CN114889414A - 一种自动调节遮阳方法、系统、电子设备和存储介质 - Google Patents

一种自动调节遮阳方法、系统、电子设备和存储介质 Download PDF

Info

Publication number
CN114889414A
CN114889414A CN202210363097.7A CN202210363097A CN114889414A CN 114889414 A CN114889414 A CN 114889414A CN 202210363097 A CN202210363097 A CN 202210363097A CN 114889414 A CN114889414 A CN 114889414A
Authority
CN
China
Prior art keywords
driver
vehicle
eyes
machine learning
face
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
CN202210363097.7A
Other languages
English (en)
Inventor
李昱霖
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.)
FAW Group Corp
Original Assignee
FAW Group Corp
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 FAW Group Corp filed Critical FAW Group Corp
Priority to CN202210363097.7A priority Critical patent/CN114889414A/zh
Publication of CN114889414A publication Critical patent/CN114889414A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60J—WINDOWS, WINDSCREENS, NON-FIXED ROOFS, DOORS, OR SIMILAR DEVICES FOR VEHICLES; REMOVABLE EXTERNAL PROTECTIVE COVERINGS SPECIALLY ADAPTED FOR VEHICLES
    • B60J3/00—Antiglare equipment associated with windows or windscreens; Sun visors for vehicles
    • B60J3/02—Antiglare equipment associated with windows or windscreens; Sun visors for vehicles adjustable in position
    • B60J3/0204—Sun visors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • 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
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
    • G06F18/24155—Bayesian classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Mechanical Engineering (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Navigation (AREA)

Abstract

本发明公开了一种自动调节遮阳方法、系统、电子设备和存储介质，具体包括：进行人脸识别，确定驾驶员的眼睛位置；进行光线检测，确定光线照射在驾驶员的脸部位置；调用基于机器学习的预测模型进行智能决策，决策输出驾驶员的眼睛位置，以及阳光照射位置与驾驶员眼睛之间的距离；预测遮光板的调整轨迹，输出用于对自动遮阳板进行调整的指令序列，自动遮阳板执行指令序列进行调整，系统、电子设备和存储介质与方法相对应。本发明无需驾驶员手动操作，由智能决策系统内置的预测模型实时、自动对遮阳板进行调整，防止驾驶员在驾驶车辆过程中分散精力，确保安全驾驶。

