CN112262056B - 用于车辆乘客分类的系统和方法 - Google Patents

用于车辆乘客分类的系统和方法 Download PDF

Info

Publication number
CN112262056B
CN112262056B CN201980039333.6A CN201980039333A CN112262056B CN 112262056 B CN112262056 B CN 112262056B CN 201980039333 A CN201980039333 A CN 201980039333A CN 112262056 B CN112262056 B CN 112262056B
Authority
CN
China
Prior art keywords
weight
occupant
sensors
classification system
probabilistic
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
Application number
CN201980039333.6A
Other languages
English (en)
Other versions
CN112262056A (zh
Inventor
布鲁诺·D·卡拉罗
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.)
Magna Seating Inc
Original Assignee
Magna Seating Inc
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 Magna Seating Inc filed Critical Magna Seating Inc
Publication of CN112262056A publication Critical patent/CN112262056A/zh
Application granted granted Critical
Publication of CN112262056B publication Critical patent/CN112262056B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • B60N2/0025—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 by using weight measurement
    • 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
    • B60N2/0027—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 for detecting the position of the occupant or of occupant's body part
    • 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
    • B60N2/0033—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 mounted on or in the foam cushion
    • 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
    • B60N2/64—Back-rests or cushions
    • 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
    • B60R21/01516—Passenger detection systems using force or pressure sensing means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01G—WEIGHING
    • G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
    • G01G19/40—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups with provisions for indicating, recording, or computing price or other quantities dependent on the weight
    • G01G19/413—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups with provisions for indicating, recording, or computing price or other quantities dependent on the weight using electromechanical or electronic computing means
    • G01G19/414—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups with provisions for indicating, recording, or computing price or other quantities dependent on the weight using electromechanical or electronic computing means using electronic computing means only
    • G01G19/4142—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups with provisions for indicating, recording, or computing price or other quantities dependent on the weight using electromechanical or electronic computing means using electronic computing means only for controlling activation of safety devices, e.g. airbag systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01G—WEIGHING
    • G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
    • G01G19/44—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for weighing persons
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01G—WEIGHING
    • G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
    • G01G19/52—Weighing apparatus combined with other objects, e.g. furniture
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Transportation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Seats For Vehicles (AREA)

Abstract

一种用于座椅组件(20)的乘员分类系统，包括多个传感器(32)、姿势分类器和重量分类系统。座椅组件包括座垫(22)和座椅靠背(24)。所述多个传感器(32)中的每个传感器(32)测量由座椅组件的乘员施加至座垫(22)的力。姿势分类器基于施加至所述多个传感器(32)中的每个传感器的力的分布来识别乘员的姿势。重量分类系统基于姿势和施加至所述多个传感器(32)中的每个传感器的力的大小来识别乘员的重量类别。

