DE102019212408A1 - Method for determining body weight and / or sitting position, control unit and motor vehicle - Google Patents

Method for determining body weight and / or sitting position, control unit and motor vehicle Download PDF

Info

Publication number
DE102019212408A1
DE102019212408A1 DE102019212408.9A DE102019212408A DE102019212408A1 DE 102019212408 A1 DE102019212408 A1 DE 102019212408A1 DE 102019212408 A DE102019212408 A DE 102019212408A DE 102019212408 A1 DE102019212408 A1 DE 102019212408A1
Authority
DE
Germany
Prior art keywords
feature
motor vehicle
machine learning
body weight
module
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
DE102019212408.9A
Other languages
German (de)
Inventor
Devi Alagarswamy
Mark Schutera
Tim Härle
Martin Seyffert
Vincent Choquet
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.)
ZF Friedrichshafen AG
Original Assignee
ZF Friedrichshafen AG
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 ZF Friedrichshafen AG filed Critical ZF Friedrichshafen AG
Priority to DE102019212408.9A priority Critical patent/DE102019212408A1/en
Publication of DE102019212408A1 publication Critical patent/DE102019212408A1/en
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
    • B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
    • B60R21/015—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting the presence or position of passengers, passenger seats or child seats, and the related safety parameters therefor, e.g. speed or timing of airbag inflation in relation to occupant position or seat belt use
    • B60R21/01512—Passenger detection systems
    • B60R21/0153—Passenger detection systems using field detection presence sensors
    • B60R21/01538—Passenger detection systems using field detection presence sensors for image processing, e.g. cameras or sensor arrays

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mechanical Engineering (AREA)
  • Image Analysis (AREA)
  • Seats For Vehicles (AREA)

Abstract

Ein Verfahren zum Ermitteln des Körpergewichts und/oder der Sitzposition eines Fahrzeuginsassen (F) eines Kraftfahrzeugs (10) hat die folgenden Schritte:- Erhalten eines Bildes (B) des Fahrzeuginsassen (F) von einer Kamera (20) des Kraftfahrzeugs (10),- Ermitteln von wenigstens einem Körpermerkmal (M) des Fahrzeuginsassen (F) anhand des Bildes (B) durch ein Merkmalmodul (24) des Kraftfahrzeugs (10), und- Ermitteln des Körpergewichts und/oder der Sitzposition durch ein klassisches Maschinenlernmodul (26) anhand des wenigstens einen ermittelten Körpermerkmals (M).Ferner sind ein Steuergerät (22) und ein Kraftfahrzeug (10) gezeigt.A method for determining the body weight and / or the seating position of a vehicle occupant (F) of a motor vehicle (10) has the following steps: - Obtaining an image (B) of the vehicle occupant (F) from a camera (20) of the motor vehicle (10), - Determination of at least one body feature (M) of the vehicle occupant (F) on the basis of the image (B) by a feature module (24) of the motor vehicle (10), and - Determination of the body weight and / or the seat position by a classic machine learning module (26) on the basis of the at least one determined body feature (M). Furthermore, a control device (22) and a motor vehicle (10) are shown.

Description

Die Erfindung betrifft ein Verfahren zum Ermitteln des Körpergewichts und/oder der Sitzposition eines Fahrzeuginsassen eines Kraftfahrzeugs, ein Steuergerät für ein Kraftfahrzeug sowie ein Kraftfahrzeug.The invention relates to a method for determining the body weight and / or the seat position of a vehicle occupant of a motor vehicle, a control device for a motor vehicle and a motor vehicle.

Moderne Kraftfahrzeuge, wie Pkw und Lkw, besitzen Sicherheitssysteme, beispielsweise Sicherheitsgurtsysteme und Gassackmodule, deren Schutzwirkung optimiert werden kann, wenn diese passend auf den Fahrzeuginsassen des jeweiligen Sitzes abgestimmt sind. Insbesondere sind dabei das Gewicht und/oder die Sitzposition des Fahrzeuginsassen von Bedeutung.Modern motor vehicles, such as cars and trucks, have safety systems, for example seat belt systems and gas bag modules, the protective effect of which can be optimized if these are matched to the vehicle occupant of the respective seat. In particular, the weight and / or the seating position of the vehicle occupant are important.

Steuergeräte von Kraftfahrzeugen, insbesondere für sicherheitsrelevante Systeme, sollen jedoch so ressourcenschonend und robust, d. h. mit geringer Komplexität, wie möglich ausgeführt sein. Es ist daher Aufgabe der Erfindung, ein Verfahren zum Ermitteln des Körpergewichts und/oder der Sitzposition eines Fahrzeuginsassen bereitzustellen, das robust und ressourcenschonend ausführbar ist.Control units of motor vehicles, in particular for safety-related systems, should, however, be as resource-saving and robust, i.e. H. with as little complexity as possible. It is therefore the object of the invention to provide a method for determining the body weight and / or the seating position of a vehicle occupant which can be carried out in a robust and resource-saving manner.

