CN115284976A - 车辆座椅自动调节方法、装置、设备及存储介质 - Google Patents
车辆座椅自动调节方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115284976A CN115284976A CN202210958391.2A CN202210958391A CN115284976A CN 115284976 A CN115284976 A CN 115284976A CN 202210958391 A CN202210958391 A CN 202210958391A CN 115284976 A CN115284976 A CN 115284976A
- Authority
- CN
- China
- Prior art keywords
- data
- face
- passenger
- vehicle seat
- preset
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000001815 facial effect Effects 0.000 claims description 42
- 238000013527 convolutional neural network Methods 0.000 claims description 24
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 208000037170 Delayed Emergence from Anesthesia Diseases 0.000 description 5
- 238000013145 classification model Methods 0.000 description 4
- 210000000887 face Anatomy 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 229910052731 fluorine Inorganic materials 0.000 description 3
- 125000001153 fluoro group Chemical group F* 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 206010047571 Visual impairment Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60N—SEATS SPECIALLY ADAPTED FOR VEHICLES; VEHICLE PASSENGER ACCOMMODATION NOT OTHERWISE PROVIDED FOR
- B60N2/00—Seats specially adapted for vehicles; Arrangement or mounting of seats in vehicles
- B60N2/02—Seats specially adapted for vehicles; Arrangement or mounting of seats in vehicles the seat or part thereof being movable, e.g. adjustable
- B60N2/0224—Non-manual adjustments, e.g. with electrical operation
- B60N2/0244—Non-manual adjustments, e.g. with electrical operation with logic circuits
- B60N2/0248—Non-manual adjustments, e.g. with electrical operation with logic circuits with memory of positions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60N—SEATS SPECIALLY ADAPTED FOR VEHICLES; VEHICLE PASSENGER ACCOMMODATION NOT OTHERWISE PROVIDED FOR
- B60N2/00—Seats specially adapted for vehicles; Arrangement or mounting of seats in vehicles
- B60N2/002—Seats provided with an occupancy detection means mounted therein or thereon
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60N—SEATS SPECIALLY ADAPTED FOR VEHICLES; VEHICLE PASSENGER ACCOMMODATION NOT OTHERWISE PROVIDED FOR
- B60N2/00—Seats specially adapted for vehicles; Arrangement or mounting of seats in vehicles
- B60N2/02—Seats specially adapted for vehicles; Arrangement or mounting of seats in vehicles the seat or part thereof being movable, e.g. adjustable
- B60N2/0224—Non-manual adjustments, e.g. with electrical operation
- B60N2/0244—Non-manual adjustments, e.g. with electrical operation with logic circuits
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60N—SEATS SPECIALLY ADAPTED FOR VEHICLES; VEHICLE PASSENGER ACCOMMODATION NOT OTHERWISE PROVIDED FOR
