JP2003212081A - イメージ処理システム及びそのための方法 - Google Patents

イメージ処理システム及びそのための方法

Info

Publication number
JP2003212081A
JP2003212081A JP2002315890A JP2002315890A JP2003212081A JP 2003212081 A JP2003212081 A JP 2003212081A JP 2002315890 A JP2002315890 A JP 2002315890A JP 2002315890 A JP2002315890 A JP 2002315890A JP 2003212081 A JP2003212081 A JP 2003212081A
Authority
JP
Japan
Prior art keywords
passenger
image processing
processing system
shape
motion
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
JP2002315890A
Other languages
English (en)
Inventor
Michael Edward Farmer
エドワード ファーマー マイケル
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.)
Eaton Corp
Original Assignee
Eaton 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 Eaton Corp filed Critical Eaton Corp
Publication of JP2003212081A publication Critical patent/JP2003212081A/ja
Pending legal-status Critical Current

Links

Classifications

    • 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
    • B60R21/01542—Passenger detection systems detecting passenger motion
    • 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
    • B60R21/0153—Passenger detection systems using field detection presence sensors
    • B60R21/01538—Passenger detection systems using field detection presence sensors for image processing, e.g. cameras or sensor arrays
    • 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
    • B60R21/01552—Passenger detection systems detecting position of specific human body parts, e.g. face, eyes or hands
    • 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
    • B60R21/01558—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 monitoring crash strength
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/215—Motion-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/254—Analysis of motion involving subtraction of images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • 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
    • B60R2021/003—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks characterised by occupant or pedestian
    • B60R2021/0039—Body parts of the occupant or pedestrian affected by the accident
    • B60R2021/0044—Chest

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Air Bags (AREA)

Abstract

(57)【要約】 【課題】 エアバッグの展開力を吸収するのに必要な乗
客の衝撃を決定するのに使用されるイメージ処理システ
ムおよびその方法を提供すること。 【解決手段】 本発明は、エアバッグ展開システム36を
完全にまたは部分的な展開強さで開くかを決定するイメ
ージ処理システムであり、乗客18が展開するエアバッグ
に接触する時点での乗客の質量、速度及び運動エネルギ
ーを決定する。このシステムは、乗客のイメージを捕ら
えるカメラ22を有し、衝撃時の運動エネルギーの予測に
より、エアバッグを適切な強さで展開する。乗客の容積
をイメージから決定し、乗客の質量を計算する。過去の
予測値及び測定値を最新の推定値および予測値に含ませ
るためにカルマンフィルタを用いて、特定の測定値に関
するノイズを取り除く。本システムは、カメラが集める
データよりも早い速度で乗客の位置及び形状を予測す
る。