Description

一种自动调节遮阳方法、系统、电子设备和存储介质
技术领域
本发明涉及一种自动调节遮阳方法、系统、电子设备和存储介质，属于智慧交通、智能工具、人工智能应用的技术领域。
背景技术
虽然汽车的整体安全性越来越高，每年却有数千起事故因为阳光过于强烈引起，在数据统计上这几乎是恶劣天气的两倍。目前，汽车内的遮阳板均采用传统的手动遮阳板，(以驾驶员位置为例)打开遮阳板可以遮挡从前挡风玻璃照射进的阳光，通过松开遮阳板右侧卡扣，沿着左侧连接杆旋转，将遮阳板的位置移动到左侧，可以遮挡从左侧玻璃照射进的光线。随着时间推移阳光直射角度的变化和汽车行驶方向的改变，驾驶员需要不断手动调节遮阳板的位置和角度，增加驾驶员操作负担，在汽车行驶时，驾驶员操作遮阳板会影响行车安全。
目前针对遮挡从前挡风玻璃照射进的阳光方法，主要采用传统的手动遮阳板，需要驾驶员手动调节，增加驾驶员操作负担。尤其是需要将遮阳板由驾驶员前方调整到左侧时，需要手动拆除遮阳板右侧卡扣并转动遮阳板，造成一段时间的视线盲区严重影响驾驶员的注意力。在汽车行驶时，驾驶员操作遮阳板严重影响行车安全，亟需进行改进。
发明内容
本发明的目的在于提供一种自动调节遮阳方法、系统、电子设备和存储介质，基于图像识别原理，结合导航数据和时间数据等，实时自动调节遮阳板，解决现有技术存在的缺憾。
本发明提供了下述方案：
一种自动调节遮阳方法，具体包括：
进行人脸识别，确定驾驶员的眼睛位置；
进行光线检测，确定光线照射在驾驶员的脸部位置；
调用基于机器学习的预测模型，将人脸识别结果、光线检测结果、导航信息作为输入信息进行智能决策；
决策输出驾驶员的眼睛位置，以及阳光照射位置与驾驶员眼睛之间的距离；
根据决策输出的结果，预测遮光板的调整轨迹，输出用于对自动遮阳板进行调整的指令序列；
所述自动遮阳板接收所述指令序列，执行控制指令。
进一步的，所述预测模型具体为：依靠机器学习中的监督学习算法，对大量人脸图片提前进行分类模型训练，提取脸部特征，将所述脸部特征作为分类模型的输入信息，分类模型的输出结果为驾驶员眼睛位置；
进行智能决策的输入信息还包括：
车辆行驶过程中，前方即将途经隧道：车速、时间、驾驶员眼睛位置、阳光照射至驾驶员上半身位置；
车辆行驶过程中，前方即将途经弯道：车头朝向、路线规划、车速、时间、驾驶员眼睛位置、阳光照射至驾驶员上半身位置。
进一步的，所述预测模型具体为：依靠机器学习中的监督学习算法，对大量图片提前进行分类模型训练，用分类模型对训练图片进行光线检测，结合人脸识别结果，预测模型输出结果为阳光照射位置与驾驶员眼睛之间的距离。
进一步的，所述脸部特征包括人脸宽度、人脸长度、人脸肤色、五官位置、眼睛颜色，所述脸部特征作为预测模型的输入信息，预测模型的输出结果是驾驶员的眼睛位置。
进一步的，所述预测模型基于机器学习的算法包括朴素贝叶斯、决策树、SVM算法，并内置训练数据，所述训练数据包括历史智能图像识别系统的输出结果和历史导航系统的输出结果。
一种自动调节遮阳系统，具体包括：
人脸识别模块，用于确定驾驶员的眼睛位置；
光线检测模块，用于确定光线照射在驾驶员的脸部位置；
智能决策模块，用于调用基于机器学习的预测模型，将人脸识别结果、光线检测结果、导航信息作为输入信息；
结合导航信息和天气信息，预测遮光板的调整轨迹，输出用于对自动遮阳板进行调整的指令序列；
自动遮阳板模块，用于接收所述指令序列，执行控制指令。
进一步的，所述智能决策模块调用基于机器学习的预测模型，具体为：依靠机器学习中的监督学习算法，对大量人脸图片提前进行分类模型训练，提取脸部特征，将所述脸部特征作为分类模型的输入信息，分类模型的输出结果为驾驶员眼睛位置；
智能决策模块的输入信息还包括：
车辆行驶过程中，前方即将途经隧道：车速、时间、驾驶员眼睛位置、阳光照射至驾驶员上半身位置；
车辆行驶过程中，前方即将途经弯道：车头朝向、路线规划、车速、时间、驾驶员眼睛位置、阳光照射至驾驶员上半身位置。
进一步的，所述智能决策模块调用基于机器学习的预测模型，具体为：依靠机器学习中的监督学习算法，对大量图片提前进行分类模型训练，用分类模型对训练图片进行光线检测，结合人脸识别结果，模型输出结果为阳光照射位置与驾驶员眼睛之间的距离。