- B60N2/00—Seats specially adapted for vehicles; Arrangement or mounting of seats in vehicles
- B60N2/02—Seats specially adapted for vehicles; Arrangement or mounting of seats in vehicles the seat or part thereof being movable, e.g. adjustable
- B60N2/0224—Non-manual adjustments, e.g. with electrical operation
- B60N2/0244—Non-manual adjustments, e.g. with electrical operation with logic circuits
- B60N2/0268—Non-manual adjustments, e.g. with electrical operation with logic circuits using sensors or detectors for adapting the seat or seat part, e.g. to the position of an occupant
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
- G06V20/593—Recognising seat occupancy
-
- 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
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Library & Information Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Seats For Vehicles (AREA)
Abstract
本发明公开了一种车辆座椅自动调节方法、装置、设备及存储介质,该方法包括:在车厢内检测到乘坐人员时,通过车载摄像头获取乘坐人员的图像;对图像中的人脸图像进行人脸识别,并根据人脸识别的结果确定预设数据库中是否存在乘坐人员的面部数据;在预设数据库中存在乘坐人员的面部数据时,从预设数据库中获取与面部数据对应的座椅数据;根据座椅数据自动调节所述乘坐人员对应的车辆座椅。本发明通过在车厢内检测到乘坐人员时,对乘坐人员图像中的人脸图像进行人脸识别,在根据人脸识别结果确定预设数据库中存在乘坐人员的面部数据时,获取与面部数据对应的座椅数据,根据座椅数据自动调节车辆座椅,在提高座椅调节准确度的同时提高了调节效率。
Description
技术领域
本发明涉及汽车技术领域,尤其涉及一种车辆座椅自动调节方法、装置、设备及存储介质。
背景技术
随着技术的发展,汽车日益得到普及,人们对于汽车驾驶和乘坐的舒适性要求也越来越高,这就要求提高汽车的智能化程度以满足客户需求,驾驶员或乘客在驾驶或乘坐汽车时,往往会将车辆座椅调节到最适合自己的位置,更换不同的驾驶员或乘客的时候一般需要重新调节车辆座椅,目前一般通过手动的方式来调节座椅,调节的准确度低且耗费时间长。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供了一种车辆座椅自动调节方法、装置、设备及存储介质,旨在解决现有技术调节车辆座椅的准确度低且耗费时间长的技术问题。
为实现上述目的,本发明提供了一种车辆座椅自动调节方法,所述方法包括以下步骤:
在车厢内检测到乘坐人员时,通过车载摄像头获取所述乘坐人员的图像;
对所述图像中的人脸图像进行人脸识别,并根据人脸识别的结果确定预设数据库中是否存在所述乘坐人员的面部数据;
在所述预设数据库中存在所述乘坐人员的面部数据时,从所述预设数据库中获取与所述面部数据对应的座椅数据;
根据所述座椅数据自动调节所述乘坐人员对应的车辆座椅。
可选地,所述对所述图像中的人脸图像进行人脸识别,并根据人脸识别的结果确定预设数据库中是否存在所述乘坐人员的面部数据,包括:
通过预设分类模式对所述图像进行分类,根据分类结果确定所述图像中是否存在人脸图像;
在所述图像中存在人脸图像时,通过第一预设卷积神经网络模型对所述人脸图像进行人脸识别;
根据人脸识别结果确定所述人脸图像的人脸特征值;
根据所述人脸特征值确定预设数据库中是否存在所述乘坐人员的面部数据。
可选地,所述根据所述人脸特征值确定预设数据库中是否存在所述乘坐人员的面部数据,包括:
根据所述人脸特征值和预设数据库中多个存储面部数据的存储征值确定各存储面部数据对应的人脸相差度;
若存在人脸相差度大于或等于预设相差度阈值,则判定所述预设数据库中存在所述乘坐人员的面部数据。
可选地,所述根据所述人脸特征值和预设数据库中多个存储面部数据的存储征值确定各存储面部数据对应的人脸相差度,包括:
根据所述人脸特征值和预设数据库中多个存储面部数据的存储特征值,通过预设相差度公式确定各存储面部数据对应的人脸相差度;
其中,预设相差度公式为:
式中,d(x,y(j))为相差度;a为人脸特征值的数量;n为存储面部数据的数量;xi为第i个人脸特征值;y(j)i为第j个存储面部数据的第i个人脸特征值。
可选地,所述对所述图像中的人脸图像进行人脸识别,并根据人脸识别的结果确定预设数据库中是否存在所述乘坐人员的面部数据之后,还包括:
在所述预设数据库中不存在所述乘坐人员的面部数据时,获取所述乘坐人员的身体特征数据;
将所述身体特征数据输入第二预设卷积神经网络模型,并获取所述第二预设卷积神经网络模型输出的拟合座椅数据;
根据所述拟合座椅数据自动调节所述乘坐人员对应的车辆座椅。
可选地,所述在所述预设数据库中不存在所述乘坐人员的面部数据时,获取所述乘坐人员的身体特征数据,包括:
在所述预设数据库中不存在所述乘坐人员的面部数据时,获取通过座椅传感器采集的所述乘坐人员对应车辆座椅的压力数据,所述压力数据包括头枕压力、靠背压力和坐垫压力;
根据所述压力数据,通过预设转换公式确定所述乘坐人员的身体特征数据;
其中,所述预设转换公式为:
R=α*H+β*(B+S)
式中,R为身体特征值;α为第一权重系数;H为头枕压力;β为第二权重系数;B为靠背压力;S为坐垫压力。
可选地,所述根据所述拟合座椅数据自动调节所述乘坐人员对应的车辆座椅之后,还包括:
在对所述车辆座椅调节完成时,将所述面部数据与所述拟合座椅数据对应存储至所述预设数据库。