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】本発明は、一般的に、エアバ
ッグの展開を完全にまたは部分的に禁止するかを決定す
るために用いるシステムまたは方法に関する。特に、本
発明は、二次元のイメージ（像）の流れを入力し、その
イメージに対する三次元特性を推論する反復的かつ確率
的に重み付けされた処理に適用するイメージ処理システ
ムであり、乗客に対するエアバッグの衝撃の大きさを決
定するのに用いられる。
【０００２】
【従来の技術】通常のエアバッグ展開システムは、自動
車の衝突時において、乗客の安全に大いに貢献してい
る。しかし、エアバッグを十分な強さで展開することが
望ましくない場合がある。エアバッグの目的は、乗客へ
の衝撃を吸収することである。この目的のためのエアバ
ッグ展開が過剰になることは望ましくない。
【０００３】従来のエアバッグシステムは、一般的にエ
アバッグを全開するかまたはしないかである。このよう
な対処方法の下では、エアバッグは、完全な非作動かま
たは完全な展開かのいずれかである。エアバッグの非作
動により、乗客は、一般的に有益な安全装置であるエア
バッグの利益を受けることができなくなる。エアバッグ
の完全な全展開は、低速時の衝突の際に望ましくない力
を乗客が被ることになる。
【０００４】エアバッグ展開システムは、乗客とエアバ
ッグとの衝突が、種々の異なる強さで展開できることが
望ましい。運動エネルギー、モーメント、又は質量及び
速度の特性を利用する他の測定値等の測定基準（メトリ
ック）は、エアバッグが乗客への衝撃を吸収するのに必
要な衝撃度を決定するために用いられる。乗客の速度お
よび質量を決定するための現在の方法は、現在技術にお
いて、かなりの制限を被っている。
【０００５】重さ基準のシステムは、重さセンサを一般
的に使用して乗客の重さを決定する。この重さ基準シス
テムは、衝撃状態における自動車の急速な変形移動によ
り、不正確な測定に陥りやすい。このような動きによっ
て、シート上で重量の移動が生じることから、正確にそ
の重量を測定することが難しくなる。また、重さ基準の
システムは、衝突時または衝突前のブレーキ動作中、乗
客にエアバッグが接近する時の速度を追跡する能力に欠
ける。
【０００６】乗客の重量は、より信頼度のある手段、た
とえば、乗客の視覚的なイメージの分析等により測定さ
れることが望ましい。多様な乗客の体型にかかわらず重
量密度は比較的一定であるので、乗客の質量を決定する
ために乗客の容積を用いることが望ましい。また、乗客
の速度を測定あるいは計算することが望ましい。
【０００７】現在の技術は、速度を決定することに関す
る問題に悩んでいる。速度基準システムは、しばしば、
非常に高価なカメラを必要とする。タイミングは、エア
バッグ展開を修正するのに用いられるどのシステムにお
いても重要である。標準ビデオカメラは、５０〜１００
Ｈｚの範囲の周波数で動作し、１秒間当たり５０〜１０
０フレームを捕らえることができる。効果的なエアバッ
グ展開決定では、より頻繁に更新され、１秒当たり（20
0Hｚ)、即ち、約２００回更新することが必要とされ
る。
【０００８】さらに、イメージ処理システムは、イメー
ジが捕捉される時点での乗客の移動速度を識別するより
もエアバッグに衝突する時の乗客の移動速度を予測する
ことが望ましい。このようなシステムでは、乗客の加速
度及び位置を追跡することが望ましい。また、正確な予
測が、カメラ速度よりも早い速度で発生させることがで
きるのであれば、より高価な特別の高速度カメラの代わ
りに低価格な標準ビデオカメラを用いることができる。
【０００９】従来のシステムは、ノイズに影響を受けや
すく、それゆえ、従来のシステムは、最新の測定または
イメージに照準をあわせ、１秒前の断片を捕らえる一連
の測定またはイメージは無視される。測定ノイズは、セ
グメンテーション処理(segmentation process)における
固有の不完全性を含むいくつかの要因から生じている。
このセグメンテーション処理は、周囲イメージからセグ
メント化イメージ（取り囲み領域の分離による乗客のイ
メージ）を抽出するプロセスである。周囲イメージは、
取り囲み領域および乗客の像を含んでいる。イメージ処
理システムは、最新のイメージに含まれる情報を包括的
なフレームワークに統合する反復的な処理を実現できる
ことが望ましく、このフレームワークは、前の予想を含
み、かつ間接的に、これらの前の予想を作るために使用
される以前のイメージを含んでいる。
【００１０】全ての予想は、この確率的に重み付けられ
た予想となることが望ましい。このような重み付け予想
は、予め規定された乗客の状態および乗客モードに関連
した確率を含むことが望ましい。この乗客の状態は、乗
客がドライバーに向かって左の方に傾くか、またはドラ
イバーから離れて右の方に傾くか、或いは真直ぐ立ち上
がるかであり、また乗客のモードは、衝突、静止、また
は人間の各モードに分類される。
【００１１】カメラを主体とする従来のシステムは、カ
メラが二次元イメージによっているという事実により制
限される。ビデオカメラを含むカメラにより撮られたイ
メージは、本来的に二次元のイメージである。しかし、
容積等のいくつかの重要な特性は、三次元である。それ
ゆえ、三次元情報が単一の標準ビデオカメラによって撮
られた一連の二次元情報から推論することは大いに有益
である。さらに、予め規定した乗客の状態が一連の二次
元イメージから三次元情報を導く反復的な処理に包含さ
れるならば役立つであろう。
【００１２】
【発明が解決しようとする課題】このような事情に鑑み
て、本発明は、エアバッグが展開するときの強さを決定
するのを用いるイメージ処理システムに関する。特に、
本発明は、エアバッグの展開力を吸収するのに必要な乗
客の衝撃を決定するのに使用されるイメージ処理システ
ムおよびその方法に関する。
【００１３】
【課題を解決するための手段】上記目的を達成するため
の本発明に係るイメージ処理システムは、シート、シー
ト上の乗客、センサ測定値を発生するセンサ、エアバッ
グ、およびエアバッグコントローラを有するエアバッグ
展開システムと共に使用するためのイメージ処理システ
ムであって、センサ測定値及び乗客特性を含み、前記セ
ンサ測定値から前記乗客特性を生じる追跡及び予測サブ
システムと、衝撃メトリックを含み、この衝撃メトリッ
クを前記乗客特性から生じる衝撃アセスメントサブシス
テムとを含んでいることを特徴とする。
【００１４】また、本発明のイメージ処理システムは、
周囲イメージとセグメント化イメージを含み、周囲イメ
ージから前記セグメント化イメージを生じるセグメンテ
ーションサブシステムと長円を含み、この長円を用いて
前記セグメント化イメージを表す長円適合サブシステム
と、複数の乗客特性を含み、前記長円から前記複数の乗
客特性から生じる追跡／予測サブシステムと、衝撃メト
リックを含み、前記複数の乗客特性から前記衝撃メトリ
ックを生じる衝撃アセスメントサブシステムとを有する
ことを特徴としている。
【００１５】本発明は、運動エネルギー、モーメント、
又は乗客のイメージから乗客の衝撃を測定するための他
の測定基準を決定する。乗客の衝撃を測定する基準（衝
撃メトリック）は、エアバッグ展開システムによって用
いられ、エアバッグ展開の望ましい強さを決定する。た
とえば、エアバッグが、100％、75％、50％、または僅
かに25％の強さだけ展開できるように、衝撃メトリック
として、たとえば、エアバッグと乗客の距離を表すこと
ができる。この衝撃メトリックは、エアバッグが全く開
かない（0％の展開強さ）ように、決定することもでき
る。
【００１６】センサの読取値を用いて、本発明は、１つ
またはそれ以上の衝撃メトリックを計算する。本発明の
好ましい実施形態では、運動エネルギーは、衝撃測定値
である。運動エネルギーは、乗客の質量及び速度を用い
て計算される。質量は、乗客の容積を用いて計算でき
る。乗客の速度は、乗客の位置の変化を比較することに
よって決定することができる。
【００１７】本発明の好ましい実施形態では、２つの反
復的かつ双方向の多重モデルにおけるカルマンフィルタ
が、乗客の位置（位置、速度、および加速度を含む）と
乗客の形状（面積および容積を含む）に関する一連の過
去の予測値およびイメージ測定値の中に、最新で捕捉さ
れた乗客のイメージに関係する一連の測定値を包含させ
るために用いることができる。
【００１８】本発明における種々の構成上の特徴は、好
ましい実施形態の詳細な記述及び図面を参照することに
より、当業者には明らかになるであろう。
【００１９】
【発明の実施の形態】図面を参照すると、図１は、本発
明に係る実施形態であるイメージ処理システム１６にお
ける周囲環境の部分図である。乗客１８がいる場合、こ
の乗客はシート２０に座っている。好ましい実施形態で
は、一連のイメージを急速に捕らえることができるカメ
ラまたは他のセンサ２２（集合的には「カメラ」とい
う。）が、乗客１８の上方にあるルーフライナー２４内
に取り付けられている。このカメラは、乗客よりもフロ
ントガラス２６に近い位置にある。
【００２０】カメラ２２は、シート２０上での乗客の前
後移動を生じる乗客１８の上方胸部の傾斜角度変化を捕
らえるために、乗客に向かって僅かに下方に角度を付け
て配置される。従来から知られているようにカメラ２２
の位置はいろいろある。同様に、コンピュータ３０も、
車両上のどの位置にも配置することができる。
【００２１】好ましい実施形態では、コンピュータ３０
は、カメラ２２の近くにあり、長い電線を介してカメラ
画像を送ることを避けている。本発明において、エアバ
ッグコントローラは、車両内のどの位置にも配置するこ
とができるが、ここでは、エアバッグコントローラ３２
は、計器パネル３４内に配置されている。同様に、エア
バッグ展開システム３６は、乗客１８及びシート２０の
前にある計器パネル３４内に配置されるが、このエアバ
ッグ展開システム３６が異なる場所に配置されても、本
システム１６は十分に機能する。
【００２２】図２は、イメージ処理システム１６を使用
する基本的なかつ高レベルの処理の流れを示している。
シート領域２１の周囲イメージ３８は、乗客１８とシー
ト領域２１の両方を含んでいる。周囲イメージ３８に対
照して、セグメントイメージ３８があり、このセグメン
トイメージは、シート領域２１から分離している乗客１
８のイメージのみを示している。
【００２３】周囲イメージ３８は、一連のイメージを急
速に捕らえることができるカメラ２２または他のセンサ
によって捕捉することができる。この図では、ある環境
及び実施形態の下で、乗客１８のイメージの一部のみが
捕えられ、特に、カメラ２２が下方末端をみることがで
きない位置に配置されていても、シート領域２１は、乗
客全体を含んでいる。周囲イメージ３８は、コンピュー
タ３０に送られる。
【００２４】以下で詳細に説明するように、本システム
１６は、周囲イメージ３８からセグメント化したイメー
ジを導く。このシステム１６は、乗客１８とエアバッグ
との間の衝撃メトリックの大きさを決定するために、一
連の測定値を得て、そして、それらの一連の計算を実行
する。この衝撃メトリック(impact metric)は、衝突時
の衝撃を吸収するのに必要な測定基準であり、乗客とエ
アバッグとの間の衝撃を評価するために本システムによ
って使用される位置的な測定値、計算値、又は他の数値
のいずれかの形式であると言うことができる。
【００２５】また、乗客特性は、乗客のセグメント化し
たイメージから導かれる測定値及び計算値であり、たと
えば、乗客の質量（重量）及び速度である。この乗客特
性は、衝撃メトリックを計算するのに使用される。乗客
の質量及び速度は、図４,５,６で図示された乗客特性か
ら導かれる。本システム１６において、エアバッグ展開
の決定は、エアバッグの展開決定を実行するのにシステ
ムに十分な時間を与えるように、前もって決めなければ
ならない。本発明は、センサ測定の時ではなくて、衝撃
の時点に関する乗客特性（乗客の質量及び速度）の未来
の予測を作り出す。
【００２６】好ましい実施形態では、システム１６によ
って用いられる衝撃メトリック（衝撃測定基準）は、乗
客１８の運動エネルギーである。別の実施形態では、乗
客１８のモーメント、運動エネルギーまたはモーメント
の重み付けの組み合わせ、或いは、質量及び速度を用い
た他の発見的手法およびその組み合わせが、衝撃メトリ
ックとして用いることができる。この衝撃メトリック
は、エアバッグコントローラ３２に送られて、エアバッ
グ展開システム３６を制御する。エアバッグ展開システ
ム３６は、エアバッグによって吸収すべき、乗客１８の
衝撃を決定するために衝撃メトリックを用いる。エアバ
