基于深度学习的主动式气囊拉带装置及其控制方法制造方法及图纸

本发明专利技术公开了基于深度学习的主动式气囊拉带装置及其控制方法，气囊回收装置用于回收主动式安全气囊的气囊袋；拉带模块布置在气囊回收装置中；单向电机为卷筒提供动力；转速传感器用于检测单向电机输出轴的旋转圈数；传动轴的两端分别与单向电机的输出轴和卷筒相连，用于将单向电机输出的转矩传递至卷筒，使得单相电机的输出轴与卷筒同步转动；挡板位于卷筒中心，用于隔离卷筒的两端拉带，防止在拉带回收时发生缠绕现象；卷筒固定连接传动轴上，用于在安全气囊泄气时回收拉带；摄像头采集儿童乘员坐姿图像；语音提示模块用于提醒乘员佩戴安全带；主动式安全气囊在校车发生碰撞时，为乘员提供最佳防护；上述装置在ACU内置算法控制下进行相应动作。

【技术实现步骤摘要】
基于深度学习的主动式气囊拉带装置及其控制方法
本专利技术属于车辆安全
，具体涉及基于深度学习的主动式气囊拉带装置及其控制方法。
技术介绍
当前，我国校车的发展处于初级阶段，主要服务对象是小学生。随着国家对教育资源的重新整合，实行撤点并校，进一步提高了校车的潜在需求量。在当前不断增长的校车需求下，大量不符合相关法律法规的校车不断地涌入市场，导致近些年校车事故频发，对儿童乘员的安全性造成了巨大的潜在危险。据交通等相关部门的抽查发现，小学生在乘坐校车时，常存在未佩戴安全带的现象，同时，由于儿童乘员天性活泼好动，在乘坐校车时，经常出现“离位”现象，使得儿童乘员的伤亡率较高。安全气囊是乘员约束系统中重要的乘员保护辅助装置，其配合安全带使用，能显著降低乘员死亡率。目前所使用的安全气囊主要是被动触发式的，其在触发的瞬间会产生巨大的冲击力，若将此安全气囊应用于校车，其巨大的冲击力将会对未完全发育的“离位”儿童乘员造成严重的伤害。
技术实现思路
针对上述情况，本专利技术提供基于深度学习的主动式气囊拉带装置及其控制方法。基于深度学习的主动式气囊拉带装置，包括：气囊回收装置、单向电机、电机支架、转速传感器、传动轴、挡板、卷筒、底座、摄像头、语音提示模块、主动式安全气囊、以及拉带模块。所述气囊回收装置安装在座椅靠背中，用于回收主动式气囊袋；所述拉带模块布置在气囊回收装置中；所述单向电机安装在电机支架上端，在拉带回收时，单向电机为卷筒提供动力；所述电机支架与底座相连，为单向电机提供支撑力；所述转速传感器安装在单向电机上，用于检测单向电机输出轴的旋转圈数；所述传动轴的两端分别与单向电机的输出轴和卷筒相连，用于将单向电机输出的转矩传递至卷筒，使得单相电机的输出轴与卷筒同步转动；所述挡板位于卷筒的中心位置，用于隔离卷筒的两端拉带，防止在拉带回收时，拉带发生缠绕现象；所述卷筒固定连接传动轴上，用于在安全气囊泄气时回收拉带；所述底座通过螺栓固定在气囊回收装置上；所述摄像头布置在车内，用于拍摄儿童乘员的坐姿，以采集儿童乘员坐姿图像；语音提示模块布置在座椅靠背内部，用于提醒儿童乘员佩戴安全带；所述主动式安全气囊能够收纳于气囊回收装置中，在校车发生碰撞时，为儿童乘员提供最佳防护。上述基于深度学习的主动式气囊拉带装置的控制方法如下：步骤1：在校车开始行驶时，各摄像头采集儿童乘员坐姿图像，将图像信息输入已训练好的Yolo3网络中，输出分类为儿童乘员和安全带的包围框。步骤2：判别Yolo3网络是否输出儿童乘员和安全带的包围框，若没有检测到儿童乘员，则主动式安全气囊不启动，反之，则主动式安全气囊开始启动；若检测到儿童乘员未佩戴安全带，则发出预警信号，语音提示模块接收到预警信号后，进行语音提示，若检测到儿童乘员已佩戴安全带，则语音提示模块不工作。