Die Aufgabe wird gelöst durch ein Verfahren zum Ermitteln des Körpergewichts und/oder der Sitzposition eines Fahrzeuginsassen eines Kraftfahrzeugs, mit den folgenden Schritten:

  • - Erhalten eines Bildes des Fahrzeuginsassen von einer Kamera des Fahrzeugs,
  • - Ermitteln von wenigstens einem Körpermerkmal des Fahrzeuginsassen anhand des Bildes durch ein Merkmalmodul des Fahrzeugs, und
  • - Ermitteln des Körpergewichts und/oder der Sitzposition durch ein klassisches Maschinenlernmodul anhand des wenigstens einen ermittelten Körpermerkmals.
The object is achieved by a method for determining the body weight and / or the seating position of a vehicle occupant of a motor vehicle, with the following steps:
  • - Obtaining an image of the vehicle occupant from a camera of the vehicle,
  • Determination of at least one body feature of the vehicle occupant on the basis of the image by a feature module of the vehicle, and
  • - Determination of the body weight and / or the sitting position by a classic machine learning module based on the at least one determined body feature.

Durch die Verwendung eines klassischen Maschinenlernmoduls ist eine besonders robuste, zuverlässige und ressourcenschonende Bestimmung des Körpergewichtes und/oder der Sitzposition des Fahrzeuginsassen möglich.By using a classic machine learning module, a particularly robust, reliable and resource-saving determination of the body weight and / or the seating position of the vehicle occupant is possible.

Unter einem klassischen Maschinenlernmodul wird im Rahmen dieser Erfindung ein Maschinenlernmodul verstanden, das kein künstliches neuronales Netzwerk ist oder umfasst.In the context of this invention, a classic machine learning module is understood to mean a machine learning module that is not or does not include an artificial neural network.

Zum Beispiel werden mehrere verschiedene Körpermerkmale ermittelt und berücksichtigt.For example, several different body characteristics are determined and taken into account.

In einer Ausgestaltung wird ein Sicherheitssystem, insbesondere ein Sicherheitsgurtsystem und/oder ein Rückhaltesystem in Abhängigkeit des ermittelten Körpergewichts und/oder der ermittelten Sitzposition gesteuert, um das Sicherheitssystem optimal an den Fahrzeuginsassen anpassen zu können.In one embodiment, a safety system, in particular a seat belt system and / or a restraint system, is controlled as a function of the determined body weight and / or the determined seating position in order to be able to optimally adapt the safety system to the vehicle occupant.

Beispielsweise verwendet das klassische Maschinenlernmodul einen symbolischen Ansatz zum maschinellen Lernen, wodurch ressourcenschonend aber zuverlässig das Körpergewicht und/oder die Sitzposition bestimmt wird.For example, the classic machine learning module uses a symbolic approach to machine learning, whereby the body weight and / or the sitting position is determined in a resource-saving but reliable manner.

In einer Ausführungsform verwendet das Maschinenlernmodul beim Ermitteln des Körpergewichts und/oder der Sitzposition ein Klassifikationsverfahren, insbesondere einen Random Forest. Dadurch lässt sich das Körpergewicht und/oder die Sitzposition schnell ermitteln.In one embodiment, the machine learning module uses a classification method, in particular a random forest, when determining the body weight and / or the sitting position. This allows the body weight and / or the sitting position to be determined quickly.

Alternativ oder zusätzlich kann das Maschinenlernmodul beim Ermitteln des Körpergewichts und/oder der Sitzposition ein Regressionsverfahren verwenden, insbesondere eine Support Vector Machine, wodurch eine besonders zuverlässige Ermittlung möglich ist.As an alternative or in addition, the machine learning module can use a regression method when determining the body weight and / or the sitting position, in particular a support vector machine, whereby a particularly reliable determination is possible.

Beispielsweise wird das Bild vorverarbeitet, insbesondere durch Segmentieren des Körpers des Fahrzeuginsassen, sodass die Ermittlung des Körpergewichtes und/oder der Sitzposition weiter vereinfacht werden kann.For example, the image is preprocessed, in particular by segmenting the body of the vehicle occupant, so that the determination of the body weight and / or the seat position can be further simplified.

Zur robusten Erkennung von Körperteilen kann das Merkmalmodul das wenigstens eine Körpermerkmal mittels eines maschinellen Bilderkennungsverfahrens, insbesondere unter Verwendung des Canny-Algorithmus ermitteln. Dabei können insbesondere Parameter der Kamera, zum Beispiel Kalibrationsparameter berücksichtigt werden.For the robust recognition of body parts, the feature module can determine the at least one body feature by means of a machine image recognition method, in particular using the Canny algorithm. In particular, parameters of the camera, for example calibration parameters, can be taken into account.

