CN113456058A - 头部姿态的检测方法、装置、电子设备和可读存储介质 - Google Patents
头部姿态的检测方法、装置、电子设备和可读存储介质 Download PDFInfo
- Publication number
- CN113456058A CN113456058A CN202010235978.1A CN202010235978A CN113456058A CN 113456058 A CN113456058 A CN 113456058A CN 202010235978 A CN202010235978 A CN 202010235978A CN 113456058 A CN113456058 A CN 113456058A
- Authority
- CN
- China
- Prior art keywords
- target
- head
- millimeter wave
- wave signal
- target object
- 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- Withdrawn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
- 238000001514 detection method Methods 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 claims abstract description 33
- 230000008859 change Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 12
- 210000003128 head Anatomy 0.000 description 327
- 238000010586 diagram Methods 0.000 description 12
- 206010039203 Road traffic accident Diseases 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 5
- 239000000284 extract Substances 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 238000005286 illumination Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 239000011521 glass Substances 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 210000005069 ears Anatomy 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000001061 forehead Anatomy 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- ZRHANBBTXQZFSP-UHFFFAOYSA-M potassium;4-amino-3,5,6-trichloropyridine-2-carboxylate Chemical compound [K+].NC1=C(Cl)C(Cl)=NC(C([O-])=O)=C1Cl ZRHANBBTXQZFSP-UHFFFAOYSA-M 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1118—Determining activity level
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1116—Determining posture transitions
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range of movement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
- A61B5/6893—Cars
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Medical Informatics (AREA)
- Heart & Thoracic Surgery (AREA)
- Pathology (AREA)
- Physiology (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Psychiatry (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Geometry (AREA)
- Power Engineering (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种头部姿态的检测方法和装置、电子设备、计算机可读存储介质。方法包括获取头部姿态检测指令,根据所述头部姿态检测指令向目标对象发射第一毫米波信号;接收所述目标对象反射的与所述第一毫米波信号对应的第二毫米波信号;从所述第二毫米波信号中确定所述目标对象的头部所对应的目标毫米波信号;基于所述目标毫米波信号确定所述目标对象的目标头部姿态。上述头部姿态的检测方法和装置、电子设备、计算机可读存储介质,可以更准确地检测目标对象的头部姿态。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种头部姿态的检测方法、装置、电子设备和计算机可读存储介质。
背景技术
随着社会的发展,在很多场景下,都需要对人或者动物等对象进行头部姿态的检测。传统的头部姿态的检测方法,通常是通过摄像头获取到对象的图像,再对该图像进行分析,从而确定该对象的头部姿态。
然而,传统的头部姿态的检测方法,存在检测不准确的问题。
