CN113627220A - 一种电动尾门的开启控制方法及装置 - Google Patents
一种电动尾门的开启控制方法及装置 Download PDFInfo
- Publication number
- CN113627220A CN113627220A CN202010387201.7A CN202010387201A CN113627220A CN 113627220 A CN113627220 A CN 113627220A CN 202010387201 A CN202010387201 A CN 202010387201A CN 113627220 A CN113627220 A CN 113627220A
- Authority
- CN
- China
- Prior art keywords
- pedestrian
- human body
- joint
- limb
- image
- 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 30
- 210000003108 foot joint Anatomy 0.000 claims description 52
- 238000001514 detection method Methods 0.000 claims description 32
- 238000013527 convolutional neural network Methods 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 15
- 238000005728 strengthening Methods 0.000 claims description 13
- 230000033001 locomotion Effects 0.000 claims description 12
- 230000004927 fusion Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 8
- 239000000463 material Substances 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 16
- 238000012549 training Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000006698 induction Effects 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- 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
- 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
- G06N3/048—Activation functions
-
- 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
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/00174—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys
- G07C9/00563—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys using personal physical data of the operator, e.g. finger prints, retinal images, voicepatterns
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供了一种电动尾门的开启控制方法及装置，当检测到钥匙进入车辆的预设范围内时，唤醒尾门摄像头；获得所述尾门摄像头采集的图像，并对图像进行行人检测；当在图像中检测到行人时，对行人的关节进行识别；对图像中行人的位置进行检测；当行人的位置在预设区域时，依据行人关节间的相对位置识别行人的动作；当行人的动作为预设动作时，控制电动尾门开启。本发明利用车辆现有的尾门摄像头，通过图像识别技术识别用户动作，控制电动尾门开启，降低了整车物料成本。
Description