步骤3：将Yolo3网络输出的儿童乘员包围框，输入到姿态估计网络中，使用G-RMI算法得到关节点骨架图，将骨架图输入到分类器softmax中，得到人体坐姿图像对应的儿童乘员当前坐姿状态，进而确定出头部、颈部、胸部、髋部、大腿、小腿和前臂等的位置，以及儿童乘员相对于座椅对称面的横向偏移度，同时，对原始图像特征的提取，估算儿童乘员前胸与前排座椅的距离，并将数据传输至主动式安全气囊控制器(简称“ACU”)。步骤4：ACU根据轮速传感器实时采集车速信息、步骤2中获得的儿童乘员安全带的佩戴信息和步骤3中获得的乘员的姿态信息，其包括头部、颈部、胸部、髋部、大腿、小腿和前臂的坐标信息，结合储存在ACU中的主动式安全气囊包形信息进行匹配，得以匹配最优包形，以便为儿童乘员提供最佳防护。步骤5：ACU计算各个拉带的长度，以确定单向电机输出轴的旋转圈数，向拉带模块发送信号，通过控制拉带的长度，以达到ACU计算得到的包形。步骤6：在校车发生碰撞的过程中，ACU根据摄像头C探测到的儿童乘员与主动式安全气囊的接触位置，实时向单向电机发送信号，通过控制各个拉带的长度，以控制主动式安全气囊的包形，极大地降低儿童乘员的损伤。用于儿童乘员的姿态估计方法，具体包括：针对于姿态估计，本专利技术采用自顶向下(Top-Down)的方式，即先使用目标检测方法对图像中的人物进行检测，并将包含人物的目标区域框出，然后对目标区域进行单人姿态估计。具体可分为三个阶段，第一阶段，将原始图像输入YOLO3网络中，输出儿童乘员和安全带的包围框和类别，即使用矩形框框出包含儿童乘员和安全带的区域，将包含儿童乘员的区域进行截取，输入到下一阶段的网络；第二阶段，采用G-RMI方法对儿童乘员进行姿态估计，即采用基于全卷积网络的残差网ResNet对第一阶段截取的目标区域的人物，进行预测密集热图DenseHeatmap和补偿Offset，最后通过DenseHeatmap和Offset的融合得到关键点的精确定位，从而得到儿童乘员的人体骨架图；第三阶段，将人体姿态估计网络输出的人体骨架图，输入分类器Softmax中，得到当前儿童乘员的坐姿类别。进一步，语音提示模块在语音提示三次后，停止播报。进一步，在主动式安全气囊充气时，单向电机作为发电机，将充气时卷筒转动产生的动能转化为电能，储存至储能模块中。进一步，在步骤5中，所述拉带模块的工作原理和过程为：在ACU计算完成后，主动式安全气囊开始充气，在充气过程中，主动式安全气囊拉动拉带，从而拉带受力以带动卷筒转动，此时卷筒产生动能，单向电机将卷筒的动能转化为电能，储存至储能模块中；当转速传感器检测到单向电机输出轴的旋转圈数达到目标圈数后，ACU向单向电机发送启动信号，单向电机开始启动，产生阻力距，使得卷筒停止转动；在拉带回收过程中，储能模块向单向电机提供电能，带动卷筒向回转动，以回收拉带。本专利技术的有益效果：1、在主动式气囊充气的过程中，将卷筒的动能转化为电能，储存至储能模块中，节能环保。2、实时性、准确性高，本专利技术利用基于大数据分析的深度学习进行识别儿童乘员坐姿，提高数据的可靠性，以确保为不同坐姿的儿童乘员提供最佳保护。3、拉带回收时，各拉带间不发生干涉，能够防止各拉带间发生缠绕现象。附图说明图1为拉带模块的结构示意图；图2为拉带装置的总体安装示意图；图3为基于深度学习的拉带装置的工作流程图；图4为网络构造基本单元；图中标号名称为：1、单向电机，2、电机支架，3、转速传感器，4、传动轴，5、挡板，6、卷筒，7、底座，8、座椅，9、主动式安全气囊，10、拉带，11、语音提示模块，12、气囊回收装置，13、拉带模块。具体实施方式下面结合附图对本专利技术作进一步说明。如图1和2所示，基于深度学习的主动式气囊拉带装置，包括气囊回收装置12、单向电机1、电机支架2、转速传感器3、传动轴4、挡板5、卷筒6、底座7、摄像头、语音提示模块11、主动式安全气囊9、以及拉带模块13、ACU。所述气囊回收装置12安装在座椅8靠背中，用于回收主动式安全气囊9；所述拉带模块13布置本文档来自技高网...

