CN110654314A - 基于深度学习的后视镜自动调节方法和装置 - Google Patents
基于深度学习的后视镜自动调节方法和装置 Download PDFInfo
- Publication number
- CN110654314A CN110654314A CN201910943915.9A CN201910943915A CN110654314A CN 110654314 A CN110654314 A CN 110654314A CN 201910943915 A CN201910943915 A CN 201910943915A CN 110654314 A CN110654314 A CN 110654314A
- Authority
- CN
- China
- Prior art keywords
- rearview mirror
- deep learning
- eyes
- image
- driver
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R1/00—Optical viewing arrangements; Real-time viewing arrangements for drivers or passengers using optical image capturing systems, e.g. cameras or video systems specially adapted for use in or on vehicles
- B60R1/02—Rear-view mirror arrangements
- B60R1/06—Rear-view mirror arrangements mounted on vehicle exterior
- B60R1/062—Rear-view mirror arrangements mounted on vehicle exterior with remote control for adjusting position
- B60R1/07—Rear-view mirror arrangements mounted on vehicle exterior with remote control for adjusting position by electrically powered actuators
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Mechanical Engineering (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供一种基于深度学***面坐标;使用深度学***面坐标以及所述人眼到距离传感器的距离进行处理,以获取后视镜的旋转角度和外翻角度;根据所述旋转角度和所述外翻角度,对所述后视镜进行调节。所述方法及装置可快速、精确、平滑地调节后视镜的位置。
Description
技术领域
本发明涉及汽车工业技术领域,具体涉及一种基于深度学习的后视镜自动调节方法和装置。
背景技术
后视镜是车辆的重要部件。在车辆行驶时,驾驶员通过后视镜观察车辆左右两侧以及后方的情况。
拥有良好的后视镜角度是驾驶员安全行车的重要保障。在车辆变道、拐弯或者倒车时,后视镜的角度调整直接关系到行车安全以及驾驶员的生命安全。
现有的后视镜调节方法均基于传统的图像处理,通过获取驾驶员的人眼位置(上下左右)和驾驶员的人眼距离(前后),并将人眼的三维位置映射到后视镜,从而调整后视镜的角度。然而,这种映射关系十分复杂,简单的数学模型无法准确表示。并且现有后视镜调节方法的转换平滑度和精确度都不够高。
因此,如何提供一种后视镜调节方法,已解决现有技术中的上述技术问题,具有十分重要的意义。
发明内容
针对现有技术中的缺陷,一方面,本发明实施例提供一种基于深度学习的后视镜自动调节方法,包括:
获取包括驾驶员人眼的图像,以及人眼到距离传感器的距离;
使用卷积神经网络对所述图像进行处理,以获取所述人眼在所述图像内的平面坐标;
使用深度学***面坐标以及所述人眼到距离传感器的距离进行处理,以获取后视镜的旋转角度和外翻角度;
根据所述旋转角度和所述外翻角度,对所述后视镜进行调节。
进一步地,所述方法还包括:
获取所述包括驾驶员人眼的图像后,使所述后视镜处于打开状态。
进一步地,所述方法还包括:
记录所述后视镜的调节后位置;
若检测到所述后视镜的位置突然发生变化,则使所述后视镜还原到所述调节后位置。
进一步地,所述深度学习网络为全连接神经网络。
另一方面,本发明实施例还提供一种基于深度学习的后视镜自动调节装置,包括:
获取模块,用于获取包括驾驶员人眼的图像,以及人眼到距离传感器的距离;
坐标模块,用于使用卷积神经网络对所述图像进行处理,以获取所述人眼在所述图像内的平面坐标;
学***面坐标以及所述人眼到距离传感器的距离进行处理,以获取后视镜的旋转角度和外翻角度;
调节模块,用于根据所述旋转角度和所述外翻角度,对所述后视镜进行调节。
进一步地,所述获取模块还用于:
获取所述包括驾驶员人眼的图像后,使所述后视镜处于打开状态。
进一步地,所述调节模块还用于:
记录所述后视镜的调节后位置;
若检测到所述后视镜的位置突然发生变化,则使所述后视镜还原到所述调节后位置。
进一步地,所述深度学习网络为全连接神经网络。
另一方面,本发明实施例还提供一种电子设备,包括:
至少一个处理器、至少一个存储器、通信接口和总线;其中,
所述处理器、存储器、通信接口通过所述总线完成相互间的通信;
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令,以执行如上所述的方法。
另一方面,本发明实施例还提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如上所述的方法。
本发明实施例提供的基于深度学***滑地调节后视镜的位置。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图做一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为根据本发明一实施例的基于深度学习的后视镜自动调节方法的流程示意图;
图2为根据本发明一实施例的基于深度学习的后视镜自动调节装置的结构示意图;
图3为根据本发明一实施例的电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,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。
图1为根据本发明一实施例的基于深度学习的后视镜自动调节方法的流程示意图,参看图1,所述基于深度学习的后视镜自动调节方法包括:
S1、获取包括驾驶员人眼的图像,以及人眼到距离传感器的距离;
需要说明的是,所述方法的执行主体可以是计算机,例如PC机、台式机、笔记本、pad、嵌入式计算机等。
其中,计算机可通过图像采集装置获取包括驾驶员人眼的图像。
在一个实施例中,所述图像采集装置采用了带补光的红外摄像头,其在白天或夜晚的场景下均适用。由于带补光的红外摄像头对光线强弱不敏感,因此其可保证采集到的图像具有较高的清晰度,从而便于识别。
当然,在其他实施例中,也可采用例如高清摄像头作为图像采集装置,本发明实施例对此不做限定。
需要说明的是,在图像采集装置获取到包括驾驶员人眼的图像后,其首先会对获取的图像进行筛选。例如,若获取的图像中,仅包括驾驶员的一只眼睛(采集头像的瞬间驾驶员头部突然移动),图像采集装置则不会将该图像上传至计算机,而是会重新采集新的图像,直到采集的图像中,包括清晰的驾驶员的双眼。
可以理解的是,所述图像采集装置可安装在驾驶员前方的任意位置,只需满足其可采集到驾驶员的面部图像的要求即可。在一个是实施例中,所述图像采集装置安装在驾驶座的正前方偏上的位置。
在一个实施例中,所述距离传感器安装在驾驶座的正前方偏上的位置。而在另一个实施例中,对所述距离传感器与所述图像采集装置进行了集成处理,使两者的安装位置相同。当然,所述距离传感器可安装在驾驶员前方的任意位置,只需满足其可获取到驾驶员人眼到其的距离的要求即可。
可选地,还可以使用双目摄像头,以同时获取所述驾驶员人眼的图像以及所述人眼距离所述双目摄像头的距离。
S2、使用卷积神经网络对所述图像进行处理,以获取所述人眼在所述图像内的平面坐标;
在一个实施例中,所述的卷积神经网络是通过MTCNN人脸检测网络检测到人脸的包围框和双眼在图像中的位置。本发明实施例将双眼的中间位置作为人眼的位置使用。
需要说明的是,采用卷积神经网络可以在保证精确度的前提下同时提供很好的实时性,可以在各种移动终端种植使用。
在一些实施例中,为了能通过卷积神经网络准确找到人眼位置,可将CelebA、FDDB、MegaFace和LFW公开数据集,以及结合车内驾驶环境采集的图像作为训练数据集进行训练。
S3、使用深度学***面坐标以及所述人眼到距离传感器的距离进行处理,以获取后视镜的旋转角度和外翻角度;
在一个实施例中,所述深度学习网络为全连接神经网络,其是一个3层的全连接层小网络。
在该实施例中,输入是所述平面坐标以及所述人眼到距离传感器的距离,输出是后视镜的旋转角度以及外翻角度。
需要说明的是,采用全连接神经网络可以在保证精确度的前提下同时提供很好的实时性,可以在各种移动终端种植使用。
S4、根据所述旋转角度和所述外翻角度,对所述后视镜进行调节。
在获取到所述后视镜的旋转角度以及外翻角度后,即可调整所述后视镜,以使其旋转和/或外翻至相应地角度,从而为驾驶员提供最佳的视野。
本发明实施例提供的基于深度学***滑地调节后视镜的位置。
进一步地,所述方法还包括:
获取所述包括驾驶员人眼的图像后,使所述后视镜处于打开状态。
可以理解的是,当驾驶员坐在驾驶座上后(此时可采集包括驾驶员人眼的图像),即表明驾驶员需要使用车辆,因此在此时控制后视镜处于打开状态,可便于驾驶员使用后视镜。
而当驾驶员离开驾驶座后(此时无法采集包括驾驶员人眼的图像),即表明驾驶员暂时不需要使用车辆,还可控制后视镜处于关闭状态,从而保护后视镜,避免其被其他物体(例如其他车辆)碰撞而发生损坏。
进一步地,所述方法还包括:
记录所述后视镜的调节后位置;
