CN112937479A - 车辆控制方法及装置、电子设备和存储介质 - Google Patents
车辆控制方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN112937479A CN112937479A CN202110349361.7A CN202110349361A CN112937479A CN 112937479 A CN112937479 A CN 112937479A CN 202110349361 A CN202110349361 A CN 202110349361A CN 112937479 A CN112937479 A CN 112937479A
- Authority
- CN
- China
- Prior art keywords
- driver
- vehicle
- state
- image data
- human body
- 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- Withdrawn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
- 238000000034 method Methods 0.000 title claims abstract description 75
- 230000002159 abnormal effect Effects 0.000 claims abstract description 54
- 238000001514 detection method Methods 0.000 claims description 110
- 230000004044 response Effects 0.000 claims description 68
- 238000004590 computer program Methods 0.000 claims description 16
- 210000003128 head Anatomy 0.000 claims description 10
- 238000001727 in vivo Methods 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 description 33
- 238000012545 processing Methods 0.000 description 28
- 238000012549 training Methods 0.000 description 24
- 238000010586 diagram Methods 0.000 description 16
- 238000005516 engineering process Methods 0.000 description 15
- 230000002829 reductive effect Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 11
- 230000037237 body shape Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 230000000007 visual effect Effects 0.000 description 9
- 238000010295 mobile communication Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 238000010191 image analysis Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000005236 sound signal Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000036961 partial effect Effects 0.000 description 3
- 230000001681 protective effect Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 210000000887 face Anatomy 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 206010010071 Coma Diseases 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 206010011469 Crying Diseases 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 206010042434 Sudden death Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000001574 biopsy Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
- B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
- B60R16/023—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for transmission of signals between vehicle parts or subsystems
- B60R16/0231—Circuits relating to the driving or the functioning of the vehicle
- B60R16/0232—Circuits relating to the driving or the functioning of the vehicle for measuring vehicle parameters and indicating critical, abnormal or dangerous conditions
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开涉及一种车辆控制方法及装置、电子设备和存储介质。所述方法包括:获取驾驶员的状态;响应于所述驾驶员的状态指示所述驾驶员处于离车状态,且车舱内的影像数据指示所述车舱内存在目标乘员,或者,响应于所述驾驶员的状态指示所述驾驶员处于异常状态,则控制所述车辆进入保护模式。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种车辆控制方法及装置、电子设备和存储介质。
背景技术
随着人们生活水平的提高,车辆成了人们出行最主要的交通工具之一。当前汽车电子行业发展迅速,为人们乘车提供了方便舒适的车舱环境。车舱智能化、安全化是当前汽车行业发展的重要方向。提高乘员乘车的安全性具有重要意义。
发明内容
本公开提供了一种车辆控制技术方案。
根据本公开的一方面,提供了一种车辆控制方法,包括:
获取驾驶员的状态;
响应于所述驾驶员的状态指示所述驾驶员处于离车状态,且车舱内的影像数据指示所述车舱内存在目标乘员,或者,响应于所述驾驶员的状态指示所述驾驶员处于异常状态,则控制所述车辆进入保护模式。
采用上述实现方式,能够在驾驶员处于离车状态时为遗留在车舱内的目标乘员提供保护,或者能够在驾驶员处于异常状态时为诸如驾驶员和/或遗留在车舱内的乘员等目标乘员提供保护,从而能够提高驾驶员用车和/或乘员乘车的安全性。
在一种可能的实现方式中,所述获取驾驶员的状态,包括:
根据驾驶区域的影像数据、驾驶座的座椅传感器的检测结果、所述驾驶座的安全带传感器的检测结果中的至少之一,确定所述驾驶员的状态。
在该实现方式中,通过根据驾驶区域的影像数据、驾驶座的座椅传感器的检测结果、驾驶座的安全带传感器的检测结果中的至少之一,确定驾驶员的状态,由此能够准确地确定驾驶员的状态。
在一种可能的实现方式中,所述获取驾驶员的状态,包括:
在根据驾驶区域的影像数据确定所述驾驶员的状态的情况下,根据所述驾驶区域的影像数据对所述驾驶员的姿态进行检测,并得到姿态检测结果;
响应于所述姿态检测结果指示所述驾驶员趴在方向盘上和/或处于躺卧姿态,则确定所述驾驶员处于异常状态。
根据该实现方式,能够在利用驾驶区域的视觉信息判定驾驶员趴在方向盘上和/或处于躺卧姿态的情况下,及时为目标乘员提供保护。
在一种可能的实现方式中,所述获取驾驶员的状态,包括:
在根据驾驶区域的影像数据确定所述驾驶员的状态的情况下,根据所述驾驶区域的影像数据对所述驾驶员的人脸进行识别,并得到人脸识别结果;
响应于所述人脸识别结果指示所述驾驶员的眼睛处于闭合状态,且持续时长达到第一预设时长,则确定所述驾驶员处于异常状态。
在该实现方式中,通过在根据驾驶区域的影像数据确定驾驶员的状态的情况下,根据驾驶区域的影像数据对所述驾驶员的姿态进行检测,并得到姿态检测结果,并响应于所述姿态检测结果指示驾驶员趴在方向盘上和/或处于躺卧姿态,则确定驾驶员处于异常状态,由此能够在利用驾驶区域的视觉信息,判定驾驶员趴在方向盘上和/或处于躺卧姿态时,及时为目标乘员提供保护。
在一种可能的实现方式中,所述控制所述车辆进入保护模式,包括:
基于所述目标乘员的类别,控制所述车辆进入与所述类别匹配的所述保护模式。
在该实现方式中,可以为不同类别的目标乘员提供针对性的保护,即保护模式可以多样化,以适合不同类别的目标乘员。
在一种可能的实现方式中,所述目标乘员包括儿童乘员、老年乘员和宠物乘员中的至少一项。
