CN113212126A - 应用于汽车的座舱自适应实时智能调控方法及*** - Google Patents

应用于汽车的座舱自适应实时智能调控方法及*** Download PDF

Info

Publication number
CN113212126A
CN113212126A CN202110668111.XA CN202110668111A CN113212126A CN 113212126 A CN113212126 A CN 113212126A CN 202110668111 A CN202110668111 A CN 202110668111A CN 113212126 A CN113212126 A CN 113212126A
Authority
CN
China
Prior art keywords
automobile
driver
front windshield
time intelligent
pixel point
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.)
Granted
Application number
CN202110668111.XA
Other languages
English (en)
Other versions
CN113212126B (zh
Inventor
胡卫红
牟露
黄昕
周恩泽
宁向利
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.)
Shenzhen Xiaomalixing Technology Co ltd
Original Assignee
Shenzhen Xiaomalixing Technology Co ltd
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 Shenzhen Xiaomalixing Technology Co ltd filed Critical Shenzhen Xiaomalixing Technology Co ltd
Priority to CN202110668111.XA priority Critical patent/CN113212126B/zh
Publication of CN113212126A publication Critical patent/CN113212126A/zh
Application granted granted Critical
Publication of CN113212126B publication Critical patent/CN113212126B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60J—WINDOWS, WINDSCREENS, NON-FIXED ROOFS, DOORS, OR SIMILAR DEVICES FOR VEHICLES; REMOVABLE EXTERNAL PROTECTIVE COVERINGS SPECIALLY ADAPTED FOR VEHICLES
    • B60J3/00—Antiglare equipment associated with windows or windscreens; Sun visors for vehicles
    • B60J3/04—Antiglare equipment associated with windows or windscreens; Sun visors for vehicles adjustable in transparency
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60J—WINDOWS, WINDSCREENS, NON-FIXED ROOFS, DOORS, OR SIMILAR DEVICES FOR VEHICLES; REMOVABLE EXTERNAL PROTECTIVE COVERINGS SPECIALLY ADAPTED FOR VEHICLES
    • B60J1/00—Windows; Windscreens; Accessories therefor
    • 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
    • B60R16/037—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 occupant comfort, e.g. for automatic adjustment of appliances according to personal settings, e.g. seats, mirrors, steering wheel
    • B60R16/0373—Voice control
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/457—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by analysing connectivity, e.g. edge linking, connected component analysis or slices
    • 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
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • 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
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种应用于汽车的座舱自适应实时智能调控方法及***，属于车内环境调节方法***技术领域，涉及智能交通物联网应用服务，所述应用于汽车座舱自适应实时智能调控方法包括以下步骤：步骤S1：将小尺寸的液晶膜单元拼接形成大尺寸的液晶膜拼接结构，复合形成多位点汽车用前挡风玻璃。本发明中，跟踪速度和准确率均较高，在不需要大量迭代的情况下能够准确的跟踪汽车驾驶员眼睛的位置，达到了实时的效果，不仅具有较高的检测准度，而且能完全满足实时要求，多重检测技术，抗干扰能力强，无需驾驶人员手掌脱离方向盘扳动遮光板进行遮阳，能够根据驾驶人员的实际情况进行自适应控制，且还能够根据语音控制进行自动调控遮光效果。