若检测到所述后视镜的位置突然发生变化,则使所述后视镜还原到所述调节后位置。
当所述后视镜的位置突然发生变化,例如发生碰撞导致后视镜的旋转角度和/或外翻角度发生变化时,可将所述后视镜重新调整至调节后位置,从而在第一时间恢复到提供最佳视野的位置,进而保护驾驶员以及车辆。
另一方面,本发明实施例还提供一种基于深度学习的后视镜自动调节装置,如图2所示,所述装置包括获取模块1、坐标模块2、学习模块3以及调节模块4。
所述获取模块1用于获取包括驾驶员人眼的图像,以及人眼到距离传感器的距离。
需要说明的是,在所述获取模块1获取到包括驾驶员人眼的图像后,其首先会对获取的图像进行筛选。例如,若获取的图像中,仅包括驾驶员的一只眼睛(采集头像的瞬间驾驶员头部突然移动),图像采集装置则不会将该图像上传至计算机,而是会重新采集新的图像,直到采集的图像中,包括清晰的驾驶员的双眼。
所述坐标模块2用于使用卷积神经网络对所述图像进行处理,以获取所述人眼在所述图像内的平面坐标;
在一个实施例中,所述的卷积神经网络是通过MTCNN人脸检测网络检测到人脸的包围框和双眼在图像中的位置。本发明实施例将双眼的中间位置作为人眼的位置使用。
需要说明的是,采用卷积神经网络可以在保证精确度的前提下同时提供很好的实时性,可以在各种移动终端种植使用。
在一些实施例中,为了能通过卷积神经网络准确找到人眼位置,可将CelebA、FDDB、MegaFace和LFW公开数据集,以及结合车内驾驶环境采集的图像作为训练数据集进行训练。
所述学***面坐标以及所述人眼到距离传感器的距离进行处理,以获取后视镜的旋转角度和外翻角度;
在一个实施例中,所述深度学习网络为全连接神经网络,其是一个3层的全连接层小网络。
在该实施例中,输入是所述平面坐标以及所述人眼到距离传感器的距离,输出是后视镜的旋转角度以及外翻角度。
需要说明的是,采用全连接神经网络可以在保证精确度的前提下同时提供很好的实时性,可以在各种移动终端种植使用。
所述调节模块4用于根据所述旋转角度和所述外翻角度,对所述后视镜进行调节。
在获取到所述后视镜的旋转角度以及外翻角度后,即可调整所述后视镜,以使其旋转和/或外翻至相应地角度,从而为驾驶员提供最佳的视野。
本发明实施例提供的基于深度学***滑地调节后视镜的位置。
进一步地,所述获取模块1还用于:
获取所述包括驾驶员人眼的图像后,使所述后视镜处于打开状态。
可以理解的是,当驾驶员坐在驾驶座上后(此时可采集包括驾驶员人眼的图像),即表明驾驶员需要使用车辆,因此在此时控制后视镜处于打开状态,可便于驾驶员使用后视镜。
而当驾驶员离开驾驶座后(此时无法采集包括驾驶员人眼的图像),即表明驾驶员暂时不需要使用车辆,还可控制后视镜处于关闭状态,从而保护后视镜,避免其被其他物体(例如其他车辆)碰撞而发生损坏。
进一步地,所述调节模块4还用于:
记录所述后视镜的调节后位置;
若检测到所述后视镜的位置突然发生变化,则使所述后视镜还原到所述调节后位置。
当所述后视镜的位置突然发生变化,例如发生碰撞导致后视镜的旋转角度和/或外翻角度发生变化时,可将所述后视镜重新调整至调节后位置,从而在第一时间恢复到提供最佳视野的位置,进而保护驾驶员以及车辆。
另一方面,本发明实施例还提供一种电子设备,如图3所示。所述电子设备可以包括:处理器(Processor)410、通信接口(Communication Interface)420、存储器(Memory)430和通信总线(Bus)440,其中,所述处理器410,所述通信接口420,所述存储器430通过所述通信总线440完成相互间的通信。所述处理器410可以调用存储在所述存储器430上并可在所述处理器410上运行的计算机程序,以执行上述各实施例提供的基于深度学习的后视镜自动调节方法,例如包括:
获取包括驾驶员人眼的图像,以及人眼到距离传感器的距离;使用卷积神经网络对所述图像进行处理,以获取所述人眼在所述图像内的平面坐标;使用深度学***面坐标以及所述人眼到距离传感器的距离进行处理,以获取后视镜的旋转角度和外翻角度;根据所述旋转角度和所述外翻角度,对所述后视镜进行调节。
此外,所述存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的基于深度学习的后视镜自动调节方法,例如包括:
获取包括驾驶员人眼的图像,以及人眼到距离传感器的距离;使用卷积神经网络对所述图像进行处理,以获取所述人眼在所述图像内的平面坐标;使用深度学***面坐标以及所述人眼到距离传感器的距离进行处理,以获取后视镜的旋转角度和外翻角度;根据所述旋转角度和所述外翻角度,对所述后视镜进行调节。
以上所述的实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明技术方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上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精神和范围。
Claims (10)
1.一种基于深度学习的后视镜自动调节方法,其特征在于,包括:
