DE102016201329A1 - Method and device for locating a head of a driver in a vehicle and head localization system - Google Patents
Method and device for locating a head of a driver in a vehicle and head localization system Download PDFInfo
- Publication number
- DE102016201329A1 DE102016201329A1 DE102016201329.7A DE102016201329A DE102016201329A1 DE 102016201329 A1 DE102016201329 A1 DE 102016201329A1 DE 102016201329 A DE102016201329 A DE 102016201329A DE 102016201329 A1 DE102016201329 A1 DE 102016201329A1
- Authority
- DE
- Germany
- Prior art keywords
- head
- image signal
- procedure
- value
- localization
- 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
- G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
Abstract
Die Erfindung betrifft ein Verfahren zum Lokalisieren eines Kopfes (108) eines Fahrers (110) in einem Fahrzeug (100). Hierbei wird zunächst ein 3-D-Bildsignal (112) eingelesen, das ein von zumindest einem Sensor (104) des Fahrzeugs (100) erfasstes dreidimensionales Bild des Kopfes (108) repräsentiert. Anschließend wird das 3-D-Bildsignal (112) unter Verwendung eines Regressionsverfahrens ausgewertet, um einen Lokalisierungswert (114) zum Lokalisieren des Kopfes (108) zu erzeugen.The invention relates to a method for locating a head (108) of a driver (110) in a vehicle (100). In this case, first of all a 3-D image signal (112) is read which represents a three-dimensional image of the head (108) detected by at least one sensor (104) of the vehicle (100). Subsequently, the 3-D image signal (112) is evaluated using a regression method to produce a localization value (114) for locating the head (108).
Description
Stand der TechnikState of the art
Die Erfindung geht aus von einer Vorrichtung oder einem Verfahren nach Gattung der unabhängigen Ansprüche. Gegenstand der vorliegenden Erfindung ist auch ein Computerprogramm.The invention is based on a device or a method according to the preamble of the independent claims. The subject of the present invention is also a computer program.
Anhand der Kopforientierung eines Fahrers kann beispielsweise eine Spurwechselabsicht, eine Aufmerksamkeit oder eine Müdigkeit des Fahrers ermittelt werden. Eine entsprechende Kopfposenschätzung kann beispielsweise in einem 2-D-Bild-basierten Verfahren oder mittels Tiefendaten zur echtzeitfähigen Kopfposenschätzung realisiert werden.On the basis of the head orientation of a driver, for example, a lane change intention, an attention or a tiredness of the driver can be determined. A corresponding Kopfposenschätzung can be realized for example in a 2-D image-based method or using depth data for real-time capable Kopfposenschätzung.
Offenbarung der ErfindungDisclosure of the invention
Vor diesem Hintergrund werden mit dem hier vorgestellten Ansatz ein Verfahren zum Lokalisieren eines Kopfes eines Fahrers in einem Fahrzeug, weiterhin eine Vorrichtung, die dieses Verfahren verwendet, ein Kopflokalisierungssystem sowie schließlich ein entsprechendes Computerprogramm gemäß den Hauptansprüchen vorgestellt. Durch die in den abhängigen Ansprüchen aufgeführten Maßnahmen sind vorteilhafte Weiterbildungen und Verbesserungen der im unabhängigen Anspruch angegebenen Vorrichtung möglich.Against this background, the method presented here introduces a method for locating a head of a driver in a vehicle, furthermore a device which uses this method, a head localization system and finally a corresponding computer program according to the main claims. The measures listed in the dependent claims advantageous refinements and improvements of the independent claim device are possible.
Es wird ein Verfahren zum Lokalisieren eines Kopfes eines Fahrers in einem Fahrzeug vorgestellt, wobei das Verfahren folgende Schritte umfasst: Einlesen eines 3-D-Bildsignals, das ein von zumindest einem Sensor des Fahrzeugs erfasstes dreidimensionales Bild des Kopfes repräsentiert; und Auswerten des 3-D-Bildsignals unter Verwendung eines Regressionsverfahrens, um einen Lokalisierungswert zum Lokalisieren des Kopfes zu erzeugen.A method is provided for locating a head of a driver in a vehicle, the method comprising the steps of: reading a 3-D image signal representing a three-dimensional image of the head detected by at least one sensor of the vehicle; and evaluating the 3-D image signal using a regression method to produce a localization value for locating the head.