技术领域
本发明涉及车辆自动化控制技术领域，更具体的，涉及一种电动尾门的开启控制方法及装置。
背景技术
随着车辆自动化控制技术的不断发展，车辆越来越多的采用人性化的设计，如电动尾门感应系统，使得用户在无需拿出钥匙的情况下控制电动尾门开启。
现有的电动尾门感应系统通过在电动尾门安装电容传感器感应用户的踢腿动作，控制器判断该踢腿动作为有效动作时控制电动尾门开启。这种电动尾门感应系统需要额外增加电容传感器，增加了车辆的生产成本。
发明内容
有鉴于此，本发明公开了一种电动尾门的开启控制方法及装置，利用车辆现有的尾门摄像头，通过图像识别技术识别用户动作，控制电动尾门开启，降低了整车物料成本。
为了实现上述发明目的，本发明提供的具体技术方案如下：
一种电动尾门的开启控制方法，所述方法包括：
当检测到钥匙进入车辆的预设范围内时，唤醒尾门摄像头；
获得所述尾门摄像头采集的图像，并对图像进行行人检测；
当在图像中检测到行人时，对行人的关节进行识别；
对图像中行人的位置进行检测；
当行人的位置在预设区域时，依据行人关节间的相对位置识别行人的动作；
当行人的动作为预设动作时，控制电动尾门开启。
可选的，所述对图像进行行人检测，包括：
将图像输入预先构建的基于卷积神经网络的行人检测模型中进行处理，得到行人检测结果。
可选的，所述对行人的关节进行识别，包括：
利用预先构建的基于卷积神经网络的特征提取模型，提取图像的行人特征；
通过特征金字塔从图像的行人特征中提取不同分辨率图像的行人特征；
对不同分辨率图像的行人特征进行特征融合，得到全局图像信息；
利用区域推荐网络模型从所述全局图像信息中提取人体关节点区域；
利用关键点识别网络模型对人体关节点区域进行识别，得到人体关键点信息，所述人体关键点信息包括关键点的坐标和名称；
对所述全局图像信息进行人体肢体识别，得到人体肢体部分连接关系；
依据所述人体关键点信息、所述人体肢体部分连接关系以及关节点与肢体的相对位置关系，识别人体关节。
可选的，所述对所述全局图像信息进行人体肢体识别，得到人体肢体部分连接关系，包括：
利用区域推荐网络模型从所述全局图像信息中提取人体肢体区域；
利用肢体关系识别网络模型对人体肢体区域进行识别，得到人体肢体部分连接关系。
可选的，在所述利用关键点识别网络模型对人体关节点区域进行识别之前，所述方法还包括：
通过注意力机制网络对人体关节点区域进行强化处理；
在所述利用肢体关系识别网络模型对人体肢体区域进行识别之前，所述方法还包括：
通过注意力机制网络对人体肢体区域进行强化处理。
可选的，所述依据行人关节间的相对位置识别行人的动作，包括：
获取行人左脚关节的坐标和右脚关节的坐标；
依据行人左脚关节的坐标和右脚关节的坐标，确定行人左脚关节与右脚关节间的相对位置；
根据行人左脚关节与右脚关节间的相对位置识别行人的脚步动作。
一种电动尾门的开启控制装置，所述装置包括：
摄像头唤醒单元，用于当检测到钥匙进入车辆的预设范围内时，唤醒尾门摄像头；
行人检测单元，用于所述尾门摄像头采集的图像，并对图像进行行人检测；
关节识别单元，用于当在图像中检测到行人时，对行人的关节进行识别；
位置识别单元，用于对图像中行人的位置进行检测；
动作识别单元，用于当行人的位置在预设区域时，依据行人关节间的相对位置识别行人的动作；
开启控制单元，用于当行人的动作为预设动作时，控制电动尾门开启。
可选的，所述行人检测单元，具体用于：
将图像输入预先构建的基于卷积神经网络的行人检测模型中进行处理，得到行人检测结果。
可选的，所述关节识别单元，包括：
特征提取子单元，用于利用预先构建的基于卷积神经网络的特征提取模型，提取图像的行人特征；通过特征金字塔从图像的行人特征中提取不同分辨率图像的行人特征；
特征融合子单元，用于对不同分辨率图像的行人特征进行特征融合，得到全局图像信息；
关节点区域提取子单元，用于利用区域推荐网络模型从所述全局图像信息中提取人体关节点区域；
关节点区域识别子单元，用于利用关键点识别网络模型对人体关节点区域进行识别，得到人体关键点信息，所述人体关键点信息包括关键点的坐标和名称；
肢体连接关系识别子单元，用于对所述全局图像信息进行人体肢体识别，得到人体肢体部分连接关系；
人体关节识别子单元，用于依据所述人体关键点信息、所述人体肢体部分连接关系以及关节点与肢体的相对位置关系，识别人体关节。
可选的，所述肢体连接关系识别子单元，具体用于：
利用区域推荐网络模型从所述全局图像信息中提取人体肢体区域；
利用肢体关系识别网络模型对人体肢体区域进行识别，得到人体肢体部分连接关系。