Um ein besonders ressourcenschonendes Verfahren bereitzustellen, kann das Merkmalmodul bei der Bestimmung des wenigstens einen Körpermerkmals ein klassisches Maschinenlernverfahren, insbesondere mit einem symbolischen Ansatz verwenden.In order to provide a particularly resource-saving method, the feature module can use a classic machine learning method, in particular with a symbolic approach, when determining the at least one body feature.

Zum Beispiel kann ein Random Forest, d.h. ein Klassifikationsverfahren aus mehreren unkorrelierten Entscheidungsbäumen, verwendet werden.For example, a random forest, i.e. a classification method made up of several uncorrelated decision trees, can be used.

In einer Ausführungsform des Verfahrens verwendet das Merkmalmodul bei der Bestimmung des wenigstens einen Körpermerkmals ein künstliches neuronales Netzwerk, wodurch eine Vielzahl an verschiedenen Körpermerkmalen unterschieden werden kann.In one embodiment of the method, the feature module uses an artificial neural network when determining the at least one body feature, as a result of which a multiplicity of different body features can be differentiated.

Zum Beispiel hat das Merkmalmodul ein künstliches neuronales Netzwerk.For example, the feature module has an artificial neural network.

Beispielsweise ist das wenigstens eine Körpermerkmal die Höhe des Körpers, insbesondere des Oberkörpers, die Breite des Körpers, insbesondere des Oberkörpers, die Armlänge wenigstens eines Arms, der Bauchumfang, die Orientierung des Oberkörpers, die Orientierung des Kopfes und/oder die Orientierung wenigstens eines Arms ist, wodurch das Körpergewicht und/oder die Sitzposition genau bestimmbar ist.For example, the at least one body feature is the height of the body, in particular the height of the body Upper body, the width of the body, in particular the upper body, the arm length of at least one arm, the waist circumference, the orientation of the upper body, the orientation of the head and / or the orientation of at least one arm, whereby the body weight and / or the sitting position can be precisely determined .

Die Orientierung wird zum Beispiel relativ zu anderen Körperteilen oder zu einem fahrzeugfesten Teil, wie dem Sitz oder der B-Säule bestimmt.The orientation is determined, for example, relative to other body parts or to a part that is fixed to the vehicle, such as the seat or the B-pillar.

Um die Effektivität des Verfahrens weiter zu steigern, kann das wenigstens eine Körpermerkmal, das zur Ermittlung des Körpergewichts und/oder der Sitzposition herangezogen wird, mittels wenigstens eines Data-Mining Verfahrens ausgewählt werden.In order to further increase the effectiveness of the method, the at least one body feature that is used to determine the body weight and / or the sitting position can be selected by means of at least one data mining method.

In einer Ausführungsform der Erfindung ist das Bild eine Aufnahme des Fahrzeuginsassen, der auf einem entsprechenden Sitz des Kraftfahrzeugs sitzt, wodurch die Körpermerkmale in der relevanten Situation ermittelt werden, insbesondere in der für das Sicherheitssystem relevanten Stellung.In one embodiment of the invention, the image is a recording of the vehicle occupant who is sitting on a corresponding seat of the motor vehicle, whereby the body features are determined in the relevant situation, in particular in the position relevant to the safety system.

Ferner wird die Aufgabe gelöst durch ein Steuergerät für ein Kraftfahrzeug, das dazu eingerichtet ist, eines der zuvor beschriebenen Verfahren durchzuführen.The object is also achieved by a control device for a motor vehicle that is set up to carry out one of the methods described above.

Die Aufgabe wird zudem durch ein Kraftfahrzeug mit einer Kamera und einem zuvor beschriebenen Steuergerät gelöst.The object is also achieved by a motor vehicle with a camera and a control device described above.

Die zum Verfahren erläuterten Merkmale und Vorteile gelten entsprechend für das Steuergerät sowie das Kraftfahrzeug und umgekehrt.The features and advantages explained for the method apply correspondingly to the control unit and the motor vehicle and vice versa.

Weitere Merkmale und Vorteile der Erfindung ergeben sich aus der nachfolgenden Beschreibung sowie aus den beigefügten Zeichnungen, auf die Bezug genommen wird. In den Zeichnungen zeigen:

  • - 1 schematisch ein erfindungsgemäßes Kraftfahrzeug mit einem erfindungsgemäßen Steuergerät,
  • - 2 zeigt äußerst schematisch ein Bild eines Fahrzeuginsassen, und
  • - 3 ein Ablaufdiagramm eines erfindungsgemäßen Verfahrens.
Further features and advantages of the invention emerge from the following description and from the accompanying drawings, to which reference is made. In the drawings show:
  • - 1 schematically a motor vehicle according to the invention with a control unit according to the invention,
  • - 2 shows, in a highly schematic manner, an image of a vehicle occupant, and
  • - 3 a flow chart of a method according to the invention.