Bei dem Sensor kann es sich insbesondere um einen Photomischdetektor, kurz PMD-Sensor, handeln. Der Sensor kann beispielsweise Teil einer Time-of-Flight-Kamera, kurz TOF-Kamera, sein. Hierbei kann der Sensor ausgebildet sein, um eine den Kopf umfassende Szene mittels eines Lichtpulses auszuleuchten und für jeden Bildpunkt eine Laufzeit des Lichts vom Sensor zum Kopf und zurück zu messen, wobei die Laufzeit direkt proportional zur Entfernung des Bildpunktes vom Sensor ist. Der Sensor kann somit für jeden Bildpunkt eine bestimmte Entfernung zum Kopf erfassen. Hierbei kann der Kopf mit einer einzigen Tiefenaufnahme vollständig durch den Sensor erfasst werden. Unter einem Regressionsverfahren kann ein statistisches Analyseverfahren zum Durchführen einer Regressionsanalyse verstanden werden, durch die Beziehungen zwischen einer abhängigen und einer oder mehreren unabhängigen Variablen modelliert werden können. Beispielsweise kann ein durch das Regressionsverfahren ermittelter funktionaler Zusammenhang verwendet werden, um ein Vorhersagemodell zum Vorhersagen einer Kopfpose des Kopfes zu erstellen. Hierbei kann das Regressionsverfahren etwa auf einer linearen Regression basieren, bei der ein Modell durch eine Linearkombination verschiedener Variablen spezifiziert werden kann. Der Lokalisierungswert kann beispielsweise einen Ort, d. h. eine Position, oder eine Lage, d. h. eine Orientierung, des Kopfes repräsentieren. Hierbei kann der Lokalisierungswert etwa Raumkoordinaten oder Neigungswinkel des Kopfes in einer x-, y- oder z-Richtung umfassen.The sensor may in particular be a photonic mixer detector, PMD sensor for short. The sensor can for example be part of a time-of-flight camera, TOF camera for short. In this case, the sensor can be designed to illuminate a scene comprising the head by means of a light pulse and to measure for each pixel a transit time of the light from the sensor to the head and back, the transit time being directly proportional to the distance of the pixel from the sensor. The sensor can thus detect a specific distance to the head for each pixel. In this case, the head can be completely detected by the sensor with a single depth image. A regression method can be understood as a statistical analysis method for performing a regression analysis by which relationships between a dependent and one or more independent variables can be modeled. For example, a functional relationship determined by the regression method may be used to construct a predictive model for predicting a head pose of the head. For example, the regression method may be based on a linear regression in which a model can be specified by a linear combination of different variables. For example, the location value may be a location, i. H. a position, or a position, d. H. to represent an orientation of the head. Here, the localization value may include, for example, space coordinates or inclination angles of the head in an x, y, or z direction.
Der hier beschriebene Ansatz beruht auf der Erkenntnis, dass Tiefendaten aus einer durch einen 3-D-Sensor erstellten Aufnahme eines Kopfes eines Fahrers mittels eines regressionsbasierten Verfahrens derart ausgewertet werden können, dass eine Pose des Kopfes, insbesondere etwa eine Orientierung des Kopfes, schnell und robust ermittelt werden kann. Beispielsweise können die Tiefendaten von einer TOF-Kamera mit eigener Lichtquelle erzeugt werden. Der Vorteil einer solchen Auswertung besteht somit darin, dass sie besonders robust gegenüber variierenden Lichtverhältnissen ist, d. h. größtenteils unabhängig von Lichtverhältnissen in der Umgebung des Kopfes durchgeführt werden kann.The approach described here is based on the finding that depth data from a recording of a driver's head produced by a 3-D sensor can be evaluated by means of a regression-based method in such a way that a pose of the head, in particular an orientation of the head, is fast and accurate robust can be determined. For example, the depth data can be generated by a TOF camera with its own light source. The advantage of such an evaluation is therefore that it is particularly robust against varying light conditions, d. H. largely independent of light conditions in the vicinity of the head can be performed.
Durch den hier vorgestellten Ansatz können Fehler bei der Bestimmung der Kopfpose deutlich reduziert werden. Gleichzeitig kann dadurch die Effizienz einer auf Tiefendaten basierenden Kopfposenabschätzung deutlich gesteigert werden.The approach presented here can significantly reduce errors in the determination of the head pose. At the same time, the efficiency of a depth-based head pose estimation can be significantly increased.