ッグコントローラ３２は、エアバッグ展開システム３６
が適当な強さ、たとえば、100％、75％、50％、25％、
または０％（全く展開しない）の強さでエアバッグを展
開させることができる。
【００２７】Ｃ．コンピュータシステムの処理の流れ 図３は、本システム１６の種々の実施形態において、コ
ンピュータ３０によって実行された処理に関する高レベ
ルにおける処理の流れを与えている。好ましい実施形態
では、乗客１８の周囲イメージ及びそれを取巻くシート
領域２１がコンピュータ３０に入力される。セグメント
サブシステム４０は、乗客のセグメント化イメージ４２
を抽出する。このセグメント化イメージは、周囲イメー
ジ３８からの乗客のみのイメージを含み、シート領域２
１を含まない。種々のセグメント処理４０は、現在の技
術の下でよく知られている。セグメンテーション４０
は、ソフトウエアを用いて電子的に完成されており、本
発明の別の実施形態において、セグメンテーションは、
コンピュータ３０から分離しているコンピュータによっ
て実行することができる。
【００２８】乗客１８のセグメント化イメージ４２は、
長円適合サブシステム４４によって処理される。上側長
円は、乗客１８の上部胴体の周りに適合する。上部胴体
は、乗客１８の頭から腰の下側までの全てを含む。下側
長円は、乗客１８の足から腰まで二適合する。２つの長
円は、重心と称される一点で重なり合う。長円適合ルー
チン４４の出力は、図４,５,６に関連する説明とともに
以下で詳細に説明される。乗客１８の異なる部分を表す
上側長円、下側長円、及び重心(centroid)を発生する処
理及び実行は、従来技術によって公知である。
【００２９】本発明の好ましい実施形態では、長円適合
ルーチン４４は、コンピュータ３０によって利用される
が、他の実施形態では、長円適合ルーチン４４がコンピ
ュータ３０に接続されているが、このコンピュータとは
分離したコンピュータによって実行することもできる。
別の実施形態では、長円よりも異なる幾何学的形状、た
とえば、長方形、円形、又は他の幾何学的形状を利用す
ることもできる。
【００３０】上側長円、下側長円、及び重心に関する情
報は、次に、追跡及び予測サブシステム４６に送られ
る。この追跡及び予測サブシステムは、同時に別個のサ
ブ処理を互いに利用する。形状追跡器４８は、上側長円
の形状に関係する変数を追跡する。この処理は、図９に
関する説明において以下で詳述する。動き追跡器５０
は、上側長円の動き、特に、操作パネル３４内のエアバ
ッグ展開システム３６と、乗客１８との間の水平距離に
関係する変数を追跡する。この処理は、図１０に関する
説明において、以下で詳述する。
【００３１】コンピュータシステム３０は、追跡及び予
測サブシステム４６を用いて、所定の主たる測定におけ
る位置、速度、及び加速度に関する変数を追跡する。こ
の主たる測定は、乗客１８の上部胴体の形状及び動きに
関係し、マルチモデル及び反復的な処理を用いている。
この反復的な処理は、最新の方法を一連の進行中の測定
及び予測に組み入れられる。
【００３２】即ち、追跡及び予測サブシステム４６は、
センサ測定値及び乗客特性を含み、センサ測定値から乗
客特性を出力するものであり、形状特性および動き特性
を含む複数の乗客特性と、形状特性を追跡しかつ予測す
るための形状追跡器／予測器４８と、動き特性を追跡し
かつ予測するための動き追跡器／予測器５０とを含んで
いる。乗客特性は、質量、容積、面積、および三次元環
境の主軸を含むグループから選択することができる。
【００３３】好ましい実施形態では、追跡及び予測サブ
システム４６は、カルマンフィルタ(K alman filter)と
して従来知られているものを包含する。カルマンフィル
タは、重み付けされた形式で過去の予測値及び測定値を
含み、過去、現在、及び未来の状態さえもサポートする
非常に有効なものである。カルマンフィルタは、モデル
化されたシステムの正確な性質が未知のときでも有効で
ある。
【００３４】グレッグ ウエルチ(Greg Welch)およびガ
リー ビショップ(Gary Bishop)による「カルマンフィ
ルタの入門」と名付けられた論文は、参考としてここに
付記されかつ包含される。カルマンフィルタの一般式
は、方程式１に示される。
【００３５】[方程式１] Ｘ(新予測値）＝Ｘ（旧予測値）＋ゲイン[-Ｘ（旧予測
値）＋Ｘ（測定値）] カルマンフィルタでは、「ゲイン」は、最も新しく知覚
された正確度を表す。ゲイン０は、ほとんど価値のない
乏しい測定を示し、それゆえ新しい推定値、Ｘ（新推定
値）は、古い推定値Ｘ（旧推定値）のままである。 Ｘ(新推定値）＝Ｘ（旧推定値）＋０[-Ｘ（旧推定値）
＋Ｘ（測定値）] Ｘ(新推定値）＝Ｘ（旧推定値）＋０
【００３６】[方程式２] Ｘ(新推定値）＝Ｘ（旧推定値） ゲイン１は、最も新しい測定値Ｘ（測定値）における信
頼度を示し、新しい予測値Ｘ（新推定値）は、もっとも
新しく測定された値、Ｘ（測定値）となる。 Ｘ(新推定値）＝Ｘ（旧推定値）＋１[-Ｘ（旧推定値）
＋Ｘ（測定値）] Ｘ(新推定値）＝Ｘ（旧推定値）‐Ｘ（旧推定値）＋Ｘ
（測定値） [方程式３] Ｘ(新推定値）＝Ｘ（測定値）
【００３７】現実世界の利用において、ゲインは、常に
Ｏよりも大きく、１よりも小さい。このゲインは、新し
い測定値が、対象物の位置に関する以前の大まかな推定
値または予測値をどの程度変更するかを決定する。本発
明の場合、乗客１８は、追跡される対象物である。形状
追跡器４８と動き追跡器５０の両方について、図９及び
図１０に関連して以下で詳細に説明される。
【００３８】形状追跡器４８および動き追跡器５０の両
方からの出力は、参照番号５２の衝撃アセスメントサブ
システムにおいて使用される。本発明の好ましい実施形
態では、システム１６は、エアバッグ展開システム３６
がエアバッグを展開する時点の乗客１８の運動エネルギ
ーを予測する。運動エネルギーは、質量と速度の両方の
関数である。
【００３９】[方程式４] 運動エネルギー＝（１／２）質量×速度2 以下で詳細に説明するように、乗客１８の容積及び乗客
１８の密度を用いて乗客１８の質量が計算される。
【００４０】[方程式５] 質量＝速度×密度 カメラ２２よりも頻繁に計算される衝撃メトリックの計
算では、センサの読取値が集められ、その結果、エアバ
ッグコントローラ３２は、エアバッグ展開システム３６
への適当な展開強さを伝達することができる。
【００４１】Ｄ. 長円適合サブシステム 図４は、長円適合サブシステム４４によって実行される
長円適合ルーチンを示す。好ましい実施形態では、長円
適合サブシステム４４は、コンピュータ３０内のソフト
ウエアであるが、別の実施形態では、長円適合サブシス
テム４４は、異なるコンピュータまたは装置内に内蔵す
ることもできる。
【００４２】上側長円５８は、乗客１８の腰から頭まで
伸びている。下側長円５６は、腰から下側に伸び、乗客
１８の足を含んでいる。乗客１８の腰から乗客１８の足
までの全体領域を見ることができない場合、下側長円
は、見ることが可能な部分を表すように生成される。長
円は、長円上の単一点、好ましくは、長円の重心を用い
てシステム１６によって追跡される。別の実施形態で
は、長円以外の形状は、乗客１８の上側部分と下側部分
を表すのに用いることができる。長円適合ルーチンは、
従来から知られている。イメージ処理システム１６の好
ましい実施形態では、下側長円５６を利用しない。
【００４３】図５において、本システム１６によって使
用される長円適合サブシステム４４から出力される多く
の特性を示す。上側長円の重心５４は、乗客１８の特性
を追跡するためにシステム１６によって識別することが
できる。長円の重心５４を識別する方法については従来
技術より知られている。動き特性は、長円の重心５４の
Ｘ軸（距離）６０と前方傾斜角度（θ）６２を含む。形
状測定は、重心５４のｙ軸（高さ）５８、長円の長軸の
長さ６４、および長円の短軸の長さ６６を含む。
【００４４】速度、加速度等の情報の変化率は、全ての
形状及び動きの測定値に対して捕捉される。その結果、
本発明の好ましい実施形態では、９つの形状特性（高
さ、高さ’、高さ”、長軸の長さ、長軸の長さ’、長軸
の長さ”、短軸の長さ、短軸の長さ’、短軸の長さ”）
と６つの動き特性（距離、距離’、距離”、θ、θ’、
θ”）がある。側方傾斜角度Φは、イメージ平面に垂直
であるので示されない。また、この側方傾斜角度Φは、
以下で詳述するように導かれかつ測定されない。動き及
び形状の各特性は、乗客１８の容積、究極的には、質量
を計算するのに使用される。その結果、乗客１８の運動
エネルギーが決定される。
【００４５】図６は、側方傾斜角度（Φ）７３を示して
いる。本発明の好ましい実施形態では、３つだけの形状
状態、ドライバーの向かって左側に傾斜（左側）７６、
真直ぐ座っている（中央）７２、およびドライバーから
離れるように右側に傾斜（右側）７４の各状態があり、
側方傾斜角度−Φ、０、Φで表す。好ましい実施形態に
おいて、Φは、使用される車両の特性に従って、１５°
と４０°の間の値に設定される。
【００４６】Ｅ. マルコフの確率チェイン 本発明は、多重モデルの確率重み付けした、全ての形状
特性に対する第１カルマンフィルタおよび全ての動き特
性に対する第２カルマンフィルタの実行を行うものであ
る。好ましい実施形態では、各形状特性は、各形状状態
に対する個別のカルマンフィルタ方程式を有する。同様
に、各動き特性は、各動きモードに対する個別のカルマ
ンフィルタ方程式を有する。本発明の好ましい実施形態
では、乗客１８は、少なくとも１つの形状状態及び少な
くとも１つの動きモードを有する。１つの状態から他の
状態への変位に関連する予め規定した確率がある。これ
らの確率は、マルコフチェインを用いて説明することが
できる。
【００４７】図７は、本発明の好ましい実施形態におい
て使用した３つの形状状態を示している。この実施形態
では、乗客１８は、ドライバーに向けて傾斜する（左
側）８０、真直ぐ座る（中央）７８、およびドライバー
から離れる方向に傾斜する（右側）８２のいずれかであ
る。乗客の確率は、特定の状態にあり、この特定状態で
の終端は、次に続く形状状態に向けて示す矢印を用いて
特定形状状態から発生するラインによって識別すること
ができる。たとえば、中央状態に留まっている中央状態
にいる乗客の確率ＰC-Cは、矢印８４で表される。中央
位置から左側に動く確率ＰC-Lは、矢印９２で表され
る。また、中央位置から右側に動く確率ＰC-Rは、矢印
９８で表される。全体の確率は、中央７８の初期状態か
ら１になるまで付加しなければならない。
【００４８】[方程式６] ＰC-C＋ＰC-L＋ＰC-R＝1.0 さらに、どのような特定状態から発生する全ての確率
は、また1.0まで付加されなければならない。
【００４９】矢印８６は、左側に傾斜する乗客１８が次
の時間間隔まで中央位置に座っている確率ＰL-Cを表
す。同様に、矢印９６は、左側に傾斜する乗客１８が次
の時間間隔まで右側傾斜にいる確率ＰL-Rを表す。ま
た、矢印９０は、左側に傾斜する乗客１８が次の時間間
隔まで左側傾斜にいる確率ＰL-Lを表す。左側の初期傾
斜の状態から生じる全ての可能な確率の合計は１に等し
い。
【００５０】[方程式７] ＰL-C＋ＰL-L＋ＰL-R＝1.0 最後に、矢印１００は、右側傾斜の乗客が右側傾斜に留
まる確率ＰR-Rを表す。矢印８８は、右側傾斜の乗客が
中央状態位置に入る確率ＰR-Cを表す。矢印９４は、乗
客が左側に向かって傾斜する確率ＰR-Lを表す。右側の
初期傾斜の状態から生じる全ての可能な確率の合計は、
１に等しい。
【００５１】[方程式８] ＰR-C＋ＰR-L＋ＰR-R＝1.0 実際には、好ましい実施形態で使用される一般的なビデ
オカメラ２２は、毎秒５０〜100フレームの間で捕捉す
る。そして、単に１秒の１／５０の間に、左側８０に傾
斜する乗客が、右側８２に傾斜する乗客となることは本
質的に不可能であり、また、右側８２に傾斜する乗客
が、左側８０に傾斜する乗客となることも本質的に不可
能である。さらに、左側８０に傾斜する乗客が、右側８
２に傾斜する乗客になる前に、先ず中央位置７８の状態
に入るであろうし、同様に、左側８０に傾斜する乗客が
右側８２に傾斜する乗客となる前に中央位置７８の乗客
となることは更に現実的である。それゆえ、好ましい実
施形態では、傾斜位置９６の確率ＰL-Rは常にゼロに設
定され、傾斜位置９４の確率ＰR-Lもまた常にゼロに設
定されるであろう。その結果、形状状態に対する３つの
確率方程式は、次の通りである。
【００５２】[方程式９] ＰC-C＋ＰC-L＋ＰC-R＝1.0 [方程式１０] ＰR-C＋ＰR-R＝1.0 [方程式１１] ＰL-C＋ＰL-L＝1.0
【００５３】図８は、動きモードに関する重要な確率を