发明内容
本申请实施例提供了一种头部姿态的检测方法、装置、电子设备、计算机可读存储介质,可以提高头部姿态检测的准确性。
一种头部姿态的检测方法,包括:
获取头部姿态检测指令,根据所述头部姿态检测指令向目标对象发射第一毫米波信号;
接收所述目标对象反射的与所述第一毫米波信号对应的第二毫米波信号;
从所述第二毫米波信号中确定所述目标对象的头部所对应的目标毫米波信号;
基于所述目标毫米波信号确定所述目标对象的目标头部姿态。
一种头部姿态的检测装置,包括:
第一毫米波信号发射模块,用于获取头部姿态检测指令,根据所述头部姿态检测指令向目标对象发射第一毫米波信号;
第二毫米波信号接收模块,用于接收所述目标对象反射的与所述第一毫米波信号对应的第二毫米波信号;
目标毫米波信号确定模块,用于从所述第二毫米波信号中确定所述目标对象的头部所对应的目标毫米波信号;
目标头部姿态确定模块,用于基于所述目标毫米波信号确定所述目标对象的目标头部姿态。
一种电子设备,包括存储器及处理器,所述存储器中储存有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如上述的头部姿态的检测方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述的方法的步骤。
上述头部姿态的检测方法、装置、电子设备和计算机可读存储介质,获取头部姿态检测指令,根据头部姿态检测指令向目标对象发射第一毫米波信号;接收目标对象反射的与第一毫米波信号对应的第二毫米波信号;从第二毫米波信号中确定目标对象的头部所对应的目标毫米波信号;基于目标毫米波信号确定目标对象的目标头部姿态,避免了采用摄像头进行拍摄而受到光照变化、背景变化等因素的影响,从而可以更准确地确定目标对象的目标头部姿态。
附图说明
为了更清楚地说明本申请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作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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为一个实施例中毫米波信号处理电路的示意图;
图2为一个实施例中头部姿态的检测方法的流程图;
图3为一个实施例中头部姿态的示意图;
图4为一个实施例中步骤提取目标对象的头部的目标特征信息的流程图;
图5为一个实施例中步骤获取参考头部姿态的参考特征信息的流程图;
图6为一个实施例中对头部姿态检测模型进行训练的流程图;
图7为另一个实施例中头部姿态的检测方法的流程图;
图8为一个实施例中头部姿态的检测装置的结构框图;
图9为一个实施例中电子设备的内部结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
可以理解,本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件,但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说,在不脱离本申请的范围的情况下,可以将第一毫米波信号称为第二毫米波信号,且类似地,可将第二毫米波信号称为第一毫米波信号。第一毫米波信号和第二毫米波信号两者都是毫米波信号,但其不是同一毫米波信号。
本申请实施例还提供一种电子设备。图1为一个实施例中毫米波信号处理电路的示意图。如图1所示,为便于说明,仅示出与本申请实施例相关的毫米波信号处理技术的各个方面。
如图1所示,毫米波信号处理电路包括处理器120和控制逻辑器130。传感器120(如陀螺仪、距离传感器)可基于传感器120接口类型把采集的参数(如防抖参数、距离参数)提供给处理器120。传感器120接口可以利用SMIA(Standard Mobile Imaging Architecture,标准移动成像架构)接口、其它串行或并行照相机接口或上述接口的组合。
此外,毫米波收发器110可以发射毫米波信号,并将接收的毫米波信号发送至处理器120。控制逻辑器130可以控制毫米波收发器110,例如,增大或减小毫米波收发器110的发射频率。
处理器120确定的统计数据可发送给控制逻辑器120。例如,统计数据可包括毫米波信号的发射频率、接收的毫米波信号的数据量、接收的毫米波信号的强度、接收的毫米波信号的传播时长,等等。控制逻辑器130可包括执行一个或多个例程(如固件)的处理器和/或微控制器,一个或多个例程可根据接收的统计数据,确定毫米波收发器110的控制参数及处理器120的控制参数。例如,毫米波收发器110的控制参数可包括毫米波信号的发射频率、毫米波收发器的发射功率、毫米波信号的发射方向、或这些参数的组合。
在一个实施例中,处理器120获取头部姿态检测指令,并将头部姿态检测指令发送至控制逻辑器130。控制逻辑器130根据头部姿态检测指令控制毫米波收发器110向目标对象发射第一毫米波信号。通过毫米波收发器110接收目标对象反射的与第一毫米波信号对应的第二毫米波信号,并将第二毫米波信号发送至处理器120。处理器120从第二毫米波信号中确定目标对象的头部所对应的目标毫米波信号;基于目标毫米波信号确定目标对象的目标头部姿态,避免了采用摄像头进行拍摄而受到光照变化、背景变化等因素的影响,从而可以更准确地确定目标对象的目标头部姿态。
图2为一个实施例中头部姿态的检测方法的流程图。如图2所示,头部姿态的检测方法包括步骤202至步骤208。
步骤202,获取头部姿态检测指令,根据头部姿态检测指令向目标对象发射第一毫米波信号。
在电子设备中,安装有毫米波收发器,可以向目标对象发射第一毫米波信号。其中,目标对象可以是人物、动物等具有头部的对象,不限于此。毫米波(Millimeter Wave)指的是波长为1~10毫米的电磁波,它位于微波与远红外波相交叠的波长范围,因而兼有两种波谱的特点。第一毫米波信号指的是向目标对象发射的毫米波信号。
在一种实施方式中,电子设备中安装有距离传感器,当距离传感器检测到目标对象与电子设备之间的距离小于预设距离时,生成头部姿态检测指令。在目标对象与电子设备之间的距离小于预设距离时,再对目标对象进行头部姿态检测,可以更准确地检测出目标对象的头部姿态,也可以节约电子设备的计算机资源。
