CN112070823A - 一种基于视频识别的汽车智能座舱调节方法、装置和系统 - Google Patents

一种基于视频识别的汽车智能座舱调节方法、装置和系统 Download PDF

Info

Publication number
CN112070823A
CN112070823A CN202010882949.4A CN202010882949A CN112070823A CN 112070823 A CN112070823 A CN 112070823A CN 202010882949 A CN202010882949 A CN 202010882949A CN 112070823 A CN112070823 A CN 112070823A
Authority
CN
China
Prior art keywords
image
driver
automobile
cabin
data
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
Application number
CN202010882949.4A
Other languages
English (en)
Inventor
武大治
肖洁
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.)
Wuhan Glinsun Intelligent Technology Co ltd
Original Assignee
Wuhan Glinsun Intelligent 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 Wuhan Glinsun Intelligent Technology Co ltd filed Critical Wuhan Glinsun Intelligent Technology Co ltd
Priority to CN202010882949.4A priority Critical patent/CN112070823A/zh
Publication of CN112070823A publication Critical patent/CN112070823A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • 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
    • 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
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Geometry (AREA)
  • Human Computer Interaction (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Mechanical Engineering (AREA)
  • Computer Graphics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种基于视频识别的汽车智能座舱调节方法、装置和系统，方法当汽车接收到激活信号时，获取汽车主驾驶侧B柱处的视频图像；对视频图像进行人体识别，得到驾驶员图像；对驾驶员图像进行身体部位识别，得到驾驶员的身体特征信息，并采用SMPL建模方法，根据驾驶员的身体特征信息进行人体建模，生成驾驶员人体模型；对驾驶员人体模型进行测量，得到驾驶员身体数据；根据驾驶员身体数据得到汽车座舱调节数据，并根据汽车座舱调节数据对汽车座舱进行调节。本发明基于视频识别，能在驾驶员无感的情况下直接完成身体数据的测量，得到最适合当前驾驶员的座舱设置，实现最舒适和最安全的驾驶体验，并可以根据当前驾驶员的改变进行自适应调整。

Description

一种基于视频识别的汽车智能座舱调节方法、装置和系统
技术领域
本发明涉及人工智能技术领域，尤其涉及一种基于视频识别的汽车智能座舱调节方法、装置和系统。
背景技术
随着中国人工智能技术的快速发展和商业应用的快速推广，人工智能插上了腾飞的翅膀，已经在汽车、医疗、养老、教育、文化、体育等多领域得到了广泛的运用。
在汽车领域，对于汽车驾驶员而言，符合人体工学的驾驶座舱能提供更舒适的驾驶体验。同时，调节汽车座舱使得机动车的侧边镜和后视镜的位置和视野为最合适状态，可以为驾驶过程提供安全保证。因此，经过科学设置和调整的汽车座舱可以达到最大程度提供舒适性与安全性。
当前汽车座舱的调整绝大多数来源于驾驶员个人调整，甚至相当大一部分驾驶员倾向于不对座舱进行调整，能使用即可。不符合科学设置的汽车座舱，从长期来看严重影响汽车驾驶体验，亦会带来潜在的安全隐患。同时，基于驾驶员经验的座舱调整可能不完全符合科学，无法实现最优化的驾驶体验。另外，当汽车换驾驶员时，传统的汽车座舱调节方法无法根据当前驾驶员的改变进行自适应调整，无法达到千人千面的调整目标。
因此，需要一种依赖于人工智能技术的汽车座舱调节方法，能在驾驶员即将驾驶时自动调节汽车座舱，得到最适合当前驾驶员的座舱设置，实现最优化、最舒适和最安全的驾驶体验，并可以根据当前驾驶员的改变进行自适应调整，达到千人千面的调整目标。
发明内容
本发明所要解决的技术问题是针对上述现有技术的不足，提供一种基于视频识别的汽车智能座舱调节方法、装置和系统，能在驾驶员即将驾驶时自动调节汽车座舱，得到最适合当前驾驶员的座舱设置，实现最优化、最舒适和最安全的驾驶体验，并可以根据当前驾驶员的改变进行自适应调整，达到千人千面的调整目标。
本发明解决上述技术问题的技术方案如下：
一种基于视频识别的汽车智能座舱调节方法，包括以下步骤：