表す同様のマルコフチェインを示す。本発明の好ましい
実施形態では、３つの動きモード、即ち、人が眠ってい
るような静寂モードにある乗客１８を表す静止モード１
０２、自動車または他の車両内に一般的な乗客として行
動し、もちろん極端でない通常の動きをする乗客１８を
表す人間モード１１２、および衝突時にある車両の乗客
１８を表す衝突モードを用いる。
【００５４】乗客が特定の状態にあり、その特定状態に
終わる確率は、新しい状態を示す矢印を用いて現在の状
態において生じるラインによって識別される。たとえ
ば、静止状態の乗客が静止モードに留まる確率Ｐ
S-Sは、矢印１０８によって表される。静止モードから
人間モードに移動する確率ＰS-Hは、矢印１１４で表さ
れる。また、静止モードから衝突モードへ移動する確率
ＰS-Cは、矢印９０である。初期の静止モード１０２か
ら生じる全体の確率は、１まで付加されなければならな
い。 [方程式１２] ＰS-S＋ＰS-H＋ＰH-S＝1.0
【００５５】同様に、人間モードから人間モードへの確
率ＰH-Hは、参照番号１１６で示され、人間モードから
静止モードへの確率ＰH-Sは、参照番号１１２で示さ
れ、人間モードから衝突モードへの確率ＰH-Cは、参照
番号１２０で示され、静止モードから衝突モードへの確
率ＰS-Cは、参照番号９０で示されている。静止モード
１０２の初期状態から生じる全体の確率は、１まで付加
されなければならない。 [方程式１３] ＰH-H＋ＰH- C＋ＰH-S＝1.0
【００５６】最後に、衝突モードから衝突モードへの確
率ＰC-Cは、参照番号１２４で示され、衝突モードから
静止モードへの確率ＰC-Sは、参照番号１１０で示さ
れ、衝突モードから人間モードへの確率ＰC-Hは、参照
番号１１８で示されている。衝突モード１２２の初期状
態から生じる全体の確率は、１まで付加されなければな
らない。 [方程式１４] ＰC-C＋ＰC-S＋ＰC-H＝1.0
【００５７】実際問題として、乗客１８が衝突状態１２
２に入ったときにその状態のままでいることは、ほとん
どありえない（不可能な）ことである。多くの筋書きの
下で、衝突１２２は、乗客１８の過失によるものであ
る。それゆえ、好ましい実施形態では、確率ＰC-Hはほ
どんどゼロに設定され、確率ＰC-Sもまたほどんどゼロ
に設定される。本システム１６では、衝突状態１２２を
残す機会がありえることが望ましく、またシステム１６
がノイズ状態、或いは他の通常でない現象に瞬間的にな
る場合に、衝突状態１２２になっていることが望まし
い。別の実施形態では、確率ＰC-HおよびＰC-Hをどのよ
うな値、ゼロを含むまたはゼロよりも大きな確率に設定
することができる。好ましい実施形態における動きモー
ドの確率に対する３つの方程式は次の通りである。
【００５８】[方程式１５] ＰC-C＋ＰC-H＋ＰC-S＝1.0 [方程式１６] ＰH-H＋ＰH-C＋ＰH-S＝1.0 [方程式１７] ＰS-C＋ＰS-H＋ＰS-S＝1.0 種々の形状状態及び動きモードに関連した遷移確率は、
特性と状態の各組み合わせに対するカルマンフィルタ方
程式を生成するために用いられる。これらのフィルタの
結果は、各カルマンフィルタに対して適切な重み付けを
与える種々の確率を用いて、１つの結果に集合させるこ
とができる。全ての確率は、本発明の使用者によって予
め規定される。
【００５９】マルコフチェインの確率は、各特性及び各
状態と各モードに対して種々のカルマンフィルタを重み
付けするための手段を与える。追跡及び予測サブシステ
ム４６は、２つのサブシステム、形状追跡器及び予測器
４８と、動き追跡器及び予測器５０の２つの形式内にマ
ルコフチェインの確率を組み入れる。
【００６０】Ｆ. 形状追跡器及び予測器 図９は、形状追跡器及び予測器４８のための詳細なフロ
ーチャート図を示す。本発明の好ましい実施形態では、
形状追跡器及び予測器４８は、上側長円の長軸（長
軸）、上側長円の短軸（短軸）、及び重心のｙ座標（高
さ）を追跡しかつ予測する。各特性は、特定の特性に対
する、位置を表すベクトル、速度、および加速度の情報
を有する。長軸のベクトルは、[長軸の長さ、長軸の長
さ’、長軸の長さ”]であり、「長軸の長さ’」は、長
軸又は速度における変化率を表す。「長軸の長さ”」
は、長軸の速度又は加速度における変化率を表す。従っ
て、短軸のベクトルは、[短軸の長さ、短軸の長さ’、
短軸の長さ”]であり、高さのベクトルは、[高さ、高
さ’、高さ”]である。他の形状ベクトルも、同様に、
位置、速度、及び加速度の成分を有するであろう。形状
追跡および予測の工程における第１ステップは、ステッ
プ１２６での形状予測値を更新する。
【００６１】（1） 形状予測の更新 更新形状予測の工程は、ステップ１２６で実行される。
この工程は、最新の形状推定を行うもので、遷移マトリ
ックスを用いて、その形状推定における未来の予測を推
論する。 [方程式１８]
【００６２】更新ベクトル予測値＝遷移マトリックス×
最新のベクトル推定値 遷移マトリックスは、ニュートン力学を最新のベクトル
推定値に適用して、過去の位置、速度、及び加速度に基
づいて、乗客１８がいると思われる先の予測値を推定す
る。最新のベクトル推定値は、以下で説明するようにス
テップ１３０で与えられる。ステップ１２６（更新形状
予測器）から１２８（共分散及びゲインマトリックスを
更新するための発生器）、１２８から１３０（更新形状
推定器）、さらに、１３０から１３２（形状推定値発生
器）へと進む工程は、再びステップ１２６へ戻るループ
を形成する。ステップ１２６での工程は、予め１３０の
工程で発生した推定値を必要としており、それゆえ、１
２６，１２８での処理は、最初に実行されず、ステップ
１３２から１２６に戻る繰り返しループを通じて行われ
る。
【００６３】次の方程式は、全ての形状変数及び全ての
形状状態に対して適用される。ここで、ｘは、形状変数
であり、Δｔは、時間に対する変化、即ち、速度を表
し、（１／２）Δｔ2は、加速度を表す。
【数１】
【００６４】本発明の好ましい実施形態において、ステ
ップ１３４において、９つの更新ベクトル予測値があ
り、それは、好ましい実施形態において、３つの形状状
態と３つの非誘導式の形状変数があり、３×３＝９とな
るからである。更新形状ベクトル予測値は次の通りであ
る。 中央状態のための更新された長軸長さ 右側状態のための更新された長軸長さ 左側状態のための更新された長軸長さ 中央状態のための更新された短軸長さ 右側状態のための更新された短軸長さ 左側状態のための更新された短軸長さ 中央状態のための更新された高さ 右側状態のための更新された高さ 左側状態のための更新された高さ
【００６５】（2） 最新の共分散及びゲインマトリッ
クス 形状予測値が、ステップ１２６において、全ての変数及
び全ての状態に対して更新された後、ステップ１２８に
おいて、形状予測値の共分散マトリックス、形状ゲイン
マトリックス、および形状推定共分散マトリックスが更
新される。形状予測値の共分散は、予測工程における誤
差の原因となる。上述のゲインは、最新の測定値がその
測定セグメンテーション処理における誤差を受け入れか
つこの誤差を説明する重み付けを表す。形状推定値共分
散は、推定処理における誤差を表す。
【００６６】予測値共分散は、先ず最初に更新される。
各形状予測共分散マトリックスを更新するのに用いる方
程式は、次の通りである。 [方程式２０] 形状予測値共分散マトリックス＝[状態遷移マトリック
ス×旧推定値共分散マトリックス×転置（状態遷移マト
リックス）]＋システムノイズ
【００６７】状態遷移マトリックスは、形状予測値を更
新するために上記において用いられたニュートン力学で
表現されたマトリックスである。旧推定値共分散マトリ
ックスは、ステップ１３０において以前のループから生
成される。ステップ１２６から１３２の第１ループ上で
は、ステップ１２８はスキップされる。マトリックスの
転置を得ることは、単純にマトリックスの行と列を入れ
替えることであり、従来から知られている。それゆえ、
状態遷移マトリックスの転置は、列と行を入れ替えた状
態遷移マトリックスである。システムノイズは、システ
ム内にノイズの概念を含ませるのに使用される定数マト
リックスである。システムノイズマトリックスに用いら
れる定数は、本発明の使用者によって設定されるが、ノ
イズ定数を選択する実行は、従来から知られている。
【００６８】更新すべき次のマトリックスは、ゲインマ
トリックスである。上述したように、ゲインは、新しい
測定値が与えられた時の重み付けの信頼度を表す。１つ
のゲインは、過去の推定値を無視できる最も正確な測定
値を示す。ゼロのゲインは、最も正確度のない測定値を
示し、最新の測定値が無視され、かつ本発明の使用者が
過去の推定値にのみ頼っていることである。ゲインによ
って得られる役割は、 [方程式１] Ｘ(新予測値）＝Ｘ（旧予測値）＋ゲイン[-Ｘ（旧予測
値）＋Ｘ（測定値）] のカルマンフィルタの基本式において明らかにされる。
【００６９】ゲインは単純な数ではなく、ある１つのゲ
インは、形状変数と形状状態の組み合わせに対して存在
する。ゲインを更新するための一般式は、方程式２１で
ある。 [方程式２１] ゲイン＝形状予測値共分散マトリックス×転置（測定値
マトリックス）×inv（残余共分散）
【００７０】形状共分散マトリックスは、上式から計算
される。測定値マトリックスは、ゲインを決定するため
の速度および加速度の成分を無視して、形状ベクトルの
位置成分を分離しかつ取り出す方法である。測定値マト
リックスの転置は、単純に[10 0]である。形状変数の位
置成分を分離する理由は、速度と加速度が実際に抽出さ
れる成分であり、位置成分のみがスナップショットで測
定できるからである。ゲインは実際の測定値に寄与する
重み付けに関係している。
【００７１】カルマンフィルタの一般式 Ｘ(新予測
値）＝Ｘ（旧予測値）＋ゲイン[-Ｘ（旧予測値）＋Ｘ
（測定値）]において、残余値は、旧推定値と新測定値
との差を表す。残余値共分散マトリックスの逆行列は、
ゲインマトリックスを更新するのに使用される。逆行列
を得る方法は、従来公知であり、単純な線形代数学の処
理である。残余値共分散マトリックスの式は、方程式２
２である。
【００７２】[方程式２２] 残余値共分散＝[測定値マトリックス×予測値共分散×
転置（測定値マトリックス）]＋測定値ノイズ 測定値マトリックスは、速度と加速度の成分から形状ベ
クトルの位置成分を分離するのに用いる。予測値共分散
は上式から計算される。測定値マトリックスの転置行列
は、行と列を入れ替えて１つの列マトリックスを同一値
の１つの行マトリックス[1 0 0]に置き換えることであ
る。測定値ノイズは、センサ２２とセグメンテーション
処理４０に関連した誤差を含む定数である。
【００７３】更新すべき最後のマトリックスは、推定値
誤差を表す形状推定値共分散マトリックスである。推定
値は、現在の測定値と過去の予測値に基づいているの
で、推定値誤差は、一般的に、予測値誤差よりも小さ
い。形状推定値共分散マトリックスを更新するための式
は、方程式２３である。 [方程式２３]
【００７４】形状推定値共分散マトリックス＝（識別マ
トリックス−ゲインマトリックス×測定値マトリック
ス）×形状予測器の共分散マトリックス 識別マトリックスは、従来公知であり、頂部左側から底
部右側への進む対角線上の数値が１で、他の行列位置の
値が０からなる。ゲインマトリックスは、上式から計算
される。測定値マトリックスもまた上述されており、速
度と加速度の成分から形状ベクトルの位置成分を分離す
るのに使用される。予測器の共分散マトリックスも上式
で計算される。
【００７５】（3） 更新形状推定値 更新形状推定値の処理は、ステップ１３８で実行され
る。この処理の第１工程は、残余値を計算することであ
る。
【００７６】[方程式２４] 残余値＝測定値−（測定値マトリックス×予測値共分
散） この形状状態はそれぞれ更新される。
【００７７】[方程式２５] 更新された形状ベクトル推定値＝形状ベクトル推定値＋
（ゲイン×残余値） 個々の式に挿入してみると、その結果は次の通りであ
る。 ＸC (tにおける長軸の長さ)＝ＸC (tにおける長軸の長さ)
＋ゲイン[‐ＸC (t-1における長軸の長さ)＋ＸC
(測定された 長軸の長さ)] ＸL (tにおける長軸の長さ)＝ＸL (tにおける長軸の長さ)
＋ゲイン[‐ＸL (t-1における長軸の長さ)＋ＸL
(測定された 長軸の長さ)] ＸR (tにおける長軸の長さ)＝ＸR (tにおける長軸の長さ)
＋ゲイン[‐ＸR (t-1における長軸の長さ)＋ＸC
(測定された 長軸の長さ)] ＸC (tにおける短軸の長さ)＝ＸC (tにおける短軸の長さ)
＋ゲイン[‐ＸC (t-1における短軸の長さ)＋ＸC