Description

应用于汽车的座舱自适应实时智能调控方法及***
技术领域
本发明属于车内环境调节方法***技术领域，涉及智能交通物联网应用服务，尤其涉及一种应用于汽车的座舱自适应实时智能调控方法及***。
背景技术
随着汽车技术的发展，车辆的功能日益丰富，为车主驾驶和使用提供了极大的便利，如中国专利公开的“一种基于环境变化的车内环境自适应调节方法及***”(专利号：CN108791309B)，该专利所解决的技术问题是，在调节车内温度的时候，通常要手动调节，司机在开车时手动调节车内温度会产生一定的安全隐患，对于调节车内光强的调节，除了车内开灯这种方式外，就是通过开窗和关窗的方式，汽车左右两侧的窗户为了遮挡阳光，避免阳光直接照射在车内，尤其是夏季)，会在玻璃窗上贴上一层太阳膜，在车内人员被阳光晒到时，车内人员会选择开启关闭窗户，但是，如果汽车两侧均关闭窗户，会影响车内的亮度，但是车辆在行驶过程中通常是无法打开窗户的(比如车辆在高速公路上行驶时，因此，目前车内环境的调节方式并不人性化，且该专利通根据车辆两侧不同的光照强度变化而改变光照调节，考虑到了车辆由于行驶方向不同、时间不同的具体情况，提供了非常好的客户体验，同时，人工手动调节的优先级能够高于自动调节的优先级，使得在智能自动调节不适用于具体的车内人员的情况下，能够人性化地手动调节，已解决此技术问题，但是该专利仍存有一些不足之处，考虑的较为片面，未能够考虑到前挡风玻璃光照对驾驶人员的干扰，现有的汽车用前挡风玻璃抗干扰，仍是使用手动式遮光板，需要驾驶人员手掌脱离方向盘扳动遮光板进行遮阳，这样效果较为固定，无法根据驾驶人员的实际情况进行自适应控制，且光照强度检测设备存在一些不足，对光的敏感度不够，易受环境影响特别是对温度敏感，***的可靠性和稳定性有待提高，且成本不低，因此，现阶段亟需一种应用于汽车的座舱自适应实时智能调控方法及***来解决上述问题。
发明内容
本发明的目的在于：为了解决考虑的较为片面，未能够考虑到前挡风玻璃光照对驾驶人员的干扰，现有的汽车用前挡风玻璃抗干扰，仍是使用手动式遮光板，需要驾驶人员手掌脱离方向盘扳动遮光板进行遮阳，这样效果较为固定，无法根据驾驶人员的实际情况进行自适应控制，且光照强度检测设备存在一些不足，对光的敏感度不够，易受环境影响特别是对温度敏感，***的可靠性和稳定性有待提高，且成本不低的问题，而提出的一种应用于汽车的座舱自适应实时智能调控方法及***。
为了实现上述目的，本发明采用了如下技术方案：
一种应用于汽车的座舱自适应实时智能调控方法，所述应用于汽车座舱自适应实时智能调控方法包括以下步骤：
步骤S1：将小尺寸的液晶膜单元拼接形成大尺寸的液晶膜拼接结构，复合形成多位点汽车用前挡风玻璃；
步骤S21：检测汽车前挡风玻璃迎面光照强度，采用最小二乘法建立BH1750FVI的输出和输入光照强度之间的特性曲线，微型单片机再根据特性曲线处理光信号；
步骤S22：进行汽车驾驶员人眼跟踪，基于规则的人眼定位，经过肤色滤波后人脸区域，利用卡尔曼滤波法，进行汽车驾驶员人眼跟踪；
步骤S23：对汽车驾驶员眼睛张开角度检测，利用对光照具有鲁棒性的LBP纹理检测算子检测眼睛区域纹理并计算其二阶矩、嫡和边际分布二阶矩作为特征向量，并使用SVM对特征向量进行分类以达到开闭检测的目的；
步骤S24：对语音指令进行识别；
步骤S3：汽车用前挡风玻璃透光度自适应实时智能调控，找出汽车驾驶员舒适度查找表中最接近的环境亮度值，将最接近的环境亮度值对应的工作场景下的驱动信号作为查找结果，并将查找结果发送至驱动装置，驱动装置根据所述驱动信号驱动PDLC调光玻璃；
作为上述技术方案的进一步描述：
所述步骤S1具体为：
步骤S11：按一定规律将若干个小尺寸的液晶膜单元平铺在无尘的工作平台上；
步骤S12：对邻接设置的两块小尺寸液晶膜单元电性连接，形成大尺寸的液晶膜拼接结构；
步骤S13：将大尺寸的液晶膜拼接结构复合进汽车用两层前挡风玻璃中间，经高温高压胶合后一体成型的新型特种汽车前挡风玻璃产品；。
作为上述技术方案的进一步描述：
所述步骤S21具体为：
步骤S211：汽车前挡风玻璃对应主驾驶处外部光线照射到光敏二极管PD上时会产生光电流；
步骤S212：通过运算放大器AMP将光电流转换为PD电压；
步骤S213：由A/D转换器将PD电压转换为微型单片机能够识别的数字数据。
作为上述技术方案的进一步描述：