1 zeigt schematisch ein Kraftfahrzeug 10, hier einen Pkw. Denkbar ist selbstverständlich auch, dass es sich bei dem Kraftfahrzeug 10 um einen Lkw handelt. 1 shows schematically a motor vehicle 10 , here a car. Of course, it is also conceivable that it is the motor vehicle 10 is a truck.

Das Kraftfahrzeug 10 weist einen Sitz 12 auf, auf dem ein Fahrzeuginsasse F, hier der Fahrer des Kraftfahrzeugs 10, Platz genommen hat.The car 10 has a seat 12 on which a vehicle occupant F. , here the driver of the motor vehicle 10 , Has taken a seat.

Weiterhin hat das Kraftfahrzeug 10 ein Lenkrad 14, in dem ein Rückhaltesystem 16, z.B. ein Gassackmodul, angeordnet ist, ein Sicherheitsgurtsystem 18 (3), eine Kamera 20, die auf den Sitz 12 gerichtet ist, und ein Steuergerät 22.Furthermore, the motor vehicle has 10 a steering wheel 14th , in which a restraint system 16 , for example a gas bag module, is arranged, a seat belt system 18th ( 3 ), a camera 20th that is on the seat 12 is directed, and a control unit 22nd .

Das Steuergerät 22 ist mit dem Rückhaltesystem 16, dem Sicherheitsgurtsystem 18 und der Kamera 20 zum Datenaustausch verbunden und steuert insbesondere das Rückhaltesystem 16, das Sicherheitsgurtsystem 18 und die Kamera 20.The control unit 22nd is with the restraint system 16 , the seat belt system 18th and the camera 20th connected for data exchange and controls in particular the restraint system 16 , the seat belt system 18th and the camera 20th .

Das Steuergerät 22 weist zudem ein Merkmalmodul 24 und ein klassisches Maschinenlernmodul 26 auf.The control unit 22nd also has a feature module 24 and a classic machine learning module 26th on.

In 2 ist schematisch ein Bild B vom Sitz 12 mitsamt dem Fahrzeuginsassen F dargestellt, das mittels der Kamera 20 aufgenommen wurde und das dem Steuergerät 22 zum Ermitteln des Körpergewichts und/oder der Sitzposition des Fahrzeuginsassen F dient.In 2 is schematically a picture B. from the seat 12 including the vehicle occupant F. shown by means of the camera 20th was recorded and the control unit 22nd to determine the body weight and / or the seating position of the vehicle occupant F. serves.

Hierzu führt das Steuergerät 22 das in 3 dargestellte Verfahren aus.The control unit leads to this 22nd this in 3 procedure.

In einem ersten Schritt S1 nimmt die Kamera 20 ein Bild B vom Fahrzeuginsassen F auf, wie es beispielsweise in 2 dargestellt ist.In a first step S1, the camera picks up 20th a picture B. from the vehicle occupant F. on, for example, in 2 is shown.

Im nächsten Schritt S2 übermittelt die Kamera 20 das Bild B an das Steuergerät 22, das dementsprechend das Bild B erhält.In the next step S2, the camera transmits 20th the picture B. to the control unit 22nd that accordingly the picture B. receives.

Das Bild B wird in einem nächsten Schritt S3 vom Steuergerät 22 vorverarbeitet. Dabei wird der Körper des Fahrzeuginsassen F segmentiert. Auch andere, fahrzeugfeste Gegenstände können erkannt und segmentiert werden, wie der Sitz 12 oder die B-Säule 28 des Kraftfahrzeugs 10.The picture B. is in a next step S3 from the control unit 22nd preprocessed. This is the body of the vehicle occupant F. segmented. Other objects fixed to the vehicle can also be recognized and segmented, such as the seat 12 or the B-pillar 28 of the motor vehicle 10 .

Bereits in diesem Schritt kann ein Canny-Algorithmus (Canny edge detector) zur Kantendetektion verwendet werden.A Canny algorithm (Canny edge detector) can already be used in this step for edge detection.

Hierbei können auch Parameter der Kamera 20, insbesondere Kalibrationsparameter berücksichtigt werden.Here, parameters of the camera 20th , in particular calibration parameters are taken into account.

Das vorverarbeitete Bild wird in einem nächsten Schritt S4 an das Merkmalmodul 24 weitergegeben und dort verarbeitet.The preprocessed image is sent to the feature module in a next step S4 24 passed on and processed there.

Das Merkmalmodul 24 ermittelt wenigstens ein Körpermerkmal M des Fahrzeuginsassen F auf Grundlage des vorverarbeiteten Bildes B.The feature module 24 determines at least one body characteristic M. of the vehicle occupant F. based on the preprocessed image B. .

