进一步,所述通过用户的相关按键操作来确定用户调节车窗通风的需求。
进一步,所述在车辆当前车速超过速度阈值时,关闭所有车窗。
进一步,所述通风模式包括:开启左前窗、右后窗并关闭右前窗和左后窗;根据对应当前车速的通风模式调节各车窗的位置,包括:获取通风模式中左前窗及右后窗的开启位置;以及,驱动左前窗及右后窗至相应开启位置。
进一步,所述关闭模块关闭方法如下:
1)通过检测器检测车辆是否熄火;在车辆熄火的情况下,检测车钥匙信号;在车钥匙信号离开汽车后,检测车窗是否关闭;
2)如果车窗未关闭,则T1时间后发送通知给用户;如果用户接收通知后不发出任何指示,则经过T2时间后再次检测车窗是否关闭;如果车窗仍未关闭,则检测车内生命迹象;
3)根据车内有无生命迹象,按照不同方式使车窗自动关闭。
进一步,所述根据车内有无生命迹象按照不同方式使车窗自动关闭的步骤进一步包括:当车内无生命迹象时,直接使车窗自动关闭;所述根据车内有无生命迹象按照不同方式使车窗自动关闭的步骤进一步包括:当车内有生命迹象时,按照用户预先的设置使车窗自动关闭,并发送通知给用户。
本发明另一目的在于提供一种实施所述的基于人体识别的减轻交通事故的车窗控制方法的基于人体识别的减轻交通事故的车窗系统,所述基于人体识别的减轻交通事故的车窗系统包括:
人体扫描模块,与主控模块连接,用于通过摄像扫描器对人体进行扫描采集人体图像;人体扫描模块对采集的人体图像进行去噪,将采集的人体图像,建立相应的人体去噪集;在人体图像集中选择需要处理的去噪图像,确定相应的圆形邻域;确定圆形邻域中的像素灰度值,并对像素灰度值进行排序;选择像素的中间值,作为该圆形邻域中的像素灰度值;将重新确定的像素灰度值圆形邻域,在获取的人体图像中,按照顺序进行移动,利用中值滤波对图像进行平滑处理;
主控模块,与人体扫描模块、车速监测模块、识别模块、缓冲模块、减速模块、通风模块、关闭模块、显示模块连接,用于通过主控器控制各个模块正常工作;
车速监测模块,与主控模块连接,用于通过车速传感器监测车行驶速度数据;
识别模块,与主控模块连接,用于通过识别程序根据人体图像识别人体信息;根据人体图像识别人体信息,对人体进行识别的过程图像的提取;
对于图像,采用深度学习技术,训练神经网络识别,识别结果为类别概率序列(C1,P1),(C2,P2),……(Cn,Pn),所述类别概率序列按照概率排序,具体为P1≥P2≥……≥Pn;采用的神经网络有但不限于AlexNet,GoogLeNet,VGG,Inception,ResNet;图像识别,取前m项识别结果(C1,P1),(C2,P2),…… (Cm,Pm)(m≤n),参与后续处理;采用向量近似度对图像识别结果进行过滤提升识别准确性:记两个姿态向量V1,V2之间的近似度为dv1,v2;近似度越近,表示两个词意义越相近;对于每一个类别序列的姿态向量VCi,计算离VCi最近的姿态量序列的姿态向量Vnj,最近距离为dvci,nj;设定距离阈值t,当dvci,nj大于t 时,表示dvci,nj大于t的类别与图像描述文本关联度低,丢弃该类别;余下的序列以最近距离为依据进行排序,最近距离小的类别排在前面,作为最终的图像识别结果。
进一步,所述基于人体识别的减轻交通事故的车窗系统还包括:
缓冲模块,与主控模块连接,用于通过缓冲机构对碰撞进行缓冲;
减速模块,与主控模块连接,用于通过减速阀对车辆进行减速;
通风模块,与主控模块连接,用于控制车窗通风;通过车速传感器在确定用户调节车窗通风的需求后,获取车辆当前车速;在车辆当前车速未超过禁用车窗通风的速度阈值时,根据对应当前车速的通风模式调节各车窗的位置,所述通风模式为交叉开启不同侧的前后窗;开启左前窗、右后窗并关闭右前窗和左后窗;根据对应当前车速的通风模式调节各车窗的位置,包括:获取通风模式中左前窗及右后窗的开启位置;以及,驱动左前窗及右后窗至相应开启位置;