获取包括驾驶员人眼的图像,以及人眼到距离传感器的距离;
使用卷积神经网络对所述图像进行处理,以获取所述人眼在所述图像内的平面坐标;
使用深度学***面坐标以及所述人眼到距离传感器的距离进行处理,以获取后视镜的旋转角度和外翻角度;
根据所述旋转角度和所述外翻角度,对所述后视镜进行调节。
2.根据权利要求1所述的基于深度学习的后视镜自动调节方法,其特征在于,所述方法还包括:
获取所述包括驾驶员人眼的图像后,使所述后视镜处于打开状态。
3.根据权利要求2所述的基于深度学习的后视镜自动调节方法,其特征在于,所述方法还包括:
记录所述后视镜的调节后位置;
若检测到所述后视镜的位置突然发生变化,则使所述后视镜还原到所述调节后位置。
4.根据权利要求1-3任一项所述的基于深度学习的后视镜自动调节方法,其特征在于,所述深度学习网络为全连接神经网络。
5.一种基于深度学习的后视镜自动调节装置,其特征在于,包括:
获取模块,用于获取包括驾驶员人眼的图像,以及人眼到距离传感器的距离;
坐标模块,用于使用卷积神经网络对所述图像进行处理,以获取所述人眼在所述图像内的平面坐标;
学***面坐标以及所述人眼到距离传感器的距离进行处理,以获取后视镜的旋转角度和外翻角度;
调节模块,用于根据所述旋转角度和所述外翻角度,对所述后视镜进行调节。
6.根据权利要求5所述的基于深度学习的后视镜自动调节装置,其特征在于,所述获取模块还用于:
获取所述包括驾驶员人眼的图像后,使所述后视镜处于打开状态。
7.根据权利要求6所述的基于深度学习的后视镜自动调节装置,其特征在于,所述调节模块还用于:
记录所述后视镜的调节后位置;
若检测到所述后视镜的位置突然发生变化,则使所述后视镜还原到所述调节后位置。
8.根据权利要求5-7任一项所述的基于深度学习的后视镜自动调节装置,其特征在于,所述深度学习网络为全连接神经网络。
9.一种电子设备,包括:
至少一个处理器、至少一个存储器、通信接口和总线;其中,
所述处理器、存储器、通信接口通过所述总线完成相互间的通信;
所述存储器存储有可被所述处理器执行的程序指令,其特征在于,所述处理器调用所述程序指令,以执行如权利要求1至4任一项所述的方法。
10.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如权利要求1至4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910943915.9A CN110654314A (zh) | 2019-09-30 | 2019-09-30 | 基于深度学习的后视镜自动调节方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910943915.9A CN110654314A (zh) | 2019-09-30 | 2019-09-30 | 基于深度学习的后视镜自动调节方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110654314A true CN110654314A (zh) | 2020-01-07 |
Family
ID=69038458
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910943915.9A Pending CN110654314A (zh) | 2019-09-30 | 2019-09-30 | 基于深度学习的后视镜自动调节方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110654314A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113276777A (zh) * | 2021-06-21 | 2021-08-20 | 南京信息工程大学无锡研究院 | 一种外后视镜的控制方法、装置、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203093899U (zh) * | 2012-12-06 | 2013-07-31 | 长安大学 | 一种基于单片机的汽车自动收起打开后视镜装置 |
CN203739761U (zh) * | 2013-12-25 | 2014-07-30 | 长安大学 | 一种防碰撞式公交车后视镜 |
CN105769120A (zh) * | 2016-01-27 | 2016-07-20 | 深圳地平线机器人科技有限公司 | 疲劳驾驶检测方法和装置 |
CN107031510A (zh) * | 2016-12-29 | 2017-08-11 | 宁波吉利汽车研究开发有限公司 | 一种外后视镜角度调整*** |
CN107564363A (zh) * | 2017-09-05 | 2018-01-09 | 百度在线网络技术(北京)有限公司 | 一种用于驾驶模式切换的方法和装置 |
-
2019