Description

用于车辆乘客分类的系统和方法
相关申请的交叉引用
本申请要求于2018年7月19日提交的美国临时专利申请No.62/700,613的优先权，该美国临时专利申请通过引用并入本文。
技术领域
本发明涉及一种用于机动车辆中的座椅组件的乘员分类系统。
背景技术
机动车辆包括具有座垫和座椅靠背的一个或多个座椅组件，以用于将乘客或乘员支撑在车辆地板的上方。座椅组件通常通过竖立件组件安装到车辆地板。座椅靠背通常通过斜倚器组件而操作性地联接至座垫，斜倚器组件用于提供座椅靠背相对于座垫的选择性枢转调节。
用于机动车辆的前排乘客座椅组件通常包括用于确定座椅组件中的乘员的重量的乘员分类系统。乘员分类系统对于优化诸如安全气囊展开系统之类的车辆安全系统是有用的。例如，乘员分类系统可以将乘员的重量发送给乘员保护装置控制器(occupantrestraint controller)，乘员保护装置控制器可以根据乘员的重量来改变安全气囊展开的强度。对于较小的个体，安全气囊可以以较低的强度展开或根本不展开。
乘员分类系统通常包括位于座垫中的压力感测装置，比如多个感测单元或囊状物系统，该压力感测装置通过测量施加至座垫的力的量来确定乘员的重量。然而，由于乘员的姿势影响车辆地板、座垫和座椅靠背之间的重量分布，所以施加至座垫的力的量根据乘员的姿势而变化。此外，每个乘员都有不同的就座方式，就座方式可能会影响他们在座椅上的重量分布。
例如，对于如图1A中所描绘的以其双脚位于地板上且其小腿伸展开的状态直立就座的人在座垫上测得的力的量可能是49.8kg。如果该同一个体如图1B中所描绘的那样前倾，则力的量减小到29.7kg。类似地，对于如图2A中所描绘的以其双脚位于地板上且其小腿伸展开的状态直立就座的人在座垫上测得的力的量可能为36.9kg，但是当该个体如图2B中所描绘的那样抬起他/她的双腿时，力的量增加到40.5kg。
常规的乘员分类系统经常对座椅乘员的重量进行错误分类，因为常规的乘员分类系统不能在不同的就座姿势进行区分，而就座姿势会极大地影响重量测量的准确性。因此，期望提供一种乘员分类系统，其将乘员的姿势作为因素计入重量分析中。
发明内容
本发明显著地改进了向车辆座椅组件中的乘员分配重量类别的准确性。根据一个实施方式，提供了一种用于座椅组件的乘员分类系统。座椅组件包括座垫和座椅靠背。乘员分类系统包括多个传感器、姿势分类器和重量分类系统。所述多个传感器中的每个传感器测量由座椅组件的乘员施加至座垫的力。姿势分类器基于施加至所述多个传感器中的每个传感器的力的分布来识别乘员的姿势。重量分类系统基于姿势和施加至所述多个传感器中的每个传感器的力的大小来识别乘员的重量类别。
根据另一实施方式，提供了一种与对座椅组件的乘员进行分类相关联的方法。座椅组件包括座垫和座椅靠背。该方法包括以下步骤：测量由乘员施加至座垫的多个力，使用所述多个力来识别乘员的姿势，并且使用该姿势和所述多个力来识别乘员的重量类别。
根据另一实施方式，提供了一种用于得出用于座椅组件的乘员分类系统的方法。座椅组件包括座垫和座椅靠背。该方法包括以下步骤：使用概率性方法来训练姿势分类器以在多个姿势之间进行区别，对于所述多个姿势中的每个姿势，使用确定性方法来得出用于识别多个重量类别中的一个重量类别的重量分类系统，以及，当重量分类系统无法识别所述多个重量类别中的该一个重量类别时，使用第二概率性方法来训练重量分类系统以识别所述多个重量类别中的该一个重量类别。
附图说明
当结合附图考虑时，通过参考以下详细描述，将会更好地理解本发明，因此将容易地理解本发明的优点，其中：