在另一种实施方式中,电子设备接收外部设备发送的头部姿态检测指令,根据接收的头部姿态检测指令向目标对象发射第一毫米波信号。其中,外部设备与该电子设备通过网络进行通信,用户可以在该外部设备上发起头部姿态检测,从而生成头部姿态检测指令并发送至该电子设备中。该外部设备可以是智能手机、智能手环等。
目标对象的数量可以是一个,也可以是至少两个。
步骤204,接收目标对象反射的与第一毫米波信号对应的第二毫米波信号。
可以理解的是,当毫米波信号接触到物体时会进行反射。电子设备向目标对象发射第一毫米波信号,当第一毫米波信号接触到目标对象时,会进行反射,反射得到的第一毫米波信号即第二毫米波信号。
通过毫米波收发器可以接收目标对象反射的与第一毫米波信号对应的第二毫米波信号。
步骤206,从第二毫米波信号中确定目标对象的头部所对应的目标毫米波信号。
目标毫米波信号指的是目标对象的头部所反射的第二毫米波信号。
可以理解的是,第二毫米波信号是由目标对象反射回来的,因此通过毫米波收发器接收到第二毫米波信号,可以获取第二毫米波信号中所包括的反射方向、强度、传播时长等信息,再通过第二毫米波信号中所包括的信息可以判断出目标对象的头部的轮廓、大小等信息。
目标对象的头部通常处于目标对象的顶部区域,或者处于目标对象的前方,因此可以从目标对象的轮廓中确定出目标对象的头部区域,再从第二毫米波信号中获取该头部区域中所对应的第二毫米波信号,即目标毫米波信号。
步骤208,基于目标毫米波信号确定目标对象的目标头部姿态。
可以理解的是,头部是目标对象中最重要的组成部分,对目标对象的头部姿态进行检测,可以更准确地对目标对象进行分析。例如,人的头部姿态在短时间内频繁转动,可以判断出人比较慌张;在驾驶车辆时人的头部姿态处于低垂姿态,可以判断出人在疲劳驾驶;狗的头部姿态是静止不动并且竖起耳朵睁大眼睛,可以判断出狗处于警惕状态。
目标头部姿态可以包括正常,抬头,低头,左转,右转,左抬头,右抬头,左低头,右低头等。
从第二毫米波信号中确定目标对象的头部所对应的目标毫米波信号,再基于目标毫米波信号确定目标对象的目标头部姿态,避免了基于所有的第二毫米波信号进行分析,可以提高头部姿态的检测效率,也节约了电子设备的计算机资源。
上述头部姿态的检测方法,获取头部姿态检测指令,根据头部姿态检测指令向目标对象发射第一毫米波信号;接收目标对象反射的与第一毫米波信号对应的第二毫米波信号;从第二毫米波信号中确定目标对象的头部所对应的目标毫米波信号;基于目标毫米波信号确定目标对象的目标头部姿态,避免了采用摄像头进行拍摄而受到光照变化、背景变化等因素的影响,从而可以更准确地确定目标对象的目标头部姿态。
另外,传统的头部姿态检测方法中,采用摄像头对目标对象进行拍摄,获取到目标对象的图像或者视频等,容易获取到目标对象过多的信息,对目标对象的隐私或者安全造成干扰,而上述的头部姿态的检测方法,通过毫米波信号检测目标对象的头部姿态,既检测出目标对象的头部姿态,也避免了获取目标对象过多的信息,实现了检测与隐私的平衡。
在一个实施例中,基于目标毫米波信号确定目标对象的目标头部姿态,包括:从目标毫米波信号中提取目标对象的头部的目标特征信息;将参考头部姿态的参考特征信息与目标特征信息进行匹配,并将与参考特征信息相匹配的参考头部姿态作为目标对象的目标头部姿态。
目标特征信息指的是目标对象的头部的特征信息。目标特征信息可以包括头部的大小、头部的位置、头部的轮廓、头部中各个组成部分的位置以及大小,频域数据情况等等。电子设备可以采用机器学习提取目标对象的头部的目标特征信息,也可以采用深度学习提取目标对象的头部的目标特征信息,不限于此。
参考特征信息指的是参考头部姿态的特征信息。电子设备可以预先获取参考头部姿态以及参考头部姿态的参考特征信息。参考头部姿态可以根据用户需要进行设置。
在一个实施例中,如图3所示,基于参考头部姿态的欧拉角(yaw,pitch)的差异选取9种参考头部姿态,包括302正常头部姿态,304抬头姿态,306低头姿态,308头部左转姿态,310头部右转姿态,312左抬头姿态,314右抬头姿态,316左低头姿态,318右低头姿态等。
进一步地,可以基于预设范围内的欧拉角,确定参考头部姿态。例如,头部在左转30度至80度之间的角度范围内,可以确定为头部左转姿态;头部在抬起30度至60度之间的角度范围内,可以确定为抬头姿态。如图3所示,304抬头姿态可以包括两个抬起不同欧拉角的头部姿态,同样地,306低头姿态,308头部左转姿态,310头部右转姿态,312左抬头姿态,314右抬头姿态,316左低头姿态,318右低头姿态也均可以包括两个不同欧拉角的头部姿态。
针对每一个参考头部姿态,具有特定的参考特征信息。例如,参考头部姿态为左转时,参考特征信息可以是检测到头部中的右眼、一半脸颊、一半的嘴巴、右耳朵;参考头部姿态为抬头时,参考特征信息可以是检测到头部中的下巴、鼻孔、嘴巴、眼睛,且下巴、鼻孔、嘴巴、眼睛密集分布于头部的上方区域。每一种参考头部姿态的轮廓也均不同。
因此,电子设备可以将各个参考头部姿态的参考特征信息分别与目标特征信息进行匹配,将与参考特征信息相匹配的参考头部姿态作为目标对象的目标头部姿态,可以准确地匹配出目标对象的目标头部姿态。
在另一个实施例中,当各个参考头部姿态的参考特征信息均与目标特征信息不匹配时,分别获取每一个参考头部姿态的参考特征信息与目标特征信息的匹配度,将匹配度最高的参考特征信息对应的参考头部姿态作为目标对象的目标头部姿态。匹配度最高,表示该参考特征信息与目标特征信息之间最相似,因此可以将该匹配度最高的参考特征信息对应的参考头部姿态作为目标对象的目标头部姿态。
在一个实施例中,如图4所示,从目标毫米波信号中提取目标对象的头部的目标特征信息,包括:
步骤402,获取各个目标毫米波信号中所包括的信息。
目标毫米波信号中所包括的信息可以包括目标毫米波信号的反射方向、强度、传播时长、频域数据情况等,不限于此。通过目标毫米波信号的反射方向,可以判断出反射得到该目标毫米波信号的点与电子设备之间的方向。通过目标毫米波信号的强度、传播时长可以判断出反射得到该目标毫米波信号的点与电子设备之间的距离。通过目标毫米波信号的频域数据情况可以判断出反射得到该目标毫米波信号的点的材质。