可选的，所述关节识别单元，还包括：
强化处理子单元，用于在利用关键点识别网络模型对人体关节点区域进行识别之前，通过注意力机制网络对人体关节点区域进行强化处理，并在利用肢体关系识别网络模型对人体肢体区域进行识别之前，通过注意力机制网络对人体肢体区域进行强化处理。
可选的，所述动作识别单元，具体用于：
获取行人左脚关节的坐标和右脚关节的坐标；
依据行人左脚关节的坐标和右脚关节的坐标，确定行人左脚关节与右脚关节间的相对位置；
根据行人左脚关节与右脚关节间的相对位置识别行人的脚步动作。
相当于现有技术，本发明的有益效果如下：
本发明公开的一种电动尾门的开启控制方法，当检测到钥匙进入车辆的预设范围内时，唤醒车辆现有的尾门摄像头，利用图像识别技术对尾门摄像头采集的图像进行行人检测、关节识别、行人位置检测以及动作检测，当检测到行人的动作为预设动作时，控制电动尾门开启。不需要在电动尾门安装电容传感器感应用户开启电动尾门的动作，降低了整车物料成本。同时避免了电动车电磁干扰导致尾门自动开启系统工作异常的问题，以及对无钥匙进入系统的干扰问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，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，还可以根据提供的附图获得其他的附图。
图1为本发明实施例公开的一种电动尾门的开启控制方法的流程示意图；
图2为本发明实施例公开的一种基于深度学习全卷积的关节识别网络架构图；
图3-a为本发明实施例公开的关节识别网络架构图中的特征提取部分示意图；
图3-b为本发明实施例公开的关节识别网络架构图中的特征金字塔部分示意图；
图3-c为本发明实施例公开的关节识别网络架构图中的区域推荐网络模型部分示意图；
图3-d为本发明实施例公开的关节识别网络架构图中的注意力机制网络部分示意图；
图3-e为本发明实施例公开的关节识别网络架构图中的关键点识别网络模型部分示意图；
图3-f为本发明实施例公开的关节识别网络架构图中的肢体关系识别网络模型部分示意图；
图4为本发明实施例公开的一种关节识别方法的流程示意图；
图5为本发明实施例公开的人体左脚关节与右脚关节相对位置示意图；
图6为本发明实施例公开的一种电动尾门的开启控制装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本实施例公开了一种电动尾门的开启控制方法，应用于车辆控制器，请参阅图1，电动尾门的开启控制方法具体包括以下步骤：
S101：当检测到钥匙进入车辆的预设范围内时，唤醒尾门摄像头；
其中，钥匙为车辆的钥匙，车辆支持无钥匙进入系统。
当无钥匙进入系统启动工作时，无钥匙进入天线监测钥匙与车辆之间的距离，然后将距离信号发送至网关，当用户携带的钥匙进入车辆的预设范围内，如距离车辆1米范围内，网关唤醒尾门摄像头。
尾门摄像头可以为倒车摄像头，环视摄像头等。
S102：获得所述尾门摄像头采集的图像，并对图像进行行人检测；
行人检测可以有多种方法，如基于全局特征的方法、基于人体部位的方法以及基于立体视觉的方法。
其中，基于全局特征的方法，可以采用边缘特征、形状特征、统计特征和变换特征等图像的各类静态特征来描述行人，如Haar小波特征、HOG特征、Edgelet特征、Shapelet特征和轮廓模板特征等。
基于人体部位的方法为将人体分为几个组成部分，然后对图像中每部分分别检测，最后将检测结果按照一定的约束关系进行整合，最终判断是否存在行人。
基于立体视觉的方法是指通过2个或2个以上的摄像机进行图像采集，然后分析图像中目标的三维信息以识别出行人。
本实施例提供了一种基于卷积神经网络的行人检测方法，具体的，将图像输入预先构建的基于卷积神经网络的行人检测模型中进行处理，得到行人检测结果。
需要说明的是，预先需要大量的训练样本和测试样本对卷积神经网络模型进行训练和测试，以得到基于卷积神经网络的行人检测模型。
S103：当在图像中检测到行人时，对行人的关节进行识别；
请参阅图2，图2为基于深度学习全卷积的关节识别网络架构图，网络架构中采用特征金字塔、RPN(RegionProposal Network)框选、注意力机制等网络子模块，提高关节识别的精度，首先将检测到行人的图像输入模型进行行人特征提取；然后通过特征金字塔从行人特征中提取不同分辨率图像的行人特征，进行特征融合，得到全局图像信息；然后通过RPN区域推荐网络提取出人体的关节点区域，并采用注意力机制网络对关节点区域进行强化，提高人体关节点位置和区域的精度，通过关键点网络从人体关节点位置和区域中识别出人体的关键点信息，同时通过RPN区域推荐网络提取出人体的肢体区域，并采用注意力机制网络对肢体区域进行强化后，由人体肢体部分识别网络对人体肢体区域进行识别得到人体肢体部分的连接关系信息；最后将人体关键点信息和人体肢体部分连接关系信息相结合，得到人体关节点信息。