关闭模块,与主控模块连接,用于对车窗进行自动关闭操作;通过检测器检测车辆是否熄火;在车辆熄火的情况下,检测车钥匙信号;在车钥匙信号离开汽车后,检测车窗是否关闭;如果车窗未关闭,则T1时间后发送通知给用户;如果用户接收通知后不发出任何指示,则经过T2时间后再次检测车窗是否关闭;如果车窗仍未关闭,则检测车内生命迹象;根据车内有无生命迹象,按照不同方式使车窗自动关闭;
显示模块,与主控模块连接,用于通过显示器显示扫描采集的人体图像、车速监测结果、识别结果。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:本发明通过通风模块首先通过对车速的检测来确定是否执行车窗通风操作;即,只有当前车速适合车窗通风操作时,才会开始调节各车窗的位置。从而,将例如高速行驶等不适宜进行车窗通风操作的情形在初期就禁用,避免引发安全隐患;当确定执行车窗通风操作时,根据对应当前车速的通风模式自动调节各车窗的位置;从而,用户无需再通过多次操作来获得最合适的通风位置,提高了调节效率;同时,通过关闭模块对车内生命迹象进行检测,用以判断车内是否存在幼儿或者其他人员,从而能够根据车内有无人员来采取相应的车窗自动关闭策略,使得在保护用户财产的同时,避免安全事故发生。本发明提供一种基于人体识别的减轻交通事故的车窗控制方法包括利用识别程序根据人体图像识别人体信息,具体包括:(1)图像的提取;(2)图像识别,取前m项识别结果(C1, P1),(C2,P2),……(Cm,Pm)(m≤n),参与后续处理;(3)采用向量近似度对图像识别结果进行过滤提升识别准确性:(4)设定距离阈值t,当dvci,nj大于t时,表示dvci,nj大于t的类别与图像描述文本关联度低,丢弃该类别;(5)余下的序列以最近距离为依据进行排序,最近距离小的类别排在前面,作为最终的图像识别结果;可提高图像识别准确度,为后序调整提供依据。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图做简单的介绍,显而易见地,下面所描述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的前提下还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的基于人体识别的减轻交通事故的车窗控制方法流程图。
图2是本发明实施例提供的基于人体识别的减轻交通事故的车窗系统结构框图。
图中:1、人体扫描模块;2、主控模块;3、车速监测模块;4、识别模块;5、缓冲模块;6、减速模块;7、通风模块;8、关闭模块;9、显示模块。
图3是本发明实施例提供的人体扫描模块对采集的人体图像进行去噪方法流程图。
图4是本发明实施例提供的通风模块通风方法流程图。
图5是本发明实施例提供的关闭模块关闭方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种基于人体识别的减轻交通事故的车窗系统及控制方法,下面结合附图对本发明作详细的描述。
本发明提供一种基于人体识别的减轻交通事故的车窗控制方法包括利用识别程序根据人体图像识别人体信息,具体包括:
(1)图像的提取;
对于图像,采用深度学习技术,训练神经网络识别,识别结果为类别概率序列(C1,P1),(C2,P2),……(Cn,Pn),所述类别概率序列按照概率排序,具体为P1≥P2≥……≥Pn;采用的神经网络有但不限于AlexNet,GoogLeNet,VGG, Inception,ResNet;
(2)图像识别,取前m项识别结果(C1,P1),(C2,P2),……(Cm,Pm) (m≤n),参与后续处理;
(3)采用向量近似度对图像识别结果进行过滤提升识别准确性:
记两个姿态向量V1,V2之间的近似度为dv1,v2;近似度越近,表示两个词意义越相近;对于每一个类别序列的姿态向量VCi,计算离VCi最近的姿态量序列的姿态向量Vnj,最近距离为dvci,nj;
(4)设定距离阈值t,当dvci,nj大于t时,表示dvci,nj大于t的类别与图像描述文本关联度低,丢弃该类别;