- 2019-09-30 CN CN201910943915.9A patent/CN110654314A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203093899U (zh) * | 2012-12-06 | 2013-07-31 | 长安大学 | 一种基于单片机的汽车自动收起打开后视镜装置 |
CN203739761U (zh) * | 2013-12-25 | 2014-07-30 | 长安大学 | 一种防碰撞式公交车后视镜 |
CN105769120A (zh) * | 2016-01-27 | 2016-07-20 | 深圳地平线机器人科技有限公司 | 疲劳驾驶检测方法和装置 |
CN107031510A (zh) * | 2016-12-29 | 2017-08-11 | 宁波吉利汽车研究开发有限公司 | 一种外后视镜角度调整*** |
CN107564363A (zh) * | 2017-09-05 | 2018-01-09 | 百度在线网络技术(北京)有限公司 | 一种用于驾驶模式切换的方法和装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113276777A (zh) * | 2021-06-21 | 2021-08-20 | 南京信息工程大学无锡研究院 | 一种外后视镜的控制方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10021932B2 (en) | Helmet system and methods | |
US11715231B2 (en) | Head pose estimation from local eye region | |
US8958599B1 (en) | Input method and system based on ambient glints | |
US6927694B1 (en) | Algorithm for monitoring head/eye motion for driver alertness with one camera | |
DE112016004437T5 (de) | Head-Mounted-Display mit Gesichtsausdruck-Erkennungsfähigkeit | |
WO2020029444A1 (zh) | 一种驾驶员驾驶时注意力检测方法和*** | |
WO2020231401A1 (en) | A neural network for head pose and gaze estimation using photorealistic synthetic data | |
CN104570347B (zh) | 头戴式显示装置及其成像方法 | |
CN108711407B (zh) | 显示效果调节方法、调节装置、显示设备及存储介质 | |
WO2022126419A1 (zh) | 一种后视镜控制的方法以及相关设备 | |
EP3893090B1 (en) | Method for eye gaze tracking | |
CN114022565A (zh) | 用于显示设备的对齐方法及对齐装置、车载显示*** | |
JP2018090170A (ja) | ヘッドアップディスプレイシステム | |
CN102043942A (zh) | 目视方向判断方法、影像处理方法及其装置、和显示装置 | |
CN109910754A (zh) | 一种盲区画面获取的方法以及终端设备 | |
CN113978366A (zh) | 一种基于人眼注意力的智能电子后视镜***及实现方法 | |
CN113325586A (zh) | 头戴设备、显示控制方法和显示控制装置 | |
CN110654314A (zh) | 基于深度学习的后视镜自动调节方法和装置 | |
US20230174074A1 (en) | In-cabin safety sensor installed in vehicle and method of providing service platform thereof | |
CN114022514A (zh) | 一种融合头部姿态和眼球跟踪的实时视线推断方法 | |
CN115223231A (zh) | 视线方向检测方法和装置 | |
KR20210148497A (ko) | 차량에 설치되어 졸음운전 및 부주의 운전 인식 서비스를 제공할 수 있는 카메라 장치 및 그 서비스 제공방법 | |
FR3097515A1 (fr) | Système d’adaptation d’au moins une interface homme-machine d’un véhicule en fonction d’une déficience physique | |
JP6649063B2 (ja) | 車両後方表示装置及び表示制御装置 | |
CN114037979A (zh) | 一种轻量化的驾驶员疲劳状态检测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200107 |