为了进一步对上述关节识别方法进行介绍，请参阅图4，上述关节识别方法具体包括以下步骤：
S201：利用预先构建的基于卷积神经网络的特征提取模型，提取图像的行人特征；
特征提取部分如图3-a所示，从检测到行人的图像中提取图像的行人特征，即图像像素的特征点。
S202：通过特征金字塔从图像的行人特征中提取不同分辨率图像的行人特征；
特征金字塔部分如图3-b所示，以行人特征为输入数据，提取不同分辨率的行人特征。
S203：对不同分辨率图像的行人特征进行特征融合，得到全局图像信息；
通过提取不同分辨率图像的行人特征以及对不同分辨率图像的行人特征进行特征融合，既可以提取全局图像信息，又可以提取到高分辨率的区域的全面信息，避免下采样带来的图像局部信息(即关节点部位)丢失的问题。
S204：利用区域推荐网络模型从所述全局图像信息中提取人体关节点区域；
区域推荐网络模型部分如图3-c所示，用于从全局图像信息中提取人体关节点区域。
优选的，在利用区域推荐网络模型从所述全局图像信息中提取人体关节点区域之后，可以利用如图3-d注意力机制网络对关节点区域进行强化，提高算法提取人体关节点位置和区域的精度。
S205：利用关键点识别网络模型对人体关节点区域进行识别，得到人体关键点信息；
关键点识别网络模型如图3-e所示，通过关键点识别网络模型对人体关节点区域进行识别，得到人体关键点信息，所述人体关键点信息包括关键点的坐标和名称。
其中，关键点识别网络模型为利用包含人体关节点区域以及人体关键点的训练数据集对卷积网络模型进行训练得到的。
S206：对所述全局图像信息进行人体肢体识别，得到人体肢体部分连接关系；
具体的，利用区域推荐网络模型从所述全局图像信息中提取人体肢体区域，采用注意力机制网络对人体肢体区域进行强化，提高人体肢体区域识别精度，并利用如图3-f所示的肢体关系识别网络模型对人体肢体区域进行识别，得到人体肢体部分连接关系。
其中，关键点识别网络模型为利用包含人体肢体区域以及人体肢体部分连接关系的训练数据集对卷积网络模型进行训练得到的。
S207：依据所述人体关键点信息、所述人体肢体部分连接关系以及关节点与肢体的相对位置关系，识别人体关节；
识别结果如图5所示。
S104：对图像中行人的位置进行检测；
具体的，可以利用车中预先设置的传感器检测行人的位置，传感器如红外测距传感器、雷达等等。
S105：当行人的位置在预设区域时，依据行人关节间的相对位置识别行人的动作；
具体的，获取行人左脚关节的坐标和右脚关节的坐标，依据行人左脚关节的坐标和右脚关节的坐标，确定行人左脚关节与右脚关节间的相对位置，根据行人左脚关节与右脚关节间的相对位置识别行人的脚步动作。
如当行人左脚关节与右脚关节间的相对位置表示行人两腿交叉，并且右腿上抬，识别为开启电动尾门的指令动作。
S106：当行人的动作为预设动作时，控制电动尾门开启。
预设动作可以为上述两腿交叉，并且右腿上抬的动作。
本实施例公开的一种电动尾门的开启控制方法，当检测到钥匙进入车辆的预设范围内时，唤醒车辆现有的尾门摄像头，利用图像识别技术对尾门摄像头采集的图像进行行人检测、关节识别、行人位置检测以及动作检测，当检测到行人的动作为预设动作时，控制电动尾门开启。不需要在电动尾门安装电容传感器感应用户开启电动尾门的动作，降低了整车物料成本。同时避免了电动车电磁干扰导致尾门自动开启系统工作异常的问题，以及对无钥匙进入系统的干扰问题。
基于上述实施例公开的一种电动尾门的开启控制方法，本实施例对应公开了一种电动尾门的开启控制装置，请参阅图6，所述装置包括：
摄像头唤醒单元401，用于当检测到钥匙进入车辆的预设范围内时，唤醒尾门摄像头；
行人检测单元402，用于所述尾门摄像头采集的图像，并对图像进行行人检测；
关节识别单元403，用于当在图像中检测到行人时，对行人的关节进行识别；
位置识别单元404，用于对图像中行人的位置进行检测；
动作识别单元405，用于当行人的位置在预设区域时，依据行人关节间的相对位置识别行人的动作；
开启控制单元406，用于当行人的动作为预设动作时，控制电动尾门开启。
可选的，所述行人检测单元402，具体用于：