【技术保护点】
1.基于深度学习的主动式气囊拉带装置，其特征在于，包括：气囊回收装置(12)、单向电机(1)、电机支架(2)、转速传感器(3)、传动轴(4)、挡板(5)、卷筒(6)、底座(7)、摄像头、语音提示模块(11)、主动式安全气囊(9)、拉带模块(13)以及ACU；/n所述气囊回收装置(12)安装在座椅靠背中，用于回收主动式安全气囊的气囊袋；所述拉带模块布置在气囊回收装置中；所述单向电机(1)安装在电机支架(2)上端，在拉带回收时，单向电机(1)为卷筒(6)提供动力；所述电机支架(2)与底座(7)相连，为单向电机(1)提供支撑力；所述转速传感器(3)安装在单向电机(1)上，用于检测单向电机输出轴的旋转圈数；所述传动轴的两端分别与单向电机的输出轴和卷筒(6)相连，用于将单向电机输出的转矩传递至卷筒(6)，使得单相电机的输出轴与卷筒(6)同步转动；所述挡板(5)位于卷筒(6)的中心位置，用于隔离卷筒(6)的两端拉带，防止在拉带回收时，拉带发生缠绕现象；所述卷筒(6)固定连接传动轴上，用于在安全气囊泄气时回收拉带；所述底座(7)通过螺栓固定在气囊回收装置(12)上；所述摄像头布置在车内，用于拍摄乘员的坐姿，以采集乘员坐姿图像；语音提示模块(11)用于提醒乘员佩戴安全带；所述主动式安全气囊(9)能够收纳于气囊回收装置中，在校车发生碰撞时，为乘员提供最佳防护。/n...

【技术特征摘要】
1.基于深度学习的主动式气囊拉带装置，其特征在于，包括：气囊回收装置(12)、单向电机(1)、电机支架(2)、转速传感器(3)、传动轴(4)、挡板(5)、卷筒(6)、底座(7)、摄像头、语音提示模块(11)、主动式安全气囊(9)、拉带模块(13)以及ACU；
所述气囊回收装置(12)安装在座椅靠背中，用于回收主动式安全气囊的气囊袋；所述拉带模块布置在气囊回收装置中；所述单向电机(1)安装在电机支架(2)上端，在拉带回收时，单向电机(1)为卷筒(6)提供动力；所述电机支架(2)与底座(7)相连，为单向电机(1)提供支撑力；所述转速传感器(3)安装在单向电机(1)上，用于检测单向电机输出轴的旋转圈数；所述传动轴的两端分别与单向电机的输出轴和卷筒(6)相连，用于将单向电机输出的转矩传递至卷筒(6)，使得单相电机的输出轴与卷筒(6)同步转动；所述挡板(5)位于卷筒(6)的中心位置，用于隔离卷筒(6)的两端拉带，防止在拉带回收时，拉带发生缠绕现象；所述卷筒(6)固定连接传动轴上，用于在安全气囊泄气时回收拉带；所述底座(7)通过螺栓固定在气囊回收装置(12)上；所述摄像头布置在车内，用于拍摄乘员的坐姿，以采集乘员坐姿图像；语音提示模块(11)用于提醒乘员佩戴安全带；所述主动式安全气囊(9)能够收纳于气囊回收装置中，在校车发生碰撞时，为乘员提供最佳防护。