Ein Körpermerkmal M kann beispielsweise folgendes sein: die Höhe des Oberkörpers M1, die Breite des Oberkörpers M2, die Armlänge M3, der Bauchumfang M4 und/oder die Orientierungen der verschiedenen Körperteile zueinander oder zu einem fahrzeugfesten Teil, wie dem Sitz 12 oder der B-Säule 28.A body feature M. can be, for example, the following: the height of the upper body M 1 , the width of the upper body M 2 , the arm length M 3 , the Abdominal circumference M 4 and / or the orientations of the various body parts to one another or to a part fixed to the vehicle, such as the seat 12 or the B-pillar 28.

Beispielsweise wird die Orientierung des Oberkörpers, die Orientierung des Kopfes und/oder die Orientierung der Arme als Körpermerkmal M ermittelt.For example, the orientation of the upper body, the orientation of the head and / or the orientation of the arms are used as a body feature M. determined.

Dabei kann jeweils entweder die Länge und/oder Orientierung einer der Arme, beide Arme getrennt oder beide Arme gemeinsam bestimmt werden.Either the length and / or orientation of one of the arms, both arms separately or both arms can be determined in each case.

Es werden von dem Merkmalmodul 24 diejenigen Körpermerkmale M ermittelt, die zuvor, beispielsweise ab Werk, vorbestimmt und ausgewählt sind.It will be from the feature module 24 those body features M. determined, which are predetermined and selected beforehand, for example at the factory.

Die Auswahl, welche Körpermerkmale M sich zur Ermittlung des Körpergewichts und/oder der Sitzposition eignen und herangezogen werden sollen, wurde in einem vorgelagerten Schritt S0 ermittelt und bestimmt.Choosing what body features M. are suitable for determining the body weight and / or the sitting position and should be used, was determined and determined in a preceding step S0.

Die Bestimmung erfolgt beispielsweise mithilfe eines Data-Mining Verfahrens, manuell oder auf andere geeignete Weise.The determination is made, for example, using a data mining method, manually or in another suitable manner.

Das Merkmalmodul 24 verwendet zur Bestimmung der Körpermerkmale M beispielsweise ein klassisches Maschinenlernverfahren mit einem symbolischen Ansatz und kein künstliches neuronales Netzwerk. Zum Beispiel kommt ein Random Forest zum Einsatz.The feature module 24 used to determine body characteristics M. For example, a classic machine learning process with a symbolic approach and no artificial neural network. For example, a random forest is used.

Zusätzlich kann das Merkmalmodul 24 ein maschinelles Bilderkennungsverfahren durchführen, z.B. unter Verwendung eines Canny-Algorithmus und/oder wenigstens eines Kameraparameters, wie einem Kalibrationsparameter der Kamera.In addition, the feature module 24 carry out a machine image recognition method, for example using a Canny algorithm and / or at least one camera parameter, such as a calibration parameter of the camera.

Alternativ oder zusätzlich zum klassischen Maschinenlernverfahren ist es ebenfalls denkbar, dass das Merkmalmodul 24 bei der Bestimmung des wenigstens einen Körpermerkmals M ein künstliches neuronales Netzwerk verwendet. Hierzu weist das Merkmalmodul 24 dann zum Beispiel ein künstliches neuronales Netzwerk 30 auf.As an alternative or in addition to the classic machine learning method, it is also conceivable that the feature module 24 in determining the at least one body characteristic M. uses an artificial neural network. To this end, the feature module 24 then for example an artificial neural network 30th on.

Die ermittelten Körpermerkmale M werden anschließend in einem nächsten Schritt S5 an das klassische Maschinenlernmodul 26 des Steuergerätes 22 übermittelt.The determined body characteristics M. are then transferred to the classic machine learning module in a next step S5 26th of the control unit 22nd transmitted.

In Schritt S6 ermittelt das klassische Maschinenlernmodul 26 das Gewicht und/oder die Sitzposition des Fahrzeuginsassen F anhand der ermittelten Körpermerkmale M.The classic machine learning module determines in step S6 26th the weight and / or the seating position of the vehicle occupant F. based on the determined body characteristics M. .

Das klassische Maschinenlernmodul 26 verwendet hierzu kein künstliches neuronales Netzwerk, sondern einen symbolischen Ansatz zum maschinellen Lernen.The classic machine learning module 26th does not use an artificial neural network for this, but a symbolic approach to machine learning.

Beispielsweise wird ein Klassifikationsverfahren, insbesondere ein Random Forest verwendet, um aufgrund der Körpermerkmale M das Körpergewicht und/oder die Sitzposition des Fahrzeuginsassen F zu ermitteln.For example, a classification method, in particular a random forest, is used to determine, on the basis of the body characteristics M. the body weight and / or the seating position of the vehicle occupant F. to determine.

Alternativ oder zusätzlich kann das Maschinenlernmodul 26 zum Ermitteln des Gewichtes und/oder der Position des Fahrzeuginsassen F ein Regressionsverfahren, beispielsweise eine Support Vector Machine verwenden.Alternatively or additionally, the machine learning module 26th to determine the weight and / or the position of the vehicle occupant F. use a regression method, for example a support vector machine.