图1A是以一个姿势坐在座椅组件上的人的立体图；
图1B是图1A中的人以第二姿势坐在座椅组件上的立体图；
图2A是以一个姿势坐在座椅组件上的另一个人的立体图；
图2B是图2A中的人以第二姿势坐在座椅组件上的立体图；
图3是用于机动车辆的座椅组件的立体图；
图4是识别潜在姿势的图表；
图5描绘了根据本发明的乘员分类系统；以及
图6是集合地图示了针对所有姿势的对于四个不同重量类别的重量类别范围的曲线图。
具体实施方式
图3图示了用于机动车辆中的座椅组件20的一个实施方式。座椅组件20包括座垫22和操作性地联接至座垫22的座椅靠背24，用于支撑处于大体上直立的就座位置的座椅乘员。座椅靠背24通常通过斜倚器组件26操作性地联接至座垫22，以用于提供在直立就座位置与多个斜倚就座位置之间的枢转运动。
座椅组件20包括用于确定座椅组件20中的乘员的姿势34和重量类别36的乘员分类系统28。本发明的乘员分类系统28不是试图识别乘员的精确重量，而是识别乘员属于某个重量类别的可能性。例如，系统28可以在四个标准的成人重量类别之间进行区分：极轻重量、轻量级重量、中等重量和重量级重量。极轻重量被定义为落入第5百分位数以下的成年人。轻量级重量被定义为介于第5百分位数与第50百分位数之间的成年人。中等重量被定义为介于第50百分位数与第95百分位数之间的成年人。重量级重量被定义为第95百分位数以上的成年人。
常规的乘员分类系统通常将儿童座椅误认为用于成人，因为在座垫上测量的重量不仅包括儿童座椅的重量和儿童座椅中的儿童的重量，而且还可能受到安全带张力的影响。本发明通过将儿童座椅视为姿势34来解决该问题。一旦被分类为姿势34，系统28可以在不同的儿童座椅重量类别36之间进行区分。例如，系统28可以在12个月大、3岁大和6岁大之间进行区分。
除了儿童座椅之外，系统28可以在任何数目的姿势34之间进行区分。例如，参照图4，系统28可以在下述人之间进行区分：以其双脚位于地板上且其小腿伸展开的状态直立就座的人38，以懒散的姿势就座的人40、以其双脚位于地板上且其小腿朝向座椅拉拢的状态直立就座的人42、以其双腿展开其双脚位于地板上且其小腿朝向座椅拉拢的状态就座的人44、以其双腿展开其双脚位于地板上且其小腿伸展开的状态就座的人46、以其小腿朝向座椅拉拢的状态就座在座椅的左侧的人48、以其小腿朝向座椅拉拢的状态就座在座椅的右侧的人50、以其腿部向左侧成角度的状态就座的人52、以其腿部向右侧成角度的状态就座的人54、以其腿部向左侧成角度的状态就座于座椅的前边缘的人56、以其腿部向右侧成角度的状态就座于座椅的前边缘的人58、以其腿部交叉的状态就座的人60、以其双手放在其大腿下方的状态就座的人62、以其腿部交叉并向左侧成角度的状态就座的人64、以其腿部交叉并向右侧成角度的状态就座的人66、以其右脚塞在其左大腿下方的状态就座的人68、以及以其左脚塞在其右大腿下方的状态就座的人70。
乘员分类系统28可以用于优化车辆安全系统，比如安全气囊展开系统。例如，乘员分类系统28可以将乘员的姿势34提供给乘员保护装置控制器，以使乘员保护装置控制器在某些条件下将不会展开安全气囊，诸如，在座椅组件20中存在儿童座椅的情况下或者在乘员坐在对于安全气囊的展开而言并不理想的易受伤害的位置的情况下。乘员分类系统28还可以将乘员的重量类别36提供给乘员保护装置控制器，使得乘员保护装置控制器可以改变安全气囊展开的强度。例如，对于极轻重量的个体，乘员保护装置控制器可以以较低的强度展开安全气囊。