所述步骤S213还包括：微型单片机自动采集光照强度特性曲线标定需要的数据，并根据特性曲线计算未知光照强度等数据处理工作，微型单片机采用最小二乘法建立BH1750FVI的输出和输入光照强度之间的特性曲线，微型单片机再根据特性曲线处理光信号。
作为上述技术方案的进一步描述：
所述步骤S22具体为：
步骤S221：对车辆驾驶人员的面部肤色进行分割，根据汽车驾驶员人脸肤色在YCbCr空间内的非线性关系，经过了非线形分段色彩变换得到的色彩空间用YCbCr2来表示；
步骤S222：通过前面所建立的肤色高斯分布，能够得到汽车驾驶员人脸图像中任意一个像素点属于皮肤的概率，对于某像素点s，先将其从RGB空间转换到YCbCr空间，再将其转换到YCbCr2颜色空间，得到色度值(Cb'，Cr')；
步骤S223：计算被检测的彩色图像各像素点的肤色似然度，并得到整幅图像的最大肤色似然度，每一点像素的肤色似然度除以最大肤色似然度所得到的值，作为该像素点的灰度值表征这个像素点属于皮肤的概率，从而得到肤色似然图像，然后经过阀值设定，得到肤色的分割图像；
步骤S224：输入的汽车驾驶员人脸图像经肤色分割后，得到包含人脸区域在内的二值图像，对图像进行腐蚀操作以去除存在的孤立噪声；
步骤S225：利用8连通算法对人脸图像进行分割处理，并计算各连通域大小，以滤除面积相对较小的区域；
步骤S226：基于规则的人眼定位，经过肤色滤波后人脸区域都包含一定数目的洞，这是因为人的眉毛眼睛鼻孔和嘴等部位不是肤色，易形成二值图像中的洞，若某个区域不存在洞或洞的个数少于一定的数目，则可将该区域排除；
步骤S227：计算各洞的面积，排除面积过小的洞；
步骤S228：利用卡尔曼滤波法，进行汽车驾驶员人眼跟踪。
作为上述技术方案的进一步描述：
所述步骤S221还包括：先将皮肤区域中每个像素点R、G、B转换成Y、Cb、Cr表示，得到每个像素点的色度值(Cb，Cr)，然后将皮肤区域中每个像素点通过非线性分段变换，变换到YCbCr2，坐标空间，统计色度为CbCr2的像素点数，得到色度分布图，将色度分布图的数值除以其最大值，得到归一化色度分布图，即肤色分布能够通过高斯模型N(m，C)表示，其中m是均值，C是协方差阵。
作为上述技术方案的进一步描述：
所述步骤S23具体为：
步骤S231：首先精确提取眼睛区域；
步骤S232：然后利用对光照具有鲁棒性的LBP纹理检测算子检测眼睛区域纹理并计算其二阶矩、嫡和边际分布二阶矩作为特征向量；
步骤S233：最后使用SVM对特征向量进行分类以达到开闭检测的目的。
作为上述技术方案的进一步描述：
所述步骤S3包括：
步骤S31：中央控制器根据接收到关于进行汽车驾驶员人员跟踪信息、前挡风玻璃迎面光照强度以及汽车驾驶员眼睛张开角度检测结果控制汽车前挡风玻璃对应区域内的透光强度；
步骤S32：中央控制器还会根据接收到亮或暗输入的语音指令，自动控制该控制区域的透光度。
作为上述技术方案的进一步描述：
所述步骤S3具体为：中央控制器根据接收到汽车驾驶员人员跟踪信息、前挡风玻璃迎面光照强度以及汽车驾驶员眼睛张开角度检测结果，找出汽车驾驶员舒适度查找表中最接近的环境亮度值，将最接近的环境亮度值对应的工作场景下的驱动信号作为查找结果，并将查找结果发送至驱动装置，驱动装置根据所述驱动信号驱动PDLC调光玻璃。
一种应用于汽车的座舱自适应实时智能调控***，包括：
光照强度检测模块，用于检测汽车前挡风玻璃迎面光照强度；
汽车驾驶员人眼跟踪模块，用于进行汽车驾驶员人眼跟踪；
眼睛张开角度检测模块，用于对汽车驾驶员眼睛张开角度检测；
语音指令接收模块，用于对语音指令进行识别；
自适应实时智能调控模块，用于汽车用前挡风玻璃透光度自适应实时智能调控。
综上所述，由于采用了上述技术方案，本发明的有益效果是：
本发明中，光照强度检测***，其性能稳定，能准确检测光照强度的值，是够适用于对光照要求较高的汽车前挡风玻璃上，卡尔曼滤波是以均方误差极小为判据的一种滤波处理方法，它使用在前一帧获得的信息来估计当前帧的状态，因此跟踪速度和准确率均较高，在不需要大量迭代的情况下能够准确的跟踪汽车驾驶员眼睛的位置，达到了实时的效果，不仅具有较高的检测准度，而且能完全满足实时要求，多重检测技术，抗干扰能力强，无需驾驶人员手掌脱离方向盘扳动遮光板进行遮阳，能够根据驾驶人员的实际情况进行自适应控制，且，还能够根据语音控制进行自动调控遮光效果。
附图说明
图1为本发明提出的一种应用于汽车的座舱自适应实时智能调控方法及***的光照强度自适应实时智能控制的流程图；
图2为本发明提出的一种应用于汽车的座舱自适应实时智能调控方法及***的模块结构示意图。