将图像输入预先构建的基于卷积神经网络的行人检测模型中进行处理，得到行人检测结果。
可选的，所述关节识别单元403，包括：
特征提取子单元，用于利用预先构建的基于卷积神经网络的特征提取模型，提取图像的行人特征；通过特征金字塔从图像的行人特征中提取不同分辨率图像的行人特征；
特征融合子单元，用于对不同分辨率图像的行人特征进行特征融合，得到全局图像信息；
关节点区域提取子单元，用于利用区域推荐网络模型从所述全局图像信息中提取人体关节点区域；
关节点区域识别子单元，用于利用关键点识别网络模型对人体关节点区域进行识别，得到人体关键点信息，所述人体关键点信息包括关键点的坐标和名称；
肢体连接关系识别子单元，用于对所述全局图像信息进行人体肢体识别，得到人体肢体部分连接关系；
人体关节识别子单元，用于依据所述人体关键点信息、所述人体肢体部分连接关系以及关节点与肢体的相对位置关系，识别人体关节。
可选的，所述肢体连接关系识别子单元，具体用于：
利用区域推荐网络模型从所述全局图像信息中提取人体肢体区域；
利用肢体关系识别网络模型对人体肢体区域进行识别，得到人体肢体部分连接关系。
可选的，所述关节识别单元403，还包括：
强化处理子单元，用于在利用关键点识别网络模型对人体关节点区域进行识别之前，通过注意力机制网络对人体关节点区域进行强化处理，并在利用肢体关系识别网络模型对人体肢体区域进行识别之前，通过注意力机制网络对人体肢体区域进行强化处理。
可选的，所述动作识别单元405，具体用于：
获取行人左脚关节的坐标和右脚关节的坐标；
依据行人左脚关节的坐标和右脚关节的坐标，确定行人左脚关节与右脚关节间的相对位置；
根据行人左脚关节与右脚关节间的相对位置识别行人的脚步动作。
本实施例公开的一种电动尾门的开启控制装置，当检测到钥匙进入车辆的预设范围内时，唤醒车辆现有的尾门摄像头，利用图像识别技术对尾门摄像头采集的图像进行行人检测、关节识别、行人位置检测以及动作检测，当检测到行人的动作为预设动作时，控制电动尾门开启。不需要在电动尾门安装电容传感器感应用户开启电动尾门的动作，降低了整车物料成本。同时避免了电动车电磁干扰导致尾门自动开启系统工作异常的问题，以及对无钥匙进入系统的干扰问题。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种电动尾门的开启控制方法，其特征在于，所述方法包括：
当检测到钥匙进入车辆的预设范围内时，唤醒尾门摄像头；
获得所述尾门摄像头采集的图像，并对图像进行行人检测；
当在图像中检测到行人时，对行人的关节进行识别；
对图像中行人的位置进行检测；
当行人的位置在预设区域时，依据行人关节间的相对位置识别行人的动作；
当行人的动作为预设动作时，控制电动尾门开启。
2.根据权利要求1所述的方法，其特征在于，所述对图像进行行人检测，包括：
将图像输入预先构建的基于卷积神经网络的行人检测模型中进行处理，得到行人检测结果。
3.根据权利要求1所述的方法，其特征在于，所述对行人的关节进行识别，包括：
利用预先构建的基于卷积神经网络的特征提取模型，提取图像的行人特征；
通过特征金字塔从图像的行人特征中提取不同分辨率图像的行人特征；
对不同分辨率图像的行人特征进行特征融合，得到全局图像信息；
利用区域推荐网络模型从所述全局图像信息中提取人体关节点区域；
利用关键点识别网络模型对人体关节点区域进行识别，得到人体关键点信息，所述人体关键点信息包括关键点的坐标和名称；
对所述全局图像信息进行人体肢体识别，得到人体肢体部分连接关系；
依据所述人体关键点信息、所述人体肢体部分连接关系以及关节点与肢体的相对位置关系，识别人体关节。
4.根据权利要求3所述的方法，其特征在于，所述对所述全局图像信息进行人体肢体识别，得到人体肢体部分连接关系，包括：
利用区域推荐网络模型从所述全局图像信息中提取人体肢体区域；
利用肢体关系识别网络模型对人体肢体区域进行识别，得到人体肢体部分连接关系。
5.根据权利要求3和4所述的方法，其特征在于，在所述利用关键点识别网络模型对人体关节点区域进行识别之前，所述方法还包括：
通过注意力机制网络对人体关节点区域进行强化处理；
在所述利用肢体关系识别网络模型对人体肢体区域进行识别之前，所述方法还包括：
通过注意力机制网络对人体肢体区域进行强化处理。
6.根据权利要求1所述的方法，其特征在于，所述依据行人关节间的相对位置识别行人的动作，包括：
获取行人左脚关节的坐标和右脚关节的坐标；
依据行人左脚关节的坐标和右脚关节的坐标，确定行人左脚关节与右脚关节间的相对位置；
