[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

AT523727A4 - Computerimplementiertes Verfahren zur Analyse des Innenraums eines Fahrzeugs - Google Patents

Computerimplementiertes Verfahren zur Analyse des Innenraums eines Fahrzeugs Download PDF

Info

Publication number
AT523727A4
AT523727A4 ATA50693/2020A AT506932020A AT523727A4 AT 523727 A4 AT523727 A4 AT 523727A4 AT 506932020 A AT506932020 A AT 506932020A AT 523727 A4 AT523727 A4 AT 523727A4
Authority
AT
Austria
Prior art keywords
data processing
processing unit
data
vehicle
interior
Prior art date
Application number
ATA50693/2020A
Other languages
English (en)
Other versions
AT523727B1 (de
Inventor
Hödlmoser Dr Michael
Beyer MSc Sebastian
Seitner Dr Florian
Original Assignee
Emotion3D Gmbh
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 Emotion3D Gmbh filed Critical Emotion3D Gmbh
Priority to ATA50693/2020A priority Critical patent/AT523727B1/de
Priority to EP21748815.4A priority patent/EP4200801A1/de
Priority to US18/021,575 priority patent/US20230316783A1/en
Priority to CN202180060552.XA priority patent/CN116194342A/zh
Priority to PCT/EP2021/069627 priority patent/WO2022037853A1/de
Application granted granted Critical
Publication of AT523727B1 publication Critical patent/AT523727B1/de
Publication of AT523727A4 publication Critical patent/AT523727A4/de

Links

Classifications

    • 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
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
    • B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
    • B60R16/037—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for occupant comfort, e.g. for automatic adjustment of appliances according to personal settings, e.g. seats, mirrors, steering wheel
    • 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
    • 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
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • B60W2050/146—Display means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24133—Distances to prototypes
    • G06F18/24137—Distances to cluster centroïds
    • G06F18/2414—Smoothing the distance, e.g. radial basis function networks [RBFN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30242—Counting objects in image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30268—Vehicle interior

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Transportation (AREA)
  • Automation & Control Theory (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

Die Erfindung betrifft ein computerimplementiertes Verfahren zur Detektion und Analyse von im Innenraum (1) eines Fahrzeugs (2) befindlichen Personen und Gegenständen mit zumindest einer Bildaufnahmeeinheit (3), einer Datenverarbeitungseinheit (4) und einer Datenbank (5), umfassend die Aufnahme, durch die Bildaufnahmeeinheit (3), eines Fotos (11) oder Videos des Innenraums (1) und Übermittlung an die Datenverarbeitungseinheit (4), die Analyse des Fotos (11) oder Videos, in der Datenverarbeitungseinheit (4), durch eine sequenzielle Datenverarbeitungskette (10) von Programmmodulen (12, 12‘, 12‘‘), umfassend die Schritte Grobanalyse zur Lokalisierung von Personen und Objekten und Erstellung von Körper- und Objektbildern (15, 15‘, 15‘‘), Detailanalyse der Körper- und Objektbilder (15, 15‘, 15‘‘), Extraktion von Körper- und Objektdaten (7), und die Speicherung, durch die Datenverarbeitungseinheit (4), der ermittelten Körper- und Objektdaten (7) in einem hierarchischen Datenmodell (9) in der Datenbank (5).