根据该实现方式,能够在驾驶员处于离车状态或异常状态时为遗留在车舱内的儿童乘员、老年乘员和宠物乘员中的至少之一提供保护,从而能够提高自我保护能力较差的乘员在车舱内的安全性。
在一种可能的实现方式中,在所述控制所述车辆进入与所述类别匹配的所述保护模式之前,所述方法还包括:
对所述车舱内的影像数据进行人脸检测;
响应于检测到人脸,对所述人脸进行活体检测;
响应于所述人脸属于活体人脸,对所述人脸进行属性识别,得到属性识别结果,并基于所述属性识别结果确定所述目标乘员的类别。
在该实现方式中,通过在对检测到的人脸进行活体检测后确定目标乘员的类别,能够减少图片、面具等假体人脸带来的误判,从而能够降低误触发保护处理流程的可能性,即降低了因误触发而导致的车辆进入保护模式的几率。
在一种可能的实现方式中,在所述控制所述车辆进入与所述类别匹配的所述保护模式之前,所述方法还包括:
对所述车舱内的影像数据进行人体检测;
响应于检测到人体,对所述人体进行活体检测;
响应于所述人体属于活体人体,对所述人体进行身高识别和/或身型识别,并基于得到的身高识别结果和/或身型识别结果确定所述目标乘员的类别。
在该实现方式中,通过对人体进行活体检测,能够减少图片等假体带来的误判,从而能够降低误触发保护处理流程的可能性,并且,根据该实现方式,能够在难以获取到乘员的人脸的影像数据的情况下,根据乘员的身高和/或身型较准确地确定目标乘员的类别。
在一种可能的实现方式中,所述对所述人体进行身高识别和/或身型识别,并基于得到的身高识别结果和/或身型识别结果确定所述目标乘员的类别,包括:
对所述人体进行姿态识别;
根据所述人体的姿态,确定所述人体的身高;
根据所述人体的身高,确定所述目标乘员的类别。
在该实现方式中,通过根据人体的姿态确定所述人体的身高,并基于由此确定的身高确定目标乘员的类别,由此能够在难以获取到乘员的人脸的影像数据的情况下,借助其他方式推断出人体的身高,从而较准确地确定目标乘员的类别。
在一种可能的实现方式中,所述根据所述人体的姿态,确定所述人体的身高,包括如下至少一项:
响应于所述人体的姿态为坐姿,根据所述人体的头部至腰部的距离,得到所述人体的身高;
响应于所述人体的姿态为站姿或躺卧姿态,根据所述人体的头部至脚部的距离,得到所述人体的身高。
由此即使人体处于坐姿、站姿或躺卧姿态的情况下,仍可以根据相应部位之间的距离,推断出人体的身高,从而能够较准确地确定目标乘员的类别。
在一种可能的实现方式中,在所述控制所述车辆进入与所述类别匹配的所述保护模式之前,所述方法还包括:根据所述车舱内的影像数据,检测宠物脸部;响应于宠物脸部的检测结果为检测到宠物脸部,对检测到的宠物脸部所属的宠物进行活体检测;
所述控制所述车辆进入与所述类别匹配的所述保护模式,包括:响应于所述宠物对应的活体检测结果为活体,控制所述车辆进入与所述宠物乘员匹配的所述保护模式。
根据该实现方式,有助于提高宠物乘车的安全性,降低宠物被遗忘或长时间遗留在车舱内所可能带来的安全隐患。另外,通过对宠物进行活体检测,能够减少图片、宠物图案的抱枕等带来的误判,从而能够降低误触发保护处理流程的可能性。
在一种可能的实现方式中,所述控制所述车辆进入保护模式,包括:
采集所述车舱内的温度;
响应于所述车舱内的温度不在温度区间内,调节车载空调的温度,以将所述车舱内的温度调节至所述温度区间内。
通过调节车载空调的温度以将车舱内的温度调节至所述温度区间内,由此能够在车舱内遗留目标乘员和/或驾驶员处于异常状态的情况下,开启车舱内的安全保护,降低由于外部恶劣环境(例如高温或者低温)导致车舱内环境恶劣所带来的安全隐患。
在一种可能的实现方式中,所述控制所述车辆进入保护模式,包括:
控制所述车辆向指定终端和/或指定***发送第一提醒信息,其中,所述第一提醒信息用于提示所述车舱内存在所述目标乘员。
在该实现方式中,通过控制所述车辆向指定终端和/或指定***发送第一提醒信息,由此能够提醒相关人员尽快对车舱内遗留的目标乘员(可以包括处于异常状态的驾驶员)实施保护措施。
在一种可能的实现方式中,在所述控制所述车辆进入保护模式之后,响应于未收到针对所述第一提醒信息的反馈信息,所述方法还包括以下至少之一:
向指定***发送第二提醒信息,所述第二提醒信息用于提醒所述车舱内存在所述目标乘员,且所述第二提醒信息包含车辆的位置信息;
控制所述车辆鸣喇叭和/或开启指示灯;
控制所述车辆的车门和/或车窗打开。
在该实现方式中,通过向指定***发送第二提醒信息,由此能够在判定驾驶员和/或车辆的车主在很大概率上不能及时对遗留在车舱内的目标乘员提供救援等帮助的情况下,请求相关单位的安保机构等的人员实施保护措施,以提高车舱内目标乘员的安全性。和/或,通过控制车辆鸣喇叭和/或开启双闪灯,引发路人关注,以提升目标乘员被救援的几率。和/或,通过控制车辆打开车门和/或车窗,以为目标乘员提供更多离开车舱的逃生机会。
根据本公开的一方面,提供了一种车辆控制装置,包括:
获取模块,用于获取驾驶员的状态;
控制模块,用于响应于所述驾驶员的状态指示所述驾驶员处于离车状态,且车舱内的影像数据指示所述车舱内存在目标乘员,或者,响应于所述驾驶员的状态指示所述驾驶员处于异常状态,则控制所述车辆进入保护模式。
在一种可能的实现方式中,所述获取模块用于:
根据驾驶区域的影像数据、驾驶座的座椅传感器的检测结果、所述驾驶座的安全带传感器的检测结果中的至少之一,确定所述驾驶员的状态。
在一种可能的实现方式中,所述获取模块用于:
在根据驾驶区域的影像数据确定所述驾驶员的状态的情况下,根据所述驾驶区域的影像数据对所述驾驶员的姿态进行检测,并得到姿态检测结果;
响应于所述姿态检测结果指示所述驾驶员趴在方向盘上和/或处于躺卧姿态,则确定所述驾驶员处于异常状态。
在一种可能的实现方式中,所述获取模块用于:
在根据驾驶区域的影像数据确定所述驾驶员的状态的情况下,根据所述驾驶区域的影像数据对所述驾驶员的人脸进行识别,并得到人脸识别结果;
响应于所述人脸识别结果指示所述驾驶员的眼睛处于闭合状态,且持续时长达到第一预设时长,则确定所述驾驶员处于异常状态。
在一种可能的实现方式中,所述控制模块用于:
基于所述目标乘员的类别,控制所述车辆进入与所述类别匹配的所述保护模式。
在一种可能的实现方式中,所述目标乘员包括儿童乘员、老年乘员和宠物乘员中的至少一项。
在一种可能的实现方式中,所述装置还包括:
人脸检测模块,用于对所述车舱内的影像数据进行人脸检测;
第一活体检测模块,用于响应于检测到人脸,对所述人脸进行活体检测;
第一确定模块,用于响应于所述人脸属于活体人脸,对所述人脸进行属性识别,得到属性识别结果,并基于所述属性识别结果确定所述目标乘员的类别。
在一种可能的实现方式中,所述装置还包括:
人体检测模块,用于对所述车舱内的影像数据进行人体检测;
第二活体检测模块,用于响应于检测到人体,对所述人体进行活体检测;
第二确定模块,用于响应于所述人体属于活体人体,对所述人体进行身高识别和/或身型识别,并基于得到的身高识别结果和/或身型识别结果确定所述目标乘员的类别。
在一种可能的实现方式中,所述第二确定模块用于:
对所述人体进行姿态识别;
根据所述人体的姿态,确定所述人体的身高;
根据所述人体的身高,确定所述目标乘员的类别。
在一种可能的实现方式中,所述第二确定模块用于:
响应于所述人体的姿态为坐姿,根据所述人体的头部至腰部的距离,得到所述人体的身高;
响应于所述人体的姿态为站姿或躺卧姿态,根据所述人体的头部至脚部的距离,得到所述人体的身高。
在一种可能的实现方式中,所述装置还包括:
宠物脸部检测模块,用于根据所述车舱内的影像数据,检测宠物脸部;
第三活体检测模块,用于响应于宠物脸部的检测结果为检测到宠物脸部,对检测到的宠物脸部所属的宠物进行活体检测;
所述控制模块用于:响应于所述宠物对应的活体检测结果为活体,控制所述车辆进入与所述宠物乘员匹配的所述保护模式。
在一种可能的实现方式中,所述控制模块用于:
采集所述车舱内的温度;
响应于所述车舱内的温度不在温度区间内,调节车载空调的温度,以将所述车舱内的温度调节至所述温度区间内。
在一种可能的实现方式中,所述控制模块用于:
控制所述车辆向指定终端和/或指定***发送第一提醒信息,其中,所述第一提醒信息用于提示所述车舱内存在所述目标乘员。
在一种可能的实现方式中,所述控制模块还用于响应于未收到针对所述第一提醒信息的反馈信息,执行以下至少之一:
向指定***发送第二提醒信息,所述第二提醒信息用于提醒所述车舱内存在所述目标乘员,且所述第二提醒信息包含车辆的位置信息;
控制所述车辆鸣喇叭和/或开启指示灯;
控制所述车辆的车门和/或车窗打开。
根据本公开的一方面,提供了一种电子设备,包括:一个或多个处理器;用于存储可执行指令的存储器;其中,所述一个或多个处理器被配置为调用所述存储器存储的可执行指令,以执行上述方法。
根据本公开的一方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本公开。
根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。
图1示出本公开实施例提供的车辆控制方法的流程图。
图2示出本公开实施例提供的车辆控制装置的框图。
图3示出本公开实施例提供的一种电子设备800的框图。
图4示出本公开实施例提供的一种电子设备1900的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外,为了更好地说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
本公开实施例提供了一种车辆控制方案,通过获取驾驶员的状态,响应于所述驾驶员的状态指示所述驾驶员处于离车状态,且车舱内的影像数据指示所述车舱内存在目标乘员,或者,响应于所述驾驶员的状态指示所述驾驶员处于异常状态,则控制所述车辆进入保护模式,由此能够在驾驶员处于离车状态时为遗留在车舱内的目标乘员提供保护,或者能够在驾驶员处于异常状态时为诸如驾驶员和/或遗留在车舱内的乘员等目标乘员提供保护,从而能够提高驾驶员用车和/或乘员乘车的安全性。