根据行人左脚关节与右脚关节间的相对位置识别行人的脚步动作。
7.一种电动尾门的开启控制装置，其特征在于，所述装置包括：
摄像头唤醒单元，用于当检测到钥匙进入车辆的预设范围内时，唤醒尾门摄像头；
行人检测单元，用于所述尾门摄像头采集的图像，并对图像进行行人检测；
关节识别单元，用于当在图像中检测到行人时，对行人的关节进行识别；
位置识别单元，用于对图像中行人的位置进行检测；
动作识别单元，用于当行人的位置在预设区域时，依据行人关节间的相对位置识别行人的动作；
开启控制单元，用于当行人的动作为预设动作时，控制电动尾门开启。
8.根据权利要求7所述的装置，其特征在于，所述行人检测单元，具体用于：
将图像输入预先构建的基于卷积神经网络的行人检测模型中进行处理，得到行人检测结果。
9.根据权利要求8所述的装置，其特征在于，所述关节识别单元，包括：
特征提取子单元，用于利用预先构建的基于卷积神经网络的特征提取模型，提取图像的行人特征；通过特征金字塔从图像的行人特征中提取不同分辨率图像的行人特征；
特征融合子单元，用于对不同分辨率图像的行人特征进行特征融合，得到全局图像信息；
关节点区域提取子单元，用于利用区域推荐网络模型从所述全局图像信息中提取人体关节点区域；
关节点区域识别子单元，用于利用关键点识别网络模型对人体关节点区域进行识别，得到人体关键点信息，所述人体关键点信息包括关键点的坐标和名称；
肢体连接关系识别子单元，用于对所述全局图像信息进行人体肢体识别，得到人体肢体部分连接关系；
人体关节识别子单元，用于依据所述人体关键点信息、所述人体肢体部分连接关系以及关节点与肢体的相对位置关系，识别人体关节。
10.根据权利要求7所述的装置，其特征在于，所述动作识别单元，具体用于：
获取行人左脚关节的坐标和右脚关节的坐标；
依据行人左脚关节的坐标和右脚关节的坐标，确定行人左脚关节与右脚关节间的相对位置；
根据行人左脚关节与右脚关节间的相对位置识别行人的脚步动作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010387201.7A CN113627220A (zh) | 2020-05-09 | 2020-05-09 | 一种电动尾门的开启控制方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010387201.7A CN113627220A (zh) | 2020-05-09 | 2020-05-09 | 一种电动尾门的开启控制方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113627220A true CN113627220A (zh) | 2021-11-09 |
Family
ID=78377525
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010387201.7A Pending CN113627220A (zh) | 2020-05-09 | 2020-05-09 | 一种电动尾门的开启控制方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113627220A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024032026A1 (zh) * | 2022-08-10 | 2024-02-15 | 一汽奔腾轿车有限公司 | 后尾门自动开启的方法、系统、存储介质及电子设备 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106114456A (zh) * | 2015-03-23 | 2016-11-16 | 大陆汽车系统公司 | 用于利用摄像机开启车辆车门的设备和方法 |
| CN106882023A (zh) * | 2017-03-16 | 2017-06-23 | 广州汽车集团股份有限公司 | 汽车尾门开启控制系统、方法和装置 |
| CN106951842A (zh) * | 2017-03-09 | 2017-07-14 | 重庆长安汽车股份有限公司 | 汽车后备箱智能开启系统及方法 |
| JP2017142735A (ja) * | 2016-02-12 | 2017-08-17 | マツダ株式会社 | 車両用の歩行者動作識別装置 |