Gemäß einer Ausführungsform kann im Schritt des Auswertens das 3-D-Bildsignal ausgewertet werden, um einen Ort und, zusätzlich oder alternativ, eine Lage des Kopfes als den Lokalisierungswert zu erzeugen. Unter einem Ort kann eine Position des Kopfes im Fahrzeuginnenraum verstanden werden. Unter einer Lage des Kopfes kann eine Orientierung des Kopfes im Fahrzeuginnenraum verstanden werden, d. h., der Kopf kann seinen Ort durch Verschiebung und seine Lage durch Verdrehung ändern. Somit kann der Lokalisierungswert beispielsweise kubische oder planare Koordinaten zur drei- bzw. zweidimensionalen Ortsangabe oder bestimmte Winkel relativ zu entsprechenden Orientierungsachsen zur Bestimmung der Lage repräsentieren. Durch diese Ausführungsform kann der Kopf mit hoher Genauigkeit und Zuverlässigkeit lokalisiert werden.According to one embodiment, in the step of evaluating, the 3-D image signal may be evaluated to provide a location and, additionally or alternatively, a location of the head as the location value. A location can be understood as meaning a position of the head in the vehicle interior. Under a position of the head can be understood an orientation of the head in the vehicle interior, d. h., the head can change its position by displacement and its position by twisting. Thus, the localization value may represent, for example, cubic or planar coordinates for three- or two-dimensional location information or certain angles relative to corresponding orientation axes for determining the location. By this embodiment, the head can be located with high accuracy and reliability.
Gemäß einer weiteren Ausführungsform kann im Schritt des Auswertens das 3-D-Bildsignal ausgewertet werden, um einen Rollwinkel des Kopfes als den Lokalisierungswert zu erzeugen. Zusätzlich oder alternativ kann im Schritt des Auswertens ein Nick- oder Gierwinkel des Kopfes als der Lokalisierungswert erzeugt werden. Unter einem Rollwinkel kann ein Winkel verstanden werden, der eine Drehung des Kopfes um eine Längsachse des Kopfes repräsentiert. Unter einem Nickelwinkel kann ein Winkel verstanden werden, der eine Drehung des Kopfes um eine Querachse des Kopfes repräsentiert. Unter einem Gierwinkel kann ein Winkel verstanden werden, der eine Drehung des Kopfes um eine Vertikalachse des Kopfes repräsentiert. Durch diese Ausführungsform kann die Lage des Kopfes mit hoher Genauigkeit und Zuverlässigkeit bestimmt werden.According to another embodiment, in the step of evaluating, the 3-D image signal may be evaluated to generate a roll angle of the head as the localization value. Additionally or alternatively, in the step of evaluating, a pitch or yaw angle of the head may be generated as the location value. Under a Roll angle may be understood as an angle representing rotation of the head about a longitudinal axis of the head. A nickel angle may be understood to mean an angle representing rotation of the head about a transverse axis of the head. A yaw angle may be understood to mean an angle representing rotation of the head about a vertical axis of the head. By this embodiment, the position of the head can be determined with high accuracy and reliability.
Des Weiteren kann das Verfahren einen Schritt des Ermittelns umfassen, in dem je nach Ausführungsform eine Blickrichtung, eine Müdigkeit oder eine Aufmerksamkeit des Fahrers unter Verwendung des Lokalisierungswertes ermittelt werden kann. Beispielsweise kann die Blickrichtung, die Müdigkeit oder die Aufmerksamkeit als Eingangswert für ein Steuergerät zum Steuern des Fahrzeugs dienen. Durch diese Ausführungsform kann die Blickrichtung, die Müdigkeit oder die Aufmerksamkeit des Fahrers in Abhängigkeit von der Kopfpose bestimmt werden.Furthermore, the method may comprise a step of determining in which, depending on the embodiment, a driver's sight, fatigue or attention may be determined using the localization value. For example, the viewing direction, fatigue or attention may serve as an input to a controller for controlling the vehicle. By this embodiment, the sight, fatigue or attention of the driver can be determined depending on the head pose.
Zudem kann in einem optionalen Schritt des Bereitstellens ein Steuersignal zum Steuern des Fahrzeugs in Abhängigkeit von der Blickrichtung, der Müdigkeit oder der Aufmerksamkeit bereitgestellt werden. Beispielsweise kann das Steuersignal verwendet werden, um eine Fahrerassistenzfunktion des Fahrzeugs zu steuern. Dadurch kann das Fahrzeug in Abhängigkeit von der Blickrichtung, der Müdigkeit oder der Aufmerksamkeit gesteuert werden, womit der Fahrkomfort und die Verkehrssicherheit erhöht werden können.In addition, in an optional provisioning step, a control signal for controlling the vehicle may be provided depending on the viewing direction, tiredness or attention. For example, the control signal may be used to control a driver assistance function of the vehicle. Thereby, the vehicle can be controlled depending on the viewing direction, fatigue or attention, whereby the ride comfort and the traffic safety can be increased.