下面结合附图对本公开实施例提供的车辆控制方法进行详细的说明。图1示出本公开实施例提供的车辆控制方法的流程图。在一种可能的实现方式中,所述车辆控制方法可以由终端设备或服务器或其它处理设备执行。其中,终端设备可以是车载设备、用户设备(User Equipment,UE)、移动设备、用户终端、蜂窝电话、无绳电话、个人数字助理(PersonalDigital Assistant,PDA)、手持设备、计算设备或者可穿戴设备等。其中,车载设备可以是车舱内的车机或者域控制器,还可以是车载智慧屏(例如智慧大屏),也可以是乘员监控***(Occupant Monitoring System,OMS)或者驾驶员监控***(Driver Monitor System,DMS)中用于执行图像等数据处理操作的设备主机等。在一些可能的实现方式中,所述车辆控制方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。如图1所示,所述车辆控制方法包括步骤S11至步骤S12。
在步骤S11中,获取驾驶员的状态。
在步骤S12中,响应于所述驾驶员的状态指示所述驾驶员处于离车状态,且车舱内的影像数据指示所述车舱内存在目标乘员,或者,响应于所述驾驶员的状态指示所述驾驶员处于异常状态,则控制所述车辆进入保护模式。
本公开实施例可以应用于私家车、共享汽车、网约车、出租车、公交车、校车、长短途客车、有轨电车等中的至少一个类型的车辆。
在本公开实施例中,驾驶员的状态可以是非离车状态或者离车状态。其中,非离车状态可以表示驾驶员在车舱内的状态,离车状态可以表示驾驶员不在车舱内的状态。若驾驶员处于离车状态,则驾驶员当前不在车舱内的目标乘员身边,则可以确定当前驾驶员在很大概率上不能为目标乘员提供保护。当驾驶员的状态为非离车状态时,驾驶员的状态可以是异常状态或者非异常状态。其中,若驾驶员的状态为异常状态,则可以表示当前驾驶员在很大概率上不能为目标乘员提供保护,其中,目标乘员可以包括驾驶员和/或车舱内的其他乘员。若驾驶员的状态为非异常状态,则可以表示当前驾驶员在很大概率上能够为目标乘员提供保护。当然,本领域技术人员可以根据实际应用场景需求灵活地对驾驶员的状态的类别进行划分,在此不作限定。
在一种可能的实现方式中,所述获取驾驶员的状态,包括:根据驾驶区域的影像数据、驾驶座的座椅传感器的检测结果、所述驾驶座的安全带传感器的检测结果中的至少之一,确定所述驾驶员的状态。在该实现方式中,驾驶区域的影像数据可以是由视野范围覆盖驾驶区域的一个或多个摄像头采集的。例如,驾驶区域的影像数据可以是由普通摄像头或者DMS摄像头采集的。当然,也可以由其他摄像头采集车舱内的影像数据,并从车舱内的影像数据中截取得到驾驶区域的影像数据。其中,驾驶区域的影像数据可以包括驾驶区域的视频流、图像、图像序列等中的至少之一。
作为该实现方式的一个示例,可以根据驾驶区域的影像数据,确定驾驶员的状态。在该示例中,可以对驾驶区域的影像数据进行影像分析(例如视频分析、图像分析、图像序列分析等),确定驾驶员的状态。例如,可以预先训练用于确定驾驶员的状态的第一神经网络。其中,第一神经网络可以采用第一训练数据集训练,第一训练数据集中的训练数据可以是驾驶员区域的影像数据,且带有驾驶员的状态的标注数据。在第一神经网络训练完成后,可以将驾驶区域的影像数据输入至训练好的第一神经网络,经由第一神经网络输出驾驶员的状态。当然,也可以对驾驶区域的影像数据进行其他形式的影像分析,以确定驾驶员的状态。例如,可以将驾驶区域的影像数据与预设的状态模板进行比对,以确定驾驶员的状态。其中,预设的状态模板可以包括能够表示驾驶员处于离车状态、异常状态、非异常状态等状态的图像模板,在此不作限定。在该示例中,通过根据驾驶区域的影像数据,确定驾驶员的状态,由此能够利用视觉信息提高所确定的驾驶员的状态的准确性。
在一个例子中,根据驾驶区域的影像数据,确定驾驶员的状态,包括:响应于检测到车门锁定和/或车辆熄火,根据驾驶区域的影像数据,确定驾驶员的状态。在这个例子中,若车门锁定,则目标乘员通常难以离开车舱;若车辆熄火,则在很大概率上驾驶员已离开车舱或者驾驶员准备离开车舱。其中,车门锁定可以是所有车门锁定,也可以是部分车门锁定(例如后门锁定)。在这个例子中,通过响应于检测到车门锁定和/或车辆熄火,根据驾驶区域的影像数据,确定驾驶员的状态,由此在目标乘员难以离开车舱和/或在很大概率上驾驶员已离开车舱或者驾驶员准备离开车舱的情况下,根据驾驶区域的影像数据确定驾驶员的状态,从而能够提高确定驾驶员的状态的效率,降低计算量。
当然,在其他例子中,还可以不限定“根据驾驶区域的影像数据,确定驾驶员的状态”的时机。例如,可以在能够获得驾驶区域的影像数据的情况下(例如视野范围覆盖驾驶区域的摄像头开启的情况下),根据驾驶区域的影像数据,确定驾驶员的状态。例如,可以在能够获得驾驶区域的影像数据的情况下,按照预设频率,根据驾驶区域的影像数据,确定驾驶员的状态。即,预设频率所指示的时间间隔,能够体现相邻两次确定驾驶员的状态的时间间隔,也就意味着得到驾驶员的状态的频率可以等于预设频率。
作为该实现方式的另一个示例,可以根据驾驶座的座椅传感器的检测结果,确定驾驶员的状态。例如,若通过主驾驶座的座椅传感器(比如,重力传感器、温度传感器等)检测到主驾驶座有人,则可以确定驾驶员处于非离车状态;若通过主驾驶座的座椅传感器检测到主驾驶座无人,则可以确定驾驶员处于离车状态。在该示例中,通过根据驾驶座的座椅传感器的检测结果,确定驾驶员的状态,由此能够利用驾驶座的座椅传感器快速准确地判断驾驶员是否处于离车状态。
作为该实现方式的另一个示例,可以根据驾驶座的安全带传感器的检测结果,确定驾驶员的状态。例如,若通过主驾驶座的安全带传感器检测到主驾驶座的安全带已系上,则可以确定驾驶员处于非离车状态;若通过主驾驶座的安全带传感器检测到主驾驶座的安全带未系上,则可以确定驾驶员处于离车状态。在该示例中,通过根据驾驶座的安全带传感器的检测结果,确定驾驶员的状态,由此能够利用驾驶座的安全带传感器快速准确地判断驾驶员是否处于离车状态。
作为该实现方式的另一个示例,可以根据驾驶区域的影像数据、驾驶座的座椅传感器的检测结果、驾驶座的安全带传感器的检测结果中的多项,确定驾驶员的状态。
在该实现方式中,通过根据驾驶区域的影像数据、驾驶座的座椅传感器的检测结果、驾驶座的安全带传感器的检测结果中的至少之一,确定驾驶员的状态,由此能够准确地确定驾驶员的状态。
在另一种可能的实现方式中,还可以响应于检测到车辆熄火,确定驾驶员处于离车状态。
在一种可能的实现方式中,所述获取驾驶员的状态,包括:在根据驾驶区域的影像数据确定所述驾驶员的状态的情况下,根据所述驾驶区域的影像数据对所述驾驶员的姿态进行检测,并得到姿态检测结果;响应于所述姿态检测结果指示所述驾驶员趴在方向盘上和/或处于躺卧姿态,则确定所述驾驶员处于异常状态。
作为该实现方式的一个示例,可以预先训练用于判断驾驶员是否趴在方向盘上的第二神经网络。其中,第二神经网络可以采用第二训练数据集训练,第二训练数据集中的任意一项训练数据可以是驾驶员区域的影像数据,且带有驾驶员趴在方向盘上或者驾驶员未趴在方向盘上的标注数据。在第二神经网络训练完成后,可以将驾驶区域的影像数据输入至训练好的第二神经网络,经由第二神经网络输出驾驶员是否趴在方向盘上的判断结果。当然,也可以对驾驶区域的影像数据进行其他形式的影像分析,以确定驾驶员是否趴在方向盘上。例如,可以将驾驶区域的影像数据与预设的状态模板进行比对,以确定驾驶员是否趴在方向盘上。其中,预设的状态模板可以包括表示驾驶员趴在方向盘上的图像模板和表示驾驶员未趴在方向盘上的图像模板,在此不作限定。
作为该实现方式的一个示例,可以预先训练用于判断驾驶员是否处于躺卧姿态的第三神经网络。其中,第三神经网络可以采用第三训练数据集训练,第三训练数据集中的任意一项训练数据可以是驾驶员区域的影像数据,且带有驾驶员处于躺卧姿态或者驾驶员不处于躺卧姿态的标注数据。在第三神经网络训练完成后,可以将驾驶区域的影像数据输入至训练好的第三神经网络,经由第三神经网络输出驾驶员是否处于躺卧姿态的判断结果。当然,也可以对驾驶区域的影像数据进行其他形式的影像分析,以确定驾驶员是否处于躺卧姿态。例如,可以将驾驶区域的影像数据与预设的状态模板进行比对,以确定驾驶员是否处于躺卧姿态。其中,预设的状态模板可以包括表示驾驶员处于躺卧姿态的图像模板和表示驾驶员不处于躺卧姿态的图像模板,在此不作限定。
作为该实现方式的一个示例,可以预先训练用于检测驾驶员的姿态的第四神经网络。其中,第四神经网络可以采用第四训练数据集训练,第四训练数据集中的任意一项训练数据可以是驾驶员区域的影像数据,且带有驾驶员的姿态的标注数据。在第四神经网络训练完成后,可以将驾驶区域的影像数据输入至训练好的第四神经网络,经由第四神经网络输出驾驶员的姿态检测结果。当然,也可以对驾驶区域的影像数据进行其他形式的影像分析,以得到驾驶员的姿态检测结果。例如,可以将驾驶区域的影像数据与预设的状态模板进行比对,以得到驾驶员的姿态检测结果。其中,预设的状态模板可以包括能够表示驾驶员处于坐姿、躺卧姿态、趴在方向盘上的姿态等的图像模板,在此不作限定。
在该实现方式中,通过在根据驾驶区域的影像数据确定驾驶员的状态的情况下,根据驾驶区域的影像数据对所述驾驶员的姿态进行检测,并得到姿态检测结果,并响应于所述姿态检测结果指示驾驶员趴在方向盘上和/或处于躺卧姿态,则确定驾驶员处于异常状态,由此能够在利用驾驶区域的视觉信息,判定驾驶员趴在方向盘上和/或处于躺卧姿态的情况下,及时为目标乘员提供保护。