此外,为实现上述目的,本发明还提出一种车辆座椅自动调节装置,所述装置包括:
图像获取模块,用于在车厢内检测到乘坐人员时,通过车载摄像头获取所述乘坐人员的图像;
确定模块,用于对所述图像中的人脸图像进行人脸识别,并根据人脸识别的结果确定预设数据库中是否存在所述乘坐人员的面部数据;
数据获取模块,用于在所述预设数据库中存在所述乘坐人员的面部数据时,从所述预设数据库中获取与所述面部数据对应的座椅数据;
调节模块,用于根据所述座椅数据自动调节所述乘坐人员对应的车辆座椅。
此外,为实现上述目的,本发明还提出一种车辆座椅自动调节设备,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的车辆座椅自动调节程序,所述车辆座椅自动调节程序配置为实现如上文所述的车辆座椅自动调节方法的步骤。
此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有车辆座椅自动调节程序,所述车辆座椅自动调节程序被处理器执行时实现如上文所述的车辆座椅自动调节方法的步骤。
本发明在车厢内检测到乘坐人员时,通过车载摄像头获取所述乘坐人员的图像;对所述图像中的人脸图像进行人脸识别,并根据人脸识别的结果确定预设数据库中是否存在所述乘坐人员的面部数据;在所述预设数据库中存在所述乘坐人员的面部数据时,从所述预设数据库中获取与所述面部数据对应的座椅数据;根据所述座椅数据自动调节所述乘坐人员对应的车辆座椅。由于本发明是在车厢内检测到乘坐人员时,对乘坐人员图像中的人脸图像进行人脸识别,在根据人脸识别结果确定预设数据库中存在乘坐人员的面部数据时,获取与面部数据对应的座椅数据,根据座椅数据自动调节车辆座椅,解决了现有技术中需要通过手动调节车辆座椅的技术问题,在提高座椅调节准确度的同时提高了调节效率。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的车辆座椅自动调节设备的结构示意图;
图2为本发明车辆座椅自动调节方法第一实施例的流程示意图;
图3为本发明车辆座椅自动调节方法一实施例中控制单元与各器件和单元之间的连接关系示意图;
图4为本发明车辆座椅自动调节方法一实施例中SVM模型分类过程示意图;
图5为本发明车辆座椅自动调节方法一实施例中ResNet18网络架构示意图;
图6为本发明车辆座椅自动调节方法一实施例中残差块的结构示意图;
图7为本发明车辆座椅自动调节方法第二实施例的流程示意图;
图8为本发明车辆座椅自动调节方法第三实施例的流程示意图;
图9为本发明车辆座椅自动调节装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的车辆座椅自动调节设备结构示意图。
如图1所示,该车辆座椅自动调节设备可以包括:处理器1001,例如中央处理器(Central Processing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity,WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory,RAM),也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对车辆座椅自动调节设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作***、网络通信模块、用户接口模块以及车辆座椅自动调节程序。
在图1所示的车辆座椅自动调节设备中,网络接口1004主要用于与网络服务器进行数据通信;用户接口1003主要用于与用户进行数据交互;本发明车辆座椅自动调节设备中的处理器1001、存储器1005可以设置在车辆座椅自动调节设备中,所述车辆座椅自动调节设备通过处理器1001调用存储器1005中存储的车辆座椅自动调节程序,并执行本发明实施例提供的车辆座椅自动调节方法。
本发明实施例提供了一种车辆座椅自动调节方法,参照图2,图2为本发明车辆座椅自动调节方法第一实施例的流程示意图。
本实施例中,所述车辆座椅自动调节方法包括以下步骤:
步骤S1:在车厢内检测到乘坐人员时,通过车载摄像头获取所述乘坐人员的图像。
需要说明的是,本实施例的执行主体可以是一种具有数据处理、网络通信以及程序运行功能的计算服务设备,例如行车电脑、车载电脑、汽车中央控制单元等,或者是一种能够实现上述功能的电子设备、车辆座椅自动调节设备等。以下以汽车中央控制单元(简称控制单元)为例,对本实施例及下述各实施例进行举例说明。
可以理解的是,乘坐人员包括驾驶员和乘客,本实施例提出的车辆座椅自动调节方法可用于对驾驶位置的车辆座椅进行调节,也可用于对乘客位置的车辆座椅进行调节;可通过压力传感器和/或车载摄像头检测车厢内是否存在乘坐人员;乘坐人员的图像可以是通过车载摄像头拍摄的包含乘坐人员身体和乘坐人员所处环境的图像。
在具体实现中,通过压力传感器采集车辆座椅受到的外部压力,通过车载摄像头检测是否有人进入车厢,在压力传感器采集到的外部压力大于预设压力和/或车载摄像头检测到有人进入车厢时,通过车载摄像头拍摄乘坐人员图像。
步骤S2:对所述图像中的人脸图像进行人脸识别,并根据人脸识别的结果确定预设数据库中是否存在所述乘坐人员的面部数据。
可以理解的是,人脸图像可以是仅包含乘坐人员人脸的图像;预设数据库可以是预先设定的存储有面部数据与座椅数据之间对应关系的数据库;面部数据可以是乘坐人员的人脸特征数据。
步骤S3:在所述预设数据库中存在所述乘坐人员的面部数据时,从所述预设数据库中获取与所述面部数据对应的座椅数据。
可以理解的是,在所述预设数据库中存在所述乘坐人员的面部数据时,判定预设数据库中存在与乘坐人员匹配的座椅数据;座椅数据包括坐垫数据、靠背数据和头枕数据,坐垫数据可以是车辆座椅坐垫的前后位置数据,靠背数据可以是车辆座椅靠背的倾斜数据,头枕数据可以是车辆座椅头枕的上下位置数据。
步骤S4:根据所述座椅数据自动调节所述乘坐人员对应的车辆座椅。
在具体实现中,参照图3,图3为控制单元与各器件和单元之间的连接关系示意图,控制单元通过车辆座椅坐垫上设置的压力传感器采集车辆座椅受到的外部压力,通过车载摄像头检测是否有人进入车厢,在压力传感器采集到的外部压力大于预设压力值和/或通过车载摄像头检测到有人进入车厢时,通过车载摄像头拍摄进入车厢的乘坐人员的图像,可按照预设频率连续拍摄多张图像,并从中选取清晰度最高的图像,对该图像进行预处理,保留预处理后图像中的面部图像,对面部图像进行人脸识别,根据人脸识别结果确定预设数据库中是否存在乘坐人员的面部数据,若存在,则获取面部数据对应的坐垫数据、靠背数据和头枕数据,控制单元根据坐垫数据控制坐垫调节单元调节车辆座椅的坐垫前后位置,根据靠背数据控制靠背调节单元调节车辆座椅的靠背倾斜角度,根据头枕数据控制头枕调节单元调节车辆座椅的头枕上下位置,其中预处理包括调整亮度、调整对比度和去噪等处理方式,在对图像进行预处理后,还可将图像转化为数据矩阵格式存储。