具体实施方式
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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
本申请是基于智能交通物联网应用服务***，而进行设计的，包括了传感技术服务、人工智能优化操作***、生物特征识别软件。
请参阅图1-2，本发明提供一种技术方案：
一种应用于汽车的座舱自适应实时智能调控方法，所述应用于汽车座舱自适应实时智能调控方法包括以下步骤：
步骤S1：将小尺寸的液晶膜单元拼接形成大尺寸的液晶膜拼接结构，复合形成多位点汽车用前挡风玻璃；
步骤S21：检测汽车前挡风玻璃迎面光照强度，采用最小二乘法建立BH1750FVI的输出和输入光照强度之间的特性曲线，微型单片机再根据特性曲线处理光信号；
步骤S22：进行汽车驾驶员人眼跟踪，基于规则的人眼定位，经过肤色滤波后人脸区域，利用卡尔曼滤波法，进行汽车驾驶员人眼跟踪；
步骤S23：对汽车驾驶员眼睛张开角度检测，利用对光照具有鲁棒性的LBP纹理检测算子检测眼睛区域纹理并计算其二阶矩、嫡和边际分布二阶矩作为特征向量，并使用SVM对特征向量进行分类以达到开闭检测的目的；
步骤S24：对语音指令进行识别；
步骤S3：汽车用前挡风玻璃透光度自适应实时智能调控，找出汽车驾驶员舒适度查找表中最接近的环境亮度值，将最接近的环境亮度值对应的工作场景下的驱动信号作为查找结果，并将查找结果发送至驱动装置，驱动装置根据所述驱动信号驱动PDLC调光玻璃；
具体的，如图1所示，所述步骤S1具体为：
步骤S11：按一定规律将若干个小尺寸的液晶膜单元平铺在无尘的工作平台上；
步骤S12：对邻接设置的两块小尺寸液晶膜单元电性连接，形成大尺寸的液晶膜拼接结构；
步骤S13：将大尺寸的液晶膜拼接结构复合进汽车用两层前挡风玻璃中间，经高温高压胶合后一体成型的新型特种汽车前挡风玻璃产品；。
具体的，如图1所示，所述步骤S21具体为：
步骤S211：汽车前挡风玻璃对应主驾驶处外部光线照射到光敏二极管PD上时会产生光电流；
步骤S212：通过运算放大器AMP将光电流转换为PD电压；
步骤S213：由A/D转换器将PD电压转换为微型单片机能够识别的数字数据。
具体的，如图1所示，所述步骤S213还包括：微型单片机自动采集光照强度特性曲线标定需要的数据，并根据特性曲线计算未知光照强度等数据处理工作，微型单片机采用最小二乘法建立BH1750FVI的输出和输入光照强度之间的特性曲线，微型单片机再根据特性曲线处理光信号。
具体的，如图1所示，所述步骤S22具体为：
步骤S221：对车辆驾驶人员的面部肤色进行分割，根据汽车驾驶员人脸肤色在YCbCr空间内的非线性关系，经过了非线形分段色彩变换得到的色彩空间用YCbCr2来表示，YChCr坐标空间到YCbCr2坐标空间的转换公式为：
Figure BDA0003118083710000091
其中：
Figure BDA0003118083710000092
式中，K1和Kh为非线性分段色彩变换的分段值域，Ymin和Ymax为肤色聚类区域中Y分量的最小值和最大值。
将皮肤区域中每个像素点R、G、B转换成Y、Cb、Cr表示，得到每个像素点的色度值(Cb，Cr)。
将皮肤区域中每个像素点通过非线性分段变换，变换到YCbCr2，坐标空间，统计色度为CbCr2的像素点数，得到色度分布图，将色度分布图的数值除以其最大值，得到归一化色度分布图，即肤色分布能够通过高斯模型N(m，C)表示，其中m是均值，C是协方差阵：
Figure BDA0003118083710000093
C＝E{(x-m)(x-m)T}
步骤S222：通过前面所建立的肤色高斯分布，能够得到汽车驾驶员人脸图像中任意一个像素点属于皮肤的概率，对于某像素点s，先将其从RGB空间转换到YCbCr空间，再将其转换到YCbCr2颜色空间，得到色度值(Cb'，Cr')，那么这个像素的肤色概率密度即肤色似然度能够通过下面的式子计算得到：
Figure BDA0003118083710000101
步骤S223：计算被检测的彩色图像各像素点的肤色似然度，并得到整幅图像的最大肤色似然度，每一点像素的肤色似然度除以最大肤色似然度所得到的值，作为该像素点的灰度值表征这个像素点属于皮肤的概率，从而得到肤色似然图像，然后经过阀值设定，得到肤色的分割图像；