在另一种可能的实现方式中,所述获取驾驶员的状态,包括:在根据驾驶区域的影像数据确定所述驾驶员的状态的情况下,根据所述驾驶区域的影像数据对所述驾驶员的姿态进行检测,并得到姿态检测结果;响应于所述姿态检测结果指示所述驾驶员趴在方向盘上的持续时长达到第二预设时长和/或处于躺卧姿态的持续时长达到第三预设时长,则确定所述驾驶员处于异常状态。其中,第二预设时长和第三预设时长可以根据经验设置,在此不作限定。在该实现方式中,若根据驾驶区域的影像数据检测到驾驶员趴在方向盘上的持续时长达到第二预设时长,或者根据驾驶区域的影像数据检测到驾驶员处于躺卧姿态的持续时长达到第三预设时长,则可以确定当前驾驶员在很大概率上不能为自身和/或目标乘员提供保护。例如,驾驶员可能处于昏睡、昏迷、猝死等情况。在该实现方式中,通过在根据驾驶区域的影像数据确定驾驶员的状态的情况下,根据驾驶区域的影像数据对驾驶员的姿态进行检测,并得到姿态检测结果,并响应于所述姿态检测结果指示驾驶员趴在方向盘上的持续时长达到第二预设时长和/或处于躺卧姿态的持续时长达到第三预设时长,则确定驾驶员处于异常状态,由此能够降低因误检测导致触发后续处理流程的可能性,从而能够提高车辆控制的效率。
在一种可能的实现方式中,所述获取驾驶员的状态,包括:在根据驾驶区域的影像数据确定所述驾驶员的状态的情况下,根据所述驾驶区域的影像数据对所述驾驶员的人脸进行识别,并得到人脸识别结果;响应于所述人脸识别结果指示所述驾驶员的眼睛处于闭合状态,且持续时长达到第一预设时长,则确定所述驾驶员处于异常状态。其中,第一预设时长可以根据经验设置,在此不作限定。
作为该实现方式的一个示例,可以预先训练用于判断驾驶员的眼睛是否处于闭合状态的第五神经网络。其中,第五神经网络可以采用第五训练数据集训练,第五训练数据集中的任意一项训练数据可以是驾驶员区域的影像数据,且带有驾驶员的眼睛处于闭合状态或者驾驶员的眼睛不处于闭合状态的标注数据。在第五神经网络训练完成后,可以将驾驶区域的影像数据输入至训练好的第五神经网络,经由第五神经网络输出驾驶员的眼睛是否处于闭合状态的判断结果。当然,也可以对驾驶区域的影像数据进行其他形式的影像分析,以确定驾驶员的眼睛是否处于闭合状态。例如,可以将驾驶区域的影像数据与预设的状态模板进行比对,以确定驾驶员的眼睛是否处于闭合状态。其中,预设的状态模板可以包括表示驾驶员的眼睛处于闭合状态的图像模板和表示驾驶员的眼睛不处于闭合状态的图像模板,在此不作限定。
在该实现方式中,通过在根据驾驶区域的影像数据确定驾驶员的状态的情况下,根据驾驶区域的影像数据对驾驶员的人脸进行识别,并得到人脸识别结果,并响应于所述人脸识别结果指示驾驶员的眼睛处于闭合状态,且持续时长达到第一预设时长,则确定驾驶员处于异常状态,由此能够利用驾驶区域的视觉信息,在判定驾驶员的眼睛处于闭合状态的持续时长达到第一预设时长时,及时为目标乘员提供保护。
当然,还可以根据实际应用场景需求和/或经验扩展更多的用于判定驾驶员的状态为异常状态的条件,本公开实施例对此不作限定。
在本公开实施例中,可以根据车舱内的影像数据,检测车舱内是否存在目标乘员。其中,车舱内的影像数据可以包括车舱内的视频流、图像、图像序列等中的至少之一。例如,可以根据车舱内的视频流中的一个或多个视频帧检测目标乘员。在本公开实施例中,可以通过设置在车舱内或车舱外的、视野范围覆盖车舱内的至少部分区域的摄像头,采集车舱内的影像数据。例如,车舱内的影像数据可以是由设置在车舱内的普通摄像头或者OMS摄像头等采集的。在本公开实施例中,用于采集车舱内的影像数据的摄像头的数量可以为一个或多个。车舱内的影像数据可以包括座位区域的影像数据和/或后备箱内的影像数据。例如,若目标乘员包括儿童乘员,则车舱内的影像数据可以包括座位区域的影像数据。若目标乘员包括宠物乘员,则车舱内的影像数据可以包括座位区域的影像数据和后备箱内的影像数据。其中,座位区域可以包括后排座位区域、主驾驶座区域、副驾驶座区域等中的至少之一。其中,后排座位区域可以包括后排座位的上方区域、后排座位的下方区域和后排座位前方的地板区域等中的至少之一。主驾驶座区域可以包括主驾驶座的上方区域、主驾驶座的下方区域和主驾驶座前方的地板区域等中的至少之一。副驾驶座区域可以包括副驾驶座的上方区域、副驾驶座的下方区域和副驾驶座前方的地板区域等中的至少之一。
在一种可能的实现方式中,车舱内的影像数据是由安装在车顶的广角摄像头采集的。在该实现方式中,广角摄像头可以表示视场角(Field of View,FoV)大于或等于60°的摄像头。广角摄像头安装在车舱内,广角摄像头安装在车舱的顶部,且广角摄像头朝向车舱内安装(例如朝下安装,或者朝向后排座位区域安装),以采集车舱内的影像数据。在该实现方式中,通过安装在车顶的广角摄像头采集车舱内的影像数据,由此能够通过较少的摄像头(例如1个摄像头)覆盖车舱内的视野范围,采集得到车舱内的较完整的视野范围内的影像数据,从而有助于得到更准确的目标乘员的检测结果。
在本公开实施例中,目标乘员可以表示车舱内的乘员中,属于预设群体的乘员。其中,预设群体可以是儿童、宠物、老人、残障人士等预设的具有某些特定属性的群体;预设群体还可以是自定义的人员群体,例如,非车舱的注册驾驶员的人员群体,在此不作特殊限定。
在一种可能的实现方式中,可以基于车舱内的影像数据,提取乘员的面部、衣着、身型、身高等中的至少之一的特征来识别乘员是否具有预先定义的预设群体的属性,从而确定乘员是否是属于预设群体的目标乘员。或者,可以根据乘员的生物特征识别结果(如面部识别结果)判断乘员是否是属于预设群体的目标乘员。在一个示例中,可以基于车舱内的影像数据进行面部识别(例如人脸识别,或者人脸识别和宠物脸识别),得到乘员的面部识别结果。在根据乘员的面部识别结果,确定乘员为车舱的注册驾驶员的情况下,可以确定乘员不属于目标乘员。在根据乘员的面部识别结果,确定乘员不为车舱的注册驾驶员的情况下,可以提取乘员的面部、衣着、身型、身高等特征中的至少之一;若根据乘员的面部、衣着、身型、身高等特征中的至少之一,确定乘员具有预先定义的预设群体的属性,则可以确定乘员属于目标乘员;若根据乘员的面部、衣着、身型、身高等特征中的至少之一,确定乘员不具有预先定义的预设群体的属性,则可以确定乘员不属于目标乘员。或者,在根据乘员的面部识别结果,确定乘员不为车舱的注册驾驶员的情况下,可以直接确定乘员属于目标乘员。例如,在网约车、出租车、运营车等中的至少之一的应用场景中,在根据乘员的面部识别结果,确定乘员不为车舱的注册驾驶员的情况下,可以直接确定乘员属于目标乘员。
在一种可能的实现方式中,所述目标乘员包括儿童乘员、老年乘员和宠物乘员中的至少一项。根据该实现方式,能够在驾驶员处于离车状态或异常状态时为遗留在车舱内的儿童乘员、老年乘员和宠物乘员中的至少之一提供保护,从而能够提高自我保护能力较差的乘员在车舱内的安全性。
在一种可能的实现方式中,可以响应于驾驶员的状态为异常状态,根据车舱内的影像数据,检测目标乘员。当然,还可以不限定“根据车舱内的影像数据,检测目标乘员”的时机。例如,可以在能够获得车舱内的影像数据的情况下(例如视野范围覆盖车舱内的至少部分区域的摄像头开启的情况下),根据车舱内的影像数据,检测目标乘员。其中,检测目标乘员可以表示检测车舱内是否存在目标乘员。
在一种可能的实现方式中,所述控制所述车辆进入保护模式,包括:基于所述目标乘员的类别,控制所述车辆进入与所述类别匹配的所述保护模式。在该实现方式中,不同类别的目标乘员对应的保护模式可以相同,也可以不同。可以预先设置与各个类别匹配的保护模式,由此在车舱内的影像数据指示车舱内存在目标乘员的情况下,可以根据目标乘员的类别控制车辆进入相应的保护模式。在该实现方式中,可以为不同类别的目标乘员提供针对性的保护,即保护模式可以多样化,以适合不同类别的目标乘员。
作为该实现方式的一个示例,在所述控制所述车辆进入与所述类别匹配的所述保护模式之前,所述方法还包括:对所述车舱内的影像数据进行人脸检测;响应于检测到人脸,对所述人脸进行活体检测;响应于所述人脸属于活体人脸,对所述人脸进行属性识别,得到属性识别结果,并基于所述属性识别结果确定所述目标乘员的类别。在该示例中,人脸检测可以包括正脸检测和/或侧脸检测。在该示例中,通过对人脸进行活体检测,能够减少图片、面具等假体人脸带来的误判,从而能够降低误触发保护处理流程的可能性,即降低了因误触发而导致的车辆进入保护模式的几率。在该示例中,可以响应于检测到人脸的表情(例如悲伤、哭泣、生气、微笑等),确定人脸为活体的人脸。当然,也可以采用其他活体检测方式检测人脸是否为活体的人脸,在此不作限定。
在一个示例中,属性识别包括年龄识别;所述响应于所述人脸属于活体人脸,对所述人脸进行属性识别,得到属性识别结果,并基于所述属性识别结果确定所述目标乘员的类别,包括:响应于所述人脸属于活体人脸,对所述人脸进行年龄识别,得到所述人脸所属的乘员的年龄;响应于所述年龄未达到预设的第一年龄阈值,确定目标乘员的类别为儿童乘员,和/或,响应于所述年龄达到预设的第二年龄阈值,确定目标乘员的类别为老年乘员,其中,第二年龄阈值大于第一年龄阈值。在该示例中,若检测到的任一人脸所属的乘员的年龄未达到预设的第一年龄阈值,则可以确定目标乘员的类别包括儿童乘员;若检测到的任一人脸所属的乘员的年龄达到预设的第二年龄阈值,则可以确定目标乘员的类别包括老年乘员。例如,预设的第一年龄阈值可以是18岁、16岁等,预设的第二年龄阈值可以为65岁、60岁等。该示例通过对人脸进行年龄识别,得到人脸所属的乘员的年龄,并响应于年龄确定目标乘员的类别,由此能够通过年龄识别得到准确的目标乘员的类别。
在一个例子中,对人脸进行年龄识别,得到人脸所属的乘员的年龄,可以包括:对人脸进行人脸识别,得到人脸所属的乘员的身份信息;获取人脸所属的乘员的身份信息对应的实际年龄信息;根据人脸所属的乘员的身份信息对应的实际年龄信息,确定人脸所属的乘员的年龄。在这个例子中,可以基于车舱内的影像数据,从预先获得的乘员信息数据中匹配出与人脸所属的乘员对应的实际年龄信息,从而能够准确地确定人脸所属的乘员的年龄。在这个例子中,预先获得的乘员信息数据可以包括乘员的身份信息与对应的实际年龄信息。在这个例子中,可以从设置在车舱内的存储器、与车舱所属的车辆连接的服务器等,预先获得乘员信息数据。