Unabhängig davon, ob eines, beide oder eine Kombination dieser Verfahren verwendet wird, erhält das klassische Maschinenlernmodul 26 das Körpergewicht und/oder die Sitzposition des Fahrzeuginsassen F.Regardless of whether one, both or a combination of these methods is used, the classic machine learning module is used 26th the body weight and / or the seating position of the vehicle occupant F. .

In einem nächsten Schritt S7 steuert das Steuergerät 22 das Sicherheitsgurtsystem 18, das Rückhaltesystem 16 und/oder weitere Rückhaltesysteme des Kraftfahrzeugs 10 auf Grundlage des ermittelten Gewichtes und/oder der ermittelten Sitzposition.In a next step S7, the control device controls 22nd the seat belt system 18th , the restraint system 16 and / or other restraint systems of the motor vehicle 10 based on the determined weight and / or the determined seating position.

Beispielsweise wird bei einem schweren Fahrzeuginsassen einem Gurtstraffer des Sicherheitsgurtsystems 18 ein Befehl zur stärkeren Straffung des Sicherheitsgurtes übergeben.For example, a belt tensioner of the seat belt system is used in the case of a heavy vehicle occupant 18th Issued an order to tighten the seat belt.

Das Rückhaltesystem 16 kann dahingehend gesteuert werden, dass verschiedene Kammern des Gassacks im Rückhaltefall aufgeblasen oder nicht aufgeblasen werden, in Abhängigkeit davon, ob es sich um einen schweren oder weniger schweren Fahrzeuginsassen oder um eine aufrechte oder eher liegende Sitzposition handelt.The restraint system 16 can be controlled in such a way that different chambers of the gas bag are inflated or not inflated in the case of restraint, depending on whether it is a heavy or less heavy vehicle occupant or an upright or rather lying sitting position.

Aufgrund der Verwendung eines klassischen Maschinenlernmoduls sind die notwendigen Ressourcen zur Ermittlung des Körpergewichts und/oder der Sitzposition des Steuergerätes 22 reduziert. Außerdem reduziert sich der Aufwand zum Trainieren des klassischen Maschinenlernmoduls 26 erheblich.Due to the use of a classic machine learning module, the necessary resources for determining the body weight and / or the sitting position of the control device are available 22nd reduced. In addition, the effort required to train the classic machine learning module is reduced 26th considerable.

BezugszeichenlisteList of reference symbols

1010
KraftfahrzeugMotor vehicle
1212
SitzSeat
1414th
Lenkradsteering wheel
1616
RückhaltesystemRestraint system
1818th
SicherheitsgurtsystemSeat belt system
2020th
Kameracamera
2222nd
SteuergerätControl unit
2424
MerkmalmodulFeature module
2626th
klassisches Maschinenlernmodulclassic machine learning module
2828
B-SäuleB-pillar
3030th
künstliches neuronales Netzwerkartificial neural network
BB.
Bildimage
FF.
FahrzeuginsasseVehicle occupant
MM.
KörpermerkmalBody feature

Claims (14)