参照图3，本发明的乘员分类系统28包括在座垫22中的感测单元32的阵列30。每个感测单元32测量施加至单元32的力的量。在优选的实施方式中，系统28还包括在座椅靠背24中的感测单元32的阵列30。将感测单元32包括在座垫22和座椅靠背24两者中增加了系统28的整体性能。尽管座垫22被描绘为包括4行、每行4个感测单元，且座椅靠背24被描绘为包括7行、每行3个感测单元，但每个阵列30中的感测单元32的数目是可定制的。
每个感测单元32基于施加至每个单独的感测单元32的力的大小来提供电压。使用10,000欧姆的偏压电阻器和10位模数转换器，在每个单元32上可测量的可靠力的动态范围可以在0kg与10kg之间变化。系统28可以每秒400次输出值的阵列30。
参照图5，本发明的乘员分类系统28还包括姿势分类器72和多个重量分类系统74。每个姿势34对应于唯一的重量分类系统74。姿势分类器72基于感测单元32的阵列30上的力的分布确定座椅组件20中的乘员的姿势34。在确定乘员的姿势34之后，相应的重量分类系统74基于在阵列30中的每个感测单元32上的力的大小确定乘员的重量类别36。
姿势分类器72可以包括确定性模型或概率模型。优选地，姿势分类器72包括概率模型。相对于确定性模型，概率模型是优选的，因为概率模型允许更有效地处理输出歧义、概率模型开发起来更快、概率模型更容易被改写和扩展(scale)并且概率模型更容易适应复杂的用户类型和行为。另外，由于概率模型使用多信号输入阵列，因此概率模型适应复杂的用户类型和行为。换言之，与一维确定性模型相比，概率模型使用了更高维度的分析(即空间3D感测)。
优选地，概率模型包括神经网络。但是，可以使用其他概率模型，包括支持向量机、逻辑回归、决策树、朴素贝叶斯或最近邻法。图5中描绘的姿势分类器72包括神经网络。可以使用各种算法来训练神经网络以在不同的姿势34之间进行区别。例如，可以使用监督式批量学习方法来调整向神经网络的每个节点馈送的权重和偏置参数并调节其输出。尽管本质上是概率性的，但是一旦在学习过程期间优化了权重和偏置项，系统就将变成确定性的。换句话说，一旦它接收到不同的数据集，它就变得可以预测。
姿势分类器72的输入层包括感测单元32的阵列30(X＝[x1、x2、...xn])，其中n代表感测单元32的数目。姿势分类器72的输出层包括系统已经被训练来识别的不同的姿势34[k1、k2、...k0]。姿势分类器72包括具有m个传递函数76[y1、y2、...ym]的隐藏层，其中各传递函数76的权重78由[w11、w21、...wmn]表示。尽管以单个隐藏层进行描述，但是可以例如通过使用多于一个的隐藏层或通过更改隐藏层中的节点的数目来修改神经网络的类型和结构以优化系统。
重量分类系统74可以包括确定性模型或概率模型。优选地，重量分类系统74包括确定性组成部分80和多个概率性组成部分82、84、86。例如，确定性组成部分80可以包括基于来自感测单元32的值的总和88的对于每个重量类别36的重量带。如图5中的示例中所描绘的，对于给定的姿势，极轻重量带90从4000以下延伸到b，轻量级重量带92从a延伸到d，中等重量带94从c延伸到f，以及重量级重量带96从e延伸到9000以上。
相邻的重量带之间可能存在重叠部分。对于图5中所描绘的示例，当来自感测单元32的值的总和88落在a与b之间时，在极轻重量带90与轻量级重量带92之间存在重叠部分100。当来自感测单元32的值的总和88落在c与d之间时，在轻量级重量带92与中等重量带94之间存在重叠部分102。当来自感测单元32的值的总和88落在e与f之间时，在中等重量带94与重量级重量带96之间存在重叠部分104。