在一个例子中,还可以响应于未从预先获得的乘员信息数据中匹配出与人脸所属的乘员的身份信息对应的实际年龄信息,基于车舱内的影像数据中的人脸所在区域进行年龄识别,得到人脸所属的乘员的年龄。
在另一个例子中,对人脸进行年龄识别,得到人脸所属的乘员的年龄,可以包括:基于车舱内的影像数据,对人脸所在区域进行年龄识别,得到人脸所属的乘员的年龄。在这个例子中,可以基于车舱内的影像数据中的人脸区域对车舱内的乘员进行年龄识别,得到车舱内的乘员的年龄,由此能够基于车舱内的影像数据直接确定车舱内的乘员的年龄,无需用户预先录入年龄信息,从而能够提高年龄识别的便捷性。在这个例子中,可以将车舱内的影像数据或者车舱内的影像数据中的人脸所在区域对应的图像输入至训练好的第六神经网络,经由第六神经网络进行年龄识别,得到人脸所属的乘员的年龄。
在另一个示例中,属性识别包括乘员类别识别;所述响应于所述人脸属于活体人脸,对所述人脸进行属性识别,得到属性识别结果,并基于所述属性识别结果确定所述目标乘员的类别,包括:响应于所述人脸属于活体人脸,对所述人脸进行乘员类别识别,得到人脸对应的乘员类别。在该示例中,可以预先设置多个乘员类别。例如,乘员类别可以包括儿童类别、中青年类别和老年类别,又如,乘员类别可以包括儿童类别和非儿童类别。通过基于车舱内的影像数据对乘员进行分类,可以确定车舱内的目标乘员的类别。在该示例中,可以直接识别乘员的乘员类别,而无需识别乘员的年龄后再进行分类,从而能够提高目标乘员的识别效率。
作为该实现方式的另一个示例,在所述控制所述车辆进入与所述类别匹配的所述保护模式之前,所述方法还包括:对所述车舱内的影像数据进行人脸检测;响应于检测到人脸,对所述人脸进行属性识别,得到属性识别结果,并基于所述属性识别结果确定所述目标乘员的类别。在该示例中,在检测到人脸之后,可以不对人脸进行活体检测,而直接对人脸进行属性识别。
作为该实现方式的一个示例,在所述控制所述车辆进入与所述类别匹配的所述保护模式之前,所述方法还包括:对所述车舱内的影像数据进行人体检测;响应于检测到人体,对所述人体进行活体检测;响应于所述人体属于活体人体,对所述人体进行身高识别和/或身型识别,并基于得到的身高识别结果和/或身型识别结果确定所述目标乘员的类别。在一个例子中,可以响应于所述人体属于活体人体,对所述人体进行身高识别,并基于得到的身高识别结果确定所述目标乘员的类别。在另一个例子中,可以响应于所述人体属于活体人体,对所述人体进行身型识别,并基于得到的身型识别结果确定所述目标乘员的类别。在另一个例子中,可以响应于所述人体属于活体人体,对所述人体进行身高识别和身型识别,并基于得到的身高识别结果和身型识别结果确定所述目标乘员的类别。在该示例中,通过对人体进行活体检测,能够减少图片等假体带来的误判,从而能够降低误触发保护处理流程的可能性。在一个例子中,可以响应于无法通过对人脸进行属性识别得到目标乘员的类别,对车舱内的影像数据进行人体检测。例如,可以响应于以下任意一项,确定无法通过对人脸进行属性识别得到目标乘员的类别:在车舱内的影像数据中检测不到人脸、车舱内的影像数据中的人脸的遮挡比例大于或等于预设比例、根据车舱内的影像数据中的人脸无法进行属性识别、根据车舱内的影像数据中的人脸进行属性识别得到的属性识别结果的置信度未达到预设置信度。根据上述示例,可以在难以获取到乘员的人脸的影像数据的情况下,根据乘员的身高和/或身型较准确地确定目标乘员的类别。
在一个例子中,所述对所述人体进行身高识别和/或身型识别,并基于得到的身高识别结果和/或身型识别结果确定所述目标乘员的类别,包括:对所述人体进行姿态识别;根据所述人体的姿态,确定所述人体的身高;根据所述人体的身高,确定所述目标乘员的类别。在这个例子中,人体的姿态可以为坐姿、站姿、躺卧姿态等等。通过根据人体的姿态确定所述人体的身高,并基于由此确定的身高确定目标乘员的类别,由此能够在难以获取到乘员的人脸的影像数据的情况下,借助其他方式推断出人体的身高,从而较准确地确定目标乘员的类别。
例如,所述根据所述人体的姿态,确定所述人体的身高,包括如下至少一项:响应于所述人体的姿态为坐姿,根据所述人体的头部至腰部的距离,得到所述人体的身高;响应于所述人体的姿态为站姿或躺卧姿态,根据所述人体的头部至脚部的距离,得到所述人体的身高。由此即使人体处于坐姿、站姿或躺卧姿态的情况下,仍可以根据相应部位之间的距离,推断出人体的身高,从而能够较准确地确定目标乘员的类别。
作为该实现方式的另一个示例,在所述控制所述车辆进入与所述类别匹配的所述保护模式之前,所述方法还包括:对所述车舱内的影像数据进行人体检测;响应于检测到人体,对所述人体进行身高识别和/或身型识别,并基于得到的身高识别结果和/或身型识别结果确定所述目标乘员的类别。在该示例中,在检测到人体后,可以不对人体进行活体检测,而直接对人体进行身高识别和/或身型识别以确定目标乘员的类别。
作为该实现方式的一个示例,在所述控制所述车辆进入与所述类别匹配的所述保护模式之前,所述方法还包括:根据所述车舱内的影像数据,检测宠物脸部;响应于宠物脸部的检测结果为检测到宠物脸部,对检测到的宠物脸部所属的宠物进行活体检测;所述控制所述车辆进入与所述类别匹配的所述保护模式,包括:响应于所述宠物对应的活体检测结果为活体,控制所述车辆进入与所述宠物乘员匹配的所述保护模式。根据该示例,有助于提高宠物乘车的安全性,降低宠物被遗忘或长时间遗留在车舱内所可能带来的安全隐患。另外,通过对宠物进行活体检测,能够减少图片、宠物图案的抱枕等带来的误判,从而能够降低误触发保护处理流程的可能性。
在一个例子中,可以预先训练用于检测宠物脸部的第七神经网络。其中,第七神经网络可以采用第七训练数据集训练,第七训练数据集中的任意一项训练数据可以是宠物的影像数据或者非宠物的影像数据,且带有属于宠物脸部或者不属于宠物脸部的标注数据。在第七神经网络训练完成后,可以将车舱内的影像数据输入至训练好的第七神经网络,经由第七神经网络输出宠物脸部的检测结果。
作为该实现方式的另一个示例,在所述控制所述车辆进入与所述类别匹配的所述保护模式之前,所述方法还包括:根据所述车舱内的影像数据,检测宠物脸部;所述控制所述车辆进入与所述类别匹配的所述保护模式,包括:响应于宠物脸部的检测结果为检测到宠物脸部,控制所述车辆进入与所述宠物乘员匹配的所述保护模式。
在一种可能的实现方式中,所述控制所述车辆进入保护模式,包括:采集所述车舱内的温度;响应于所述车舱内的温度不在温度区间内,调节车载空调的温度,以将所述车舱内的温度调节至所述温度区间内。在该实现方式中,所述温度区间可以表示预设的温度区间。在该实现方式中,通过响应于驾驶员的状态指示驾驶员处于离车状态,且车舱内的影像数据指示车舱内存在目标乘员,或者,响应于驾驶员的状态指示驾驶员处于异常状态,则调节车载空调的温度以将车舱内的温度调节至所述温度区间内,由此能够在车舱内遗留目标乘员和/或驾驶员处于异常状态的情况下,开启车舱内的安全保护,降低由于外部恶劣环境(例如高温或者低温)导致车舱内环境恶劣所带来的安全隐患。
在一种可能的实现方式中,所述控制所述车辆进入保护模式,包括:响应于驾驶员的状态为异常状态,且车舱内的影像数据指示所述车舱内存在目标乘员,通过车舱内的显示屏、扬声器等,发出第三提醒信息,以尝试唤醒驾驶员。
在一种可能的实现方式中,所述控制所述车辆进入保护模式,包括:控制所述车辆向指定终端和/或指定***发送第一提醒信息,其中,所述第一提醒信息用于提示所述车舱内存在所述目标乘员。在该实现方式中,可以通过车辆的无线传输模块向指定终端和/或指定***发送第一提醒信息。例如,可以通过蓝牙等短距通信协议,也可以通过第三代移动通信技术(3G)以及***移动通信技术(4G)等网络技术或是其他传输方式,向指定终端和/或指定***发送第一提醒信息。在该实现方式中,第一提醒信息可以包括文字信息、影像信息、音频信息等中的至少之一。例如,第一提醒信息可以包括车舱内的影像数据。又如,第一提醒信息可以包括目标乘员的相关信息(例如姓名、年龄、现状、位置等中的至少之一)。
作为该实现方式的一个示例,在驾驶员处于离车状态的情况下,指定终端可以包括驾驶员使用的手机等终端。即,在驾驶员处于离车状态的情况下,可以响应于车舱内的影像数据指示车舱内存在目标乘员,向驾驶员使用的手机等终端发送第一提醒信息。
作为该实现方式的一个示例,在驾驶员在车舱内且处于异常状态的情况下,指定终端可以包括与驾驶员存在关联的用户使用的手机等终端。即,在驾驶员在车舱内且处于异常状态的情况下,可以向与驾驶员存在关联的用户使用的手机等终端发送第一提醒信息。其中,在驾驶员不为车辆的车主的情况下,与驾驶员存在关联的用户可以包括车辆的车主;在驾驶员为车辆的车主的情况下,与驾驶员存在关联的用户可以包括驾驶员的家人、朋友、同事等中的至少之一。
作为该实现方式的另一个示例,在驾驶员在车舱内且处于异常状态的情况下,指定终端可以包括驾驶员使用的手机等终端。即,在驾驶员在车舱内且处于异常状态的情况下,可以向驾驶员使用的手机等终端发送第一提醒信息,以尝试唤醒驾驶员。
作为该实现方式的一个示例,在驾驶员在车舱内且处于异常状态的情况下,可以控制车辆向指定***发送第一提醒信息。其中,指定***可以包括相关单位的安保***、附近服务站点的***等中的至少之一。
在该实现方式中,通过响应于所述驾驶员的状态指示所述驾驶员处于离车状态,且车舱内的影像数据指示所述车舱内存在目标乘员,或者,响应于所述驾驶员的状态指示所述驾驶员处于异常状态,则控制所述车辆向指定终端和/或指定***发送第一提醒信息,由此能够提醒相关人员尽快对车舱内遗留的目标乘员(可以包括处于异常状态的驾驶员)实施保护措施。