进一步地,为了提高人脸识别的准确度,所述步骤S2,包括:
步骤S21:通过预设分类模式对所述图像进行分类,根据分类结果确定所述图像中是否存在人脸图像。
可以理解的是,预设分类模式可以是预先设定的经过训练的SVM模型,通过预先训练的SVM模型对图像中是否存在人脸进行分类;在对SVM模型训练的过程中,利用大量原先存在人脸的图片和原先不存在人脸的图片对初始SVM模型进行训练得到预设分类模型,将预设分类模型保存在中央控制单元中,在通过车载摄像头获取到乘坐人员的图像后,将该图片输入到预设的SVM模型中进行分类,判断图片中是否存在人脸。
在本实施例中,采用SVM模型作为分类模型是因为车载***中能够获取到的数据样本较少,而SVM模型能够有效解决小样本情况下的分类问题,同时车载***对分类速度的要求高,SVM模型作为二分类模型,能够在很短的时间内对输入的图像进行二分类,快速判断图像中是否存在人脸图像,从而提高分类效率,进一步地,由于进行分类的图像是由车载摄像头拍摄的,所以图像的分布是不可预测的,可能存在非线性模型的情况,而SVM模型能够很好的解决非线性的情况。
可以理解的是,参照图4,图4为SVM模型分类过程示意图,SVM模型是通过找到最优决策边界(参照图2中的两条虚线)来确定分类线B线,在本实施例中,位于B线右上方和位于B线左下方的点分别代表包含人脸的图片跟不包含人脸的图片,在对SVM模型进行预训练之后,可以得到B线,B线符合方程WT*X+b=0,在图片中包含人脸时,为正样本,符合方程WT*X+b≥0;反之则为负样本,符合方程WT*X+b≤0,其中W与b为分类线的系数,由预训练好的SVM模型确定,X是样本的属性,一般来说X的维度是与其样本个数相同。
步骤S22:在所述图像中存在人脸图像时,通过第一预设卷积神经网络模型对所述人脸图像进行人脸识别。
可以理解的是,第一预设卷积神经网络可以是预先设定的经过训练的卷积神经网络,本实施例中的第一预设卷积神经网络模型可以是经过训练的ResNet18卷积神经网络模型。
在本实施例中,使用VGGFace2人脸数据集对网络进行预训练,使其能够在摄像头所拍摄的图片中框选乘坐人员的人脸,ResNet作为经典的分类CNN模型,解决了CNN网络层数加深会模型容易过拟合的问题,并且不管是处理文本数据分类或是图片数据分类都有着非常出色的表现,本实施例中采用的ResNet18架构简单,容易训练且轻量化,能够很好的在车载***上运行。
可以理解的是,参照图5和图6,图5为ResNet18网络架构示意图;图6为残差块的结构示意图;ResNet18借鉴了VGG块的思想,构建了残差块的概念,主要网络由一系列的残差块连接在一起构成的,总体结构由1个卷积层作为输入,8个残差块用于提取特征,1个平均池化层和1个全连接层作为输出;ResNet18卷积神经网络主要是利用ResNet网络块提前对人脸数据集进行多次迭代训练,使网络能够在图片中识别出人脸。
步骤S23:根据人脸识别结果确定所述人脸图像的人脸特征值。
可以理解的是,人脸特征值可以是通过预先训练的ResNet18从人脸图像中提取的特征值。
步骤S24:根据所述人脸特征值确定预设数据库中是否存在所述乘坐人员的面部数据。
在具体实现中,通过预先训练的SVM模型对乘坐人员的图像进行分类,根据分类结果确定该图像中是否包含人脸图像,若包含,则通过预先训练的ResNet18网络从人脸图像中提取特征值,将提取到的特征值与预设数据库中的特征值进行比较,根据比较结果确定预设数据库中是否存在乘坐人员的面部数据,其中提取特征值可以是提取人脸图像上人脸特征点的特征值,人脸特征点包含眉毛特征点,眼睛特征点,鼻子特征点以及嘴巴特征点一共68个特征点,将68个特征点输入ResNet18网络中生成128个特征值,即每张人脸图像对应128个特征值。
本实施例在车厢内检测到乘坐人员时,通过车载摄像头获取所述乘坐人员的图像;对所述图像中的人脸图像进行人脸识别,并根据人脸识别的结果确定预设数据库中是否存在所述乘坐人员的面部数据;在所述预设数据库中存在所述乘坐人员的面部数据时,从所述预设数据库中获取与所述面部数据对应的座椅数据;根据所述座椅数据自动调节所述乘坐人员对应的车辆座椅。由于本实施例是在车厢内检测到乘坐人员时,对乘坐人员图像中的人脸图像进行人脸识别,在根据人脸识别结果确定预设数据库中存在乘坐人员的面部数据时,获取与面部数据对应的座椅数据,根据座椅数据自动调节车辆座椅,解决了现有技术中需要通过手动调节车辆座椅的技术问题,在提高座椅调节准确度的同时提高了调节效率。
参考图7,图7为本发明车辆座椅自动调节方法第二实施例的流程示意图。
基于上述第一实施例,在本实施例中,所述步骤S24包括:
步骤S241:根据所述人脸特征值和预设数据库中多个存储面部数据的存储征值确定各存储面部数据对应的人脸相差度。
可以理解的是,存储特征值可以是预设数据中存储的各面部数据对应的人脸特征值,存储特征值的数量与人脸特征值的数量一致;人脸相差度可以是乘坐人员的面部数据与预设数据库中存储的面部数据的匹配程度。
步骤S242:若存在人脸相差度大于或等于预设相差度阈值,则判定所述预设数据库中存在所述乘坐人员的面部数据。
可以理解的是,预设相差度阈值可以是预先设定的数值,若人脸相差度大于或等于预设相差度阈值,则判定对应的存储面部数据与乘坐人员的面部数据为同一人员的面部数据,即预设数据库中存在乘坐人员的面部数据。
进一步地,为了准确地判断预设数据库中是否存在乘坐人员的面部数据,所述步骤S241,包括:根据所述人脸特征值和预设数据库中多个存储面部数据的存储特征值,通过预设相差度公式确定各存储面部数据对应的人脸相差度;
其中,预设相差度公式为:
式中,d(x,y(j))为相差度;a为人脸特征值的数量;n为存储面部数据的数量;xi为第i个人脸特征值;y(j)i为第j个存储面部数据的第i个人脸特征值。
在具体实现中,假设预设相差度阈值为0.9,预设数据库中存储有3个面部数据,将ResNet18网络生成的128个人脸特征值和各面部数据对应的128个特征值输入预设相差度公式,获得的3个面部数据对应的人脸相差度分别为:0.5、0.95和0.8,则判定第二个面部数据与乘坐人员的面部数据一致,读取与第二个面部数据对应的座椅数据,根据该座椅数据调节车辆座椅。