步骤S224：输入的汽车驾驶员人脸图像经肤色分割后，得到包含人脸区域在内的二值图像，对图像进行腐蚀操作以去除存在的孤立噪声，设X为腐蚀算子，M腐蚀操作前的图像，M为腐蚀操作后的图像，A1为腐蚀结构元素，其中A1结构描述见下式：
Figure BDA0003118083710000102
步骤S225：利用8连通算法对人脸图像进行分割处理，并计算各连通域大小，以滤除面积相对较小的区域；
步骤S226：基于规则的人眼定位，经过肤色滤波后人脸区域都包含一定数目的洞，这是因为人的眉毛眼睛鼻孔和嘴等部位不是肤色，易形成二值图像中的洞，若某个区域不存在洞或洞的个数少于一定的数目，则可将该区域排除；
步骤S227：计算各洞的面积，排除面积过小的洞；
步骤S228：利用卡尔曼滤波法，进行汽车驾驶员人眼跟踪。
具体的，如图1所示，所述步骤S221还包括：先将皮肤区域中每个像素点R、G、B转换成Y、Cb、Cr表示，得到每个像素点的色度值(Cb，Cr)，然后将皮肤区域中每个像素点通过非线性分段变换，变换到YCbCr2，坐标空间，统计色度为CbCr2的像素点数，得到色度分布图，将色度分布图的数值除以其最大值，得到归一化色度分布图，即肤色分布能够通过高斯模型N(m，C)表示，其中m是均值，C是协方差阵。
具体的，如图1所示，所述步骤S23具体为：
步骤S231：首先精确提取眼睛区域；
步骤S232：然后利用对光照具有鲁棒性的LBP纹理检测算子检测眼睛区域纹理并计算其二阶矩、嫡和边际分布二阶矩作为特征向量；
步骤S233：最后使用SVM对特征向量进行分类以达到开闭检测的目的。
具体的，如图1所示，所述步骤S3包括：
步骤S31：中央控制器根据接收到关于进行汽车驾驶员人员跟踪信息、前挡风玻璃迎面光照强度以及汽车驾驶员眼睛张开角度检测结果控制汽车前挡风玻璃对应区域内的透光强度；
步骤S32：中央控制器还会根据接收到亮或暗输入的语音指令，自动控制该控制区域的透光度。
具体的，如图1所示，所述步骤S3具体为：中央控制器根据接收到汽车驾驶员人员跟踪信息、前挡风玻璃迎面光照强度以及汽车驾驶员眼睛张开角度检测结果，找出汽车驾驶员舒适度查找表中最接近的环境亮度值，将最接近的环境亮度值对应的工作场景下的驱动信号作为查找结果，并将查找结果发送至驱动装置，驱动装置根据所述驱动信号驱动PDLC调光玻璃。
一种应用于汽车的座舱自适应实时智能调控***，包括：
光照强度检测模块，用于检测汽车前挡风玻璃迎面光照强度；
汽车驾驶员人眼跟踪模块，用于进行汽车驾驶员人眼跟踪；
眼睛张开角度检测模块，用于对汽车驾驶员眼睛张开角度检测；
语音指令接收模块，用于对语音指令进行识别；
自适应实时智能调控模块，用于汽车用前挡风玻璃透光度自适应实时智能调控。
工作原理：使用时，
步骤S1：将小尺寸的液晶膜单元拼接形成大尺寸的液晶膜拼接结构，复合形成多位点汽车用前挡风玻璃；
步骤S11：按一定规律将若干个小尺寸的液晶膜单元平铺在无尘的工作平台上；
步骤S12：对邻接设置的两块小尺寸液晶膜单元电性连接，形成大尺寸的液晶膜拼接结构；
步骤S13：将大尺寸的液晶膜拼接结构复合进汽车用两层前挡风玻璃中间，经高温高压胶合后一体成型的新型特种汽车前挡风玻璃产品；
步骤S21：检测汽车前挡风玻璃迎面光照强度；
步骤S211：汽车前挡风玻璃对应主驾驶处外部光线照射到光敏二极管PD上时会产生光电流；
步骤S212：通过运算放大器AMP将光电流转换为PD电压；
步骤S213：由A/D转换器将PD电压转换为微型单片机能够识别的数字数据，微型单片机自动采集光照强度特性曲线标定需要的数据，并根据特性曲线计算未知光照强度等数据处理工作，微型单片机采用最小二乘法建立BH1750FVI的输出和输入光照强度之间的特性曲线，微型单片机再根据特性曲线处理光信号；
步骤S22：进行汽车驾驶员人眼跟踪；
步骤S221：对车辆驾驶人员的面部肤色进行分割，根据汽车驾驶员人脸肤色在YCbCr空间内的非线性关系，经过了非线形分段色彩变换得到的色彩空间用YCbCr2来表示，先将皮肤区域中每个像素点R、G、B转换成Y、Cb、Cr表示，得到每个像素点的色度值(Cb，Cr)，然后将皮肤区域中每个像素点通过非线性分段变换，变换到YCbCr2，坐标空间，统计色度为CbCr2的像素点数，得到色度分布图，将色度分布图的数值除以其最大值，得到归一化色度分布图，即肤色分布能够通过高斯模型N(m，C)表示，其中m是均值，C是协方差阵；
步骤S222：通过前面所建立的肤色高斯分布，能够得到汽车驾驶员人脸图像中任意一个像素点属于皮肤的概率，对于某像素点s，先将其从RGB空间转换到YCbCr空间，再将其转换到YCbCr2颜色空间，得到色度值(Cb'，Cr')；