在一种可能的实现方式中,在所述控制所述车辆进入保护模式之后,响应于未收到针对第一提醒信息的反馈信息,所述方法还包括以下至少之一:向指定***发送第二提醒信息,所述第二提醒信息用于提醒所述车舱内存在所述目标乘员,且所述第二提醒信息包含车辆的位置信息;控制所述车辆鸣喇叭和/或开启指示灯;控制所述车辆的车门和/或车窗打开。
作为该实现方式的一个示例,在控制车辆进入保护模式之后,可以响应于在未收到针对第一提醒信息的反馈信息,向指定***发送第二提醒信息。在该示例中,在控制车辆向指定终端和/或指定***发送第一提醒信息之后,可以启动倒计时,倒计时的时长可以为第四预设时长。在一个例子中,若在第四预设时长内未收到针对第一提醒信息的确认信息,则可以判定未收到针对第一提醒信息的反馈信息。其中,第四预设时长可以根据实际应用场景需求和/或经验灵活设置,在此不作限定。在另一个例子中,若在发送第一提醒信息之后的第四预设时长内,未在车舱内检测到驾驶员或者车辆的车主,则可以确定未收到针对第一提醒信息的反馈信息。在另一个例子中,若在发送第一提醒信息之后的第四预设时长内,驾驶员保持异常状态,则可以确定未收到针对第一提醒信息的反馈信息。在一个例子中,可以通过自动求助***(SOS***)等发送第二提醒信息至指定***。在该示例中,车辆的位置信息可以通过全球定位***(Global Positioning System,GPS)获取。在一个例子中,第二提醒信息还可以包括所述车舱内的信息。例如,车舱内的信息可以包括车舱内的影像数据、车舱内的温度、油量信息等中的至少之一。在该示例中,通过在控制车辆进入保护模式之后,响应于在未收到针对第一提醒信息的反馈信息,向指定***发送第二提醒信息,由此能够在判定驾驶员和/或车辆的车主在很大概率上不能及时对遗留在车舱内的目标乘员提供救援等帮助的情况下,请求相关单位的安保机构等的人员实施保护措施,以提高车舱内目标乘员的安全性。
作为该实现方式的一个示例,在控制车辆进入保护模式之后,可以响应于在未收到针对第一提醒信息的反馈信息,控制车辆鸣喇叭和/或开启指示灯。在该示例中,在控制车辆向指定终端和/或指定***发送第一提醒信息之后,可以启动倒计时,倒计时的时长可以为第五预设时长。其中,第五预设时长可以根据实际应用场景需求和/或经验灵活设置,在此不作限定。在一个例子中,若在发送第一提醒信息之后的第五预设时长内,未收到针对第一提醒信息的确认信息,则可以确定未收到针对第一提醒信息的反馈信息。在另一个例子中,若在发送第一提醒信息之后的第五预设时长内,未在车舱内检测到驾驶员或者车辆的车主,则可以确定未收到针对第一提醒信息的反馈信息。在另一个例子中,若在发送第一提醒信息之后的第五预设时长内,驾驶员保持异常状态,则可以确定未收到针对第一提醒信息的反馈信息。在该示例中,指示灯可以包括危险报警闪光灯等。在该示例中,通过响应于在控制车辆向指定终端和/或指定***发送第一提醒信息之后未收到针对第一提醒信息的反馈信息,控制车辆鸣喇叭和/或开启双闪灯,由此能够在判定驾驶员和/或车辆的车主在很大概率上不能及时对遗留在车舱内的目标乘员提供救援等帮助的情况下,引发路人关注,以提升目标乘员被救援的几率。
作为该实现方式的一个示例,在控制车辆进入保护模式之后,可以响应于在未收到针对第一提醒信息的反馈信息,控制车辆的车门和/或车窗打开。在该示例中,在控制车辆向指定终端和/或指定***发送第一提醒信息之后,可以启动倒计时,倒计时的时长可以为第六预设时长。其中,第六预设时长可以根据实际应用场景需求和/或经验灵活设置,在此不作限定。例如,第六预设时长可以是10分钟。在一个例子中,若在发送第一提醒信息之后的第六预设时长内,未收到针对第一提醒信息的确认信息,则可以确定未收到针对第一提醒信息的反馈信息。在另一个例子中,若在发送第一提醒信息之后的第六预设时长内,未在车舱内检测到驾驶员或者车辆的车主,则可以确定未收到针对第一提醒信息的反馈信息。在另一个例子中,若在发送第一提醒信息之后的第六预设时长内,驾驶员保持异常状态,则可以确定未收到针对第一提醒信息的反馈信息。在该示例中,通过响应于在控制车辆向指定终端和/或指定***发送第一提醒信息之后未收到针对第一提醒信息的反馈信息,控制车辆的车门和/或车窗打开,由此能够在判定驾驶员和/或车辆的车主在很大概率上不能及时对遗留在车舱内的目标乘员提供救援等帮助的情况下,为目标乘员提供更多离开车舱的逃生机会。
下面通过一个具体的应用场景说明本公开实施例提供的保护车舱内的目标乘员的方法。在该应用场景中,可以获取驾驶区域的影像数据,并根据驾驶区域的影像数据,确定驾驶员的状态。例如,可以响应于根据驾驶区域的影像数据检测到以下至少之一,确定驾驶员的状态为异常状态:驾驶员的眼睛处于闭合状态的持续时长达到第一预设时长、驾驶员趴在方向盘上的持续时长达到第二预设时长、驾驶员处于躺卧姿态的持续时长达到第三预设时长。响应于驾驶员的状态为异常状态,可以根据车舱内的影像数据,检测车舱内是否存在儿童乘员和/或宠物乘员。响应于检测到儿童乘员和/或宠物乘员,采集车舱内的温度,并响应于车舱内的温度不在预设的温度区间内,调节车载空调的温度,以将车舱内的温度调节至预设的温度区间内。同时,响应于检测到儿童乘员和/或宠物乘员,控制车辆向指定终端和/或指定***发送第一提醒信息,其中,第一提醒信息用于提示驾驶员和/或车主车舱内存在儿童乘员和/或宠物乘员。在控制车辆向指定终端和/或指定***发送第一提醒信息后,或者,在控制车辆向指定终端和/或指定***发送第一提醒信息的同时,可以启动倒计时。响应于倒计时结束,若未接收到针对第一提醒信息的反馈信息,则可以向指定***发送第二提醒信息,其中,第二提醒信息用于提醒车舱内存在儿童乘员和/或宠物乘员,且第二提醒信息包含车辆的位置信息。
可以理解,本公开提及的上述各个方法实施例,在不违背原理逻辑的情况下,均可以彼此相互结合形成结合后的实施例,限于篇幅,本公开不再赘述。本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
此外,本公开还提供了车辆控制装置、电子设备、计算机可读存储介质、程序,上述均可用来实现本公开提供的任一种车辆控制方法,相应技术方案和技术效果可参见方法部分的相应记载,不再赘述。
图2示出本公开实施例提供的车辆控制装置的框图。如图2所示,所述车辆控制装置包括:
获取模块21,用于获取驾驶员的状态;
控制模块22,用于响应于所述驾驶员的状态指示所述驾驶员处于离车状态,且车舱内的影像数据指示所述车舱内存在目标乘员,或者,响应于所述驾驶员的状态指示所述驾驶员处于异常状态,则控制所述车辆进入保护模式。
在一种可能的实现方式中,所述获取模块21用于:
根据驾驶区域的影像数据、驾驶座的座椅传感器的检测结果、所述驾驶座的安全带传感器的检测结果中的至少之一,确定所述驾驶员的状态。
在一种可能的实现方式中,所述获取模块21用于:
在根据驾驶区域的影像数据确定所述驾驶员的状态的情况下,根据所述驾驶区域的影像数据对所述驾驶员的姿态进行检测,并得到姿态检测结果;
响应于所述姿态检测结果指示所述驾驶员趴在方向盘上和/或处于躺卧姿态,则确定所述驾驶员处于异常状态。
在一种可能的实现方式中,所述获取模块21用于:
在根据驾驶区域的影像数据确定所述驾驶员的状态的情况下,根据所述驾驶区域的影像数据对所述驾驶员的人脸进行识别,并得到人脸识别结果;
响应于所述人脸识别结果指示所述驾驶员的眼睛处于闭合状态,且持续时长达到第一预设时长,则确定所述驾驶员处于异常状态。
在一种可能的实现方式中,所述控制模块22用于:
基于所述目标乘员的类别,控制所述车辆进入与所述类别匹配的所述保护模式。
在一种可能的实现方式中,所述目标乘员包括儿童乘员、老年乘员和宠物乘员中的至少一项。
在一种可能的实现方式中,所述装置还包括:
人脸检测模块,用于对所述车舱内的影像数据进行人脸检测;
第一活体检测模块,用于响应于检测到人脸,对所述人脸进行活体检测;
第一确定模块,用于响应于所述人脸属于活体人脸,对所述人脸进行属性识别,得到属性识别结果,并基于所述属性识别结果确定所述目标乘员的类别。
在一种可能的实现方式中,所述装置还包括:
人体检测模块,用于对所述车舱内的影像数据进行人体检测;
第二活体检测模块,用于响应于检测到人体,对所述人体进行活体检测;
第二确定模块,用于响应于所述人体属于活体人体,对所述人体进行身高识别和/或身型识别,并基于得到的身高识别结果和/或身型识别结果确定所述目标乘员的类别。
在一种可能的实现方式中,所述第二确定模块用于:
对所述人体进行姿态识别;
根据所述人体的姿态,确定所述人体的身高;
根据所述人体的身高,确定所述目标乘员的类别。
在一种可能的实现方式中,所述第二确定模块用于:
响应于所述人体的姿态为坐姿,根据所述人体的头部至腰部的距离,得到所述人体的身高;
响应于所述人体的姿态为站姿或躺卧姿态,根据所述人体的头部至脚部的距离,得到所述人体的身高。
在一种可能的实现方式中,所述装置还包括:
宠物脸部检测模块,用于根据所述车舱内的影像数据,检测宠物脸部;
第三活体检测模块,用于响应于宠物脸部的检测结果为检测到宠物脸部,对检测到的宠物脸部所属的宠物进行活体检测;
所述控制模块22用于:响应于所述宠物对应的活体检测结果为活体,控制所述车辆进入与所述宠物乘员匹配的所述保护模式。
在一种可能的实现方式中,所述控制模块22用于:
采集所述车舱内的温度;
响应于所述车舱内的温度不在温度区间内,调节车载空调的温度,以将所述车舱内的温度调节至所述温度区间内。
在一种可能的实现方式中,所述控制模块22用于:
控制所述车辆向指定终端和/或指定***发送第一提醒信息,其中,所述第一提醒信息用于提示所述车舱内存在所述目标乘员。
在一种可能的实现方式中,所述控制模块22还用于响应于未收到针对所述第一提醒信息的反馈信息,执行以下至少之一:
向指定***发送第二提醒信息,所述第二提醒信息用于提醒所述车舱内存在所述目标乘员,且所述第二提醒信息包含车辆的位置信息;