(測定された 短軸の長さ)] ＸL (tにおける短軸の長さ)＝ＸL (tにおける短軸の長さ)
＋ゲイン[‐ＸL (t-1における短軸の長さ)＋ＸL
(測定された 短軸の長さ)] ＸR (tにおける短軸の長さ)＝ＸR (tにおける短軸の長さ)
＋ゲイン[‐ＸR (t-1における短軸の長さ)＋ＸR
(測定sれた短 軸の長さ)] ＸC (tにおける高さ)＝ＸC (tにおける高さ)＋ゲイン[‐
ＸC (t-1における高さ)＋ＸC (測定された高さ)] ＸL (tにおける高さ)＝ＸL (tにおける高さ)＋ゲイン[‐
ＸL (t-1における高さ)＋ＸL (測定された高さ)] ＸR (tにおける高さ)＝ＸR (tにおける高さ)＋ゲイン[‐
ＸR (t-1における高さ)＋ＸR (測定された高さ)] 好ましい実施形態では、Ｃは、中央位置の状態を表し、
Ｌは、ドライバーに向けて左側に傾斜する状態を表し、
Ｒは、ドライバーから離れて右側に傾斜する状態を表
す。
【００７８】（4） 組み合わせた形状推定値の生成 ステップ１２６とステップ１３２の間の繰返しループに
おける最後のステップは、組み合わせた形状推定値を生
成するステップ１３２である。この処理の第１部分は、
各形状ベクトル推定値にある確率を割り当てることであ
る。残余値共分散は、上述した同一の公式を用いて再計
算される。 [方程式２６]
【００７９】共分散残余値マトリックス＝[測定値マト
リックス×予測値共分散マトリックス×転置（測定値マ
トリックス）]＋測定値ノイズ 次に、各形状ベクトルに対する実際の確度が計算され
る。システム１６は、種々の状態に対する予測値と、形
状変数に対する実際の現在値を推定する最新の最上推定
値とを比較して乗客の状態を決定する。
【００８０】
【数２】 本発明の好ましい実施形態にはオフセットがない。その
理由は、オフセットは、システム１６によって実行され
る処理において各々取り消されていると考えられるから
である。σは変数を表し、人間の開発者によって本発明
の実行段階で定義される。これは、データを調べること
によってσに対して有益な値を割り当てる方法は、従来
公知である。
【００８１】最も高い確度を有する状態は、側方傾斜角
度Φを決定する。乗客１８が中央位置の状態にある場
合、側方傾斜角度は０°である。乗客１８は、左側に傾
斜している場合、側方傾斜角度は−Φである。乗客１８
が右側に傾斜している場合、側方傾斜角度は、Φであ
る。本発明の好ましい実施形態では、Φと−Φは、シス
テム１６に用いる車両の形式及びモデルに基づいて規定
されている。
【００８２】次に、状態確率は、上記のように生成した
確度および上述の予め規定されたマルコフモードの確率
から更新される。 [方程式２８] ＰC＝ＰC-C＋ＰR-C＋ＰL-C [方程式２９] ＰR＝ＰR-R＋ＰC-R [方程式３０] ＰL＝ＰL-L＋ＰC-L 更新されたモード確率に対する方程式は、次の通りであ
り、Ｌは上記で計算された特定モードの確度を表す。
【００８３】[方程式３１] 左側モードの確率＝１／[ＬL×（ＰL-L＋ＰC-L）＋ＬR
×（ＰR-R＋ＰC- R）＋ＬC×（ＰC-C＋ＰR-C＋ＰL-C）]
×ＬL×（ＰL-L＋ＰC-L） [方程式３２] 右側モードの確率＝１／[ＬL×（ＰL-L＋ＰC-L）＋ＬR
×（ＰR-R＋ＰC-R）＋ＬC×（ＰC-C＋ＰR-C＋ＰL-C）]
×ＬR×（ＰR-R＋ＰC-R） [方程式３３] 中央モードの確率＝１／[ＬL×（ＰL-L＋ＰC-L）＋ＬR
×（ＰR-R＋ＰC-R）＋ＬC×（ＰC-C＋ＰR-C＋ＰL-C）]
×ＬC×（ＰC-C＋ＰR-C＋ＰL-C） 組み合わされた形状推定値は、種々の形状ベクトル推定
値と関連して上記確率のそれぞれを用いて最終的に計算
される。
【００８４】[方程式３４] Ｘ＝モード左側位置の確率×Ｘ左側＋モード右側位置の
確率×Ｘ右側＋モード中央位置の確率×Ｘ中央 Ｘは、測定値の導関数である速度、加速度を含む任意の
形状変数。ステップ１２６からステップ１３２へのルー
プは、車両が動作中かまたは乗客１８がシート２０上に
いる間、連続して繰返される。ステップ１２６での処理
は、前にステップ１３０で発生した１つの推定値が必要
とし、ステップ１３４，１３６での処理は、最初、ステ
ップ１２６〜１３２の繰返しループを実行しない。
【００８５】G. 動き追跡器及び予測器 図１０の動き追跡器及び予測器５０は、図９の形状追跡
器及び予測器４８と多くの点で同様に機能する。この動
き追跡器及び予測器５０は、形状追跡器とは異なる特性
及びベクトルをたどる。本発明の好ましい実施形態で
は、重心の座標と前方傾斜角度θ、及び対応する速度と
加速度（集合的に「動き変数」）が追跡されかつ予測さ
れる。重心のｘ座標は、乗客１８と、計器盤３４、エア
バッグ展開システム３６等の自動車内の位置との間の距
離、または自動車内の他の位置を決定するのに使用され
る。好ましい実施形態では、計器盤３４エアバッグがこ
の計器盤から展開される場所として用いられる。ｘ座標
ベクトルは、位置成分（ｘ）、速度成分（ｘ’）、及び
加速度成分（ｘ”）を含む。θベクトルもまた、同様
に、位置成分（θ）、速度成分（θ’）、及び加速度成
分（θ”）を含む。他のいずれの動きベクトルも同様
に、位置、速度、及び加速度の成分を有するであろう。
【００８６】（1） 更新動き予測値 更新動き予測の工程は、ステップ１３４で実行される。
この工程は、最新の動き推定を行うもので、方程式１８
に記載されるように遷移マトリックスを用いて、その動
き推定における未来の予測を推論する。
【００８７】[方程式１８] 更新ベクトル予測値＝遷移マトリックス×最新のベクト
ル推定値 遷移マトリックスは、ニュートン力学を最新のベクトル
推定値に適用して、過去の位置、速度、及び加速度に基
づいて、乗客１８がいると思われる先の予測値を推定す
る。最新のベクトル推定値は、以下で説明するようにス
テップ１３８で与えられる。ステップ１３４（更新動き
予測器）から１３６（共分散及びゲインマトリックスを
更新するための発生器）１３６から１３８（更新動き推
定器）、さらに、１３８から１４０（組み合わせた動き
推定値発生器）へと進む工程は、再びステップ１３４へ
戻るループを形成する。ステップ１３４での工程は、予
め１３８の工程で発生した推定値を必要としており、そ
れゆえ、１３４，１３６での処理は、最初に実行され
ず、ステップ１３４から１４０に戻る繰り返しループを
通じて行われる。[方程式１９]は、全ての動き変数及び
全ての動きモードに対して適用される。
【００８８】
【数３】 本発明の好ましい実施形態では、ステップ１３４におい
て、６つの更新ベクトル予測値があり、それは、好まし
い実施形態では、３つの動きモードと２つの動き変数が
あるので、３×２＝６となるからである。これらの更新
動き予測値は、 衝突モードのための更新ｘ座標、 人間モードのための更新ｘ座標、 静止モードのための更新ｘ座標、 衝突モードのための更新θ、 人間モードのための更新θ、 静止モードのための更新θ、
【００８９】（2） 更新共分散及びゲインマトリック
ス 動き予測値は、ステップ１３４における全ての動き変数
と全てのモードで更新された後、動き予測値共分散マト
リックス、動きゲインマトリックス、及び動き推定値共
分散マトリックスが、ステップ１３６で更新されなけれ
ばならない。動き予測値共分散は、予測処理における誤
差の原因を説明する。上述したゲインは、最新の測定値
が受け入れられ、測定及びセグメンテーション処理にお
ける誤差の原因を説明する重み付けを表す。動き推定値
共分散は、推定処理における誤差の原因を説明する。
【００９０】予測値共分散は、最初に更新される。方程
式３５は、各動き予測値共分散マトリックスを更新する
のに使用される。 [方程式３５]
【００９１】動き予測値共分散マトリックス＝状態遷移
マトリックス×旧推定値共分散マトリックス×転置（状
態遷移マトリックス）＋システムノイズ 状態遷移マトリックスは、動き予測値を更新するために
上記において用いられたニュートン力学で表現されたマ
トリックスである。旧推定値共分散マトリックスは、ス
テップ１３６において以前のループから生成される。ス
テップ１３４から１４０の第１ループ上では、ステップ
１３４はスキップされる。転置マトリックスを得ること
は、単純にマトリックスの行と列を入れ替えることであ
り、従来から知られている。それゆえ、状態遷移マトリ
ックスの転置は、列と行を入れ替えた状態遷移マトリッ
クスである。システムノイズは、システム内にノイズの
概念を含ませるのに使用される定数マトリックスであ
る。システムノイズマトリックスに用いられる定数は、
本発明の使用者によって設定されるが、ノイズ定数を選
択する実行は、従来公知である。
【００９２】更新すべき次のマトリックスは、ゲインマ
トリックスである。上述したように、ゲインは、新しい
測定値が与えられた時の重み付けの信頼度を表す。１つ
のゲインは、過去の推定値を無視できる最も正確な測定
値を示す。ゲインがゼロであることは、最も正確度のな
い測定値を示し、最新の測定値が無視され、かつ本発明
の使用者が過去の推定値にのみ頼っていることである。
ゲインによって得られる役割は、 [方程式１] Ｘ(新予測値）＝Ｘ（旧予測値）＋ゲイン[-Ｘ（旧予測
値）＋Ｘ（測定値）] のカルマンフィルタの基本式において明らかにされる。
【００９３】ゲインは単純な数ではなく、ある１つのゲ
インは、動き変数と動きモードの組み合わせに対して存
在する。ゲインを更新するための一般式は、方程式３６
である。
【００９４】[方程式３６] ゲイン＝動き予測値共分散マトリックス×転置（測定値
マトリックス）×inv（残余共分散） 動き共分散マトリックスは、上式から計算される。測定
値マトリックスは、ゲインを決定するための速度および
加速度の成分を無視して、動きベクトルの位置成分を分
離しかつ取り出す方法である。測定値マトリックスの転
置は、単純に[10 0]である。動き変数の位置成分を分離
する理由は、速度と加速度が実際に抽出される成分であ
り、位置成分のみがスナップショットで測定できるから
である。ゲインは実際の測定値に寄与する重み付けに関
係している。
【００９５】カルマンフィルタの一般式 Ｘ(新予測
値）＝Ｘ（旧予測値）＋ゲイン[-Ｘ（旧予測値）＋Ｘ
（測定値）]において、残余値は、旧推定値と新測定値
との差を表す。残余値共分散マトリックスの逆行列は、
ゲインマトリックスを更新するのに使用される。逆行列
を得る方法は、従来から知られており、単純な線形代数
学の処理である。残余値共分散マトリックスの式は、方
程式２２である。
【００９６】[方程式２２] 残余値共分散＝[測定値マトリックス×予測値共分散×
転置（測定値マトリックス）]＋測定値ノイズ 測定値マトリックスは、速度と加速度の成分から動きベ
クトルの位置成分を分離するのに用いる。予測値共分散
は上式から計算される。測定値マトリックスの転置行列
は、行と列を入れ替えて１つの列マトリックスを同一値
の１つの行マトリックス[1 0 0]に置き換えることであ
る。測定値ノイズは、センサ２２とセグメンテーション
処理４０に関連した誤差を含む定数である。
【００９７】更新すべき最後のマトリックスは、推定値
誤差を表す動き推定値共分散マトリックスである。推定
値は、現在の測定値と過去の予測値に基づいているの
で、推定値誤差は、一般的に、予測値誤差よりも小さ
い。動き推定値共分散マトリックスを更新するための式
は、方程式２３である。
【００９８】[方程式３７] 動き推定値共分散マトリックス＝（識別マトリックス−
ゲインマトリックス×測定値マトリックス）×動き予測
器の共分散マトリックス 識別マトリックスは、従来公知であり、頂部左側から底
部右側への進む対角線上の数値が１で、他の行列位置の
値が０からなる。ゲインマトリックスは、上式から計算
される。測定値マトリックスもまた上述されており、速
度と加速度の成分から動きベクトルの位置成分を分離す
るのに使用される。予測器の共分散マトリックスも上式
で計算される。
【００９９】（3） 更新動き推定値 更新動き推定値の処理は、ステップ１３８で実行され
る。この処理の第１工程は、残余値を計算することであ
る。
【０１００】[方程式２４] 残余値＝測定値−（測定値マトリックス×予測値共分
散） この動き状態はそれぞれ更新される。
【０１０１】[方程式３８] 動きベクトル推定値＝動きベクトル予測値＋（ゲイン×
残余値） 個々の式に挿入してみると、その結果は次の通りであ
る。 ＸH (tにおけるx座標)＝ＸH (tにおけるx座標)＋ゲイン
[‐ＸH (t-1におけるx座標)＋ＸH (測定されたx座標)] ＸS (tにおけるx座標)＝ＸS (tにおけるx座標)＋ゲイン