一种电子设备，包括：处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；所述存储器中存储有计算机程序，当所述计算机程序被所述处理器执行时，使得所述处理器执行所述自动调节遮阳方法的步骤。
一种计算机可读存储介质，其存储有可由电子设备执行的计算机程序，当所述计算机程序在所述电子设备上运行时，使得所述电子设备执行所述自动调节遮阳方法的步骤。
本发明与现有技术相比具有以下的优点：无需驾驶员手动操作，由智能决策系统实时、自动对遮阳板进行调整，防止驾驶员在驾驶车辆过程中分散精力，确保安全驾驶。智能决策系统具有预测模型，预测模型基于机器学习原理，结合人脸识别和光线检测，确定驾驶员的眼睛位置和照射在驾驶员的脸部位置，结合导航信息和天气信息，预测遮光板的调整轨迹，输出用于对自动遮阳板进行调整的指令序列，操作自动遮阳板进行智能实时调整。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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是自动调节遮阳方法的流程图。
图2是自动调节遮阳系统的架构图。
图3是自动调节遮阳方法及系统在一个具体应用场景中的实施方案。
图4是智能决策系统的结构图。
图5是电子设备的系统架构图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例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。
如图1所示的本发明自动调节遮阳方法，具体包括：
进行人脸识别，确定驾驶员的眼睛位置；
进行光线检测，确定光线照射在驾驶员的脸部位置；
调用基于机器学习的预测模型，将人脸识别结果、光线检测结果、导航信息作为输入信息；
结合导航信息和天气信息，预测遮光板的调整轨迹，向车辆控制器输出用于对自动遮阳板进行调整的指令序列；
自动遮阳板接收指令序列，执行控制指令。
本发明的预测模型是一种分类模型，该预测模型基于机器学习的算法包括朴素贝叶斯、决策树、SVM算法，并内置训练数据，训练数据包括历史智能图像识别系统的输出结果和历史导航系统的输出结果，在本实施例中预测模型具体为：
依靠机器学习中的监督学习算法，对大量人脸图片提前进行分类模型训练，提取脸部特征，将脸部特征作为分类模型的输入，分类模型的输出结果为驾驶员眼睛位置。
依靠机器学习中的监督学习算法，对大量图片提前进行分类模型训练，用分类模型对训练图片进行光线检测，结合人脸识别结果，模型输出结果为阳光照射位置与驾驶员眼睛之间的距离。
优选的，脸部特征包括人脸宽度、人脸长度、人脸肤色、五官位置、眼睛颜色，脸部特征作为预测模型的输入，预测模型的输出结果是驾驶员的眼睛位置。
优选的，进行智能决策的输入信息还包括：
车辆行驶过程中，前方即将途经隧道：车速、时间、驾驶员眼睛位置、阳光照射至驾驶员上半身位置；
车辆行驶过程中，前方即将途经弯道：车头朝向、路线规划、车速、时间、驾驶员眼睛位置、阳光照射至驾驶员上半身位置。
如图2所示的本发明自动调节遮阳系统，本系统与自动调节遮阳方法相对应，包括：
一种自动调节遮阳系统，具体包括：
人脸识别模块，用于确定驾驶员的眼睛位置；
光线检测模块，用于确定光线照射在驾驶员的脸部位置；
智能决策模块，用于调用基于机器学习的预测模型，将人脸识别结果、光线检测结果、导航信息作为输入信息；
结合导航信息和天气信息，预测遮光板的调整轨迹，向车辆控制器输出用于对自动遮阳板进行调整的指令序列；
自动遮阳板模块，用于接收指令序列，执行控制指令。
优选的，智能决策模块调用基于机器学习的预测模型，具体为：
依靠机器学习中的监督学习算法，对大量人脸图片提前进行分类模型训练，提取脸部特征，将脸部特征作为分类模型的输入，分类模型的输出结果为驾驶员眼睛位置。
智能决策模块调用基于机器学习的预测模型，具体为：依靠机器学习中的监督学习算法，对大量图片提前进行分类模型训练，用分类模型对训练图片进行光线检测，结合人脸识别结果，模型输出结果为阳光照射位置与驾驶员眼睛之间的距离。
优选的，智能决策模块的输入信息还包括：
车辆行驶过程中，前方即将途经隧道：车速、时间、驾驶员眼睛位置、阳光照射至驾驶员上半身位置；
车辆行驶过程中，前方即将途经弯道：车头朝向、路线规划、车速、时间、驾驶员眼睛位置、阳光照射至驾驶员上半身位置。