Verfahren zum Ermitteln des Körpergewichts und/oder der Sitzposition eines Fahrzeuginsassen (F) eines Kraftfahrzeugs (10) mit den folgenden Schritten: - Erhalten eines Bildes (B) des Fahrzeuginsassen (F) von einer Kamera (20) des Kraftfahrzeugs (10), - Ermitteln von wenigstens einem Körpermerkmal (M) des Fahrzeuginsassen (F) anhand des Bildes (B) durch ein Merkmalmodul (24) des Kraftfahrzeugs (10), und - Ermitteln des Körpergewichts und/oder der Sitzposition durch ein klassisches Maschinenlernmodul (26) anhand des wenigstens einen ermittelten Körpermerkmals (M).Method for determining the body weight and / or the seating position of a vehicle occupant (F) of a motor vehicle (10) with the following steps: - Obtaining an image (B) of the vehicle occupant (F) from a camera (20) of the motor vehicle (10), - Determination of at least one body feature (M) of the vehicle occupant (F) on the basis of the image (B) by a feature module (24) of the motor vehicle (10), and - Determination of the body weight and / or the sitting position by a classic machine learning module (26) on the basis of the at least one determined body characteristic (M). Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass ein Sicherheitssystem, insbesondere ein Sicherheitsgurtsystem (18) und/oder ein Rückhaltesystem (16) in Abhängigkeit des ermittelten Körpergewichts und/oder der ermittelten Sitzposition gesteuert wird.Procedure according to Claim 1 , characterized in that a safety system, in particular a seat belt system (18) and / or a restraint system (16) is controlled as a function of the determined body weight and / or the determined seating position. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass das klassische Maschinenlernmodul (26) einen symbolischen Ansatz zum maschinellen Lernen verwendet.Procedure according to Claim 1 or 2 , characterized in that the classic machine learning module (26) uses a symbolic approach to machine learning. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das Maschinenlernmodul (26) beim Ermitteln des Körpergewichts und/oder der Sitzposition ein Klassifikationsverfahren verwendet, insbesondere einen Random Forest.Method according to one of the preceding claims, characterized in that the machine learning module (26) uses a classification method, in particular a random forest, when determining the body weight and / or the sitting position. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das Maschinenlernmodul (26) beim Ermitteln des Körpergewichts und/oder der Sitzposition ein Regressionsverfahren verwendet, insbesondere eine Support Vector Machine.Method according to one of the preceding claims, characterized in that the machine learning module (26) uses a regression method, in particular a support vector machine, when determining the body weight and / or the sitting position. Verfahren nach einem der vorhergehenden Ansprüche, gekennzeichnet durch Vorverarbeiten des Bildes (B), insbesondere durch Segmentieren des Körpers des Fahrzeuginsassen (F).Method according to one of the preceding claims, characterized by preprocessing the image (B), in particular by segmenting the body of the vehicle occupant (F). Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das Merkmalmodul (24) das wenigstens eine Körpermerkmal (M) mittels eines maschinellen Bilderkennungsverfahrens, insbesondere unter Verwendung des Canny-Algorithmus ermittelt.Method according to one of the preceding claims, characterized in that the feature module (24) determines the at least one body feature (M) by means of a machine image recognition method, in particular using the Canny algorithm. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das Merkmalmodul (24) bei der Bestimmung des wenigstens einen Körpermerkmals (M) ein klassisches Maschinenlernverfahren, insbesondere mit einem symbolischen Ansatz verwendet.Method according to one of the preceding claims, characterized in that the feature module (24) uses a classic machine learning method, in particular with a symbolic approach, when determining the at least one body feature (M). Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das Merkmalmodul (24) bei der Bestimmung des wenigstens einen Körpermerkmals (M) ein künstliches neuronales Netzwerk (30) verwendet.Method according to one of the preceding claims, characterized in that the feature module (24) uses an artificial neural network (30) when determining the at least one body feature (M). Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das wenigstens eine Körpermerkmal (M) die Höhe des Körpers (M1), insbesondere des Oberkörpers, die Breite des Körpers (M2), insbesondere des Oberkörpers, die Armlänge (M3) wenigstens eines Arms, der Bauchumfang (M4), die Orientierung des Oberkörpers, die Orientierung des Kopfes und/oder die Orientierung wenigstens eines Arms ist.Method according to one of the preceding claims, characterized in that the at least one body feature (M) is the height of the body (M 1 ), in particular the upper body, the width of the body (M 2 ), in particular the upper body, the arm length (M 3 ) at least one arm, the waist circumference (M 4 ), the orientation of the upper body, the orientation of the head and / or the orientation of at least one arm. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das wenigstens eine Körpermerkmal (M), das zur Ermittlung des Körpergewichts und/oder der Sitzposition herangezogen wird, mittels wenigstens eines Data-Mining Verfahrens ausgewählt wird.Method according to one of the preceding claims, characterized in that the at least one body feature (M) which is used to determine the body weight and / or the sitting position is selected by means of at least one data mining method. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das Bild (B) eine Aufnahme des Fahrzeuginsassen (F) ist, der auf einem entsprechenden Sitz (12) des Kraftfahrzeugs (10) sitzt.Method according to one of the preceding claims, characterized in that the image (B) is a picture of the vehicle occupant (F) who is sitting on a corresponding seat (12) of the motor vehicle (10). Steuergerät für ein Kraftfahrzeug (10), das dazu eingerichtet ist, ein Verfahren nach einem der vorhergehenden Ansprüche durchzuführen.Control device for a motor vehicle (10) which is set up to carry out a method according to one of the preceding claims. Kraftfahrzeug mit einer Kamera (20) und einem Steuergerät (22) nach Anspruch 13.Motor vehicle with a camera (20) and a control unit (22) according to Claim 13 .
DE102019212408.9A 2019-08-20 2019-08-20 Method for determining body weight and / or sitting position, control unit and motor vehicle Pending DE102019212408A1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE102019212408.9A DE102019212408A1 (en) 2019-08-20 2019-08-20 Method for determining body weight and / or sitting position, control unit and motor vehicle

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102019212408.9A DE102019212408A1 (en) 2019-08-20 2019-08-20 Method for determining body weight and / or sitting position, control unit and motor vehicle

Publications (1)

Publication Number Publication Date
DE102019212408A1 true DE102019212408A1 (en) 2021-02-25

Family

ID=74495904

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102019212408.9A Pending DE102019212408A1 (en) 2019-08-20 2019-08-20 Method for determining body weight and / or sitting position, control unit and motor vehicle

Country Status (1)