| CN107194338A (zh) * | 2017-05-14 | 2017-09-22 | 北京工业大学 | 基于人体树图模型的交通环境行人检测方法 |
| CN107220581A (zh) * | 2016-03-21 | 2017-09-29 | 福特全球技术公司 | 通过后置摄像机的行人检测和运动预测 |
| CN108846924A (zh) * | 2018-05-31 | 2018-11-20 | 上海商汤智能科技有限公司 | 车辆及车门解锁控制方法、装置和车门解锁系统 |
| CN109094337A (zh) * | 2018-09-28 | 2018-12-28 | 东南（福建）汽车工业有限公司 | 一种基于avm的动作控制汽车电动尾门系统及方法 |
| CN109101901A (zh) * | 2018-07-23 | 2018-12-28 | 北京旷视科技有限公司 | 人体动作识别及其神经网络生成方法、装置和电子设备 |
| CN109359543A (zh) * | 2018-09-19 | 2019-02-19 | 武汉烽火众智数字技术有限责任公司 | 一种基于骨骼化的人像检索方法及装置 |
| CN109747587A (zh) * | 2019-03-18 | 2019-05-14 | 上海科世达-华阳汽车电器有限公司 | 一种智能开启汽车后备箱的方法、装置以及系统 |
| CN109882019A (zh) * | 2019-01-17 | 2019-06-14 | 同济大学 | 一种基于目标检测和动作识别的汽车电动尾门开启方法 |
| CN110175566A (zh) * | 2019-05-27 | 2019-08-27 | 大连理工大学 | 一种基于rgbd融合网络的手部姿态估计系统及方法 |
| CN110259323A (zh) * | 2019-06-18 | 2019-09-20 | 威马智慧出行科技（上海）有限公司 | 汽车车门控制方法、电子设备及汽车 |
| CN110298332A (zh) * | 2019-07-05 | 2019-10-01 | 海南大学 | 行为识别的方法、系统、计算机设备和存储介质 |
-
2020
- 2020-05-09 CN CN202010387201.7A patent/CN113627220A/zh active Pending
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106114456A (zh) * | 2015-03-23 | 2016-11-16 | 大陆汽车系统公司 | 用于利用摄像机开启车辆车门的设备和方法 |
| JP2017142735A (ja) * | 2016-02-12 | 2017-08-17 | マツダ株式会社 | 車両用の歩行者動作識別装置 |
| CN107220581A (zh) * | 2016-03-21 | 2017-09-29 | 福特全球技术公司 | 通过后置摄像机的行人检测和运动预测 |
| CN106951842A (zh) * | 2017-03-09 | 2017-07-14 | 重庆长安汽车股份有限公司 | 汽车后备箱智能开启系统及方法 |
| CN106882023A (zh) * | 2017-03-16 | 2017-06-23 | 广州汽车集团股份有限公司 | 汽车尾门开启控制系统、方法和装置 |
| CN107194338A (zh) * | 2017-05-14 | 2017-09-22 | 北京工业大学 | 基于人体树图模型的交通环境行人检测方法 |
| CN108846924A (zh) * | 2018-05-31 | 2018-11-20 | 上海商汤智能科技有限公司 | 车辆及车门解锁控制方法、装置和车门解锁系统 |
| CN109101901A (zh) * | 2018-07-23 | 2018-12-28 | 北京旷视科技有限公司 | 人体动作识别及其神经网络生成方法、装置和电子设备 |
| CN109359543A (zh) * | 2018-09-19 | 2019-02-19 | 武汉烽火众智数字技术有限责任公司 | 一种基于骨骼化的人像检索方法及装置 |
| CN109094337A (zh) * | 2018-09-28 | 2018-12-28 | 东南（福建）汽车工业有限公司 | 一种基于avm的动作控制汽车电动尾门系统及方法 |