Gemäß einer weiteren Ausführungsform kann im Schritt des Auswertens das 3-D-Bildsignal unter Verwendung zumindest eines Regressionsbaumes und, zusätzlich oder alternativ, zumindest eines Regressionswaldes ausgewertet werden. Unter einem Regressionsbaum kann ein geordneter, gerichteter Baum verstanden werden, der zur Darstellung hierarchisch aufeinanderfolgender Regressionsregeln dient. Unter einem Regressionswald kann eine Menge miteinander verknüpfter Regressionsbäume verstanden werden. Durch diese Ausführungsform kann das 3-D-Bildsignal besonders effizient und präzise ausgewertet werden.According to a further embodiment, in the step of evaluating the 3-D image signal can be evaluated using at least one regression tree and, additionally or alternatively, at least one regression forest. A regression tree can be understood as an ordered, directed tree which serves to display hierarchically successive regression rules. A regression forest can be understood as a set of interrelated regression trees. By this embodiment, the 3-D image signal can be evaluated particularly efficiently and precisely.
Es ist zudem vorteilhaft, wenn im Schritt des Einlesens ein 2-D-Bildsignal eingelesen wird, das ein von dem Sensor und, zusätzlich oder alternativ, zumindest einem weiteren Sensor erfasstes zweidimensionales Bild des Kopfes repräsentiert. Entsprechend kann im Schritt des Auswertens ferner das 2-D-Bildsignal ausgewertet werden, um den Lokalisierungswert zu erzeugen. Dadurch kann die Genauigkeit beim Lokalisieren des Kopfes erhöht werden.It is also advantageous if, in the reading-in step, a 2-D image signal is read in which represents a two-dimensional image of the head detected by the sensor and, additionally or alternatively, at least one further sensor. Accordingly, in the step of evaluating, the 2-D image signal may be further evaluated to generate the localization value. This can increase the accuracy of locating the head.
Es ist ferner von Vorteil, wenn im Schritt des Einlesens ein früherer Lokalisierungswert zum Lokalisieren des Kopfes eingelesen wird. Der frühere Lokalisierungswert kann einen älteren Wert als der Lokalisierungswert repräsentieren. Hierbei kann im Schritt des Auswertens unter Verwendung des früheren Lokalisierungswertes zumindest ein lokales binäres Merkmal aus dem 3-D-Bildsignal extrahiert werden. Unter Verwendung des lokalen binären Merkmals und zumindest einer globalen linearen Regressionsvorschrift kann hierauf ein, eine Abweichung zwischen dem früheren Lokalisierungswert und dem Lokalisierungswert repräsentierender Abweichungswert ermittelt werden. Schließlich kann der Lokalisierungswert als Funktion des früheren Lokalisierungswertes und des Abweichungswertes erzeugt werden. Unter einem lokalen binären Merkmal kann ein binäres Merkmal verstanden werden, das aus Tiefendaten, die einen lokalen Bereich des Kopfes repräsentieren, extrahiert werden kann, beispielsweise unter Verwendung eines Regressionsbaumes oder -waldes. Unter einer globalen linearen Regressionsvorschrift kann eine Vorschrift zum Ausführen einer linearen Regression verstanden werden, die sich auf einen Gesamtbereich des Kopfes bezieht. Die Regressionsvorschrift kann je nach Ausführungsform Regressionsbäume oder -wälder umfassen. Durch diese Ausführungsform wird eine präzise Lokalisierung des Kopfes in Echtzeit ermöglicht.It is also advantageous if, in the step of reading in, a previous localization value for locating the head is read in. The earlier localization value may represent an older value than the localization value. In this case, in the step of evaluating using the earlier localization value, at least one local binary feature can be extracted from the 3-D image signal. Using the local binary feature and at least one global linear regression rule, a deviation value representing a deviation between the previous localization value and the localization value can then be determined. Finally, the localization value may be generated as a function of the previous localization value and the deviation value. By a local binary feature may be understood a binary feature that can be extracted from depth data representing a local area of the head, for example using a regression tree or forest. A global linear regression law may be understood as a rule for performing a linear regression that relates to an entire region of the head. Depending on the embodiment, the regression rule may include regression trees or forests. This embodiment enables precise localization of the head in real time.
Gemäß einer weiteren Ausführungsform kann im Schritt des Auswertens das 3-D-Bildsignal unter Verwendung von Quaternionen zum Darstellen einer Drehung des Kopfes um zumindest eine Drehachse ausgewertet werden. Dadurch kann der Rechenaufwand beim Auswerten reduziert werden.According to a further embodiment, in the step of evaluating the 3-D image signal can be evaluated using quaternions for representing a rotation of the head about at least one axis of rotation. As a result, the computational effort during evaluation can be reduced.
Dieses Verfahren kann beispielsweise in Software oder Hardware oder in einer Mischform aus Software und Hardware, beispielsweise in einem Steuergerät, implementiert sein.This method can be implemented, for example, in software or hardware or in a mixed form of software and hardware, for example in a control unit.