Description

Computerimplementiertes Verfahren zur Analyse des Innenraums eines Fahrzeugs
Die Erfindung betrifft ein computerimplementiertes Verfahren zur Analyse des
Innenraums eines Fahrzeugs.
Moderne Fahrzeuge beinhalten kamerabasierte Systeme zur Analyse ihres Innenraums, um in der Fahrzeugkabine befindliche Personen und Gegenstände zu detektieren bzw. zu analysieren. Die Anordnung von Personen und Gegenständen im Innenraum des Fahrzeugs wird dabei als Szene bezeichnet. Mit Hilfe derartiger Systeme können aus der aufgenommenen Szene sowohl sicherheitsrelevante Informationen (z.B. Aufmerksamkeit des Fahrers, Gurterkennung bei allen Insassen, etc.), als auch nicht sicherheitsrelevante Informationen (z.B. Größenbestimmung des Fahrers zur automatischen Einstellung des Sitzes, Fahrer-Identifizierung zur
Modellierung von unterschiedlichen Einstellungsprofilen, etc.) abgeleitet werden.
Bekannte Systeme leiden jedoch unter verschiedenen Problemen. Erstens werden verschiedene Aufgaben aus dem Bereich der Innenraumanalyse meist unabhängig voneinander betrachtet. Das heißt, dass für jede abzuleitende Information jeweils ein völlig unabhängig operierendes Bildverarbeitungsmodul zum Einsatz kommt. So gibt es Systeme, die das Aufmerksamkeitslevel des Fahrers modellieren, oder aber auch Personen anhand ihres Gesichts erkennen und verifizieren. Solche Systeme leiden darunter, dass die einzelnen Module einen hohen Speicherbedarf und eine hohe Rechenkapazität benötigen.
Zweitens sind die zu identifizierenden Szenen bei unterschiedlichen Fahrzeugtypen (z.B. PKW, LKW, Bus („Peoplemover“), Zug, etc.) verschieden groß und damit auch verschieden komplex. Bei der Analyse von Personen und Objekten ergibt sich zum Beispiel im Innenraum eines Zugs eine wesentlich größere Anzahl an zu analysierenden Objekten verglichen mit dem Innenraum eines PKWs. Folglich müssen für unterschiedliche Fahrzeugtypen verschiedene Systeme bereitgestellt werden.
Diese und andere Aufgaben der Erfindung werden erfindungsgemäß durch ein Verfahren gemäß Anspruch 1 gelöst.
Ein erfindungsgemäßes computerimplementiertes Verfahren zur Bestimmung von Merkmalen des Innenraums eines Fahrzeugs verwendet zumindest eine im Innenraum des Fahrzeugs angeordnete Bildaufnahmeeinheit, eine Datenverarbeitungseinheit und eine Datenbank. Es umfasst zumindest die folgenden Schritte:
Zunächst erfolgt durch die Bildaufnahmeeinheit die Aufnahme eines Fotos oder eines Videos des Innenraums, und die Übermittlung des Fotos oder Videos an die Datenverarbeitungseinheit. Die Datenverarbeitungseinheit analysiert das Foto oder Video durch eine sequenzielle Datenverarbeitungskette von hierarchisch angeordneten
Programmmodulen.
Eine erfindungsgemäße Datenverarbeitungskette umfasst mehrere Programmmodule, wobei jedes Modul entweder Informationen aus Bildern extrahiert und dabei bekannte Bildverarbeitungsalgorithmen einsetzt, oder Informationen aus anderen Modulen verknüpft und weiterverarbeitet, um höherwertige Informationen zu gewinnen. Die extrahierten Informationen dienen dabei der Beschreibung der Szene und können zum Beispiel die Position einer Person oder eines Objekts bzw. Farben, Größen, Umfänge, etc. dieser lokalisierten Personen und Objekte beinhalten. Die ermittelten Informationen können im Wesentlichen als Personen- und Objektdaten zusammengefasst werden.
Die Programmmodule der Datenverarbeitungskette sind hierarchisch angeordnet, wobei
die Hierarchieebene eines Moduls aus dem Detailgrad der daraus gewonnenen Information festgelegt wird.
Die Module können von einem oder mehreren anderen Modulen abhängig sein. Das erste Modul in der Verarbeitungskette steht dabei in der Hierarchieebene ganz oben und hat keine Abhängigkeiten zu Informationen aus anderen Modulen. Je weiter unten das Modul in der Hierarchieebene steht, desto mehr Abhängigkeiten zu vorangegangenen Verarbeitungsschritten bzw. Modulen liegen vor. Die durch die Module extrahierten Informationen gewinnen also mit Verringerung der Hierarchieebene
an Detail.
In einem ersten Schritt erfolgt eine Grobanalyse zur Lokalisierung von Personen und Objekten im Foto oder Video. Zu diesem Zweck können bekannte Bildverarbeitungsalgorithmen eingesetzt werden. Die Umrisse der erkannten Personen bzw. des erkannten Objekts werden im Foto oder Video detektiert und um diese Umrisse herum werden Teilabschnitte des Fotos oder Videos in Form von Körper- und Objektbildern erstellt.
Im nächsten Schritt erfolgt eine Detailanalyse der extrahierten Körper- und Objektbilder. Zu diesem Zweck können bekannte Bildverarbeitungsalgorithmen eingesetzt werden. Körperdaten wie Körpergröße, Alter, Gewicht, Geschlecht, ein Körpergelenksmodell, die Körperhaltung und andere optisch erkennbare Eigenschaften der Körper können extrahiert werden. Ebenso können Objektdaten wie Größe, Form, Farbe, Umfang und andere optisch erkennbare Eigenschaften der erkannten Objekte extrahiert werden. Die Detailanalyse kann für alle im ersten Schritt lokalisierten Personen und Objekte im
Innenraum durchgeführt werden.
In einem weiteren Schritt speichert die Datenverarbeitungseinheit die ermittelten Körper- und Objektdaten in einem hierarchischen Datenmodell in der Datenbank. In diesem hierarchischen Datenmodell sind die Daten aus der Grobanalyse in einer höheren Hierarchieebene angeordnet als die Daten aus der Detailanalyse. Dieses hierarchische Datenmodell verbleibt in der Datenbank und kann in Folge durch Programmmodule der Datenverarbeitungseinheit selbst, oder durch externe Programmmodule, beispielsweise von einer externen Datenverarbeitungseinheit, zur
Bestimmung von Merkmalen des Innenraums des Fahrzeugs verwendet werden.
Ein externes Programmmodul kann zur Bestimmung eines bestimmten Merkmals des Innenraums des Fahrzeugs das hierarchische Datenmodell heranziehen. Bei dem gesuchten Merkmal des Innenraums kann es sich beispielsweise um eines oder mehrere der folgenden handeln: Besetzung des Fahrzeugs, Gurte korrekt angelegt, Position von Objekten wie Mobiltelefone oder Kindersitze in Relation zu den erkannten Personen, Aufmerksamkeitsgrad des Fahrers, Müdigkeit des Fahrers, und dergleichen.
Danach kann das externe Programmmodul dem hierarchischen Datenmodell genau jene Körper- und Objektdaten entnehmen, die zur Bestimmung des Merkmals erforderlich sind. Dabei kann das externe Programmmodul Informationen aus unterschiedlichen Ebenen und unterschiedlichen Detailgraden kombinieren, ohne die entsprechenden Analysemodelle neuerlich ausführen zu müssen, sodass eine schnelle
Bearbeitung möglich ist.
Bei der erfindungsgemäßen Datenverarbeitungskette sind also die Programmmodule zur Grobanalyse und Detailanalyse hierarchisch aufgebaut. Die Hierarchie in der Abarbeitung ergibt sich durch die Anzahl der vorangeschalteten Programmmodule, die notwendig sind, um die Informationen mit möglichst wenig Ressourceneinsatz zu