| CN109882019A (zh) * | 2019-01-17 | 2019-06-14 | 同济大学 | 一种基于目标检测和动作识别的汽车电动尾门开启方法 |
| CN109747587A (zh) * | 2019-03-18 | 2019-05-14 | 上海科世达-华阳汽车电器有限公司 | 一种智能开启汽车后备箱的方法、装置以及系统 |
| CN110175566A (zh) * | 2019-05-27 | 2019-08-27 | 大连理工大学 | 一种基于rgbd融合网络的手部姿态估计系统及方法 |
| CN110259323A (zh) * | 2019-06-18 | 2019-09-20 | 威马智慧出行科技（上海）有限公司 | 汽车车门控制方法、电子设备及汽车 |
| CN110298332A (zh) * | 2019-07-05 | 2019-10-01 | 海南大学 | 行为识别的方法、系统、计算机设备和存储介质 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024032026A1 (zh) * | 2022-08-10 | 2024-02-15 | 一汽奔腾轿车有限公司 | 后尾门自动开启的方法、系统、存储介质及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105260712B (zh) | 一种车辆前方行人检测方法及系统 | |
| JP3934119B2 (ja) | 車両周辺監視装置 | |
| CN108241844B (zh) | 一种公交客流统计方法、装置及电子设备 | |
| CN112606796B (zh) | 一种车辆后备箱自动开闭控制方法、控制系统及车辆 | |
| CN105844128A (zh) | 身份识别方法和装置 | |
| CN102419819B (zh) | 人脸图像识别方法和系统 | |
| CN112026686B (zh) | 一种自动调节车辆座椅位置的方法及装置 | |
| Li et al. | Nighttime lane markings recognition based on Canny detection and Hough transform | |
| KR20080015320A (ko) | 어깨 윤곽선 추출 방법, 이를 이용한 로봇 깨움 방법 및이를 위한 장치 | |
| TW201405486A (zh) | 利用電腦視覺進行即時偵測與追蹤物體之裝置及其方法 | |
| WO2008065717A1 (fr) | Système et procédé de détection de piéton | |
| JP2011154580A (ja) | 車両用外界認識装置 | |
| CN112734731A (zh) | 一种牲畜温度检测方法、装置、设备和存储介质 | |
| US10114468B2 (en) | Method for evaluating gestures | |
| CN113627220A (zh) | 一种电动尾门的开启控制方法及装置 | |
| CN114821810B (zh) | 基于动态特征辅助的静态手势意图识别方法、系统及车辆 | |
| CN108108709B (zh) | 一种识别方法及装置、计算机存储介质 | |
| CN113158766A (zh) | 面向无人驾驶的基于姿态估计的行人行为识别方法 | |
| CN111062311B (zh) | 一种基于深度级可分离卷积网络的行人手势识别与交互方法 | |
| Farajzadeh et al. | Vehicle logo recognition using image matching and textural features | |
| CN109306834B (zh) | 一种基于视觉的汽车电动尾门开启方法 | |
| KR20080073598A (ko) | 실시간 얼굴 인식을 위한 방법 및 장치 | |
| CN105156010A (zh) | 基于图像分析的车库卷帘门控制方法 | |
| CN115995096A (zh) | 一种智能汽车的操控方法、装置、设备及介质 | |
| CN105156009A (zh) | 基于图像分析的车库卷帘门控制系统 |
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 |