步骤1：当汽车接收到激活信号时，获取汽车主驾驶侧B柱处的视频图像；
步骤2：对所述视频图像进行人体识别，得到驾驶员图像；
步骤3：对所述驾驶员图像进行身体部位识别，得到驾驶员的身体特征信息，并采用SMPL建模方法，根据所述驾驶员的所述身体特征信息进行人体建模，生成驾驶员人体模型；
步骤4：对所述驾驶员人体模型进行测量，得到驾驶员身体数据；
步骤5：根据所述驾驶员身体数据得到汽车座舱调节数据，并根据所述汽车座舱调节数据对汽车座舱进行调节。
本发明的有益效果是：当汽车接收到激活信号时，说明驾驶员靠近汽车主驾驶侧并即将进行汽车驾驶，此时获取视频图像可以采集到包含驾驶员在内的视频图像；通过对该视频图像进行人体识别，可以有效获取到驾驶员图像；然后对获取到的驾驶员图像进行身体部位识别，可以得到驾驶员的身体特征信息，例如头部坐标、脚底坐标等数据，利用这些数据可以便于采用SMPL建模方法进行人体建模，得到较为真实的且符合驾驶员身体特征的人体模型，即驾驶员人体模型，基于该驾驶员人体模型测量得到的数据可以准确地描述驾驶员的身体数据，即测量得到准确率较高的驾驶员身体数据；根据驾驶员身体数据可以得到适合该驾驶员的汽车座舱调节数据，得到最适合当前驾驶员的座舱设置，进而便于对汽车座舱进行调节，实现最优化、最舒适和最安全的驾驶体验；
本发明上述汽车智能座舱调节方法，基于视频识别，能在驾驶员无感的情况下直接完成身体数据的测量，高效、准确、快速，能在驾驶员即将驾驶时自动调节汽车座舱，得到最适合当前驾驶员的座舱设置，实现最优化、最舒适和最安全的驾驶体验，并可以根据当前驾驶员的改变进行自适应调整，达到千人千面的调整目标。
依据本发明的另一方面，提供了一种基于视频识别的汽车智能座舱调节装置，应用于本发明中的一种基于视频识别的汽车智能座舱调节方法中，包括获取模块、识别模块、建模模块、测量模块和调节模块：
所述获取模块，用于当汽车接收到激活信号时，获取汽车主驾驶侧B柱处的视频图像；
所述识别模块，用于对所述视频图像进行人体识别，得到驾驶员图像；还用于对所述驾驶员图像进行身体部位识别，得到驾驶员的身体特征信息；
所述建模模块，用于采用SMPL建模方法，根据所述驾驶员的所述身体特征信息进行人体建模，生成驾驶员人体模型；
所述测量模块，用于对所述驾驶员人体模型进行测量，得到驾驶员身体数据；
所述调节模块，用于根据所述驾驶员身体数据得到汽车座舱调节数据，并根据所述汽车座舱调节数据对汽车座舱进行调节。
本发明的有益效果是：当汽车接收到激活信号时，说明驾驶员靠近汽车主驾驶侧并即将进行汽车驾驶，此时通过获取模块获取视频图像可以采集到包含驾驶员在内的视频图像；通过识别模块对该视频图像进行人体识别，可以有效获取到驾驶员图像；然后再通过识别模块对获取到的驾驶员图像进行身体部位识别，可以得到驾驶员的身体特征信息，例如头部坐标、脚底坐标等数据，利用这些数据可以便于通过建模模块采用SMPL建模方法进行人体建模，得到较为真实的且符合驾驶员身体特征的人体模型，即驾驶员人体模型，基于该驾驶员人体模型测量得到的数据可以便于测量模块准确地描述驾驶员的身体数据，即测量得到准确率较高的驾驶员身体数据；根据驾驶员身体数据可以得到适合该驾驶员的汽车座舱调节数据，得到最适合当前驾驶员的座舱设置，进而便于调节模块对汽车座舱进行调节，实现最优化、最舒适和最安全的驾驶体验；
本发明上述汽车智能座舱调节装置，基于视频识别，能在驾驶员无感的情况下直接完成身体数据的测量，高效、准确、快速，能在驾驶员即将驾驶时自动调节汽车座舱，得到最适合当前驾驶员的座舱设置，实现最优化、最舒适和最安全的驾驶体验，并可以根据当前驾驶员的改变进行自适应调整，达到千人千面的调整目标。
依据本发明的另一方面，提供了一种基于视频识别的汽车智能座舱调节系统，包括本发明中的一种基于视频识别的汽车智能座舱调节装置，还包括行车电脑、汽车座舱和设置于汽车主驾驶侧B柱处的摄像头；
所述行车电脑用于接收激活信号，控制所述摄像头采集汽车主驾驶侧B柱处的视频图像，并将所述视频图像发送至所述基于视频识别的汽车座舱调节装置；
所述行车电脑还用于接收所述基于视频识别的汽车智能座舱调节装置发送的汽车座舱调节数据，根据所述汽车座舱调节数据得到控制指令，并将所述控制指令发送至所述汽车座舱进行座舱调节；
所述行车电脑分别与所述基于视频识别的汽车智能座舱调节装置、所述汽车座舱和所述摄像头通信连接。
本发明的有益效果是：通过行车电脑分别与本发明中基于视频识别的汽车智能座舱调节装置、汽车座舱和摄像头之间的通信连接，能高效、准确地接收视频图像，并基于视频识别，在驾驶员无感的情况下直接完成身体数据的测量，高效、准确、快速，能在驾驶员即将驾驶时得到最适合当前驾驶员的座舱设置，并控制汽车座舱进行自动座舱调节，实现最优化、最舒适和最安全的驾驶体验，并可以根据当前驾驶员的改变进行自适应调整，达到千人千面的调整目标。
附图说明
图1为本发明实施例一中一种基于视频识别的汽车智能座舱调节方法的流程示意图；
图2为本发明实施例一中得到驾驶员图像的流程示意图；
图3为本发明实施例一中判断静态图像中的人物是否为单一人物的流程示意图；
图4为本发明实施例一中对人物剪影图像进行分割以及获取驾驶员图像的流程示意图；
图5为本发明实施例一中得到驾驶员身体数据的流程示意图；
图6为本发明实施例一中对汽车座舱进行调节的流程示意图；
图7为本发明实施例二中一种基于视频识别的汽车智能座舱调节装置的结构示意图；
图8为本发明实施例三中一种基于视频识别的汽车智能座舱调节系统的结构示意图；
图9为本发明实施例三中另一种基于视频识别的汽车智能座舱调节系统的结构示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
下面结合附图，对本发明进行说明。
实施例一、如图1所示，一种基于视频识别的汽车智能座舱调节方法，包括以下步骤：
S1：当汽车接收到激活信号时，获取汽车主驾驶侧B柱处的视频图像；