可以理解的是,目标毫米波信号的强度越强,表示反射得到该目标毫米波信号的点距离电子设备越近;目标毫米波信号的强度越弱,表示反射得到该目标毫米波信号的点距离电子设备越远。例如,人面向电子设备时,鼻尖比耳朵更接近电子设备,因此鼻尖反射得到的目标毫米波信号的强度比耳朵反射得到的目标毫米波强度更强。
目标毫米波信号的传播时长越长,表示反射得到该目标毫米波信号的点距离电子设备越远;目标毫米波信号的传播时长越短,表示反射得到该目标毫米波信号的点距离电子设备越近。例如,人抬头时,下巴比眼睛更接近电子设备,因此下巴反射得到的目标毫米波信号的强度比眼睛反射得到的目标毫米波强度更强。
第三毫米波信号在不同材质上进行反射得到的目标毫米波信号的频域数据不同。因此,可以基于目标毫米波信号的频域数据情况判断出反射得到该目标毫米波信号的点的材质。例如,当人戴着眼镜时,则眼镜上的点反射得到的目标毫米波信号的频率数据情况为第一频域,与人脸皮肤上的点反射得到的目标毫米波信号的频域数据情况为第二频域,当接收到目标毫米波信号的频域数据为第一频域时,则该目标毫米波信号所在的区域为眼镜,因此可以判断出头部中眼睛的位置。
步骤404,基于各个目标毫米波信号中所包括的信息分别确定各个目标毫米波信号所对应的头部子区域。
头部子区域可以是头部中的各个组成区域,例如,眼睛、鼻子、嘴巴、耳朵、额头、头发等。
具体地,基于目标毫米波的反射方向,可以判断出反射该目标毫米波信号的点与电子设备之间的方向,再基于该目标毫米波信号的强度或者传播时长可以判断出反射该目标毫米波信号的点与电子设备之间的距离,从而可以分辨出反射该毫米波信号的点在目标对象的头部区域中的位置,再结合目标对象的头部区域的轮廓,可以确定反射该目标毫米波信号的点所在的头部子区域。
步骤406,基于各个目标毫米波信号所对应的头部子区域,确定目标对象的头部的目标特征信息。
将各个目标毫米波信号按照头部子区域进行分类,得到每一个头部子区域所包括的目标毫米波信号;针对每一个头部子区域所包括的目标毫米波信号,可以获取到每一个头部子区域的特征信息,再基于每一个头部子区域的特征信息,可以确定目标对象的头部的目标特征信息。其中,头部子区域的特征信息包括头部子区域的大小、头部子区域的位置、头部子区域的轮廓,等等。
例如,获取到眼睛这一头部子区域的特征信息为右眼以及右眼在头部区域的位置,获取到耳朵这一头部子区域的特征信息为右耳以及右耳在头部区域的位置,获取到脸颊这一头部子区域的特征信息为右边脸颊,因此可以确定该目标对象的头部的目标特征信息是右眼、右耳、右边脸颊,以及右眼、右耳和右边脸颊在头部区域中所处的位置。
在本实施例中,获取各个目标毫米波信号中所包括的信息;基于各个目标毫米波信号中所包括的信息分别确定各个目标毫米波信号所对应的头部子区域;基于各个目标毫米波信号所对应的头部子区域,可以更准确地确定目标对象的头部的目标特征信息,从而可以更准确与参考头部姿态的参考特征信息进行匹配,得到更准确的目标对象的头部姿态。
在一个实施例中,如图5所示,上述方法还包括:
步骤502,向参考头部姿态的样本对象发射第三毫米波信号。
样本对象指的是用于获取参考头部姿态的参考特征信息的对象,可以是人物、动物等具有头部的对象,不限于此。参考头部姿态可以包括正常,抬头,低头,左转,右转,左抬头,右抬头,左低头,右低头等。参考头部姿态可以根据用户需要进行设置。第三毫米波信号指的是向样本对象发射的毫米波信号。
步骤504,接收样本对象反射的与第三毫米波信号对应的第四毫米波信号。
可以理解的是,当毫米波信号接触到物体时会进行反射。电子设备向样本对象发射第三毫米波信号,当第三毫米波信号接触到样本对象时,会进行反射,反射的第三毫米波信号即第四毫米波信号。
通过毫米波收发器可以接收样本对象反射的与第三毫米波信号对应的第四毫米波信号。
步骤506,基于第四毫米波信号提取参考头部姿态所对应的参考特征信息,并调整样本对象的参考头部姿态,返回执行向参考头部姿态的样本对象发射第三毫米波信号步骤,直到调整样本对象的参考头部姿态的次数达到阈值为止。
具体地,电子设备可以首先从第四毫米波信号中确定样本对象的头部所对应的参考毫米波信号,再基于参考毫米波信号提取参考头部姿态所对应的参考特征信息。
参考毫米波信号指的是样本对象的头部所反射的第四毫米波信号。可以理解的是,第四毫米波信号是由样本对象反射回来的,因此通过毫米波收发器接收到第四毫米波信号,可以获取第四毫米波信号中所包括的反射方向、强度、传播时长等信息,再通过第四毫米波信号中所包括的信息可以获取到参考头部姿态所对应的参考特征信息。参考特征信息可以包括头部的大小、头部的位置、头部的轮廓、头部中各个组成部分的位置以及大小,频域数据情况等等。
电子设备对样本对象的一个参考头部姿态的参考特征信息提取完成之后,调整样本对象的参考头部姿态,再对调整之后的参考头部姿态的样本对象发射第三毫米波信号,从而再次提取调整之后的参考头部姿态的参考特征信息,以此类推,可以获取到样本对象的各个参考头部姿态的参考特征信息。
进一步地,可以向参考头部姿态的样本对象的头部区域发射第三毫米波信号,接收样本对象的头部区域反射的与第三毫米波信号对应的第四毫米波信号,基于第四毫米波信号提取参考头部姿态所对应的参考特征信息,并调整样本对象的参考头部姿态,返回执行向参考头部姿态的样本对象的头部区域发射第三毫米波信号步骤,直到调整样本对象的参考头部姿态的次数达到阈值为止。仅向样本对象的头部区域发射第三毫米波信号,可以节约电子设备的计算机资源。
在本实施例中,向参考头部姿态的样本对象发射第三毫米波信号;接收样本对象反射的与第三毫米波信号对应的第四毫米波信号;基于第四毫米波信号提取参考头部姿态所对应的参考特征信息,并调整样本对象的参考头部姿态,返回执行向参考头部姿态的样本对象发射第三毫米波信号步骤,直到调整样本对象的参考头部姿态的次数达到阈值为止,可以获取到各个参考头部姿态的参考特征信息,可以用于后续与目标对象的目标特征信息进行匹配,从而准确得到目标对象的头部姿态。