值得注意的是，虽然在本系统的架构图和说明书中只披露了人脸识别模块、光线检测模块、智能决策模块和自动遮阳板模块，但并不意味着本系统局限于上述模块，相对，本发明所要表达的意思是：在上述模块的基础之上本领域技术人员可以结合现有技术任意添加一个或多个功能模块，形成无穷多个实施例或技术方案，也就是说本系统是开放式而非封闭式的，不能因为本实施例仅仅披露了个别基本功能模块，就认为本发明权利要求的保护范围局限于上述基本功能模块。
如图3和图4所示的本发明的一个实施例，在该实施例中披露了本发明的一个具体应用场景：在本实施例中，包括五个组成部分，分别位摄像装置、智能图像识别系统、导航系统、决策系统、自动遮阳板装置及控制器。在车辆行驶过程中，首先由车内摄像装置采集图像，再通过智能图像识别系统进行图像识别与检测，其识别与检测内容包括驾驶员眼睛位置及阳光照射位置，结合导航数据和时间数据交由智能决策系统进行计算评估，包括太阳照射角度、位置和移动速度，决策系统将执行指令发送给遮阳板控制系统，自动调节遮阳板位置及角度，从而达到遮挡从前挡风玻璃和侧面玻璃照射进的阳光，避免直射驾驶员眼睛影响驾驶安全的目的。本实施例包括：
1.摄像装置：车内安装有摄像装置，产生的图像作为智能图像识别系统的输入，摄像装置需要与控制器连接。
智能图像识别系统：包括人脸识别、光线检测，其输入为摄像装置拍摄的图片，依靠系统内提前训练好的算法模型进行识别与检测，输出结果为驾驶员眼睛位置及阳光照射位置，作为决策系统的输入。
2.智能图像识别系统：包括人脸识别、光线检测，其输入为摄像装置拍摄的图片，依靠系统内提前训练好的算法模型进行识别与检测，输出结果为驾驶员眼睛位置及阳光照射位置，作为决策系统的输入。
a.人脸识别：用于识别驾驶员眼睛位置。依靠机器学习中的监督学习算法对大量人脸图片提前进行分类模型训练。提取由摄像装置拍摄的图片的特征，包括但不限于人脸宽度、人脸长度、人脸肤色、五官位置、眼睛颜色等等，这些特征作为分类模型的输入，模型的输出结果驾驶员眼睛位置。
b.光线检测：用于阳光照射在驾驶员脸上位置。同样依靠机器学习中的监督学习算法对大量图片提前进行分类模型训练，用分类模型对由摄像装置上传的图片进行光线检测，依赖上一步人脸识别结果，模型输出结果为阳光照射位置与驾驶员眼睛之间的距离。
3.导航系统：提供车辆行驶路线、行驶方向、车速等数据。
4.决策系统：决策系统的输入信息包括两部分，一部分为智能图像识别系统的输出结果，包括驾驶员眼睛位置、阳光照射至驾驶员上半身位置。另一部分为导航系统的输出结果，包括车头朝向、路线规划、车辆时速、地理位置信息(省、市、当地日出日落时间)、天气信息(晴天、阴天、下雨)、当前时间。对上述输入信息，利用内置预测模型，预测在本次导航内未来行驶路线中光线在驾驶员身上的移动轨迹，进而预测出遮光板需要的移动轨迹，在车辆行驶过程中实时针对天气及车速对预测结果进行微调。本模块输出信息为一个指令序列，将其发送给控制器，使遮阳板按照指令序列进行一系列有关于转角、方向、移动距离的操作。
其中预测模型：由机器学习算法(该算法可采用朴素贝叶斯、决策树、SVM算法等包括以上但不仅限于以上算法)基于训练数据(历史智能图像识别系统的输出结果和历史导航系统的输出结果)自动编写、或创建、或学习而来的模型。
5.自动遮阳板装置及控制器：自动接收并执行控制指令，自动调节遮阳板位置及角度。
在本实施例中，摄像装置采集照片，利用图像识别系统中的人脸识别功能和光线检测功能确定驾驶员的眼睛位置和光线照射在驾驶员的脸部位置，将上述识别人脸识别结果和光线检测结果作为决策系统的输入信息输入进决策系统，决策系统基于人脸识别模块和光线检测模块，将人脸识别结果、光线检测结果结合导航信息作为输入信息，其内置的预测模型输出结果为预测模型输出结果为阳光照射位置与驾驶员眼睛之间的距离，以及驾驶员的眼睛位置，这样决策系统能够预测遮光板的调整轨迹，向车辆控制器输出用于对自动遮阳板进行调整的指令序列，对自动遮阳板进行调整，防止驾驶员在驾驶车辆过程中分散精力，确保安全驾驶。
实际行驶中的应用场景：车辆行驶过程中，随着时间推移阳光照射至驾驶员上半身位置发生移动，车速、时间、驾驶员眼睛位置、阳光照射至驾驶员上半身位置作为主要输入信息，智能决策系统输出预测结果(遮阳板调节位置及角度)到自动遮阳板装置及控制器进行调节。