S2：对所述视频图像进行人体识别，得到驾驶员图像；
S3：对所述驾驶员图像进行身体部位识别，得到驾驶员的身体特征信息，并采用SMPL建模方法，根据所述驾驶员的所述身体特征信息进行人体建模，生成驾驶员人体模型；
S4：对所述驾驶员人体模型进行测量，得到驾驶员身体数据；
S5：根据所述驾驶员身体数据得到汽车座舱调节数据，并根据所述汽车座舱调节数据对汽车座舱进行调节。
当汽车接收到激活信号时，说明驾驶员靠近汽车主驾驶侧并即将进行汽车驾驶，此时获取视频图像可以采集到包含驾驶员在内的视频图像；通过对该视频图像进行人体识别，可以有效获取到驾驶员图像；然后对获取到的驾驶员图像进行身体部位识别，可以得到驾驶员的身体特征信息，例如头部坐标、脚底坐标等数据，利用这些数据可以便于采用SMPL建模方法进行人体建模，得到较为真实的且符合驾驶员身体特征的人体模型，即驾驶员人体模型，基于该驾驶员人体模型测量得到的数据可以准确地描述驾驶员的身体数据，即测量得到准确率较高的驾驶员身体数据；根据驾驶员身体数据可以得到适合该驾驶员的汽车座舱调节数据，得到最适合当前驾驶员的座舱设置，进而便于对汽车座舱进行调节，实现最优化、最舒适和最安全的驾驶体验；
本实施例上述汽车智能座舱调节方法，基于视频识别，能在驾驶员无感的情况下直接完成身体数据的测量，高效、准确、快速，能在驾驶员即将驾驶时自动调节汽车座舱，得到最适合当前驾驶员的座舱设置，实现最优化、最舒适和最安全的驾驶体验，并可以根据当前驾驶员的改变进行自适应调整，达到千人千面的调整目标。
优选地，所述激活信号具体为汽车钥匙ON信号，S1的具体实现为：
当所述汽车接收到所述汽车钥匙ON信号时，利用所述汽车的所述主驾驶侧B柱安装的摄像头拍摄驾驶员，采集所述视频图像。
当汽车接收到汽车钥匙ON信号时，通常驾驶员靠近汽车主驾驶侧并即将进行汽车驾驶，因此以汽车钥匙ON信号作为采集视频图像的触发信号，能便于实现自动化的汽车座舱调节；通过主驾驶侧B柱处安装的摄像头可以有效采集包含在驾驶员在内的视频图像，便于后续的识别和建模过程，且能在驾驶员无感的情况下直接完成身体数据的测量，高效、准确、快速，不要求立正站姿，也无需免冠脱鞋等繁琐步骤，大幅度提升测量体验。
其中，汽车钥匙ON信号为汽车钥匙上的ON档位，当汽车钥匙处于ON档位时，汽车内的全部部件均处于通电状态，包括发电机系统、行车电脑以及汽车座舱内的装置等，将汽车钥匙ON信号作为激活信号，能根据驾驶员的需求，更好地实现对汽车座舱的调节和控制。
具体地，本实施例的摄像头为普通摄像头，其安装高度尽量在主驾驶侧B柱的顶端，以保证能采集到视域内人物全身的视频图像。
优选地，如图2所示，S2的具体步骤包括：
S21：从所述视频图像中获取任一帧静态图像，对所述静态图像中的所有人体关键点进行标注；
S22：通过预先训练好的卷积神经网络对标注后的所述静态图像进行特征提取，得到每两个人体关键点之间的置信度和关联度；
S23：采用图论偶匹配方法，根据所有置信度和所有关联度对所有人体关键点进行关联，得到所述静态图像中的人体骨架图像；
S24：根据所述人体骨架图像得到人物剪影图像，根据所述人物剪影图像判断所述静态图像中的人物是否为单一人物，若是，将所述人体骨架图像直接作为所述驾驶员图像，并执行S3；若否，执行S25；
S25：对所述人体剪影图像进行分割，得到驾驶员剪影图像，并根据所述驾驶员剪影图像从所述人体骨架图像中获取所述驾驶员图像，并执行所述S3。
通过卷积神经网络可以快速而精准地提取出与人体骨架相关的特征，包括每两个人体关键点之间的置信度和关联度。人体关键点的置信度(CMP，Part Confidence Maps)也称“热图”，用于描述关键点的位置。关联度(PAF，Part AffinityFields)也称部分区域亲和度，用于描述关键点之间的联系；PAF能生成一系列的偶匹配，由于PAF自身的矢量性，可以使得生成的偶匹配很正确，能重现某个动作的骨骼结构，PAF是一个有两通道的向量字段映射，如果数据集中有11个骨骼标记，PAF就是一个有22个通道的特征映射；因此，采用图论偶匹配方法，结合CMP和PAF能有效利用关键点进行关联，根据置信度和关联度得到任一帧静态图像中所有人的姿态，即得到任一帧静态图像中的所有的手手脚脚，并将这些手手脚脚拼成一个个人体骨架；通过上述方法，能获得高质量的人体骨架图像，消耗计算成本小。其中，卷积神经网络为预先训练好的模型，其具体方法为现有技术，图论偶匹配方法的具体操作步骤也为现有技术，具体细节此处不再赘述。
由于S1中的视频图像是在开放场景下获取的，其中所包含的人物可能不止一个人，即静态图像中所包含的人物可能不为单一人物，则得到的人体骨架图像可能不止一个人物的人体骨架图像，若不为单一人物，则需要进行分割，从中获取出驾驶员图像；由于每个人代表的剪影会有一定的宽度和面积，这些值通常在一个区间内浮动，因此通过人体骨架图像得到人物剪影图像，根据人物剪影图像来判断是否为单一人物，能帮助快速、准确地分辨出驾驶员图像，从而便于后续的人体建模和数据测量，提高汽车座舱调节的效率和准确率。
优选地，在S21中，选取任一帧所述静态图像之后，还包括：
对所述静态图像进行预处理。
对选取的静态图像进行预处理，可以有效排除噪声等干扰因素的影响，还可以增强图像的对比度，有效保证图像的质量，进一步提高后续的识别过程的效率和准确率；当对静态图像进行预处理后，后续进行识别和身体数据测量的步骤均是基于该预处理后的静态图像而执行的。
优选地，如图3所示，S24的具体步骤包括：
S241：对所述人物剪影图像进行人脸识别，得到人脸坐标、人脸宽度和人脸面积；
S242：根据所述人脸面积和所述人脸宽度确定人脸数量，并根据所述人脸数量判断所述静态图像中所包含的人物是否为单一人物，若是，将所述人体骨架图像直接作为所述驾驶员图像，并执行S3；若否，执行S25。