[‐ＸS (t-1におけるx座標)＋ＸS (測定されたx座標)] ＸC (tにおけるx座標)＝ＸC (tにおけるx座標)＋ゲイン
[‐ＸC (t-1におけるx座標)＋ＸC (測定されたx座標)] ＸH (tにおけるθ)＝ＸH (tにおけるθ)＋ゲイン[‐ＸH
(t-1におけるθ)＋ＸH (測 定されたθ)] ＸS (tにおけるθ)＝ＸS (tにおけるθ)＋ゲイン[‐ＸS
(t-1におけるθ)＋ＸS (測 定されたθ)] ＸC (tにおけるθ)＝ＸC (tにおけるθ)＋ゲイン[‐ＸC
(t-1におけるθ)＋ＸC (測 定されたθ)] 好ましい実施形態では、Ｈは、人間モードを表し、Ｃ
は、衝突モードを表し、Ｓは、静止モードを表す。
【０１０２】（4） 組み合わせた形状推定値の生成 ステップ１３４とステップ１４０の間の繰返しループに
おける最後のステップは、組み合わせた動き推定値を生
成するステップ１４０である。この処理の第１部分は、
各動きベクトル推定値にある確率を割り当てることであ
る。残余値共分散は、上述した同一の公式を用いて再計
算される。
【０１０３】[方程式２６] 共分散残余値マトリックス＝[測定値マトリックス×予
測値共分散マトリックス×転置（測定値マトリック
ス）]＋測定値ノイズ 次に、各動きベクトルに対する実際の確度が計算され
る。
【０１０４】
【数４】 本発明の好ましい実施形態にはオフセットがない。その
理由は、オフセットは、システム１６によって実行され
る処理において各々取り消されていると考えられるから
である。システム１６の処理は、ゼロ平均ガウス信号で
あると言える。σは変数を表し、人間の開発者によって
本発明の実行段階で定義される。これは、データを調べ
ることによってσに対して有益な値を割り当てる方法
は、従来公知である。
【０１０５】次に、モード確率は、上記のように生成し
た確度および上述の予め規定されたマルコフモードの確
率から更新される。 [方程式４０] ＰC＝ＰC-C＋ＰS-C＋ＰH-C [方程式４１] ＰH＝ＰH-H＋ＰS-H＋ＰC-H [方程式４２] ＰS＝ＰS-S＋ＰH-S＋ＰC-S 更新されたモード確率に対する方程式は、次の通りであ
り、Ｌは上記で計算された特定モードの確度を表す。
【０１０６】[方程式４３] 静止モードの確率＝１／[ＬS×（ＰS-S＋ＰH-S＋
ＰC-S）＋ＬH×（ＰH-H＋ＰS-H＋ＰC-H）＋ＬC×（Ｐ
C-C＋ＰS-C＋ＰH-C）]×ＬS×（ＰS -S＋ＰH-S＋
ＰC-S） [方程式４４] 人間モードの確率＝１／[ＬS×（ＰS-S＋ＰH-S＋
ＰC-S）＋ＬH×（ＰH-H＋ＰS-H＋ＰC-H）＋ＬC×（Ｐ
C-C＋ＰS-C＋ＰH-C）]×ＬH×（ＰH-H＋ＰS-H＋ＰC-H） [方程式４５] 衝突モードの確率＝１／[ＬS×（ＰS-S＋ＰH-S＋
ＰC-S）＋ＬH×（ＰH-H＋ＰS-H＋ＰC-H）＋ＬC×（Ｐ
C-C＋ＰS-C＋ＰH-C）]×ＬC×（ＰC-C＋ＰS-C＋ＰH-C） 組み合わされた動き推定値は、種々の動きベクトル推定
値と関連して上記確率のそれぞれを用いて最終的に計算
される。
【０１０７】[方程式４６] Ｘ＝人間モードの確率×Ｘ人間＋衝突モードの確率×Ｘ
衝突＋静止モードの確率×Ｘ静止 Ｘは、測定値の導関数である速度、加速度を含む任意の
形状変数。ステップ１２６からステップ１３２へのルー
プは、車両が動作中かまたは乗客１８がシート２０上に
いる間、連続して繰返される。
【０１０８】Ｈ. 衝撃アセスメントサブシステム 衝撃アセスメントサブシステム５２は、衝撃メトリック
を計算するために必要なサブシステムであり、この計算
に関するプログラムロジックを含んでいる。また、衝撃
アセスメントサブシステム５２は、他のサブシステム及
びシステム機能のプログラムロジックを記憶するのに使
用される同一のコンピュータ（コンピュータシステム３
０）に内蔵されている。この衝撃アセスメントサブシス
テム５２は、上述の形状及び動きの変数を用いて、エア
バッグが吸収する必要がある乗客１８の衝撃を表す衝撃
メトリックを生成する。好ましい実施形態では、運動エ
ネルギーが衝撃メトリックとなる。別の実施形態では、
モーメント、または、運動エネルギー及びモーメントの
重み付けされた組み合わせは、衝撃メトリックとして用
いることができる。別の実施形態では、質量、速度、又
は他の動きまたは形状変数の特性を含むいかなる衝撃メ
トリックを利用することができる。この衝撃メトリック
は、動きまたは形状の変数から導かれるいかなる特性を
も含んでいる。また、衝撃アセスメントサブシステム５
２は、シートベルトの装着状態を含んでいる。
【０１０９】（1） 質量 方程式４で示したように、質量は、衝撃メトリックを計
算するのに使用される。人間の乗客１８の密度は、乗客
１８のポテンシャルにおける広範囲のスペクトルに対し
て比較的一定である。乗客１８の平均密度は、ＮＨＴＳ
Ａ（国際高速交通安全行政機関）、またはＩＩＡ（アメ
リカ安全協会）から得ることができる擬人化データとし
て従来から知られている。乗客１８の質量は、ほぼ容積
の関数である。
【０１１０】[方程式４７] 質量＝容積×密度 好ましい実施形態では、システム１６は、乗客１８は、
シートベルトによって制止されているかどうかを決定す
る。これは、乗客１８の速度（ｘ’）と前方傾斜角度
θ’の変化率と比較することによってなされる。乗客が
シートベルトによって制止されている場合、前方傾斜角
度の変化率は、乗客の速度のおおよそ２倍となる。
【０１１１】対照的に、シートベルトをしていない場
合、θ’／ｘ’の比率は、ほどんどゼロとなる。その理
由は、シートベルトをしない乗客に対する前方傾斜角度
における変化は微々たるものであるからである。乗客１
８が機能的にシートベルトによって制止されている場
合、乗客１８の下部胴体の質量は、乗客１８の衝撃メト
リックに含まれない。それは、この下部胴体が、シート
ベルトによって制止されており、エアバッグ展開システ
ム３６によって強制される必要がないからである。
【０１１２】乗客１８がシートベルトにより制止されて
いない場合、下部胴体の質量は、乗客１８の質量に含め
る必要がある。乗客(人間）１８のポテンシャルに置け
る広範囲なスペクトルにわたって、上部胴体は、乗客１
８の全質量の６５〜６８％の間で一定である。好ましい
実施形態において、乗客１８がシートベルトによって制
止されない場合、乗客１８（下部胴体を含む）両方の質
量が、上部胴体の質量を考慮し、かつ０．６５と０．６
８の間の数によってその質量を分割することによって計
算される。好ましい実施形態では、下側長円５６の容積
または質量を直接計算に組み入れる必要がない。
【０１１３】[方程式４８] 容積＝（４／３）×π×長軸×短軸1×短軸2 長軸は、長軸６４である。短軸1は、短軸６６であり、
短軸2は、図５のｚ軸内にあるので、図５では見ること
ができない短軸であり、長円体の幅または乗客１８の肩
幅を表す。二次元の長円は、特定の角度から投影される
ことが知られ、それゆえ、システム１６は、最初の三次
元の長円体がどういうものであるかを決定することがで
きる。好ましい実施形態では、長円体の幅は、乗客が座
っているシート２０の幅で推し量る。シート２０の幅
は、システム１６が特定の車のモデルまたは形式に対し
て使用する前に、いずれの車でも容易に測定できる。
【０１１４】短軸2は、長軸６４と短軸６６から導け
る。ＮＨＴＳＡ（国際高速交通安全行政機関）、または
ＩＩＡ（アメリカ安全協会）からの擬人化データは、長
軸６４および短軸６６の値からｚ軸の情報を導く電子検
索表を作るのに使用される。図１１ａは、コンピュータ
３０に電子的に記憶された検索表のフォーマットを示
す。長軸６４および短軸６６の値の各入力は、ｚ軸の値
を導くのに用いられ、このｚ軸の値は、方程式４８を用
いて容積を計算し、また方程式４７を用いて質量を計算
することができる。
【０１１５】図１１ｂは、方程式４８が出力表に直接包
含される検索表を示す。長軸６４と短軸６６の値の各入
力は、方程式４８の動作がすでにｚ軸値上で実行される
ので、単にｚ軸値というよりも結果的に容積の出力を生
じる。
【０１１６】図１１ｃは、出力コラム内に方程式４８,
４９の両方が包含される検索表の好ましい実施形態を示
す。このシステムは、乗客１８の質量を出力しながら、
長軸６４および短軸６６の値を入力する。
【０１１７】（2） 速度 速度は、ニュートン力学更に上述で詳述した乗客１８の
位置における差から導かれる動き特性である。乗客１８
の速度の関連する尺度は、乗客１８とエアバッグとの間
の衝撃モーメントである。乗客に対するエアバッグの動
きは、システム１６の好ましい実施形態におけるこの分
析に組み込まれる。 [方程式 ５０] ∫速度乗客δｔ＝∫速度エアバッグδｔ
【０１１８】（3） 付加的な選択的変数及び実施形態 動き及び形状の変数の基礎をなす計算は、出力された状
態遷移マトリックスを用いて直ちに更新される。このマ
トリックスは、システム１６が位置および形状を前もっ
て、センサ２２からデータを集める速度よりも早い速度
で予測する。本発明の別の実施形態では、乗客１８を異
なる乗客のタイプに分類し、各乗客のタイプが明白に異
なる密度を有するものとすることができる。
【０１１９】モーメント等の他の特性は、エアバッグ展
開の望ましい展開力に対する代用として運動エネルギー
に置き換えることができる。他の位置的な衝撃メトリッ
クは、モーメント、モーメントと運動エネルギーの重み
付けされた組み合わせ、または、質量及び速度を用いる
他の位置的な測定基準、即ち衝撃メトリックを含んでい
る。特定の衝撃メトリックが用いられるにも関わらず、
この衝撃メトリックは、高価な高速度カメラを用いない
で、センサ２２がデータを集める速度よりもより早い速
度で更新すべきである。
【０１２０】以上説明したことから、本発明において、
エアバッグ展開強さを決定するために、複数の数学的な
発見的手法を複数のイメージ特性４２に適用して、過去
の測定値と過去の予測値を最新の複数の乗客特性予測値
に組み込み、最新の乗客特性の予測から、乗客１８とエ
アバッグ３６との間の衝撃の大きさを表す衝撃メトリッ
クを形成することができる。また、複数の数学的な発見
的手法は、カルマンフィルタを用いていることを特徴と
する。
【０１２１】本発明の構造に関連して、本発明の原理及
び動作モードを好ましい実施形態について説明かつ図示
してきた。しかし、本発明が実施され、かつその精神ま
たは特許請求の範囲から逸脱しないで、特定して説明か
つ図示される他の構成を包含することもできることは理
解されよう。
【図面の簡単な説明】
【図１】図１は、本発明に係る実施形態の周囲環境の部
分図である。
【図２】図２は、イメージ処理システムの高レベルの処
理の流れを示す図である。
【図３】図３は、イメージ処理システムの高レベルのブ
ロック図である。
【図４】図４は、長円適合サブシステムによって実行さ
れる長円適合ルーチンの結果を示す図である。
【図５】図５は、全てに対応する形状変数及び動き変数
(速度、加速度を除く）を用いて上部胴体の長円を示す
図である。
【図６】図６は、３つの位置的な形状状態及び３つの位
置的な側方傾斜角度を示す図である。
【図７】図７は、左側、右側、中央の各状態を含む３つ
の形状状態に関するマルコフチェインの確率を示す図で
ある。
【図８】図８は、人間、静止、衝突の各モードを含む３
つの動きモードに関するマルコフチェインの確率を示す
図である。
【図９】図９は、乗客の形状を決定するための詳細なフ
ローチャート図である。
【図１０】図１０は、乗客の動きを決定するための詳細
なフローチャート図である。
【図１１】図11aは、上側長円の幅が、入力として上側
長円の長軸および短軸を用いて決定される検索表を示
し、図11ｂは、上側長円の容積が、入力として上側長円
の長軸および短軸を用いて決定される検索表を示し、図
11ｃは、上側長円の質量が、入力として上側長円の長軸
および短軸を用いて決定される検索表を示す、各図表で
ある。
【符号の説明】
１６ イメージ処理システム １８ 乗客 ２０ シート ２１ シート領域 ２２ カメラ ３０ コンピュータ ３２ エアバッグコントローラ ３６ エアバッグ展開システム ３８ 周囲イメージ ４０ セグメンテーションサブシステム ４４ 長円適合サブシステム ４６ 追跡及び予測サブシステム ４８ 形状追跡器 ５０ 動き追跡器 ５２ 衝撃アセスメントサブシステム
───────────────────────────────────────────────────── フロントページの続き (72)発明者 マイケル エドワード ファーマー アメリカ合衆国 ミシガン 48323 ウエ スト ブルームフィールド レイク ブラ フ ロード 5119 Ｆターム(参考） 3D054 EE10 EE11 EE27 EE28 EE29

