[发明专利]一种车辆信息显示方法、装置、终端和存储介质有效

专利信息
申请号: 201910172181.9 申请日: 2019-03-07
公开(公告)号: CN109835260B 公开(公告)日: 2023-02-03
发明(设计)人: 杨尊程 申请(专利权)人: 百度在线网络技术(北京)有限公司
主分类号: B60R1/22 分类号: B60R1/22;B60K35/00
代理公司: 北京品源专利代理有限公司 11332 代理人: 孟金喆
地址: 100085 北京市*** 国省代码: 北京;11
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 车辆 信息 显示 方法 装置 终端 存储 介质
【权利要求书】:

1.一种车辆信息显示方法,其特征在于,包括:

实时获取驾驶员头部图像;

利用预先训练的头部姿态识别模型,根据所述驾驶员头部图像识别驾驶员的当前头部姿态;

利用预先训练的与所述当前头部姿态对应的当前视线检测模型,根据所述驾驶员头部图像识别驾驶员的当前视线区域,其中,不同的头部姿态对应预先训练有不同的视线检测模型,每种不同头部姿态对应的视线检测模型是分别基于每种不同头部姿态的头部图像训练得到;

将驾驶员前方显示屏上与所述当前视线区域对应的信息进行突出显示;

根据所述驾驶员头部图像识别驾驶员的当前视线区域之前,所述方法还包括:

利用图像识别技术,从所述驾驶员头部图像中提取出人脸图像;

相应的,利用预先训练的与所述当前头部姿态对应的当前视线检测模型,根据所述驾驶员头部图像识别驾驶员的当前视线区域,包括:

利用预先训练的与所述当前头部姿态对应的当前视线检测模型,根据所述人脸图像识别驾驶员的当前视线区域,其中,所述视线检测模型是基于人脸图像中的眼球特征和眼睛周围的至少一个眼周特征识别眼睛的视线区域。

2.根据权利要求1所述的方法,其特征在于,所述视线检测模型的训练过程包括:

基于不同的头部姿态获取相应的人脸图像样本集;

针对每一种头部姿态的人脸图像样本集,获取其中每张人脸图像样本中的眼球特征和眼睛周围的至少一个眼周特征的特征标注信息;

将所述人脸图像样本集和所述特征标注信息作为输入,将预先标注的每张人脸图像样本的视线区域作为输出,基于深度神经网络训练得到所述视线检测模型。

3.根据权利要求1或2所述的方法,其特征在于,所述突出显示至少包括放大显示。

4.一种车辆信息显示装置,其特征在于,包括:

头部图像获取模块,用于实时获取驾驶员头部图像;

头部姿态识别模块,用于利用预先训练的头部姿态识别模型,根据所述驾驶员头部图像识别驾驶员的当前头部姿态;

视线区域识别模块,用于利用预先训练的与所述当前头部姿态对应的当前视线检测模型,根据所述驾驶员头部图像识别驾驶员的当前视线区域,其中,不同的头部姿态对应预先训练有不同的视线检测模型,每种不同头部姿态对应的视线检测模型是分别基于每种不同头部姿态的头部图像训练得到;

信息显示模块,用于将驾驶员前方显示屏上与所述当前视线区域对应的信息进行突出显示;

所述装置还包括:

人脸图像获取模块,用于利用图像识别技术,从所述驾驶员头部图像中提取出人脸图像;

相应的,所述视线区域识别模块具体用于:

利用预先训练的与所述当前头部姿态对应的当前视线检测模型,根据所述人脸图像识别驾驶员的当前视线区域,其中,所述视线检测模型是基于人脸图像中的眼球特征和眼睛周围的至少一个眼周特征识别眼睛的视线区域。

5.根据权利要求4所述的装置,其特征在于,所述视线检测模型的训练过程包括:

基于不同的头部姿态获取相应的人脸图像样本集;

针对每一种头部姿态的人脸图像样本集,获取其中每张人脸图像样本中的眼球特征和眼睛周围的至少一个眼周特征的特征标注信息;

将所述人脸图像样本集和所述特征标注信息作为输入,将预先标注的每张人脸图像样本的视线区域作为输出,基于深度神经网络训练得到所述视线检测模型。

6.根据权利要求4或5所述的装置,其特征在于,所述突出显示至少包括放大显示。

7.一种终端,其特征在于,包括:

至少一个摄像头,用于拍摄驾驶员头部图像;

一个或多个处理器;

存储装置,用于存储一个或多个程序,

当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-3中任一所述的车辆信息显示方法。

8.一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,该程序被处理器执行时实现如权利要求1-3中任一所述的车辆信息显示方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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百度在线网络技术(北京)有限公司,未经百度在线网络技术(北京)有限公司许可,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/201910172181.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top