Der hier vorgestellte Ansatz schafft ferner eine Vorrichtung, die ausgebildet ist, um die Schritte einer Variante eines hier vorgestellten Verfahrens in entsprechenden Einrichtungen durchzuführen, anzusteuern bzw. umzusetzen. Auch durch diese Ausführungsvariante der Erfindung in Form einer Vorrichtung kann die der Erfindung zugrunde liegende Aufgabe schnell und effizient gelöst werden.The approach presented here also creates a device that is designed to perform the steps of a variant of a method presented here in appropriate facilities to drive or implement. Also by this embodiment of the invention in the form of a device, the object underlying the invention can be solved quickly and efficiently.
Hierzu kann die Vorrichtung zumindest eine Recheneinheit zum Verarbeiten von Signalen oder Daten, zumindest eine Speichereinheit zum Speichern von Signalen oder Daten, zumindest eine Schnittstelle zu einem Sensor oder einem Aktor zum Einlesen von Sensorsignalen von dem Sensor oder zum Ausgeben von Daten- oder Steuersignalen an den Aktor und/oder zumindest eine Kommunikationsschnittstelle zum Einlesen oder Ausgeben von Daten aufweisen, die in ein Kommunikationsprotokoll eingebettet sind. Die Recheneinheit kann beispielsweise ein Signalprozessor, ein Mikrocontroller oder dergleichen sein, wobei die Speichereinheit ein Flash-Speicher, ein EPROM oder eine magnetische Speichereinheit sein kann. Die Kommunikationsschnittstelle kann ausgebildet sein, um Daten drahtlos und/oder leitungsgebunden einzulesen oder auszugeben, wobei eine Kommunikationsschnittstelle, die leitungsgebundene Daten einlesen oder ausgeben kann, diese Daten beispielsweise elektrisch oder optisch aus einer entsprechenden Datenübertragungsleitung einlesen oder in eine entsprechende Datenübertragungsleitung ausgeben kann.For this purpose, the device may comprise at least one computing unit for processing signals or data, at least one memory unit for storing signals or data, at least one interface to a sensor or an actuator for reading sensor signals from the sensor or for outputting data or control signals to the sensor Actuator and / or at least one communication interface for reading in or outputting data which are embedded in a communication protocol. The arithmetic unit may be, for example, a signal processor, a microcontroller or the like, wherein the memory unit may be a flash memory, an EPROM or a magnetic memory unit. The communication interface can be designed to read or output data wirelessly and / or by line, wherein a communication interface that can read or output line-bound data, for example, electrically or optically read this data from a corresponding data transmission line or output to a corresponding data transmission line.
Unter einer Vorrichtung kann vorliegend ein elektrisches Gerät verstanden werden, das Sensorsignale verarbeitet und in Abhängigkeit davon Steuer- und/oder Datensignale ausgibt. Die Vorrichtung kann eine Schnittstelle aufweisen, die hard- und/oder softwaremäßig ausgebildet sein kann. Bei einer hardwaremäßigen Ausbildung können die Schnittstellen beispielsweise Teil eines sogenannten System-ASICs sein, der verschiedenste Funktionen der Vorrichtung beinhaltet. Es ist jedoch auch möglich, dass die Schnittstellen eigene, integrierte Schaltkreise sind oder zumindest teilweise aus diskreten Bauelementen bestehen. Bei einer softwaremäßigen Ausbildung können die Schnittstellen Softwaremodule sein, die beispielsweise auf einem Mikrocontroller neben anderen Softwaremodulen vorhanden sind.In the present case, a device can be understood as meaning an electrical device which processes sensor signals and outputs control and / or data signals in dependence thereon. The device may have an interface, which may be formed in hardware and / or software. In the case of a hardware-based embodiment, the interfaces can be part of a so-called system ASIC, for example, which contains a wide variety of functions of the device. However, it is also possible that the interfaces are their own integrated circuits or at least partially consist of discrete components. In a software training, the interfaces may be software modules that are present, for example, on a microcontroller in addition to other software modules.
In einer vorteilhaften Ausgestaltung erfolgt durch die Vorrichtung eine Steuerung des Fahrzeugs. Hierzu kann die Vorrichtung beispielsweise auf Sensorsignale wie Lenkwinkel-, Beschleunigungs- oder Umfeldsensorsignale zugreifen. Die Ansteuerung erfolgt über Aktoren wie Lenk- oder Bremsaktoren oder ein Motorsteuergerät.In an advantageous embodiment, the device is used to control the vehicle. For this purpose, the device can access, for example, sensor signals such as steering angle, acceleration or environmental sensor signals. It is controlled via actuators such as steering or brake actuators or an engine control unit.