(5)余下的序列以最近距离为依据进行排序,最近距离小的类别排在前面,作为最终的图像识别结果;
步骤(3)中,计算离VCi最近的姿态量序列的姿态向量Vnj,最近距离为 dvci,nj,具体包括:
选择余弦距离方法或欧氏距离方法计算姿态向量间距离;姿态量序列 N1,N2,…Nk的姿态向量,记为Vn1,Vn2,…Vnk;假定候选结果Cm的姿态向量为Vcm;分别计算Vcm和Vn1,Vn2,…Vnk的距离,记为dvcm,n1,dvcm,n2,…,dvcm,nk;则,最近距离dvcm,vn=min(dvcm,n1,dvcm,n2,…,dvcm,nk)。
如图1,本发明提供的一种基于人体识别的减轻交通事故的车窗控制方法,具体包括以下步骤:
S101:通过人体扫描模块利用摄像扫描器对人体进行扫描采集人体图像,车速监测模块利用车速传感器监测车行驶速度数据;
S102:根据扫描采集人体图像和行驶速度数据,主控模块对数据进行处理分析,主控模块分别控制人体扫描模块、车速监测模块、识别模块、缓冲模块、减速模块、通风模块、关闭模块和显示模块各个模块的正常运行;
S103:主控模块控制识别模块利用识别程序根据人体图像识别人体信息;
S104:主控模块控制缓冲模块利用缓冲机构对碰撞进行缓冲;
S105:主控模块控制减速模块利用减速阀对车辆进行减速,通风模块控制车窗通风,关闭模块对车窗进行自动关闭操作;
S106:通过显示模块利用显示器显示扫描采集的人体图像、车速监测结果、识别结果。
如图2所示,本发明实施例提供的基于人体识别的减轻交通事故的车窗系统包括:人体扫描模块1、主控模块2、车速监测模块3、识别模块4、缓冲模块5、减速模块6、通风模块7、关闭模块8、显示模块9。
人体扫描模块1,与主控模块2连接,用于通过摄像扫描器对人体进行扫描采集人体图像;
主控模块2,与人体扫描模块1、车速监测模块3、识别模块4、缓冲模块5、减速模块6、通风模块7、关闭模块8、显示模块9连接,用于通过主控器控制各个模块正常工作;
车速监测模块3,与主控模块2连接,用于通过车速传感器监测车行驶速度数据;
识别模块4,与主控模块2连接,用于通过识别程序根据人体图像识别人体信息;
缓冲模块5,与主控模块2连接,用于通过缓冲机构对碰撞进行缓冲;
减速模块6,与主控模块2连接,用于通过减速阀对车辆进行减速;
通风模块7,与主控模块2连接,用于控制车窗通风;
关闭模块8,与主控模块2连接,用于对车窗进行自动关闭操作;
显示模块9,与主控模块2连接,用于通过显示器显示扫描采集的人体图像、车速监测结果、识别结果。
本发明提供的人体扫描模块1对采集的人体图像进行去噪过程为:
S201:将采集的人体图像,建立相应的人体去噪集;在人体图像集中选择需要处理的去噪图像,确定相应的圆形邻域;
S202:确定圆形邻域中的像素灰度值,并对像素灰度值进行排序;选择像素的中间值,作为该圆形邻域中的像素灰度值;
S203:将重新确定的像素灰度值圆形邻域,在获取的人体图像中,按照顺序进行移动,利用中值滤波对图像进行平滑处理。
本发明提供的通风模块7通风方法如下:
S301:通过车速传感器在确定用户调节车窗通风的需求后,获取车辆当前车速;
S302:在车辆当前车速未超过禁用车窗通风的速度阈值时,根据对应当前车速的通风模式调节各车窗的位置,所述通风模式为交叉开启不同侧的前后窗。
本发明提供的通过用户的相关按键操作来确定用户调节车窗通风的需求。
本发明提供的在车辆当前车速超过速度阈值时,关闭所有车窗。
本发明提供的通风模式包括:开启左前窗、右后窗并关闭右前窗和左后窗;根据对应当前车速的通风模式调节各车窗的位置,包括:获取通风模式中左前窗及右后窗的开启位置;以及,驱动左前窗及右后窗至相应开启位置。
本发明提供的关闭模块8关闭方法如下:
S401:通过检测器检测车辆是否熄火;在车辆熄火的情况下,检测车钥匙信号;在车钥匙信号离开汽车后,检测车窗是否关闭;
S402:如果车窗未关闭,则T1时间后发送通知给用户;如果用户接收通知后不发出任何指示,则经过T2时间后再次检测车窗是否关闭;如果车窗仍未关闭,则检测车内生命迹象;