步骤S223：计算被检测的彩色图像各像素点的肤色似然度，并得到整幅图像的最大肤色似然度，每一点像素的肤色似然度除以最大肤色似然度所得到的值，作为该像素点的灰度值表征这个像素点属于皮肤的概率，从而得到肤色似然图像，然后经过阀值设定，得到肤色的分割图像；
步骤S231：首先精确提取眼睛区域；
步骤S232：然后利用对光照具有鲁棒性的LBP纹理检测算子检测眼睛区域纹理并计算其二阶矩、嫡和边际分布二阶矩作为特征向量；
步骤S233：最后使用SVM对特征向量进行分类以达到开闭检测的目的；
步骤S224：输入的汽车驾驶员人脸图像经肤色分割后，得到包含人脸区域在内的二值图像，对图像进行腐蚀操作以去除存在的孤立噪声；
步骤S225：利用8连通算法对人脸图像进行分割处理，并计算各连通域大小，以滤除面积相对较小的区域；
步骤S226：基于规则的人眼定位，经过肤色滤波后人脸区域都包含一定数目的洞，这是因为人的眉毛眼睛鼻孔和嘴等部位不是肤色，易形成二值图像中的洞，若某个区域不存在洞或洞的个数少于一定的数目，则可将该区域排除；
步骤S227：计算各洞的面积，排除面积过小的洞；
步骤S228：利用卡尔曼滤波法，进行汽车驾驶员人眼跟踪；
步骤S23：对汽车驾驶员眼睛张开角度检测；
步骤S24：对语音指令进行识别；
步骤S3：汽车用前挡风玻璃透光度自适应实时智能调控；
步骤S31：中央控制器根据接收到关于进行汽车驾驶员人员跟踪信息、前挡风玻璃迎面光照强度以及汽车驾驶员眼睛张开角度检测结果控制汽车前挡风玻璃对应区域内的透光强度；
步骤S32：中央控制器还会根据接收到亮或暗输入的语音指令，自动控制该控制区域的透光度，中央控制器根据接收到汽车驾驶员人员跟踪信息、前挡风玻璃迎面光照强度以及汽车驾驶员眼睛张开角度检测结果，找出汽车驾驶员舒适度查找表中最接近的环境亮度值，将最接近的环境亮度值对应的工作场景下的驱动信号作为查找结果，并将查找结果发送至驱动装置，驱动装置根据所述驱动信号驱动PDLC调光玻璃。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种应用于汽车的座舱自适应实时智能调控方法，其特征在于，所述应用于汽车座舱自适应实时智能调控方法包括以下步骤：
步骤S1：将小尺寸的液晶膜单元拼接形成大尺寸的液晶膜拼接结构，复合形成多位点汽车用前挡风玻璃；
步骤S21：检测汽车前挡风玻璃迎面光照强度，采用最小二乘法建立BH1750FVI的输出和输入光照强度之间的特性曲线，微型单片机再根据特性曲线处理光信号；
步骤S22：进行汽车驾驶员人眼跟踪，基于规则的人眼定位，经过肤色滤波后人脸区域，利用卡尔曼滤波法，进行汽车驾驶员人眼跟踪；
步骤S23：对汽车驾驶员眼睛张开角度检测，利用对光照具有鲁棒性的LBP纹理检测算子检测眼睛区域纹理并计算其二阶矩、嫡和边际分布二阶矩作为特征向量，并使用SVM对特征向量进行分类以达到开闭检测的目的；
步骤S24：对语音指令进行识别；
步骤S3：汽车用前挡风玻璃透光度自适应实时智能调控，找出汽车驾驶员舒适度查找表中最接近的环境亮度值，将最接近的环境亮度值对应的工作场景下的驱动信号作为查找结果，并将查找结果发送至驱动装置，驱动装置根据所述驱动信号驱动PDLC调光玻璃。
2.根据权利要求1所述的应用于汽车的座舱自适应实时智能调控方法，其特征在于，所述步骤S1具体为：
步骤S11：按一定规律将若干个小尺寸的液晶膜单元平铺在无尘的工作平台上；
步骤S12：对邻接设置的两块小尺寸液晶膜单元电性连接，形成大尺寸的液晶膜拼接结构；
步骤S13：将大尺寸的液晶膜拼接结构复合进汽车用两层前挡风玻璃中间，经高温高压胶合后一体成型的新型特种汽车前挡风玻璃产品。
3.根据权利要求2所述的应用于汽车的座舱自适应实时智能调控方法，其特征在于，所述步骤S21具体为：
步骤S211：汽车前挡风玻璃对应主驾驶处外部光线照射到光敏二极管PD上时会产生光电流；
步骤S212：通过运算放大器AMP将光电流转换为PD电压；
步骤S213：由A/D转换器将PD电压转换为微型单片机能够识别的数字数据。
4.根据权利要求3所述的应用于汽车的座舱自适应实时智能调控方法，其特征在于，所述步骤S213还包括：微型单片机自动采集光照强度特性曲线标定需要的数据，并根据特性曲线计算未知光照强度等数据处理工作，微型单片机采用最小二乘法建立BH1750FVI的输出和输入光照强度之间的特性曲线，微型单片机再根据特性曲线处理光信号。