Der hier vorgestellte Ansatz schafft zudem ein Kopflokalisierungssystem mit folgenden Merkmalen:
einer Vorrichtung gemäß einer vorstehenden Ausführungsform; und
zumindest einem Sensor zum Erzeugen des 3-D-Bildsignals.The approach presented here also creates a head localization system with the following features:
a device according to a preceding embodiment; and
at least one sensor for generating the 3-D image signal.
Von Vorteil ist auch ein Computerprogrammprodukt oder Computerprogramm mit Programmcode, der auf einem maschinenlesbaren Träger oder Speichermedium wie einem Halbleiterspeicher, einem Festplattenspeicher oder einem optischen Speicher gespeichert sein kann und zur Durchführung, Umsetzung und/oder Ansteuerung der Schritte des Verfahrens nach einer der vorstehend beschriebenen Ausführungsformen verwendet wird, insbesondere wenn das Programmprodukt oder Programm auf einem Computer oder einer Vorrichtung ausgeführt wird.Also of advantage is a computer program product or computer program with program code which can be stored on a machine-readable carrier or storage medium such as a semiconductor memory, a hard disk memory or an optical memory and for carrying out, implementing and / or controlling the steps of the method according to one of the embodiments described above is used, especially when the program product or program is executed on a computer or a device.
Ausführungsbeispiele der Erfindung sind in den Zeichnungen dargestellt und in der nachfolgenden Beschreibung näher erläutert. Es zeigt:Embodiments of the invention are illustrated in the drawings and explained in more detail in the following description. It shows:
In der nachfolgenden Beschreibung günstiger Ausführungsbeispiele der vorliegenden Erfindung werden für die in den verschiedenen Figuren dargestellten und ähnlich wirkenden Elemente gleiche oder ähnliche Bezugszeichen verwendet, wobei auf eine wiederholte Beschreibung dieser Elemente verzichtet wird.In the following description of favorable embodiments of the present invention, the same or similar reference numerals are used for the elements shown in the various figures and similar acting, wherein a repeated description of these elements is omitted.
Die Vorrichtung
Derzeitige Systeme zur Müdigkeitsschätzung basieren unter anderem auf nicht visuellen Parametern. Die Systeme warnen aufgrund eines basierend auf einem Lenkwinkel oder unter Verwendung von Spurhaltesensoren ermittelten Fahrverhaltens. Diese Parameter können in der Signalkette deutlich weiter entfernt sein als direkt messbare physiologische Veränderungen. Des Weiteren kann das Lenkverhalten nicht immer eindeutig mit der Müdigkeit verknüpft werden. Beispielsweise kann beim Fahren mit Anhänger ein ähnliches Lenkwinkelsignal erzeugt werden wie beim Fahren mit erhöhter Müdigkeit.Current fatigue estimation systems are based, inter alia, on non-visual parameters. The systems warn due to a based on a steering angle or using tracking sensors determined driving behavior. These parameters may be significantly further in the signal chain than directly measurable physiological changes. Furthermore, the steering behavior can not always be clearly linked to fatigue. For example, when driving with trailer a similar steering angle signal can be generated as when driving with increased fatigue.
Mithilfe der Vorrichtung
Gemäß diesem Ausführungsbeispiel gibt die Auswerteeinheit
Optional umfasst die Vorrichtung
Gemäß einem weiteren Ausführungsbeispiel ist die Einleseeinheit
In
Die Kopfposenabschätzung erfolgt auf der Basis einer Schritt-für-Schritt-Regressionstechnik. Dadurch kann die Kopforientierung und -position mit sehr hoher Effizienz geschätzt werden. Hierbei wird in jedem Schritt eine Aktualisierung der Kopforientierung und -position berechnet. Gemäß einem Ausführungsbeispiel wird hierzu eine Extraktion lokaler binärer Merkmale basierend auf Tiefendaten durchgeführt. Eine derartige Merkmalsextraktion wird unter Verwendung lokaler Bereiche durchgeführt, die relativ zur Kopforientierung und -position projiziert wurden. Durch Nutzung der Quaternionendarstellung kann die Kopforientierung direkt über eine globale lineare Regression ermittelt werden. The head pose estimation is based on a step-by-step regression technique. This allows the head orientation and position to be estimated with very high efficiency. In each step, an update of the head orientation and position is calculated. According to an exemplary embodiment, an extraction of local binary features based on depth data is performed for this purpose. Such feature extraction is performed using local regions that have been projected relative to the head orientation and position. By using the quaternion representation, the head orientation can be determined directly via a global linear regression.