berechnen.
Erfindungsgemäß werden Bildverarbeitungsmodule und Algorithmen auf eine hierarchische Weise kombiniert. Damit ergeben sich wesentliche Vorteile gegenüber herkömmlichen Verfahren. Einerseits erfolgt eine dramatische Reduktion von Speicher und Rechenkapazität. Ein System, welches das erfindungsgemäße Verfahren nutzt, kann aus einer Szene eine Vielzahl von Zuständen und Informationen schneller erfassen und verarbeiten. Informationen, die weiter oben in der Hierarchieebene stehen (d.h. einen niedrigeren Detailgrad haben), werden in der Regel von mehreren Programmmodulen benötigt und werden zuerst und unter Verwendung von größeren
Teilen der Ressourcen (d.h. Speicherplatz und Prozessorleistung) berechnet. Informationen, die weiter unten in der Hierarchieebene liegen (d.h. die einen höheren
Detailgrad haben), werden erst nachgelagert, unter Verwendung von weniger Ressourcen und auch parallel berechnet.
Dementsprechend erlaubt ein erfindungsgemäßes Verfahren den Einsatz von kostengünstigerer Hardware für die entsprechenden Systeme.
Das erfindungsgemäße Verfahren erlaubt auch eine Vereinheitlichung des Gesamtsystems zur Innenraumanalyse. So können Eigenschaften des Innenraums von beliebig komplexen Gesamtsystemen erfasst werden, ohne die Datenverarbeitungskette verändern zu müssen. Die Datenverarbeitungskette weist somit eine hohe Skalierbarkeit in Bezug auf die Größe und Komplexität der Szenen des Innenraums auf. Hierarchieebenen können aber auch an bestimmte Eigenschaften und Anforderungen gebunden sein. So kann zum Beispiel bei niedrigerem Detailgrad des Gesamtsystems (d.h. es werden nur Informationen mit einem niedrigem Detailgrad extrahiert und benötigt) die Anzahl der Kameras und die Auflösung der Eingabedaten reduziert werden, oder aber auch verfügbare Programmmodule auf bestimmte
Hierarchieebenen eingeschränkt werden.
Die Datenverarbeitungseinheit und die Datenbank können vorzugsweise zur Gänze in einem Fahrzeug angeordnet sein. Es kann jedoch auch vorgesehen sein, dass die Datenverarbeitungseinheit und die Datenbank im Fahrzeug angeordnet sind und über eine Schnittstelle, beispielsweise eine drahtlose Verbindung, mit einem externen Server, beispielsweise einem Server im Internet, kommunizieren, auf dem sich
gegebenenfalls eine Datenbank mit einem vorab hinterlegten Datenmodell befindet.
Bei der Bildaufnahmeeinheit kann es sich um eine Foto- oder Videokamera, eine ToF (Time-of-Flight) Kamera oder dergleichen handeln. Die Verwendung einer ToF-Kamera erleichtert die robuste Lokalisierung von Person und Objekten und die Extraktion der Körper- und Objektdaten. Die Bildaufnahmeeinheit kann im Fahrzeug vorzugsweise derart angeordnet sein, dass möglichst der gesamte Innenraum im Bildbereich sichtbar ist. Zu diesem Zweck kann die Bildaufnahmeeinheit auch mehrere in unterschiedlichen Winkeln angeordnete Kameras umfassen. Zur Extraktion und Analyse der Körper- und Objektdaten können Bildanalysebibliotheken und/oder ein mit Trainingsbeispielen
trainierter Detektor, beispielsweise ein neuronales Netz herangezogen werden.
Die Datenverarbeitungseinheit kann als Mikrocontroller oder Mikrocomputer ausgebildet sein und eine zentrale Verarbeitungseinheit (CPU), einen flüchtigen Halbleiterspeicher (RAM), einen nichtflüchtigen Halbleiterspeicher (ROM, SSD-Festplatte), einen magnetischen Speicher (Festplatte) und/oder einen optischen Speicher (CD-ROM) sowie Schnittstelleneinheiten (Ethernet, USB) und dergleichen umfassen. Die Bestandteile derartiger Datenverarbeitungseinheiten sind dem Fachmann grundsätzlich bekannt. Die Datenbank kann als Softwaremodul in der Datenverarbeitungseinheit, in einem von der Datenverarbeitungseinheit getrennten Computer oder in einem externen
Server vorgesehen sein.
Die Erfindung erstreckt sich auch auf ein computerlesbares Speichermedium, umfassend Anweisungen, die eine Datenverarbeitungseinheit zur Ausführung eines
erfindungsgemäßen Verfahrens veranlassen.
Ferner erstreckt sich die Erfindung auch auf eine Vorrichtung zur Bestimmung von Merkmalen des Innenraums eines Fahrzeugs, umfassend zumindest eine Bildaufnahmeeinheit, eine Datenverarbeitungseinheit und eine Datenbank, wobei die Vorrichtung zur Ausführung eines erfindungsgemäßen Verfahrens ausgebildet ist.
Weitere erfindungsgemäße Merkmale ergeben sich aus den Ansprüchen, den Ausführungsbeispielen und den Figuren.
Die Erfindung wird im Folgenden anhand eines exemplarischen, nicht ausschließlichen
Ausführungsbeispiels erläutert.
Fig. 1 zeigt eine schematische Darstellung eines Fahrzeugs mit einer Datenverarbeitungseinheit zur Ausführung eines erfindungsgemäßen Verfahrens; Figs. 2a — 2c zeigen schematische Beispiele eines aufgenommenen Bildes und der daraus extrahierten Informationen;
Fig. 3 zeigt eine schematische Darstellung einer Ausführungsform eines erfindungsgemäßen hierarchischen Datenmodells;
Fig. 4 zeigt ein schematisches Blockschaltbild einer Ausführungsform einer erfindungsgemäßen Vorrichtung.
Fig. 1 zeigt eine schematische Darstellung eines Fahrzeugs 2 mit darin integrierten elektronischen Datenverarbeitungseinheiten 4, 4‘ zur Ausführung eines erfindungsgemäßen Verfahrens. Im Innenraum 1 des Fahrzeugs 2 ist an der Decke eine Bildaufnahmeeinheit 3 in Form einer Kamera angeordnet. Die Kamera ist dazu ausgebildet und derart angeordnet, dass sie den gesamten Innenraum 1 des Fahrzeugs 2, nämlich sämtliche Sitze und darin befindliche Personen, aufnehmen kann. Im Innenraum sitzen mehrere Personen in zwei Reihen. Das Fahrzeug ist in diesem Ausführungsbeispiel als PKW ausgebildet. Die Datenverarbeitungseinheiten 4, 4‘ sind mit einer Datenbank 5 verbunden und verfügen über (nicht dargestellte) Schnittstellen
zur Kommunikation mit externen elektronischen Komponenten.
Figs. 2a — 2c zeigen schematische Beispiele eines durch die Bildaufnahmeeinheit 3 aufgenommenen und an die Datenverarbeitungseinheit 4 übermittelten Fotos 11 des Innenraums 1. Das Foto 11 zeigt eine typische Szene im Innenraum 1 eines Fahrzeugs
2 mit einem Fahrer, einem Beifahrer und einer auf der Rückbank sitzenden Person.
Die Extraktion der in der Szene enthaltenen Informationen erfolgt durch eine hierarchische Datenverarbeitungskette 10. Im Rahmen der Grobanalyse erfolgt eine Lokalisierung von Personen und Objekten, und eine Erstellung von gegebenenfalls überlappenden Körper- und Objektbildern 15, 15‘, 15‘. Im gegenständlichen Ausführungsbeispiel werden drei Personen und keine Objekte lokalisiert. Auf Grundlage der lokalisierten Personen und deren Koordinaten wird das Foto 11 in drei Körper- und Objektbilder 15, 15‘, 15“ aufgeteilt, und diese werden an die nachfolgende Detailanalyse übergeben.