5.根据权利要求4所述的应用于汽车的座舱自适应实时智能调控方法，其特征在于，所述步骤S22具体为：
步骤S221：对车辆驾驶人员的面部肤色进行分割，根据汽车驾驶员人脸肤色在YCbCr空间内的非线性关系，经过了非线形分段色彩变换得到的色彩空间用YCbCr2来表示；
步骤S222：通过前面所建立的肤色高斯分布，能够得到汽车驾驶员人脸图像中任意一个像素点属于皮肤的概率，对于某像素点s，先将其从RGB空间转换到YCbCr空间，再将其转换到YCbCr2颜色空间，得到色度值(Cb'，Cr')；
步骤S223：计算被检测的彩色图像各像素点的肤色似然度，并得到整幅图像的最大肤色似然度，每一点像素的肤色似然度除以最大肤色似然度所得到的值，作为该像素点的灰度值表征这个像素点属于皮肤的概率，从而得到肤色似然图像，然后经过阀值设定，得到肤色的分割图像；
步骤S224：输入的汽车驾驶员人脸图像经肤色分割后，得到包含人脸区域在内的二值图像，对图像进行腐蚀操作以去除存在的孤立噪声；
步骤S225：利用8连通算法对人脸图像进行分割处理，并计算各连通域大小，以滤除面积相对较小的区域；
步骤S226：基于规则的人眼定位，经过肤色滤波后人脸区域都包含一定数目的洞，这是因为人的眉毛眼睛鼻孔和嘴等部位不是肤色，易形成二值图像中的洞，若某个区域不存在洞或洞的个数少于一定的数目，则可将该区域排除；
步骤S227：计算各洞的面积，排除面积过小的洞；
步骤S228：利用卡尔曼滤波法，进行汽车驾驶员人眼跟踪。
6.根据权利要求5所述的应用于汽车的座舱自适应实时智能调控方法，其特征在于，所述步骤S221还包括：先将皮肤区域中每个像素点R、G、B转换成Y、Cb、Cr表示，得到每个像素点的色度值(Cb，Cr)，然后将皮肤区域中每个像素点通过非线性分段变换，变换到YCbCr2，坐标空间，统计色度为CbCr2的像素点数，得到色度分布图，将色度分布图的数值除以其最大值，得到归一化色度分布图，即肤色分布能够通过高斯模型N(m，C)表示，其中m是均值，C是协方差阵。
7.根据权利要求6所述的应用于汽车的座舱自适应实时智能调控方法，其特征在于，所述步骤S23具体为：
步骤S231：首先精确提取眼睛区域；
步骤S232：然后利用对光照具有鲁棒性的LBP纹理检测算子检测眼睛区域纹理并计算其二阶矩、嫡和边际分布二阶矩作为特征向量；
步骤S233：最后使用SVM对特征向量进行分类以达到开闭检测的目的。
8.根据权利要求7所述的应用于汽车的座舱自适应实时智能调控方法，其特征在于，步骤S3包括：
步骤S31：中央控制器根据接收到关于进行汽车驾驶员人员跟踪信息、前挡风玻璃迎面光照强度以及汽车驾驶员眼睛张开角度检测结果控制汽车前挡风玻璃对应区域内的透光强度；
步骤S32：中央控制器还会根据接收到亮或暗输入的语音指令，自动控制该控制区域的透光度。
9.根据权利要求8所述的应用于汽车的座舱自适应实时智能调控方法，其特征在于，所述步骤S3具体为：中央控制器根据接收到汽车驾驶员人员跟踪信息、前挡风玻璃迎面光照强度以及汽车驾驶员眼睛张开角度检测结果，找出汽车驾驶员舒适度查找表中最接近的环境亮度值，将最接近的环境亮度值对应的工作场景下的驱动信号作为查找结果，并将查找结果发送至驱动装置，驱动装置根据所述驱动信号驱动PDLC调光玻璃。
10.一种应用于汽车的座舱自适应实时智能调控***，其特征在于，包括：
光照强度检测模块，用于检测汽车前挡风玻璃迎面光照强度；
汽车驾驶员人眼跟踪模块，用于进行汽车驾驶员人眼跟踪；
眼睛张开角度检测模块，用于对汽车驾驶员眼睛张开角度检测；
语音指令接收模块，用于对语音指令进行识别；
自适应实时智能调控模块，用于汽车用前挡风玻璃透光度自适应实时智能调控。
CN202110668111.XA 2021-06-16 2021-06-16 应用于汽车的座舱自适应实时智能调控方法及*** Active CN113212126B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110668111.XA CN113212126B (zh) 2021-06-16 2021-06-16 应用于汽车的座舱自适应实时智能调控方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110668111.XA CN113212126B (zh) 2021-06-16 2021-06-16 应用于汽车的座舱自适应实时智能调控方法及***