通过人脸识别得到的人脸宽度和人脸面积可确定人物数量，根据人脸数量可以确定处理人物全身图像中所包含的人物是单一人物还是多人人物；上述步骤确定的人物数量的方法，简单有效，准确率高；其中，人脸宽度和人脸面积的区间为公知常识，此处不再赘述；人脸识别的具体操作步骤也为现有技术，具体细节此处不再赘述。
优选地，如图4所示，S25的具体步骤包括：
S251：根据所述人脸坐标对所述人物剪影图像中的人脸进行标注，得到标注人物图像；
S252：根据所述标注人物图像中的所有标注框对所述标注人物图像进行图像分割，得到多个分割人物图像；
S253：根据所述人脸坐标，确定距离所述标注人物图像的中线位置最近的标注框所对应的分割人物图像，并将距离所述标注人物图像的中线位置最近的标注框所对应的分割人物图像确定为所述驾驶员剪影图像；
S254：根据所述驾驶员剪影图像，从所述人体骨架图像中获取所述驾驶员图像，并执行S3。
当根据人物数量确定静态图像中包含多个人物时，需要对人物剪影图像进行图像分割，以实现对人体骨架图像进行分隔，确定驾驶员所对应的骨架图像，即驾驶员图像；而一般情况下，所选取的静态图像所得到的人物剪影图像中，驾驶员是位于该图像中的中线位置或距离中线位置最近，例如驾驶员的脸部剪影一般是位于该图像中的中线位置或距离中心位置最近，因此，首先根据人脸坐标对人物剪影图像中的人脸进行标注，得到标注人物图像，再根据标注的所有标注框对该标注人物图像进行图像分割，会得到多个分割后的分割人物图像，其中，根据人脸坐标，可以确定距离标注人物图像中线位置最近的标注框所对应的分割人物图像，该分割人物图像即为分割后的驾驶员的所对应的剪影图像，即驾驶员剪影图像；利用该驾驶员图像在人体骨架图像中对应进行反推，即可从人体骨架图像中获取到驾驶员所对应的骨架图像，即驾驶员图像；通过上述方法得到的驾驶员图像，准确率较高，能便于后续的人体建模和数据测量。
优选地，所述身体特征信息包括身体部位类型和身体部位位置坐标；其中，身体部位包括头部、肩部、手臂、手掌、臀部、腿部和脚。
当确定了驾驶员所对应的驾驶员图像后，即对该驾驶员图像进行身体部位的识别，由于驾驶员图像为直接根据人体骨架图像得到或从人体骨架图像中获取的一部分，而人体骨架图像中通常已包含有骨骼特征的身体部位，因此通过驾驶员图像直接进行上述身体部位的识别，可以快速有效地识别出具体每个身体部位的身体部位位置坐标，便于后续的人体建模。
其中，SMPL建模方法是马普所提出的一种人体建模方法，得到的SMPL模型是一种参数化人体模型，该方法可以进行任意的人体建模和动画驱动，与传统的LBS的最大的不同在于其提出的人体姿态影像体表形貌的方法，可以模拟人的肌肉在肢体运动过程中的凸起和凹陷，因此可以避免人体在运动过程中的表面失真，可以精准的刻画人的肌肉拉伸以及收缩运动的形貌，因此得到的人体模型与实际的人物更加接近，基于得到的驾驶员人体模型得到的驾驶员身体数据更加精准，能在驾驶员无感的情况下直接完成身体数据的测量，进一步提高驾驶员的身体数据的测量精度，为汽车座舱调节提供底层技术支持；其中，SMPL建模方法的具体操作为现有技术，具体细节此处不再赘述。
优选地，如图5所示，S4的具体步骤包括：
S41：根据所述驾驶员人体模型获取人物尺寸数据；
S42：预先获取固定参照物图像和与固定参照物对应的实际尺寸数据，并根据所述固定参照物图像获取所述固定参照物对应的图像尺寸数据；
S43：根据所述固定参照物对应的所述实际尺寸数据和所述图像尺寸数据，对所述人物尺寸数据进行拟合，得到所述驾驶员身体数据；
其中，所述驾驶员身体数据包括腿长数据、臂长数据和身长数据。
当得到了驾驶员人体模型中所对应的驾驶员的人物尺寸数据，由于驾驶员人体模型是与实际的驾驶员按照一定的比例建模的，是根据驾驶员图像来构建的，因此通过预先获取的固定参照物的实际尺寸数据(例如在摄像头的拍摄范围的停车场立柱、车位线等参照物，通常为静止的，可直接测量)，再通过拍摄的固定参照物图像，根据固定参照物图像可直接获取固定参照物在图像中的图像尺寸数据，根据固定参照物的实际尺寸数据和图像尺寸数据对被测量人对应的人物尺寸数据进行拟合，即可得到准确率高的驾驶员身体数据；通过上述数据测量方法，能在用户无感的情况下直接完成身高的测量，高效、准确、快速。其中，腿长数据、臂长数据和身长数据，便于对汽车座舱进行全方位地调节，以便得到最优化的座舱设置，实现最优化、最舒适和最安全的驾驶体验。
优选地，所述汽车座舱调节数据包括座椅与踏板之间的距离所对应的第一调节数据、座椅与方向盘之间的距离所对应的第二调节数据以及座椅的高度所对应的第三调节数据；
如图6所示，S5的具体步骤包括：
S51：根据所述腿长数据得到所述第一调节数据，根据所述臂长数据得到所述第二调节数据，根据所述身长数据得到所述第三调节数据；
S52：根据所述第一调节数据、所述第二调节数据和所述第三调节数据对所述汽车座舱进行调节。
在汽车驾驶中，座椅与踏板之间的距离合适，能使得驾驶员的腿部以最舒适和最安全的方式进行油门启动或刹车制动；座椅与方向盘之间的距离合适，能使得驾驶员的手臂以最舒适和最安全的方式放置在方向盘上，以便更好地对方向盘进行控制；座椅的高度合适，一方面能使得驾驶员以最舒适的坐姿进行汽车驾驶，另一方面还能使得驾驶员更好地观察汽车外部的视野，提高驾驶的安全性；因此，通过腿长数据对座椅与踏板之间的距离进行自适应调整，得到第一调节数据，通过臂长数据对座椅与方向盘之间的距离进行自适应调整，得到第二调节数据，通过身长数据对座椅的高度进行自适应调整，得到第三调节数据，有效地从各个方面对汽车座舱进行调节，更好地实现最优化、最舒适和最安全的驾驶体验，并可以根据当前驾驶员的改变进行自适应调整，达到千人千面的调整目标。其中，身长数据至少包括上半身身长数据。
实施例二、如图7所示，一种基于视频识别的汽车智能座舱调节装置，应用于实施例一中的一种基于视频识别的汽车智能座舱调节方法中，包括获取模块、识别模块、建模模块、测量模块和调节模块：