在一个实施例中,对获取到的参考头部姿态的参考特征信息进行解构处理,再进行预处理,将预处理之后的参考头部姿态的参考特征信息输入头部姿态检测模型中,对头部姿态检测模型进行训练,可以获取到训练出更加准确的头部姿态检测模型。
其中,解构处理指的是结构分解。预处理可以包括滤波处理,点数填充、开运算等。例如通过高斯滤波、平滑滤波等对参考头部姿态的参考特征信息进行滤波处理,可以对参考头部姿态的参考特征信息降噪,获取到噪声更低的参考头部姿态的参考特征信息。又如,可以基于参考头部姿态的参考特征信息生成点云序列,在点云序列中进行点数填充,从而对参考头部姿态的参考特征信息进行信号增强。点云序列指的是点云数据组成的序列。点云数据指的是以点的形式记录信息的数据,每一个点包含有三维坐标,也可以包含有颜色信息(RGB)或反射强度信息(Intensity)。
又如,对参考头部姿态的参考特征信息进行开运算处理,从而对参考头部姿态的参考特征信息进行信号增强。开运算指的是先腐蚀处理后膨胀处理。
电子设备将目标毫米波信号输入训练完成的头部姿态检测模型中,可以输出更加准确的目标对象的目标头部姿态。
需要指出的是,可以采用相同的训练方法得到目标对象的其他部位的姿态检测模型,如手部姿态检测模型、脚部姿态检测模型等。通过手部姿态检测模型检测出目标对象的手部姿态,通过脚部姿态检测模型检测出目标对象的脚部姿态。
在一个实施例中,基于参考头部姿态的参考特征信息生成点云序列,将点云序列输入神经网络中进行学习,可以获取到更加准确的头部姿态的分类器。其中,神经网络可以采用卷积神经网络,循环神经网络等算法进行学习。电子设备将目标毫米波信号输入至该头部姿态的分类器中,可以输出更加准确的头部姿态的类别。头部姿态的类别可以是正常,抬头,低头,左转,右转,左抬头,右抬头,左低头,右低头等。
在一个实施例中,如图6所示,电子设备执行步骤602,启动毫米波收发器。执行步骤604,向参考头部姿态的样本对象的头部区域发射第三毫米波信号。执行步骤606,接收样本对象的头部区域反射的与第三毫米波信号对应的第四毫米波信号。执行步骤608,提取参考头部姿态所对应的参考特征信息。
执行步骤610,判断调整次数是否达到阈值。当判断为否时,也就是调整次数未达到阈值时,执行步骤612,调整参考头部姿态;再返回执行步骤604,向参考头部姿态的样本对象的头部区域发射第三毫米波信号。当判断为是时,也就是调整次数达到阈值时,执行步骤614,输出参考头部姿态的参考特征信息的样本集。执行步骤616,采用样本集训练头部姿态检测模型。
在一个实施例中,如图7所示,当电子设备获取到头部姿态检测指令时,执行步骤702,启动毫米波收发器。执行步骤704,向目标对象的头部区域发射第一毫米波信号。执行步骤706,接收目标对象的头部区域反射的与第一毫米波信号对应的第二毫米波信号。执行步骤708,将第二毫米波信号输入训练之后的头部姿态检测模型。执行步骤710,输出目标对象的目标头部姿态。
在一个实施例中,应用于驾驶车辆场景,方法还包括:当目标对象的目标头部姿态处于预设头部姿态时,统计目标对象的目标头部姿态处于预设头部姿态的时长;预设头部姿态的头部的垂直夹角小于预设夹角;当时长大于时长阈值时,生成警告信息。
预设头部姿态的头部的垂直夹角指的是头部与竖直方向的夹角。当预设头部姿态的头部的垂直夹角小于预设夹角时,表示预设头部姿态处于低头姿态或者抬头姿态。
由于驾驶疲劳导致的交通事故通常比一般交通事故要严重很多,通常为重大交通事故,驾驶员在事故中死亡概率较高。据有关研究表明,在发生交通事故前对司机进行提醒,可以成功避免交通事故的概率达90%左右。因此,对驾驶员的疲劳程度进行实时检测与预警,对避免交通事故的发生具有重要的意义。
可以理解的是,当目标对象的目标头部姿态处于预设头部姿态时,表示目标对象的视线并不是在车辆前方,则统计目标对象的目标头部姿态处于预设头部姿态的时长;当时长大于时长阈值时,表示目标对象的头部长时间处于预设头部姿态,也就是头部长时间处于低头姿态或者抬头姿态,目标对象的疲劳程度较严重,可能存在疲劳驾驶的情况,容易发生车祸事故,因此生成警告信息提醒目标对象,提高驾驶车辆的安全性。其中,警告信息可以是声音、振动、气味等,不限于此。
在一个实施例中,应用于教学场景,包括:获取目标对象在预设时长内的各个目标头部姿态;统计目标对象在预设时长内的目标头部姿态变化的次数;基于目标头部姿态变化的次数确定目标对象的学习状态。
预设时长可以根据用户需要进行设置。
可以理解的是,在教学场景中,目标对象在预设时长内的目标头部姿态变化的次数少,则目标对象在预设时长内的目标头部姿态的变化频率慢,表示该目标对象处于专注的学习状态;目标对象在预设时长内的目标头部姿态变化的次数多,则目标对象在预设时长内的目标头部姿态的变化频率快,表示该目标对象不处于专注的学习状态。
进一步地,基于目标头部姿态变化的次数确定目标对象的学习状态,包括:当目标头部姿态变化的次数小于次数阈值,目标对象的学习状态为第一学习状态;当目标头部姿态变化的次数大于或等于次数阈值,目标对象的学习状态为第二学习状态。其中,次数阈值可以根据用户需要进行设置。
当目标头部姿态变化的次数小于次数阈值,表示目标对象在预设时长内专注于学习,目标对象的学习状态为第一学习状态;当目标头部姿态变化的次数大于或等于次数阈值,表示目标对象在预设时长内不专注于学习,目标对象的学习状态为第二学习状态。可以理解的是,目标对象处于第一学习状态时,比处于第二学习状态时更加专注于学习。通过检测目标对象的目标头部姿态,从而判断目标对象的学习状态,可以辅助提升教学效果。
在一个实施例中,上述方法还包括:检测环境光的亮度;当环境光的亮度低于预设亮度时,执行获取头部姿态检测指令步骤。
环境光亮度指的是电子设备所处的环境中光线的亮度。环境光的亮度低于预设亮度,表示电子设备所处的环境光线较暗或者处于无光环境下。当环境光的亮度低于预设亮度时,执行获取头部姿态检测指令步骤,确定目标对象的目标头部姿态,避免了采用摄像头对目标对象进行拍摄而受到环境光亮度影响的问题,即使在较暗或者无光的环境下依旧可以准确地确定目标对象的目标头部姿态。
在另一个实施例中,上述头部姿态的检测方法,也可以应用于预设的环境光条件下。预设的环境光条件可以根据用户需要进行设置。上述的头部姿态检测方法避免了采用摄像头对目标对象进行拍摄而检测目标对象的头部姿态,从而避免了各种环境光条件的影响,在各种预设的环境光条件下,依旧可以准确地检测出目标对象的目标头部姿态。