车辆行驶过程中，前方即将途经隧道，车速、时间作、驾驶员眼睛位置、阳光照射至驾驶员上半身位置作为主要输入信息为主要输入信息，智能决策系统输出预测结果(一段时间后即进入隧道后关闭遮阳板，一段时间后即离开隧道后打开遮阳板位置及角度)到自动遮阳板装置及控制器进行调节。
车辆行驶过程中，前方即将途经弯道，车头朝向、路线规划、车速、时间、驾驶员眼睛位置、阳光照射至驾驶员上半身位置作为主要输入信息，智能决策系统输出预测结果(遮阳板调节位置及角度)到自动遮阳板装置及控制器进行调节。
车辆行驶过程中，前方途经坡路，道路坡度、车头朝向、路线规划、车速、时间、驾驶员眼睛位置、阳光照射至驾驶员上半身位置作为主要输入信息，智能决策系统输出预测结果(遮阳板调节位置及角度)到自动遮阳板装置及控制器进行调节。
车辆行驶过程中，即将到达日出日落时间，车头朝向、时间、驾驶员眼睛位置、阳光照射至驾驶员上半身位置作为主要输入信息，智能决策系统输出预测结果(M时间后即日出前打开遮阳板位置及角度，N时间后即日落后关闭遮阳板)到自动遮阳板装置及控制器进行调节。
如图5所示，本发明在公开了自动调节遮阳方法和系统的基础之上，还公开了与方法和系统对应的电子设备和存储介质。上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral Component Interconnect，PCI)总线或扩展工业标准结构(ExtendedIndustry Standard Architecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
本领域技术人员能够理解，本发明的电子设备可以是特定的车载电子设备，在本发明的各个实施例中电子设备即车载电子设备，在这些实施例中电子设备的含义与车载电子设备的含义相同，但并不意味着本发明的电子设备局限于车载电子设备，事实上本发明的电子设备可以采用任何电子设备，本发明的记载中以车载电子设备为主对权利要求进行解释说明，但并不构成保护范围的限定。
电子设备包括硬件层，运行在硬件层之上的操作系统层，以及运行在操作系统上的应用层。该硬件层包括中央处理器(CPU，Central Processing Unit)、内存管理单元(MMU，Memory Management Unit)和内存等硬件。该操作系统可以是任意一种或多种通过进程(Process)实现电子设备控制的计算机操作系统，例如，Linux操作系统、Unix操作系统、Android操作系统、iOS操作系统或windows操作系统等。并且在本发明实施例中该电子设备可以是智能手机、平板电脑等手持设备，也可以是桌面计算机、便携式计算机等电子设备，本发明实施例中并未特别限定。
本发明实施例中的电子设备控制的执行主体可以是电子设备，或者是电子设备中能够调用程序并执行程序的功能模块。电子设备可以获取到存储介质对应的固件，存储介质对应的固件由供应商提供，不同存储介质对应的固件可以相同可以不同，在此不做限定。电子设备获取到存储介质对应的固件后，可以将该存储介质对应的固件写入存储介质中，具体地是往该存储介质中烧入该存储介质对应固件。将固件烧入存储介质的过程可以采用现有技术实现，在本发明实施例中不做赘述。电子设备还可以获取到存储介质对应的重置命令，存储介质对应的重置命令由供应商提供，不同存储介质对应的重置命令可以相同可以不同，在此不做限定。
此时电子设备的存储介质为写入了对应的固件的存储介质，电子设备可以在写入了对应的固件的存储介质中响应该存储介质对应的重置命令，从而电子设备根据存储介质对应的重置命令，对该写入对应的固件的存储介质进行重置。根据重置命令对存储介质进行重置的过程可以现有技术实现，在本发明实施例中不做赘述。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种自动调节遮阳方法，其特征在于，具体包括：
进行人脸识别，确定驾驶员的眼睛位置；
进行光线检测，确定光线照射在驾驶员的脸部位置；
调用基于机器学习的预测模型，将人脸识别结果、光线检测结果、导航信息作为输入信息进行智能决策；
决策输出驾驶员的眼睛位置，以及阳光照射位置与驾驶员眼睛之间的距离；
根据决策输出的结果，预测遮光板的调整轨迹，输出用于对自动遮阳板进行调整的指令序列；