可以针对每个重量类别识别阈值，其中，来自感测单元32的值的总和88只能反映一个重量类别而不能因在这些阈值之间或超过这些阈值而反映其他重量类别，不存在与相邻类别的重叠部分。例如，如果来自感测单元32的值的总和88小于a，则乘员为极轻重量。如果来自感测单元32的值的总和88落在b与c之间，则乘员为轻量级重量。如果来自感测单元32的值的总和88落在d与e之间，则乘员为中等重量。以及如果来自感测单元32的值的总和88大于f，则乘员为重量级重量。
图6图示了将姿势作为因素计入确定重量分类中的重要性。如果要将针对所有姿势的来自感测单元32的值的总和88集合地进行比较，则针对每个重量类别的重量带90、92、94、96都将会扩张，因为对于任何给定的个体，在不同姿势下的传感器读数可能显著变化。个体传感器读数的较大变化导致对于该重量带内的所有个体的较宽的重量带以及在不同重量带之间存在重叠部分的较大的可能性。因此，如所描绘的，不仅在相邻的重量类别之间而且在所有四个重量类别之间都存在重叠部分的区域98。相比之下，如图5中确定性组成部分80所图示的那样基于逐个姿势查看传感器读数精密调节了重量类别带90、92、94、96，以使重叠部分被减小并限制于相邻的类别之间。
返回图5，如果来自感测单元32的值的总和88落在重叠部分100内，则可以使用概率性组成部分82以在极轻重量类别和轻量级重量类别之间进行区分。如果来自感测单元32的值的总和88落在重叠部分102内，则可以使用概率性组成部分84以在轻量级重量类别和中等重量类别之间进行区分。如果来自感测单元32的值的总和88落在重叠部分104内，则可以使用概率性组成部分86以在中等重量类别和重量级重量类别之间进行区分。
优选地，重量分类系统74的每个概率性组成部分82、84、86包括神经网络。但是，可以使用其他概率模型，包括支持向量机、逻辑回归、决策树、朴素贝叶斯、最近邻法、基于回归的模型或径向基网络。类似于姿势分类器72，概率性组成部分82、84、86被训练以在它们各自的相邻重量类别之间进行区别。
可以做出附加的修改以改进乘员分类系统28的准确性。例如，系统28可以确定乘员的质心并将其用于增强概率模型72、82、84、86中的一者或多者。质心对于识别姿势34的转变以及基于乘员的特定就座的方式识别轻微的变化。
重量分类系统74的确定性组成部分80可以使用与来自感测单元32的值的总和88不同的度量来识别重量类别。例如，确定性组成部分80可以基于乘员的质心或由感测单元32测量的值的平均值。类似地，这些度量可以用于增强概率模型72、82、84、86中的一者或多者。系统28还可以使用传感器32的温度来增强概率模型72、82、84、86中的一者或多者。
可能存在概率模型72、82、84、86中的一者或多者可能无法清楚地识别出乘员落入的单个姿势34或重量类别36的情况。在这些情况下，系统28可以应用确定性模型来帮助区分哪个姿势34或重量类别36最适合该乘员。
系统28还可以向感测单元32中的一些感测单元分配比其他感测单元更大的重要性。例如，系统28可以将位于乘员的重心附近的感测单元32的值加倍，或者减小定位成较靠近垫枕的感测单元32的值，然后将这些结果输入到分类系统72、74中。
已经以说明性的方式描述了本发明，并且应当理解，已经使用的术语旨在呈描述性而非限制性的用语的性质。鉴于以上教导，本发明的许多修改和变化是可能的。因此，应当理解，在所附权利要求的范围内，可以以不同于具体描述的方式实践本发明。