S403:根据车内有无生命迹象,按照不同方式使车窗自动关闭。
本发明提供的根据车内有无生命迹象按照不同方式使车窗自动关闭的步骤进一步包括:当车内无生命迹象时,直接使车窗自动关闭;所述根据车内有无生命迹象按照不同方式使车窗自动关闭的步骤进一步包括:当车内有生命迹象时,按照用户预先的设置使车窗自动关闭,并发送通知给用户。
以上所述,仅为本发明的较优的具体的实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于人体识别的减轻交通事故的车窗控制方法,其特征在于,所述基于人体识别的减轻交通事故的车窗控制方法,具体包括:
步骤一,通过人体扫描模块利用摄像扫描器对人体进行扫描采集人体图像,车速监测模块利用车速传感器监测车行驶速度数据;
步骤二,根据扫描采集人体图像和行驶速度数据,主控模块对数据进行处理分析,主控模块分别控制人体扫描模块、车速监测模块、识别模块、缓冲模块、减速模块、通风模块、关闭模块和显示模块各个模块的正常运行;
步骤三,主控模块控制识别模块利用识别程序根据人体图像识别人体信息;
步骤四,主控模块控制缓冲模块利用缓冲机构对碰撞进行缓冲;
步骤五,主控模块控制减速模块利用减速阀对车辆进行减速,通风模块控制车窗通风,关闭模块对车窗进行自动关闭操作;
步骤六,通过显示模块利用显示器显示扫描采集的人体图像、车速监测结果、识别结果;
根据人体图像识别人体信息,对人体进行识别的过程为:
(1)图像的提取;
对于图像,采用深度学习技术,训练神经网络识别,识别结果为类别概率序列(C1,P1),(C2,P2),……(Cn,Pn),所述类别概率序列按照概率排序,具体为P1≥P2≥……≥Pn;采用的神经网络有但不限于AlexNet,GoogLeNet,VGG,Inception,ResNet;
(2)图像识别,取前m项识别结果(C1,P1),(C2,P2),……(Cm,Pm)(m≤n),参与后续处理;
(3)采用向量近似度对图像识别结果进行过滤提升识别准确性:
记两个姿态向量V1,V2之间的近似度为dv1,v2;近似度越近,表示两个词意义越相近;对于每一个类别序列的姿态向量VCi,计算离VCi最近的姿态量序列的姿态向量Vnj,最近距离为dvci,nj;
(4)设定距离阈值t,当dvci,nj大于t时,表示dvci,nj大于t的类别与图像描述文本关联度低,丢弃该类别;
(5)余下的序列以最近距离为依据进行排序,最近距离小的类别排在前面,作为最终的图像识别结果;
所述人体扫描模块对采集的人体图像进行去噪过程为:
将采集的人体图像,建立相应的人体去噪集;在人体图像集中选择需要处理的去噪图像,确定相应的圆形邻域;
确定圆形邻域中的像素灰度值,并对像素灰度值进行排序;选择像素的中间值,作为该圆形邻域中的像素灰度值;
将重新确定的像素灰度值圆形邻域,在获取的人体图像中,按照顺序进行移动,利用中值滤波对图像进行平滑处理。
2.如权利要求1所述基于人体识别的减轻交通事故的车窗控制方法,其特征在于,所述步骤(3)中,计算离VCi最近的姿态量序列的姿态向量Vnj,最近距离为dvci,nj,具体包括:
选择余弦距离方法或欧氏距离方法计算姿态向量间距离;姿态量序列N1,N2,…Nk的姿态向量,记为Vn1,Vn2,…Vnk;假定候选结果Cm的姿态向量为Vcm;分别计算Vcm和Vn1,Vn2,…Vnk的距离,记为dvcm,n1,dvcm,n2,…,dvcm,nk;则,最近距离dvcm,vn=min(dvcm,n1,dvcm,n2,…,dvcm,nk)。
3.如权利要求1所述基于人体识别的减轻交通事故的车窗控制方法,其特征在于,所述通风模块通风方法如下:
(1)通过车速传感器在确定用户调节车窗通风的需求后,获取车辆当前车速;
(2)在车辆当前车速未超过禁用车窗通风的速度阈值时,根据对应当前车速的通风模式调节各车窗的位置,所述通风模式为交叉开启不同侧的前后窗。