本实施例根据所述人脸特征值和预设数据库中多个存储面部数据的存储征值确定各存储面部数据对应的人脸相差度;若存在人脸相差度大于或等于预设相差度阈值,则判定所述预设数据库中存在所述乘坐人员的面部数据。本实施例在人脸相差度大于或等于预设相差度阈值时,判定预设数据库存在乘坐人员的面部数据,提高了车辆座椅调节的效率。
参考图8,图8为本发明车辆座椅自动调节方法第三实施例的流程示意图。
基于上述各实施例,在本实施例中,所述步骤S2之后,所述方法还包括:
步骤S201:在所述预设数据库中不存在所述乘坐人员的面部数据时,获取所述乘坐人员的身体特征数据。
可以理解的是,在所述预设数据库中不存在所述乘坐人员的面部数据时,判定预设数据库中不存在与乘坐人员匹配的座椅数据;身体特征数据可以是表示乘坐人员身体特征的数据,身体特征数据可根据座椅传感器采集的压力数据确定。
步骤S202:将所述身体特征数据输入第二预设卷积神经网络模型,并获取所述第二预设卷积神经网络模型输出的拟合座椅数据。
可以理解的是,第二预设卷积神经网络模型可以是预先设定的经过训练的卷积神经网络模型,本实施例中的第二预设卷积神经网络模型可以是经过训练的ResNet18卷积神经网络模型,本实施例中ResNet18的网络结构可参照图5,在本实施例中输出层的X=3;拟合座椅数据可以是第二预设卷积神经网络模式根据身体特征数据输出的座椅数据,座椅数据包括坐垫数据、靠背数据和头枕数据。
步骤S203:根据所述拟合座椅数据自动调节所述乘坐人员对应的车辆座椅。
在具体实现中,在预设数据库中不存在乘坐人员的面部数据时,通过座椅传感器采集乘坐人员的压力数据,根据压力数据确定乘坐人员的身体特征数据,将身体特征数据输入预先训练的ResNet18中,ResNet18根据身体特征数据拟合出适合该乘坐人员的坐垫数据、靠背数据和头枕数据,控制单元根据坐垫数据控制坐垫调节单元调节车辆座椅的坐垫前后位置,根据靠背数据控制靠背调节单元调节车辆座椅的靠背倾斜角度,根据头枕数据控制头枕调节单元调节头枕的上下位置。
进一步地,为了确定乘坐人员的身体特征数据,所述步骤S201,包括:在所述预设数据库中不存在所述乘坐人员的面部数据时,获取通过座椅传感器采集的所述乘坐人员对应车辆座椅的压力数据,所述压力数据包括头枕压力、靠背压力和坐垫压力;根据所述压力数据,通过预设转换公式确定所述乘坐人员的身体特征数据;其中,所述预设转换公式为:
R=α*H+β*(B+S)
式中,R为身体特征值;α为第一权重系数;H为头枕压力;β为第二权重系数;B为靠背压力;S为坐垫压力。
可以理解的是,座椅传感器可以是设置在车辆座椅上的压力传感器,座椅传感器包括坐垫传感器、靠背传感器和头枕传感器,坐垫传感器采集坐垫压力,靠背传感器采集靠背压力,头枕传感器采集头枕压力;第一权重系数和第二权重系数为大于0,小于1的常数,可预先设定,例如可将第一权重系数设为0.2,将第二权重系数设为0.8。
在具体实现中,在预设数据库中不存在乘坐人员的面部数据时,通过坐垫传感器采集坐垫压力,通过靠背传感器采集靠背压力,通过头枕传感器采集头枕压力,将坐垫压力、靠背压力和头枕压力输入预设转换公式获得乘坐人员身体特征值,将身体特征值输入预先训练的ResNet18网络中,获得拟合座椅数据。
进一步地,为了提高车辆座椅的调节效率,所述根据所述拟合座椅数据自动调节所述乘坐人员对应的车辆座椅之后,还包括:在对所述车辆座椅调节完成时,将所述面部数据与所述拟合座椅数据对应存储至所述预设数据库。
本实施例在所述预设数据库中不存在所述乘坐人员的面部数据时,获取所述乘坐人员的身体特征数据;将所述身体特征数据输入第二预设卷积神经网络模型,并获取所述第二预设卷积神经网络模型输出的拟合座椅数据;根据所述拟合座椅数据自动调节所述乘坐人员对应的车辆座椅。本实施例在预设数据库中不存在乘坐人员的面部数据时,将乘坐人员的身体特征数据输入第二预设卷积神经网络获得拟合座椅数据,根据拟合座椅数据调节车辆座椅,在乘坐人员首次驾驶或乘坐车辆时,仍能自动调节车辆座椅,提升了用户体验。
此外,本发明实施例还提出一种存储介质,所述存储介质上存储有车辆座椅自动调节程序,所述车辆座椅自动调节程序被处理器执行时实现如上文所述的车辆座椅自动调节方法的步骤。
参照图9,图9为本发明车辆座椅自动调节装置第一实施例的结构框图。
如图9所示,本发明实施例提出的车辆座椅自动调节装置包括:
图像获取模块10,用于在车厢内检测到乘坐人员时,通过车载摄像头获取所述乘坐人员的图像;
确定模块20,用于对所述图像中的人脸图像进行人脸识别,并根据人脸识别的结果确定预设数据库中是否存在所述乘坐人员的面部数据;
数据获取模块30,用于在所述预设数据库中存在所述乘坐人员的面部数据时,从所述预设数据库中获取与所述面部数据对应的座椅数据;
调节模块40,用于根据所述座椅数据自动调节所述乘坐人员对应的车辆座椅。
本实施例在车厢内检测到乘坐人员时,通过车载摄像头获取所述乘坐人员的图像;对所述图像中的人脸图像进行人脸识别,并根据人脸识别的结果确定预设数据库中是否存在所述乘坐人员的面部数据;在所述预设数据库中存在所述乘坐人员的面部数据时,从所述预设数据库中获取与所述面部数据对应的座椅数据;根据所述座椅数据自动调节所述乘坐人员对应的车辆座椅。由于本实施例是在车厢内检测到乘坐人员时,对乘坐人员图像中的人脸图像进行人脸识别,在根据人脸识别结果确定预设数据库中存在乘坐人员的面部数据时,获取与面部数据对应的座椅数据,根据座椅数据自动调节车辆座椅,解决了现有技术中需要通过手动调节车辆座椅的技术问题,在提高座椅调节准确度的同时提高了调节效率。
基于本发明上述车辆座椅自动调节装置第一实施例,提出本发明车辆座椅自动调节装置的第二实施例。
在本实施例中,所述确定模块20,还用于通过预设分类模式对所述图像进行分类,根据分类结果确定所述图像中是否存在人脸图像;在所述图像中存在人脸图像时,通过第一预设卷积神经网络模型对所述人脸图像进行人脸识别;根据人脸识别结果确定所述人脸图像的人脸特征值;根据所述人脸特征值确定预设数据库中是否存在所述乘坐人员的面部数据。
所述确定模块20,还用于根据所述人脸特征值和预设数据库中多个存储面部数据的存储征值确定各存储面部数据对应的人脸相差度;若存在人脸相差度大于或等于预设相差度阈值,则判定所述预设数据库中存在所述乘坐人员的面部数据。
所述确定模块20,还用于根据所述人脸特征值和预设数据库中多个存储面部数据的存储特征值,通过预设相差度公式确定各存储面部数据对应的人脸相差度;其中,预设相差度公式为:
式中,d(x,y(j))为相差度;a为人脸特征值的数量;n为存储面部数据的数量;xi为第i个人脸特征值;y(j)i为第j个存储面部数据的第i个人脸特征值。
所述数据获取模块30,还用于在所述预设数据库中不存在所述乘坐人员的面部数据时,获取所述乘坐人员的身体特征数据;将所述身体特征数据输入第二预设卷积神经网络模型,并获取所述第二预设卷积神经网络模型输出的拟合座椅数据;根据所述拟合座椅数据自动调节所述乘坐人员对应的车辆座椅。
所述数据获取模块30,还用于在所述预设数据库中不存在所述乘坐人员的面部数据时,获取通过座椅传感器采集的所述乘坐人员对应车辆座椅的压力数据,所述压力数据包括头枕压力、靠背压力和坐垫压力;根据所述压力数据,通过预设转换公式确定所述乘坐人员的身体特征数据;其中,所述预设转换公式为:
R=α*H+β*(B+S)
式中,R为身体特征值;α为第一权重系数;H为头枕压力;β为第二权重系数;B为靠背压力;S为坐垫压力。
所述数据获取模块30,还用于在对所述车辆座椅调节完成时,将所述面部数据与所述拟合座椅数据对应存储至所述预设数据库。
本发明车辆座椅自动调节装置的其他实施例或具体实现方式可参照上述各方法实施例,此处不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者***不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者***所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者***中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如只读存储器/随机存取存储器、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种车辆座椅自动调节方法,其特征在于,所述方法包括:
在车厢内检测到乘坐人员时,通过车载摄像头获取所述乘坐人员的图像;
对所述图像中的人脸图像进行人脸识别,并根据人脸识别的结果确定预设数据库中是否存在所述乘坐人员的面部数据;
在所述预设数据库中存在所述乘坐人员的面部数据时,从所述预设数据库中获取与所述面部数据对应的座椅数据;
根据所述座椅数据自动调节所述乘坐人员对应的车辆座椅。
2.如权利要求1所述的方法,其特征在于,所述对所述图像中的人脸图像进行人脸识别,并根据人脸识别的结果确定预设数据库中是否存在所述乘坐人员的面部数据,包括:
通过预设分类模式对所述图像进行分类,根据分类结果确定所述图像中是否存在人脸图像;
在所述图像中存在人脸图像时,通过第一预设卷积神经网络模型对所述人脸图像进行人脸识别;
根据人脸识别结果确定所述人脸图像的人脸特征值;
根据所述人脸特征值确定预设数据库中是否存在所述乘坐人员的面部数据。
3.如权利要求2所述的方法,其特征在于,所述根据所述人脸特征值确定预设数据库中是否存在所述乘坐人员的面部数据,包括:
根据所述人脸特征值和预设数据库中多个存储面部数据的存储征值确定各存储面部数据对应的人脸相差度;
若存在人脸相差度大于或等于预设相差度阈值,则判定所述预设数据库中存在所述乘坐人员的面部数据。
5.如权利要求1-4任一项所述的方法,其特征在于,所述对所述图像中的人脸图像进行人脸识别,并根据人脸识别的结果确定预设数据库中是否存在所述乘坐人员的面部数据之后,还包括:
在所述预设数据库中不存在所述乘坐人员的面部数据时,获取所述乘坐人员的身体特征数据;
将所述身体特征数据输入第二预设卷积神经网络模型,并获取所述第二预设卷积神经网络模型输出的拟合座椅数据;
根据所述拟合座椅数据自动调节所述乘坐人员对应的车辆座椅。
6.如权利要求5所述的方法,其特征在于,所述在所述预设数据库中不存在所述乘坐人员的面部数据时,获取所述乘坐人员的身体特征数据,包括:
在所述预设数据库中不存在所述乘坐人员的面部数据时,获取通过座椅传感器采集的所述乘坐人员对应车辆座椅的压力数据,所述压力数据包括头枕压力、靠背压力和坐垫压力;
根据所述压力数据,通过预设转换公式确定所述乘坐人员的身体特征数据;
其中,所述预设转换公式为:
R=α*H+β*(B+S)
式中,R为身体特征值;α为第一权重系数;H为头枕压力;β为第二权重系数;B为靠背压力;S为坐垫压力。
7.如权利要求5所述的方法,其特征在于,所述根据所述拟合座椅数据自动调节所述乘坐人员对应的车辆座椅之后,还包括:
在对所述车辆座椅调节完成时,将所述面部数据与所述拟合座椅数据对应存储至所述预设数据库。
8.一种车辆座椅自动调节装置,其特征在于,所述装置包括:
图像获取模块,用于在车厢内检测到乘坐人员时,通过车载摄像头获取所述乘坐人员的图像;
确定模块,用于对所述图像中的人脸图像进行人脸识别,并根据人脸识别的结果确定预设数据库中是否存在所述乘坐人员的面部数据;
数据获取模块,用于在所述预设数据库中存在所述乘坐人员的面部数据时,从所述预设数据库中获取与所述面部数据对应的座椅数据;
调节模块,用于根据所述座椅数据自动调节所述乘坐人员对应的车辆座椅。
9.一种车辆座椅自动调节设备,其特征在于,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的车辆座椅自动调节程序,所述车辆座椅自动调节程序配置为实现如权利要求1至7中任一项所述的车辆座椅自动调节方法的步骤。
10.一种存储介质,其特征在于,所述存储介质上存储有车辆座椅自动调节程序,所述车辆座椅自动调节程序被处理器执行时实现如权利要求1至7任一项所述的车辆座椅自动调节方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210958391.2A CN115284976B (zh) | 2022-08-10 | 2022-08-10 | 车辆座椅自动调节方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210958391.2A CN115284976B (zh) | 2022-08-10 | 2022-08-10 | 车辆座椅自动调节方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115284976A true CN115284976A (zh) | 2022-11-04 |
CN115284976B CN115284976B (zh) | 2023-09-12 |
Family
ID=83827911