Im Rahmen der Detailanalyse erfolgt eine genauere Analyse der Körperbilder 15, 15‘, 15“ und eine Extraktion von Körper- und Objektdaten 7. Bei den Körper- und Objektdaten 7 handelt es sich insbesondere um ein Körpergelenksmodell 13, 13°, 13“, aus dem eine Vielzahl relevanter Informationen abgeleitet werden kann. Beispielsweise kann auf Grundlage eines Körpergelenksmodells 13, 13‘, 13“ festgestellt werden, ob ein
Sitzgurt korrekt angelegt wurde.
Auch das Gewicht, Alter, Geschlecht und der Körperumfang der Personen kann daraus ermittelt werden, beispielsweise durch Vergleich mit Referenzdaten, die in der Datenbank 5 abgelegt sind. Auf der Hierarchieebene der Detailanalyse kann auch unterschieden werden, welche der drei Körper- und Objektbilder 15, 15‘, 15“ weiter
untersucht werden sollen, nämlich vorzugsweise jene des Fahrers und des Beifahrers.
In Ausführungsformen der Erfindung können auch feiner strukturierte Gesichtsbilder 16, 16‘ und Personendaten 6 des Fahrers und Beifahrers extrahiert werden, die an das nachfolgende Programmmodul der Datenverarbeitungskette 10 übergeben werden. Im hier gezeigten Ausführungsbeispiel handelt es sich um das Gesicht des Fahrers und des Beifahrers. Durch Anwendung von Bilderkennungsalgorithmen der Datenverarbeitungseinheit 4 können Gesichtsmodelle 14, 14‘ erstellt werden. Aus den Gesichtsbildern 16, 16‘ können Gesichtsdaten 8 wie beispielsweise die Positionen von Mund, Nase, Augen und Ohren, die Blickrichtung und dergleichen der beiden Personen ermittelt.
Als Ergebnis der hierarchischen Datenverarbeitungskette 10 werden zumindest die die Körper- und Objektdaten 7 in der Datenbank 5 abgespeichert. Eine Hinterlegung des aufgenommenen Fotos 11 bzw. der Körperbilder 15, 15°, 15“ in der Datenbank kann
vorgesehen sein, ist aber nicht zwingend erforderlich.
Fig. 3a zeigt eine schematische Darstellung eines durch die Datenverarbeitungseinheit 4 erstellten hierarchischen Datenmodells 9, wobei der Detailgrad von oben nach unten steigt. Erkannte Personen werden auf der Ebene der Personendaten 6 durch eine Vielzahl von Eigenschaften beschrieben. Je nach Detailgrad werden die Eigenschaften in verschiedenen Ebenen gespeichert. Zusammengehörige Eigenschaften sind mit Eigenschaften bzw. Objekten von darunter bzw. darüber liegenden Ebenen verbunden.
Beispielsweise kann ein Fahrzeug zwei Personen beinhalten, jede Person kann ein Gewicht, eine Größe und einen Körperumfang haben. Auf der Ebene der Körper- und Objektdaten 7 können verschiedene Körperregionen wie Oberkörper, Unterkörper, Kopf
unterschieden werden.
Auf der Ebene der Gesichtsdaten 8 können Positionen von Augen, Nase, Mund, Ohren etc. Jeder Person oder ausgewählter Personen abgespeichert sein. Natürlich können auch weitere Hierarchieebenen vorgesehen sein, d.h. es kann auch eine feinere Untergliederung der im Foto 11 dargestellten Szene erfolgen. Beispielsweise könnte eine weitere Untergliederung in zusammengehö6örige Personengruppen erfolgen, etwa in einem Autobus, wo jede Personenreihe als Personengruppe eine eigene Hierarchieebene bilden kann.
Fig. 3b zeigt eine schematische Darstellung einer erfindungsgemäßen Datenverarbeitungskette 10, aufgeteilt in eine Grobanalyse und eine Detailanalyse. Die Programmmodule sind dabei in den rechteckigen Kästchen beschrieben, die jeweils extrahierte Information ist auf den Kanten zwischen den Programmmodulen
dokumentiert.
Fig. 4 zeigt ein schematisches Blockschaltbild einer Ausführungsform einer erfindungsgemäßen Vorrichtung zur Bestimmung von Merkmalen des Innenraums eines Fahrzeugs. Die Vorrichtung umfasst eine Bildaufnahmeeinheit 3, eine Datenverarbeitungseinheit 4, eine weitere Datenverarbeitungseinheit 4‘ und eine Datenbank 5. Sämtliche Komponenten sind in einem Fahrzeug angeordnet.
In der Datenverarbeitungseinheit 4 ist eine sequenzielle Datenverarbeitungskette 10 implementiert, welche in dieser Ausführungsform drei Programmmodule 12, 12°, 12“ zur Analyse eines von der Bildaufnahmeeinheit 3 über eine Schnittstelle zur Verfügung gestellten Fotos 11 umfasst. Diese Programmmodule 12, 12‘, 12“ unterteilen sich in eine Grobanalyse des Fotos 11, eine erste Detailanalyse ausgewählter Körperbilder 15, 15‘, 15“ des Fotos 11, und eine zweite Detailanalyse ausgewählter Gesichtsbilder 16, 16‘ der Körperbilder 15, 15°, 15“. Ergebnisse dieser hierarchischen Bildanalyse sind die von den Programmmodulen 12, 12°, 12“ an die Datenbank 5 übermittelten Personendaten 6, Körperdaten 7 und Gesichtsdaten 8.
In der Datenbank 5 werden diese extrahierten Daten in einem hierarchischen
Datenmodell 9 gespeichert. Dieses Datenmodell 9 kann in Form einer Baumstruktur
implementiert sein.
Eine hierarchische Baumstruktur kann so ausgebildet sein, dass einer erkannten Person auf der obersten Hierarchieebene (geringster Detailgrad) Personendaten 6 und verschiedene Körperregionen zugeordnet sind. Den Körperregionen sind auf der mittleren Hierarchieebene verschiedene Körperdaten 7 und Gesichtsbilder zugeordnet. Den Gesichtsbildern sind auf der untersten Hierarchieebene (höchster Detailgrad) Gesichtsdaten 8 zugeordnet.
Wenn die Analyse des Fotos 11 abgeschlossen ist, kann dieses verworfen werden, da sämtliche relevanten Daten im hierarchischen Datenmodell 9 abgelegt sind. In Folge können interne oder externe Programmmodule auf das Datenmodell 9 zugreifen, um die von ihnen benötigten Informationen zur Bestimmung der gewünschten Eigenschaften des Innenraums zu entnehmen. Beispielsweise können externe Programmmodule 17, 17‘ in einer externen Datenverarbeitungseinheit 4‘ Anfragen Q1 und Q2 an die Datenbank 5 stellen, welche jeweils die benötigte Hierarchieebene enthalten. Die Datenbank stellt den Programmmodulen 17, 17‘ in Folge die erforderlichen Informationen dieser Hierarchieebenen zur Verfügung. Im vorliegenden Beispiel handelt es sich dabei um die Personendaten 6 für Anfrage Q1 (zB wie viele Personen sitzen am Rücksitz?), bzw. um die Körperdaten 7 und Gesichtsdaten 8 für Anfrage Q2 (zB wie
sind die Blickrichtungen und Körperhaltungen von Fahrer und Beifahrer?). Die Erfindung beschränkt sich nicht auf die beschriebenen Ausführungsbeispiele,
sondern umfasst auch weitere Ausführungen der vorliegenden Erfindung im Rahmen
der nachfolgenden Patentansprüche.
Bezugszeichenliste
1 Innenraum
2 Fahrzeug
3 Bildaufnahmeeinheit
4, 4‘ Datenverarbeitungseinheit 5 Datenbank
6 Personendaten
7 Körper- und Objektdaten 8 Gesichtsdaten
9 Hierarchisches Datenmodell 10 Datenverarbeitungskette 11 Foto
12, 12‘ Programmmodul
13, 13°, 13“ Körpergelenksmodell
14, 14‘ Gesichtsmodell
15, 15‘, 15“ Körper- und Objektbild 16, 16° Gesichtsbild
17, 17° Externes Programmmodul