所述获取模块，用于当汽车接收到激活信号时，获取汽车主驾驶侧B柱处的视频图像；
所述识别模块，用于对所述视频图像进行人体识别，得到驾驶员图像；还用于对所述驾驶员图像进行身体部位识别，得到驾驶员的身体特征信息；
所述建模模块，用于采用SMPL建模方法，根据所述驾驶员的所述身体特征信息进行人体建模，生成驾驶员人体模型；
所述测量模块，用于对所述驾驶员人体模型进行测量，得到驾驶员身体数据；
所述调节模块，用于根据所述驾驶员身体数据得到汽车座舱调节数据，并根据所述汽车座舱调节数据对汽车座舱进行调节。
当汽车接收到激活信号时，说明驾驶员靠近汽车主驾驶侧并即将进行汽车驾驶，此时通过获取模块获取视频图像可以采集到包含驾驶员在内的视频图像；通过识别模块对该视频图像进行人体识别，可以有效获取到驾驶员图像；然后再通过识别模块对获取到的驾驶员图像进行身体部位识别，可以得到驾驶员的身体特征信息，例如头部坐标、脚底坐标等数据，利用这些数据可以便于通过建模模块采用SMPL建模方法进行人体建模，得到较为真实的且符合驾驶员身体特征的人体模型，即驾驶员人体模型，基于该驾驶员人体模型测量得到的数据可以便于测量模块准确地描述驾驶员的身体数据，即测量得到准确率较高的驾驶员身体数据；根据驾驶员身体数据可以得到适合该驾驶员的汽车座舱调节数据，得到最适合当前驾驶员的座舱设置，进而便于调节模块对汽车座舱进行调节，实现最优化、最舒适和最安全的驾驶体验；
本实施例上述汽车智能座舱调节装置，基于视频识别，能在驾驶员无感的情况下直接完成身体数据的测量，高效、准确、快速，能在驾驶员即将驾驶时自动调节汽车座舱，得到最适合当前驾驶员的座舱设置，实现最优化、最舒适和最安全的驾驶体验，并可以根据当前驾驶员的改变进行自适应调整，达到千人千面的调整目标。
优选地，所述激活信号具体为汽车钥匙ON信号，所述获取模块具体用于：
当所述汽车接收到所述汽车钥匙ON信号时，利用所述汽车的所述主驾驶侧B柱安装的摄像头拍摄驾驶员，采集所述视频图像。
优选地，所述识别模块具体用于：
从所述视频图像中获取任一帧静态图像，对所述静态图像中的所有人体关键点进行标注；
通过预先训练好的卷积神经网络对标注后的所述静态图像进行特征提取，得到每两个人体关键点之间的置信度和关联度；
采用图论偶匹配方法，根据所有置信度和所有关联度对所有人体关键点进行关联，得到所述静态图像中的人体骨架图像；
根据所述人体骨架图像得到人物剪影图像，根据所述人物剪影图像判断所述静态图像中的人物是否为单一人物，若是，将所述人体骨架图像直接作为所述驾驶员图像；若否，对所述人体剪影图像进行分割，得到驾驶员剪影图像，并根据所述驾驶员剪影图像从所述人体骨架图像中获取所述驾驶员图像。
优选地，所述识别模块还具体用于：
对所述人物剪影图像进行人脸识别，得到人脸坐标、人脸宽度和人脸面积；
根据所述人脸面积和所述人脸宽度确定人脸数量，并根据所述人脸数量判断所述静态图像中所包含的人物是否为单一人物，若是，将所述人体骨架图像直接作为所述驾驶员图像；若否，对所述人体剪影图像进行分割，得到驾驶员剪影图像，并根据所述驾驶员剪影图像从所述人体骨架图像中获取所述驾驶员图像。
优选地，所述识别模块还具体用于：
根据所述人脸坐标对所述人物剪影图像中的人脸进行标注，得到标注人物图像；
根据所述标注人物图像中的所有标注框对所述标注人物图像进行图像分割，得到多个分割人物图像；
根据所述人脸坐标，确定距离所述标注人物图像的中线位置最近的标注框所对应的分割人物图像，并将距离所述标注人物图像的中线位置最近的标注框所对应的分割人物图像确定为所述驾驶员剪影图像；
根据所述驾驶员剪影图像，从所述人体骨架图像中获取所述驾驶员图像。
优选地，所述测量模块具体用于：
根据所述驾驶员人体模型获取人物尺寸数据；
预先获取固定参照物图像和与固定参照物对应的实际尺寸数据，并根据所述固定参照物图像获取所述固定参照物对应的图像尺寸数据；
根据所述固定参照物对应的所述实际尺寸数据和所述图像尺寸数据，对所述人物尺寸数据进行拟合，得到所述驾驶员身体数据；
其中，所述驾驶员身体数据包括腿长数据、臂长数据和身长数据。
优选地，所述汽车座舱调节数据包括座椅与踏板之间的距离所对应的第一调节数据、座椅与方向盘之间的距离所对应的第二调节数据以及座椅的高度所对应的第三调节数据；
所述调节模块具体用于：
根据所述腿长数据得到所述第一调节数据，根据所述臂长数据得到所述第二调节数据，根据所述身长数据得到所述第三调节数据；
根据所述第一调节数据、所述第二调节数据和所述第三调节数据对所述汽车座舱进行调节。
本实施例中的未尽细节，详见实施例一及图1至图6的内容，具体不再赘述。
实施例三、基于实施例一和实施例二，如图8所示，本实施例还公开了一种基于视频识别的汽车智能座舱调节系统，包括实施例二中的基于视频识别的汽车智能座舱调节装置，还包括行车电脑、汽车座舱和设置于汽车主驾驶侧B柱处的摄像头；
所述行车电脑用于接收激活信号，控制所述摄像头采集汽车主驾驶侧B柱处的视频图像，并将所述视频图像发送至所述基于视频识别的汽车座舱调节装置；
所述行车电脑还用于接收所述基于视频识别的汽车智能座舱调节装置发送的汽车座舱调节数据，根据所述汽车座舱调节数据得到控制指令，并将所述控制指令发送至所述汽车座舱进行座舱调节；
所述行车电脑分别与所述基于视频识别的汽车智能座舱调节装置、所述汽车座舱和所述摄像头通信连接。
通过行车电脑分别与本发明中基于视频识别的汽车智能座舱调节装置、汽车座舱和摄像头之间的通信连接，能高效、准确地接收视频图像，并基于视频识别，在驾驶员无感的情况下直接完成身体数据的测量，高效、准确、快速，能在驾驶员即将驾驶时得到最适合当前驾驶员的座舱设置，并控制汽车座舱进行自动座舱调节，实现最优化、最舒适和最安全的驾驶体验，并可以根据当前驾驶员的改变进行自适应调整，达到千人千面的调整目标。