Nachfolgend wird der in
Ziel des hier vorgestellten Ansatzes ist es gemäß einem Ausführungsbeispiel, einen Ort und eine Drehung des Kopfes auf der Basis eines einzelnen Tiefenscans zu ermitteln. Hierzu wird ein Schritt-für-Schritt-Ansatz gewählt, bei dem jeder Schritt eine Aktualisierung hin zur korrekten Kopforientierung und -position liefert. Wie in
Als Erstes wird ein überwachter Trainingsschritt mit gelabelten Trainingsdaten durchgeführt. Jedes Trainingsmuster i besteht aus einer Tiefenkarte Di und gelabelten Ground-Truth-Daten Θ ^i = {I ^i, θ ^i} der Kopfposition I ^i = {x ^, y ^, z ^} sowie der in Quaternionen dargestellten Kopforientierung Θ ^i = {q ^1, q ^2, q ^3, q ^4}. Der Vorteil der Nutzung von Quaternionen besteht darin, dass durch diese eine Drehung eines vierdimensionalen Vektors in kompakter Weise dargestellt werden kann. Im Vergleich zu Eulerwinkeln können Drehungen auf effizientere Weise berechnet werden. Dadurch kann die Effizienz bei der schrittweisen Ermittlung der Kopforientierung gesteigert werden.First, a supervised training step with labeled training data is performed. Each training pattern i consists of a depth map D i and labeled ground truth data Θ ^ i = {I ^ i , θ ^ i } of the head position I ^ i = {x ^, y ^, z ^} and that shown in quaternions Head orientation Θ ^ i = {q ^ 1 , q ^ 2 , q ^ 3 , q ^ 4 }. The advantage of using quaternions is that they allow a rotation of a four-dimensional vector to be represented in a compact manner. In comparison to Euler angles, rotations can be calculated in a more efficient way. This can increase the efficiency in the stepwise determination of the head orientation.
Der Gesichtsbereich wird unter Verwendung eines handelsüblichen Gesichtsdetektors in der Vorverarbeitungsphase erfasst. Während des Trainingsprozesses wird für jeden Schritt t ein Regressionswald zur Ermittlung der lokalen binären Merkmale Φt und der globalen linearen Projektion Wt gelernt.The facial area is detected using a commercially available face detector in the preprocessing phase. During the training process, a regression forest for determining the local binary features Φ t and the global linear projection W t is learned for each step t.
Die lokalen binären Merkmale Φt werden aus Regressionswäldern berechnet. Um die Regressionswälder zu lernen, werden die Tiefendaten Di anstatt zweidimensionaler Farbinformationen verwendet. Das Training erfordert zweidimensionale Ground-Truth-Positionen S ^i und zweidimensionale Positionen des vorherigen Schrittes
Für jeden lokalen Bereich k wird unabhängig voneinander ein binärer Wald trainiert. Die gelernten Wälder werden auf die k lokalen Bereiche des früheren Schrittes
Es wird ferner eine globale lineare Regression Wt gelernt, durch die eine Abweichung
Die Ground-Truth-Residuen werden wie folgt ermittelt: wobei R ^i die aus den Quaternionen θ ^i berechnete Drehungsmatrix repräsentiert und
Nach jedem Schritt t wird die Kopforientierung und -position eines jeden Frame i folgendermaßen aktualisiert mit mit After each step t, the head orientation and position of each frame i is updated as follows With
In der Testphase sollen die Kopfposition und die Kopforientierung Θi = {Ii, θi} aus einem unbekannten Entfernungsbild Di ermittelt werden. In jedem Schritt wird ein Residuum der Kopfposition und -orientierung
Gemäß einem Ausführungsbeispiel wird das 3-D-Bildsignal im Schritt
Die Schritte
Umfasst ein Ausführungsbeispiel eine „und/oder”-Verknüpfung zwischen einem ersten Merkmal und einem zweiten Merkmal, so ist dies so zu lesen, dass das Ausführungsbeispiel gemäß einer Ausführungsform sowohl das erste Merkmal als auch das zweite Merkmal und gemäß einer weiteren Ausführungsform entweder nur das erste Merkmal oder nur das zweite Merkmal aufweist.If an exemplary embodiment comprises a "and / or" link between a first feature and a second feature, then this is to be read so that the embodiment according to one embodiment, both the first feature and the second feature and according to another embodiment either only first feature or only the second feature.