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210958391.2A Active CN115284976B (zh) | 2022-08-10 | 2022-08-10 | 车辆座椅自动调节方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115284976B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003344196A (ja) * | 2002-05-24 | 2003-12-03 | Denso Corp | 乗員状態検知方法及び装置 |
CN103707781A (zh) * | 2013-12-26 | 2014-04-09 | 苏州清研微视电子科技有限公司 | 基于距离图像的驾驶员座椅位置自动调整*** |
CN105843375A (zh) * | 2016-02-22 | 2016-08-10 | 乐卡汽车智能科技(北京)有限公司 | 用于车辆的设置方法、装置及车载电子信息*** |
CN106427867A (zh) * | 2016-10-21 | 2017-02-22 | 十堰博金工贸有限公司 | 一种设置有防护气囊保护驾驶员的安全座椅 |
CN206107171U (zh) * | 2016-10-31 | 2017-04-19 | 北京汽车集团有限公司 | 座椅控制***及车辆 |
CN208463414U (zh) * | 2017-08-25 | 2019-02-05 | 纳智源科技(唐山)有限责任公司 | 基于压力监测的智能座椅 |
CN110843614A (zh) * | 2019-11-30 | 2020-02-28 | 的卢技术有限公司 | 一种汽车座椅自适应调节方法及*** |
CN111071113A (zh) * | 2018-10-19 | 2020-04-28 | 上海商汤智能科技有限公司 | 车辆座椅智能调节方法和装置、车辆、电子设备、介质 |
WO2020237664A1 (zh) * | 2019-05-31 | 2020-12-03 | 驭势(上海)汽车科技有限公司 | 驾驶提醒方法、驾驶状态检测方法和计算设备 |
US20210101547A1 (en) * | 2018-06-07 | 2021-04-08 | Sony Corporation | Control device, control method, program, and mobile object |
CN112874393A (zh) * | 2021-01-22 | 2021-06-01 | 浙江合众新能源汽车有限公司 | 一种智能座椅个性化自动加载*** |
DE102020131353A1 (de) * | 2019-12-16 | 2021-06-17 | Nvidia Corporation | Auf einem neuronalen netz basierende gesichtsanalyse mittels gesichtslandmarken und zugehörigen vertrauenswerten |
US11124143B1 (en) * | 2019-02-06 | 2021-09-21 | Ambarella International Lp | Reducing injury likelihood during front collisions |
US20220084384A1 (en) * | 2020-03-30 | 2022-03-17 | Shanghai Sense Time Lingang Intelligent Technology Co, Ltd. | Method and apparatus for detecting child status, electronic device, and storage medium |
CN114212011A (zh) * | 2021-11-29 | 2022-03-22 | 东莞市华睿电子科技有限公司 | 一种智能化座椅调节的方法及*** |
CN114572068A (zh) * | 2022-01-28 | 2022-06-03 | 中国第一汽车股份有限公司 | 一种基于卷积神经网络的电动座椅调节方法、装置及车辆 |
-
2022
- 2022-08-10 CN CN202210958391.2A patent/CN115284976B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003344196A (ja) * | 2002-05-24 | 2003-12-03 | Denso Corp | 乗員状態検知方法及び装置 |
CN103707781A (zh) * | 2013-12-26 | 2014-04-09 | 苏州清研微视电子科技有限公司 | 基于距离图像的驾驶员座椅位置自动调整*** |
CN105843375A (zh) * | 2016-02-22 | 2016-08-10 | 乐卡汽车智能科技(北京)有限公司 | 用于车辆的设置方法、装置及车载电子信息*** |
CN106427867A (zh) * | 2016-10-21 | 2017-02-22 | 十堰博金工贸有限公司 | 一种设置有防护气囊保护驾驶员的安全座椅 |
CN206107171U (zh) * | 2016-10-31 | 2017-04-19 | 北京汽车集团有限公司 | 座椅控制***及车辆 |
CN208463414U (zh) * | 2017-08-25 | 2019-02-05 | 纳智源科技(唐山)有限责任公司 | 基于压力监测的智能座椅 |
US20210101547A1 (en) * | 2018-06-07 | 2021-04-08 | Sony Corporation | Control device, control method, program, and mobile object |
CN111071113A (zh) * | 2018-10-19 | 2020-04-28 | 上海商汤智能科技有限公司 | 车辆座椅智能调节方法和装置、车辆、电子设备、介质 |
US11124143B1 (en) * | 2019-02-06 | 2021-09-21 | Ambarella International Lp | Reducing injury likelihood during front collisions |