所述自动遮阳板接收所述指令序列，执行控制指令。
2.根据权利要求1所述的自动调节遮阳方法，其特征在于，所述预测模型具体为：依靠机器学习中的监督学习算法，对大量人脸图片提前进行分类模型训练，提取脸部特征，将所述脸部特征作为分类模型的输入信息，分类模型的输出结果为驾驶员眼睛位置；
进行智能决策的输入信息还包括：
车辆行驶过程中，前方即将途经隧道：车速、时间、驾驶员眼睛位置、阳光照射至驾驶员上半身位置；
车辆行驶过程中，前方即将途经弯道：车头朝向、路线规划、车速、时间、驾驶员眼睛位置、阳光照射至驾驶员上半身位置。
3.根据权利要求2所述的自动调节遮阳方法，其特征在于，所述预测模型具体为：依靠机器学习中的监督学习算法，对大量图片提前进行分类模型训练，用分类模型对训练图片进行光线检测，结合人脸识别结果，预测模型输出结果为阳光照射位置与驾驶员眼睛之间的距离。
4.根据权利要求2所述的自动调节遮阳方法，其特征在于，所述脸部特征包括人脸宽度、人脸长度、人脸肤色、五官位置、眼睛颜色，所述脸部特征作为预测模型的输入信息，预测模型的输出结果是驾驶员的眼睛位置。
5.根据权利要求3所述的自动调节遮阳方法，其特征在于，所述预测模型基于机器学习的算法包括朴素贝叶斯、决策树、SVM算法，并内置训练数据，所述训练数据包括历史智能图像识别系统的输出结果和历史导航系统的输出结果。
6.一种自动调节遮阳系统，其特征在于，具体包括：
人脸识别模块，用于确定驾驶员的眼睛位置；
光线检测模块，用于确定光线照射在驾驶员的脸部位置；
智能决策模块，用于调用基于机器学习的预测模型，将人脸识别结果、光线检测结果、导航信息作为输入信息；
结合导航信息和天气信息，预测遮光板的调整轨迹，输出用于对自动遮阳板进行调整的指令序列；
自动遮阳板模块，用于接收所述指令序列，执行控制指令。
7.根据权利要求6所述的自动调节遮阳系统，其特征在于，所述智能决策模块调用基于机器学习的预测模型，具体为：依靠机器学习中的监督学习算法，对大量人脸图片提前进行分类模型训练，提取脸部特征，将所述脸部特征作为分类模型的输入信息，分类模型的输出结果为驾驶员眼睛位置；
智能决策模块的输入信息还包括：
车辆行驶过程中，前方即将途经隧道：车速、时间、驾驶员眼睛位置、阳光照射至驾驶员上半身位置；
车辆行驶过程中，前方即将途经弯道：车头朝向、路线规划、车速、时间、驾驶员眼睛位置、阳光照射至驾驶员上半身位置。
8.根据权利要求7所述的自动调节遮阳系统，其特征在于，所述智能决策模块调用基于机器学习的预测模型，具体为：依靠机器学习中的监督学习算法，对大量图片提前进行分类模型训练，用分类模型对训练图片进行光线检测，结合人脸识别结果，模型输出结果为阳光照射位置与驾驶员眼睛之间的距离。
9.一种电子设备，其特征在于，包括：处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；所述存储器中存储有计算机程序，当所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1至5任一项所述自动调节遮阳方法的步骤。
10.一种计算机可读存储介质，其特征在于，其存储有可由电子设备执行的计算机程序，当所述计算机程序在所述电子设备上运行时，使得所述电子设备执行权利要求1至5任一项所述自动调节遮阳方法的步骤。
CN202210363097.7A 2022-04-07 2022-04-07 一种自动调节遮阳方法、系统、电子设备和存储介质 Pending CN114889414A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210363097.7A CN114889414A (zh) 2022-04-07 2022-04-07 一种自动调节遮阳方法、系统、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210363097.7A CN114889414A (zh) 2022-04-07 2022-04-07 一种自动调节遮阳方法、系统、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN114889414A true CN114889414A (zh) 2022-08-12