Claims (2)

Patentansprüche
1. Computerimplementiertes Verfahren zur Bestimmung von Merkmalen des Innenraums (1) eines Fahrzeugs (2) mit zumindest einer Bildaufnahmeeinheit (3), einer Datenverarbeitungseinheit (4) und einer Datenbank (5), umfassend die folgenden Schritte:
a. Aufnahme, durch die Bildaufnahmeeinheit (3), eines Fotos (11) oder Videos des Innenraums (1) und Übermittlung an die Datenverarbeitungseinheit (4),
b. Analyse des Fotos (11) oder Videos, in der Datenverarbeitungseinheit (4), durch eine sequenzielle Datenverarbeitungskette (10) von hierarchisch angeordneten Programmmodulen (12, 12‘, 12“), umfassend die Schritte
i. Grobanalyse zur Lokalisierung von Personen und Objekten, Erstellung von Körper- und Objektbildern (15, 15‘, 15“),
ii. Detailanalyse der Körper- und Objektbilder (15, 15‘, 15“), Extraktion von Körper- und Objektdaten (7),
c. Speicherung, durch die Datenverarbeitungseinheit (4), der ermittelten Körper- und Objektdaten (7) in einem hierarchischen Datenmodell (9) in der Datenbank (5), sowie gegebenenfalls
d. Verwendung des hierarchischen Datenmodells (9) durch externe Programmmodule (17, 17°) zur Bestimmung von Merkmalen des
Innenraums (1) des Fahrzeugs (2).
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die Datenverarbeitungseinheit (4) im Rahmen der Grobanalyse durch Anwendung von Bildverarbeitungsalgorithmen
a. die Anzahl der Personen und die Anzahl der Objekte sowie deren Positionen als Personen- und Objektdaten (6) extrahiert, und
b. den Umriss der Personen und Objekte im Foto (11) detektiert und um diesen Umriss Körper- und Objektbilder (15, 15°, 15“) erstellt.
Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass die Datenverarbeitungseinheit (4) im Rahmen der Detailanalyse durch Anwendung von Bildverarbeitungsalgorithmen auf die Körper- und Objektbilder (15, 15‘, 15“) die Körpergröße, das Körpergewicht, das Alter, das Geschlecht, ein Körpergelenksmodell (13), die Körperhaltung, die Objektgröße, das Objektgewicht, die Objektfarbe und/oder andere Körper- und Objektdaten (7) der erkannten Personen und Objekte extrahiert.
Verfahren nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, dass ein externes Programmmodul (17, 17°) zur Bestimmung eines Merkmals des Innenraums (1) des Fahrzeugs (2) dem hierarchischen Datenmodell (9) die zur
Bestimmung des Merkmals erforderlichen Körper- und Objektdaten (7) entnimmt.
Verfahren nach einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, dass die externen Programmmodule Teil einer externen Datenverarbeitungseinheit (4*)
sind.
Verfahren nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, dass es sich bei dem Merkmal des Innenraums (1) des Fahrzeugs (2) beispielsweise um eines oder mehrere der folgenden handelt: Besetzung des Fahrzeugs (2), Gurte korrekt angelegt, Position von Objekten, beispielsweise Mobiltelefone oder Kindersitze, in Relation zu einer Person im Fahrzeug, Aufmerksamkeitsgrad oder Müdigkeit des Fahrers entsprechend der Fahrsituation.
Computerlesbares Speichermedium, umfassend Anweisungen, die eine Datenverarbeitungseinheit (4) zur Ausführung eines Verfahrens nach einem der Ansprüche 1 bis 6 veranlassen.
Vorrichtung zur Bestimmung von Merkmalen des Innenraums (1) eines Fahrzeugs (2), umfassend zumindest eine Bildaufnahmeeinheit (3), eine Datenverarbeitungseinheit (4) und eine Datenbank (5), dadurch gekennzeichnet, dass die Vorrichtung zur Ausführung eines Verfahrens nach einem der Ansprüche
1 bis 7 ausgebildet ist.
ATA50693/2020A 2020-08-18 2020-08-18 Computerimplementiertes Verfahren zur Analyse des Innenraums eines Fahrzeugs AT523727B1 (de)