Publications (2)

Publication Number Publication Date
CN113212126A true CN113212126A (zh) 2021-08-06
CN113212126B CN113212126B (zh) 2022-09-30

Family

ID=77080759

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110668111.XA Active CN113212126B (zh) 2021-06-16 2021-06-16 应用于汽车的座舱自适应实时智能调控方法及***

Country Status (1)

Country Link
CN (1) CN113212126B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104013414A (zh) * 2014-04-30 2014-09-03 南京车锐信息科技有限公司 一种基于移动智能手机的驾驶员疲劳检测***
CN109808464A (zh) * 2019-01-24 2019-05-28 北京梧桐车联科技有限责任公司 一种前挡玻璃透光率调节方法及装置
CN109878304A (zh) * 2019-03-29 2019-06-14 合肥京东方光电科技有限公司 遮阳板、遮阳板控制方法和汽车

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104013414A (zh) * 2014-04-30 2014-09-03 南京车锐信息科技有限公司 一种基于移动智能手机的驾驶员疲劳检测***
CN109808464A (zh) * 2019-01-24 2019-05-28 北京梧桐车联科技有限责任公司 一种前挡玻璃透光率调节方法及装置
CN109878304A (zh) * 2019-03-29 2019-06-14 合肥京东方光电科技有限公司 遮阳板、遮阳板控制方法和汽车

Also Published As

Publication number Publication date
CN113212126B (zh) 2022-09-30

Similar Documents

Publication Publication Date Title
WO2021129059A1 (zh) 一种遮光板控制方法、遮光板控制***及装置
US9180756B2 (en) Apparatus and method for detecting driver's dazzling and system and method for blocking dazzling using the same
CN112308799A (zh) 基于多传感器海上道路复杂环境能见度优化屏幕显示方法
O'Malley et al. Rear-lamp vehicle detection and tracking in low-exposure color video for night conditions
CN101950355B (zh) 基于数字视频的驾驶员疲劳状态检测方法
US20160334546A1 (en) Weather recognition method and device based on image information detection
CN110837800A (zh) 一种面向港口恶劣天气的目标检测和识别的方法
CN109460715A (zh) 一种基于机器学习的交通灯自动识别实现方法
CN109466286A (zh) 一种汽车进出低照度区域智能防炫目方法及装置
CN103434442A (zh) 基于机器视觉的夜间安全会车***及该***的控制方法
CN110450706A (zh) 一种自适应远光灯控制***及图像处理算法
CN112287861A (zh) 基于夜间环境感知的道路信息增强与驾驶预警方法
CN109886086A (zh) 基于hog特征和线性svm级联分类器的行人检测方法
CN103465825A (zh) 一种车载***及其控制方法
CN107220613B (zh) 基于图像处理的多功能控制方法
CN107886033A (zh) 识别圆形交通灯的方法、装置及车辆
CN113212126B (zh) 应用于汽车的座舱自适应实时智能调控方法及***
CN112758046A (zh) 一种基于智能识别的挡风玻璃清晰度控制方法与***
CN110435534A (zh) 一种基于前方车速识别的驾驶辅助反应方法及***
CN113705427B (zh) 基于车规级芯片SoC的疲劳驾驶监测预警方法及***
CN109519077B (zh) 一种基于图像处理对雨水进行检测的车窗控制***
CN106248635A (zh) 基于数字摄像的能见度检测方法
CN106627376A (zh) 一种自动调节亮度的汽车后视镜装置
US20220118909A1 (en) Driving assistance system and method for driver
Ishak et al. A speed limit sign recognition system using artificial neural network

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
GR01 Patent grant
GR01 Patent grant