2.根据权利要求1所述的基于深度学习的主动式气囊拉带装置，其特征在于，所述ACU根据轮速传感器(3)实时采集车速信息、根据存储的算法获得儿童乘员安全带的佩戴信息和乘员的姿态信息，其包括头部、颈部、胸部、髋部、大腿、小腿和前臂的坐标信息，结合储存在ACU中的主动式安全气囊包形信息进行匹配，得出最优包形，以便为儿童乘员提供最佳防护；
所述ACU计算各个拉带的长度，以确定单向电机输出轴的旋转圈数，向拉带模块发送信号，通过控制拉带的长度，以使得气囊达到ACU计算得到的包形；
所述ACU存储的算法包括：YOLO3网络模型，得出包含儿童乘员和安全带的区域；G-RMI算法模型，对儿童乘员进行姿态估计；以及Softmax分类器模型，用于当前儿童乘员的坐姿类别。


3.基于深度学习的主动式气囊拉带装置的控制方法，其特征在于，包括如下步骤：
步骤1：各摄像头采集儿童乘员坐姿图像，将图像信息输入已训练好的Yolo3网络中，输出分类为儿童乘员和安全带的包围框；
步骤2：判别Yolo3网络是否输出儿童乘员和安全带的包围框，若没有检测到儿童乘员，则主动式安全气囊不启动，反之，则主动式安全气囊开始启动；若检测到儿童乘员未佩戴安全带，则发出预警信号，语音提示模块(11)接收到预警信号后，进行语音提示，若检测到儿童乘员已佩戴安全带，则语音提示模块不工作；
步骤3：将Yolo3网络输出的儿童乘员包围框，输入到姿态估计网络中，使用G-RMI算法得到关节点骨架图，将骨架图输入到分类器softmax中，得到人体坐姿图像对应的儿童乘员当前坐姿状态，进而确定出头部、颈部、胸部、髋部、大腿、小腿和前臂等的位置，以及儿童乘员相对于座椅对称面的横向偏移度，同时，对原始图像特征的提取，估算儿童乘员前胸与前排座椅的距离，并将数据传输至主动式安全气囊控制器，即ACU；
步骤4：ACU根据轮速传感器实时采集车速信息、步骤2中获得的儿童乘员安全带的佩戴信息和步骤3中获得的乘员的姿态信息，其包括头部、颈部、胸部、髋部、大腿、小腿和前臂的坐标信息，结合储存在ACU中的主动式安全气囊包形进行匹配，得以匹配最优包形，为儿童乘员提供最佳防护；
步骤5：ACU计算各个拉带的长度，以确定单向电机输出轴的旋转圈数，向拉带模块发送信号，通过控制拉带的长度，以达到ACU计算得到的包形；
步骤6：在校车发生碰撞的过程中，ACU根据摄像头探测到的儿童乘员与主动式安全气囊的接触位置，实时向单向电机发送信号，通过控制各个拉带的长度，以控制主动式安全气囊的包形，极大降低儿童乘员的损伤。


4.根据权利要求3所述的基于深度学习的主动式气囊拉带装置的控制方法，其特征在于，步骤3中，用于儿童乘员的姿态估计方法，具体包括：
采用自顶向下的方式，即先...

【专利技术属性】
技术研发人员：洪亮，刘刚，杜睿，李思远，王子康，
申请(专利权)人：江苏大学，
类型：发明
国别省市：江苏;32