4.如权利要求3所述基于人体识别的减轻交通事故的车窗控制方法,其特征在于,所述通过用户的相关按键操作来确定用户调节车窗通风的需求。
5.如权利要求3所述基于人体识别的减轻交通事故的车窗控制方法,其特征在于,所述在车辆当前车速超过速度阈值时,关闭所有车窗。
6.如权利要求3所述基于人体识别的减轻交通事故的车窗控制方法,其特征在于,所述通风模式包括:开启左前窗、右后窗并关闭右前窗和左后窗;根据对应当前车速的通风模式调节各车窗的位置,包括:获取通风模式中左前窗及右后窗的开启位置;以及,驱动左前窗及右后窗至相应开启位置。
7.如权利要求1所述基于人体识别的减轻交通事故的车窗控制方法,其特征在于,所述关闭模块关闭方法如下:
1)通过检测器检测车辆是否熄火;在车辆熄火的情况下,检测车钥匙信号;在车钥匙信号离开汽车后,检测车窗是否关闭;
2)如果车窗未关闭,则T1时间后发送通知给用户;如果用户接收通知后不发出任何指示,则经过T2时间后再次检测车窗是否关闭;如果车窗仍未关闭,则检测车内生命迹象;
3)根据车内有无生命迹象,按照不同方式使车窗自动关闭。
8.如权利要求7所述基于人体识别的减轻交通事故的车窗控制方法,其特征在于,所述根据车内有无生命迹象按照不同方式使车窗自动关闭的步骤进一步包括:当车内无生命迹象时,直接使车窗自动关闭;所述根据车内有无生命迹象按照不同方式使车窗自动关闭的步骤进一步包括:当车内有生命迹象时,按照用户预先的设置使车窗自动关闭,并发送通知给用户。
9.一种实施如权利要求1-8所述的基于人体识别的减轻交通事故的车窗控制方法的基于人体识别的减轻交通事故的车窗系统,其特征在于,所述基于人体识别的减轻交通事故的车窗系统包括:
人体扫描模块,与主控模块连接,用于通过摄像扫描器对人体进行扫描采集人体图像;人体扫描模块对采集的人体图像进行去噪,将采集的人体图像,建立相应的人体去噪集;在人体图像集中选择需要处理的去噪图像,确定相应的圆形邻域;确定圆形邻域中的像素灰度值,并对像素灰度值进行排序;选择像素的中间值,作为该圆形邻域中的像素灰度值;将重新确定的像素灰度值圆形邻域,在获取的人体图像中,按照顺序进行移动,利用中值滤波对图像进行平滑处理;
主控模块,与人体扫描模块、车速监测模块、识别模块、缓冲模块、减速模块、通风模块、关闭模块、显示模块连接,用于通过主控器控制各个模块正常工作;
车速监测模块,与主控模块连接,用于通过车速传感器监测车行驶速度数据;
识别模块,与主控模块连接,用于通过识别程序根据人体图像识别人体信息;根据人体图像识别人体信息,对人体进行识别的过程图像的提取;
对于图像,采用深度学习技术,训练神经网络识别,识别结果为类别概率序列(C1,P1),(C2,P2),……(Cn,Pn),所述类别概率序列按照概率排序,具体为P1≥P2≥……≥Pn;采用的神经网络有但不限于AlexNet,GoogLeNet,VGG,Inception,ResNet;图像识别,取前m项识别结果(C1,P1),(C2,P2),……(Cm,Pm)(m≤n),参与后续处理;采用向量近似度对图像识别结果进行过滤提升识别准确性:记两个姿态向量V1,V2之间的近似度为dv1,v2;近似度越近,表示两个词意义越相近;对于每一个类别序列的姿态向量VCi,计算离VCi最近的姿态量序列的姿态向量Vnj,最近距离为dvci,nj;设定距离阈值t,当dvci,nj大于t时,表示dvci,nj大于t的类别与图像描述文本关联度低,丢弃该类别;余下的序列以最近距离为依据进行排序,最近距离小的类别排在前面,作为最终的图像识别结果。
10.如权利要求9所述的基于人体识别的减轻交通事故的车窗系统,其特征在于,所述基于人体识别的减轻交通事故的车窗系统还包括:
缓冲模块,与主控模块连接,用于通过缓冲机构对碰撞进行缓冲;
减速模块,与主控模块连接,用于通过减速阀对车辆进行减速;