应该理解的是,虽然图2、图4至图7的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2、图4至图7中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
图8为一个实施例的头部姿态的检测装置的结构框图。如图8所示,提供了一种头部姿态的检测装置800,包括:第一毫米波信号发射模块802、第二毫米波信号接收模块804、目标毫米波信号确定模块806和目标头部姿态确定模块808,其中:
第一毫米波信号发射模块802,用于获取头部姿态检测指令,根据头部姿态检测指令向目标对象发射第一毫米波信号。
第二毫米波信号接收模块804,用于接收目标对象反射的与第一毫米波信号对应的第二毫米波信号。
目标毫米波信号确定模块806,用于从第二毫米波信号中确定目标对象的头部所对应的目标毫米波信号。
目标头部姿态确定模块808,用于基于目标毫米波信号确定目标对象的目标头部姿态。
上述头部姿态的检测装置,获取头部姿态检测指令,根据头部姿态检测指令向目标对象发射第一毫米波信号;接收目标对象反射的与第一毫米波信号对应的第二毫米波信号;从第二毫米波信号中确定目标对象的头部所对应的目标毫米波信号;基于目标毫米波信号确定目标对象的目标头部姿态,避免了采用摄像头进行拍摄而受到光照变化、背景变化等因素的影响,从而可以更准确地确定目标对象的目标头部姿态。
在一个实施例中,上述目标头部姿态确定模块808还用于从目标毫米波信号中提取目标对象的头部的目标特征信息;将参考头部姿态的参考特征信息与目标特征信息进行匹配,并将与参考特征信息相匹配的参考头部姿态作为目标对象的目标头部姿态。
在一个实施例中,上述目标头部姿态确定模块808还用于获取各个目标毫米波信号中所包括的信息;基于各个目标毫米波信号中所包括的信息分别确定各个目标毫米波信号所对应的头部子区域;基于各个目标毫米波信号所对应的头部子区域,确定目标对象的头部的目标特征信息。
在一个实施例中,上述头部姿态的检测装置800还包括调整模块,用于向参考头部姿态的样本对象发射第三毫米波信号;接收样本对象反射的与第三毫米波信号对应的第四毫米波信号;基于第四毫米波信号提取参考头部姿态所对应的参考特征信息,并调整样本对象的参考头部姿态,返回执行向参考头部姿态的样本对象发射第三毫米波信号步骤,直到调整样本对象的参考头部姿态的次数达到阈值为止。
在一个实施例中,上述头部姿态检测装置800还包括驾驶车辆场景模块,用于当目标对象的目标头部姿态处于预设头部姿态时,统计目标对象的目标头部姿态处于预设头部姿态的时长;预设头部姿态的头部的垂直夹角小于预设夹角;当时长大于时长阈值时,生成警告信息。
在一个实施例中,上述头部姿态检测装置800还包括教学场景模块,用于获取目标对象在预设时长内的各个目标头部姿态;统计目标对象在预设时长内的目标头部姿态变化的次数;基于目标头部姿态变化的次数确定目标对象的学习状态。
在一个实施例中,上述教学场景模块还用于当目标头部姿态变化的次数小于次数阈值,目标对象的学习状态为第一学习状态;当目标头部姿态变化的次数大于或等于次数阈值,目标对象的学习状态为第二学习状态。
在一个实施例中,上述头部姿态检测装置800还包括环境光检测模块,用于检测环境光的亮度;当环境光的亮度低于预设亮度时,执行获取头部姿态检测指令步骤。
上述头部姿态的检测装置中各个模块的划分仅用于举例说明,在其他实施例中,可将头部姿态的检测装置按照需要划分为不同的模块,以完成上述头部姿态的检测装置的全部或部分功能。
关于头部姿态的检测装置的具体限定可以参见上文中对于头部姿态的检测方法的限定,在此不再赘述。上述头部姿态的检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
图9为一个实施例中电子设备的内部结构示意图。如图9所示,该电子设备包括通过***总线连接的处理器和存储器。其中,该处理器用于提供计算和控制能力,支撑整个电子设备的运行。存储器可包括非易失性存储介质及内存储器。非易失性存储介质存储有操作***和计算机程序。该计算机程序可被处理器所执行,以用于实现以下各个实施例所提供的一种头部姿态的检测方法。内存储器为非易失性存储介质中的操作***计算机程序提供高速缓存的运行环境。该电子设备可以是手机、平板电脑、PDA(Personal DigitalAssistant,个人数字助理)、POS(Point of Sales,销售终端)、车载电脑、穿戴式设备等任意终端设备。
本申请实施例中提供的头部姿态的检测装置中的各个模块的实现可为计算机程序的形式。该计算机程序可在终端或服务器上运行。该计算机程序构成的程序模块可存储在电子设备的存储器上。该计算机程序被处理器执行时,实现本申请实施例中所描述方法的步骤。
本申请实施例还提供了一种计算机可读存储介质。一个或多个包含计算机可执行指令的非易失性计算机可读存储介质,当所述计算机可执行指令被一个或多个处理器执行时,使得所述处理器执行头部姿态的检测方法的步骤。
一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行头部姿态的检测方法。
本申请所使用的对存储器、存储、数据库或其它介质的任何引用可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM),它用作外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDR SDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (11)
1.一种头部姿态的检测方法,其特征在于,包括:
获取头部姿态检测指令,根据所述头部姿态检测指令向目标对象发射第一毫米波信号;
接收所述目标对象反射的与所述第一毫米波信号对应的第二毫米波信号;
从所述第二毫米波信号中确定所述目标对象的头部所对应的目标毫米波信号;
基于所述目标毫米波信号确定所述目标对象的目标头部姿态。