Claims (26)

    【特許請求の範囲】
  1. 【請求項１】シート（20）、シート上の乗客（18）、セ
    ンサ測定値を出力するセンサ（22）、エアバッグ（3
    6）、およびエアバッグコントローラ（32）を有するエ
    アバッグ展開システムと共に使用するためのイメージ処
    理システム（16）であって、 センサ測定値及び乗客特性を含み、前記センサ測定値か
    ら前記乗客特性を出力する追跡及び予測サブシステム
    （46）と、 衝撃メトリックを含み、かつこの衝撃メトリックを前記
    乗客特性から出力する衝撃アセスメントサブシステム
    （52）とを有することを特徴とするイメージ処理システ
    ム。
  2. 【請求項２】前記衝撃メトリックは、運動エネルギーの
    予測値であることを特徴とする請求項１記載のイメージ
    処理システム。
  3. 【請求項３】前記衝撃メトリックは、乗客（18）が展開
    するエアバッグ（36）に詰め込まれた衝撃を受ける時点
    での位置に関係することを特徴とする請求項１記載のイ
    メージ処理システム。
  4. 【請求項４】前記衝撃メトリックは、センサ（22）が前
    記センサ予測値を出力する時の速度よりも早い速度で出
    力されることを特徴とする請求項１記載のイメージ処理
    システム。
  5. 【請求項５】更に、長円適合システム（44）と長円を含
    み、この長円適合システム（44）は、乗客（18）を表す
    ための前記長円を発生することを特徴とする請求項１記
    載のイメージ処理システム。
  6. 【請求項６】前記追跡及び予測サブシステム（46）は、
    反復的な追跡及び予測サブシステムであることを特徴と
    する請求項１記載のイメージ処理システム。
  7. 【請求項７】前記反復的な追跡及び予測サブシステム
    （46）は、前記衝撃メトリックを作り出す複数のカルマ
    ンフィルタを含むことを特徴とする請求項６記載のイメ
    ージ処理システム。
  8. 【請求項８】前記衝撃メトリックは、エアバッグ（36）
    の展開力の強さを決定することを特徴とする請求項１記
    載のイメージ処理システム。
  9. 【請求項９】前記衝撃アセスメントサブシステム（52）
    は、シートベルトの装着状態を含んでいることを特徴と
    する請求項１記載のイメージ処理システム。
  10. 【請求項１０】速度を含む複数の乗客特性を更に含み、 前記乗客特性の１つは、質量、容積、面積、及び三次元
    環境における主軸を含むグループから選択されることを
    特徴とする請求項１記載のイメージ処理システム。
  11. 【請求項１１】前記追跡及び予測サブシステム（46）
    は、さらに、 形状特性および動き特性を含む複数の乗客特性と、 前記動き特性を追跡しかつ予測するための動き追跡器／
    予測器（50）と、 前記形状特性を追跡しかつ予測するための形状追跡器／
    予測器（48）と含み、前記衝撃メトリックは、前記少な
    くとも１つの前記動き特性及び少なくとも１つの前記形
    状特性に基づいていることを特徴とする請求項１記載の
    イメージ処理システム。
  12. 【請求項１２】前記形状特性は、乗客（18）の身長（5
    8）と、乗客（18）の上部胴体の形状とを含むことを特
    徴とする請求項１１記載のイメージ処理システム。
  13. 【請求項１３】前記動き特性は、乗客とエアバッグとの
    距離（60）と、前方傾斜角度（62）を含むことを特徴と
    する請求項１１記載のイメージ処理システム。
  14. 【請求項１４】予め規定された複数の形状状態を含み、
    前記形状追跡器／予測器（48）が、前記予め規定された
    複数の形状状態を用いることを特徴とする請求項１１記
    載のイメージ処理システム。
  15. 【請求項１５】前記予め規定された状態は、 左側に傾斜する状態（80）、右側に傾斜する状態（8
    2）、及びほぼ中心位置に座っている状態（78）からな
    ることを特徴とする請求項１４記載のイメージ処理シス
    テム。
  16. 【請求項１６】予め規定された複数の動きモードは、前
    記動き追跡器／予測器（50）が前記予め規定された複数
    の動きモードを利用することを特徴とする請求項１１記
    載のイメージ処理システム。
  17. 【請求項１７】前記予め規定された複数の動きモード
    は、 衝突モード（122）、静止モード（102）、および人間モ
    ード（1 04）からなることを特徴とする請求項１６記載
    のイメージ処理システム。
  18. 【請求項１８】前記形状追跡器／予測器（48）は、 更新形状予測器（126）、共分散及びゲインマトリック
    スを更新するための発生器（128）、更新形状推定器（1
    30）、及び組み合わせた形状推定値発生器（132）とか
    らなることを特徴とする請求項１１記載のイメージ処理
    システム。
  19. 【請求項１９】前記動き追跡器／予測器（50）は、 更新動き予測器（134）、共分散及びゲインマトリック
    スを更新するための発生器（136）、更新動き推定器（1
    38）、及び組み合わせた動き推定値発生器（140）とか
    らなることを特徴とする請求項１１記載のイメージ処理
    システム。
  20. 【請求項２０】前記形状追跡器／予測器（48）は、乗客
    の側方傾斜角度（73）を決定することを特徴とする請求
    項１１記載のイメージ処理システム。
  21. 【請求項２１】シート（20）、シート上の乗客（18）、
    乗客イメージを捕えるセンサ（22）、エアバッグ（3
    6）、およびエアバッグコントローラ（32）を有するエ
    アバッグ展開システムと共に使用するためのイメージ処
    理システム（16）であって、 周囲イメージ（38）とセグメント化イメージ（42）を含
    み、前記周囲イメージ（3 8）から前記セグメント化イ
    メージ（42）を生じるセグメンテーションサブシステム
    （40）と長円（58）を含み、この長円を用いて前記セグ
    メント化イメージ（42）を表す長円適合サブシステム
    （44）と、 複数の乗客特性を含み、前記長円（58）から前記複数の
    乗客特性から生じる追跡／予測サブシステム（46）と、 衝撃メトリックを含み、前記複数の乗客特性から前記衝
    撃メトリックを生じる衝撃アセスメントサブシステム
    （52）とを有することを特徴とするイメージ処理システ
    ム。
  22. 【請求項２２】前記追跡／予測サブシステム（46）は、
    複数の過去の予測値を更に含み、この複数の過去の予測
    値が、前記複数の乗客特性に包含されることを特徴とす
    る請求項２１記載のイメージ処理システム。
  23. 【請求項２３】前記追跡／予測サブシステム（46）は、
    複数のカルマンフィルタを適用して、前記複数の過去の
    予測値を前記複数の乗客特性の中に包含することを特徴
    とする請求項２２記載のイメージ処理システム。
  24. 【請求項２４】複数の数学的な発見的手法を複数のイメ
    ージ特性（42）に適用して、過去の測定値と過去の予測
    値を最新の複数の乗客特性予測値に組み込み、 最新の乗客特性の予測から、乗客（18）とエアバッグ
    （36）との間の衝撃の大きさを表す衝撃メトリックを形
    成する、各ステップを含むことを特徴とするエアバッグ
    展開強さを決定するための方法。
  25. 【請求項２５】複数の数学的な発見的手法は、カルマン
    フィルタであることを特徴とする請求項２４記載の方
    法。
  26. 【請求項２６】衝撃メトリックは、乗客（18）の運動エ
    ネルギーであることを特徴とする請求項２４記載の方
    法。
JP2002315890A 2001-11-05 2002-10-30 イメージ処理システム及びそのための方法 Pending JP2003212081A (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US006564 2001-11-05
US10/006,564 US6577936B2 (en) 2001-07-10 2001-11-05 Image processing system for estimating the energy transfer of an occupant into an airbag