Country Link
DE (1) DE102019212408A1 (en)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19625890A1 (en) * 1996-06-27 1998-01-02 Bayerische Motoren Werke Ag Control method for a vehicle safety device
WO2001019648A1 (en) * 1999-09-10 2001-03-22 Siemens Aktiengesellschaft Method and device for controlling the operation of an occupant-protection device allocated to a seat, in particular, in a motor vehicle
WO2002046003A1 (en) * 2000-12-07 2002-06-13 Siemens Aktiengesellschaft Device and method for detecting an object in a vehicle
WO2007003471A1 (en) * 2005-07-04 2007-01-11 Robert Bosch Gmbh Device for adjusting a belt force of a safety belt in a vehicle
DE102016107331A1 (en) * 2015-04-24 2016-10-27 Ford Global Technologies, Llc System and method for adjusting the seat belt height
DE102016218549B3 (en) * 2016-09-27 2017-12-28 Audi Ag Method for determining a collision-related forecast result
DE102018129251A1 (en) * 2017-12-21 2019-06-27 Intel Corporation Adaptive processing of spatial image acquisition data
DE102018206777A1 (en) * 2018-05-02 2019-11-07 Zf Friedrichshafen Ag Depth evaluation for locating a vehicle occupant in a vehicle interior

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19625890A1 (en) * 1996-06-27 1998-01-02 Bayerische Motoren Werke Ag Control method for a vehicle safety device
WO2001019648A1 (en) * 1999-09-10 2001-03-22 Siemens Aktiengesellschaft Method and device for controlling the operation of an occupant-protection device allocated to a seat, in particular, in a motor vehicle
WO2002046003A1 (en) * 2000-12-07 2002-06-13 Siemens Aktiengesellschaft Device and method for detecting an object in a vehicle
WO2007003471A1 (en) * 2005-07-04 2007-01-11 Robert Bosch Gmbh Device for adjusting a belt force of a safety belt in a vehicle
DE102016107331A1 (en) * 2015-04-24 2016-10-27 Ford Global Technologies, Llc System and method for adjusting the seat belt height
DE102016218549B3 (en) * 2016-09-27 2017-12-28 Audi Ag Method for determining a collision-related forecast result
DE102018129251A1 (en) * 2017-12-21 2019-06-27 Intel Corporation Adaptive processing of spatial image acquisition data
DE102018206777A1 (en) * 2018-05-02 2019-11-07 Zf Friedrichshafen Ag Depth evaluation for locating a vehicle occupant in a vehicle interior

Similar Documents

Publication Publication Date Title
DE102018207977B4 (en) Interior monitoring for seat belt adjustment
DE60027386T2 (en) System and method for detecting the onset of a vehicle rollover
EP1034985B1 (en) Method and apparatus for controlling a passive restraint system of a vehicle
DE102014216050B4 (en) System and method for deploying a side airbag of a vehicle
DE102009054473A1 (en) Method and control device for determining a type of collision of a vehicle
DE102015219237A1 (en) Method for automatic adjustment of one or more comfort and / or safety systems in a motor vehicle
DE102004020049A1 (en) Safety device for a motor vehicle
DE102004038167A1 (en) Motor vehicle with a preventive protection system
DE102015108679B4 (en) USE OF SIDE IMPACT VEHICLE RESTRAINT SYSTEMS
DE102019212408A1 (en) Method for determining body weight and / or sitting position, control unit and motor vehicle
DE102015014138A1 (en) A method of automatically positioning a number of components associated with an occupant in a vehicle
EP1436173B1 (en) System and method for detecting vehicle seat occupancy
DE102012024718A1 (en) Method for adapting state of component of motor vehicle, particularly passenger car to body characteristic of person, involves determining body characteristic and adjusting state of one component depending on determined body characteristic
DE102016003315A1 (en) Method for recording a seat occupancy
DE102017011831A1 (en) Method and device for operating an autonomously driving vehicle
DE102019110228B4 (en) Determining the occupancy of seats on board a motor vehicle
EP2222511B1 (en) Method and control unit for actuating personal means of protection for a vehicle
DE102014002813A1 (en) Vehicle operation method, involves utilizing driver assistance system, and automatically positioning vehicle occupant protection device relative to driver of vehicle prior to its release in case of impending collision of vehicle
DE102009000080B4 (en) Method and control unit for detecting a driving state of a vehicle
WO2018068861A1 (en) Method for a vehicle seat, computer program, storage medium, and device
DE102010035203A1 (en) Method for adjusting visual range of driver in vehicle i.e. motor car, involves determining target state of movable vehicle component based on actual state of driver's seat and transferring vehicle component to target state
DE102016205800A1 (en) A method for changing a forward displacement of an occupant of a vehicle when braking the vehicle and the control unit
DE102018122044A1 (en) Motor vehicle seat
DE102020205517A1 (en) Method for setting a functional element in a motor vehicle
DE102015002960A1 (en) Method for operating a vehicle and device for carrying out such a method

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R016 Response to examination communication
R016 Response to examination communication