[发明专利]一种基于肢体长度预测的汽车驾驶席座椅智能调节系统及方法有效
申请号: | 201810470672.7 | 申请日: | 2018-05-17 |
公开(公告)号: | CN108657029B | 公开(公告)日: | 2020-04-28 |
发明(设计)人: | 田晟;张剑锋;张裕天;许凯;朱泽坤;冯宇鹏 | 申请(专利权)人: | 华南理工大学 |
主分类号: | B60N2/02 | 分类号: | B60N2/02;B60N2/22;B60N2/90;G06K9/00;G06N3/04 |
代理公司: | 广州市华学知识产权代理有限公司 44245 | 代理人: | 李斌 |
地址: | 510640 广*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 肢体 长度 预测 汽车 驾驶 座椅 智能 调节 系统 方法 | ||
1.一种基于肢体长度预测的汽车驾驶席座椅智能调节方法,其特征在于,所述的汽车驾驶席座椅智能调节方法包括下列步骤:
R1、通过摄像头获取图像信息,所述的图像信息包含直立、完整的驾驶员躯体;
R2、对图像中的驾驶员进行人脸识别,将驾驶员人脸信息与数据库中已有驾驶员信息进行比对,如为在库驾驶员,则调取数据库中该驾驶员对应的座椅位置及靠背角度信息自动调节座椅,同时结束流程,如无匹配,则进行后续步骤;所述的步骤R2包括:
R21、对图像中的驾驶员进行人脸识别,采用具有多层卷积的深度神经网络用于提取人脸深度特征向量x;
R22、对所提取的人脸深度特征向量x与第j个在库驾驶员人脸特征y(j)进行匹配,计算两者欧式距离,距离小于阈值,即判定为该在库驾驶员,否则与下一个在库驾驶员进行匹配,若全部不匹配则判定为非在库驾驶员;
R3、对图像利用卷积神经网络进行人体实例分割及关节点定位,并形成人体骨架模型;所述的步骤R3包括:
R31、采用预训练好的Mask RCNN模型进行实例分割及关节点定位,将图像中的驾驶员从背景中分割出来,获得驾驶员像素点,并定位人体16个关节点;
R32、构建人体骨架模型,人体骨架模型由16个关节点连接成15段骨骼,其中16个关节点分别是头S1、肩膀中心S2,脊椎中心S3、臀部S4、右肩关节S5、右肘关节S6、右手腕关节S7、左肩关节S8、左肘关节S9、左手腕关节S10、右髋关节S11、右膝关节S12、右踝关节S13、左髋关节S14、左膝关节S15、左踝关节S16
R4、根据图像信息、关节点定位及摄像头高度信息,确定图像中人体比例尺,以此预测驾驶员身高及肢体长度;
R5、根据驾驶员身高及肢体长度预测值,匹配数据库中肢体长度-座椅位置及靠背角度信息对应表,得到座椅位置及靠背角度信息,通过控制器控制电机自动调节座椅,其中,所述的信息对应表对应逻辑为:根据臀部到头部的高度确定座椅上下位置,根据腿部长度及座椅上下位置确定座椅前后位置,根据手臂长度及座椅前后位置确定座椅靠背角度。
2.根据权利要求1所述的一种基于肢体长度预测的汽车驾驶席座椅智能调节方法,其特征在于,所述的步骤R4包括:
R41、摄像头光轴平行于地面且距离地面高度为m,而驾驶员直立于地面,可知驾驶员最低像素点至图像纵向中轴线的垂直距离为m,而其像素距离为p个像素,由此得到单位像素边长r=m/p;
R42、对驾驶员像素进行遍历比较像素纵坐标大小,获得驾驶员最高像素点和最低像素点,将最高像素点减去最低像素点得到驾驶员的像素高度为h;
R43、根据驾驶员像素高度h及各段骨骼像素长度li,结合单位像素边长r,计算得到驾驶员的实际身高H=h×r,各段骨骼实际长度为L=li×r。
3.根据权利要求1所述的一种基于肢体长度预测的汽车驾驶席座椅智能调节方法,其特征在于,所述的肢体长度-座椅位置及靠背角度信息对应表由大量试验数据拟合得到,一组肢体长度组合对应一组座椅上下、前后位置及靠背角度信息。
4.根据权利要求1所述的一种基于肢体长度预测的汽车驾驶席座椅智能调节方法,其特征在于,所述的摄像头摄像的触发信号是驾驶员拉动左前车门把手。
5.根据权利要求1所述的一种基于肢体长度预测的汽车驾驶席座椅智能调节方法,其特征在于,所述的汽车驾驶席座椅智能调节方法在步骤R5之后还包括:
R6、对驾驶员人脸信息及对应的座椅位置与角度信息进行存储。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华南理工大学,未经华南理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810470672.7/1.html,转载请声明来源钻瓜专利网。