Priority Applications (5)

Application Number Priority Date Filing Date Title
ATA50693/2020A AT523727B1 (de) 2020-08-18 2020-08-18 Computerimplementiertes Verfahren zur Analyse des Innenraums eines Fahrzeugs
EP21748815.4A EP4200801A1 (de) 2020-08-18 2021-07-14 Computerimplementiertes verfahren zur analyse des innenraums eines fahrzeugs
US18/021,575 US20230316783A1 (en) 2020-08-18 2021-07-14 Computer-implemented method for analysing the interior of a vehicle
CN202180060552.XA CN116194342A (zh) 2020-08-18 2021-07-14 用于分析车辆内部的计算机实现的方法
PCT/EP2021/069627 WO2022037853A1 (de) 2020-08-18 2021-07-14 Computerimplementiertes verfahren zur analyse des innenraums eines fahrzeugs

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
ATA50693/2020A AT523727B1 (de) 2020-08-18 2020-08-18 Computerimplementiertes Verfahren zur Analyse des Innenraums eines Fahrzeugs

Publications (2)

Publication Number Publication Date
AT523727B1 AT523727B1 (de) 2021-11-15
AT523727A4 true AT523727A4 (de) 2021-11-15

Family

ID=77155749

Family Applications (1)

Application Number Title Priority Date Filing Date
ATA50693/2020A AT523727B1 (de) 2020-08-18 2020-08-18 Computerimplementiertes Verfahren zur Analyse des Innenraums eines Fahrzeugs

Country Status (5)

Country Link
US (1) US20230316783A1 (de)
EP (1) EP4200801A1 (de)
CN (1) CN116194342A (de)
AT (1) AT523727B1 (de)
WO (1) WO2022037853A1 (de)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102021214347A1 (de) 2021-12-15 2023-06-15 Zf Friedrichshafen Ag Vorrichtung zum Überwachen des Innenraums eines Fahrradanhängers eines Gespanns aus Fahrrad und Fahrradanhänger