2.根据权利要求1所述的方法,其特征在于,所述基于所述目标毫米波信号确定所述目标对象的目标头部姿态,包括:
从所述目标毫米波信号中提取所述目标对象的头部的目标特征信息;
将参考头部姿态的参考特征信息与所述目标特征信息进行匹配,并将与参考特征信息相匹配的参考头部姿态作为所述目标对象的目标头部姿态。
3.根据权利要求2所述的方法,其特征在于,所述从所述目标毫米波信号中提取所述目标对象的头部的目标特征信息,包括:
获取各个所述目标毫米波信号中所包括的信息;
基于各个所述目标毫米波信号中所包括的信息分别确定各个所述目标毫米波信号所对应的头部子区域;
基于各个所述目标毫米波信号所对应的头部子区域,确定所述目标对象的头部的目标特征信息。
4.根据权利要求2所述的方法,其特征在于,所述方法还包括:
向参考头部姿态的样本对象发射第三毫米波信号;
接收所述样本对象反射的与所述第三毫米波信号对应的第四毫米波信号;
基于所述第四毫米波信号提取所述参考头部姿态所对应的参考特征信息,并调整所述样本对象的参考头部姿态,返回执行向参考头部姿态的样本对象发射第三毫米波信号步骤,直到调整所述样本对象的参考头部姿态的次数达到阈值为止。
5.根据权利要求1所述的方法,其特征在于,应用于驾驶车辆场景,所述方法还包括:
当所述目标对象的目标头部姿态处于预设头部姿态时,统计所述目标对象的目标头部姿态处于预设头部姿态的时长;所述预设头部姿态的头部的垂直夹角小于预设夹角;
当所述时长大于时长阈值时,生成警告信息。
6.根据权利要求1所述的方法,其特征在于,应用于教学场景,包括:
获取所述目标对象在预设时长内的各个目标头部姿态;
统计所述目标对象在预设时长内的目标头部姿态变化的次数;
基于所述目标头部姿态变化的次数确定所述目标对象的学习状态。
7.根据权利要求6所述的方法,其特征在于,所述基于所述目标头部姿态变化的次数确定所述目标对象的学习状态,包括:
当所述目标头部姿态变化的次数小于次数阈值,所述目标对象的学习状态为第一学习状态;
当所述目标头部姿态变化的次数大于或等于次数阈值,所述目标对象的学习状态为第二学习状态。
8.根据权利要求1至7任一项所述的方法,其特征在于,所述方法还包括:
检测环境光的亮度;
当所述环境光的亮度低于预设亮度时,执行所述获取头部姿态检测指令步骤。
9.一种头部姿态的检测装置,其特征在于,包括:
第一毫米波信号发射模块,用于获取头部姿态检测指令,根据所述头部姿态检测指令向目标对象发射第一毫米波信号;
第二毫米波信号接收模块,用于接收所述目标对象反射的与所述第一毫米波信号对应的第二毫米波信号;
目标毫米波信号确定模块,用于从所述第二毫米波信号中确定所述目标对象的头部所对应的目标毫米波信号;
目标头部姿态确定模块,用于基于所述目标毫米波信号确定所述目标对象的目标头部姿态。
10.一种电子设备,包括存储器及处理器,所述存储器中储存有计算机程序,其特征在于,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1至8中任一项所述的头部姿态的检测方法的步骤。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010235978.1A CN113456058A (zh) | 2020-03-30 | 2020-03-30 | 头部姿态的检测方法、装置、电子设备和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010235978.1A CN113456058A (zh) | 2020-03-30 | 2020-03-30 | 头部姿态的检测方法、装置、电子设备和可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113456058A true CN113456058A (zh) | 2021-10-01 |
Family
ID=77864809
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010235978.1A Withdrawn CN113456058A (zh) | 2020-03-30 | 2020-03-30 | 头部姿态的检测方法、装置、电子设备和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113456058A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106228293A (zh) * | 2016-07-18 | 2016-12-14 | 重庆中科云丛科技有限公司 | 教学评估方法及*** |
CN107665330A (zh) * | 2016-07-29 | 2018-02-06 | 本田技研工业株式会社 | 检测注意力分散和向下垂直头部姿势的***和方法 |
CN108021902A (zh) * | 2017-12-19 | 2018-05-11 | 珠海瞳印科技有限公司 | 头部姿态识别方法、头部姿态识别装置和存储介质 |
CN109875568A (zh) * | 2019-03-08 | 2019-06-14 | 北京联合大学 | 一种用于疲劳驾驶检测的头部姿态检测方法 |
CN110020633A (zh) * | 2019-04-12 | 2019-07-16 | 腾讯科技(深圳)有限公司 | 姿态识别模型的训练方法、图像识别方法及装置 |
CN110287755A (zh) * | 2018-03-19 | 2019-09-27 | 广东欧珀移动通信有限公司 | 信息处理方法和装置、电子设备、计算机可读存储介质 |
CN110450784A (zh) * | 2019-07-30 | 2019-11-15 | 深圳普捷利科技有限公司 | 一种基于fmcw雷达的驾驶员状态监视方法及*** |
-
2020
- 2020-03-30 CN CN202010235978.1A patent/CN113456058A/zh not_active Withdrawn