Claims (14)

1.一种用于座椅组件的乘员分类系统，其中，所述座椅组件包括座垫和座椅靠背，所述系统包括：
多个传感器，其中，所述多个传感器中的每个传感器测量由所述座椅组件的乘员施加至所述座垫的力；
姿势分类器，所述姿势分类器用于基于施加至所述多个传感器中的每个传感器的力的分布来识别所述乘员的姿势，所述姿势分类器包括概率模型；以及
重量分类系统，所述重量分类系统用于基于所述姿势和施加至所述多个传感器中的每个传感器的力的大小来识别所述乘员的重量类别，其中，所述重量分类系统包括确定性组成部分和概率性组成部分，所述确定性组成部分以确定性方法来识别所述重量类别，所述概率性组成部分在所述确定性方法无法识别单个重量类别的情况下以概率性方法来识别所述重量类别。
2.根据权利要求1所述的乘员分类系统，其中，所述姿势分类器包括神经网络、支持向量机、逻辑回归、决策树、朴素贝叶斯或最近邻法中的一者。
3.根据权利要求1所述的乘员分类系统，其中，所述确定性组成部分基于施加至所述多个传感器中的每个传感器的所述力的总和来识别重量类别。
4.根据权利要求1所述的乘员分类系统，其中，所述概率性组成部分包括神经网络、支持向量机、逻辑回归、决策树、朴素贝叶斯、最近邻法、基于回归的模型或径向基网络中的一者。
5.根据权利要求1所述的乘员分类系统，还包括第二组多个传感器，其中，所述第二组多个传感器中的每个传感器测量施加至所述座椅靠背的力，其中：
所述姿势分类器基于施加至所述多个传感器中的每个传感器的力的分布以及施加至所述第二组多个传感器中的每个传感器的力的分布来识别所述乘员的姿势；并且
所述重量分类系统基于所述姿势、施加至所述多个传感器中的每个传感器的力的大小以及施加至所述第二组多个传感器中的每个传感器的力的大小来识别所述乘员的重量类别。
6.一种与对座椅组件的乘员进行分类相关联的方法，其中，所述座椅组件包括座垫和座椅靠背，所述方法包括以下步骤：
测量由所述乘员施加至所述座垫的多个力；
使用所述多个力来识别所述乘员的姿势，其中，使用概率性方法来识别所述姿势；以及
使用所述姿势和所述多个力来识别所述乘员的重量类别，其中，使用确定性方法来识别所述重量类别，并且如果所述确定性方法未识别单个重量类别则使用第二概率性方法来识别所述重量类别。
7.根据权利要求6所述的方法，其中，所述概率性方法包括神经网络、支持向量机、逻辑回归、决策树、朴素贝叶斯或最近邻法中的一者。
8.根据权利要求6所述的方法，其中，所述确定性方法基于施加至多个传感器中的每个传感器的力的总和来识别重量类别。
9.根据权利要求8所述的方法，其中，所述概率性方法包括神经网络、支持向量机、逻辑回归、决策树、朴素贝叶斯、最近邻法、基于回归的模型或径向基网络中的一者。
10.根据权利要求6所述的方法，还包括以下步骤：
测量由所述乘员施加至所述座椅靠背的第二组多个力；
使用所述多个力和所述第二组多个力来识别所述乘员的姿势；以及
使用所述姿势、所述多个力和所述第二组多个力来识别所述乘员的重量类别。
11.一种用于得出用于座椅组件的乘员分类系统的方法，其中，所述座椅组件包括座垫和座椅靠背，所述方法包括以下步骤：
使用概率性方法来训练姿势分类器以在多个姿势之间进行区别；
对于所述多个姿势中的每个姿势，使用确定性方法来得出用于识别多个重量类别中的一个重量类别的重量分类系统；以及
当重量分类系统无法识别所述多个重量类别中的所述一个重量类别时，使用第二概率性方法来训练所述重量分类系统以识别所述多个重量类别中的所述一个重量类别。
12.根据权利要求11所述的方法，其中，所述确定性方法基于施加至多个传感器中的每个传感器的力的总和来识别重量类别。
13.根据权利要求11所述的方法，其中，所述概率性方法包括神经网络、支持向量机、逻辑回归、决策树、朴素贝叶斯、最近邻法、基于回归的模型或径向基网络中的一者。
14.根据权利要求11所述的方法，其中，所述第二概率性方法包括神经网络、支持向量机、逻辑回归、决策树、朴素贝叶斯、最近邻法、基于回归的模型或径向基网络中的一者。
CN201980039333.6A 2018-07-19 2019-07-17 用于车辆乘客分类的系统和方法 Active CN112262056B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201862700613P 2018-07-19 2018-07-19
US62/700,613 2018-07-19
PCT/US2019/042167 WO2020018645A1 (en) 2018-07-19 2019-07-17 Systems and methods for vehicle passenger classification