优选地，如图9所示，所述汽车座舱包括汽车座椅和设置于所述汽车座椅内部的驱动装置和调节装置；
所述驱动装置用于根据所述行车电脑发送的控制指令驱动所述调节装置运作，所述调节装置用于在所述驱动装置的驱动下进行座舱调节；
所述驱动装置与所述调节装置电连接，所述驱动装置与所述行车电脑通信连接。
通过驱动装置便于接收行车电脑根据汽车座舱调节数据得到的控制指令，以便驱动调节装置进行各个方位的调节；通过调节装置，以实现对汽车座椅在各个方位的移动，以实现最优化、最舒适和最安全的驾驶体验。
具体地，本实施例中的驱动装置至少包括前后移动电机、倾角调整电机和高度调整电机，调节装置至少包括汽车座椅下部的前后滑动机构、升降机构和汽车座椅内部的腰靠调节机构；根据第一调节数据，前后移动电机驱动前后滑动机构进行前后移动，根据第二调节数据，倾角调整电机驱动腰靠调节机构调整腰靠的倾角，根据第三调节数据，高度调节电机驱动升降机构进行升降，调整高度。
具体地，本实施例中还包括传感器组件，传感器组件包括用于测量座椅与踏板之间的实时距离的第一传感器、用于测量座椅与方向盘之间的实时距离的第二传感器以及用于测量座椅的实时高度的第三传感器；第一传感器、第二传感器和第三传感器均与所述行车电脑通信连接。
通过上述第一传感器、第二传感器和第三传感器，便于分别对座椅与踏板之间的实时距离、座椅与方向盘之间的实时距离和座椅的实时高度等数据进行实时测量，便于将座椅与踏板之间的实时距离、座椅与方向盘之间的实时距离和座椅的实时高度发送至行车电脑，保证当驱动装置驱动调节装置已经调节到所需的汽车座舱调节数据时，停止汽车座舱的调节，保证汽车座舱的调节更加精准。
本实施例中的未尽细节，详见实施例一及图1至图6的内容，具体不再赘述。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于视频识别的汽车智能座舱调节方法，其特征在于，包括以下步骤：
步骤1：当汽车接收到激活信号时，获取汽车主驾驶侧B柱处的视频图像；
步骤2：对所述视频图像进行人体识别，得到驾驶员图像；
步骤3：对所述驾驶员图像进行身体部位识别，得到驾驶员的身体特征信息，并采用SMPL建模方法，根据所述驾驶员的所述身体特征信息进行人体建模，生成驾驶员人体模型；
步骤4：对所述驾驶员人体模型进行测量，得到驾驶员身体数据；
步骤5：根据所述驾驶员身体数据得到汽车座舱调节数据，并根据所述汽车座舱调节数据对汽车座舱进行调节。
2.根据权利要求1所述的基于视频识别的汽车智能座舱调节方法，其特征在于，所述激活信号具体为汽车钥匙ON信号，所述步骤1的具体实现为：
当所述汽车接收到所述汽车钥匙ON信号时，利用所述汽车的所述主驾驶侧B柱安装的摄像头拍摄驾驶员，采集所述视频图像。
3.根据权利要求1或2所述的基于视频识别的汽车智能座舱调节方法，其特征在于，所述步骤2的具体步骤包括：
步骤21：从所述视频图像中获取任一帧静态图像，对所述静态图像中的所有人体关键点进行标注；
步骤22：通过预先训练好的卷积神经网络对标注后的所述静态图像进行特征提取，得到每两个人体关键点之间的置信度和关联度；
步骤23：采用图论偶匹配方法，根据所有置信度和所有关联度对所有人体关键点进行关联，得到所述静态图像中的人体骨架图像；
步骤24：根据所述人体骨架图像得到人物剪影图像，根据所述人物剪影图像判断所述静态图像中的人物是否为单一人物，若是，将所述人体骨架图像直接作为所述驾驶员图像，并执行所述步骤3；若否，执行步骤25；
步骤25：对所述人体剪影图像进行分割，得到驾驶员剪影图像，并根据所述驾驶员剪影图像从所述人体骨架图像中获取所述驾驶员图像，并执行所述步骤3。
4.根据权利要求3所述的基于视频识别的汽车智能座舱调节方法，其特征在于，所述步骤24的具体步骤包括：
步骤241：对所述人物剪影图像进行人脸识别，得到人脸坐标、人脸宽度和人脸面积；
步骤242：根据所述人脸面积和所述人脸宽度确定人脸数量，并根据所述人脸数量判断所述静态图像中所包含的人物是否为单一人物，若是，将所述人体骨架图像直接作为所述驾驶员图像，并执行所述步骤3；若否，执行所述步骤25。
5.根据权利要求4所述的基于视频识别的汽车智能座舱调节方法，其特征在于，所述步骤25的具体步骤包括：
步骤251：根据所述人脸坐标对所述人物剪影图像中的人脸进行标注，得到标注人物图像；
步骤252：根据所述标注人物图像中的所有标注框对所述标注人物图像进行图像分割，得到多个分割人物图像；
步骤253：根据所述人脸坐标，确定距离所述标注人物图像的中线位置最近的标注框所对应的分割人物图像，并将距离所述标注人物图像的中线位置最近的标注框所对应的分割人物图像确定为所述驾驶员剪影图像；
步骤254：根据所述驾驶员剪影图像，从所述人体骨架图像中获取所述驾驶员图像，并执行所述步骤3。
6.根据权利要求1所述的基于视频识别的汽车智能座舱调节方法，其特征在于，所述步骤4的具体步骤包括：
根据所述驾驶员人体模型获取人物尺寸数据；
预先获取固定参照物图像和与固定参照物对应的实际尺寸数据，并根据所述固定参照物图像获取所述固定参照物对应的图像尺寸数据；
根据所述固定参照物对应的所述实际尺寸数据和所述图像尺寸数据，对所述人物尺寸数据进行拟合，得到所述驾驶员身体数据；
其中，所述驾驶员身体数据包括腿长数据、臂长数据和身长数据。
7.根据权利要求6所述的基于视频识别的汽车智能座舱调节方法，其特征在于，所述汽车座舱调节数据包括座椅与踏板之间的距离所对应的第一调节数据、座椅与方向盘之间的距离所对应的第二调节数据以及座椅的高度所对应的第三调节数据；
所述步骤5的具体步骤包括：
根据所述腿长数据得到所述第一调节数据，根据所述臂长数据得到所述第二调节数据，根据所述身长数据得到所述第三调节数据；
根据所述第一调节数据、所述第二调节数据和所述第三调节数据对所述汽车座舱进行调节。