Claims (13)
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102016201329.7A DE102016201329A1 (en) | 2016-01-29 | 2016-01-29 | Method and device for locating a head of a driver in a vehicle and head localization system |
PCT/EP2016/080883 WO2017129306A1 (en) | 2016-01-29 | 2016-12-14 | Method and device for locating a head of a driver in a vehicle and head localization system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102016201329.7A DE102016201329A1 (en) | 2016-01-29 | 2016-01-29 | Method and device for locating a head of a driver in a vehicle and head localization system |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102016201329A1 true DE102016201329A1 (en) | 2017-08-03 |
Family
ID=57629579
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102016201329.7A Withdrawn DE102016201329A1 (en) | 2016-01-29 | 2016-01-29 | Method and device for locating a head of a driver in a vehicle and head localization system |
Country Status (2)
Country | Link |
---|---|
DE (1) | DE102016201329A1 (en) |
WO (1) | WO2017129306A1 (en) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109717853A (en) * | 2019-03-14 | 2019-05-07 | 扬州大学 | Vehicle carried driving person's fatigue detecting system based on raspberry pie |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4922715B2 (en) * | 2006-09-28 | 2012-04-25 | タカタ株式会社 | Occupant detection system, alarm system, braking system, vehicle |
KR20130054636A (en) * | 2011-11-17 | 2013-05-27 | 현대모비스 주식회사 | Device and method for monitoring a driver's posture using infrared light camera and 3d modeling |
US8702250B2 (en) * | 2012-04-02 | 2014-04-22 | GM Global Technology Operations LLC | System and method for adjusting vehicle mirrors automatically based on driver head position |
CN104688251A (en) * | 2015-03-02 | 2015-06-10 | 西安邦威电子科技有限公司 | Method for detecting fatigue driving and driving in abnormal posture under multiple postures |
-
2016
- 2016-01-29 DE DE102016201329.7A patent/DE102016201329A1/en not_active Withdrawn
- 2016-12-14 WO PCT/EP2016/080883 patent/WO2017129306A1/en active Application Filing
Non-Patent Citations (2)
Title |
---|
Gabriele Fanelli, Thibaut Weise, Juergen Gall, Luc Van Gool: Real Time Head Pose Estimation from Consumer Depth Camera. In: Joint Pattern Recognition Symposium, DAGM, 2011, 101-110. * |
Ognjen Rudovic, Ioannis Patras, Maja Pantic: Coupled Gaussian Process Regression for Pose-Invariant Facial Expression Recognition. In: ECCV, Part II, 2010, 350-363. * |
Also Published As
Publication number | Publication date |
---|---|
WO2017129306A1 (en) | 2017-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102016114535B4 (en) | Route determination for automated vehicles | |
DE102017107396B4 (en) | Test procedure and test device for driver assistance systems | |
DE102017115393A1 (en) | VIRTUAL SENSOR DATA GENERATION SYSTEM AND METHOD FOR SUPPORTING THE DEVELOPMENT OF VISIBLE RAIN DETECTION ALGORITHMS | |
DE102014222617B4 (en) | Vehicle detection method and vehicle detection system | |
DE112017006567T5 (en) | AUTONOMOUS VEHICLE WITH DRIVER TRAINING | |
DE112011105445B4 (en) | Red-eye detection device | |
DE102021128041A1 (en) | IMPROVEMENT OF A VEHICLE NEURAL NETWORK | |
EP3392111A1 (en) | Method and device for determining a visual deflection of a driver of a vehicle | |
DE102019128840A1 (en) | Driver assistance device | |
DE102017108248A1 (en) | STREET FEATURE RECOGNITION WITH A VEHICLE CAMERA SYSTEM | |
DE102018206777A1 (en) | Depth evaluation for locating a vehicle occupant in a vehicle interior | |
DE102021101270A1 (en) | TRAINING A NEURAL NETWORK OF A VEHICLE | |
DE112020001543T5 (en) | Vehicle position detection device and parameter set generation device for detecting the vehicle position | |
DE102021103151A1 (en) | SYSTEMS AND METHODS FOR IMAGE BLUR REMOVAL IN A VEHICLE | |
DE102020200911B3 (en) | Method for recognizing objects in the surroundings of a vehicle | |
DE102022114048A1 (en) | IMAGE RECTIFICATION | |
DE102022114047A1 (en) | IMAGE ANOTATION FOR DEEP NEURAL NETWORKS | |
DE102017201796A1 (en) | Control device for determining a self-motion of a motor vehicle and motor vehicle and method for providing the control device | |
WO2017129306A1 (en) | Method and device for locating a head of a driver in a vehicle and head localization system | |
DE112021003430T5 (en) | IMAGE PROCESSING DEVICE | |
DE102021120966A1 (en) | SENSOR FUSION | |
DE102020200876B4 (en) | Method for processing sensor data from a sensor system in a vehicle | |
DE102022100545A1 (en) | IMPROVED OBJECT RECOGNITION | |
EP1756748B1 (en) | Method for the classification of an object by means of a stereo camera | |
DE102020209987A1 (en) | Device and method for processing environmental sensor data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R163 | Identified publications notified | ||
R079 | Amendment of ipc main class |
Free format text: PREVIOUS MAIN CLASS: G06K0009620000 Ipc: G06V0030190000 |
|
R005 | Application deemed withdrawn due to failure to request examination |