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106228293A (zh) * | 2016-07-18 | 2016-12-14 | 重庆中科云丛科技有限公司 | 教学评估方法及*** |
CN107665330A (zh) * | 2016-07-29 | 2018-02-06 | 本田技研工业株式会社 | 检测注意力分散和向下垂直头部姿势的***和方法 |
CN108021902A (zh) * | 2017-12-19 | 2018-05-11 | 珠海瞳印科技有限公司 | 头部姿态识别方法、头部姿态识别装置和存储介质 |
CN110287755A (zh) * | 2018-03-19 | 2019-09-27 | 广东欧珀移动通信有限公司 | 信息处理方法和装置、电子设备、计算机可读存储介质 |
CN109875568A (zh) * | 2019-03-08 | 2019-06-14 | 北京联合大学 | 一种用于疲劳驾驶检测的头部姿态检测方法 |
CN110020633A (zh) * | 2019-04-12 | 2019-07-16 | 腾讯科技(深圳)有限公司 | 姿态识别模型的训练方法、图像识别方法及装置 |
CN110450784A (zh) * | 2019-07-30 | 2019-11-15 | 深圳普捷利科技有限公司 | 一种基于fmcw雷达的驾驶员状态监视方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11182592B2 (en) | Target object recognition method and apparatus, storage medium, and electronic device | |
US11392131B2 (en) | Method for determining driving policy | |
EP3488382B1 (en) | Method and system for monitoring the status of the driver of a vehicle | |
CN106952303B (zh) | 车距检测方法、装置和*** | |
US20190318181A1 (en) | System and method for driver monitoring | |
US10372972B2 (en) | Face detection apparatus, face detection method, and program | |
CN105512632B (zh) | 活体检测方法及装置 | |
US11527077B2 (en) | Advanced driver assist system, method of calibrating the same, and method of detecting object in the same | |
EP2234086A1 (en) | Vehicle periphery monitoring device, vehicle, vehicle periphery monitoring program, and vehicle periphery monitoring method | |
CN106919908B (zh) | 障碍物识别方法及装置、计算机设备及可读介质 | |
EP3588372A1 (en) | Controlling an autonomous vehicle based on passenger behavior | |
US11087224B2 (en) | Out-of-vehicle communication device, out-of-vehicle communication method, information processing device, and computer readable medium | |
CN111598065B (zh) | 深度图像获取方法及活体识别方法、设备、电路和介质 | |
KR101914362B1 (ko) | 차량 내/외부 정보 통합 분석 기반의 위험 상황 경고 시스템 및 그 방법 | |
US10945888B2 (en) | Intelligent blind guide method and apparatus | |
WO2020243968A1 (zh) | 人脸识别的装置、方法和电子设备 | |
CN111434553A (zh) | 制动***、方法、装置、疲劳驾驶模型的训练方法和装置 | |
CN111582077A (zh) | 基于人工智能软件技术的安全带佩戴检测方法和装置 | |
US7599546B2 (en) | Image information processing system, image information processing method, image information processing program, and automobile | |
CN114868148A (zh) | 信息处理装置、信息处理***、信息处理程序及信息处理方法 | |
CN114119955A (zh) | 一种潜在危险目标检测方法及装置 | |
CN210166794U (zh) | 人脸识别的装置和电子设备 | |
CN114973215A (zh) | 一种疲劳驾驶的确定方法、装置及电子设备 | |
CN113456058A (zh) | 头部姿态的检测方法、装置、电子设备和可读存储介质 | |
KR101680833B1 (ko) | 보행자 검출 경보 장치 및 방법 |
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 |
Application publication date: 20211001 |
|
WW01 | Invention patent application withdrawn after publication |