8.一种基于视频识别的汽车智能座舱调节装置，其特征在于，应用于如权利要求1至7任一项所述的基于视频识别的汽车智能座舱调节方法中，包括获取模块、识别模块、建模模块、测量模块和调节模块：
所述获取模块，用于当汽车接收到激活信号时，获取汽车主驾驶侧B柱处的视频图像；
所述识别模块，用于对所述视频图像进行人体识别，得到驾驶员图像；还用于对所述驾驶员图像进行身体部位识别，得到驾驶员的身体特征信息；
所述建模模块，用于采用SMPL建模方法，根据所述驾驶员的所述身体特征信息进行人体建模，生成驾驶员人体模型；
所述测量模块，用于对所述驾驶员人体模型进行测量，得到驾驶员身体数据；
所述调节模块，用于根据所述驾驶员身体数据得到汽车座舱调节数据，并根据所述汽车座舱调节数据对汽车座舱进行调节。
9.一种基于视频识别的汽车智能座舱调节系统，其特征在于，包括如权利要求8所述的基于视频识别的汽车智能座舱调节装置，还包括行车电脑、汽车座舱和设置于汽车主驾驶侧B柱处的摄像头；
所述行车电脑用于接收激活信号，控制所述摄像头采集汽车主驾驶侧B柱处的视频图像，并将所述视频图像发送至所述基于视频识别的汽车座舱调节装置；
所述行车电脑还用于接收所述基于视频识别的汽车智能座舱调节装置发送的汽车座舱调节数据，根据所述汽车座舱调节数据得到控制指令，并将所述控制指令发送至所述汽车座舱进行座舱调节；
所述行车电脑分别与所述基于视频识别的汽车智能座舱调节装置、所述汽车座舱和所述摄像头通信连接。
10.根据权利要求9所述的基于视频识别的汽车智能座舱调节系统，其特征在于，所述汽车座舱包括座椅和设置于所述座椅内部的驱动装置和调节装置；
所述驱动装置用于根据所述行车电脑发送的控制指令驱动所述调节装置运作，所述调节装置用于在所述驱动装置的驱动下进行座舱调节；
所述驱动装置与所述调节装置电连接，所述驱动装置与所述行车电脑通信连接。
CN202010882949.4A 2020-08-28 2020-08-28 一种基于视频识别的汽车智能座舱调节方法、装置和系统 Pending CN112070823A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010882949.4A CN112070823A (zh) 2020-08-28 2020-08-28 一种基于视频识别的汽车智能座舱调节方法、装置和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010882949.4A CN112070823A (zh) 2020-08-28 2020-08-28 一种基于视频识别的汽车智能座舱调节方法、装置和系统

Publications (1)

Publication Number Publication Date
CN112070823A true CN112070823A (zh) 2020-12-11

Family

ID=73659091

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010882949.4A Pending CN112070823A (zh) 2020-08-28 2020-08-28 一种基于视频识别的汽车智能座舱调节方法、装置和系统

Country Status (1)

Country Link
CN (1) CN112070823A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112874456A (zh) * 2021-01-12 2021-06-01 燕山大学 一种智能车辆调节方法及系统
CN113044045A (zh) * 2021-03-09 2021-06-29 吉林大学 一种智能座舱内座椅自适应调整方法
CN113335224A (zh) * 2021-07-22 2021-09-03 奇瑞新能源汽车股份有限公司 汽车安全带的调节方法及装置
CN114115539A (zh) * 2021-11-23 2022-03-01 阿波罗智联(北京)科技有限公司 汽车座舱环境切换方法、装置、设备以及存储介质
CN114872591A (zh) * 2022-04-28 2022-08-09 上海电机学院 一种汽车主驾座椅自适应调节系统
CN114889542A (zh) * 2022-06-01 2022-08-12 重庆邮电大学 一种基于驾驶员监测与识别的座舱协同控制系统和方法
CN115891871A (zh) * 2022-11-16 2023-04-04 阿维塔科技(重庆)有限公司 车辆座舱的控制方法、装置及计算机可读存储介质
CN116486324A (zh) * 2023-03-08 2023-07-25 深圳市旗畅科技有限公司 一种地铁座位踩踏行为检测方法、装置、设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101710421A (zh) * 2009-11-26 2010-05-19 西北工业大学 基于剪影的二维人体姿态处理方法
CN103559491A (zh) * 2013-10-11 2014-02-05 北京邮电大学 人体动作捕获及姿态分析系统
CN107451563A (zh) * 2017-07-31 2017-12-08 广东欧珀移动通信有限公司 汽车座椅的调整方法、系统、汽车、存储介质和电子设备
CN108021889A (zh) * 2017-12-05 2018-05-11 重庆邮电大学 一种基于姿态外形和运动信息的双通道红外行为识别方法
CN110717391A (zh) * 2019-09-05 2020-01-21 武汉亘星智能技术有限公司 一种基于视频图像的身高测量方法、系统、装置和介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101710421A (zh) * 2009-11-26 2010-05-19 西北工业大学 基于剪影的二维人体姿态处理方法