Publications (1)

Publication Number Publication Date
JP2003212081A true JP2003212081A (ja) 2003-07-30

Family

ID=21721490

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2002315890A Pending JP2003212081A (ja) 2001-11-05 2002-10-30 イメージ処理システム及びそのための方法

Country Status (4)

Country Link
US (1) US6577936B2 (ja)
EP (1) EP1308894A2 (ja)
JP (1) JP2003212081A (ja)
CA (1) CA2408122A1 (ja)

Families Citing this family (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7887089B2 (en) * 1992-05-05 2011-02-15 Automotive Technologies International, Inc. Vehicular occupant protection system control arrangement and method using multiple sensor systems
US7768380B2 (en) * 1994-05-09 2010-08-03 Automotive Technologies International, Inc. Security system control for monitoring vehicular compartments
US7769513B2 (en) * 2002-09-03 2010-08-03 Automotive Technologies International, Inc. Image processing for vehicular applications applying edge detection technique
US7109957B2 (en) * 1999-01-22 2006-09-19 Au Optronics Corp. Digital display driving circuit for light emitting diode display
DE10100880B4 (de) * 2001-01-11 2006-05-11 Robert Bosch Gmbh Verfahren zur Aufprallerkennung bei einem Kraftfahrzeug
US20030123704A1 (en) * 2001-05-30 2003-07-03 Eaton Corporation Motion-based image segmentor for occupant tracking
US7197180B2 (en) * 2001-05-30 2007-03-27 Eaton Corporation System or method for selecting classifier attribute types
US7116800B2 (en) * 2001-05-30 2006-10-03 Eaton Corporation Image segmentation system and method
US6925193B2 (en) * 2001-07-10 2005-08-02 Eaton Corporation Image processing system for dynamic suppression of airbags using multiple model likelihoods to infer three dimensional information
US6853898B2 (en) 2001-05-30 2005-02-08 Eaton Corporation Occupant labeling for airbag-related applications
US20050129274A1 (en) * 2001-05-30 2005-06-16 Farmer Michael E. Motion-based segmentor detecting vehicle occupants using optical flow method to remove effects of illumination
US20030133595A1 (en) * 2001-05-30 2003-07-17 Eaton Corporation Motion based segmentor for occupant tracking using a hausdorf distance heuristic
US20050058322A1 (en) * 2003-09-16 2005-03-17 Farmer Michael E. System or method for identifying a region-of-interest in an image
US20080131004A1 (en) * 2003-07-14 2008-06-05 Farmer Michael E System or method for segmenting images
US6856694B2 (en) * 2001-07-10 2005-02-15 Eaton Corporation Decision enhancement system for a vehicle safety restraint application
US20050271280A1 (en) * 2003-07-23 2005-12-08 Farmer Michael E System or method for classifying images
US7181083B2 (en) * 2003-06-09 2007-02-20 Eaton Corporation System and method for configuring an imaging tool
US7327497B2 (en) * 2002-05-14 2008-02-05 Canon Kabushiki Kaisha Image reading apparatus, control method therefor, and program
US7440885B2 (en) * 2002-06-03 2008-10-21 Broadcom Corporation Method and system for deterministic control of an emulation
US7676062B2 (en) * 2002-09-03 2010-03-09 Automotive Technologies International Inc. Image processing for vehicular applications applying image comparisons
US6925403B2 (en) * 2003-09-15 2005-08-02 Eaton Corporation Method and system for calibrating a sensor
US20050065757A1 (en) * 2003-09-19 2005-03-24 White Samer R. System and method for estimating displacement of a seat-belted occupant
US6944527B2 (en) * 2003-11-07 2005-09-13 Eaton Corporation Decision enhancement system for a vehicle safety restraint application
US20050177290A1 (en) * 2004-02-11 2005-08-11 Farmer Michael E. System or method for classifying target information captured by a sensor
US20050179239A1 (en) * 2004-02-13 2005-08-18 Farmer Michael E. Imaging sensor placement in an airbag deployment system
US20060056657A1 (en) * 2004-02-13 2006-03-16 Joel Hooper Single image sensor positioning method and apparatus in a multiple function vehicle protection control system
US20060050953A1 (en) * 2004-06-18 2006-03-09 Farmer Michael E Pattern recognition method and apparatus for feature selection and object classification
US20060030988A1 (en) * 2004-06-18 2006-02-09 Farmer Michael E Vehicle occupant classification method and apparatus for use in a vision-based sensing system
US7165785B2 (en) 2004-07-02 2007-01-23 Calsonickansei North America, Inc. Airbag deployment-control process and apparatus therefor
JP4539348B2 (ja) * 2004-09-07 2010-09-08 日産自動車株式会社 衝突時間算出装置および障害物検出装置
US7574018B2 (en) * 2005-12-07 2009-08-11 Trw Automotive U.S. Llc Virtual reality scene generator for generating training images for a pattern recognition classifier
KR101251836B1 (ko) * 2011-09-02 2013-04-09 현대자동차주식회사 적외선 센서를 이용한 운전자 상태감시 장치 및 그 방법
US8638230B2 (en) * 2012-05-24 2014-01-28 Google Inc. Hardware attitude detection implementation of mobile devices with MEMS motion sensors
US9348434B2 (en) 2012-11-21 2016-05-24 Google Technology Holdings LLC Low power management of multiple sensor integrated chip architecture
CN114018589B (zh) * 2021-10-25 2024-03-15 中汽研汽车检验中心（天津）有限公司 气囊弹出速度的确定方法、装置、电子设备及介质

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4179696A (en) 1977-05-24 1979-12-18 Westinghouse Electric Corp. Kalman estimator tracking system
JPS60152904A (ja) 1984-01-20 1985-08-12 Nippon Denso Co Ltd 車両運転者位置認識装置
DE3803426A1 (de) 1988-02-05 1989-08-17 Audi Ag Verfahren zur wirksamschaltung eines sicherheitssystems
EP0357225B1 (en) 1988-07-29 1993-12-15 Mazda Motor Corporation Air bag system for automobile
DE59000728D1 (de) 1989-03-20 1993-02-18 Siemens Ag Steuergeraet fuer ein insassen-rueckhaltesystem und/oder -schutzsystem fuer fahrzeuge.
JP2605922B2 (ja) 1990-04-18 1997-04-30 日産自動車株式会社 車両用安全装置
JP2990381B2 (ja) 1991-01-29 1999-12-13 本田技研工業株式会社 衝突判断回路
US5051751A (en) 1991-02-12 1991-09-24 The United States Of America As Represented By The Secretary Of The Navy Method of Kalman filtering for estimating the position and velocity of a tracked object
US5446661A (en) 1993-04-15 1995-08-29 Automotive Systems Laboratory, Inc. Adjustable crash discrimination system with occupant position detection
US5366241A (en) 1993-09-30 1994-11-22 Kithil Philip W Automobile air bag system
US5413378A (en) 1993-12-02 1995-05-09 Trw Vehicle Safety Systems Inc. Method and apparatus for controlling an actuatable restraining device in response to discrete control zones
US5482314A (en) 1994-04-12 1996-01-09 Aerojet General Corporation Automotive occupant sensor system and method of operation by sensor fusion
US5983147A (en) 1997-02-06 1999-11-09 Sandia Corporation Video occupant detection and classification
US6005958A (en) * 1997-04-23 1999-12-21 Automotive Systems Laboratory, Inc. Occupant type and position detection system
US6018693A (en) 1997-09-16 2000-01-25 Trw Inc. Occupant restraint system and control method with variable occupant position boundary
US6026340A (en) 1998-09-30 2000-02-15 The Robert Bosch Corporation Automotive occupant sensor system and method of operation by sensor fusion

Also Published As

Publication number Publication date
US20030033066A1 (en) 2003-02-13
US6577936B2 (en) 2003-06-10
EP1308894A2 (en) 2003-05-07
CA2408122A1 (en) 2003-05-05

Similar Documents

Publication Publication Date Title
JP2003212081A (ja) イメージ処理システム及びそのための方法
JP2003267182A (ja) イメージ処理システム及びそのための方法
US6925193B2 (en) Image processing system for dynamic suppression of airbags using multiple model likelihoods to infer three dimensional information
US6853898B2 (en) Occupant labeling for airbag-related applications
JP4355341B2 (ja) 深度データを用いたビジュアルトラッキング
CN110537207B (zh) 脸部朝向推定装置及脸部朝向推定方法
US20230410356A1 (en) Detection apparatus, detection method, and non-transitory storage medium
CN112697449B (zh) 制动工况下离位姿态评估方法、装置、设备和存储介质
Joodaki et al. Comparison of kinematic behaviour of a first generation obese dummy and obese PMHS in frontal sled tests
JP2022188651A (ja) 乗員検知装置、方法、およびプログラム
JP2008261991A (ja) 安全評価装置
Bance et al. A framework for rapid on-board deterministic estimation of occupant injury risk in motor vehicle crashes with quantitative uncertainty evaluation
Ribas et al. In-Cabin vehicle synthetic data to test Deep Learning based human pose estimation models
Grimes et al. The effect of crash pulse shape on occupant simulations
JP7544020B2 (ja) ドア開閉判定装置及びドア開閉判定方法
Ressi et al. Protection challenges in seat positions with large rearward adjustment in frontal collisions: An approach using stochastic human body model simulations
Piqueras et al. Assessment of the sensitivity of thoracic injury criteria to subject-specific characteristics using human body models
Wan et al. A method of utilizing digital manikins to assist passenger vehicle design
Lai et al. Evaluation of human surrogate models for rollover
JP4182604B2 (ja) シートホールド性評価装置
JP4957146B2 (ja) 車両用設計支援システム
Praxl et al. Application of human models in vehicle rollover
CN114611887B (zh) 一种汽车中控台及中央扶手高度设定方法、系统及装置
Piqueras Lorente et al. Assessment of the sensitivity of thoracic injury criteria to subject-specific characteristics using human body models
Reichert et al. Effect of Impact Configuration Variance in Oblique Frontal Offset Tests on Driver and Passenger Injury Risk