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230129787A (ko) * 2022-03-02 2023-09-11 현대모비스 주식회사 실내등 제어시스템 및 이의 제어방법
DE102022108223A1 (de) 2022-04-06 2023-10-12 Audi Aktiengesellschaft Verfahren zum Betrieb eines Kraftfahrzeugs, Kraftfahrzeug sowie Computerprogrammprodukt

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19719695A1 (de) * 1997-05-09 1998-11-19 Univ Eberhard Karls Verfahren und Vorrichtung zum Messen der Aufmerksamkeit von Lebewesen innerhalb einer Menge von Lebewesen
US5983147A (en) * 1997-02-06 1999-11-09 Sandia Corporation Video occupant detection and classification
FR2815135A1 (fr) * 2000-10-11 2002-04-12 Siemens Automotive Sa Procede de determination de l'occupation d'un habitacle de vehicule automobile
DE10234824A1 (de) * 2002-07-31 2004-02-12 Webasto Vehicle Systems International Gmbh Vorrichtung zur Überwachung einer Person oder eines Objekts im Fahrzeuginnenraum
EP1700761A1 (de) * 2005-03-10 2006-09-13 Omron Corporation Vorrichtung zur Authentifizierung eines Fahrzeugfahrers
DE102008028844A1 (de) * 2007-06-22 2009-01-08 Continental Teves Ag & Co. Ohg Verfahren und Vorrichtung zur Fahrerunterstützung mittels Fahrerassistenzsystemen
DE102010002861A1 (de) * 2010-03-15 2011-09-15 Bayerische Motoren Werke Aktiengesellschaft Fahrzeug mit mindestens einem Individualsitzplatz für einen mitfahrenden Fahrzeuginsassen
EP2813408A1 (de) * 2013-06-12 2014-12-17 Robert Bosch Gmbh Verfahren und Vorrichtung zum Betreiben eines Fahrzeugs
DE102013220240A1 (de) * 2013-10-08 2015-04-09 Bayerische Motoren Werke Aktiengesellschaft Insassenanwesenheitssystem für ein Fahrzeug, Zentralverriegelungssystem, Verfahren zum Überprüfen der Anwesenheit von Insassen in dem Fahrzeug sowie Verfahren zum automatischen Betätigen von Türschlössern
WO2016144631A1 (en) * 2015-03-11 2016-09-15 Elwha Llc Occupant based vehicle control
WO2018057422A1 (en) * 2016-09-21 2018-03-29 Intel Corporation Occupant profiling system
DE102016225406A1 (de) * 2016-12-19 2018-06-21 Robert Bosch Gmbh Verfahren und Vorrichtung zum Aktuieren zumindest eines Personenschutzmittels eines Fahrzeugs
DE102017211885A1 (de) * 2017-07-12 2019-01-17 Audi Ag Verfahren zum Anfordern eines Handelsguts bei einer Kommunikationseinrichtung einer kraftfahrzeugexternen Datenservereinrichtung, Bestelleinrichtung, und Kraftfahrzeug mit einer Bestelleinrichtung
US20190258879A1 (en) * 2018-02-19 2019-08-22 Robert Bosch Gmbh Occupant detection system and method for transportation vehicle
KR20200044515A (ko) * 2018-10-19 2020-04-29 엘지전자 주식회사 차량 실내 인원 모니터링 장치 및 방법
CN111086370A (zh) * 2019-12-31 2020-05-01 浙江合众新能源汽车有限公司 配置有Tbox汽车防止儿童独自被锁车内系统实现方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8599266B2 (en) * 2002-07-01 2013-12-03 The Regents Of The University Of California Digital processing of video images
US9934442B2 (en) * 2013-10-09 2018-04-03 Nec Corporation Passenger counting device, passenger counting method, and program recording medium
JP7005933B2 (ja) * 2017-05-09 2022-01-24 オムロン株式会社 運転者監視装置、及び運転者監視方法
CN110422178B (zh) * 2019-08-14 2021-05-11 李斯特技术中心（上海）有限公司 驾驶信息获取方法、装置及信息获取系统