控制所述车辆鸣喇叭和/或开启指示灯;
控制所述车辆的车门和/或车窗打开。
在本公开实施例中,通过获取驾驶员的状态,响应于所述驾驶员的状态指示所述驾驶员处于离车状态,且车舱内的影像数据指示所述车舱内存在目标乘员,或者,响应于所述驾驶员的状态指示所述驾驶员处于异常状态,则控制所述车辆进入保护模式,由此能够在驾驶员处于离车状态时为遗留在车舱内的目标乘员提供保护,或者能够在驾驶员处于异常状态时为诸如驾驶员和/或遗留在车舱内的乘员等目标乘员提供保护,从而能够提高驾驶员用车和/或乘员乘车的安全性。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现和技术效果可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
本公开实施例还提供一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。其中,所述计算机可读存储介质可以是非易失性计算机可读存储介质,或者可以是易失性计算机可读存储介质。
本公开实施例还提出一种计算机程序,包括计算机可读代码,当所述计算机可读代码在电子设备中运行时,所述电子设备中的处理器执行用于实现上述方法。
本公开实施例还提供了一种计算机程序产品,用于存储计算机可读指令,指令被执行时使得计算机执行上述任一实施例提供的车辆控制方法的操作。
本公开实施例还提供一种电子设备,包括:一个或多个处理器;用于存储可执行指令的存储器;其中,所述一个或多个处理器被配置为调用所述存储器存储的可执行指令,以执行上述方法。
电子设备可以被提供为终端、服务器或其它形态的设备。
图3示出本公开实施例提供的一种电子设备800的框图。例如,电子设备800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等终端。
参照图3,电子设备800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制电子设备800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理***,一个或多个电源,及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当电子设备800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和***接口模块之间提供接口,上述***接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为电子设备800提供各个方面的状态评估。例如,传感器组件814可以检测到电子设备800的打开/关闭状态,组件的相对定位,例如所述组件为电子设备800的显示器和小键盘,传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变,用户与电子设备800接触的存在或不存在,电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如互补金属氧化物半导体(CMOS)或电荷耦合装置(CCD)图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络,如无线网络(Wi-Fi)、第二代移动通信技术(2G)、第三代移动通信技术(3G)、***移动通信技术(4G)/通用移动通信技术的长期演进(LTE)、第五代移动通信技术(5G)或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器804,上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图4示出本公开实施例提供的一种电子设备1900的框图。例如,电子设备1900可以被提供为一服务器。参照图4,电子设备1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理,一个有线或无线网络接口1950被配置为将电子设备1900连接到网络,和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作***,例如微软服务器操作***(Windows ServerTM),苹果公司推出的基于图形用户界面操作***(Mac OSXTM),多用户多进程的计算机操作***(UnixTM),自由和开放原代码的类Unix操作***(LinuxTM),开放原代码的类Unix操作***(FreeBSDTM)或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器1932,上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是***、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以包括但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(***)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中,所述计算机程序产品具体体现为计算机存储介质,在另一个可选实施例中,计算机程序产品具体体现为软件产品,例如软件开发包(Software Development Kit,SDK)等等。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (17)
1.一种车辆控制方法,其特征在于,包括:
获取驾驶员的状态;
响应于所述驾驶员的状态指示所述驾驶员处于离车状态,且车舱内的影像数据指示所述车舱内存在目标乘员,或者,响应于所述驾驶员的状态指示所述驾驶员处于异常状态,则控制所述车辆进入保护模式。
2.根据权利要求1所述的方法,其特征在于,所述获取驾驶员的状态,包括:
根据驾驶区域的影像数据、驾驶座的座椅传感器的检测结果、所述驾驶座的安全带传感器的检测结果中的至少之一,确定所述驾驶员的状态。
3.根据权利要求1或2所述的方法,其特征在于,所述获取驾驶员的状态,包括:
在根据驾驶区域的影像数据确定所述驾驶员的状态的情况下,根据所述驾驶区域的影像数据对所述驾驶员的姿态进行检测,并得到姿态检测结果;
响应于所述姿态检测结果指示所述驾驶员趴在方向盘上和/或处于躺卧姿态,则确定所述驾驶员处于异常状态。
4.根据权利要求1至3中任意一项所述的方法,其特征在于,所述获取驾驶员的状态,包括:
在根据驾驶区域的影像数据确定所述驾驶员的状态的情况下,根据所述驾驶区域的影像数据对所述驾驶员的人脸进行识别,并得到人脸识别结果;
响应于所述人脸识别结果指示所述驾驶员的眼睛处于闭合状态,且持续时长达到第一预设时长,则确定所述驾驶员处于异常状态。
5.根据权利要求1至4中任意一项所述的方法,其特征在于,所述控制所述车辆进入保护模式,包括:
基于所述目标乘员的类别,控制所述车辆进入与所述类别匹配的所述保护模式。
6.根据权利要求1至5中任意一项所述的方法,其特征在于,所述目标乘员包括儿童乘员、老年乘员和宠物乘员中的至少一项。
7.根据权利要求5所述的方法,其特征在于,在所述控制所述车辆进入与所述类别匹配的所述保护模式之前,所述方法还包括:
对所述车舱内的影像数据进行人脸检测;
响应于检测到人脸,对所述人脸进行活体检测;
响应于所述人脸属于活体人脸,对所述人脸进行属性识别,得到属性识别结果,并基于所述属性识别结果确定所述目标乘员的类别。
8.根据权利要求5或7所述的方法,其特征在于,在所述控制所述车辆进入与所述类别匹配的所述保护模式之前,所述方法还包括:
对所述车舱内的影像数据进行人体检测;
响应于检测到人体,对所述人体进行活体检测;
响应于所述人体属于活体人体,对所述人体进行身高识别和/或身型识别,并基于得到的身高识别结果和/或身型识别结果确定所述目标乘员的类别。
9.根据权利要求8所述的方法,其特征在于,所述对所述人体进行身高识别和/或身型识别,并基于得到的身高识别结果和/或身型识别结果确定所述目标乘员的类别,包括:
对所述人体进行姿态识别;
根据所述人体的姿态,确定所述人体的身高;
根据所述人体的身高,确定所述目标乘员的类别。
10.根据权利要求9所述的方法,其特征在于,所述根据所述人体的姿态,确定所述人体的身高,包括如下至少一项:
响应于所述人体的姿态为坐姿,根据所述人体的头部至腰部的距离,得到所述人体的身高;
响应于所述人体的姿态为站姿或躺卧姿态,根据所述人体的头部至脚部的距离,得到所述人体的身高。
11.根据权利要求5、7至10中任意一项所述的方法,其特征在于,
在所述控制所述车辆进入与所述类别匹配的所述保护模式之前,所述方法还包括:根据所述车舱内的影像数据,检测宠物脸部;响应于宠物脸部的检测结果为检测到宠物脸部,对检测到的宠物脸部所属的宠物进行活体检测;
所述控制所述车辆进入与所述类别匹配的所述保护模式,包括:响应于所述宠物对应的活体检测结果为活体,控制所述车辆进入与所述宠物乘员匹配的所述保护模式。
12.根据权利要求1至11中任意一项所述的方法,其特征在于,所述控制所述车辆进入保护模式,包括:
采集所述车舱内的温度;
响应于所述车舱内的温度不在温度区间内,调节车载空调的温度,以将所述车舱内的温度调节至所述温度区间内。
13.根据权利要求1至12中任意一项所述的方法,其特征在于,所述控制所述车辆进入保护模式,包括:
控制所述车辆向指定终端和/或指定***发送第一提醒信息,其中,所述第一提醒信息用于提示所述车舱内存在所述目标乘员。
14.根据权利要求1至13中任意一项所述的方法,在所述控制所述车辆进入保护模式之后,响应于未收到针对第一提醒信息的反馈信息,所述方法还包括以下至少之一:
向指定***发送第二提醒信息,所述第二提醒信息用于提醒所述车舱内存在所述目标乘员,且所述第二提醒信息包含车辆的位置信息;
控制所述车辆鸣喇叭和/或开启指示灯;
控制所述车辆的车门和/或车窗打开。
15.一种车辆控制装置,其特征在于,包括:
获取模块,用于获取驾驶员的状态;
控制模块,用于响应于所述驾驶员的状态指示所述驾驶员处于离车状态,且车舱内的影像数据指示所述车舱内存在目标乘员,或者,响应于所述驾驶员的状态指示所述驾驶员处于异常状态,则控制所述车辆进入保护模式。
16.一种电子设备,其特征在于,包括:
一个或多个处理器;
用于存储可执行指令的存储器;
其中,所述一个或多个处理器被配置为调用所述存储器存储的可执行指令,以执行权利要求1至14中任意一项所述的方法。
17.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至14中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110349361.7A CN112937479A (zh) | 2021-03-31 | 2021-03-31 | 车辆控制方法及装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110349361.7A CN112937479A (zh) | 2021-03-31 | 2021-03-31 | 车辆控制方法及装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112937479A true CN112937479A (zh) | 2021-06-11 |
Family
ID=76231597
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110349361.7A Withdrawn CN112937479A (zh) | 2021-03-31 | 2021-03-31 | 车辆控制方法及装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112937479A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113763670A (zh) * | 2021-08-31 | 2021-12-07 | 上海商汤临港智能科技有限公司 | 一种报警方法及装置、电子设备和存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040186642A1 (en) * | 2003-02-20 | 2004-09-23 | Basir Otman Adam | Adaptive visual occupant detection and classification system |
CN102233858A (zh) * | 2010-04-29 | 2011-11-09 | 福特全球技术公司 | 用于检测车辆座椅中乘员的存在情况的方法 |
CN110053578A (zh) * | 2019-04-17 | 2019-07-26 | 宝能汽车有限公司 | 车内生命安全响应方法和装置 |
CN110293936A (zh) * | 2019-07-11 | 2019-10-01 | 席格科技(北京)有限公司 | 一种汽车座椅上用户状态提醒装置和方法 |
CN111251950A (zh) * | 2020-02-13 | 2020-06-09 | 延锋汽车饰件***有限公司 | 乘员分类保护方法、***、设备及计算机可读存储介质 |
CN111507170A (zh) * | 2019-01-31 | 2020-08-07 | 斯特拉德视觉公司 | 通过车对车连接警告驾驶员的异常状态的方法和装置 |
CN111645595A (zh) * | 2020-04-17 | 2020-09-11 | 摩登汽车(盐城)有限公司 | 车内乘员安全检测***及方法 |
GB2585247A (en) * | 2019-07-05 | 2021-01-06 | Jaguar Land Rover Ltd | Occupant classification method and apparatus |
-
2021
- 2021-03-31 CN CN202110349361.7A patent/CN112937479A/zh not_active Withdrawn
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040186642A1 (en) * | 2003-02-20 | 2004-09-23 | Basir Otman Adam | Adaptive visual occupant detection and classification system |
CN102233858A (zh) * | 2010-04-29 | 2011-11-09 | 福特全球技术公司 | 用于检测车辆座椅中乘员的存在情况的方法 |
CN111507170A (zh) * | 2019-01-31 | 2020-08-07 | 斯特拉德视觉公司 | 通过车对车连接警告驾驶员的异常状态的方法和装置 |
CN110053578A (zh) * | 2019-04-17 | 2019-07-26 | 宝能汽车有限公司 | 车内生命安全响应方法和装置 |
GB2585247A (en) * | 2019-07-05 | 2021-01-06 | Jaguar Land Rover Ltd | Occupant classification method and apparatus |
CN110293936A (zh) * | 2019-07-11 | 2019-10-01 | 席格科技(北京)有限公司 | 一种汽车座椅上用户状态提醒装置和方法 |
CN111251950A (zh) * | 2020-02-13 | 2020-06-09 | 延锋汽车饰件***有限公司 | 乘员分类保护方法、***、设备及计算机可读存储介质 |
CN111645595A (zh) * | 2020-04-17 | 2020-09-11 | 摩登汽车(盐城)有限公司 | 车内乘员安全检测***及方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113763670A (zh) * | 2021-08-31 | 2021-12-07 | 上海商汤临港智能科技有限公司 | 一种报警方法及装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021159630A1 (zh) | 交通工具通勤控制方法及装置、电子设备、介质和车辆 | |
CN111332252B (zh) | 车门解锁方法、装置、***、电子设备和存储介质 | |
CN112037380B (zh) | 车辆控制方法及装置、电子设备、存储介质和车辆 | |
CN112001348A (zh) | 车舱内的乘员检测方法及装置、电子设备和存储介质 | |
US9955326B2 (en) | Responding to in-vehicle environmental conditions | |
CN112124073B (zh) | 基于酒精检测的智能驾驶控制方法及装置 | |
CN113763670A (zh) | 一种报警方法及装置、电子设备和存储介质 | |
JP7403546B2 (ja) | 遺留対象検出 | |
JP2007094935A (ja) | 情報処理装置および情報処理方法、情報処理システム、プログラム、並びに、記録媒体 | |
WO2023029406A1 (zh) | 用于车辆的向救援呼叫中心发送乘员信息的方法及装置 | |
CN112096222B (zh) | 后备箱的控制方法及装置、车辆、电子设备和存储介质 | |
WO2021258664A1 (zh) | 交通工具的控制方法及装置、电子设备和存储介质 | |
WO2022041669A1 (zh) | 遗留物品的提醒方法及装置、电子设备和存储介质 | |
CN113920492A (zh) | 车内人员检测方法及装置、电子设备和存储介质 | |
CN113734045A (zh) | 车辆控制***和车辆控制方法 | |
CN113486759A (zh) | 危险动作的识别方法及装置、电子设备和存储介质 | |
CN114407630A (zh) | 车门控制方法及装置、电子设备和存储介质 | |
CN114332941A (zh) | 基于乘车对象检测的报警提示方法、装置及电子设备 | |
CN112937479A (zh) | 车辆控制方法及装置、电子设备和存储介质 | |
KR20160028542A (ko) | 차량의 응급구조 및 범죄예방 시스템 및 그 방법 | |
KR101437406B1 (ko) | 차량의 응급구조 및 범죄예방 시스템 및 그 방법 | |
CN110712606A (zh) | 车内生命体识别方法、装置、设备及存储介质 | |
CN115035500A (zh) | 一种车门控制方法及装置、电子设备和存储介质 | |
CN114495074A (zh) | 一种交通工具的控制方法及装置、电子设备和存储介质 | |
CN114495072A (zh) | 乘员状态检测方法及装置、电子设备和存储介质 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210611 |