Family

ID=82714745

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210363097.7A Pending CN114889414A (zh) 2022-04-07 2022-04-07 一种自动调节遮阳方法、系统、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN114889414A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101856964A (zh) * 2009-04-09 2010-10-13 上海大众汽车有限公司 一种遮阳板机构、车辆遮阳板总成及汽车
US20130158965A1 (en) * 2011-12-14 2013-06-20 Christopher V. Beckman Physics Engine Systems Using "Force Shadowing" For Forces At A Distance
US20140021735A1 (en) * 2012-07-17 2014-01-23 Ford Global Technologies, Llc Vehicle visor assembly with a center check clip
CN109703340A (zh) * 2019-02-12 2019-05-03 合肥京东方光电科技有限公司 一种遮阳板、汽车及遮阳板的调节方法
CN111572319A (zh) * 2020-04-21 2020-08-25 汉腾汽车有限公司 一种基于eps和tbox考虑座椅位置和体型的遮阳板三维控制方法
CN211493612U (zh) * 2019-11-06 2020-09-15 南京酷沃智行科技有限公司 基于人工智能和图像识别的汽车智能遮阳板

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101856964A (zh) * 2009-04-09 2010-10-13 上海大众汽车有限公司 一种遮阳板机构、车辆遮阳板总成及汽车
US20130158965A1 (en) * 2011-12-14 2013-06-20 Christopher V. Beckman Physics Engine Systems Using "Force Shadowing" For Forces At A Distance
US20140021735A1 (en) * 2012-07-17 2014-01-23 Ford Global Technologies, Llc Vehicle visor assembly with a center check clip
CN109703340A (zh) * 2019-02-12 2019-05-03 合肥京东方光电科技有限公司 一种遮阳板、汽车及遮阳板的调节方法
CN211493612U (zh) * 2019-11-06 2020-09-15 南京酷沃智行科技有限公司 基于人工智能和图像识别的汽车智能遮阳板
CN111572319A (zh) * 2020-04-21 2020-08-25 汉腾汽车有限公司 一种基于eps和tbox考虑座椅位置和体型的遮阳板三维控制方法

Similar Documents

Publication Publication Date Title
RU2708995C2 (ru) Транспортное средство и способ управления светопроницаемостью окон транспортного средства
WO2021129059A1 (zh) 一种遮光板控制方法、遮光板控制系统及装置
US20210042531A1 (en) Systems and methods for monitoring traffic sign violation
Ding et al. Vehicle and parking space detection based on improved yolo network model
Foedisch et al. Adaptive real-time road detection using neural networks
CN106394195A (zh) 一种车载遮阳板的智能调节方法及装置
CN110837800A (zh) 一种面向港口恶劣天气的目标检测和识别的方法
CN109886086B (zh) 基于hog特征和线性svm级联分类器的行人检测方法
CN103714659A (zh) 基于双光谱融合的疲劳驾驶识别系统
CN111619324A (zh) 一种视线追踪汽车智能防炫目方法及系统
CN108550274A (zh) 一种基于Faster RCNN的红绿灯无人驾驶辅助装置及方法
CN109466286A (zh) 一种汽车进出低照度区域智能防炫目方法及装置
CN205706097U (zh) 一种汽车遮阳板调节装置及汽车
CN109229009A (zh) 交通工具前照灯的控制方法、装置、交通工具及存储介质
Teerakawanich et al. Short term prediction of sun coverage using optical flow with GoogLeNet
CN114435093A (zh) 车辆遮光板的控制方法、装置、电子设备及存储介质
CN114889414A (zh) 一种自动调节遮阳方法、系统、电子设备和存储介质
CN211493612U (zh) 基于人工智能和图像识别的汽车智能遮阳板
CN107933507B (zh) 一种智能雨刷启动方法
CN115278095A (zh) 一种基于融合感知的车载摄像头控制方法及装置
CN102024324A (zh) 一种自动停车场栏杆机控制系统
CN113763326A (zh) 一种基于Mask Scoring R-CNN网络的受电弓检测方法
CN104751138A (zh) 一种车载红外图像彩色化辅助驾驶系统
CN113793373A (zh) 一种能见度检测方法、装置、设备及介质
CN112177476A (zh) 车窗控制系统、方法及汽车

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