CN103559491A (zh) * 2013-10-11 2014-02-05 北京邮电大学 人体动作捕获及姿态分析系统
CN107451563A (zh) * 2017-07-31 2017-12-08 广东欧珀移动通信有限公司 汽车座椅的调整方法、系统、汽车、存储介质和电子设备
CN108021889A (zh) * 2017-12-05 2018-05-11 重庆邮电大学 一种基于姿态外形和运动信息的双通道红外行为识别方法
CN110717391A (zh) * 2019-09-05 2020-01-21 武汉亘星智能技术有限公司 一种基于视频图像的身高测量方法、系统、装置和介质

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112874456B (zh) * 2021-01-12 2022-04-19 燕山大学 一种智能车辆调节方法及系统
CN112874456A (zh) * 2021-01-12 2021-06-01 燕山大学 一种智能车辆调节方法及系统
CN113044045B (zh) * 2021-03-09 2023-07-04 吉林大学 一种智能座舱内座椅自适应调整方法
CN113044045A (zh) * 2021-03-09 2021-06-29 吉林大学 一种智能座舱内座椅自适应调整方法
CN113335224A (zh) * 2021-07-22 2021-09-03 奇瑞新能源汽车股份有限公司 汽车安全带的调节方法及装置
CN114115539A (zh) * 2021-11-23 2022-03-01 阿波罗智联(北京)科技有限公司 汽车座舱环境切换方法、装置、设备以及存储介质
CN114872591A (zh) * 2022-04-28 2022-08-09 上海电机学院 一种汽车主驾座椅自适应调节系统
CN114889542A (zh) * 2022-06-01 2022-08-12 重庆邮电大学 一种基于驾驶员监测与识别的座舱协同控制系统和方法
CN114889542B (zh) * 2022-06-01 2024-07-26 重庆邮电大学 一种基于驾驶员监测与识别的座舱协同控制系统和方法
CN115891871A (zh) * 2022-11-16 2023-04-04 阿维塔科技(重庆)有限公司 车辆座舱的控制方法、装置及计算机可读存储介质
CN115891871B (zh) * 2022-11-16 2024-05-17 阿维塔科技(重庆)有限公司 车辆座舱的控制方法、装置及计算机可读存储介质
CN116486324A (zh) * 2023-03-08 2023-07-25 深圳市旗畅科技有限公司 一种地铁座位踩踏行为检测方法、装置、设备及存储介质
CN116486324B (zh) * 2023-03-08 2024-02-09 深圳市旗畅科技有限公司 一种地铁座位踩踏行为检测方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN112070823A (zh) 一种基于视频识别的汽车智能座舱调节方法、装置和系统
CN105487665B (zh) 一种基于头部姿势识别的智能移动服务机器人控制方法
US10926773B2 (en) Systems and methods for mitigating motion sickness in a vehicle
CN107139927B (zh) 一种自适应驾驶人体态的智能驾驶室控制方法和装置
KR102125756B1 (ko) 지능형 차량 편의 제어 장치 및 방법
CN111071187A (zh) 驾驶环境智能调整及驾驶员注册方法和装置、车辆、设备
CN107223101A (zh) 车辆自动驾驶方法和车辆自动驾驶系统
CN114889542B (zh) 一种基于驾驶员监测与识别的座舱协同控制系统和方法
JP6645543B1 (ja) 運転制御調整装置および運転制御調整方法
CN207523617U (zh) 驾驶位置调节装置、服务器及系统
CN113628448A (zh) 车辆及其缓解疲劳驾驶的装置
CN111717147A (zh) 车辆座椅自动调节系统及方法
CN110363093A (zh) 一种司机动作识别方法及装置
CN113139474A (zh) 生物识别技术和数据驱动下的汽车座舱智能适应模型算法
CN109101980B (zh) 一种基于机器学习的汽车失重检测与控制方法
CN113269069B (zh) 一种基于卡车司机面部特征的困倦辨识方法及装置
CN111626226B (zh) 一种颈部转动识别方法及系统
CN109858359A (zh) 一种考虑情感的汽车驾驶人驾驶意图辨识方法
WO2023020139A1 (zh) 制动操作器控制方法、装置、设备、介质及程序产品
CN112690794B (zh) 驾驶员状态检测方法、系统和装置
CN110162027A (zh) 一种车辆自动驾驶控制系统
JP4346952B2 (ja) 荷重分布パターンによる駆動制御装置
CN116758519A (zh) 基于视觉人工智能ai的汽车座椅微调方法及相关设备
CN113044045A (zh) 一种智能座舱内座椅自适应调整方法
JP2021009503A (ja) 個人データ取得システム、個人データ取得方法、画像処理装置用顔センシングパラメータの調整方法及びコンピュータプログラム

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: 20201211