WO2020237664A1 (zh) * | 2019-05-31 | 2020-12-03 | 驭势(上海)汽车科技有限公司 | 驾驶提醒方法、驾驶状态检测方法和计算设备 |
CN110843614A (zh) * | 2019-11-30 | 2020-02-28 | 的卢技术有限公司 | 一种汽车座椅自适应调节方法及*** |
DE102020131353A1 (de) * | 2019-12-16 | 2021-06-17 | Nvidia Corporation | Auf einem neuronalen netz basierende gesichtsanalyse mittels gesichtslandmarken und zugehörigen vertrauenswerten |
US20220084384A1 (en) * | 2020-03-30 | 2022-03-17 | Shanghai Sense Time Lingang Intelligent Technology Co, Ltd. | Method and apparatus for detecting child status, electronic device, and storage medium |
CN112874393A (zh) * | 2021-01-22 | 2021-06-01 | 浙江合众新能源汽车有限公司 | 一种智能座椅个性化自动加载*** |
CN114212011A (zh) * | 2021-11-29 | 2022-03-22 | 东莞市华睿电子科技有限公司 | 一种智能化座椅调节的方法及*** |
CN114572068A (zh) * | 2022-01-28 | 2022-06-03 | 中国第一汽车股份有限公司 | 一种基于卷积神经网络的电动座椅调节方法、装置及车辆 |
Non-Patent Citations (3)
Title |
---|
朱卫平;尹韶升;刘国檩;: "基于压力传感器与摄像头的颈椎病预防***", 计算机***应用, no. 10, pages 243 - 247 * |
郑庆登;刘蓉;刘佩丽;陈洪波;: "基于活动摄像头的人脸定位跟踪***", 电子测量技术, no. 04, pages 62 - 65 * |
高文;: "面部识别和检测在车辆超员监控***的应用", 工业控制计算机, no. 11, pages 127 - 128 * |
Also Published As
Publication number | Publication date |
---|---|
CN115284976B (zh) | 2023-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108725357B (zh) | 基于人脸识别的参数控制方法、***与云端服务器 | |
JP7259078B2 (ja) | 子供状態検出方法及び装置、電子機器、記憶媒体 | |
CN107169421B (zh) | 一种基于深度卷积神经网络的汽车驾驶场景目标检测方法 | |
US6493620B2 (en) | Motor vehicle occupant detection system employing ellipse shape models and bayesian classification | |
CN105740793B (zh) | 基于路面颠簸情况和道路类型识别的自动调速方法与*** | |
US20150098609A1 (en) | Real-Time Multiclass Driver Action Recognition Using Random Forests | |
US20220084316A1 (en) | Method and electronic device for recognizing abnormal sitting posture, and storage medium | |
CN111867466A (zh) | 体格估计装置及体格估计方法 | |
CN111572549A (zh) | 驾驶环境调节方法、***、存储介质及电子设备 | |
US20230316783A1 (en) | Computer-implemented method for analysing the interior of a vehicle | |
JP2020121713A (ja) | 人の状態識別のためのイメージ分析により検出された乗客のポイントを利用して車両占有を検出する方法及び装置 | |
CN109948509A (zh) | 对象状态监测方法、装置及电子设备 | |
CN114463727A (zh) | 一种地铁驾驶员行为识别方法 | |
EP3650267B1 (en) | Control device for vehicle, system, method and storage medium | |
EP1655688A2 (en) | Object classification method utilizing wavelet signatures of a monocular video image | |
CN114248666A (zh) | 基于人脸识别的座椅调整方法、装置、介质及设备 | |
CN113320449B (zh) | 一种驾驶座椅自动调节方法、***、介质及电子终端 | |
CN111310650A (zh) | 车辆乘坐对象的分类方法、装置、计算机设备和存储介质 | |
CN113361441B (zh) | 基于头部姿态和空间注意力的视线区域估计方法及*** | |
CN115284976B (zh) | 车辆座椅自动调节方法、装置、设备及存储介质 | |
CN117011835A (zh) | 辅助儿童睡眠方法、装置、设备及存储介质 | |
CN114475511B (zh) | 基于视觉的气囊启动 | |
CN116758519A (zh) | 基于视觉人工智能ai的汽车座椅微调方法及相关设备 | |
CN115205916A (zh) | 车载设备控制和人脸识别方法、装置、电子设备及介质 | |
CN110705391A (zh) | 一种基于人体图像识别方法的座位分配*** |
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 |