通风模块,与主控模块连接,用于控制车窗通风;通过车速传感器在确定用户调节车窗通风的需求后,获取车辆当前车速;在车辆当前车速未超过禁用车窗通风的速度阈值时,根据对应当前车速的通风模式调节各车窗的位置,所述通风模式为交叉开启不同侧的前后窗;开启左前窗、右后窗并关闭右前窗和左后窗;根据对应当前车速的通风模式调节各车窗的位置,包括:获取通风模式中左前窗及右后窗的开启位置;以及,驱动左前窗及右后窗至相应开启位置;
关闭模块,与主控模块连接,用于对车窗进行自动关闭操作;通过检测器检测车辆是否熄火;在车辆熄火的情况下,检测车钥匙信号;在车钥匙信号离开汽车后,检测车窗是否关闭;如果车窗未关闭,则T1时间后发送通知给用户;如果用户接收通知后不发出任何指示,则经过T2时间后再次检测车窗是否关闭;如果车窗仍未关闭,则检测车内生命迹象;根据车内有无生命迹象,按照不同方式使车窗自动关闭;
显示模块,与主控模块连接,用于通过显示器显示扫描采集的人体图像、车速监测结果、识别结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010760012.XA CN111931621A (zh) | 2020-07-31 | 2020-07-31 | 一种基于人体识别的减轻交通事故的车窗系统及控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010760012.XA CN111931621A (zh) | 2020-07-31 | 2020-07-31 | 一种基于人体识别的减轻交通事故的车窗系统及控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111931621A true CN111931621A (zh) | 2020-11-13 |
Family
ID=73315886
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010760012.XA Pending CN111931621A (zh) | 2020-07-31 | 2020-07-31 | 一种基于人体识别的减轻交通事故的车窗系统及控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111931621A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105649459A (zh) * | 2014-11-19 | 2016-06-08 | 大陆汽车电子(长春)有限公司 | 调节车窗通风的方法及车窗控制器 |
CN106150266A (zh) * | 2016-08-09 | 2016-11-23 | 蔚来汽车有限公司 | 汽车车窗自动关闭系统和方法 |
CN106529606A (zh) * | 2016-12-01 | 2017-03-22 | 中译语通科技(北京)有限公司 | 一种提升图像识别准确率的方法 |
CN110672016A (zh) * | 2019-09-12 | 2020-01-10 | 四川农业大学 | 一种基于图像识别的牛体尺寸测定系统及方法 |
CN111329763A (zh) * | 2020-03-03 | 2020-06-26 | 青岛市城阳区人民医院 | 一种肿瘤放疗护理用多功能喂药装置及方法 |
-
2020
- 2020-07-31 CN CN202010760012.XA patent/CN111931621A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105649459A (zh) * | 2014-11-19 | 2016-06-08 | 大陆汽车电子(长春)有限公司 | 调节车窗通风的方法及车窗控制器 |
CN106150266A (zh) * | 2016-08-09 | 2016-11-23 | 蔚来汽车有限公司 | 汽车车窗自动关闭系统和方法 |
CN106529606A (zh) * | 2016-12-01 | 2017-03-22 | 中译语通科技(北京)有限公司 | 一种提升图像识别准确率的方法 |