Publications (2)

Publication Number Publication Date
CN112262056A CN112262056A (zh) 2021-01-22
CN112262056B true CN112262056B (zh) 2023-01-10

Family

ID=67480466

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980039333.6A Active CN112262056B (zh) 2018-07-19 2019-07-17 用于车辆乘客分类的系统和方法

Country Status (5)

Country Link
US (1) US11850972B2 (zh)
EP (1) EP3787925B1 (zh)
CN (1) CN112262056B (zh)
CA (1) CA3106910A1 (zh)
WO (1) WO2020018645A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11763085B1 (en) * 2020-03-26 2023-09-19 Grammarly, Inc. Detecting the tone of text

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19880187T1 (de) * 1997-01-13 1999-04-08 Furukawa Electric Co Ltd Sitz mit Sitzsensor, Sitzerkennungsvorrichtung und Airbagapparat
US6392550B1 (en) * 2000-11-17 2002-05-21 Ford Global Technologies, Inc. Method and apparatus for monitoring driver alertness
EP1475274B1 (en) * 2003-05-06 2011-08-31 Mitsubishi Electric Information Technology Centre Europe B.V. Seat occupant monitoring system and method
US7034670B2 (en) 2003-12-30 2006-04-25 Lear Corporation Method of occupancy classification in a vehicle seat
US7475903B2 (en) 2005-04-08 2009-01-13 Robert Bosch Gmbh Weight based occupant classification system
CN101318493A (zh) * 2008-05-29 2008-12-10 吉林大学 一种车辆乘员体征的识别方法
KR101054779B1 (ko) * 2008-12-02 2011-08-05 기아자동차주식회사 무게 센서를 이용하는 차량의 승객 식별 시스템
WO2010090321A1 (ja) * 2009-02-06 2010-08-12 マスプロ電工株式会社 着座状態検出装置及び移動体の乗員監視システム
US10052972B2 (en) * 2013-03-26 2018-08-21 Intel Corporation Vehicular occupancy assessment
JP6520450B2 (ja) 2015-06-19 2019-05-29 アイシン精機株式会社 着座状態検知装置
US20170305301A1 (en) * 2016-04-22 2017-10-26 Bebop Sensors, Inc. Vehicle seat sensor systems for use with occupant classification systems
EP3369610A1 (en) 2017-03-01 2018-09-05 Delphi Technologies, Inc. System to determine the posture and weight of an occupant of a seat
US10739184B2 (en) * 2017-06-30 2020-08-11 Tesla, Inc. Vehicle occupant classification systems and methods
WO2020227599A1 (en) * 2019-05-09 2020-11-12 Magna Seating Inc. Systems and methods for occupant classification

Also Published As

Publication number Publication date
CN112262056A (zh) 2021-01-22
EP3787925A1 (en) 2021-03-10
CA3106910A1 (en) 2020-01-23
WO2020018645A1 (en) 2020-01-23
EP3787925B1 (en) 2024-09-11
US20210276457A1 (en) 2021-09-09
US11850972B2 (en) 2023-12-26

Similar Documents

Publication Publication Date Title
KR102338757B1 (ko) 사람의 상태 인식을 기반으로 신체 부위 길이 및 얼굴 정보를 사용하여 승객의 키 및 몸무게를 예측하는 방법 및 장치
US6452870B1 (en) Methods for controlling deployment of an occupant restraint in a vehicle and determining whether the occupant is a child seat
US6529809B1 (en) Method of developing a system for identifying the presence and orientation of an object in a vehicle
US9598037B2 (en) Sensor based occupant protection system
JP2004522932A (ja) 車両内の物体の存在及び姿勢を識別するシステムを開発する方法
WO2001085497A1 (en) Vehicle occupant classification system and method
US7730794B2 (en) Method for classifying passengers
CN109641562A (zh) 乘员概况分析系统
CN112262056B (zh) 用于车辆乘客分类的系统和方法
JP4336587B2 (ja) 車両座席の使用を確認するための方法
JP4761728B2 (ja) 乗員監視装置
US7034670B2 (en) Method of occupancy classification in a vehicle seat
US7519461B2 (en) Discriminate input system for decision algorithm
CN111907462A (zh) 安全气囊的控制系统、信息处理方法、系统、介质及设备
Huang et al. Optimisation study of occupant restraint system concerning variations in occupant size and crash severity in frontal collisions
JP2002193008A (ja) 車両シートにおけるシートマットを用いた乗員クラス分類方法及び装置
CN109948679A (zh) 一种车辆座椅对象分类方法、装置及电子设备
US11613218B2 (en) Seat adjustment
CA3139868A1 (en) Systems and methods for occupant classification
CN114537315B (zh) 多重侦测系统
US20050154516A1 (en) Method and a system for processing measurement signals for characterizing the state of occupancy of a motor vehicle seat
JP2005172484A (ja) 車両用シートの荷重判別方法およびその荷重判別装置
Fung et al. Main effects of driving posture changes in frontal crashes due to ageing
JP2001033324A (ja) 車両用シートの着座乗員判定装置
CN116533836A (zh) 一种零重力座椅控制方法、装置和汽车

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