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5983147A (en) * 1997-02-06 1999-11-09 Sandia Corporation Video occupant detection and classification
DE19719695A1 (de) * 1997-05-09 1998-11-19 Univ Eberhard Karls Verfahren und Vorrichtung zum Messen der Aufmerksamkeit von Lebewesen innerhalb einer Menge von Lebewesen
FR2815135A1 (fr) * 2000-10-11 2002-04-12 Siemens Automotive Sa Procede de determination de l'occupation d'un habitacle de vehicule automobile
DE10234824A1 (de) * 2002-07-31 2004-02-12 Webasto Vehicle Systems International Gmbh Vorrichtung zur Überwachung einer Person oder eines Objekts im Fahrzeuginnenraum
EP1700761A1 (de) * 2005-03-10 2006-09-13 Omron Corporation Vorrichtung zur Authentifizierung eines Fahrzeugfahrers
DE102008028844A1 (de) * 2007-06-22 2009-01-08 Continental Teves Ag & Co. Ohg Verfahren und Vorrichtung zur Fahrerunterstützung mittels Fahrerassistenzsystemen
DE102010002861A1 (de) * 2010-03-15 2011-09-15 Bayerische Motoren Werke Aktiengesellschaft Fahrzeug mit mindestens einem Individualsitzplatz für einen mitfahrenden Fahrzeuginsassen
EP2813408A1 (de) * 2013-06-12 2014-12-17 Robert Bosch Gmbh Verfahren und Vorrichtung zum Betreiben eines Fahrzeugs
DE102013220240A1 (de) * 2013-10-08 2015-04-09 Bayerische Motoren Werke Aktiengesellschaft Insassenanwesenheitssystem für ein Fahrzeug, Zentralverriegelungssystem, Verfahren zum Überprüfen der Anwesenheit von Insassen in dem Fahrzeug sowie Verfahren zum automatischen Betätigen von Türschlössern
WO2016144631A1 (en) * 2015-03-11 2016-09-15 Elwha Llc Occupant based vehicle control
WO2018057422A1 (en) * 2016-09-21 2018-03-29 Intel Corporation Occupant profiling system
DE102016225406A1 (de) * 2016-12-19 2018-06-21 Robert Bosch Gmbh Verfahren und Vorrichtung zum Aktuieren zumindest eines Personenschutzmittels eines Fahrzeugs
DE102017211885A1 (de) * 2017-07-12 2019-01-17 Audi Ag Verfahren zum Anfordern eines Handelsguts bei einer Kommunikationseinrichtung einer kraftfahrzeugexternen Datenservereinrichtung, Bestelleinrichtung, und Kraftfahrzeug mit einer Bestelleinrichtung
US20190258879A1 (en) * 2018-02-19 2019-08-22 Robert Bosch Gmbh Occupant detection system and method for transportation vehicle
KR20200044515A (ko) * 2018-10-19 2020-04-29 엘지전자 주식회사 차량 실내 인원 모니터링 장치 및 방법
CN111086370A (zh) * 2019-12-31 2020-05-01 浙江合众新能源汽车有限公司 配置有Tbox汽车防止儿童独自被锁车内系统实现方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102021214347A1 (de) 2021-12-15 2023-06-15 Zf Friedrichshafen Ag Vorrichtung zum Überwachen des Innenraums eines Fahrradanhängers eines Gespanns aus Fahrrad und Fahrradanhänger

Also Published As

Publication number Publication date
AT523727B1 (de) 2021-11-15
WO2022037853A1 (de) 2022-02-24
EP4200801A1 (de) 2023-06-28
CN116194342A (zh) 2023-05-30
US20230316783A1 (en) 2023-10-05

Similar Documents

Publication Publication Date Title
AT523727B1 (de) Computerimplementiertes Verfahren zur Analyse des Innenraums eines Fahrzeugs
DE102014210820B4 (de) Verfahren zum Nachweis von großen und Passagierfahrzeugen von festen Kameras
DE102019134141A1 (de) Sicherheitsgurtzustandsbestimmungssystem und verfahren
DE102017127592A1 (de) Verfahren zum Klassifizieren von Bildszenen in einem Fahrunterstützungssystem
DE102015212953A1 (de) Künstliche neuronale Netze zur Klassifizierung von medizinischen Bilddatensätzen
DE102019100575A1 (de) Verfahren und system zum erzeugen eines bereichsbildes unter verwendung von daten mit geringer tiefe
AT523045B1 (de) Verfahren und Vorrichtung zur Sitzgurterkennung
DE102020212799A1 (de) Durchführen von objekt- und aktivitätserkennung auf der grundlage von daten von einer kamera und einem radarsensor
DE102018217091A1 (de) Verfahren, künstliches neuronales Netz, Vorrichtung, Computerprogramm und maschinenlesbares Speichermedium zur semantischen Segmentierung von Bilddaten
DE102021203021A1 (de) Semantisch konsistente erweiterte trainingsdaten zur ampelerkennung
DE102013210771A1 (de) Detektion eines komplexen objekts unter verwendung einer kaskade von klassifizierungseinrichtungen
EP3944136A1 (de) Verfahren zum personalisieren eines id-dokuments und id-dokument
DE102018207194A1 (de) Bestimmen eines Umgebungszustands eines Fahrzeugs mit verketteten Klassifikatoren
DE102020211849A1 (de) Trainieren eines maschinellen lernmodells unter verwendung eines batch-basierten aktiven lernansatzes
WO2020260016A1 (de) Verfahren und vorrichtung zum trainieren eines maschinellen lernsystems
DE102018132627A1 (de) Verfahren zum Erfassen einer Umgebung eines Kraftfahrzeugs mittels zeitlicher Fusion von Bildern durch ein künstliches neuronales Netz; Steuereinheit, Fahrerassistenzsystem; Computerprogrammprodukt
DE102022213409A1 (de) Verfahren und vorrichtung zur bildverarbeitung und fahrzeugdieses verfahren und diese vorrichtung umfassend
DE102022208405A1 (de) Verfahren zur Bestimmung einer Parklücke und einer Zielposition eines Fahrzeugs in der Parklücke
DE102016124123A1 (de) Verfahren zum Erzeugen eines Clusters von Bildbereichen zum Erfassen eines Zielobjekts in einem Bild, Computerprogrammprodukt, Kamerasystem und Kraftfahrzeug
DE102021206625A1 (de) Computerimplementiertes Verfahren und System zur Unterstützung einer Installation eines bildgebenden Sensors und Trainingsverfahren
DE112021007146T5 (de) Körperbaubestimmungsvorrichtung und Körperbaubestimmungsverfahren
DE102020126690A1 (de) Verfahren zum Bestimmen eines Bewegungsmodells eines Objekts in einer Umgebung eines Kraftfahrzeugs, Computerprogrammprodukt, computerlesbares Speichermedium sowie Assistenzsystem
DE102019208864A1 (de) Erkennungssystem, Arbeitsverfahren und Trainingsverfahren
DE102019217951A1 (de) Verfahren und Vorrichtung zum Bestimmen einer Domänendistanz zwischen mindestens zwei Datendomänen
WO2022232854A1 (de) Computerimplementiertes verfahren zur erstellung einer aufmerksamkeitszone