CN110672016A (zh) * | 2019-09-12 | 2020-01-10 | 四川农业大学 | 一种基于图像识别的牛体尺寸测定系统及方法 |
CN111329763A (zh) * | 2020-03-03 | 2020-06-26 | 青岛市城阳区人民医院 | 一种肿瘤放疗护理用多功能喂药装置及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101105097A (zh) | 站台屏蔽门智能控制方法 | |
CN109562763B (zh) | 自动驾驶车辆的控制方法及控制装置 | |
CN111653277A (zh) | 车辆语音控制方法、装置、设备、车辆及存储介质 | |
US20140324429A1 (en) | Computer-implemented method for automatic training of a dialogue system, and dialogue system for generating semantic annotations | |
CN110936797B (zh) | 一种汽车天窗控制方法及电子设备 | |
US20160267909A1 (en) | Voice recognition device for vehicle | |
CN111439271A (zh) | 基于语音控制的辅助驾驶方法及辅助驾驶设备 | |
US11891849B2 (en) | Apparatus and control unit for automating a state change of a window pane of a vehicle | |
CN112041201B (zh) | 用于控制对车辆特征的访问的方法、系统和介质 | |
CN109584871B (zh) | 一种车辆中语音指令的用户身份识别方法、装置 | |
CN111931621A (zh) | 一种基于人体识别的减轻交通事故的车窗系统及控制方法 | |
US11453416B2 (en) | Drive behavior estimation of a passenger transport system | |
CN113239827A (zh) | 基于深度学习的智能防撞方法、系统、设备及存储介质 | |
CN111119645A (zh) | 车窗控制方法、装置、设备及计算机可读存储介质 | |
CN116357198A (zh) | 一种车窗控制方法、系统以及车辆 | |
CN114194122B (zh) | 一种安全提示系统及汽车 | |
CN111894383A (zh) | 一种基于机器视觉识别的智能公交车防夹方法 | |
US11580958B2 (en) | Method and device for recognizing speech in vehicle | |
CN115199174B (zh) | 车窗调控方法、介质、电子设备、调控系统及车辆 | |
CN115107674A (zh) | 一种音量调节方法、装置及汽车 | |
CN113990318A (zh) | 控制方法、装置、车载终端、车辆和存储介质 | |
KR101582454B1 (ko) | 촬영영상에서의 움직임 객체 인식 방법 및 이를 이용한 차량 승하차 사고 예방 시스템 | |
CN113323539A (zh) | 用于车辆排烟的方法、装置、存储介质、车辆及电子设备 | |
CN115703417A (zh) | 基于车辆的状态调整车载设备的方法、车载系统和介质 | |
CN112506353A (zh) | 车辆交互系统、方法、存储介质和车辆 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201113 |